Inteligencia Artificial PDF

Inteligencia artificial
Sistemas de produccin/razonamiento
Rn: SI
ENTONCES
condicin
accin
Inteligencia Artificial
condicin = {afirmaciones simples-identidad objeto}

accin = {conclusin identificacin del objeto}
Pares de condicin-accin
SI condicin (o premisa o antecedente) ocurre;
ENTONCES accin (resultado, conclusin o
consecuente) deber (o debera) ocurrir.
Pueden ser vistas como una simulacin del

comportamiento cognitivo de especialistas humanos.
Cada regla representa un pedazo de conocimiento
independiente.
Representan el conocimiento de forma modular.
Sistemas de razonamiento
Utilizan:
Lenguaje de representacin de conocimiento (KRL)
Lenguaje lgico
Lgica proposicional
Lgica de 1er orden
Reglas de produccin
Lgica temporal
Lenguaje objetos
Frames (marcos)
Redes semnticas
Scripts (guiones) - De clases - De actores
Tipos de inferencia
Deduccin: a partir de hechos de conocimiento

representados adecuadamente, se utilizan reglas de
inferencia vlidas para generar nuevos hechos.
Ej.: SI hay fuego, habr humo.
Abduccin: inverso de deduccin.
Ej.: SI hay humo, hay fuego.
Induccin: Se parte de los hechos en reglas generales.

Ej.: SI Isabel no canta bien, y tambin Sheila no canta
bien, ENTONCES ninguna alumna canta bien.
Analgico: Resolucin basada en experiencias pasadas.

Ej.: Demostracin automtica de teoremas.
Probadores de teoremas
9 Utilizan resolucin para probar sentencias en lgica de 1er
orden.
Usados para tareas matemticas y de razonamiento cientfico.
Ejemplos: SAM, AURA, OTTER.
Lenguajes de programacin lgica

Restringen a la lgica, no permiten el tratamiento completo de la
negacin, disyuncin y/o igualdad.
Generalmente usan encadenamiento regresivo.
Pueden poseer algunas caractersticas no lgicas de los
lenguajes de programacin.
Ejemplos: Prolog, MRS, Life.
Sistemas de redes semnticas

9 Consisten en nodos conectados por arcos, donde los nodos
representan usualmente objetos del mundo y los arcos una
relacin binaria entre ellos.
Ejemplos: SNEPS, NETL, Conceptual Graphs.
9
Sistemas frames
9 Consisten en una jerarqua de frames (marcos) conectados por
atributos, donde los frames representan objetos del mundo y los
atributos muestran usualmente la relacin entre ellos.
Ejemplos: OWL, FRAIL, KODIAK.
Sistemas de lgica descriptiva

9 Expresan y razonan con definiciones complejas de objetos y
clases y, relaciones entre ellas, utilizando redes semnticas
como principio de organizacin.
Ejemplos: KL-ONE, CLASSIC, LOOM.
9
Sistemas de produccin
Son representaciones de patrones de sistemas que usan
implicaciones.
Las acciones son consecuencias de las implicaciones.
Las acciones pueden ser insertadas y removidas de las bases
de conocimiento.
Utilizan encadenamiento progresivo.
Usualmente poseen mecanismos de resolucin de conflictos.
Ejemplos: OPS-5, CLIPS, SOLAR.
Arquitectura: sistema de razonamiento
Agente
ambiente
sensores
Base de conocimiento
Mquina de inferencia
Mecanismo de aprendizaje
efectores
Operaciones bsicas en los sistemas de

razonamiento
Adicionar un hecho nuevo a la base de conocimiento.
Adicionar nuevas reglas (Un hecho nuevo, genera nuevas

conclusiones).
Decidir si una base de conocimiento atiende a una consulta

realizada.
Decidir si una consulta est explcitamente almacenada en

la base de conocimiento.
Remover hechos y reglas de la base de conocimiento.
Mantenimiento: base de conocimiento

