Sistemas Expertos - 2

Sistemas Expertos

FACULTAD DE INGENIERIA DE SISTEMAS, CÓMPUTO Y TELECOMUNICACIONES

© Ing. Carmen Rosa Peña Enciso

[email protected]

mailto:[email protected]

SISTEMAS EXPERTOS: definición

Es un programa de

computación Inteligente

que usa el conocimiento y

los procedimiento de

inferencia para resolver

problemas que son

suficientemente difíciles

como para requerir

significada experiencia

humana para su solución.


Edward Feigenbaum (1982)

http://ksl-web.stanford.edu/people/eaf/




Los sistemas expertos son

una rama de la IA que hace

un amplio uso del

conocimiento especializado

para resolver problemas

como un especialista

humano (persona que tiene

experiencia desarrollada en

cierta área).



Giarratano –Riley (2001)

http://prtl.uhcl.edu/portal/page/portal/SCE/COM

PUTING_MATHMATICS_DIV/CS/cs_person/CS

_Faculty

http://prtl.uhcl.edu/portal/page/portal/SCE/COMPUTING_MATHMATICS_DIV/CS/cs_person/CS_Faculty



• Es un conjunto de programas informáticos que aplica el proceso del razonamiento humano al conocimiento de un experto, para la solución de problemas sobre áreas de aplicación compleja y específica; y actúa como un consultor experto para los usuarios finales.

• Son sistemas basados en reglas de producción u otros procesos de razonamiento.

• Un sistema experto es un sistema de información basado en el conocimiento, que utiliza su conocimiento sobre un área de aplicación compleja y específica para actuar como un consultor experto para los usuarios finales.



• Los sistemas expertos proporcionan respuestas a preguntas en un área problema muy específica mediante la realización de inferencias similares a las humanas sobre el conocimiento contenido en una base de conocimiento especializada.

• Éstos deben ser capaces de explicar a un usuario su proceso de razonamiento y sus conclusiones.

• Por tanto, los sistemas expertos pueden proporcionar apoyo a las decisiones de los usuarios finales, en la forma de asesoría de un consultor experto en un área problema específico



1. El procesamiento del conocimiento es indiferente al

conocimiento.

2. Simula la labor de un experto humano, y no de un

operador.

3. Alto desempeño. El sistema debe tener la capacidad de

responder a un nivel de competencia igual o superior al

de un especialista en el campo. Esto significa que la

calidad del consejo dado por el sistema debe ser muy alta.

4. Comprensible. El sistema debe ser capaz de explicar los

pasos de su razonamiento. Este rasgo es importante, 1ro

porque proporciona una revisión del razonamiento; 2do

permite asegurar en la fase de desarrollo de que el

sistema ha adquirido el conocimiento y lo está usando de

manera correcta.


SISTEMAS EXPERTOS: características

5. Flexibilidad. Debido a la gran cantidad de conocimiento

que puede albergar un SE es importante contar con un

mecanismo eficiente para añadir, modificar y eliminar el

conocimiento.

6. Tiempo de respuesta adecuado. El sistema debe actuar en

un tiempo razonable, comparable o mejor al tiempo

requerido por un especialista para alcanzar una decisión.

7. Confiabilidad. El sistema experto debe ser confiable y no

propenso a fallos.


SISTEMAS EXPERTOS: características

• .


SISTEMAS EXPERTOS: usos

Cuando usar Cuando no usar

• El problema puede ser

resuelto usando

conocimiento y/o

experiencia

• El conocimiento debe ser

claro, preciso y bien

definido.

• El conocimiento debe ser

colocado en forma explícita

(conocimiento tácito).

• El conocimiento debe

proporcionar soluciones

satisfactoria.

• Problemas de optimización.

• Cantidad de conocimiento

inconmensurable

• Problemas basados en

búsqueda (juegos

inteligentes)

• Problemas basados en

conocimiento no explícito.

• .


SISTEMAS EXPERTOS: aplicaciones

Industria Servicios

• Identificación de

materiales

• Sistemas de detección de

fallas

• Sistemas de clasificación

• Monitoreo y

administración de la

producción

• Control de sistemas

críticos

• Diagnóstico de

enfermedades

• Segmentación

• Tutor inteligente

• Software Educativo

• Auditoria

• Control estratégico

• Alineamiento de

presupuestos

1. Coste reducido. El coste de poner la experiencia a disposición

del usuario se reduce de manera considerable. A mayor uso

menor costo.

