Sistemas Expertos - 1

Introducción a los sistemas

basados en el conocimiento

FACULTAD DE INGENIERIA DE SISTEMAS, CÓMPUTO Y TELECOMUNICACIONES

© Ing. Carmen Rosa Peña Enciso

[email protected]

mailto:[email protected]

Introducción a los sistemas basados en el

conocimiento


Agenda:

Introducción

Inteligencia Artificial: definición, evolución y áreas de

aplicación

Sistemas inteligentes: definición, atributos, características y

diferencias

Conocimiento: definición, formas de representación

• La Inteligencia Artificial (IA) nace a mediados del siglo

XX, con el fin de construir máquinas que pudieran

pensar como el ser humano o emularle en alguna

capacidad que denotara cierta inteligencia.

• Siendo el hombre “homo sapiens” (hombre sabio) es

capaz de trascender a habilidades mentales tanto en su

vida cotidiana como en su propio sentido de identidad.

• La IA se enfoca a crear y comprender entidades

inteligentes, representar el conocimiento sobre un

dominio muy concreto y razonar con él, las que son

interesantes y útiles, generando productos de

trascendencia y sorprendentes.


Introducción

Introducción

• La IA desarrolla principios, métodos, herramientas

aplicables a la utilización del conocimiento humano en

materias concretas para construir sistemas inteligentes

capaces de percibir, razonar, comprender y producir un

lenguaje natural utilizando procesos de aprendizaje.

• La IA formalmente se inicia en 1956, en la actualidad

abarca desde áreas de propósito general (percepción y

razonamiento lógico) hasta tareas específicas (ajedrez,

demostración de teoremas matemáticos, diagnóstico de

enfermedades, etc.) y aplicaciones en diferentes

entornos industriales.




conocimiento

Agenda:

Introducción


aplicación


diferencias


Inteligencia Artificial: definición


La Inteligencia Artificial es el estudio de las facultades mentales a través del uso de modelos computacionales. Este término data de los años 50 del siglo XX y se debe a un grupo de científicos que estudiaron el cerebro humano como modelo natural, integrando la cibernética y las computadoras (McCarthy, Minsky, Newell, Simon).

http://www-

formal.stanford.edu/jmc/ http://www.computerhis

tory.org/fellowawards/h

all/bios/Marvin,Minsky/

http://www.nap.e

du/html/biomems

/anewell.html

www.biografiasyvidas.

com/biografia/s/simon

_herbert.htm

http://www-formal.stanford.edu/jmc/



http://www.computerhistory.org/fellowawards/hall/bios/Marvin,Minsky/



http://www.nap.edu/html/biomems/anewell.html



http://www.biografiasyvidas.com/biografia/s/simon_herbert.htm





• La IA es una rama de la ciencia de la computación que estudia los fundamentos teóricos y prácticos del diseño de sistemas de computación “inteligentes”, esto es, sistemas que, exhiben características inteligentes del ser humano.

• Para el estudio de situaciones catalogadas de inteligentes, la IA se desarrolla en conjunto con otras disciplinas:

Filosofía

Matemáticas

Psicología

Lingüísticas

Ciencias de la Computación

Ingeniería

Medicina

Economía, física, química, etc.



• La IA es el estudio de los sistemas de computación que permiten realizar actividades consideradas inteligentes por el ser humano

Patrick Winston, 1994

• La IA es el estudio de cómo hacer que los computadores realicen tareas en que, en el momento las personas son mejores.

Elaine Rich, 1988

http://www.csail.mit.edu/user/804

https://www.cs.utexas.edu/faculty/rich

http://www.csail.mit.edu/user/804

https://www.cs.utexas.edu/faculty/rich



Definiciones de IA de acuerdo a dos dimensiones

principales:

• las que aparecen en la parte superior se refieren a

procesos mentales y al razonamiento,

• en tanto que las de la parte inferior aluden a la

conducta.

