Inteligencia artificial

(1)

Inteligencia artificial

(2)

tificial

Sistemas de producción/razonamiento

R

_n

: SI condición ENTONCES acción

condición = {afirmaciones simples-identidad objeto}

acción = {conclusión identificación del objeto}

(3)

Inteligencia Artificial

Pares de condición-acción

SI condición (o premisa o antecedente) ocurre;

ENTONCES acción (resultado, conclusión o consecuente) deberá (o debería) ocurrir.

Pueden ser vistas como una simulación del

comportamiento cognitivo de especialistas humanos.

Cada regla representa un “pedazo” de conocimiento independiente.

Representan el conocimiento de forma modular.

(4)

tificial

Sistemas de razonamiento

Utilizan:

Lenguaje de representación de conocimiento (KRL)

Lenguaje lógico

¾ Lógica proposicional

¾ Lógica de 1er orden

¾ Lógica temporal

Lenguaje objetos

¾ Frames (marcos)

¾ Redes semánticas

¾ Scripts (guiones) - De clases - De actores

Reglas de producción

(5)

Deducción: a partir de hechos de conocimiento representados adecuadamente, se utilizan reglas de inferencia válidas para generar nuevos hechos.

Ej.: SI hay fuego, habrá humo.

Abducción: inverso de deducción.

Ej.: SI hay humo, hay fuego.

Tipos de inferencia

(6)

tificial

Inducción: Se parte de los hechos en reglas generales.

Ej.: SI Isabel no canta bien, y también Sheila no canta bien, ENTONCES ninguna alumna canta bien.

Analógico: Resolución basada en experiencias pasadas.

Ej.: Demostración automática de teoremas.

(7)

Probadores de teoremas

9 Utilizan resolución para probar sentencias en lógica de 1er orden.

Usados para tareas matemáticas y de razonamiento científico.

Ejemplos: SAM, AURA, OTTER.

Lenguajes de programación lógica

Restringen a la lógica, no permiten el tratamiento completo de la negación, disyunción y/o igualdad.

Generalmente usan encadenamiento regresivo.

Pueden poseer algunas características no lógicas de los lenguajes de programación.

Ejemplos: Prolog, MRS, Life.

(8)

tificial

Sistemas de redes semánticas

9 Consisten en nodos conectados por arcos, donde los nodos representan usualmente objetos del mundo y los arcos una relación binaria entre ellos.

9 Ejemplos: SNEPS, NETL, Conceptual Graphs.

Sistemas frames

9 Consisten en una jerarquía de frames (marcos) conectados por atributos, donde los frames representan objetos del mundo y los atributos muestran usualmente la relación entre ellos.

Ejemplos: OWL, FRAIL, KODIAK.

(9)

Sistemas de lógica descriptiva

9 Expresan y razonan con definiciones complejas de objetos y clases y, relaciones entre ellas, utilizando redes semánticas como principio de organización.

9 Ejemplos: KL-ONE, CLASSIC, LOOM.

Sistemas de producción

Son representaciones de patrones de sistemas que usan implicaciones.

Las acciones son consecuencias de las implicaciones.

Las acciones pueden ser insertadas y removidas de las bases de conocimiento.

Utilizan encadenamiento progresivo.

Usualmente poseen mecanismos de resolución de conflictos.

Ejemplos: OPS-5, CLIPS, SOLAR.

(10)

tificial

Arquitectura: sistema de razonamiento

Agente

sensores

efectores

a m b i e n t e

Base de conocimiento Máquina de inferencia Mecanismo de aprendizaje

(11)

Operaciones básicas en los sistemas de razonamiento

Adicionar un hecho nuevo a la base de conocimiento.

Adicionar nuevas reglas (Un hecho nuevo, genera nuevas conclusiones).

Decidir si una base de conocimiento atiende a una consulta realizada.

Decidir si una consulta está explícitamente almacenada en la base de conocimiento.

Remover hechos y reglas de la base de conocimiento.

(12)

tificial

Mantenimiento: base de conocimiento

Técnicas para mantener una base de conocimiento con recuperación eficiente:

Unificación

Recuperación

Indexación

Basada en tablas

Basada en árboles

(13)

Encadenamiento progresivo y regresivo

A través del encadenamiento, poder adicionar un nuevo hecho p a una base de conocimiento.

A través de inferencia, encontrar respuestas para las cuestiones hechas a la base de conocimiento.

Usar denominación.

Ex.:

Practica (x, Natación) y Practica (y, Natación) - son denominaciones

Practica (x, x) e Practica (x,y) - no son denominaciones Usar composición de sustituciones.

