MATERIA: Inteligencia Artificial. TEMAS: Unidad III Sistemas de Razonamiento Lógico. 3.1 Reglas de producción. 3.2 Sintaxis de las reglas de producción. -A1^ A2^ … An => C -representación de objeto-atributo-valor. 3.3 Semántica de las reglas de producción. 3.3.1Conocimiento casual. 3.3.2 Conocimiento diagnostico. 3.4 Arq. de un sistema de Producción (SP) (ó Sistemas basados en reglas, SBR). 3.4.1 Hechos. 3.4.2 Base de conocimientos. 3.4.3 Mecanismo de control. 3.5 Ciclo de vida de un sistema de Producción.
3.1 Reglas de producción. [3][4][8] La principal ventaja de los sistemas de razonamiento lógico es su alto grado de modularidad. Es posible independizar la estructura de control del conocimiento, con lo que cada porción del conocimiento mantiene total independencia entre sí. La anterior facilita experimentar con el sistema y modificarlo, haciendo a este más fácil explicar sus funciones a otro agente y también, facilita el auto aprendizaje del sistema. [1] [2] Método procedimental de representación del conocimiento.
Demostradores de teoremas. Los demostradores de teoremas se diferencian en dos aspectos de los lenguajes de programación lógica: Los lenguajes de programación lógicos sólo manejan cláusulas de Horn, en tanto que los demostradores de teoremas si aceptan la lógica de primer orden. Los programas de Prolog combinan lógica y control, mientras que los demostradores de teoremas necesitan todavía controlar la información para operar eficientemente.
Estructura general de las reglas: Antecedente → consecuente
Donde:
Antecedente: contiene las clausulas que deben cumplirse para que la regla pueda evaluarse o ejecutarse. Consecuente: indica las conclusiones que se deducen de las premisas o las acciones que el sistema debe realizar cuando ejecuta la regla. reg la.
Ejemplos de reglas de producción. IF cond1 AND cond2 AND…condn THEN acc1 AND acc2 AND …Acom
Ejemplo de reglas sin variables: IF (coche COCHE-JUAN) AND (Luces COCHE-JUAN tenues)
THEN (verificar_bateria COCHE-JUAN). si
entonces Cada regla si-entonces establece un granulo completo de conocimiento regla_operador valido en un espacio de estados. condiciones (premisas, precondiciones, antecedentes, ...) Formadas por clausulas y conectivas (and, or, not) Representación causal debe corresponderse co n conocimiento del dominio Formato típico: : Parámetro: característica relevante del dominio Relación: entre parámetro y valor Valor: numérico, simbólico o literal
También en forma de predicados lógicos: Conclusiones, acciones, hipótesis (tb. consecuentes, ...) Conclusiones, hipótesis: conocimiento declarativo Acciones: cq. acción procedimental (actualiza. conocimiento, interacción con exterior, etc..)
Reglas especiales: Reglas if all: equivalen a reglas con las clausulas de las condiciones conectadas con and. Reglas if any/ if some: equivalen a reglas con las clausulas de las condiciones conectadas con or.
Ejemplo. If: temperatura = alta And sudoracion = presente And dolor_muscular = presente Then: diagnostico_preliminar = gripe If: diagnostico_preliminar = gripe and descompos_organos_internos = presente then: diagnostico_preliminar = ebola.
3.2 Sintaxis de las reglas de producción. [4][5] Basada en la lógica clásica: Conceptos de juicio, proposición, razonamiento. • Proposición: enunciado declarativo (frases en indicativo) Representación: variable proposicional (p, q, r, ...) • Sentencia: enunciado compuesto por enunciados elementales y constructores primitivos
(conectivas). Make Regla (Rtigre,π, Animal: grupo # = carnívoro And Animal: color # = leonado And Animal pelaje # = franjas_negras, Animal: especié = tigre);
Sintaxis reglas en JESS (Defrule apagar luces (And (Vivienda vacía) (Luz ence ndida) ).
(Printout t “la vivienda está vacía. Las luces deben estar apagadas.”Crlf) (retract-string “(luz encendida) “ ) (assert (luz apagada))). Representación objeto-atributo-valor.
