Académique Documents
Professionnel Documents
Culture Documents
expertos
fl
;:,:
Qu es un sistema exPerto?
se estableci en el Captulo 1, los sistemas expertos son programas que imitan el comportamiento de un experto humano. Usan la informacin que suministra el usuario para devolver una opinin sobre
una cierta materia. De este modo, el sistema experto le pide que responda preguntas hasta que puede identificar un objeto que se adeca a
sus respuestas. Para comprender lo que hace un sistema experto, considere el siguiente dilogo entre un experto en fruta y alguien que est
buscando consejo.
Como
Experto
Usuario
Experto
Usuario
Experto
Usuario
Experto
Usuario
Experto
Usuario
Experto
Es verde?
No.
Es rojo?
S.
No.
Crece en una caa?
S.
Es una frambuesa.
de reproducir este dialogo. Ms generalmente, un sistema experto intehta dar consejo al usuario sobre el dominio en el que es experto.
Sistemas
expertos
59
d0
avanzada
mayores problemas de imagen de la IA ha sido que mucha gente, incluyendo otros programadores, crean que las tcnicas de IA slo funcionaban con problemas simples (llamados algunas veces problemas de
juguete) que requeran un conjunto estricto de reglas e hiptesis. Esta
gente crea que nunca podra usarse la IA para resolver problemas difciles. MYCIN cambi todo eso.
MYCIN fue el primer sistema experto exitoso del mundo. Desarrollado en la Universidad de Stanford a la mitad de los aos setenta,
MYCIN fue diseado para ayudar a los mdicos en la diagnosis de ciertas
enfermedades bacterianas. Diagnosticar enfermedades significa esencialmente comparar los sntomas exhibidos por el paciente con los sntomas
de una enfermedad hasta que se encuentra una similitud. El problema es
que para un mdico es difcil diagnosticar todas las numerosas enfermedades que existen rpidamente y con seguridad. Por consiguiente, MYCIN
satisfara la necesidad de confirmar los diagnsticos de los mdicos.
Otro ejemplo de sistema experto viable comercialmente es PROSPECTOR, el cual fue creado en 1978 por Richard Duda, Peter Hard y
Rene Reboh. PROSPECTOR es un experto en geologa: predice la verosimilitud de que pueden encontrarse depsitos de ciertos minerales
en una regin particular. Ha habido variaciones sobre este programa,
incluyendo programrs que son expertos en predecir descubrimientos de
petrleo, gas natural y helio.
El comienzo de los aos ochenta vio la introduccin de sistemas expertos dedicados que podan proporcionar consultora de impuestos,
consejos sobre seguros y asistencia legal. Muchos programadores creen
que al final de los aos ochenta habr un gran mercado de sistemas
expertos "personales" para usar en casa y en la oficina. Estos sistemas
jardinera y cuidado del csped hascubrirn muchas materias
-desde
ta reparacin de automviles-. De hecho, los sistemas expertos pueden probar ser el tipo de programa ms comn que se ejecuta en computadoras personales.
Sistemas
expertos
6l
La base de conocimientos
La base de conocimientos es una base de datos que toma informacin
y reglas especficas sobre una cierta materia. He aqu dos trminos que
debera conocer para esta discusin:
o Objeto.
a Atributo.
a definir el objeto.
( ti:,,
trcne.
)I no ttene
Itme
forma redonda
crece muy al sur
color rojo o amarillo
Uva
tiene
f tt.ene
<I frcne
I no *ne
Ittene
Naranja
*n,
f trcne
II no tiene
l*ne
color naranja
Si piensa en esta base de conocimientos, puede ver que puede simpliy usar la forma negativa
ficarla: puede usar slo una regla
-"tiene"-
62
del atributo si debe establecer una relacin de "no tiene". De este modo,
la regla se convierte simplemente en "posee", y la base de conocirnientos simplificada aparece as:
Manzana
en los rboles
I "rrce
redonda
I .ro "..." muv al sur
color .t .o o amarillo
[-el
Uva
en los rboles
"r""e
tamaro pequeo
de
varios colores
[-el color
es
prpura
Aunque ciertos sistemas expertos sofisticados pueden necesitar una regla ms compleja que simplemente "posee", sta es suficiente en muhas ocasions y simplifica en gran medida la base de conocimientos.
