SISTEMAS EXPERTOS
INTRODUCCIÓN
Profesor: Joel Pérez González
Febrero 2010
CRITERIOS DE EVALUACIÓN
25% EXAMEN
10% PARTICIPACIÓN EN ESPACIOS GRUPALES
30% ACTIVIDADES DE APRENDIZAJE Y EJERCICIOS
35% ELABORACIÓN DE TRABAJOS INTEGRADORES:
ENSAYOS
INVESTIGACIONES
PRÁCTICAS
TÉCNICAS CONFORME A LA MATERIA DE ESTUDIO
SISTEMAS EXPERTOS

Motor de inferencia

El sistema experto modela el proceso de razonamiento
humano con un módulo conocido como el motor de
inferencia. Dicho motor de inferencia trabaja con la
información contenida en la base de conocimientos y la base
de hechos para deducir nuevos hechos. Contrasta los
hechos particulares de la base de hechos con el
conocimiento contenido en la base de conocimientos para
obtener conclusiones acerca del problema.
SISTEMAS EXPERTOS

Motor de inferencia

Es el sistema de software que relaciona las reglas almacenados
en la base de conocimientos con los acontecimientos (hechos)
almacenados en las base de hechos, y por medio de técnicas de
búsqueda heurística infiere nuevos conocimientos.

Es un Intérprete que ejecuta las reglas y obtiene la cadena de
razonamiento que soluciona el problema, está compuesto de
dos elementos: Interprete de reglas y Estrategia de control.
SISTEMAS EXPERTOS

Motor de inferencia
 Interprete
de
reglas:
Mecanismo
de
razonamiento que determina qué reglas de la
BC se pueden aplicar para resolver el
problema.
 Estrategia de control: Es la estrategia de
resolución de conflictos.
SISTEMAS EXPERTOS

Motor de inferencia

La Inferencia permite deducir nuevo conocimiento a partir de
conocimiento que se sabe que es cierto.

Usa la Base de Hechos y el Conocimiento Base para obtener
nuevas conclusiones o hechos.
SISTEMAS EXPERTOS

Motor de inferencia

Función del motor de inferencia:


Ejecutar acciones para resolver el problema (objetivo)
a partir de un conjunto inicial de hechos y
eventualmente a través de una interacción con el
usuario
La ejecución puede llevar a la deducción de nuevos
hechos.
SISTEMAS EXPERTOS

Motor de inferencia

Tipos de inferencias :

Existen diferentes reglas de inferencia (Modus
Ponens, Modus Tollens)

Existen
diferentes estrategias de inferencia
(Encadenamiento de reglas hacia delante y hacia
atrás).
SISTEMAS EXPERTOS

Motor de inferencia

Tipos de inferencias :


Encadenamiento hacia delante (Forward Chaining)
Encadenamiento hacia atrás (Backward Chaining)
SISTEMAS EXPERTOS

ENCADENAMIENTO HACIA DELANTE Y HACIA
ATRÁS
Hacia
atrás
Hacia
adelante
SISTEMAS EXPERTOS

Motor de inferencia

Estrategias de búsqueda:

Encadenamiento
hacia
delante
(Forward
Chaining) Deductivo: Se van ejecutando las reglas
que la situación especificada en la base de hechos
permite. Cada regla ejecutada modifica la base de
hechos lo que hace que otras reglas puedan ser
ejecutadas. Se continua el proceso hasta que no
pueden
ejecutarse
más
reglas.
(Ejemplo
configuración de PCs).
SISTEMAS EXPERTOS

Motor de inferencia

Estrategias de búsqueda:

Encadenamiento
hacia
Chaining) Deductivo:




delante
(Forward
Obtiene nuevos hechos a partir de la evaluación de
reglas.
Comienza insertando unos hechos iniciales en la BH.
Se exploran las reglas de la BC y se añaden nuevos
hechos a la BH. Termina cuando no se cumple ninguna
regla.
El objetivo es deducir todo el conocimiento posible.
SISTEMAS EXPERTOS

Motor de inferencia

Estrategias de búsqueda:

Encadenamiento hacia atrás (Backward Chaining)
Inductivo : Se parte de un conjunto de hipótesis que
son contrastadas con las conclusiones de ciertas
reglas; para poder ejecutar una de estas reglas, se
sustituye el objetivo inicial por un conjunto de sub
objetivos indicados por las premisas de la regla
indicada, el proceso continúa hasta que se puede
ejecutar la regla. (Ejemplo diagnóstico de accidentes
en plantas nucleares)
SISTEMAS EXPERTOS

