Sistemas Expertos Aspectos Técnicos.ppt

7/22/2019 Sistemas Expertos Aspectos Tcnicos.ppt

1/29

Sistemas Expertos

*** Aspectos Tcnicos ***


2/29


3/29

Introduccin

Cmo se almacena el conoc im ien to de un exper to en una

especial idad determ inada?

Cmo es el proceso de in ferenc ia en un s is tema experto?

Tiene so luc in la exp los in comb inac ional de pos ib les

caminos a tomar?

Cmo es la relac in en tre el conoc im ien to y el

razonamiento?


4/29

Los sistemas expertosincorporan en la base de conocimiento

del sistema el conocimiento de un experto e intentan simular el

razonamiento humano por medio de un conjunto de programasde computacin.

Un sistema experto se compone de:

Base de hechos

Base de conocimientosMotor de inferencia

Mdulos de comunicacin o de entrada-salida que se

subdivide en:

Mdu lo de con su l ta o del usuar io

Mdu lo de trabajo o del experto


5/29

O sea que podemos esquematizarun sistema experto de la

siguiente manera:

BASE DE

HECHOS

MOTOR DE

INFERENCIA

BASE DE

CONOCIMIENTO

EXPERTO USUARIO


6/29

Base de Hechos

Contiene la informacin que permanece invariable y que

recibe el nombre de hecho.

Podemos decir que constituye la memoria de trabajo del

sistema experto.

Los hechos representan la estructura dinmica del

conocimiento ya que su nmero puede verse incrementado

a medida que se van relacionando las reglas.


7/29

Base de Conocimiento

Contiene el conocimiento del dominio. Este conocimiento

debe representarse a fin de que pueda incluirse en el

sistema.

Se lo representa lo ms sencillamente posible y se lo hacede un modo relacional entre los mismos, mediante las

reglas. O sea la base de conocimientos contiene reglas.

Las mismas toman la forma de:

IF < premisa > THEN < conclusin >

Las reglas componen la base de conocimiento y las

mismas pueden relacionarse dando lugar a nuevos hechos.


8/29

Motor de Inferencia

Es el corazn del sistema experto.

Concretiza el conocimiento abstracto que posee el sistema,

para obtener las conclusiones y tomar las decisiones

correspondientes.

Es el intrprete de las reglas y por lo tanto nos da la

estrategia general de resolucin.


9/29

Comparacin entre un SE y un

Programa Tradicional

Un programa tradicional puede esquematizarse de la

siguiente manera:

Mientras que un sistema experto estara definido de la

siguiente forma:

Datos Algoritmo Control EntradasSalidas

ProgramaTradicional+ + + =

Base de

Hechos

Base de

Conoci-

mientos

Motor de

Inferencia

Entradas

Salidas

Sistema

Experto+ + + =


10/29

Del esquema se desprende que la base de hechoses en un

sistema experto, lo que los datosson en un programa

tradicional.

De la misma manera la base de conocimientosreemplaza al

algoritmo.

El motor de inferenciaes el programa.


11/29

Proceso Lgico de Carga de la BC

Para esquematizar el proceso lgico de carga, recurriremos

a la cascada de rdenes. As tenemos:

En esta fase se determinan las reglasy se incorporan a labase de conocimientos.

BC: Base de Conocimiento


12/29


13/29

Proceso Lgico de Carga de la BH

En esta fase se detectan los hechosy se incorporan a la

base de hechos.

Si no existe al menos una regla que contenga ese hechodebemos determinarla ya que de no ser as, ese hecho

estara de ms en la base de hechos.

BH: Base de Hechos


14/29


15/29

El Proceso de Inferencia

Durante la inferenciapuedo verificar o deducir hechos. En la

verificacinde un hecho el proceso est dirigido por los

objetivosmientras que en la deduccinest dirigido por los

datos.

Por medio de cascadas de rdenes, veremos ambos casos.


16/29

Verificacin de un Hecho

En este proceso, una vez tomado un hecho, se produce el

encadenamientohacia atrs. Es decir, se parte de la

premisa para llegar a los datos.


17/29


18/29

Deduccin de un Hecho

En este proceso, primero se requieren los datos para analizar la

premisa. O sea, partimos del:

IF < condicin >

para tomar luego la decisinde continuar o no con l:

THEN < conclusin >

La conclusinde una regla puede constituirse en condicin

de la premisanecesaria para otra regla y seguir as

sucesivamente. Hasta llegar al resultado final de la inferencia.


19/29


20/29

La Explosin Combinacional y el

uso de Metarreglas

Entrando en la tctica de la resolucin, uno de los problemas de

los sistemas expertos, es encontrarse con una gran cantidad

de reglas que estn en condiciones de ser utilizadas y que

obliga al mismo a idas y venidas por las mismas para

encontrar un camino lgico. Este conjunto de reglas que en

un mismo momento son candidatas a ser aplicadas recibe el

nombre de conjunto de conflicto.

