TALLER CLASE 1. Sistemas Expertos

5/11/2018 TALLER CLASE 1. Sistemas Expertos - slidepdf.com

http://slidepdf.com/reader/full/taller-clase-1-sistemas-expertos 1/9

FACULTAD DE INGENIERIAS

INGENIERIA DE SISTEMAS MATERIA: SISTEMAS EXPERTOS

TALLER CLASE 1. INTRODUCCION A LOS SITEMAS EXPERTOS

16 DE AGOSTO DE 2011

DOCENTE: ING. BERNARDO CAÑON SALAZAR

NOMBRE _JOSE FERNEY LOPEZ GARCIA – JHONH ALEXANDER MARTINEZ____

CODIGO_200921040601 - 201129519601____________________________

REALICE LAS SIGUIENTES ACTIVIDADES DE MANERA INDIVIDUAL:

1. Elabore un mapa conceptual de la historia de los sistemas expertos.0

2. ¿Qué es sistema experto? Enumere cinco (5) ejemplos de sistemas expertos y

enumere los usos de los sistemas expertos.

3. ¿Qué es la teoría general de un sistema experto?

4. Cómo definen los sistemas expertos los siguientes autores:

James P. Ignizio

Waterman.

Jackson.

5. Como se definen los sistemas expertos desde la Inteligencia Artificial

6. Elabore la arquitectura de un sistema experto

7. Elabore un mapa conceptual de las ventajas y desventajas de un sistema experto

8. Enumere las fases de un sistema experto y explique la fase 3 con un ejemplo

9. Realice una investigación sobre el tema Forward Chaining y Backward Chaining. Y

elabore un resumen (Mínimo de 2 páginas y máximo de 3). Se debe entregar en la

próxima clase.

Cada resumen deberá responder a las siguientes preguntas:

Indicar la importancia del tema tratado.

Realizar un esquema o mapa conceptual que involucre las palabras claves del

punto 9.

Explicar la importancia del tema como parte de los Sistemas expertos.

10. Consultar las siguientes definiciones: serendipia, holismo, morfogénesis, morfostasis,

retroalimentación, sinergia, homeóstasis, complejidad, frontera, entropía,

computabilidad y neguentropía. De ejemplos de cada una de las definiciones o

escenarios en los que puedan presentarse o identificarse fácilmente.

BIBLIOGRAFÍA DE APOYO

• RUSSELL, S. and NORVING, P., Inteligencia Artificial. Un Enfoque Moderno Prentice

Hall, 1996.

• CASTILLO ENRIQUE y Otros, Sistemas Expertos y modelos de redes probabilísticas.

•

CASTILLO ENRIQUE y Otros, Sistemas Expertos y modelos de redes probabilísticas.Capitulo 1

• ROLSTON David W. Principios de Inteligencia artificial y Sistemas Expertos. McGraw-

Hill, 1995.

El hombre puede pasar por sabio cuando busca la sabiduría; pero si cree haberla

encontrado es un necio - Proverbio persa

EXITOS








SOLUCION

1. Mapa Conceptual Historia de los Sistemas Expertos

2. Los sistemas expertos son llamados así porque emulan el comportamiento de un experto

en un dominio concreto y en ocasiones son usados por éstos. Con los sistemas expertos

se busca una mejor calidad y rapidez en las respuestas dando así lugar a una mejora de

la productividad del experto.

5 Ejemplos:

EN EL CAMPO MEDICINA:

DENDRAL:: Es capaz de calcular o descubrir hechos relativos a las estructurasmoleculares a partir de unos datos químicos sin elaborar.

MYCIN: el más famoso de todos, diagnostica infecciones en la sangre y meningitis yademás sugiere el tratamiento que se debe seguir en cada caso.

PUFF: el hermano menor de MYCIN, que diagnostica y trata enfermedades del pulmón.

MOLGENO: ayuda a los biólogos que trabajan en el campo del DNA y la ingeniaríagenética.

GÉNESIS: Permite a los científicos planificar y simular experimentos en el campo de launión de genes.

Áreas de aplicación

Los SE se aplican a una gran diversidad de campos y/o áreas. A continuación se listanalgunas de las principales:








Militar Informática Telecomunicaciones

Química Derecho Aeronáutica

Geología Arqueología Agricultura

Electrónica Transporte Educación

Medicina Industria Finanzas y Gestión

3. Un Sistema Experto es un sistema informático capaz de EMULAR el comportamiento de

un experto humano en un área concreta del conocimiento especializado.

4. Definiciones:

- James P. Ignizio: Programa computacional que exhibe, dentro de un dominio

específico, un grado de experiencia en la solución de un problema comparable con la

forma en que un experto humano lo haría.