Objetos
Atributos
Valores
Talón
Banco Aceptable Cumplimentado Endosado Completo Fecha_correcta Fecha Acción Tiene_cuenta DNI Saldo Modo
Este_banco, otro_banco. Si, no Si, no Si, no Si, no Si, no M/D/A Pagar, rechazar, anotar Si, no Si, no Si, no Metálico, en_cuenta
Portador Firmante Pago
If (talon, banco, otro_banco) And (portador, tiene_cuenta, no) Then (talon, acción, rechazar) … If (talon, fecha, X) And ($system, $date, Y) And ((Y-X)>0) And ((Y-X)<90) Then (talon, fecha_correcta, si)
3.3 Semántica De Las Reglas De Producción.[4][8] Los sistemas basados en reglas son los más comúnmente utilizados. Su simplicidad y similitud con el razonamiento humano, han contribuido para su popularidad en diferentes dominios. Las reglas son un importante paradigma de representación del conocimiento. Las reglas representan el conocimiento utilizando un formato SI-ENTONCES (IF-THEN), es decir tienen 2 partes: La parte SI (IF), es el antecedente, premisa, condición o situación; y La parte ENTONCES (THEN), es el consecuente, conclusión, acción o respuesta.
Las reglas pueden ser utilizadas para expresar un amplio rango de asociaciones, por ejemplo: SI está manejando un vehículo Y se aproxima una ambulancia, ENTONCES baje la velocidad Y hágase a un lado para permitir el paso de la ambulancia. SI su temperatura corporal es de 39 ºC, ENTONCES tiene fiebre. SI el drenaje del lavabo está tapado Y la llave de agua está abierta, ENTONCES se puede inundar el piso.
3.3.1Conocimiento casual. Las generalizaciones habituales nos dicen cómo son las cosas: Las catedrales castellanas son góticas. Forman juicios descriptivos de la realidad. A diferencia de ellas, las generalizaciones causales nos explican el porqué de las cosas: ¿Por qué se ha muerto mi perro? ¿Por qué hay paro? ¿Por qué se adelantan las elecciones? El argumento causal pretende razonar la existencia de una causa para determinado efecto. Su conclusión dice: A causa B. Mi perro ha muerto porque comió un cebo envenenado. Esto no es más que una manera de hablar, ya que, en rigor, no sabemos cómo una causa produce un efecto. Abro un grifo y cae agua; le piso la cola al gato y maúlla; tomo una aspirina y se esfuma mi dolor de cabeza; arrimo fuego a la cera y ésta se derrite; pulso las teclas del ordenador y aparecen letras en la pantalla. Una causa es lo que hace a cualquier otra cosa empezar a existir, ya sea una simple idea, una sustancia o un modo; y es efecto lo que obtiene su comienzo de alguna otra cosa.
Las relaciones. De la generalización: Siempre que aparece A , surge B, a la conclusión: A causa B.
Existe una relación regular en las apariciones de A y las de B. Luego probablemente A causa B. Si un hilo aguanta 1 kg y se rompe con 2 kg, ese aumento es la causa.
El argumento causal sencillo. A la vista de lo dicho, podemos distinguir dos situaciones: los casos sencillos (con una causa definida) y los complicados (en los que puede intervenir una constelación de causas). En el caso sencillo, apreciamos una relación manifiesta: Al fenómeno B le precede regularmente el fenómeno A como condición suficiente y necesaria. A causa B porque: Generalmente si ocurre A, se da B (condición suficiente) Y, generalmente, si no ocurre A, no se da B (condición necesaria).
Cuando ensayo con la trompeta, mi vecina golpea la pared. Cuando no ensayo con la trompeta, mi vecina no golpea la pared. Está claro que mi vecina golpea la pared porque ensayo con la trompeta.
¿Qué es un sistema basado en el conocimiento? Un experto es alguien que posee unos determinados conocimientos y experiencia en un campo de la actividad humana y es capaz de aplicarlos con rapidez y eficiencia en la resolución de tareas diferentes aunque no le hayan sido encomendadas con anterioridad, pero que caen dentro de su dominio.
3.3.2 Conocimiento diagnostico. Se trata de sistemas que a partir de unos "síntomas" determinan las causas que lo producen. Ejemplo de ellos son los sistemas basados en el conocimiento de diagnóstico de enfermedades o de averías.