Se necesita, al igual que en las decisiones humanas, tenerhiptesis ms relevantes que vayan reduciendo ese conjunto, o

sea un conocimiento de mayor nivel. Estamos en presencia

de metaconocimientos, que reciben el nombre de

metarreglas.


21/29

Qu son entonces las metarreglas?

Las metarreglas son aquellas reglas de mayor nivel que

varan la estrategia de resolucin segn sea el problema o

segn sean los resultados que se van obteniendo. Por lo

tanto, simplifican el camino inductivo-deductivo, orientando al

motor de inferencia sobre el conocimiento que debe ser

seleccionado y consecuentemente aplicado en cada momento.

El uso de metarreglas, que comenz con la llamada segunda

generacin de sistemas expertos, necesita un motor de

inferenciaque las interprete. A su vez, el conocimientodebe

estar agrupado por clases, que posibiliten el accionar de lasmetarreglas. Por lo tanto, en un sistema experto que utilice

metarreglas, el conocimiento deber estar estructurado como:

De control(metarreglas)

De dominio(reglas)


22/29

El Razonamiento Aproximado

Dado un problema, el razonamientoa efectuarse depende del

conocimiento con que contamos.

Si es parcial, el razonamiento ser por defecto.

Si es conf l ic t ivo, el razonamiento ser no monotnico.

Si el conocimiento es inciertoo el lenguaje en que se

representa es imprec iso, estamos en presencia de un

razonamiento aproximado.

Vemos entonces que un conocimiento puede ser impreciso sin

ser incierto o ser incierto sin ser impreciso. Veremos ambos

casos.


23/29

Cundo un conocimiento es incierto?

Un conocimiento es inciertocuando est expresado conpredicados precisos, pero donde no puede establecerse el

valor de verdad.

Ejemplos de lo anterior estn constituidos por predicados del

tipo:

Creo que ...

Es posible que...


24/29

Cundo un conocimiento es impreciso?

Un conocimiento es imprecisocuando cuenta solamente conpredicados vagos, o sea que las variables no reciben un

valor preciso, sino que solamente se especifica un

subconjunto al que pertenecen.

Ejemplo de esto sera:

Carlos es alto.

Juan tiene entre 30 y 35 aos.


25/29

El uso de este tipo de conocimiento nos adentra en la lgica

difusa, dado que se recurre a la utilizacin de coeficientes.

Este, es un factorque se agrega para representar la

incertidumbre o la imprecisinque el expertoasigna a este

conocimiento.

Este factorrecibe el nombre de coeficiente de refinamientoy

por lo general se mide en una escala de 0a 1e implica unamodificacin al principio de inferencia. Por lo tanto la regla

tomara la siguiente forma:

IF < premisa > THEN < conclusin > < coeficiente >

Este coeficiente de refinamiento constituye un modificador de

la conclusin en la reglay, por lo tanto, es luego utilizado por

el motor de inferenciapara la gestin del razonamiento

aproximado.


26/29

EjemploTomamos a modo de ejemplo un sistema experto que utiliza

los distintos ratios de uso comn en el mbitoadministrativo-contable.

Los estndares aceptados por los expertos estarn

almacenados en la base de datos del sistema de informacin,para permitir al motor de inferencias efectuar un proceso de

comparacin.

Veremos el caso del coeficiente de liquidez (CL), comparndolo

con el estndar (SCL). Nuestros hechos seran:

CL, SCL, situacin, mala,

buena, muy buena.


27/29

Nuestras reglas:

IF CL < SCL THEN situacin = mala

IF CL = SCL THEN situacin = buena

IF CL > SCL THEN situacin = muy buena


28/29

Resumen


29/29

Los sistemas expertoscapturan y utilizan el conocimiento

de un experto humano para la solucin de problemas en un

rea determinada y limitada del saber.

Emplean un razonamientode tipo simblico a diferencia del

algortmico que utilizan los programas tradic ionales.

Por esta razn brindan resultados aproximadosy no

resultados exactos. Es decir, no determinan el resultado ptimosino solamente uno satisfactorio, dado que manejan

conocimientos imprecisos e inciertos.

Ese resultado brindado, debe ser justificado, indicando elcamino lgicoseguido.

Este tipo de sistemas se diferencia de los sistemas de apoyo

para las decisiones (enlace) en que est capacitado para

seleccionar una solucin al problema y no deja la decisin final

al usuario

Sistemas Expertos Aspectos Técnicos.ppt

Documents

Transcript of Sistemas Expertos Aspectos Técnicos.ppt