Motor de inferencia

Estrategias de búsqueda:

Encadenamiento hacia atrás (Backward Chaining)
Inductivo :




Deducir el conocimiento necesario para demostrar un
hecho.
Comienza fijando un hecho o meta a demostrar.
Se busca la regla que contiene dicho hecho como
consecuente y se demuestran los hechos del
antecedente de la regla.
El objetivo es demostrar una meta.
SISTEMAS EXPERTOS

Motor de inferencia

Tipos de sistemas expertos (según naturaleza del
problema):

Deterministas: el estado actual depende del estado anterior y las
acciones sobre el entorno. Son los Sistemas Expertos basados
en reglas, que usan un mecanismo de razonamiento lógico para
sacar sus conclusiones.

Estocásticos: sistemas en los que existe incertidumbre, por lo
que necesita ser tratada. Son los Sistemas Expertos
Probabilísticos y la estrategia de razonamiento usada es el
razonamiento probabilístico.
SISTEMAS EXPERTOS

Motor de inferencia

¿Qué es exactamente la incertidumbre?

Se define como la falta de certidumbre o certeza,
siendo certeza el conocimiento seguro y claro de
algo.
SISTEMAS EXPERTOS

Motor de inferencia

¿En qué situaciones se da incertidumbre?

Cuando los hechos o datos pueden no ser conocidos con
exactitud (por ej, un paciente puede no estar seguro de
haber tenido fiebre la noche pasada) => subjetividad,
imprecisión, errores, datos ausentes...

Cuando el conocimiento no es determinista. Por ej, las
relaciones entre enfermedades y síntomas; un mismo
conjunto de síntomas puede estar asociado a varias
enfermedades.
SISTEMAS EXPERTOS
SISTEMAS EXPERTOS

Motor de inferencia

En los primeros Sistemas Expertos, se usaba la
probabilidad para tratar la incertidumbre, pero al
encontrarse algunos problemas por el uso incorrecto de
algunas hipótesis, se desechó.

Con la aparición de redes probabilísticas (Redes
Bayesianas y Cadenas de Markov, principalmente) el uso
de la probabilidad para el tratamiento de la incertidumbre
ha vuelto a ser aceptado y hoy en día es la forma más
usada.
SISTEMAS EXPERTOS

Motor de inferencia

Sistemas Expertos basados en reglas


Una regla es una afirmación lógica que relaciona
información conocida con otra que puede ser inferida
o se sabe que es cierta.
Una regla se compone de la premisa y el
consecuente.


Premisa: condiciones para que la regla se ejecute.
Consecuente: conclusiones deducidas.

Ejemplo de regla:
IF TarjetaNoValida
THEN PagoNoAutorizado
ELSE PagoAutorizado
SISTEMAS EXPERTOS

Motor de inferencia

Incertidumbre: Surge porque se tiene un
conocimiento
incompleto / incorrecto del mundo o por limitaciones en la forma
de representar dicho conocimiento. Existen varias causas para
ello, que tienen que ver con la información, el conocimiento y la
representación.

Causas de incertidumbre:

Información incompleta

Fuentes poco confiables

Detalles y hechos importantes cambian

Hechos imprecisos, vagos o difusos
SISTEMAS EXPERTOS

Motor de inferencia

Causas de Incertidumbre:

Existen varias causas de incertidumbre que tienen que ver
con la información, el conocimiento y la representación.
SISTEMAS EXPERTOS

Motor de inferencia

Causas de Incertidumbre:

Información:



Incompleta.
Poco confiable.
Ruido, distorsión.
SISTEMAS EXPERTOS

Motor de inferencia

Causas de Incertidumbre:

Conocimiento:


Impreciso.
Contradictorio.
SISTEMAS EXPERTOS

Motor de inferencia

Causas de Incertidumbre:

Representación:


No adecuada.
Falta de poder descriptivo.
SISTEMAS EXPERTOS

Teorema de bayes:

Es el resultado que da la distribución de probabilidad
condicional de un evento aleatorio A dado B en
términos de la distribución de probabilidad
condicional del evento B dado A y la distribución de
probabilidad marginal de sólo A
SISTEMAS EXPERTOS
Teorema de bayes:


