2° ACTIVIDAD DE UNIDAD 2 IA

ACTIVIDADES

1.- Buscar información sobre la sintaxis y semántica de un sistema de producción.

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, acciones o hipótesis.

Es una representación formal de una relación, una información semántica o una acción condicional. Una regla de producción tiene, generalmente, la siguiente forma: SI Premisa ENTONCES Consecuencia.

SINTAXIS DE LAS REGLAS DE PRODUCCION

SI-ENTONCES (IF-THEN), es decir tiene 2 partes:

La parte si (IF), es  las antecedentes premisas, condición o situación.

La parte ENTONCES (THEN), es el consecuente, conclusión, acción, o respuesta.

Sistema basado en reglas SPR

Un sistema de producción proporciona una estructura  que facilite descripción y la ejecución de un proceso    de búsqueda.

Un sistema de producción consiste de:

·         Un conjunto de facilidades para la definición de reglas.

·         Mecanismo para acceder a una o más  bases de conocimientos y datos.

·         Un mecanismo que se encarga de ir aplicando reglas.

2.- Discutir en grupo el conocimiento causal y de diagnóstico (elaborar diapositivas).

CONOCIMIENTO CASUAL

Relación que vincula dos ideas a través de una conexión supuestamente necesaria.

Es uno de los tres principios de asociación.

La causalidad no tiene carácter necesario cuando se aplica a las cuestiones de hecho, sino que se funda en la costumbre: la repetición (o conjunción constante) no es más que una creencia; es algo que esperamos que suceda, no algo que deba suceder necesariamente sino algo que debe ser evaluado en términos de posibilidad. En la medida en que el concepto de causalidad no puede aplicarse a hechos que todavía no han sucedido, porque no tenemos evidencia, todavía no acaecido, la falta de un concepto de causalidad nos conduce necesariamente al escepticismo.

Para que un seceso A sea la causa  de un suceso B se tiene  que  cumplir tres condiciones:

v  Que  A sucede antes que B

v  Que siempre que suceda A suceda B

v  Que A Y B estén  próximos en el espacio y en el tiempo.

Comprender el porqué de las cosas, por ejemplo el por qué un medicamento es efectivo.

El argumento causal pretende razonar la existencia de una causa para determinado efecto. Su conclusión dice:

A causa B.

v  Mi perro ha muerto porque comió un cebo envenenado.

CONOCIMIENTO DE DIAGNOSTICO

 El problema del diagnóstico ha sido, desde los comienzos de la IA, uno de los más estudiados y donde los investigadores han cosechado tanto satisfacciones como fracasos.

 El diagnostico en el campo de la medicina es sin duda, una de las áreas de la IA que supone todavía una gran desafió.

 Una de las características más frecuentes en resolución del problema del diagnóstico en dominios reales es la necesidad de trata con la dimensión temporal. Así, una vez propuesto un modelo teórico, una tendencia cada vez más habitual a la hora de desarrollar sistemas de diagnóstico temporal es necesario abordar el problema del diagnóstico temporal desde diferentes enfoques, permitiendo seleccionar cual es la aproximación más adecuada para cada problema concreto es simplificar el dominio para que el modelo inicial sea aplicable.

3.- Diseñar la solución a un problema propuesto utilizando la metodología de sistemas, basados en conocimiento.

Reglas_ Operadores en búsquedas en espacio de estados
Inferencia similar al MODUS PONENS (con restricciones)

 Sintaxis relajada
Se permiten acciones en los consecuentes
Mecanismo de control determina que inferencias se pueden realizar

TIPOS de SISTEMAS

En función de sintaxis de reglas y de mecanismos de control (_búsqueda)

SISTEMA ENCADENAMIENTO HACIA ADELANTE (dirigidos por los datos)
 Regla ACTIVADA si antecedentes emparejan con algunos hechos del sistema
 En IF ALL, todos. En IF ANY, al menos uno.
 Se parte de los hechos ya confirmados en el sistema
 Se razona hacia adelante buscando antecedentes que emparejen
 SISTEMA ENCADENAMIENTO HACIA ATRÁS (dirigido por los objetivos)
 Regla ACTIVADA si consecuentes emparejan con algunos hechos del sistema
 Se comienza con una hipótesis
 Se razona hacia atrás buscando consecuentes que emparejen

MOTOR DE INFERENCIAS elige que reglas ACTIVADAS ejecutar (resolución de conflictos)

Consecuentes y antecedentes pueden verse como subtemas a verificar a partir de los hechos o hipótesis, respectivamente.

Se ha logrado mucho en el área de los sistemas expertos y las redes neuronales, y se han creado con éxito muchas aplicaciones. No obstante, falta mucho por hacer. Actualmente el costo de los sistemas basados en le conocimiento hace que estén fuera del alcance de la mayor parte de las compañías. También, la capacidad de los sistemas para imitar la inteligencia humana es en general demasiado limitada para considerarse algo más que primitiva. En síntesis, la tarea de aplicar la AI sea un reto para resolver problemas de negocios ha resultado ser un hueso duro de roer, probablemente mas duro que lo que esperaban los primeros visionarios. Sin embargo, el hecho de que la AI sea un reto formidable es una razón de más para que los ingenieros del conocimiento actuales sigan luchando por alcanzar niveles más altos de desempeño.