Para el resto de este libro, suponga que la base de conocimientos consiste slo en objetos Y atributos.
El mecanismo de inferencia
El mecanismo de inferencia es la parte del sistema experto que intenta
usar la informacin que le da para encontrar un objeto que case' Hay
dos categoras claras de mecanismos de inferencia: determinstico y probabilstico. Para comprender la diferencia, imagine que hay dos expertos, uno en qumica y el otro en sociologa. El qumico puede decir con
un
certeza que si el tomo en cuestin tiene dos electrones, entonces
porque
tomo de helio. No hay duda acerca de la identidad del tomo
el nmero de electrones determina el tipo de elemento. Sin embargo, si
pregunta al socilogo cul es la mejor forma de prevenir los abandonos
en t Uactrillerato, el socilogo dar una respuesta que est calificada
eS
It
u
a
:T
Sistemas expertos
63
como ser slo probable o como que tiene una cierta probabilidad de
xito. En consecuencia, la respuesta es verosmil, pero incierta.
La mayora de las disciplinas no son determinsticas, sino probabilsticas en cierta medida. Sin embargo, para muchas de stas, la incertidumbre no es estadsticamente importante por lo que se pueden tratar
como situaciones determinsticas. El resto del captulo tratar slo con
sistemas expertos determinsticos porque su lgica es ms clara. (Sin embargo, el captulo 8 trata de sistemas probabilsticos e incertidumbre.)
Ms all de estas dos categoras claras de certidumbre e incertidum-
,.i
til,
rii.
ir
lr
I
i
ll
il
ti
t:
li
ir
El mtodo de encadenamiento hacia delante. El encadenamiento hacia delante es llamado algunas veces guiado por los datos (data-driven)
porque el mecanismo de inferencia usa informacin proporcionada por
el usuario para moverse a travs de la red de Y y O lgicos hasta que
alcanza un punto terminal, el cual es el objeto. Si el mecanismo de inferencia no puede encontrar un objeto usando la informacin existente,
entonces pide mas. Las reglas que definen el objeto crean el camino
que conduce a l; en consecuencia, la nica forma de alcanzar el objeto
es satisfacer todas sus reglas. De esta forma, un mecanismo de inferencia encadenamiento hacia delante comienza con alguna informacin y
trata de encontrar el objeto que encaja con la informacin.
Para comprender cmo trabaja el encadenamiento hacia delante,
imagine que su coche est funcionando mal y que telefonea a su mecnico, que es el experto en este caso, para que le d una opinin sobre
el problema. Entonces el mecnico le pide que descubra lo que est mal.
Usted explica que su coche tiene prdida de potencia, pega tirones, el
motor sigue funcionando despus de que se apaga el contacto y que no
se ha puesto a punto en varios meses. Usando esta informacin, su mecnico le dice que lo ms verosmil es que su coche necesite imperiosamente una puesta a punto.
Si recuerda la base de conocimientos de la fruta descrita anteriormente, puede crear un diagrama que muestre cmo alcanzara el objeto
maI]zana un mecanismo de inferencia por encadenamiento hacia delante, cuando se dan los atributos propios, como se muestra en la Figura 3-1. Como puede ver, un sistema de encadenamiento hacia delante
esencialmente construye un rbol desde las hojas hasta la ra2.
6t
Redondo
No crece muy
Rojo o amarillo
Manzana
Figura
3-1.
to hacia atrs
Figure
Sistemas expertos
65
lntena manzana
Crece en
Crece en las rides
Es naranla
Rojo o amarillo
Manzana
Figura
3-2.
que requiere la informacin que tiene mayor importancia, dado el estado actual del sistema. Es comnmente un mecanismo de encadenamiento hacia atrs mejorado. La teora general de operacin es que el
sistema requiere como su prxima pieza de informacin aquella que JUprimir la mayor incertidumbre del sistema.
Para comprender el enfoque del valor de la regla, imagine que ha
llamado a su mdico porque su hijo est enfermo. El doctor primero
pregunta si el nio tiene fiebre porque la respuesta a esta pregunta estrecha el mayor nmero de posibilidades. Si responde "s" a la primera
pregunta, entonces el doctor pregunta sta en vez de otras porque sus
respuestas tienen el mayor impacto dado el estado actual. Este procedimiento contina hasta que el doctor puede hacer un diagnstico. En
este ejemplo, el punto clave es que el doctor selecciona cada pregunta
para progresar ms rpidamente hasta la conclusin.