Sea {B1, B2, ..., B3} un conjunto de eventos que forman una
partición en un estado muestra S, donde P(Bi) <> 0, para i =
1,2,..., n. Sea A cualquier evento de S tal que P(A) <> 0.
Entonces, para K = 1,2, ... , n, se tiene:
p B k A  
P Bk  A 
n
 P B
i 1
i
 A

P  B k P  A B k 
n
 P  B P  A B 
i
i 1
i
SISTEMAS EXPERTOS

Teorema de bayes:

Probabilidad de tener un evento Bi dado que el
evento A ha ocurrido.
SISTEMAS EXPERTOS

Teorema de bayes:

Ejemplo. Si se conoce que el dos porciento de una población
tiene tuberculosis, podemos definir:
 Dado el hecho: P(T) = 0.02
 Variables definidas

P(X | T) = probabilidad de que los rayos X de una
persona con tuberculosis sean positivos.

P(X | no-T) = probabilidad de que los rayos X de una
persona saludable sean positivos.

P(T | X) = probabilidad de que una persona con rayos X
positivos tenga tuberculosis.
 Dada la información
P(X | T) = 0.99 y
P(X | no-T) = 0.01
SISTEMAS EXPERTOS
Teorema de bayes:


Calcular P(T | X)
P T X  

P T  P  X | T
P T  P  X T   P  no

 T P  X
( 0 . 02 ) 0 . 99 
0 . 02 0 . 99   0 . 98 0 . 01 
no  T
 0 . 668

SISTEMAS EXPERTOS

Teorema de bayes:

En la práctica, se utiliza para conocer la probabilidad
a posteriori de cierta variable de interés dado un
conjunto de hallazgos (ya no es condicional).
SISTEMAS EXPERTOS

Lógica difusa:

Descansa en la idea que en un instante dado, no es
posible precisar el valor de una variable X, sino tan solo
conocer el grado de pertenencia a cada uno de los
conjuntos en que se ha participado el rango de variación
de la variable. Trabaja con conjunto de datos que no tienen
límites perfectamente definidos, es decir la pertenencia ó
no de una variable a un conjunto no es precisa.
Lógica difusa

Se utiliza para representar conceptos vagos o difusos.

Conjuntos difusos



En la teoría estándar un objeto pertenece o no a un
conjunto.
La lógica tradicional se basa en el hecho de que P(a) es
verdadero o falso.
Un conjunto difuso permite valores diferentes de 0 ó 1.
Lógica difusa

Las funciones características de los conjuntos difusos no
deben confundirse con probabilidades.

Una probabilidad es la medida del grado de incertidumbre
o creencia basada en la frecuencia o proporción de
ocurrencia de un evento.

Una función característica difusa está relacionada con la
vaguedad y es la medida de factibilidad de un evento.
Lógica difusa
SISTEMAS EXPERTOS

Shell:

Un Shell (interprete) de SE es un grupo de paquetes
y herramientas de software utilizados para diseñar,
desarrollar, poner en operación y mantener SE con
una programación mínima. Existen tanto para
computadoras personales como para sistemas de
macrocomputadoras. Algunos son baratos. El usuario
introduce los datos o parámetros apropiados y el SE
proporciona el resultado para el problema o situación.
SISTEMAS EXPERTOS
Shell:


Funciones del Shell





Recopilador de Información: Para introducir nuevas
reglas.
Almacenamiento de Información : para la Base de
Datos.
Motor de Inferencia: Para el Método de Resolución.
Gestión de Resultados: Para Entrega y Explicación.
Interfaces: Para Experto-Sistema y Usuario-Sistema.
SISTEMAS EXPERTOS

Shell:

Algunos Shells de Sistemas Expertos:



Exsys de MultilLogic,
Inc. Level 5, de Rule Machines Corporación y
XpertRule, de Attar Software..
SISTEMAS EXPERTOS
Shell:


Ventajas de los shells para SE:




Fáciles de desarrollar y modificar.
El uso de la satisfacción.
El uso de la heurística.
Desarrollo por los ingenieros y usuarios del
conocimiento.
SISTEMAS EXPERTOS

Concepto de SE:

Un Sistema Experto está conformado por:





base de conocimientos (BC).
base de hechos (memoria de trabajo).
motor de inferencia: intentando modelar el proceso de razonamiento humano.
módulos de justificación: muestra el razonamiento seguido para llegar a una
conclusión determinada.
interfaz de usuario.
SISTEMAS EXPERTOS