Sistemas que piensan

como humanos

Sistemas que piensan

racionalmente

Sistemas que actúan como

humanos

Sistemas que actúan

racionalmente


“La interesante tarea de lograr que las

computadoras piensen…máquinas con mente,

en su amplio sentido literal” (Haugeland, 1985)

“[La automatización de] actividades que

vinculamos con procesos de pensamiento

humano, actividades tales como toma de

decisiones, resolución de problemas,

aprendizaje…” (Bellman, 1978)

“El estudio de las facultades mentales

mediante el uso de modelos computacionales”

(Charniak y McDermott, 1985)

“El estudio de los cálculos que permiten

percibir, razonar y actuar” (Winston, 1992)

“El arte de crear máquinas con capacidad de

realizar funciones que realizadas por personas

requieren de inteligencia…”(Kurzwell, 1990)

“El estudio de cómo lograr que las

computadoras realicen tareas que, por el

momento, los humanos hacen mejor” (Rich y

Knight, 1991)

“Un campo de estudio que se enfoca a la

explicación y emulación de la conducta

inteligente en función de procesos

computacionales” (Schalkoff, 1990)

“La rama de la ciencia de la computación que

se ocupa de la automatización de la conducta

inteligente” (Luger y Stubblefield, 1993)


Las definiciones de la izquierda miden la condición deseable en función

de eficiencia humana, mientras que las de la derecha lo hacen de

conformidad con un concepto de inteligencia ideal, denominado

racionalidad. Se considera que un sistema es racional si hace lo correcto.

Inteligencia Artificial: evolución

• Las semillas se dio dos años después de la instalación

de la primera computadora comercial de la General

Electric.

• En 1952 Ashby proponía construir dispositivos que

actuasen como “amplificadores de la inteligencia”

humana.

• El 31 de Agosto de 1955, Marvin Minsky, John McCarthy,

Nathan Rochester y Claude Shannon propusieron la

celebración de una reunión de dos meses de duración,

que tuvo lugar en el Dartmouth College durante el

verano de 1956.

http://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html






• Su principal objetivo era discutir:¿la conjetura de que

todos los aspectos del aprendizaje o de cualquier otra

característica de la inteligencia pueden, en principio, ser

descritos de modo tan preciso que se pueda construir

una máquina capaz de simularlos?

• El tema parecía tan novedoso que acuñaron un nuevo

término para él: Inteligencia Artificial.

• Ese mismo año se anunció la creación del primer

programa de computadora con IA llamado “Logic

Theorist”, para demostrar teoremas de cálculo, con

capacidad limitada.



[1] Gonzalo Pajares Martinsanz y Matilde Santos Peñas. Inteligencia Artificial e Ingeniería del Conocimiento

Desarrollo histórico según Jackson [1]

1950-1965: PERIODO CLÁSICO

• Gestación [McColluck y Pitts, Shannon, Turing]

• Inicio - reunión de Darmouth College en 1956 [ Minsky, McCarthy]

• Redes neuronales, robótica (Shakey)

• Búsqueda en un espacio de estados, Heurísticas, LISP

• Resolvedor general de problemas (GPS) [Newell, Simon]

• Juegos, prueba de teoremas

• Limitaciones de pura búsqueda, explosión combinatoria.

1965-1975: PERIODO ROMÁNTICO

• Representación “general” del conocimiento

• Redes semánticas [Quillian]

• Prototipos (frames) [Minsky]

• Perceptron [Minsky y Papert]

• Lógica [Kowalski]

• Mundo de bloques (SHDRLU) [Winograd]

• Compresión de lenguaje, visión, robótica.

• Dificultades de representación general, problemas de “juguete”


1975-HOY: PERIODO MODERNO

• Inteligencia “específica” vs. “general”

• Representación explícita del conocimiento específico del dominio.

• Sistemas expertos o basados en conocimiento.

• Regreso de redes neuronales [Hopfield, Rumelhart, Hinton], algoritmos genéticos

[Holland, Goldberg], Reconocimiento de voz (HMM), incertidumbre (RB, Lógica

difusa), planeación, aprendizaje. Aplicaciones “reales” (medicina, finanzas,

ingeniería, exploración, etc.).

• Limitaciones: conocimiento “superficial”


Desarrollo histórico según Jackson [1]



Desarrollo histórico según Russell y Norving [2]

1943-1956: GESTACIÓN

• McCullock y Pitts (43), Hebb (49), Shannon (50)

• Turing (53), Minsky y Edmonds (51). Darmouth College (56), McCarthy, Newell y Simon

“The Logic Theorist”

1952-1969: GRANDES EXPECTATIVAS

• Samuel - Checkers (52), McCarthy (58):

• Planificación temporal, Programas con sentido común. Minsky y McCarthy en MIT

moldearon mucho del área. (63) McCarthy se fue a Stanford SRI, Shakey, etc. Minsky,

Evans, Student, Waltz, Winston, Winograd. Trabajo en RN: Hebb, Widrow, Rosenblatt

1966-1976: DOSIS DE REALIDAD

• Simon predecía que en 10 años se tendría una máquina inteligente. Predicciones

similares en traducción automática y ajedrez. Teoría de NP-completitud. Experimentos

en machine evolution (ahora algoritmos genéticos) (Friedberg, 58). Minsky y Papert:

Perceptrones (69); el mismo año se descubrió backpropagation (Bryson y Ho)



Desarrollo histórico según Russell y Norving [2]

1969-1979: SISTEMAS BASADOS EN CONOCIMIENTO

• Dendral , Mycin , HPP, Prospector, Winograd SHDRLU, Shank (no hay sintáxis),

frames, Prolog, Planner

• IA como industria (1980-1988): R1/XCON, proyecto de la quinta generación, shells y

máquinas de Lisp...