El problema de los sistemas con valor de la regla es que son difciles
de implementar. Hay dos razones para esto' Primero, en las situaciones
de la vida real, la base de conocimientos es a menudo tan grande que
el nmero de combinaciones posibles excede lo que puede ser abarcado
fcilmente. Por consiguiente, el sistema no puede determinar simple-
tado dado. Segundo, los sistemas con valor de la regla requieren que
la base de datos contenga no slo la informacin estndar obieto-atributo, sino tambin un cuantificador de valor que hace ms difcil la
construccin de la base de conocimientos. Sin embargo, hay ciertas situaciones que conducen por s mismas a inferencias basadas en el valor
Cre
Eleccin de un mtodo. En este momento, usted puede estar preguntndose cul de los tres tipos de mecanismo de inferencia es el mejor
para usar. La solucin se basa en parte en la preferencia personal, porque los tres tipos harn cualquier tarea que usted quiera hacer. Como
se estableci anteriormente, puede encontrar que los sistemas con valor
de la regla son difciles de implementar, por eso, hasta que sea un experto en la construccin de sistemas expertos, probablemente es mejor
El mtodo de encadenamiento hacia delante hace ms fcil el proceso de derivar la mayor cantidad de informacin de la base de cono-
,.
I
r
Sistemas expertos
67
un
6t
Objeto
I
2
3
4
Atributos
A,B,C
A, B,Y
B,X
A,B,D
En el nivel ms primitivo, el mecanismo de inferencia comienza suponiendo que el objeto I es el objetivo y trata de confirmar esto preguntando si el objetivo tiene los atributos del objeto 1. Si los tiene, entonces el mecanismo de inferencia manifiesta que el objeto I es la respuesta. Si no, entonces el mecanismo de inferencia procede con el objeto 2
e inquiere sobre los atributos del objeto 2. Este proceso se repite hasta
que o bien se encuentra el objeto apropiado, o bien no hay ms objetos. Si son estos los pasos que toma el mecanismo de inferencia, y si el
objetivo
es
experto tiene A?
usuario s.
experto tiene B?
usuario s.
experto tiene C?
usuario no.
experto tiene A?
usuario s.
experto tiene B?
usuario s.
experto tiene Y?
usuario no.
experto tiene B?
usuario s.
experto tiene X?
lxr,:chazar
lxl
/x
redundante *,i
/*
redundante x/
f *rechazar 2x f
/ x redundante x/
/ x innecesario
*/
ci
Sistemas
usuario no.
experto tiene A?
usuario s.
experto tiene B?
usuario s.
experto tiene D?
usuario s.
experto es el 4.
expertos
69
*rechazar 3* I
/*redundante*i
f
/r.redundantex
/xencontrado*/
Un sistema experto que trabaje como ste no slo sera tedioso de usar,
sino que no merecera la pena en la mayora de los casos cuando hubiera ms de un puado de objetos en el sistema. Este tipo de sistema exhibe dos defectos. Primero, pregunta sobre el mismo atributo varias veces. Segundo, cuando vuelve al objeto 3, hace una pregunta innecesa-
ria. El sistema debera haber sabido por sus preguntas previas que el
objeto en cuestin tiene el atributo B, y debera haber rechazado el objeto 3 sin una nueva prueba porque el objeto 3 no tiene el atributo B.
Aunque es posible qtse podra haber sido til saber sobre el atributo X,
en trmino medio, el mecanismo de inferencia ser ms eficiente si pasa
por alto todos los objetos que no se ajusten al estado actual. De este
modo, lo que se desea es un mecanismo de inferencia que, cuando se
da la misma base de conocimiento con el objeto 4 como objetivo, produzca este dilogo:
experto tiene A?
usuario s.
experto tiene B?
usuario s.
experto tiene C?
usuario no.
experto tiene Y?
usuario no.
experto
usuario
experto
tiene
D?
fxrechazar
lxf
*rechazar 2xf
*rechazar 3*f
/ * encontrado
*/
s.
es el 4.
'r0
l.
2.
3.
