Upload
hartel
View
216
Download
0
Embed Size (px)
Citation preview
7/22/2019 Sistemas Expertos Aspectos Tcnicos.ppt
1/29
Sistemas Expertos
*** Aspectos Tcnicos ***
7/22/2019 Sistemas Expertos Aspectos Tcnicos.ppt
2/29
7/22/2019 Sistemas Expertos Aspectos Tcnicos.ppt
3/29
Introduccin
Cmo se almacena el conoc im ien to de un exper to en una
especial idad determ inada?
Cmo es el proceso de in ferenc ia en un s is tema experto?
Tiene so luc in la exp los in comb inac ional de pos ib les
caminos a tomar?
Cmo es la relac in en tre el conoc im ien to y el
razonamiento?
7/22/2019 Sistemas Expertos Aspectos Tcnicos.ppt
4/29
Los sistemas expertosincorporan en la base de conocimiento
del sistema el conocimiento de un experto e intentan simular el
razonamiento humano por medio de un conjunto de programasde computacin.
Un sistema experto se compone de:
Base de hechos
Base de conocimientosMotor de inferencia
Mdulos de comunicacin o de entrada-salida que se
subdivide en:
Mdu lo de con su l ta o del usuar io
Mdu lo de trabajo o del experto
7/22/2019 Sistemas Expertos Aspectos Tcnicos.ppt
5/29
O sea que podemos esquematizarun sistema experto de la
siguiente manera:
BASE DE
HECHOS
MOTOR DE
INFERENCIA
BASE DE
CONOCIMIENTO
EXPERTO USUARIO
7/22/2019 Sistemas Expertos Aspectos Tcnicos.ppt
6/29
Base de Hechos
Contiene la informacin que permanece invariable y que
recibe el nombre de hecho.
Podemos decir que constituye la memoria de trabajo del
sistema experto.
Los hechos representan la estructura dinmica del
conocimiento ya que su nmero puede verse incrementado
a medida que se van relacionando las reglas.
7/22/2019 Sistemas Expertos Aspectos Tcnicos.ppt
7/29
Base de Conocimiento
Contiene el conocimiento del dominio. Este conocimiento
debe representarse a fin de que pueda incluirse en el
sistema.
Se lo representa lo ms sencillamente posible y se lo hacede un modo relacional entre los mismos, mediante las
reglas. O sea la base de conocimientos contiene reglas.
Las mismas toman la forma de:
IF < premisa > THEN < conclusin >
Las reglas componen la base de conocimiento y las
mismas pueden relacionarse dando lugar a nuevos hechos.
7/22/2019 Sistemas Expertos Aspectos Tcnicos.ppt
8/29
Motor de Inferencia
Es el corazn del sistema experto.
Concretiza el conocimiento abstracto que posee el sistema,
para obtener las conclusiones y tomar las decisiones
correspondientes.
Es el intrprete de las reglas y por lo tanto nos da la
estrategia general de resolucin.
7/22/2019 Sistemas Expertos Aspectos Tcnicos.ppt
9/29
Comparacin entre un SE y un
Programa Tradicional
Un programa tradicional puede esquematizarse de la
siguiente manera:
Mientras que un sistema experto estara definido de la
siguiente forma:
Datos Algoritmo Control EntradasSalidas
ProgramaTradicional+ + + =
Base de
Hechos
Base de
Conoci-
mientos
Motor de
Inferencia
Entradas
Salidas
Sistema
Experto+ + + =
7/22/2019 Sistemas Expertos Aspectos Tcnicos.ppt
10/29
Del esquema se desprende que la base de hechoses en un
sistema experto, lo que los datosson en un programa
tradicional.
De la misma manera la base de conocimientosreemplaza al
algoritmo.
El motor de inferenciaes el programa.
7/22/2019 Sistemas Expertos Aspectos Tcnicos.ppt
11/29
Proceso Lgico de Carga de la BC
Para esquematizar el proceso lgico de carga, recurriremos
a la cascada de rdenes. As tenemos:
En esta fase se determinan las reglasy se incorporan a labase de conocimientos.
BC: Base de Conocimiento
7/22/2019 Sistemas Expertos Aspectos Tcnicos.ppt
12/29
7/22/2019 Sistemas Expertos Aspectos Tcnicos.ppt
13/29
Proceso Lgico de Carga de la BH
En esta fase se detectan los hechosy se incorporan a la
base de hechos.
Si no existe al menos una regla que contenga ese hechodebemos determinarla ya que de no ser as, ese hecho
estara de ms en la base de hechos.
BH: Base de Hechos
7/22/2019 Sistemas Expertos Aspectos Tcnicos.ppt
14/29
7/22/2019 Sistemas Expertos Aspectos Tcnicos.ppt
15/29
El Proceso de Inferencia
Durante la inferenciapuedo verificar o deducir hechos. En la
verificacinde un hecho el proceso est dirigido por los
objetivosmientras que en la deduccinest dirigido por los
datos.
Por medio de cascadas de rdenes, veremos ambos casos.
7/22/2019 Sistemas Expertos Aspectos Tcnicos.ppt
16/29
Verificacin de un Hecho
En este proceso, una vez tomado un hecho, se produce el
encadenamientohacia atrs. Es decir, se parte de la
premisa para llegar a los datos.
7/22/2019 Sistemas Expertos Aspectos Tcnicos.ppt
17/29
7/22/2019 Sistemas Expertos Aspectos Tcnicos.ppt
18/29
Deduccin de un Hecho
En este proceso, primero se requieren los datos para analizar la
premisa. O sea, partimos del:
IF < condicin >
para tomar luego la decisinde continuar o no con l:
THEN < conclusin >
La conclusinde una regla puede constituirse en condicin
de la premisanecesaria para otra regla y seguir as
sucesivamente. Hasta llegar al resultado final de la inferencia.