Tcnicas para mantener una base de conocimiento
con recuperacin eficiente:
Unificacin
Recuperacin
Indexacin
Basada en tablas
Basada en rboles
Encadenamiento progresivo y regresivo
A travs del encadenamiento, poder adicionar un nuevo

hecho p a una base de conocimiento.
A travs de inferencia, encontrar respuestas para las

cuestiones hechas a la base de conocimiento.
Usar denominacin.
Ex.:
Practica (x, Natacin) y Practica (y, Natacin) denominaciones
Practica (x, x) e Practica (x,y) - no son denominaciones
Usar composicin de sustituciones.
son
Modos de razonamiento
Encadenamiento progresivo (Forward Chaining):

Se parte de sentencias (reglas de inferencia) de la base de
conocimiento para producir conclusiones (afirmaciones);
Tambin se llama procedimiento dirigido a datos (Data Driven),
pues el proceso de inferencia no es direccionado para resolver
un problema particular.

Encadenamiento regresivo (Backward Chaining):

Se parte de una hiptesis a probar, procurando reglas en la
base de conocimiento retroactivamente para analizar las
asertivas que soportan la hiptesis en cuestin;
SI la premisa (antecedente) es una conjuncin, sus trminos son
procesados uno a uno para que sea obtenido o sea unificador.
Arquitectura
Base de conocimiento
Memoria de trabajo
Conocimiento
hechos
reglas de produccin
Redes semnticas
Frames
estrategias de resolucin de
problemas
estrategias de recuperacin
...
Conocimiento del problema
* aserciones relevantes
reglas relevantes
...
Metaconocimiento
como activar un
conocimiento relevante
Datos simblicos
hiptesis actuales
objetivos actuales
estado actual del
problema
...
Mecanismo
de
Inferencia
Agenda
conjunto de posibles
reglas a ser aplicadas
Sistemas de produccin
Componentes

Memoria de trabajo de un sistema consiste en una

coleccin de asertivas verdaderas.
Base de reglas es el conjunto de sentencias (reglas de

inferencia) que determinan las acciones que deben tomarse
de acuerdo con las percepciones.
Motor de inferencia es la parte del sistema que determina

el mtodo de razonamiento, utiliza estrategias de bsqueda
y resuelve conflictos.
Funcionamiento de los sistemas de

produccin
Tres fases: casamiento, resolucin de conflictos y

ejecucin.
Casamiento

El sistema, en cada ciclo computa un subconjunto de reglas

cuya izquierda es satisfecha por los contenidos actuales de
la memoria de trabajo.
La forma ms simple de realizar unificacin y eficiencia,

entonces como solucin tenemos el algoritmo Rete (rede).
Ventajas del algoritmo Rete:

elimina duplicacin entre reglas;
elimina duplicacin a lo largo del tiempo.
Funcionamiento de los sistemas de

produccin
Resolucin de conflictos
El sistema decide cules reglas deben ser activadas.
En esta fase podemos utilizar algunas estrategias de control:
No duplicacin: no ejecutar la misma regla ni los mismos
argumentos dos veces.
Regencia: preferir reglas que se refieren a elementos de la
memoria de trabajo creados recientemente.
Especificidad: preferir reglas que son mas especficas.
Prioridad de operacin: preferir acciones con prioridad
mayor, especificada por alguna categora.
Ejecucin de acciones
Un sistema deductivo que identifica animales:

ZOOKEEPER
Caractersticas de ZOOKEEPER:
Utiliza reglas con antecedentes;
Genera asertivas intermedias a partir de las reglas;
Combina estas asertivas con las originales para
producir una conclusin;
Observa hbitos y caractersticas fsicas para
identificar los animales;
Reglas:
Q
Q
Q
Q
Q
Q
Q
Q
R1: SI x es carnvoro, x es color leonado, x tiene

manchas oscuras
ENTONCES x es una ONZA
R2: SI x da leche
ENTONCES x es mamfero
R3: SI x tiene plumas
ENTONCES x es ave
R4: SI x vuela, x pone huevos
ENTONCES x es ave
Q
Q
Q
Q
Q
Q
Q
Q
Q
R5: SI x es ave, x no vuela,

x tiene cuello largo
ENTONCES x es AVESTRUZ
R6: SI x es mamfero, x tiene garras, x tiene
dientes agudos.
ENTONCES x es carnvoro.
R7: SI x es mamfero, x tiene pezuas
ENTONCES x es ungulado.
R8: SI x es mamfero, x rumia.
ENTONCES x es ungulado.
Q
Q
Q
Q
Q
R9: SI x tiene pelo

ENTONCES x es mamfero
R10: SI x es carnvoro, x es color leonado, x tiene
franjas negras
ENTONCES x es TIGRE
R11: SI x es ungulado, x tiene patas largas, x tiene
cuello largo, x es color leonado, x tiene manchas
oscuras
ENTONCES x es JIRAFA
R12: SI x es mamfero, x come carne

Q ENTONCES x es carnvoro
Q R13: SI x es ungulado, x es color blanco,
x tiene franjas negras
Q
Q ENTONCES x es CEBRA
Q R14: SI x es ave, x no vuela, x nada
Q ENTONCES x es PINGUINO
R15: SI x es ave, x vuela, x vive en rocas

Q ENTONCES x es ALBATROS
Q R16: SI x es ave, x vuela, x tiene garras
Q ENTONCES x es AGUILA
Q R17: SI x es ave, x vuela, x vive hogar
Q ENTONCES x es GALLINA
Rk: SI xx1, xx2, xx3,

Q ENTONCES yyy
Q
Rn: SI zz1, zz2, zz3,

Q ENTONCES cxs
Encadenamiento progresivo en ZOOKEEPER
Para identificar un animal con ZOOKEEPER:

Hasta que las reglas no produzcan nuevas asertivas;
Hasta que el animal sea identificado.
Para cada regla
Concordar cada uno de los antecedentes de las reglas con los
hechos conocidos.
SI todos los antecedentes de reglas estn confrontados,
ejecute el consecuente, a menos que ya exista una asertiva
idntica.
Repetir las alternativas que deben ser consultadas.
Encadenamiento hacia delante

(Progresivo)
Hechos
Q H1:
Q H2:
Q H3:
Q H4:
Q H5:
Q H6:
z tiene pelo
z tiene patas largas
z rumia
z tiene cuello largo
z es color leonado
z tiene manchas oscuras
R9 establece que z es un mamfero
R8 concluye que z es ungulado,

Q porque z rumia y es mamfero.
R11 conduce a que z es una jirafa,
El flujo de informacin se da a travs de una serie de reglas

antecedente-consecuente, a partir de las asertivas para las
conclusiones.
Tiene
pelo
R9
es un mamfero
Rumia
Tiene piernas largas
Tiene cuello largo
Tiene color leonado
Tiene manchas oscuras
R8
es un ungulado
R11
es una jirafa
Algoritmo
Q
Q
Enc_adelante()
HQ ninguna regla produzca una afirmacin o el objeto
sea identificado
Q
Q
Seleccionar regla
Comprobar cada antecedente contra hechos conocidos
Si corroborados los antecedentes de la regla, instancie el valor de
la variable en el consecuente (nuevo hecho)
FHQ
FinEnc_adelante.
Encadenamiento hacia atrs
hiptesis: Z es ONZA?
Q hechos:
Q
Y tiene pelo,
Q
Y es de color leonado,
Q
Y tiene manchas oscuras
R1 = necesita: Z sea carnvoro, de color

leonado y tiene manchas oscuras
se busca que Z es carnvoro.