Si se le ordena, el sistema experto debera ser capaz de manifestar por qu est siguiendo una lnea de razonamiento.
info(symboI,1ista)
database
info(symbo1,1ista)
Sistemas
expertos
7l
plicidad las rutinas que permiten introducir conocimiento ".iro del sistema experto desarrollado aqu. como se muestra aqu, introducir lee
el nombre de un objeto y llama a atributm, que introuce los atributos
que se asocian con ese objeto. Este proceso se repite hasta que el usuario teclea fin. Entonces introducir pregunta por ms; si el usuario teclea s como respuesta, entonces se repite el procedimiento. He aqu estas rutinas.
r{rrite("Qu
es?:,'),
readln(Object),
Obj
ect(}"fin"
atributos(Object, [ ] ),
write("ms? "), !,
readln(Q),Q:s,
introducir.
nl
Debido a que el usuario slo debera tener que introducir una vez la
informacin en la base de conocimientos, al final de cada sesin de entrad,a, otra rutina salvar la informacin usando la orden save del rurbo Prolog. Por simplicidad, este sistema experto supondr siempre que
la base de conocimientos est contenida en el archivo x.dat. (in embargo, sera fcil permitir al usuario especificar el nombre del archivo.
Puede desear hacer esta mejora usted mismo.) Bajo esta hiptesis, el primer preCicado ejecutado ser start, el cual se muestra aqu:
72
not(introducir) ,
save("x.dat"), !, /* saLvat la base de conocimientos */
preguntar.
start: preguntar.
Esta es la forma en que trabaja start. La primera clusula comunica al
sistema que lea en ia base de conocimientos x.dat y luego falla. Esto
fuerza al Turbo Prolog a intentar la segunda clusula. Puede pensar
que no hay motivo para incluir la primera clusula porque podra simplemente situar consult("x.dato') como primera lnea de la segunda
ilusula. Sin embargo, lo malo de esto e que la primera vez que el sistema se ejecute no existir x.dat. Esto significa que consult fallar. As,
si consult fuera parte de la segunda clusula, las lneas de cdigo despus de consult nunca se ejecutaran.
Los dos assert con que comienza la segunda clusula se usan para
inicializar las dos bases de datos-soporte. Despus, el programa preguntar si el usuario desea introducir ms, o nueva, informacin. Si el
usuario responde s, entonces se ejecuta el predicado introducir explicado anteriormente. Despus del regreso de introducir, la rutina salva
la informacin en el archivo del disco y llama al predicado de alto nivel
del mecanismo de inferencia preguntar. Si el usuario elige no introducir
ms informacin, entonces la segunda clusula de start falla y la clusula final ejecuta una llamada a preguntar.
Sistemas expertos
73
purgar.
preguntar:
purgar.
pia
d.el
"niurio...
74
tienen
,/* seleccionar todos los objetos que nodeterminados
1os atributos apropiados como ya estn
anterioressi(A): si(T), !
xanterioressi(T,A, [ ] ), !'.
,
xanterioressi(end,-,-) : - !
xanterioressi(T,A, L) : -
miembro(T,A) , ! ,
aadir(T,L,Lz) ,
s i (X) , not (miembro (X, L2) ) , | ,
xanterioress i (X, A, L2 ) .
tjenen
/* seleccionar todos los objetos que
atributos Ya determinados como no
pertenecientes a1 objeto */
anteri-oresno (A) : no(T) , ! ,
xanterioresno(T,A,
[]
),
xanterioresno(end,-,-):
-!
xanterioresno(T,A, L) : not(miembro(T,A)), !,
aadir(T ,L,Lz) ,
no(X),not(miembro(X,L2) ), !'
xanterioresno (X, A, L2 ) .
Los predicados anterioles s y anteriores no
xanterioressi
end,
-, -
Sistemas
expertos
75
tenga xito. Esto slo puede ocurrir si todos los atributos que se almacenan en la base de datos temporal encajan con aquellos del objeto en
consideracin. Lo mismo vale para anteriores no.
La porcin del mecanismo de inferencia que interacta con el usuario y encuentra efectivamente el objeto objetivo es intentar:
intentar(O,T).
:-
asserta(si(X)), !.
76
si(Z),xwrite(Z),n1,
Z:end,l,
xwrite(end).
xI^irite (z) : write(Z).