Figura 1. Sistema basado en conocimiento.
3.4 Arquitectura de un sistema de Producción (SP) (ó Sistemas basados en reglas, SBR). [4][6][7][8] Son programas diseñados para actuar como un experto humano en un dominio o área de conocimiento particular.
Tabla 1. Sistemas basados en reglas y experto humano. [7] Un sistema de producción proporciona una estructura que facilita la descripción y la ejecución de un proceso de búsqueda. Un sistema de producción consiste de:
Un conjunto de facilidades para la definición de reglas. Mecanismos para acceder a una o más bases de conocimientos y datos. Una estrategia de control que especifica el orden en el que las reglas son procesadas, y la forma de resolver los conflictos que pueden aparecer cuando varias reglas coinciden simultáneamente. Un mecanismo que se encarga de ir aplicando las reglas.
Características de los Sistemas de Producción. Un sistema de producción, al igual que los problemas, puede ser descrito por un conjunto de características que permiten visualizar la mejor forma en que puede ser implementado. Un sistema de producción se dice que es monotónico si la aplicación de una regla nunca evita que más tarde se pueda aplicar otra regla que también pudo ser aplicada al momento en que la primera fue seleccionada. Un sistema de producción es parcialmente conmutativo si existe un conjunto de reglas que al aplicarse en una secuencia particular transforma un estado A en otro B, y si con la aplicación de cualquier permutación posible de dichas reglas se puede lograr el mismo resultado. Un sistema de producción es conmutativo , si es monotónico y parcialmente conmutativo.
Componentes de un SP. Base de hechos o memoria de trabajo (BH o WM): conocimiento sobre el dominio en un determinado momento. Base de reglas (BR): conjunto de reglas (producciones) SI A ENTONCES B A: condiciones de aplicación. B: acciones sobre la BH o mundo externo. Estrategia de control, interprete de reglas, o motor de inferencias: responsable de encadenar los ciclos de funcionamiento. Fase de decisión: selección de reglas. Fase de acción: ejecución de reglas. Una regla se activa cuando sus precondiciones son ciertas en el estado actual de la BH o cuando la regla concluye algo que se busca establecer.
Sistemas basados en reglas. Los sistemas basados en reglas (SBR) se rigen por una serie de reglas que los configuran. Una regla es definida como un modo de representación estratégica o técnica, la cuál es apropiada cuando el conocimiento con el que deseamos trabajar proviene de la experiencia o de la intuición, y por tanto carece de una demostración física o matemática.
El formato de las reglas está compuesto por proposiciones similares a la sentencia de condición IF en un lenguaje de programación cualquiera IF-THEN (SI-ENTONCES), quedando por tanto: IF THEN
Figura 2. Arquitectura I. [7].
Componentes fundamentales: Una base de hechos. Una base de reglas de producción (a veces llamada base de conocimientos del dominio del sistema) Una maquina deductiva (motor de inferencias).
Figura 3. Arquitectura II. [7].
3.4.1 Hechos. [4] Base de hechos, que alberga los datos propios correspondientes a los problemas que se desea tratar con la ayuda del sistema. Asimismo, a pesar de ser la memoria de trabajo, la base de hechos puede desempeñar el papel de memoria auxiliar. La memoria de trabajo memoriza todos los resultados intermedios, permitiendo conservar el rastro de los razonamientos llevados a cabo. Puede, por eso, emplearse para explicar el origen de las informaciones deducidas por el sistema en el transcurso de una sesión de trabajo o para llevar a cabo la descripción del comportamiento del propio sistema experto. Al principio del período de trabajo, la base de hechos dispone únicamente de los datos que le ha introducido el usuario del sistema, pero, a medida que va actuando el motor de inferencias, contiene las cadenas de inducciones y deducciones que el sistema forma al aplicar las reglas para obtener las conclusiones buscadas. Las reglas de producción son de tipo: SI ENTONCES (SI A ENTONCES B). Donde tanto las premisas como la conclusión, no son más que una cadena de hechos conectados por “Y” o por “O”, de forma general seria: SI Y/O Y/O…..ENTONCES Y/O. Los hechos son afirmaciones que sirven para presentar conceptos, datos, objetos, etc. Y el conjunto de hechos que describen el problema es la base de hechos.