- Waterman: Sistemas que representan el conocimiento sobre el dominio en forma

explícita y separada del resto del sistema.

- Jackson: Sistemas que resuelven problemas aplicando una representación simbólica

de la experiencia humana.

5.

a. Procesos mentales y Razonamiento:

a. Piensan como Humanos:

- La interesante tarea de lograr que las computadoras piensen,

máquinas con mente en su amplio sentido literal. (Haugeland, 1985).

- La automatización de actividades que vinculamos con procesos de

pensamiento humano, actividades como la toma de decisiones,

resolución de problemas, aprendizaje, etc.

b. Piensan Racionalmente:

- El estudio de las facultades mentales mediante el uso de modelos

computacionales. (Charniak y McDermott, 1985)

- El estudio de los cálculos que permite razonar y actuar. (Winston,

1992)

b. Conducta:

a. Actúan como humanos:

- El arte de crear máquinas con capacidad de realizar funciones que

realizadas por personas requieren de inteligencia. (Kurzweil, 1990)

- El estudio de cómo lograr que las computadoras realicen tareas que,por el momento, los humanos hacen mejor. (Rich y Knight, 1991)

b. Actúan Racionalmente:

- Un campo de estudio que se enfoca a la explicación y emulación de la

conducta inteligente en función de procesos computacionales.

(Schalkoff, 1990)

- La rama de la ciencia de la computación que se ocupa de la

automatización de la conducta inteligente. (Luger y Stubblefield,

1993)








6. Arquitectura de un Sistema Experto

7. Mapa conceptual de ventajas y desventajas

Ingeniero Del

Conocimiento

Experto Del

Domino

K

A

DS

Base de Conocimiento

Motor de Inferencias

I

N

T

ER

F

A

CE

U

SU

A

R

IO

Arquitectura de Un sistema Experto

Sistemas Expertos

Sentido Común

Limitaciones

Lenguaje Natural

Flexibilidad

Capacidad de

Aprendizaje

Perspectiva Global

Capacidad Sensorial

Permanencia

Sus Ventajas

Duplicación

Rapidez

Bajo Costo

Entornos Peligrosos

Fiabilidad








8. Fases de un Sistema Experto:

I. Selección de la Aplicación

II. Selección de la Herramienta de desarrollo del Sistema Experto

III. Diseño de Ingeniería y construcción del prototipo

- Identificación del problema

- Conceptualización

- Formalización

- Implementación

- Verificación

IV. Integración y mantenimiento en régimen de producción

La fase III se explica con el siguiente ejemplo:

Una empresa nos contrata porque requiere una herramienta que determine probabilidad de

que un cliente no pague un crédito.

En la etapa 1 identificamos el problema, la necesidad del cliente, el experto en la empresa

que conoce el tema, recopilamos los casos de uso, estimamos los recursos y tiemponecesario.

En la etapa 2 definimos en conjunto con el experto de la empresa las premisas y focos que

se deben atacar para solucionar el problema, restricciones y mecanismos de control.

En la etapa 3 se formaliza la forma de presentar el conocimiento, las reglas, redes

semánticas, marcos de referencia entre otros.

En la etapa 4 se construye la base de conocimientos y se construye el primer prototipo.

En la etapa 5 se evalúan las presentaciones del SE, su utilidad y su fiabilidad aplicándolo a la

resolución de los casos de prueba, los resultados deben ser evaluados por el experto de la

empresa quien recomendara pasos a seguir para afinar la base de conocimientos.

9. Resumen investigación:

SISTEMA DE INFERENCIA

El sistema de inferencia utiliza el conocimiento introducido en la base de conocimientos y

la información introducida por el usuario para proporcionar la solución del problema en

estudio. Una vez el usuario ha determinado el objetivo, el sistema de inferencia contiene

la estrategia a seguir en la interpretación de las normas o "frames" para conseguirlo. En

este sentido se podría decir que el sistema de inferencia es la parte del sistema experto

que lleva a cabo el razonamiento.

Existen dos variantes principales de estrategias para lograr la solución deseada ensistemas que utilizan normas: la estrategia dirigida por el objetivo o por los datos. En la








estrategia dirigida por el objetivo, denominada "goal-driven" o "backward chaining", el

mecanismo de razonamiento funciona encadenando las normas hacia atrás. Es decir, en

primer lugar se buscan las normas cuya consecuencia o acción coinciden con el objetivo

marcado. A partir de ellas, se buscan las siguientes normas cuyas consecuencias

coinciden con los antecedentes de las anteriores y así sucesivamente.

