Tutoria 2-Inteligencia Artificial_19!01!2014
Transcript of Tutoria 2-Inteligencia Artificial_19!01!2014
AGENDA Representación del conocimiento
mediante Lógica Proposicional.
Representación del conocimiento mediante lógica de predicados.
Representación del conocimiento mediante reglas de producción.
Método 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 expresión mediante algún lenguaje, de un modelo que
exprese el conocimiento sobre el mundo.
:
ELEMENTOS BASICOS QUE INTERVIENEN EN EL
DISEÑO DE UN SISTEMA BASADO EN EL
CONOCIMIENTO
Lenguaje formal para expresar conocimiento
Forma de efectuar razonamientos
AÑADIR Y MODIFICAR SENTENCIAS
BC
PREGUNTAS RESPUESTAS
MECANISMO DE INFERENCIAS
UNA KB DEBE PERMITIR CON EFICIENCIA:
LENGUAJE DE
REPRESENTACION
SINTAXIS:
Posibles sentencias del
lenguaje
SEMANTICA:
Conexión entre sentencias y
el mundo
FORMAS DE REPRESENTAR EL CONOCIMIENTO
Basada en Relaciones:
Lógica Proposicional (booleana o de orden
cero.
Lógica de Predicados (de primer orden)
Basada en Objetos: Marcos
Basada en Acciones: Sistemas de Producción
REPRESENTACION DEL
CONOCIMIENTO POR LOGICA
PROPOSICIONAL
Elementos de Representación: 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 declaración de sentencias simples
y sentencias complejas (asociación de sentencias
simples + conectores proposicionales). Ejemplos
sentencias simple: hoy es domingo 03 de junio
2012.
sentencia simple: hoy juega Perú
sentencias compleja:
Hoy es domingo 03 de junio 2012 y hoy juega Perú
LOGICA PROPOSICIONAL
Proposición: Una oración afirmativa de la cual podemos decir que es verdadera o falsa (pero no ambas!!)
Ejemplos de Proposiciones:
◦ Pizarro se lesionó.
◦ Pizarro no jugará el 03 de junio.
◦ El sol gira alrededor de la tierra.
◦ 2 x 3 = 3 + 3
◦ 10 es número primo.
◦ Todos jalaron en el examen parcial de IA
más proposiciones...
◦ Si Pizarro no jugará el 03 de junio, entonces
Pizarro mirará 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.
Lógica Proposicional-Sintaxis Alfabeto PROPOSICIONAL
PROP que consiste de:
i) variables proposicionales p0, p1,p2,...
ii) conectivos , , , ,
iii) símbolos auxiliares: (, )
Ejemplos de objetos de PROP:
p0
(p1 p3)
((p1 p2) (p3 (
p4)))
Traducción al lenguaje lógico
Las oraciones simples se traducen como letras
de proposición (elementos de P)
◦ Ejemplos:
Pizarro se lesionó p0
Pizarro no jugará el 03 de junio p1
El sol gira alrededor de la tierra p2 2 . 3 = 6 p3 6 es impar p4
Todos jalaron el parcial de IA p5
Traducción al lenguaje Lógico
Las oraciones compuestas se traducen usando
los conectivos
◦ Ejemplos:
Si Pizarro se lesionó, entonces no jugará el
03 de junio (p0 p1) .
2 . 3 = 6 y 6 es impar (p3 p4).
Todos no jalaron el parcial de IA p4).
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 lógica de
predicados (de primer orden) Elementos de Representación:
1.-Términos: Constantes (pi), variables (X) y funciones (min(x))
2.-Fórmulas atómicas:Predicados definidos sobre términos:
trabaja_como(empleado1, gerente)
tienedependientes(empleado1, 2)
3.-Formulas bien formadas: Fórmulas atómicas, unidas con conectivas ( ) y cuantificadas ( )
Lenguaje de lógica de
predicados (de primer orden) Representa el conocimiento de una forma más detallada que la lógica proposicional.
Se basa en expresar relaciones entre objetos.
PREDICADO(objeto1, objeto 2, objeto 3…objeto n)
PREDICADO puede ser Cualidades, relaciones o atributos.
OBJETOS, puenden ser personas, objetos físicos o conceptos.
En la lógica de predicados los argumentos son de tipo variable, es decir, pueden asumir varios valores. Ejemplo
temperatura(HUARAZ, X
temperatura(HUARAZ, X)
X=frio temperatura(HUARAZ, frio ) predicado verdadero
X=cálido temperatura(HUARAZ, cálido) predicado falso
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) ^ embistió(toro, Z)].
