Introducción a los Sistemas Expertos -...
37
Introducción a los Sistemas Expertos
Transcript of Introducción a los Sistemas Expertos -...
Introducción a los Sistemas Expertos
Fases del desarrollo de un proyecto de SW tradicional
Fase de Análisis
Fase de Diseño
Realización computacional
Fase de pruebas
Mantenimiento
LINEAL
Fases del desarrollo de un SE
Identificación del pb
Fases del desarrollo de un SE
Construcción de un prototipo
Formalización
Realización computacional
Fases del desarrollo de un SE
Evaluación
Evolución
Fases del desarrollo de un SE
Identificación del pb
Construcción de un prototipo
Formalización
Realización computacional
Evaluación
Evolución
Fases del desarrollo de un SE
Identificación del pb
Construcción de un prototipo
Formalización
Realización computacional
Evaluación
Evolución
Fases del desarrollo de un SE
Identificación del pb
Construcción de un prototipo
Formalización
Realización computacional
Evaluación
Evolución
Modelo Iterativo
Los cambios a realizar son más
fáciles de llevar al final de cada
fase
Construcción de un SE
Adquisición incial del conocimiento
Estudio de problemas básicos
Confección del modelo general de la consulta
Selección del paradigma de inferencia
Selección de la herramienta o lenguaje para desarrollo
Realización computacional del prototipo
Prueba del prototipo
Formalización
Objetivos
Garantizar el diseño y planificación de todo el
sistema antes de pasar a la realización
computacional del mismo.
Tomar decisiones en cuanto a las estrategias a
seguir para la realización computacional del SE
Formalización
Pasos
Definición detallada del problema
Diseño y planificación del proyecto
Planificación de la prueba del sistema.
Realización Computacional
Revisión del prototipo
Realización computacional de los módulos
componentes del SE
Evaluación
La primera dificultad para probar un SE es el hecho de que en muchos dominios específicos es imposible establecer con precisión cuál es la “respuesta correcta” para un problema dado.
En esta fase se realizan cambios en la BC hasta lograr que el sistema dé respuestas similares al experto.
Evolución
Tipos
Incremento de funcionalidad
Corrección de Base de Conocimiento
Adición de conocimiento a la base para hacerla
más completa
Características de un programa perteneciente a la clase de SE
Manipula gran cantidad de conocimiento
Realiza procesamiento simbólico de la información
Capacidad de inferencia
Separa los conocimentos del programa los controla
Realiza análisis heurístico
Habilidad para explicar su razonamiento
Pb que resuelve un SE
SE asistentes
SE colegas
SE especializados
Con respecto a su solución es impracticable el uso de algoritmos deterministas
Con respecto a su planeamiento no están bien definidos
Los datos para su solución son incompletos e imprecisos.
Arquitectura general de un SE
Interfaz del Sistema-Usuario
Base de Conocimiento (BC)
Máquina de Inferencia (MI)
Sistema de Explicación
La MI no debe requerir ser modificada una vez terminado de construir el SE. Cualquier ampliación debe poder realizarse expandiendo la BC.
Clasificación
Clasificación de acuerdo a su función. 1/2
Control: Automatización inteligente de un
proceso
Diagnóstico: Estiman defectos del mal
funcionamiento de un sistema
Interpretación: A partir de observaciones y
datos de aclara la situación presente
Clasificación de acuerdo a su función. 2/2
Diseño: Desarrollo de productos y
configuraciones por especificaciones.
Intrucción: Optimizan la instrucción por
computadora
Planificación
Reparación.
Herramientas para construir SE
Herramientas para construir SE
Herramientas inductivas
Herramientas simples basadas en reglas.
Herramientas estructuradas basadas en
reglas
Herramientas híbridas
Herramientas de dominio específico.
Herramientas Inductivas
Generalizan reglas a partir de ejemplos
El algoritmo original para realizar la inducción (CLS) fue desarrollado en 1962 por Earls Hunt y mejorado por Ross Quinlan
BC= Matriz de ejemplos
El MI convierte la matriz en un árbol de decisión.