En la estrategia dirigida por los datos, llamada "data-driven" o "forward chaining", el

mecanismo de razonamiento funciona encadenando las normas hacia adelante. Se parte

de los atributos de entrada o antecedentes y se escogen todas aquellas normas que

proporcionan consecuencias. Estas consecuencias forman, a su vez, los antecedentes de

otro conjunto de normas y así sucesivamente hasta que el encadenamiento de normas

conduce al objetivo buscado.

Desde el punto de vista técnico estas estrategias de razonamiento pueden combinarse

con dos variantes principales de búsqueda de normas, la "depth-first" y la "breadth-

first".

En la variante de profundidad o "depth-first" se examinan primero todos los niveles de

una misma rama del gráfico de estados. Este gráfico representa una forma de cómo se

desarrolla el razonamiento humano; desde un estado inicial en que se plantea el

problema hasta un estado final en el que se halla la solución pasando por una serie de

estados intermedios conectados entre sí. Así, los sistemas expertos proporcionan un

medio para describir los distintos estados, la forma en que están interconectados y la

estrategia para llegar a la solución a partir del estado inicial. En la variante "breadth-

first" existe un algoritmo que permite examinar todas las posibles soluciones situadas a

un mismo nivel antes de pasar al siguiente nivel de profundidad. En realidad

normalmente se aplican combinaciones de las dos sistemáticas, fundamentalmente

mediante el estudio y experimentación práctica llevados a cabo con anterioridad alpropio planteamiento del sistema experto.








El objetivo propuesto ha de ser claro y debe especificarse al usuario. La selección de

metodologías analíticas, el desarrollo concreto de procedimientos, la ¡implementación de

sistemas de validación o el aprendizaje de ciertas técnicas o métodos son ejemplos

concretos de objetivos cuya solución se puede conseguir mediante sistemas expertos. En

el último apartado de este capítulo se proporciona una relación detallada de aquellos

sistemas cuyo objetivo se enmarca dentro del campo del análisis químico.

La importancia en la IA de los sistemas basados en reglas es grande, la mayoría de los

sistemas expertos deterministas están basados en este tipo de representación. Los

sistemas basados en reglas consisten de un conjunto de reglas de la forma SI –ENTOCES

(IF THEN), es decir se utiliza la implicación como principal forma de representación.

10.Definiciones:

a. Serendipia: Es un descubrimiento o un hallazgo afortunado e inesperado. Sepuede denominar así también a la casualidad, coincidencia o accidente.

Ejemplo: Un autor escribe sobre algo que ha imaginado y que no se conoce en suépoca, y se demuestra posteriormente que eso existe tal como lo definió elescritor.

b. Holismo: Es la idea de que todas las propiedades de un sistema dado, (porejemplo, biológico, químico, social, económico, mental o lingüístico) no puedenser determinados o explicados por las partes que los componen por sí solas. Elsistema como un todo determina cómo se comportan las partes.

Ejemplo: Un sistema de información debe verse como un todo para que tengasentido, si vemos sus componentes por separado pocas veces se entiende.

c. Morfogénesis: Es el proceso biológico que lleva a que un organismo desarrolle suforma. Este es uno de los tres aspectos fundamentales del desarrollo biológico

junto con el control del crecimiento celular y la diferenciación celular, se utilizapara describir fenómenos de cambio de las estructuras de un sistema, gracias a laretroalimentación positiva.

Ejemplo: Un resultado de la morfogénesis es un aumento de la diferenciación delas partes componentes del sistema, por medio de la cual cada uno puededesarrollar su propia complejidad permaneciendo en relación funcional con latotalidad.

d. Morfostasis: Son los procesos de intercambio con el ambiente que tienden apreservar o mantener una forma, una organización o un estado dado de unsistema (equilibrio, homeostasis, retroalimentación negativa). Procesos de estetipo son característicos de los sistemas vivos. En una perspectiva cibernética, lamorfostasis nos remite a los procesos causales mutuos que reducen o controlanlas desviaciones.

Ejemplo: Ejemplos de estos sistemas son la acumulación de capital en laindustria, la evolución de un organismo vivo, conflictos internacionales y aquellosprocesos denominados “circulo vicioso” e “interés compuesto” . Estos procesosparecen ser opuestos a aquellos en que la desviación es corregida y se mantienenen equilibrio.

e. Retroalimentación: Son los procesos mediante los cuales un sistema abiertorecoge información sobre los efectos de sus decisiones internas en el medio,información que actúa sobre las decisiones (acciones) sucesivas. La

retroalimentación puede ser negativa (cuando prima el control) o positiva (cuandoprima la amplificación de las desviaciones). Mediante los mecanismos de








retroalimentación, los sistemas regulan sus comportamientos de acuerdo a susefectos reales y no a programas de outputs fijos. En los sistemas complejos estáncombinados ambos tipos de corrientes (circularidad, homeostasis).