4.- Defina a groso modo el razonamiento de tipo  monótono y no monótono y describa ejemplos que ilustren la implementación de dicho tipo de razonamiento.

RAZONAMIENTO MONÓTONO

El razonamiento monótono, es el que utiliza contradicciones para procesar. Elimina un hecho (factor de conocimiento) obteniendo la contradicción hasta que llega a una conclusión final.

DEFINICIÓN: Un razonamiento se llama monótono cuando a lo largo del proceso el conjunto de «cosas sabidas» es siempre creciente. Pero en la realidad suele ocurrir que, a medida que avanza el proceso de inferencias, nuevas evidencias o acciones   sistema anulan premisas o conclusiones anteriores, y para formalizar esto se necesita una lógica no monótona.

Un proceso frecuente es el razonamiento por defecto: suponer que algo es verdadero (o falso) mientras no haya evidencia de lo contrario.

El sistema que razona debe tener en cuenta que la aparición de esa evidencia puede tener un efecto retroactivo sobre las conclusiones obtenidas anteriormente, para lo que debe incluir un sistema de mantenimiento de la verdad.

EJEMPLO:

“Cuando se ve a una persona tirando basura en la calle y pensamos en lo mal que se ve, la criticamos, pero cuando realizamos el mismo acto sin pensar, caemos en una contradicción y concluimos que somos igual a la persona que estaba tirando basura en la calle”.

A veces se escriben las premisas pensando más en el proceso que en su semántica declarativa. Es necesario asegurarse de que el proceso será exactamente el que estamos pensando.

Ejemplo:

Un ejemplo es la regla 5, que puede parecer contradictoria («si no está endosado, entonces está endosado»). Desde el punto de vista declarativo, veremos en que es lógicamente equivalente a decir «siempre está endosado». Pero naturalmente no estamos pensando así al enunciar la regla: suponemos que en el proceso puede darse la situación de que el cheque, aunque completo, no  esté endosado; la regla dice que en tal caso se pedirá la firma (se supone que esta acción da siempre un resultado positivo) y el cheque pasará a estar endosado.

Ahora bien, declarativamente (lógicamente), la regla es equivalente a la conjunción de estas dos:(5a) Si talón_cumplimentado y NO talón_endosado entonces pedir firma (5b) Si talón_cumplimentado entonces talón_endosadoY es evidente que el resultado es incorrecto si se aplica (5b) antes que (5a).

El razonamiento monótono es parte de la lógica clásica y abarca temas de la misma los cuales son: Lógica Proposicional, Deducción Lógica y Lógica de Primer Orden.

CONOCIMIENTO NO- MONOTONO Y OTRAS LOGICAS

 La lógica clásica tiene un carácter monótono. Es decir, dado un conjunto de sentencias S1 del que se puede inferir C, al añadir otro conjunto de sentencias S2, se tiene que seguir infiriendo C a partir de S1 Unión S2. Esto es un inconveniente en gran cantidad de problemas que se presentan en inteligencia artificial y que tienen carácter no monótono.

Definición: Razonamiento de sentido común, el cual establece conclusiones a partir de información parcial, que muchas veces se revisan o se desechan cuando se obtiene nueva información o evidencia del dominio.

El razonamiento no monótono es muy apropiado cuando se da alguna de las siguientes situaciones:

El conocimiento que se posee es incompleto.

El universo de discurso es cambiante.

Las suposiciones que se formulan son temporales.

Ejemplo:

 Se nos dice que alguien tiene un pájaro, pensamos que vuela, si luego nos dicen que es un pingüino, ya no pensamos que vuela.

Las lógicas clásicas parten del carácter no excluyente de los nuevos axiomas añadidos a los ya existentes. Por el contrario, las lógicas no monótonas tienen en cuenta la necesidad de detectar posibles inconsistencias con los nuevos axiomas. El rango definitorio es que se tienen en cuenta lo que no se conoce, o lo que es lo mismo asume los límites de su propio conocimiento.

 Formalismos  Lógica no-monótona: Poder representar leyes como “Si x es un ser humano, entonces x puede andar, a menos que haya algo que lo contradiga”. Para ello se amplía la lógica de primer orden introduciendo el operador modal M (es modal ya que indica una modalidad de verdad). Es necesario establecer un mecanismo de mantenimiento de coherencia –generalmente traducido como mantenimiento de verdad - que permita eliminar el supuesto en cuanto se presente un hecho que lo invalide.

Los enfoques presentados sobre el razonamiento no monótono se pueden tildar de permisivos en el sentido de que posibilitan la obtención de suposiciones cuando no existen evidencias que las contradigan. Es decir, El razonamiento monótono, utiliza contradicciones para procesar. Elimina un hecho (factor de conocimiento) obteniendo la contradicción hasta que llega a una conclusión final.

También puede realizarse un enfoque restrictivo del problema donde sólo se considera válido lo que se ha comprobado como cierto. Un ejemplo de este tipo es la consideración de la circunscripción de un predicado.

5.- Elabora un mapa sobre el razonamiento monótono

7.- Elabora una red semántica de aves y mamíferos coloca sus respectivos atributos y valores.

Las redes semánticas son grafos orientados que proporcionan una representación declarativa de objetos, propiedades y relaciones.

Una Red Semántica es un conjunto de Nodos y Arcos.


Un Nodo: Es identificado por un objeto

Atributos o características: que identifican a un objeto.