Ing. Tito H. Lujn Horna AGENDA Representacin del conocimiento mediante Lgica Proposicional. Representacin del conocimiento mediante lgica de predicados. Representacin del conocimiento mediante reglas de produccin. Mtodo de Encadenamiento Progresivo y Regresivo. Sistemas Expertos, conceptos, tipos, arquitectura y Aplicaciones CONOCIMIENTO DEL MUNDO (en IA) Es la habilidad para construir un modelo de los objetos, sus vinculaciones y de las acciones que pueden realizar. REPRESENTACION DEL CONOCIMIENTO Es la expresin mediante algn lenguaje, de un modelo que exprese el conocimiento sobre el mundo. : ELEMENTOS BASICOS QUE INTERVIENEN EN EL DISEO DE UN SISTEMA BASADO EN EL CONOCIMIENTO +Lenguaje formal para expresar conocimiento +Forma de efectuar razonamientos AADIR Y MODIFICAR SENTENCIAS BC PREGUNTAS RESPUESTAS MECANISMO DE INFERENCIAS UNA KB DEBE PERMITIR CON EFICIENCIA: +LENGUAJE DE REPRESENTACION SINTAXIS: Posibles sentencias del lenguaje SEMANTICA: Conexin entre sentencias y el mundo FORMAS DE REPRESENTAR EL CONOCIMIENTO Basada en Relaciones: Lgica Proposicional (booleana o de orden cero. Lgica de Predicados (de primer orden) Basada en Objetos: Marcos Basada en Acciones: Sistemas de Produccin REPRESENTACION DEL CONOCIMIENTO POR LOGICA PROPOSICIONAL Elementos de Representacin: Conectores y Conectivas. Inferencias: Deducciones con reglas, hechos y Modus Ponen. REPRESENTACION DEL CONOCIMIENTO POR LOGICA PROPOSICIONAL (booleana o de orden CERO)
+ Permite representar y manipular aserciones sobre el mundo que nos rodea. Se basa en la declaracin de sentencias simples y sentencias complejas (asociacin de sentencias simples + conectores proposicionales). Ejemplos sentencias simple: hoy es domingo 03 de junio 2012. sentencia simple: hoy juega Per sentencias compleja: Hoy es domingo 03 de junio 2012 y hoy juega Per
LOGICA PROPOSICIONAL Proposicin: Una oracin afirmativa de la cual podemos decir que es verdadera o falsa (pero no ambas!!) Ejemplos de Proposiciones: Pizarro se lesion. Pizarro no jugar el 03 de junio. El sol gira alrededor de la tierra. 2 x 3 = 3 + 3 10 es nmero primo. Todos jalaron en el examen parcial de IA ms proposiciones... Si Pizarro no jugar el 03 de junio, entonces Pizarro mirar el partido desde la tribuna.
El sol gira alrededor de la tierra o la tierra es redonda.
2 x 3 = 6 y 6 es impar
Todos no jalaron el examen de IA. Lgica Proposicional-Sintaxis Alfabeto PROPOSICIONAL
E PROP que consiste de: i) variables proposicionales p 0 , p 1 ,p 2 ,... ii) conectivos , ., v, , iii) smbolos auxiliares: (, )
Ejemplos de objetos de PROP: p 0 (p 1 p 3 ) ((p 1 p 2 ) v (p 3 . ( p 4 ))) Traduccin al lenguaje lgico Las oraciones simples se traducen como letras de proposicin (elementos de P) Ejemplos: Pizarro se lesion p 0
Pizarro no jugar el 03 de junio p 1
El sol gira alrededor de la tierra p 2
2 . 3 = 6 p 3
6 es impar p 4
Todos jalaron el parcial de IA p 5
Traduccin al lenguaje Lgico Las oraciones compuestas se traducen usando los conectivos Ejemplos: Si Pizarro se lesion, entonces no jugar el 03 de junio (p 0 p 1 ) . 2 . 3 = 6 y 6 es impar (p 3 . p 4 ). Todos no jalaron el parcial de IA ( p 4 ). Razonamientos P1 p2 ... Pn C CONCLUSION EJEMPLO Pepe es una persona. La persona es inteligente Si Pepe es una persona entonces es inteligente / Pepe es inteligente.