Q Existen 2 reglas
R6 = debe verificar que Z es mamfero

Q de nuevo existen dos alternativas R2 y R9.
Q
R9 = Z tiene pelo, luego Z es mamfero

Q para cumplir que sea carnvoro se requiera
que Z coma carne o que tenga garras o.
Q Aunque se tienen los hechos de : Z es de
color leonado y Z tiene manchas oscuras
Q no se cumple carnvoro
Q se concluye NO Z es ONZA.
Algoritmo
Q
Q
Enc_atrs()
HQ todas las hiptesis se hayan intentado y alguna no se
pueda comprobar o hasta que los objetos sean
identificados
Para cada regla cuyo consecuente coincida con la hiptesis

Q
Q
Q
Q
confronte antecedentes con hechos,

SI se cumple V: contine
F: considere el antecedente como hiptesis
SI todos los antecedentes se corroboraron con hechos

V: anuncie XITO (hiptesis es verdadera)
F: anuncie FALLO
FHQ
Fin_alg_enc_atrs.
Cul encadenamiento emplear?

Encadenamiento regresivo
Conjunto antecedentes lleve a muchas conclusiones.
Si hechos conducen a conclusiones, pero nmero de

reglas es reducido muchos consecuentes.
Si no tiene hechos, y le interesa saber si una
conclusin es verdadera.
Encadenamiento progresivo
Una hiptesis conduce a muchas preguntas

Si nmero de reglas es grande, nmero de
conclusiones es reducido;
Si tiene los hechos y desea saber que puede
concluir.
Ventajas y desventajas de los sistemas de

produccin
Ventajas
Las reglas son de fcil comprensin.
Inferencia y explicaciones son fcilmente derivadas.
El mantenimiento es relativamente simple, debido a la modularidad.
La Incertidumbre es fcilmente combinada en las reglas.
Cada regla es (normalmente) independiente de las otras.
Desventajas
Conocimiento complejo requiere muchas (millares de) reglas.
El exceso de reglas crea problemas para utilizar y mantener el sistema.
No es robusto y no aprende.
La adquisicin del conocimiento es difcil.
Sistemas de inferencia dirigidos a patrones

Programas
IA
PDIS
SBR
PS
Convencional
Otros
Imperativos
Funcionales
SBN
TS
Sistemas
Lgicos
Orientados a
Objetos
Sistemas
Gramaticales
Donde:
PDIS - Sistemas de inferencia
dirigidos a patrones
SBR - Sistemas basados en reglas
SBN - Sistemas basados en redes
PS - Sistemas de produccin
TS - Sistemas de transformacin
Preguntas
Se razona de manera natural con reglas?
Las reglas son fciles de construir?
Sistemas de produccin versus

Programacin lgica.
Sistemas de Reaccin Basados en Reglas

Q
La parte del SI
La parte ENTONCES
especifican condiciones que deben satisfacerse.

especifica una accin o una operacin que debe
realizarse (conclusiones).
Necesitan:
Memoria de trabajo
Q Afirmaciones sobre los objetos a manipular
Q Cul es el paso que se esta efectuando
Q Qu objetos ha manipulado
Q Cules falta por manipular.
BAGGER (pasos)
1. Verificacin de la orden: Analiza los productos,
detecta cules productos lleva y sugiere al cliente
productos que faltan.
2. Empaque de productos grandes: Empaca los
productos grandes. Botellas primero.
3. Empaque de productos medianos: Empaca
productos de tamao mediano, productos congelados
en
empaque de
especial.
4. Empaque
productos pequeos: Empaca los
productos de tamao pequeo.
Artculos
P roducto
T ipo de
em p aq ue
T am ao
C ongelado
G alletas
envase cartn
M ediano
no
Y ogurt
vaso plstico
pequeo
no
P apas fritas
bolsa plstico
m ediano
no
H elado
envase cartn
m ediano
si
P ollo
bolsa plstico
m ediano
si
G aseosa
botella
grande
no
B ocadillo
caja m adera
grande
no
BAGGER requiere saber