(14)

tificial

Modos de razonamiento

Encadenamiento progresivo (Forward Chaining):

Se parte de sentencias (reglas de inferencia) de la base de conocimiento para producir conclusiones (afirmaciones);

También se llama procedimiento dirigido a datos (Data Driven), pues el proceso de inferencia no es direccionado para resolver un problema particular.

Encadenamiento regresivo (Backward Chaining):

Se parte de una hipótesis a probar, procurando reglas en la base de conocimiento retroactivamente para analizar las asertivas que soportan la hipótesis en cuestión;

SI la premisa (antecedente) es una conjunción, sus términos son procesados uno a uno para que sea obtenido o sea unificador.

(15)

Conocimiento

• hechos

• reglas de producción

• Redes semánticas

• Frames

• estrategias de resolución de problemas

• estrategias de recuperación ...

Conocimiento del problema

* aserciones relevantes

• reglas relevantes ...

Metaconocimiento

• como activar un

conocimiento relevante Base de conocimiento

Datos simbólicos

• hipótesis actuales

• objetivos actuales

• estado actual del problema

...

Agenda

• conjunto de posibles reglas a ser aplicadas

Memoria de trabajo

Mecanismo de

Inferencia

Arquitectura

(16)

tificial

Componentes

Memoria de trabajo de un sistema consiste en una colección de asertivas verdaderas.

Base de reglas es el conjunto de sentencias (reglas de inferencia) que determinan las acciones que deben tomarse de acuerdo con las percepciones.

Motor de inferencia es la parte del sistema que determina el método de razonamiento, utiliza estrategias de búsqueda y resuelve conflictos.

Sistemas de producción

(17)

Funcionamiento de los sistemas de producción

Tres fases: casamiento, resolución de conflictos y ejecución.

Casamiento

El sistema, en cada ciclo computa un subconjunto de reglas cuya izquierda es satisfecha por los contenidos actuales de la memoria de trabajo.

La forma más simple de realizar unificación y eficiencia, entonces como solución tenemos el algoritmo Rete (rede).

Ventajas del algoritmo Rete:

elimina duplicación entre reglas;

elimina duplicación a lo largo del tiempo.

(18)

tificial

Resolución de conflictos

El sistema decide cuáles reglas deben ser activadas.

En esta fase podemos utilizar algunas estrategias de control:

No duplicación: no ejecutar la misma regla ni los mismos argumentos dos veces.

Regencia: preferir reglas que se refieren a elementos de la memoria de trabajo creados recientemente.

Especificidad: preferir reglas que son mas específicas.

Prioridad de operación: preferir acciones con prioridad mayor, especificada por alguna categoría.

Ejecución de acciones

Funcionamiento de los sistemas de producción

(19)

Un sistema deductivo que identifica animales:

ZOOKEEPER

Características de ZOOKEEPER:

Utiliza reglas con antecedentes;

Genera asertivas intermedias a partir de las reglas;

Combina estas asertivas con las originales para producir una conclusión;

Observa hábitos y características físicas para identificar los animales;

(20)

tificial

Reglas:

Q R₁: SI x es carnívoro, x es color leonado, x tiene manchas oscuras

Q ENTONCES x es una ONZA

Q R₂: SI x da leche

Q ENTONCES x es mamífero

Q R₃: SI x tiene plumas

Q ENTONCES x es ave

Q R₄: SI x vuela, x pone huevos

Q ENTONCES x es ave

(21)

Q R₅: SI x es ave, x no vuela,

Q x tiene cuello largo

Q ENTONCES x es AVESTRUZ

Q R₆: SI x es mamífero, x tiene garras, x tiene dientes agudos.

Q ENTONCES x es carnívoro.

Q R₇: SI x es mamífero, x tiene pezuñas

Q ENTONCES x es ungulado.

Q R₈: SI x es mamífero, x rumia.

Q ENTONCES x es ungulado.

(22)

tificial

Q R₉: SI x tiene pelo

Q ENTONCES x es mamífero

Q R₁₀: SI x es carnívoro, x es color leonado, x tiene franjas negras

Q ENTONCES x es TIGRE

Q R₁₁: SI x es ungulado, x tiene patas largas, x tiene cuello largo, x es color leonado, x tiene manchas oscuras

Q ENTONCES x es JIRAFA

(23)

tificial

Encadenamiento progresivo en ZOOKEEPER

Para identificar un animal con ZOOKEEPER:

Hasta que las reglas no produzcan nuevas asertivas;

Hasta que el animal sea identificado.

Para cada regla

Concordar cada uno de los antecedentes de las reglas con los hechos conocidos.

SI todos los antecedentes de reglas están confrontados,

Q

R

₁₁

conduce a que z es una jirafa,

(29)

El flujo de información se da a través de una serie de reglas antecedente-consecuente, a partir de las asertivas para las conclusiones.