7/22/2019 Sistemas Expertos Aspectos Tcnicos.ppt
19/29
7/22/2019 Sistemas Expertos Aspectos Tcnicos.ppt
20/29
La Explosin Combinacional y el
uso de Metarreglas
Entrando en la tctica de la resolucin, uno de los problemas de
los sistemas expertos, es encontrarse con una gran cantidad
de reglas que estn en condiciones de ser utilizadas y que
obliga al mismo a idas y venidas por las mismas para
encontrar un camino lgico. Este conjunto de reglas que en
un mismo momento son candidatas a ser aplicadas recibe el
nombre de conjunto de conflicto.
Se necesita, al igual que en las decisiones humanas, tenerhiptesis ms relevantes que vayan reduciendo ese conjunto, o
sea un conocimiento de mayor nivel. Estamos en presencia
de metaconocimientos, que reciben el nombre de
metarreglas.
7/22/2019 Sistemas Expertos Aspectos Tcnicos.ppt
21/29
Qu son entonces las metarreglas?
Las metarreglas son aquellas reglas de mayor nivel que
varan la estrategia de resolucin segn sea el problema o
segn sean los resultados que se van obteniendo. Por lo
tanto, simplifican el camino inductivo-deductivo, orientando al
motor de inferencia sobre el conocimiento que debe ser
seleccionado y consecuentemente aplicado en cada momento.
El uso de metarreglas, que comenz con la llamada segunda
generacin de sistemas expertos, necesita un motor de
inferenciaque las interprete. A su vez, el conocimientodebe
estar agrupado por clases, que posibiliten el accionar de lasmetarreglas. Por lo tanto, en un sistema experto que utilice
metarreglas, el conocimiento deber estar estructurado como:
De control(metarreglas)
De dominio(reglas)
7/22/2019 Sistemas Expertos Aspectos Tcnicos.ppt
22/29
El Razonamiento Aproximado
Dado un problema, el razonamientoa efectuarse depende del
conocimiento con que contamos.
Si es parcial, el razonamiento ser por defecto.
Si es conf l ic t ivo, el razonamiento ser no monotnico.
Si el conocimiento es inciertoo el lenguaje en que se
representa es imprec iso, estamos en presencia de un
razonamiento aproximado.
Vemos entonces que un conocimiento puede ser impreciso sin
ser incierto o ser incierto sin ser impreciso. Veremos ambos
casos.
7/22/2019 Sistemas Expertos Aspectos Tcnicos.ppt
23/29
Cundo un conocimiento es incierto?
Un conocimiento es inciertocuando est expresado conpredicados precisos, pero donde no puede establecerse el
valor de verdad.
Ejemplos de lo anterior estn constituidos por predicados del
tipo:
Creo que ...
Es posible que...
7/22/2019 Sistemas Expertos Aspectos Tcnicos.ppt
24/29
Cundo un conocimiento es impreciso?
Un conocimiento es imprecisocuando cuenta solamente conpredicados vagos, o sea que las variables no reciben un
valor preciso, sino que solamente se especifica un
subconjunto al que pertenecen.
Ejemplo de esto sera:
Carlos es alto.
Juan tiene entre 30 y 35 aos.
7/22/2019 Sistemas Expertos Aspectos Tcnicos.ppt
25/29
El uso de este tipo de conocimiento nos adentra en la lgica
difusa, dado que se recurre a la utilizacin de coeficientes.
Este, es un factorque se agrega para representar la
incertidumbre o la imprecisinque el expertoasigna a este
conocimiento.
Este factorrecibe el nombre de coeficiente de refinamientoy
por lo general se mide en una escala de 0a 1e implica unamodificacin al principio de inferencia. Por lo tanto la regla
tomara la siguiente forma:
IF < premisa > THEN < conclusin > < coeficiente >
Este coeficiente de refinamiento constituye un modificador de
la conclusin en la reglay, por lo tanto, es luego utilizado por
el motor de inferenciapara la gestin del razonamiento
aproximado.
7/22/2019 Sistemas Expertos Aspectos Tcnicos.ppt
26/29
EjemploTomamos a modo de ejemplo un sistema experto que utiliza
los distintos ratios de uso comn en el mbitoadministrativo-contable.
Los estndares aceptados por los expertos estarn
almacenados en la base de datos del sistema de informacin,para permitir al motor de inferencias efectuar un proceso de
comparacin.
Veremos el caso del coeficiente de liquidez (CL), comparndolo
con el estndar (SCL). Nuestros hechos seran:
CL, SCL, situacin, mala,
buena, muy buena.
7/22/2019 Sistemas Expertos Aspectos Tcnicos.ppt
27/29
Nuestras reglas:
IF CL < SCL THEN situacin = mala
IF CL = SCL THEN situacin = buena
IF CL > SCL THEN situacin = muy buena
7/22/2019 Sistemas Expertos Aspectos Tcnicos.ppt
28/29
Resumen
7/22/2019 Sistemas Expertos Aspectos Tcnicos.ppt
29/29
Los sistemas expertoscapturan y utilizan el conocimiento
de un experto humano para la solucin de problemas en un
rea determinada y limitada del saber.
Emplean un razonamientode tipo simblico a diferencia del
algortmico que utilizan los programas tradic ionales.
Por esta razn brindan resultados aproximadosy no
resultados exactos. Es decir, no determinan el resultado ptimosino solamente uno satisfactorio, dado que manejan
conocimientos imprecisos e inciertos.
Ese resultado brindado, debe ser justificado, indicando elcamino lgicoseguido.
Este tipo de sistemas se diferencia de los sistemas de apoyo
para las decisiones (enlace) en que est capacitado para
seleccionar una solucin al problema y no deja la decisin final
al usuario