PREMISAS Lenguaje de lgica de predicados (de primer orden) Elementos de Representacin: 1.-Trminos: Constantes (pi), variables (X) y funciones (min(x)) 2.-Frmulas atmicas:Predicados definidos sobre trminos: trabaja_como(empleado1, gerente) tienedependientes(empleado1, 2) 3.-Formulas bien formadas: Frmulas atmicas, unidas con conectivas ( .v) y cuantificadas ( -) Lenguaje de lgica de predicados (de primer orden) Representa el conocimiento de una forma ms detallada que la lgica proposicional. Se basa en expresar relaciones entre objetos. PREDICADO(objeto1, objeto 2, objeto 3objeto n)
PREDICADO puede ser Cualidades, relaciones o atributos. OBJETOS, puenden ser personas, objetos fsicos o conceptos.
En la lgica de predicados los argumentos son de tipo variable, es decir, pueden asumir varios valores. Ejemplo
CUANTIFICADORES DE LA LOGICA DE PREDICADOS Cuantificador Universal X. . . . Establece que "para todo X, es verdad que . . . "
Cuantificador Existencial -X.. Establece que "existe un X, tal que . . . "
EJEMPLOS DEL USO DE LOS CUANTIFICADRES X, [ave (X) => Es_de_sangre(X, caliente)]
Y, [enfermedad (Y) => tiene(Y, sintomas)]
-X, [ jinete(Z) ^ embisti(toro, Z)]. Ejemplos de traduccin Si algunos perros son mamferos, luego todos son mamferos (- x) (P(x) . M(x)) x (P(x) R(x))
Todo nmero es par o impar (x) (N(x) P(x) v I(x)) (x) (N(x) P(x) v P(x))
Ningn nmero es a la vez par e impar (-x) (P(x) . I(x)) Ejemplos de traduccin Toda planta tiene tallo y raiz ( x) (Plantas(x) Tallo(x) . Raz(x) ) Existen plantas que no tienen fruto (-x) (Plantas(x) . Fruto(x)) Para todo nmero natural hay otro natural que es mayor que el. ( x) ( Nmero(x) (- y) (Nmero(y) . y>x ) ) Alfabeto de un lenguaje de primer orden Un alfabeto para un lenguaje de primer orden, consiste de los siguientes smbolos:
- Smbolos de relacin: P 1 ,
P 2 , , P n , =
- Smbolos de funcin: f 1 ,f 2 , , f m
- Smbolos de constantes: c i tal que
ieI y | I |= k
- Variables: x 1 , x 2 , x 3 ,.. - Conectivos : .v - Cuantificadores: - - Auxiliares : (, )
Ejemplos (menos formales) Padre(x, y) Hijo (y, x) Padre (x, y) . Padre (y, z) Abuelo (x, z) Mamfero (x) ( S-cal (x) . Mamas(x)) (-x) (
Mamfero (x) . Pelos(x) ) Razonamientos en Lgica de 1er orden P 1
P 2
... P n
C CONCLUSION
* LAS PREMISAS Y LA CONCLUSION PERTENECEN A FORM PREMISAS Justificacin de la validez del razonamiento?
Una sola manera de justificar Dar una prueba matemtica, que llegue a la conclusin a partir de las hiptesis, a travs de pasos debidamente justificados. (Justificacin sintctica I , | )
(No existe justificacin semntica - no siempre tienen sentido las tablas de verdad)
Reglas de Inferencia Reglas de Inferencia del clculo proposicional + Reglas especficas para el manejo de los cuantificadores
- Ejemplificacin universal (EU) - Generalizacin universal (GU) - Ejemplificacin existencial (EE) - Generalizacin existencial (GU) ... Razonamientos en Lgica de 1er orden
Todos los Ovejeros Alemanes son perros y todos los perros son mamferos. Luego, todos los Ovejeros Alemanes son mamferos. (x) ( Oa(x) P(x)) (x) (P(x) M(x)) / (x) Oa(x) M(x) Todos los perros caminan al menos que alguno est lastimado. Algunos perros no caminan. Luego, hay algn perro lastimado.