Minimizan el trabajo de Ing. Del Conoc.
Herramientas fáciles de usar y muy eficientes, pero es más díficil incorporar nuevo conocimiento.
Ejemplos de herramientas inductivas
Expert-Ease: desarrollado en Edinburgh en UCSD Pascal
1st-class (1985): Pascal y ensamblador.
TIMM: Fortran, usada en aplicaciones militares.
Ex-Tran7: Combina la inducción con conoc. en forma de reglas.
Rule Master: UNIX
SuperExpert: Se comunica con DBASE y Lotus.
Herramientas simples basadas en reglas
Representan el conocimiento en forma de reglas que almacenan en una BC singular.
Representan hechos como pares: Atb-Valor.
Las premisas de las reglas se conectan con AND y NOT.
Permiten el uso de variables simbólicas en las reglas.
Utilizadas para desarrollar SE’s pequeños y medianos.
Fáciles de usar.
Ejemplos de Herramientas basadas en reglas
Insight 2
Exsys
VP Expert
Personal Consultant Easy
Herramientas estructuradas basadas en reglas
Usan reglas IF-THEN para definir relaciones entre hechos y árboles de contextos u otras estructuras para representar conocimiento conceptual.
Las premisas de las reglas se conectan utilizando operadores booleanos.
Intercambian información e interactúan con otras aplicaciones.
Herramientas estructuradas basadas en reglas
La consulta sigue los siguientes pasos:
El SE hace preguntas al usuario
El usuario responde a las preguntas
El SE visualiza sus conclusiones
Ejemplos de herramientas estructuradas basadas en reglas
M1: para PC y mainframes, 1984. Por
Teknowledge. Originalmente escrita
en Prolog.
Ejemplos de herramientas estructuradas basadas en reglas
Nexpert: Herramienta producida por la Neuron
Data. Originalmente desarrollada en LISP.
Tiene un editor de conocimiento integrado y una
herramienta gráfica para visualizar la red de reglas.
Representa los hechos como pares ATB-VALOR.
No permite el uso de la disyunción en las premisas
de las reglas
Ejemplos de herramientas estructuradas basadas en reglas
Personal Consultant Plus: herramienta producida por Texas Instruments. Escrita en LISP SCHEME.
Tiene un editor de conocimiento integrado
Representa los hechos como triplos: ATB-OBJETO-VALOR
Ejemplos de herramientas estructuradas basadas en reglas
KES2 (Knowledge engineering System):
Herramienta producida por Software A&E.
Desarrollada en LISP y después en C.
Herramientas Híbridas
Para desarrollar SE’s grandes y complejos.
Usan además de reglas, redes semánticas,
objetos y una gran variedad de técnicas de
herencia.
El objeto es la unidad básica de
representación de conocimento conceptual.
Ejemplos de Herramientas Híbridas
ART (1986) Escrita en ZetaLisp
Representación del conocimiento: hechos,
esquemas, contextos y reglas.
Para conceptualizar el conocimiento se piensa en
términos de hechos y reglas.
Tipos de Reglas:
Basadas en estados (IF-THEN)
Lógicas (WHILE-THEN)
Ejemplos de Herramientas Híbridas
KEE: Escrita en InterLisp. Se considera un
sistema orientado a objetos.
Representación del conocimiento: objetos y
reglas subordinadas a los objetos.
Para conceptualizar el conocimiento se
identifican los objetos y sus relaciones.
Ejemplos de Herramientas Híbridas
Knowledge Craft: Escrito en Common LISP.
Representación del conocimento: redes
semánticas de objetos. Se asocian reglas a los
slots de los objetos.
Incorpora técnicas de la POO para permitir la
abstracción y especialización de objetos y
traspaso de información.
Consta de 3 lenguajes: Prolog, OPS5 y CRL.