He aqu el programa del sistema experto entero. Debera introducir ste
en su computadora ahora, as estar listo para una ejecucin de ejemplo.
lista : symbol*
database
>\/
Sistemas expertos
goal
s
tart
clauses
not(introducir),
save("x.dat"), !,
preguntar.
start: preguntar.
")
[]
),
write("ms? "),!,
readln(Q),Q:s,
introducir.
escribirlista(Lisr,1)
nl
,t
r",/
77
78
para
preguntar: info(O,A),
Purgar.
preguntar:
purgar.
*/
anterioressi(A): si(T), ! ,
xanterioressi(T,A,
[ ] ), !
xanterioressi(end,_,_) : - ! .
xanterioressi (T,A, L) : miembro(T,A), !,
aadir(T ,L,Lz) ,
si(X),not(miembro(X,L2) ), !,
xanterioress i (X, A, L2 ) .
[]
),
xanterioresno(end,_,_):
xanterioresno(I,A, L) : not(miembro(T,A)), !,
aadir(T,L,L2),
-!
no(X),not(miembro(X, L2) ), !,
xanterioresno (X, A, L2 ) .
Sistemas expertos
readln(Q) ,
procesar(O,X,Q), !,
intentar(O,T).
/)t procesar varias respuestas */
procesar(_,X, s)
:-
asserta(si(X)), !.
xwrite(end).
x\,rrite(Z) : write(Z).
Purgar: -
retract(si(X)
fail.
X-end,
PurSar: -
retract(no(X) ) ,
X:end.
79
80
Atributos
Objeto
Manzana crece-enjrrboles,roja-o-amarilla,redonda
naranja, crece-en--rboles, redonda
Naranja
prpura, crece-en-vides, no-espinas
Uva
Frambuesa crece-en-caas, roja, espinas
crece-en-rboles, roja-o-verde, no---:edonda
Pera
crece-en-vides, no-espinas, verde, grande
Sanda
roja o-amarilla, crece-enjrrboles, pequea
Cereza
Mandarina piel suave,redonda,crece-enitrboles,naranja
Con el sistema dotado de conocimiento, usted podr usarlo para identificar diferentes tipos de fruta. Los tres dilogos siguientes fueron producidos mediante el uso de este sistema:
Primer dilogo
es/tiene/hace: redondo s
es /tiene/hace : roj o_o_amarillo n
es /tiene/t.ace : crece_en_rboles s
es/xiene/hace : naranja s
Es naranja
Segundo dilogo
es/tiene/hace:
es/tiene/hace :
es/ti-ene/hace :
es/ti-ene/hace:
es/tLene/haee:
es/tLene/hace:
Es sanda
redondo n
no_espinas s
crece_en_vides
prpura n
grande s
verde
Sistemas expertos
81
Tercer dilogo
/ tLene/haee: redondo n
es/ ti,ene/hace: no_espnas s
es/tiene/hace:. crece_en_vides
es/ti-ene/hace: prpura n
es/xiene/hace: gran,Je s
es
crece_en_vides
no_espinas
es/ti,ene/haee: verde
Es sanda
ll
ii
atanzada
preguntar(L): info(O,A),
not(miembro(O,L)), /x no encontrar e1 mismo *,/
aadir(O ,L,Lz) ,
/* dos veces *,/
anterioressi(A), ,/* comProbar 1as respuestas s
anteriores */
, /x resPuestas no */
intentar(O,A),
! , r.rrite (0, " satisface los " ) , n1
write("atributos actuales"),nl,
anterj.oresno(A)
Aqu, cada vez que se encuentra un objeto que encaja con el conjunto
actual de hechos, preguntar imprime el nombre del objeto y pregunta
al usuario si debera continuar. Si el usuario teclea s, entonces el sistema llama a preguntsr recursivamente. La lista que se pasa a preguntar
fuerza al Turbo Prolog a encontrar objetos que no han sido examinados todava en la base de conocimientos.
Intentar no devuelve ya la solucin, as que se modifica como se
muestra:
intentar(_, []).
,/* encuentra algo */
intentar(o, [XlT]): si(X) , ! ,
intentar(O,T).
intentar(0, IXlT]): hTrite("es/tene/hace ",X, " "),
readln(Q) ,
procesar(O,X,Q), !,
intentar(O,T).