Q
Cul es el paso que esta

efectuando.
Cul bolsa es la que se
est llenando.
Qu productos se han
empacado.
Paso = verificar orden

Bolsa actual = 1
artculos bolsa actual = 0
artculos por empacar = 7
Galletas
Yogurt
Papas fritas
Helado
Pollo
Gaseosa
Bocadillo
B1: SI Paso = verificar orden

Q Papas fritas se van a empacar
Q No existe gaseosa en los productos
Q ENTONCES sugiera llevar gaseosa

Q
ENTONCES Paso = no verificar orden
Q Paso = empacar productos grandes
Q
Q
Q
Q
Q
Q
Q
Q
Q
Q

ELIMINE Paso = verificar orden
ADICIONE Paso = empacar productos grandes
B3: SI Paso = empacar productos grandes
Empacar producto grande
Producto grande es botella
Bolsa con menos de 6 productos
ELIMINE Empacar producto grande
ADICIONE Producto grande en bolsa actual
Q
Q
Q
Q

ELIMINE Empacar producto grande
ADICIONE Producto grande en bolsa actual

Bolsa vaca disponible
ELIMINE Bolsa actual
ADICIONE Bolsa vaca es bolsa actual
ELIMINE Paso = empacar productos grandes
ADICIONE Paso = empacar productos medianos
Paso = empacar productos

medianos
Bolsa actual = 1
Galletas
Yogurt
Papas fritas
Helado
Pollo
B7: SI Paso = empacar productos medianos

Empacar producto mediano
Producto congelado, no empaque especial
ELIMINE Producto congelado no empaque especial
ADICIONE Producto congelado empaque especial.
Bolsa actual vaca y sin productos grandes
ELIMINE Empacar producto mediano
ADICIONE Producto mediano en bolsa actual

ELIMINE Paso = empacar productos medianos
ADICIONE Paso = empacar productos pequeos
Paso = empacar productos pequeos

Bolsa actual = 2
Yogurt
B11: SI Paso = empacar productos pequeos

Empacar producto pequeo
Bolsa actual sin productos grandes
Bolsa actual sin productos medianos
ELIMINE Empacar producto pequeo
ADICIONE Producto pequeo en bolsa actual

Empacar producto pequeo
ELIMINE Paso = empacar productos pequeos
ADICIONE Empaque finalizado
Terminar
Paso = empaque finalizado

Bolsa actual = 3
Sistemas Basados en Casos
Sistemas Basados en Casos
El ingeniero observa el mensaje de error que

existe en pantalla, apaga el computador,
busca en su maletn algo. Un diskette. Lo
coloca en la unidad. Prende el computador,
contesta rpidamente a un conjunto de
mensajes y luego dice, listo.
El ingeniero nuevo observa el mensaje de error que

existe en pantalla, busca en su maletn un libro, pasa
cerca de 15 minutos leyendo algunos apartes, pasado
ese tiempo, apaga el computador.
Busca un diskette en el maletn, comparando la
referencia o titulo del diskette con el que esta en el
libro.
Al fin coloca uno en la unidad, prende el
computador, contesta cada uno de los mensajes en
pantalla despus de leerlos adecuadamente y
observando el libro; al fin dice, listo.
En ambos casos la accin tomada fue la misma, sin

embargo, los procedimientos usados para llegar a
la conclusin fue diferente.
El primer ingeniero, se baso en su experiencia.
El segundo se remiti a una documentacin que
contena solucin de problemas, es decir, contena
modelos o casos de solucin de problemas.
Un SRBC
Utiliza una biblioteca, en lugar de un conjunto de principios
iniciales.
Debe saber responder a:
Los casos en la memoria y su organizacin.
Mtodo a utilizar para recobrar los casos.