Resolucin en Predicados
Las bases del Mtodo son las mismas que para proposiciones
Situacin ms compleja
Para resolver dos clusulas debo encontrar sustitucin adecuada de variables
ALGORITMO DE UNIFICACION Algoritmo de Unificacin
Idea: ver si existe una sustitucin que haga concordar a dos frmulas
Ejemplos: Sustituciones que unifican ama (x , y) (Marco/x, Paula/y, Paula/z) ama (Marco, z) (Marco/x, z/y)
ES MAS GENERAL
SE BUSCA ENCONTRARA LAS MINIMAS SUSTITUCIONES QUE UNIFIQUEN Algoritmo de Unificacin (idea) 1- Ver si los predicados coinciden, si no falla 2- Comprobar si los argumentos de a pares son unificables,devolver sustitucin, si alguno no lo es, falla la unificacin. Proceso recursivo: - las ctes unifican si son iguales, sino falla - una variable x unifica con: - otra variable S:[ y/x] - una cte k S: [k/x] - una funcin que no tenga ninguna instancia de la variable S:[f(y)/x] Devuelve SkS1 o falla
INFERENCIA Y RAZONAMIENTO Inferir es concluir o decidir a partir de algo conocido o asumido
La lgica de predicados proporciona un grupo de reglas slidas, con las cuales se pueden realizar inferencias. Las principales Reglas de Inferencia son: Modus ponens.- Es la ms importante, en los sistemas basados en conocimiento. Establece que: Si las sentencias p y (p q) se conocen que son verdaderas, entonces se puede inferir que q tambin es verdadera. Modus tolens.- Esta regla establece que: Si la sentencia (p q) es verdadera y q es falsa, entonces se puede inferir que p tambin es falsa.
LOGICA DE PREDICADOS COMO FORMALISMO DE REPRESENTACION
VENTAJAS: Es un formalismo bien establecido con una sintaxis y semntica bien definida y que maneja fcilmente aspectos cuantificacin. Se establece un sistema de inferencias completo (se puede extender al mtodo de resolucin).
LIMITACIONES DEL RAZONAMIENTO BASADO EN LA LOGICA DEL PRIMER ORDEN
Ningn lenguaje puede expresar todo el conocimiento sobre el entorno. 1. Un conjunto de frmulas es slo una aproximacin. 2. Una regla general est sujeta a una serie (infinita) de restricciones no codificables.
Problema Importante: Las reglas de inferencia son adecuadas. 1. Las reglas de inferencia slo hacen explicito conocimiento que estaba implicito en la base de conocimiento. Problemas en la representacin de razonamientos No Monotonos. Ejemplos Razonamientos por defecto(inscertidumbres), razonamientos abductivo(hecho solo se deducen por explicaciones probables) y revisin de creencias. REPRESENTACION DEL CONOCIMIENTO MEDIANTE REGLAS DE PRODUCCION Regla se entiende como una proposicin lgica que relaciona 2 o mas objetos e incluye 2 partes, la premisa y la conclusin. Cada una de estas partes consiste en una expresin lgica con una o mas afirmaciones objeto-valor conectadas mediante los operadores lgicos y no. Reglas de produccin. Es un mtodo procedimental de representacin del conocimiento, pone nfasis en representar y soportar las relaciones inferenciales del algoritmo, en contraposicin a los mtodos declarativos (hechos). La estructura de una regla es: SI <antecedentes> ENTONCES <consecuentes> Los antecedentes son las condiciones y los consecuentes las conclusiones.
REPRESENTACION DEL CONOCIMIENTO MEDIANTE REGLAS DE PRODUCCION CARACTERISTICAS Son sistemas basados en el conocimiento. A veces llamados sistemas expertos. Tienen una similitud al razonamiento humano.
REPRESENTACION DEL CONOCIMIENTO MEDIANTE REGLAS DE PRODUCCION VENTAJAS Fcil acceso y disponibilidad del conocimiento. Costo reducido. Permanencia. Respuestas no subjetivas. Explicacin del razonamiento. Herramientas de aprendizaje. Competitivos con expertos humanos.
REPRESENTACION DEL CONOCIMIENTO MEDIANTE REGLAS DE PRODUCCION VENTAJAS Fcil acceso y disponibilidad del conocimiento. Costo reducido. Permanencia. Respuestas no subjetivas. Explicacin del razonamiento. Herramientas de aprendizaje. Competitivos con expertos humanos.