R9 Tiene

pelo

Rumia R8

R11 es un mamífero

es un ungulado

es una jirafa Tiene piernas largas

Tiene cuello largo Tiene color leonado Tiene manchas oscuras

(30)

tificial

Algoritmo

Q Enc_adelante()

Q HQ ninguna regla produzca una afirmación o el objeto sea identificado

– Seleccionar regla

– Comprobar cada antecedente contra hechos conocidos

– Si corroborados los antecedentes de la regla, instancie el valor de la variable en el consecuente (nuevo hecho)

Q FHQ

Q FinEnc_adelante.

(32)

– Para cada regla cuyo consecuente coincida con la hipótesis

Q confronte antecedentes con hechos,

Q SI se cumple V: continúe

Q F: considere el antecedente como hipótesis

– SI todos los antecedentes se corroboraron con hechos

– V: anuncie ÉXITO (hipótesis es verdadera)

– F: anuncie FALLO Q FHQ

Q Fin_alg_enc_atrás.

(35)

¿Cuál encadenamiento emplear?

Encadenamiento regresivo

Conjunto antecedentes lleve a muchas conclusiones.

Si hechos conducen a conclusiones, pero número de reglas es reducido muchos consecuentes.

Si no tiene hechos, y le interesa saber si una conclusión es verdadera.

(36)

tificial

Q Una hipótesis conduce a muchas preguntas

Q Si número de reglas es grande, número de conclusiones es reducido;

Q Si tiene los hechos y desea saber que puede concluir.

Encadenamiento progresivo

(37)

Ventajas y desventajas de los sistemas de producción

Ventajas

Las reglas son de fácil comprensión.

Inferencia y explicaciones son fácilmente derivadas.

El mantenimiento es relativamente simple, debido a la modularidad.

La “Incertidumbre” es fácilmente combinada en las reglas.

Cada regla es (normalmente) independiente de las otras.

Desventajas

Conocimiento complejo requiere muchas (millares de) reglas.

El exceso de reglas crea problemas para utilizar y mantener el sistema.

No es robusto y no aprende.

La adquisición del conocimiento es difícil.

(38)

tificial

Sistemas de inferencia dirigidos a patrones

Programas

IA Convencional

PDIS Otros Orientados a Objetos

Imperativos Funcionales

SBR

PS TS

SBN

Sistemas Lógicos

Sistemas Gramaticales

Donde:

PDIS - Sistemas de inferencia dirigidos a patrones

SBR - Sistemas basados en reglas SBN - Sistemas basados en redes PS - Sistemas de producción

TS - Sistemas de transformación

(39)

Preguntas

¿Se razona de manera natural con reglas?

¿Las reglas son fáciles de construir?

Sistemas de producción versus Programación lógica.

(40)

tificial

S istemas de R ^eacción B ^{asados en} R ^eglas

Q

La parte del SI

– especifican condiciones que deben satisfacerse.

Q

La parte ENTONCES

– especifica una acción o una operación que debe realizarse (conclusiones).

(42)

tificial

BAGGER (pasos)

1. Verificación de la orden: Analiza los productos, detecta cuáles productos lleva y sugiere al cliente productos que faltan.

2. Empaque de productos grandes: Empaca los productos grandes. Botellas primero.

3. Empaque de productos medianos: Empaca

productos de tamaño mediano, productos congelados en empaque especial.

4. Empaque de productos pequeños: Empaca los productos de tamaño pequeño.

(43)

P roducto T ipo de

em paque

T am año C ongelado

G alletas envase cartón M ediano no

Y ogurt vaso plástico pequeño no

Papas fritas bolsa plástico mediano no

H elado envase cartón mediano si

Pollo bolsa plástico mediano si

G aseosa botella grande no

B ocadillo caja madera grande no

Artículos

(44)

tificial

BAGGER requiere saber

Q Cuál es el paso que esta efectuando.

Q Cuál bolsa es la que se está llenando.

Q Qué productos se han empacado.