1986-HOY: VUELTA A LAS REDES NEURONALES

• Hopfield, Rumelhart y Hinton y descenso de los Sistemas Expertos

1987-HOY: LOGROS RECIENTES

• Cambio gradual hacia áreas aplicadas (cierto grado de madurez y estabilidad);

reconocimiento de voz (HMM), incertidumbre (Bayes), planeación (Tweak), robótica,

aprendizaje, etc.

Inteligencia Artificial: áreas de aplicación


Inteligencia

Artificial

Aplicaciones

de la robótica

• Percepción visual

• Perceptible al tacto

• Agilidad mental

• Capacidad

locomotriz

• Navegación

Aplicaciones

de las interfaces

naturales

• Lenguajes naturales

• Reconocimiento del

lenguaje

• Interfaces

sensoriales múltiples

• Realidad virtual

Aplicaciones

de la ciencia

cognoscitiva

• Sistemas expertos

• Sistemas de

aprendizaje

• Lógica difusa

• Algorítmos

genéticos

• Redes neurorales

• Agentes inteligentes



Redes de Petri

En 1962 Carl Adam Petri publicó su tesis doctoral en la que por primera vez se formulaba una teoría general para sistemas discretos paralelos. Las redes de Petri son una generalización de la teoría de autómatas, y utilizan métodos gráficos para representar sistemas como condiciones y eventos. Un modelo de red de Petri formula las propiedades de un sistema en el lenguaje de la lógica aunque también utiliza la representación algebraica.

Sistemas

Expertos

Campo pionero de la IA. En Sistema experto es básicamente un

conjunto de programas informáticos que aplica el proceso del

razonamiento humano al conocimiento de un experto en la

solución de tipos específicos de problemas. Son sistemas

basados en reglas de producción u otros procesos de

razonamiento. Algunas de sus características son: la heurística,

el tratamiento simbólico, la toma de decisiones, la memoria, la

predicción y la inferencia.



Lógica Fuzzy

La lógica fuzzy o borrosa, una forma matemática de representar la imprecisión inherente al lenguaje natural, introducida por Lofti A. Zadeh en 1965. Es una generalización de la lógica clásica : las variables toman valores lingüísticos de verdad. La pertenencia a los conjuntos borrosos es gradual. Implementa la forma de razonar propia del sentido común.

Redes

Neuronales

En la década de los 80 se empezó a considerar este paradigma

computacional conexionista cuya estructura emula el proceso

biológico del aprendizaje humano. Son sistemas compuestos por

muchos elementos de procesamiento (neuronas) que operan en

paralelo, cuya función es determinada por la estructura de la red,

las conexiones y el procesamiento local realizado por los

elementos computacionales o nodos. Las redes neuronales

pueden aprender de datos de entrenamiento, y en realidad son

aproximaciones de funciones matemáticas.



Computación

Evolutiva

Inspirada en el mundo biológico, desarrolla programas usando analogías con procesos biológicos tales como la evolución y la selección natural. Se aplica satisfactoriamente, sobre todo, a problemas de optimización , programación automática y aprendizaje de máquinas. Dentro de ella se encuentra los Algoritmos Genéticos y el sistema computacional inmunizado, basado en la operación de un sistema biológico inmune.

Algoritmos

Genéticos

En algoritmo genético es esencialmente un procedimiento de

búsqueda y optimización modelado según los mecanismos

genéticos de selección natural de los seres vivos. Surgieron del

estudio de los autómatas celulares llevado a cabo por Holland en

1975. Su funcionamiento básico es evolucionar a partir de una

población que representa las soluciones candidatas (individuos)

para un determinado problema, intentando producir nuevas

generaciones de soluciones mejores de las anteriores,

evaluadas por una función de ajuste. Se utilizan en problemas

complejos de optimización por su paralelismo implícito y su

habilidad para mantener múltiples soluciones concurrentemente.