REPRESENTACION DEL CONOCIMIENTO MEDIANTE REGLAS DE PRODUCCION COMPONENTES Base de Conocimiento.-Conocimiento que necesita ser representado . Motor de Inferencias.-Mecanismos que permitan inferir nuevo conocimiento. Interfaz de Usuario. Base de Afirmaciones.- Subsistema de explicacin de conocimiento inferido. Base de datos
Mecanismos para inferir nuevo conocimiento Sistemas de encadenamiento hacia adelante: una regla es activada si los antecedentes emparejan con algunos hechos del sistema. Sistemas de encadenamiento hacia atrs: una regla es activada si los consecuentes emparejan con algunos hechos del sistema. El encadenamiento hacia atrs es recomendable cuando se tratan Sistemas De Diagnstico, Correccin de Errores y Prescripcin Reglas de produccin- Ejemplos
Si un animal come carne entonces es carnvoro.
Si un animal tiene dientes agudos y garras entonces es carnvoro.
Si un animal es carnvoro y es de color marrn-claro y tiene el pelaje franjas negras, entonces es un tigre. Sistemas Expertos
Sistemas basados en conocimiento (SBC-KBS) Definiciones. Sistemas que representan el conocimiento sobre el dominio en forma explcita y separada del resto del sistema. Waterman. Sistemas que resuelven problemas aplicando una representacin simblica de la experiencia humana. Jackson. Sistemas basados en conocimiento (SBC-KBS) Definiciones. Sistemas de software capaz de soportar la representacin explcita del conocimiento de un dominio especfico y de explotarlo a travs de mecanismos apropiados de razonamiento para proporcionar un comportamiento de alto nivel en la resolucin de problemas. Guida y Taso Sistemas Expertos: Definicin.
Es un sistema de cmputo capaz de simular la conducta inteligente de un experto humano en un dominio especfico y especializado, con el objeto de resolver problemas. Hardware + software Fuente de pericia humana en el dominio Sistema de computacin Simulacin Conducta inteligente Experto Dominio limitado Especfico y especializado Experiencia humana vs. SE.
PERICIA ARTIFICIAL PERICIA HUMANA Permanente Perecedera Siempre accesible No siempre accesible Fcil de documentar No documentable Estable, confiable Variable, flexible Costo manejable Costosa Fragilidad de las mquinas Fragilidad humana Sin inspiracin Creativa Conocimiento tcnico Sentido comn Esttica - Dinmica Dinmica (aprendizaje) Dominios estrechos Dominios ms extensos
Los humanos son imprescindibles!!! SE/SBC: Tareas Tareas abordadas Sntesis: Clasificacin, diagnstico Anlisis: Planificacin, diseo o modelado Las reas de aplicacin son muy variadas !!! Los SBC abordan problemas complejos en dominios especficos en los que el peso de las heursticas para acotar el espacio de bsqueda es importante. Habilidades que se esperan de un SE Buena perfomance, comparable al menos a la de los especialistas. Manipular con fluidez descripciones simblicas. Interfaz amigable, adecuada a las necesidades de la aplicacin. Habilidad para manipular conocimiento incompleto e impreciso. Capacidad de explicar sus decisiones a los usuarios. Posibilidad de justificar sus conclusiones. SBC: Ventajas El conocimiento no se pierde.
Reduccin del espacio de bsqueda con heursticas para que el problema sea tratable en un tiempo razonable.
Manejo de conocimiento incierto e incompleto.
Posibilidad de justificar el razonamiento seguido.
Hacer el conocimiento disponible en ambientes hostiles o con carencia de especialistas.
Aumento de fiabilidad, evitando que prevalezcan las ltimas experiencias.
Modificacin sencilla de la BC por su caracterstica modular. SBC: Inconvenientes La adquisicin del conocimiento es difcil y cara. La reutilizacin del conocimiento en contextos diferentes no es simple. Falta de creatividad y sentido comn. Obstculos para el aprendizaje y la adaptacin. Quedan inmersos en el campo de los Sistemas Inteligentes. Se trabaja sobre metodologa de desarrollo Se los combina con otras tecnologas Estructura bsica de un SE/SBC. Base de Conocimientos Motor de Inferencias In t e rf a c e U s u a r i o Ingeniero del conocimiento Experto del dominio K A T