Ejemplos de traducción Si algunos perros son mamíferos, luego todos
son mamíferos
( x) (P(x) M(x)) x (P(x) R(x))
Todo número es par o impar
(x) (N(x) P(x) I(x))
(x) (N(x) P(x) P(x))
Ningún número es a la vez par e impar
x) (P(x) I(x))
Ejemplos de traducción
• Toda planta tiene tallo y raiz
( x) (Plantas(x) Tallo(x) Raíz(x) )
Existen plantas que no tienen fruto
(x) (Plantas(x) Fruto(x))
• Para todo número natural hay otro natural
que es mayor que el. ( x) ( Número(x) ( y) (Número(y) y>x ) )
Alfabeto de un lenguaje de primer
orden
Un alfabeto para un lenguaje de primer orden, consiste de
los siguientes símbolos:
- Símbolos de relación: P1 , P2 , … , Pn , =‘
- Símbolos de función: f1 ,f2 ,… , fm
- Símbolos de constantes: ci tal que iI y | I |= k
- Variables: x1, x2, x3,..
- Conectivos :
- Cuantificadores:
- Auxiliares : , )
Ejemplos (menos formales)
Padre(x, y) Hijo (y, x)
Padre (x, y) Padre (y, z) Abuelo (x, z)
Mamífero (x) ( S-cal (x) Mamas(x))
(x) ( Mamífero (x) Pelos(x) )
Razonamientos
en Lógica de 1er orden
P1
P2
...
Pn
C CONCLUSION
* LAS PREMISAS Y LA CONCLUSION PERTENECEN A FORM
PREMISAS
Justificación de la validez del
razonamiento?
Una sola manera de justificar
◦ Dar una prueba matemática, que llegue a la conclusión a partir de las hipótesis, a través de pasos debidamente justificados.
(Justificación sintáctica |- b )
(No existe justificación semántica - no siempre tienen sentido las tablas de verdad)
Reglas de Inferencia
Reglas de Inferencia del cálculo
proposicional
+ Reglas específicas para el manejo de los
cuantificadores
- Ejemplificación universal (EU)
- Generalización universal (GU)
- Ejemplificación existencial (EE)
- Generalización existencial (GU) ...
Razonamientos
en Lógica de 1er orden
Todos los Ovejeros Alemanes son perros y todos
los perros son mamíferos. Luego, todos los
Ovejeros Alemanes son mamíferos.
x) ( Oa(x) P(x))
x) (P(x) M(x)) / (x) Oa(x) M(x)
Todos los perros caminan al menos que alguno esté
lastimado. Algunos perros no caminan. Luego, hay
algún perro lastimado.
Resolución en Predicados
•Las bases del Método son las mismas que
para proposiciones
•Situación más compleja
Para resolver dos cláusulas debo encontrar
sustitución adecuada de variables
ALGORITMO DE UNIFICACION
Algoritmo de Unificación
Idea: ver si existe una sustitución que haga
concordar a dos fórmulas
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 Unificación (idea)
1- Ver si los predicados coinciden, si no falla
2- Comprobar si los argumentos de a pares son
unificables,devolver sustitución, si alguno no lo
es, falla la unificación. 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 función que no tenga ninguna instancia
de la variable S:[f(y)/x]
Devuelve Sk…S1 o falla
INFERENCIA Y RAZONAMIENTO
Inferir es concluir o decidir a partir de algo conocido o asumido
La lógica de predicados proporciona un grupo de reglas sólidas, con las cuales se pueden realizar inferencias. Las principales Reglas de Inferencia son:
Modus ponens.- Es la más 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 también 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 también es falsa.
LOGICA DE PREDICADOS COMO
FORMALISMO DE REPRESENTACION
VENTAJAS:
Es un formalismo bien establecido con una sintaxis y semántica bien definida y que maneja fácilmente aspectos cuantificación.
Se establece un sistema de inferencias completo (se puede extender al método de resolución).
LIMITACIONES DEL RAZONAMIENTO
BASADO EN LA LOGICA DEL PRIMER
ORDEN
Ningún lenguaje puede expresar todo el conocimiento
sobre el entorno. 1. Un conjunto de fórmulas es sólo una aproximación. 2. Una regla general está sujeta a una serie (infinita) de
restricciones no codificables.
Problema Importante: Las reglas de inferencia son adecuadas. 1. Las reglas de inferencia sólo hacen explicito
conocimiento que estaba implicito en la base de conocimiento.