Programación

Genética

Aplica los principios evolutivos de los AG para “hacer evolucionar” programas informáticos. La programación genética conduce predominio de los programas más aptos para la solución de un problema dado. La población son programas, donde cada nueva generación se obtiene por la reproducción de los programas que funcionan mejor, con un pequeño factor de mutaciones aleatorias.

Teoría del

Caos

Es un conjunto de técnicas utilizadas para examinar y determinar

relaciones altamente complejas entre datos que han sido

inicialmente clasificados al azar. Una característica de este tipo

de datos es que una pequeña variación en las condiciones

iniciales puede dar lugar a cambios drásticos en los resultados

muy rápidamente. El supuesto fundamental de la teoría del caos

es que la unidad individual no importa; lo que importa son las

simetrías recursivas entre los diferentes niveles del sistema.





conocimiento

Agenda:

Introducción


aplicación

Sistemas inteligentes: definición, atributos,

características y diferencias


Atributos de comportamiento inteligente

La IA está tratando de reproducir estas capacidades en los sistemas computacionales:

• Pensar y razonar.

• Utilizar la razón para solucionar problemas.

• Aprender y comprender con base en la experiencia.

• Adquirir y aplicar conocimiento.

• Mostrar creatividad e imaginación.

• Abordar situaciones complejas y complicadas.

• Responder con rapidez y éxito a nuevas situaciones

• Reconocer la importancia relativa de los elementos en una situación.

• Manejar información ambigua, incompleta o errónea.


Características Inteligentes:

Resolución de problemas

Comprensión de lenguaje natural

Aprendizaje

Razonamiento

Percepción (visión y habla)


Computador inteligente:

• El computador inteligente es aquel que responde a la pregunta mismo que la respuesta no tenga sido almacenada.

• Esto es, con los hechos que fueron almacenados y con un "conocimiento" que fue también almacenado, el deduce una respuesta que no estaba almacenada en su memoria.

• El computador inteligente es aquel que usa IA


Computador inteligente:

Ejemplo:

Hecho 1: Mirna es hija de Sonia.

Hecho 2: Santiago es hijo de Sonia.

Conocimiento 1: hermano o hermana es aquel que es

hijo del mismo padre o madre

Pregunta: ¿Mirna es hermana de Santiago?

Respuesta del Computador: SI.


Visión por computadora: definición y áreas

Es la tarea de procesar una información, de comprender una escena a partir de las imágenes por ella proyectada.

Esta aplicación puede ser dividida en tres áreas:

(i) Procesamiento de Señales ( Imágenes )

Transformar una imagen.

Ejemplo: fotografía de una parte de la tierra por satélites, en una u otra imagen que tenga ciertas propiedades deseadas, saber donde existe plantación de café y si sufrió helada.

(ii) Clasificación de señales

Son hechas en categorías pré-determinadas.

(iii) Entendimiento de señales

Dada una imagen, se construye un programa de entendimiento de

imágenes que contiene una descripción, no solo de la propia

imagen, mas también de la escena que ella retrata.


Sistemas inteligentes: diferencias


Sistemas Inteligentes Sistemas de Procesamiento de

Datos

Procesamiento simbólico

(conocimiento)

Procesamiento numérico (datos)

Estructura de control del

programa independiente del

dominio del conocimiento

(variando el conocimiento no

cambia el programa)

Estructura de control e

informaciones integrados

(cambiando la información

cambia el programa)

Fácil de modificar y actualizar Difícil de modificar

Respuestas satisfactorias son aceptadas

Sólo se admite la mejor solución

posible

Lenguaje Natural: definición

• Estudio y desarrollo de interactuar con el computador con un lenguaje natural.

• La comunicación es hecha en lenguaje computacional, que tiene sintaxis y semántica rígidas y limitadas, mas fáciles de ser usadas por la máquina.

• Ejemplos: Delphi, Visualbasic, C, LISP, CLIPS, PYTHON.

• Para que el computador entienda el Lenguaje Natural (hablado y escrito) es necesario colocar en su interior "conocimientos" del tipo: estructura de las sentencias (gramática); significado de las palabras (diccionario sintáctico); morfología de las palabras; reglas de conversación, etc.


Lenguaje Natural: características

• Sus estructuras de datos deben reflejar de una manera natural y conveniente, ciertas características de los elementos que el programador de IA ve en el problema.

• En sus estructuras de control estos lenguajes deben tener características de multiprocesamiento y "demo" (es un proceso normalmente suspenso, a la espera de un hecho, y que es activado automáticamente en la ocurrencia de este).