Cmo adaptar casos almacenados a los nuevos complejos
mecanismos para la creacin de ndices.
Capacidad de recordar experiencias pasadas.
Tomar el mejor caso y adaptarlo a la situacin.
Sistemas Basados en Modelos

Dependen del conocimiento de la estructura,
del comportamiento del equipo,
se razona usando los primeros principios
Los modelos: matemticos o estructurales,

especialmente frames y reglas
Las reglas pueden ser:
reglas de simulacin o reglas de inferencia.
Existen otros tipos de sistemas como
...
Jackson Peter. Introduction to Expert Systems. 2a ed.,

Addison-Wesley Publishing Company, 1990.
Russel Stuart; Norvig Peter. Artificial Intelligence. A
Modern Approach. Prentice-Hall Inc., 2004.
Winston Patrick Henry. Artificial Intelligence. AddisonWesley Publishing Company, 1998.

Inteligencia Artificial PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Inteligencia Artificial PDF

Transféré par

Droits d'auteur :

Formats disponibles

Inteligencia artificial

condicin = {afirmaciones simples-identidad objeto}

Pueden ser vistas como una simulacin del

Deduccin: a partir de hechos de conocimiento

Abduccin: inverso de deduccin.

Ej.: SI hay humo, hay fuego.

Induccin: Se parte de los hechos en reglas generales.

Analgico: Resolucin basada en experiencias pasadas.

Lenguajes de programacin lgica

Sistemas de redes semnticas

Sistemas de lgica descriptiva

Arquitectura: sistema de razonamiento

Operaciones bsicas en los sistemas de

Adicionar un hecho nuevo a la base de conocimiento.

Adicionar nuevas reglas (Un hecho nuevo, genera nuevas

Decidir si una base de conocimiento atiende a una consulta

Decidir si una consulta est explcitamente almacenada en

Remover hechos y reglas de la base de conocimiento.

Mantenimiento: base de conocimiento

Encadenamiento progresivo y regresivo

A travs del encadenamiento, poder adicionar un nuevo

A travs de inferencia, encontrar respuestas para las

Usar composicin de sustituciones.

Encadenamiento progresivo (Forward Chaining):

Encadenamiento regresivo (Backward Chaining):

Memoria de trabajo de un sistema consiste en una

Base de reglas es el conjunto de sentencias (reglas de

Motor de inferencia es la parte del sistema que determina

Funcionamiento de los sistemas de

Tres fases: casamiento, resolucin de conflictos y

El sistema, en cada ciclo computa un subconjunto de reglas

La forma ms simple de realizar unificacin y eficiencia,

Ventajas del algoritmo Rete:

Funcionamiento de los sistemas de

Un sistema deductivo que identifica animales:

R1: SI x es carnvoro, x es color leonado, x tiene

R5: SI x es ave, x no vuela,

R9: SI x tiene pelo

R12: SI x es mamfero, x come carne

R15: SI x es ave, x vuela, x vive en rocas

Rk: SI xx1, xx2, xx3,

Rn: SI zz1, zz2, zz3,

Encadenamiento progresivo en ZOOKEEPER

Para identificar un animal con ZOOKEEPER:

Encadenamiento hacia delante

R9 establece que z es un mamfero

R8 concluye que z es ungulado,

R11 conduce a que z es una jirafa,

El flujo de informacin se da a travs de una serie de reglas

Encadenamiento hacia atrs

R1 = necesita: Z sea carnvoro, de color

se busca que Z es carnvoro.

R6 = debe verificar que Z es mamfero

R9 = Z tiene pelo, luego Z es mamfero

Para cada regla cuyo consecuente coincida con la hiptesis

confronte antecedentes con hechos,

SI todos los antecedentes se corroboraron con hechos

Cul encadenamiento emplear?

Si hechos conducen a conclusiones, pero nmero de

Una hiptesis conduce a muchas preguntas

Ventajas y desventajas de los sistemas de

Cada regla es (normalmente) independiente de las otras.

Sistemas de inferencia dirigidos a patrones