Finalmente, debe alterar sta para que pase una lista nula a preguntar,
como se muestra aqu:
assert(no(end) ) ,
Sistemas expertos
not(introducir) ,
save("x.dat"), !,
preguntar([]).
start: preguntar(
start:
[]
),purgar.
purgar.
/*
tJn sistema
domains
lista :
symbol*
database
info(symbo1,1ista)
introducir
purgar
aadir ( symbol, lista,
preguntar ( lista)
lista)
start
anterioressi ( lista)
anterioresno ( lista)
xanteroress i ( srmbo1, 1ista,
xanterioresno (symbol , lista,
miembro (symbol
xwrite (symbol)
goal
starE.
lista)
lista)
lista)
E3
8{
clauses
write("Introdueir
readln(A) ,
A:s
not(introducir),
save("x.dat"), !,
preguntar([]).
start: preguntar( [ ] ),purgar.
start: purgar.
2..
ect()" f in" ,
atributos(Object, []),
write("ms? "), !,
Obj
-Tj
r:
readln(Q),Q:s,
introducir.
readln(Attribute),
Attribute()" fin"
aadir (Attribute, List, List2 ),
atributos(O,List2).
atributos(O,List): assert(info(0, List) ),
escribirlista(List, 1), !,
,
n1
T:.
t:'
:
l
Sistemas
expertos
xanterioresno(T,A,
[]
),
xanterioresno(end,_,_) : - I .
xanterioresno(T,A, L) : not(miembro(T,A)), !,
aadir(T, L,L2) ,
no (X)
xanterioresno
L2 )
(X, A, L2 )
),!,
85
l;-
si(X) , ! ,
intentar(O,T).
intentar(o, [XlT] ): r^/rite(" es/ti-ene/hace ",X, " "),
readln(Q)
procesar(o,x,Q),!,
intentar(O,T).
E" s;gr
ai:r:rL
*/
g!
asserta(si(X)), !.
procesar(_,x,n): -
:--
-"--.]
Z:end, | ,
------J
En
xu
Intenre
res. Co?
xwrite(end).
xvrrite (Z)
j.
es -:j
es
asserta(no(X) ), !, fail.
procesar(O,X,why) : r^/rite("Creo que puede ser"), n1 ,
write(0," porque tiene: "),n1,
:-
write(Z).
purgar:
Ingeniera dc
retract(si(X)
X:end, fail
purgar: -
El sstm
con .a pn
menfe !
que esrt
P
retract(no(X) ) ,
X:end.
juntar(
causa pm
ejempJo. r
tiene rnrrt
to Ie podr,
,List,List).
juntar([xlLl], Lisx2, [xlL3]) if
[]
L3 )
escribirlista([],_).
escribirlista( [Headl Tail] ,3) : r^rrite (Head), n1, escribirlista(Tai1
,1)
ver es ci
ingeaiena r
La
"nn
en que s
Sistemas e\pertos
87
" "),escribirlista(Tai1,)
miembro(N, tNl_l)
miembro(N, [_lT] )
miembro(N,T)
es/tiene/hace redondo s
es/tiene/hace roj o_o_amari11o n
es/tiene/}:.ace crece en rboles s
es/ ti-ene/h".. rr"r"r,J"
naranja encaja con los" atributos
continuar ? s
es/xLene/hace piel_suave s
mandarina encaja con 1o atributos
continuar? n
En esta ocasin, puede querer jugar un poco con esta nueva versin.
Intente experimentar con nuevos frutos que tengan definiciones similares. Como ver, a veces el programa parece completamente inteligente.