• En el aspecto de ambiente de programación, los lenguajes de IA deben ser bastante interactivas, tener un buen editor (se puede crear un programa rápidamente) y finalmente tener facilidades interactivas de depuración (aciertos en el programa).




conocimiento

Agenda:

Introducción


aplicación


diferencias


Conocimiento: formas de representación

• Son métodos usados para "modelar" en forma

eficiente los conocimientos de especialistas en alguna

área del saber, de forma que pueda ser usado por el

usuario de un sistema inteligente.

• El conocimiento puede ser considerado como una

entidad simbólica -> Procesamiento simbólico:

Red Semántica o Grafo

Registro

Predicado

Red de inferencias

Otros


Red Semántica o Red de proposiciones

• Forma de conocimiento declarativo porque

establecen hechos.

• La estructura de la red se muestra gráficamente

en términos de nodos y los arcos como vínculos o

bordes.

• Los vínculos se utilizan para expresar relaciones

entre objetos.

• Los nodos representan objetos físicos, conceptos

o situaciones.


Red Semántica o Red de proposiciones


Ejemplo

- Juan es hijo de Raúl y Susy

- Juan estudia Ing. de Sistemas

Susy Juan

Ing. de

Sistemas

Raúl Es hijo

Es hijo

Estudia

Registro

• Los objetos y relaciones se representan mediante

una colección de datos simples llamados campos

o átomos.

• Un campo o átomo puede ser una colección de

campos.


Ejemplo



(Juan (es hijo de Raúl) (es hijo de Susy)

(estudia Ing. de Sistemas))

Predicado


• Cada relación se representa como un predicado o

función de valores lógicos y con argumentos los

objetos:

• Relación (objeto1, objeto2,...,)

• Esta función asume valor verdadero o falso, según se

verifique o no para los objetos involucrados.

Ejemplo



Hijo (Juan, Susy) Verdadero

Hijo (Juan, Raúl) Verdadero

Estudia (Juan, Ing. de Sistemas) Verdadero

Hijo (Juan, María) Falso

Red de Inferencias


alerta evacuación

lluvia cambio nivel

estación

previsión precipitaciones mes

R16

R3 R18

R6

R5

R4

R17 R1 R2 R13

R14 R15

R11

R12

R10 R9 R8

R7

altura

¿La siguiente figura es una Red Semántica?

¿Qué representa?

San Francisco Chicago Nueva York

Los Angeles

Indianápolis

Houston

Ejemplos


¿La siguiente figura es una Red Semántica? ¿Qué muestran los vínculos? ¿Qué

se puede inferir entre Juana y Pedro?

Construya los hechos. Represente el conocimiento como Registro y predicado.

Juana Pedro Ana

Rosa

María

David

Tomás

hermana de

esposa de

esposo de

esposa de

esposo de

madre de padre de

madre de

padre de

esposa de

esposo de

madre de

padre de


redonda globo Manejo a

propulsión

Dirigible

Goodyear Fuerza

Aérea 1

Jet

Concorde

tiene forma

Aeronave

DC-9

un_ tipo_de

DC-3

Elipsoidal

dirigible Especial

tiene forma

Espíritu de

San Luis

es_un es_un es_un

un_tipo_de : relaciona nodos genéricos con

nodos genéricos.

es_un : relaciona un caso o un individuo

con una clase genérica

un_ tipo_de

un_ tipo_de

un_ tipo_de un_ tipo_de un_ tipo_de

un_ tipo_de un_ tipo_de

un_ tipo_de

Red semántica

mediante guiones


Red Semántica aplicado a Sistemas de Comunicación


Red Semántica: Inteligencia artificial, dimensiones de la IA,

aplicaciones de IA, sistemas inteligentes según sectores


Red Semántica: compra de computadora


Red Semántica aplicado a Tecnologías de Comunicación


H

Y

A B C

D E

Y F

G J

Y

K L

Y

R1: ABCH

R2: DEA

R3: FB

R4: GJC

R5: KLD

Red de inferencia asociado a reglas



Conjunto de reglas que puede producir más de una

conclusión final

Red Semántica aplicado a los medios de transmisión


Tarea N° 1 (individual)

Construya una red semántica que muestre el

conocimiento de Data Centers como definición, uso,

características, tipos, componentes, equipamiento,

marcas, modelos, servicios que brinda, proveedores,

niveles, etc.

Debe utilizar guiones: un_tipo_de, es_un, así como

vínculos que muestren dicho conocimiento.


Documents

Sistemas Expertos - 1