Paso = verificar orden Bolsa actual = 1

artículos bolsa actual = 0 artículos por empacar = 7

Galletas Yogurt Papas fritas Helado Pollo Gaseosa Bocadillo

(45)

Q ELIMINE Paso = verificar orden

Q ADICIONE Paso = empacar productos grandes

Q B₃: SI Paso = empacar productos grandes

Q Empacar producto grande

Q Producto grande es botella

Q Bolsa con menos de 6 productos

Q ELIMINE Empacar producto grande

Q ADICIONE Producto grande en bolsa actual

(47)

Q B₄: SI Paso = empacar productos grandes

Q Empacar producto grande

Q Bolsa con menos de 6 productos

Q ELIMINE Empacar producto grande

Q ADICIONE Producto grande en bolsa actual

(48)

tificial

B₅: SI Paso = empacar productos grandes Empacar producto grande

Bolsa vacía disponible ELIMINE Bolsa actual

ADICIONE Bolsa vacía es bolsa actual B₆: SI Paso = empacar productos grandes

ELIMINE Paso = empacar productos grandes

ADICIONE Paso = empacar productos medianos

(49)

Paso = empacar productos medianos

Bolsa actual = 1

artículos bolsa actual = 2 artículos por empacar = 5 Galletas

Yogurt

Papas fritas Helado

Pollo

(50)

B₇: SI Paso = empacar productos medianos Empacar producto mediano

Producto congelado, no empaque especial

ELIMINE Producto congelado no empaque especial ADICIONE Producto congelado empaque especial.

B₈: SI Paso = empacar productos medianos Empacar producto mediano

Bolsa actual vacía y sin productos grandes Bolsa con menos de 12 productos

ELIMINE Empacar producto mediano

ADICIONE Producto mediano en bolsa actual

(51)

B₉: SI Paso = empacar productos medianos Empacar producto mediano

Bolsa vacía disponible

ELIMINE Bolsa actual

ADICIONE Bolsa vacía es bolsa actual

B₁₀: SI Paso = empacar productos medianos

ELIMINE Paso = empacar productos medianos ADICIONE Paso = empacar productos pequeños

(52)

tificial

Paso = empacar productos pequeños Bolsa actual = 2

artículos bolsa actual = 4 artículos por empacar = 1 Yogurt

(53)

B₁₁: SI Paso = empacar productos pequeños Empacar producto pequeño

Bolsa actual sin productos grandes Bolsa actual sin productos medianos Bolsa con menos de 18 productos

ELIMINE Empacar producto pequeño

ADICIONE Producto pequeño en bolsa actual

(54)

tificial

B₁₂: SI Paso = empacar productos pequeños Empacar producto pequeño

Bolsa vacía disponible ELIMINE Bolsa actual

ADICIONE Bolsa vacía es bolsa actual

B₁₃: SI Paso = empacar productos pequeños

ELIMINE Paso = empacar productos pequeños ADICIONE Empaque finalizado

Terminar

(55)

Paso = empaque finalizado Bolsa actual = 3

artículos bolsa actual = 1 artículos por empacar = 0

(56)

tificial

Sistemas Basados en Casos

(57)

Sistemas Basados en Casos

El ingeniero observa el mensaje de error que

existe en pantalla, apaga el computador,

busca en su maletín algo. Un diskette. Lo

coloca en la unidad. Prende el computador,

contesta rápidamente a un conjunto de

mensajes y luego dice, listo.

(58)

El ingeniero nuevo observa el mensaje de error que existe en pantalla, busca en su maletín un libro, pasa cerca de 15 minutos leyendo algunos apartes, pasado ese tiempo, apaga el computador.

Busca un diskette en el maletín, comparando la referencia o titulo del diskette con el que esta en el libro.

Al fin coloca uno en la unidad, prende el computador, contesta cada uno de los mensajes en pantalla después de leerlos adecuadamente y observando el libro; al fin dice, listo.

(59)

Q En ambos casos la acción tomada fue la misma, sin embargo, los procedimientos usados para llegar a la conclusión fue diferente.

Q El primer ingeniero, se baso en su experiencia.

Q El segundo se remitió a una documentación que contenía solución de problemas, es decir, contenía modelos o casos de solución de problemas.

(60)

tificial

Un SRBC

Utiliza una biblioteca, en lugar de un conjunto de principios iniciales.

Debe saber responder a:

Los casos en la memoria y su organización.

Método a utilizar para recobrar los casos.

Cómo adaptar casos almacenados a los nuevos complejos mecanismos para la creación de índices.

Capacidad de recordar experiencias pasadas.

Tomar el mejor caso y adaptarlo a la situación.

(61)

Sistemas Basados en Modelos

Dependen del conocimiento de la estructura, del comportamiento del equipo,

se razona usando los primeros principios Los modelos: matemáticos o estructurales, especialmente frames y reglas

Las reglas pueden ser:

reglas de simulación o reglas de inferencia.

(62)

tificial

Existen otros tipos de sistemas como

...

(63)

Jackson Peter. Introduction to Expert Systems. 2a ed., Addison-Wesley Publishing Company, 1990.

Russel Stuart; Norvig Peter. Artificial Intelligence. A Modern Approach. Prentice-Hall Inc., 2004.

Winston Patrick Henry. Artificial Intelligence. Addison- Wesley Publishing Company, 1998.

(64)

tificial