2. Peligro reducido. Los sistemas expertos pueden usarse en

ambientes que podrían ser peligrosos para un ser humano.

3. Experiencia Permanente. La experiencia es permanente y no

depende de causas externas.

4. Experiencia múltiple. El conocimiento de varios especialistas

puede estar disponible de manera simultánea.

5. Mayor confiabilidad. Al proporcionar una segunda opinión los

sistemas expertos incrementan la confianza en que un

especialista ha tomado la decisión correcta.

6. El conocimiento que tiene es fácil de actualizar.

7. Es capaz de utilizar grandes cantidades de conocimiento.

8. Son fáciles de duplicar.


SISTEMAS EXPERTOS: ventajas

9. Son consistentes.

10. Son documentables.

11. Explicación. El sistema experto puede explicar de forma clara y

detalladamente el razonamiento que conduce a una conclusión

aumentando la confianza.

12. Respuesta rápida. Respuesta en tiempo real.

13. Respuestas sólidas, completas y sin emociones. El sistema

experto siempre funciona a plena capacidad sin tener presión ni

fatiga.

14. Inteligente. El sistema experto puede actuar como un tutor

inteligente, dejando que el estudiante ejecute programas de

ejemplo y explicando el razonamiento del sistema.

15. Base de datos inteligente. Los sistemas expertos pueden usarse

para tener acceso a una base de datos en forma inteligente.


SISTEMAS EXPERTOS: ventajas

1. No tiene capacidad de aprender.

2. No tiene capacidad de generalizar conocimiento.

3. No tiene capacidad de hacer analogías.


SISTEMAS EXPERTOS: desventajas

Un sistema basado en el conocimiento o sistema experto permite

incorporar el conocimiento de un experto humano en una determinada

área. Suele constar de:

• Una base de conocimiento en forma de reglas, hechos, etc.

• Un motor de inferencia que, basándose en dichas reglas, puede responder a consultas de usuario, utilizando capacidades deductivas.

Los principales lenguajes utilizados en este tipo de sistemas son Prolog y Lisp, pero se puede emplear también una “schell” para desarrollar sistemas expertos

Los entornos de programación para este tipo de lenguajes suelen ser bastante completos y constan de:

• Soporte automático para el desarrollo del motor de inferencia.

• Utilidad para la captura de conocimiento con facilidades para la verificación de consistencia.

• Soporte automático para la construcción de la interfaz de usuario.

.


SISTEMAS EXPERTOS

Base del

Conocimiento Dominio

del

problema

Máquina de

Inferencia

Máquina de

desarrollo

Experto e

Ingeniero del

Conocimiento

Interfaz

con el

usuario

Usuario

Sistema

Experto

Instrucciones e Información

Soluciones y Explicaciones

Conocimientos


MODELO DE SISTEMAS EXPERTOS


SISTEMAS EXPERTOS: arquitectura


SISTEMAS EXPERTOS: componentes


SISTEMAS EXPERTOS: funcionamiento


BASE DE CONOCIMIENTOS





Contiene tanto hechos que describen el área problema y técnicas de representación de conocimientos que describen cómo los hechos embonan de forma lógica. Consta de:

• Hechos sobre un área temática específica.

Ejemplo: John es un analista

• Heurística (reglas empíricas). Expresan los procedimientos de razonamiento de un experto sobre el tema. Ejemplo:

SI John es un analista, ENTONCES él necesita una estación de trabajo.

Existen métodos de representación del conocimiento basados en reglas, estructuras, objetos y casos.


BASE DE HECHOS


BASE DE HECHOS


MOTOR DE INFERENCIA


MOTOR DE INFERENCIA


MÓDULO DE ADQUISICIÓN DE CONOCIMIENTO


MÓDULO DE ADQUISICIÓN DE CONOCIMIENTO


MÓDULO DE EXPLICACIÓN


INTERFASE DE USUARIO


INTERFASE DE USUARIO

Razonamiento basado en casos. Representa el conocimiento en la base de

conocimiento de un sistema experto, en la forma de casos, es decir, ejemplos

de desempeño, hechos y experiencias pasadas.

Conocimiento basado en estructuras. Conocimiento que se representa en la

forma de una jerarquía o red de estructuras. Una estructura es un conjunto

de conocimientos sobre una entidad, que se compone de un paquete

complejo de valores de datos que describen sus atributos.