tE
Aunque est ms all del propsito de este libro presentar una discusin completa de este tema, es importante estar atento a las dificultades
que pued encontrar cuando intente construir una base de conocimientos. Recuerde que el campo de la ingeniera del conocimiento es completamente nuevo y que todava hay mucho que aprender'
sir
::
qI}
rea
al.r
-u.. I
.cs:
t-i&
El sistema experto desarrollado en este captulo comienza en el principio de la base de conocimientos y trabaja a travs de ella secuencialmente. Sin heursticas, es Io mejor que puede esperar que haga un mecanismo de inferencia. sin embargo, como creador de la base de conocimientos, usted puede controlar la organizacin de la informacin, lo
que implica que puede haber ordenaciones mejores o peores'
A menudo, una buena forma de organizar la informacin es situar
los objetos ms probables Io ms cerca del comienzo. El problema es
decidir qu objetos son los ms y los menos probables. Incluso un experto humano puede no saber qu soluciones son las ms probables. usied puede crear algunas veces la base de conocimientos aleatoriamente
y Aejar que sea usada un perodo corto mientras registra el nmero de
veces que se selecciona cada objeto. Usando estas frecuencias, puede entonces reordenar la base de conocimientos'
otra forma de organizar la informacin es situar cerca de Ia base
de conocimientos aquellos atributos que causan Ia poda de la mayor
parte del "rbol". Para bases de conocimientos grandes, de nuevo puede ser difcil determinar qu atributos causan el mayor efecto'
: nt
--J_it
!L !U
u:I. p
qu; q
caoI
foz_,
&l
I'ltri n
de
cja_
=,-rx
guxor
A:-'ur.I{l
I-erificr
Si suprr
Una Cf:.Cr:
con e- trrc
mente -o
9ue cisbe r
Encontrando eI exPerto
La nica hiptesis que se ha hecho durante todo este captulo es que
puede encontrar un experto humano y que puede extraer fcilmente el
es ste el caso.
tesea ur
Coao r
posible soh
queo debi
ma].ona Ce
rificar
cn-^
4rrl
i
conliar
h
!a
oe
_
secuencia_
mueslr3 i
cuaiquier
rg
Sisi:ir:as i\pertos
89
puede seleccionar
e rgnorar al orro. Esta
un erperto
es
que ta base de co11ciy1en1";;;;;;;tenerr.i,, p..o pu.a. ,igniricar
.ru.u;;;;l;L,
:?l:l,l,H:#;ffi1;:T]
,ru. ,to-inrormacin
que es
"orn .nr..
ifimffi:::,TTi',,"lli,lll#r,',",;;,.;;"";;lii'.u,u,,.0
ventaja es que - uu..
conocimiento prenode
ning'e;;*- r,a solucin final es
conocimiento de ambos
incluir el
dir; podra aadir un ru"toi.
"*i".,or J"'.irirr.ru y dejar al usuario decior""iriiuo"o para cad,aelemento.
que esro puede
ser,aceptabre en
argurur^ri,ru."r;;;ffi:ias
Aunupti_
uerr
"
.no
o;.
cia, puede ser difcil exrraer
toda la inro.r"l.Tl-'tadora'.En consecuen-
5[?,1i.T3:il;:;I1tr;';*'ff
#iT::.',y,liilll'l;i1iTil:;
ril
.iil
ill
flii
nll
Verificaciones de Ia base
de conocimientos
Si supone que ha encontrado
un experto
,i
.!::1,".'r::[:'Jt.#:i;l::*r*llil"t";Ii_.,."*,t,o,""
testea una base de conocimientos? La pregunta es: Cmo se
como
se estableci_en
.r "prirr"
la bsqueda exhaustiva
es im_
datos extremuaur.ni"
p._
o'i o' o m ui'nli"l'I. .,,
si gni rica q ue p
"
l,ur,'L.',io'
ara
" nJ nuv rol-u'i. a
u.i::]Xi'j:j ff:il::*,rer
,:ill, Tit
riricar
1,
conjur;;;
;;;;"*
;;
r;m:
"'
cuarquie*i";i ;;;;;i:#HJi:TJ:;
j: ;,::',1
a b as";;;.;;,;i;;;ruentos
e J; ;
,;, j;,T:: T,*:"J 3: T:J;
serie de
*',' q* 0."0",.1.u,
En otro enfoque, tiene la autocomprobacin del sistema por consistencia y ver que toda la informacin de la base de conocimientos concuerda consigo misma. Aunque sta no encontrar todos los problemas, encontrar algunos. Sin embargo, dependiendo de cmo est implementada la autocomprobacin, en algunas bases de datos grandes,
puede alcanzar la muralla de piedra combinatoria, haciendo este enfoque imposible.
De este modo, segn crece el uso de los sistemas expertos, la verificacin de las bases de conocimientos ser una de las ms importantes
+
J
rS
,;i
reas de investigacin.
;-ir
:{s
t{
,T
:
J
'*
;,;l
.#l
ir
-k
ss
ii..