Ejemplo: Cuando se diseña un sistema y luego se implementa, en la fase deprueba se pueden identificar falencias y oportunidades de mejora, esto se tomascomo retroalimentación para realizar las correcciones necesarias y el el productofinal tenga éxito.

f. Sinergia: Todo sistema es sinérgico en tanto el examen de sus partes en formaaislada no puede explicar o predecir su comportamiento. La sinergia es, enconsecuencia, un fenómeno que surge de las interacciones entre las partes ocomponentes de un sistema (conglomerado). Este concepto responde al postuladoaristotélico que dice que "el todo no es igual a la suma de sus partes". Latotalidad es la conservación del todo en la acción recíproca de las partescomponentes (teleología). En términos menos esencialistas, podría señalarse quela sinergia es la propiedad común a todas aquellas cosas que observamos comosistemas.

Ejemplo: Los relojes: cada uno de sus componentes (maquinaria, agujas, esfera),ninguno de estos por separado nos podrá indicar la hora pero debidamente unidase interrelacionadas obtendremos con exactitud la hora.

g. Homeóstasis: Es el estado interno relativamente constante de un sistema que se

mantiene mediante la autorregulación (retroalimentación negativa); Se refierefundamentalmente a la preservación de lo que es, contra los ataques de factoresexternos de stress.

Ejemplo: Un ejemplo muy común del modo cómo funciona la homeostasis es el deun sistema de calefacción central, que mantiene a la casa en un estado estable decalor. Utiliza un termostato, que desempeña el papel de regulador y que respondeal feedback referente a la temperatura del "suprasistema" exterior a la casa.Cuando la temperatura exterior desciende, el termostato actúa aumentando latemperatura dentro de la casa.

h. Complejidad: Por un lado, indica la cantidad de elementos de un sistema(complejidad cuantitativa) y, por el otro, sus potenciales interacciones(conectividad) y el número de estados posibles que se producen a través de éstos(variedad, variabilidad). La complejidad sistémica está en directa proporción consu variedad y variabilidad, por lo tanto, es siempre una medida comparativa. Unaversión más sofisticada de la TGS se funda en las nociones de diferencia decomplejidad y variedad. Estos fenómenos han sido trabajados por la cibernética yestán asociados a los postulados de R.Ashby (1984), en donde se sugiere que elnúmero de estados posibles que puede alcanzar el ambiente es prácticamenteinfinito. Según esto, no habría sistema capaz de igualar tal variedad, puesto quesi así fuera la identidad de ese sistema se diluiría en el ambiente.

Ejemplo: Debido a la capacidad de los ordenadores de procesar una gran cantidadde información, y de realizar un gran número de operaciones en poco tiempo, los

Sistemas Expertos pueden obtener conclusiones realistas en situaciones donde losexpertos humanos no pueden.

i. Frontera: la frontera o límite de un sistema es una línea (real y/o conceptual) quesepara el sistema de su entorno o supra sistema. La frontera de un sistema definequé es lo que pertenece al sistema y qué es lo que no. Lo que no pertenece alsistema puede ser parte de su supra sistema o directamente no ser parte.

Ejemplo: Si la frontera del sistema es física puede ser el gabinete de lacomputadora.

j. Entropía: El segundo principio de la termodinámica establece el crecimiento de laentropía, es decir, la máxima probabilidad de los sistemas es su progresivadesorganización y, finalmente, su homogeneización con el ambiente. Los sistemas








cerrados están irremediablemente condenados a la desorganización. No obstantehay sistemas que, al menos temporalmente, revierten esta tendencia al aumentarsus estados de organización (negentropía, información).

Ejemplo: Entropía se puede ver como el máximo número de bits requeridos enpromedio para codificar la clase de un ejemplo en Sistemas.

k. Computabilidad: Es la parte de la computación que estudia los problemas dedecisión que pueden ser resueltos con un algoritmo o equivalentemente con unamáquina de Turing.

Ejemplo: La teoría de la computabilidad se interesa a cuatro preguntas:

¿Qué problemas puede resolver una máquina de Turing?¿Qué otros formalismos equivalen a las máquinas de Turing?¿Qué problemas requieren máquinas más poderosas?¿Qué problemas requieren máquinas menos poderosas?

l. Neguentropía: Se refiere a la energía que el sistema importa del ambiente paramantener su organización y sobrevivir.

Ejemplo: La neguentropía busca la subsistencia del sistema para lo cual usamecanismos que ordenen, equilibren, o controlen el caos. Mecanismo por el cualel sistema pretende subsistir y busca estabilizarse ante una situación caótica

TALLER CLASE 1. Sistemas Expertos

Documents

Transcript of TALLER CLASE 1. Sistemas Expertos