Concepto de SE:

Base de conocimientos (BC):

Es la parte del sistema experto que contiene el conocimiento sobre
el dominio. hay que obtener el conocimiento del experto y codificarlo
en la base de conocimientos. Una forma clásica de representar el
conocimiento en un sistema experto son lar reglas. Una regla es una
estructura condicional que relaciona lógicamente la información
contenida en la parte del antecedente con otra información contenida
en la parte del consecuente.
SISTEMAS EXPERTOS

Concepto de SE:

Base de Datos o Base de Hechos:

Contiene los hechos sobre un problema que se han descubierto
durante una consulta. Durante una consulta con el sistema experto,
el usuario introduce la información del problema actual en la base de
hechos. El sistema empareja esta información con el conocimiento
disponible en la base de conocimientos para deducir nuevos hechos.
SISTEMAS EXPERTOS

Concepto de SE:

Motor de inferencia:

El sistema experto modela el proceso de razonamiento humano con
un módulo conocido como el motor de inferencia. Dicho motor de
inferencia trabaja con la información contenida en la base de
conocimientos y la base de hechos para deducir nuevos hechos.
Contrasta los hechos particulares de la base de hechos con el
conocimiento contenido en la base de conocimientos para obtener
conclusiones acerca del problema.
SISTEMAS EXPERTOS

Concepto de SE:

Módulo de justificación:

Una característica de los sistemas expertos es su habilidad para
explicar su razonamiento. Usando el módulo del subsistema de
explicación, un sistema experto puede proporcionar una explicación
al usuario de por qué está haciendo una pregunta y cómo ha llegado
a una conclusión. Este módulo proporciona beneficios tanto al
diseñador del sistema como al usuario. El diseñador puede usarlo
para detectar errores y el usuario se beneficia de la transparencia del
sistema.
SISTEMAS EXPERTOS

Concepto de SE:

Interfaz de usuario:

La interacción entre un sistema experto y un usuario se realiza en
lenguaje natural. También es altamente interactiva y sigue el patrón
de la conversación entre seres humanos. Para conducir este proceso
de manera aceptable para el usuario es especialmente importante el
diseño del interfaz de usuario. Un requerimiento básico del interfaz
es la habilidad de hacer preguntas. Para obtener información fiable
del usuario hay que poner especial cuidado en el diseño de las
cuestiones. Esto puede requerir diseñar el interfaz usando menús o
gráficos.
SISTEMAS EXPERTOS

Representación del conocimiento:

Tecnologías de representación del conocimiento (TRCs):





Reglas
Marcos
Lógica
Redes semánticas
Ontologías
SISTEMAS EXPERTOS














http://es.wikipedia.org/wiki/Heur%C3%ADstica
http://es.wikipedia.org/wiki/Heur%C3%ADstica_(inform%C3%A1tica)
http://web.usal.es/~mlperez/programacion_archivos/trabajos_2006_2007/tema2_AL_Alvarez_et_al.pdf
http://www.monografias.com/trabajos16/sistemas-expertos/sistemas-expertos.shtml#ARQUIT
http://www.gsi.dit.upm.es/~gfer/ssii/rcsi/marcos.html
http://www.gsi.dit.upm.es/~gfer/ssii/rcsi/
http://ccc.inaoep.mx/~emorales/Cursos/RdeC/principal.html
http://translate.google.es/translate?hl=es&langpair=en%7Ces&u=http://lalab.gmu.edu/cs785/02-Knowledge%2520EngineeringClassical%2520methods.ppt
http://translate.google.es/translate?hl=es&langpair=en%7Ces&u=http://www.j-paine.org/students/lectures/lect3/node10.html
http://translate.googleusercontent.com/translate_c?hl=es&langpair=en%7Ces&u=http://www.encyclopedia.com/doc/1O11inferenceengine.html&rurl=translate.google.es&usg=ALkJrhjU-5lfxbtNmQbR0AK4pFW19PEJrw
http://es.wikipedia.org/wiki/Teorema_de_Bayes
http://www.monografias.com/trabajos26/sistemas-expertos/sistemas-expertos.shtml#herram
http://www.cnnexpansion.com/manufactura/tendencias/sistemas-expertos-dones-virtuales
http://html.rincondelvago.com/inteligencia-artificial_5.html
Descargar

Document