Ejemplo de hechos: Juan es un estudiante. Juan tiene 8 años. El perro es blanco. A María le gusta el cine. Pedro prefiere la película. La edad de Luis es de 25 años. Ejemplo de reglas R1: si y entonces R2: SI Y ENTONCES R3: SI Y ENTONCES Observe como partiendo de hechos conocidos que describen algún conocimiento se pueden inferir nuevos hechos (nuevos conocimientos).
3.4.2 Base de conocimientos. A base de conocimiento (o knowledgebase; abreviado KB, es una clase especial de base de datos para gerencia del conocimiento. Proporciona los medios para la colección automatizada, organización, y recuperación de conocimiento. Apenas pues tiene costumbre convertido de escribir base de datos pues una palabra él es cada vez más común en informática escribir knowledgebase como una palabra (un acercamiento del interino era escribir el término con un guión). Las bases de conocimiento se categorizan en dos tipos importantes: Bases de conocimiento legibles por la máquina almacene el conocimiento en una forma legible por computador, generalmente con el fin automatizando razonamiento deductivo aplicado a ellos. Bases de conocimiento Human-readable se diseñan permitir que la gente recupere y que utilice el conocimiento que ella contiene, sobre todo para los propósitos del entrenamiento.
3.4.3 Mecanismo de control. [4] Modelado de sistemas: Obtención de modelos que representan realidades complejas. Control: Plantas industriales complejas. Control en línea. Sistemas de navegación con perturbaciones. Ventajas: Facilidad para la derivación de reglas. Interpretabilidad de las reglas difusas. Fueron propuestos antes y se han utilizado con más frecuencia. Inconvenientes: No garantizan la continuidad de la superficie de salida. Menor eficiencia computacional.
3.5 Ciclo de vida de un sistema de Producción. [4][8] El concepto de sistema de producción se basa en la Teoría General de Sistemas que fue desarrollada por el biólogo alemán Von Bertalanffy y que en esencia es una perspectiva integradora y holística (referida al todo).Una de las definiciones de la teoría general de sistemas dice que los sistemas son conjuntos de componentes que interaccionan unos con otros, de tal forma que cada conjunto se comporta como una unidad completa. Otra definición dice que los sistemas se identifican como conjuntos de elementos o entidades que guardan estrechas relaciones entre sí y que mantienen al sistema directo o indirectamente unido de modo más o menos estable y cuyo comportamiento global persigue, normalmente, algún tipo de objetivo. Pará describir y en general para entender un sistema, es común el uso de diagramas, los que si bien no dan una visión completa, facilitan la visualización de las interrelaciones, como se indica en la figura siguiente.
Figura 4. Diagrama para visualizar las interrelaciones.
Figura 5. Etapas de un ciclo de vida de un sistema de Producción. Etapas.
Análisis del problema Especificación requerida Diseño preliminar Prototipo inicial (rápido) y evaluación Diseño final Implementación Pruebas Ajuste de diseño Instalación, Implantación y Mantenimiento
FUENTES DE INFORMACIÓN. [1] Universidad Nacional del Santa Facultad de Ingeniería. E.A.P. de Ingeniería de Sistemas e Informática. 24-Marzo-2009. SISTEMAS DE RAZONAMIENTO LÓGICO Inteligencia Artificial. Consultado el 17 de Abril del 2011.
[2] Russell, S., & Norvig, P. Inteligencia Artificial: Un Enfoque Moderno . Madrid: Prentice Hall. (2004). Consultado el 17 de Abril del 2011. [3] Scribd 2011. Reglas de Producción. . Consultado el 17 abril 2011. [4] Caekattzcorp 2011. Unidad III, Inteligencia Artificial. . Consultado el 17 abril de 2011. [5] . Consultado el 17 Abril 2011. [6]< http://www.itescam.edu.mx/principal/sylabus/fpdb/recursos/r36204.PDF>. Consultado el 17 de abril de 2011. [7] Ramiro Varela Avilas. Sistemas basados en reglas. Universidad de Ovledo. Consultado el 17 de abril de 2011. [8] Ing. Héctor Quej Cosgaya. Instituto Tecnológico Superior de Calkiní en el Estado de Campeche. . Consultado el 17 de abril de 2011.