Problemas en la representación de razonamientos No Monotonos. Ejemplos Razonamientos por defecto(inscertidumbres), razonamientos abductivo(hecho solo se deducen por explicaciones probables) y revisión de creencias.
REPRESENTACION DEL CONOCIMIENTO
MEDIANTE REGLAS DE PRODUCCION
Regla se entiende como una proposición lógica que relaciona 2 o mas objetos e incluye 2 partes, la premisa y la conclusión. Cada una de estas partes consiste en una expresión lógica con una o mas afirmaciones objeto-valor conectadas mediante los operadores lógicos y ó no. Reglas de producción.
Es un método procedimental de representación del conocimiento, pone énfasis en representar y soportar las relaciones inferenciales del algoritmo, en contraposición a los métodos 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
Fácil acceso y disponibilidad del conocimiento.
Costo reducido.
Permanencia.
Respuestas no subjetivas.
Explicación del razonamiento.
Herramientas de aprendizaje.
Competitivos con expertos humanos.
REPRESENTACION DEL CONOCIMIENTO
MEDIANTE REGLAS DE PRODUCCION
VENTAJAS
Fácil acceso y disponibilidad del conocimiento.
Costo reducido.
Permanencia.
Respuestas no subjetivas.
Explicación 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 explicación 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 atrás: una
regla es activada si los consecuentes
emparejan con algunos hechos del sistema. El
encadenamiento hacia atrás es
recomendable cuando se tratan Sistemas De
Diagnóstico, Corrección de Errores y
Prescripción
Reglas de producción- Ejemplos
Si un animal come carne entonces es
carnívoro.
Si un animal tiene dientes agudos y garras entonces es carnívoro.
Si un animal es carnívoro y es de color marrón-claro y tiene el pelaje franjas negras, entonces es un tigre.
Sistemas basados en conocimiento (SBC-KBS)
Definiciones.
Sistemas que representan el conocimiento
sobre el dominio en forma explícita y separada
del resto del sistema.
Waterman.
Sistemas que resuelven problemas aplicando
una representación simbólica de la experiencia
humana.
Jackson.
Sistemas basados en conocimiento (SBC-KBS)
Definiciones.
Sistemas de software capaz de soportar la
representación explícita del conocimiento de
un dominio específico y de explotarlo a través
de mecanismos apropiados de razonamiento
para proporcionar un comportamiento de alto nivel
en la resolución de problemas.
Guida y Taso
Sistemas Expertos: Definición.
Es un sistema de cómputo capaz de simular la conducta inteligente de un
experto humano en un dominio específico y especializado, con el objeto de
resolver problemas.
Hardware + software
Fuente de pericia humana en el dominio
Sistema de
computación
Simulación
Conducta
inteligente
Experto
Dominio
limitado Específico y especializado
Experiencia humana vs. SE.
PERICIA ARTIFICIAL PERICIA HUMANA
Permanente Perecedera
Siempre accesible No siempre accesible
Fácil de documentar No documentable
Estable, confiable Variable, flexible
Costo manejable Costosa
Fragilidad de las máquinas Fragilidad humana
Sin inspiración Creativa
Conocimiento técnico Sentido común
Estática - Dinámica Dinámica (aprendizaje)
Dominios estrechos Dominios más extensos
Los humanos son imprescindibles!!!
SE/SBC: Tareas
Tareas abordadas
Síntesis: Clasificación, diagnóstico
Análisis: Planificación, diseño o modelado
Las áreas de aplicación son muy variadas !!!
Los SBC abordan problemas complejos en dominios específicos en los
que el peso de las heurísticas para acotar el espacio de búsqueda es
importante.
Habilidades que se esperan de un SE
Buena perfomance, comparable al menos a la de los especialistas.
Manipular con fluidez descripciones simbólicas.
Interfaz amigable, adecuada a las necesidades de la aplicación.
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.
Reducción del espacio de búsqueda con heurísticas 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 últimas
experiencias.
Modificación sencilla de la BC por su característica modular.
SBC: Inconvenientes
La adquisición del conocimiento es difícil y cara.
La reutilización del conocimiento en contextos
diferentes no es simple.
Falta de creatividad y sentido común.
Obstáculos para el aprendizaje y la adaptación.
Quedan inmersos en el campo de los Sistemas Inteligentes.
Se trabaja sobre metodología de desarrollo
Se los combina con otras tecnologías