Conocimiento basado en objetos. Conocimiento que se representa como

una red de objetos. Un objeto es un elemento de datos que incluye tanto

datos como los métodos o procesos que actúan sobre dichos datos.

Conocimiento basado en reglas. Conocimiento que se representa en forma

de reglas y declaraciones de hechos. Las reglas son declaraciones que

generalmente adoptan la forma de una premisa y una conclusión como: Si

(condición), Entonces (conclusión).


MÉTODOS DE REPRESENTACIÓN DEL CONOCIMIENTO


Una regla específica qué debe hacerse

en una situación dada y consta de dos

partes:

Una condición que podría cumplirse o

no y una acción que debe efectuarse si la

condición se cumple.

IF INDICE.ECONOMICO > 1.20 AND INDICE.TEMPORADA > 1.30

THEN PERSPECTIVAS.VENTAS = “EXCELENTE”

Todas las reglas contenidas en un sistema experto forman el

conjunto de reglas, que puede variar desde una docena de

reglas para un SE sencillo, hasta 500, 1000 o 10,000 reglas en

el caso de un sistema complejo.

TECNICA DE REPRESENTACION DEL CONOCIMIENTO:

REGLAS

Las reglas de un conjunto de reglas no están vinculadas

físicamente, pero sus relaciones lógicas se pueden ilustrar con

un diagrama jerárquico.

Conclusión

Evidencias

Evidencias

Evidencias Evidencias Evidencias

Conclusión Conclusión

Evidencias Evidencias Evidencias



REDES DE REGLAS

Las reglas que están en la base de la jerarquía proporcionan evidencias a

las reglas de los niveles superiores.

Las evidencias permiten a las reglas de los niveles superiores producir

conclusiones.

El nivel más alto podría consistir en una sola conclusión, lo que indica que

el problema sólo tiene una sola solución.

Se usa el término variable meta para describir la solución, que podría ser

un valor calculado, un objeto identificado, una acción a realizar o alguna otra

recomendación.

Si un SE asesora a la gerencia de alto nivel sobre la

conveniencia de ingresar en una nueva área del mercado, se

asignaría un valor de YES o NO a la única variables de meta

DECISION.MERCADO

También puede ser que el nivel más alto de la jerarquía incluya varias

conclusiones, lo que indica la posibilidad de que haya más de una solución.



REDES DE REGLAS

El problema principal inherente en el uso de reglas para representar

los conocimientos es la dificultad para seleccionar de manera eficiente

esas reglas de la base del conocimiento.

En muchos casos, sólo se necesita un subconjunto total de reglas

para resolver el problema.

En el SE diagramado se pueden identificar siete animales que se

listan en la parte superior basándose en las quince reglas que están

abajo.

Las reglas se representan con círculos, los rectángulos que están

debajo de los círculos son las condiciones, y las flechas que apuntan

hacia arriba desde los círculos representan las acciones o

conclusiones.

El SE puede identificar un animal como una ave usando sólo la

regla R3 (tiene plumas) o R4 (vuela y pone huevos).

La tarea consiste en acondicionar el SE de manera que sólo

considere el conjunto apropiado de reglas.


EL PROBLEMA DE LA SELECCIÓN DE REGLAS

Conjunto de reglas que puede producir más de una conclusión final

Tigre Pingüino Cebra Jirafa Avestruz Guepardo Albatros

Y Y Y Y Y Y Y

Color

pardo

Manchas

negras

Patas

largas

Franjas

negras

Cuello

largo

No

vuela

Negro y

blanco Nada

Vuela

bien

O

Ungulado

O

Ave

O

Carnívoro

O

Mamífero

Y Y Y Plumas

Pone

huevos Vuela Rumia Pezuñas

Come

carne

Da

leche Pelo

Y

Dientes

puntiagudos Garras

Ojos hacia

adelante

R1 R

2

R5 R6

R7 R8 R3 R4

R9 R10 R11 R12 R13 R14 R15

Reglas Condiciones Acción

(conclusiones)

Leyenda:


Se pueden usar varias

técnicas, pero la más directa

es que el usuario introduzca

parámetros que reduzcan el

número de opciones.

Si el usuario especifica que

el animal es un ave, sólo serán

necesarias las reglas 13, 14 y

15 para identificar el tipo

específico de ave.


EL PROBLEMA DE LA SELECCIÓN DE REGLAS

Aplicación Red de Inferencias

Sistema Experto que recoge datos de

sensores para alertar y evacuar frente

a posibles desbordamientos del Ebro


Los vecinos de Juslibol se han dado cuenta de que están en una zona de riesgo de

desbordamiento del Ebro. Con objeto de saber cuando debe alertarse a la población o

desalojar la ciudad se solicita la creación de un sistema experto que recoge datos de

un conjunto de sensores .

¿Qué hacemos?

Vecinos de Juslibol

Alcalde y autoridades

Profesionales,

Ingenieros y médicos

Municipalidad

¿Qué acciones y medidas

tomamos?

estación

mes

Materiales,

maquinaria

pesada, carros y

unidades de

auxilio

clima

¿Alerta de desbordamiento

u orden de evacuación?

¿Consultaré qué hacer con

profesionales e ingenieros?

POBLACION CLIMA

MES

MATERIALES Y

RECURSOS

POBLACION

EVACUADA

INFORMES

DESASTRES


Parámetros requeridos Valores de los parámetros

mes cualquier mes del año

precipitaciones aguas arriba ninguna, moderada, fuerte

previsión tiempo soleado, nubloso, tormentoso

altura río medida en metros

estación seca, húmeda

lluvia local ninguna, ligera, intensa

cambio río ninguno, bajo, alto

nivel río bajo, normal, alto

alerta desbordamiento si, no

orden evacuación si, no


Regla 1:

SI

mes = mayo ... octubre

ENTONCES

estación = húmeda

Regla 2:

SI

mes = noviembre ... abril

ENTONCES

estación = seca

Regla 3:

SI

precipitaciones = ninguna Y estación = seca

ENTONCES

cambio = bajo

Regla 4:

SI

precipitaciones = ninguna Y estación = húmeda

ENTONCES

cambio = ninguno

Con las siguientes reglas construya la red de inferencias:


Regla 5:

SI

precipitaciones = moderada

ENTONCES

cambio = ninguno

Regla 6:

SI

precipitaciones = alta

ENTONCES

cambio = alto

Regla 7:

SI

nivel = bajo

ENTONCES

alerta = no, evacuación = no

Regla 8:

SI

cambio = ninguno | bajo Y nivel = normal | bajo

ENTONCES



Regla 9:

SI

cambio= alto Y nivel= normal Y lluvia = intensa

ENTONCES

alerta = si (FC 0.4), evacuación = no

Regla 10:

SI

cambio=alto Y nivel= normal Y lluvia = ligera

ENTONCES


Regla 11:

SI

cambio= alto Y nivel= alto Y lluvia = ninguna|ligera

ENTONCES

alerta = si (FC 0.5), evacuación = si (FC 0.2)

Regla 12:

SI

cambio= alto Y nivel= alto Y lluvia = intensa

ENTONCES

alerta = si, evacuación = si (FC 0.8)


Regla 13:

SI

altura < 1

ENTONCES

nivel = bajo

Regla 14:

SI

altura >= 1 and <=2

ENTONCES

nivel = normal

Regla 15:

SI

altura >2

ENTONCES

nivel = alto

Regla 16:

SI

previsión = soleado

ENTONCES

lluvia = ninguna


Regla 17:

SI

previsión = nublado

ENTONCES

lluvia = ligera

Regla 18:

SI

previsión = tormentoso

ENTONCES

lluvia = intensa


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

RED DE INFERENCIAS


La representación interna de reglas y hechos

Número de Regla R1

parámetros-precondición mes

parámetros-postcondición estación

premisas mes = mayo ........ octubre

conclusiones estación = seca

Parámetro Cambio

asignado-por (R3 R4 R5 R6)

premisa-de (R8 R9 R10 R11 R12)

Valores: -

Se requieren dos listas que identifiquen parámetros entrada y

conclusión

parámetros-entrada (mes precipitaciones previsión altura)

parámetros-conclusión (alerta evacuación)

Implementación de la red de inferencia


1. Asignar valores a todos los parámetros de entrada.

2. Formar una cola Q con las reglas que tienen en sus premisas los

parámetros de entrada Q: ( R1 R2 R3 R4 R5 R6 R13 R14 R15 R16

R17 R18 )

3. REPETIR Hasta que Q este vacio

a. Examinar primera regla de Q

b. Si la regla no se satisface sacarla de Q y volver a paso a)

c. Si la regla esta satisfecha

4. Mostrar los parámetros de salida

5. Si la aplicación es de monitorización de los parámetros en

tiempo real volver al paso 1)

Implementación de la red de inferencia


Otros ejemplos




Documents

Sistemas Expertos - 2