3 RC1 Sistemas De Produccion

Sistemas de produción

Introducción

Sistemas de Producción

Las representación mediante formalismos lógicos puede verse de forma
procedimental
Describimos cuales son los pasos para resolver un problema como una
cadena de deducciones
La representación se basa en dos elementos:
Hechos: Proposiciones o Predicados
Reglas: Formulas condicionales donde el consecuente habitualmente
está formado por unpredicado atomico o una acción

Analogía con búsqueda en espacio de estados
Hechos = Estado del problema
Reglas = Operadores de búsqueda

c b e a (LSI-FIB-UPC)

Inteligencia Artificial

Curso 2009/2010

1 / 13

Sistemas de produción

Introducción

Sistemas de Producción

Un problema quedará definido por:
Base de Hechos: Predicados que describen el problema concreto
Base de conocimiento (o dereglas): Reglas que describen los
mecanismos de razonamiento que permiten resolver problemas
Motor de inferencia: Ejecuta el formalismo y obtiene la cadena de
razonamiento que soluciona el problema

c b e a (LSI-FIB-UPC)

Inteligencia Artificial

Curso 2009/2010

2 / 13

Sistemas de produción

El motor de inferencias

Motor de inferencias
Funciones
Deducir nuevos hechos, ejecutar acciones pararesolver el problema
(objetivo) a partir de un conjunto inicial de hechos y eventualmente a
través de una interacción con el usuario

Componentes
Intérprete de reglas + estrategia de control

Fases
Detección (filtro): REGLAS PERTINENTES
Obtención del conjunto de instanciaciones de reglas. Formación del
conjunto de conflictos

Selección: ¿QUÉ REGLA?
Resolución de conflictos: selección de la instanciacióna aplicar

Aplicación:
Aplicación de la regla

c b e a (LSI-FIB-UPC)

Inteligencia Artificial

Curso 2009/2010

3 / 13

Sistemas de produción

El motor de inferencias

Detección

Construcción del conjunto de instanciaciones de reglas (Conjunto de
conflicto)
El intérprete de reglas realiza los cálculos e instanciaciones necesarias
que son posibles en cada estado de resolución del problema(matching)
Una regla puede instanciarse más de una vez, caso de existir variables
(p.ej. CP1)

c b e a (LSI-FIB-UPC)

Inteligencia Artificial

Curso 2009/2010

4 / 13

Sistemas de produción

El motor de inferencias

Selección
Selección de la mejor instanciación
Las reglas instanciadas son seleccionadas para aplicarse dependiendo
de la estrategia de control (Estrategia de resolución de conflictos)estrategia fija
estrategia dinámica prefijada
estrategia guiada por meta-reglas

Criterios aplicables:
1a regla por orden en la Base de Conocimientos
la regla más/ menos utilizada
la regla más específica/la más general
la regla que tenga el grado de certeza más alto
la instanciación que satisfaga los hechos:
más prioritarios,
más antiguos (instanciación más antigua),
más nuevos (instanciación másreciente), ...

Posible combinación de criterios
c b e a (LSI-FIB-UPC)

Inteligencia Artificial

Curso 2009/2010

5 / 13

Sistemas de produción

El motor de inferencias

Aplicación

Ejecución de la regla ⇒
Modificación de la base de hechos
Nuevos cálculos, nuevas acciones, preguntas al usuario
Nuevos subobjetivos

Propagación de las instanciaciones (en CP1)
Propagación del grado de certeza.
El procesode deducción acaba cuando:
se encuentra la conclusión (el objetivo) buscado ⇒ éxito
no queda ninguna regla aplicable ⇒ éxito? / fracaso?

c b e a (LSI-FIB-UPC)

Inteligencia Artificial

Curso 2009/2010

6 / 13

Sistemas de produción

Razonamiento

Tipos de razonamiento

Deductivos, progresivos, forward chaining (FC), encadenamiento
dirigido por hechos
evidencias, síntomas, datos ⇒ conclusiones,hipótesis

Inductivos, regresivos, backward chaining (BC), encadenamiento
dirigido por objetivos
conclusiones, hipótesis ⇒ datos, evidencias, síntomas

Mixtos, encadenamiento híbrido

c b e a (LSI-FIB-UPC)

Inteligencia Artificial

Curso 2009/2010

7 / 13

Sistemas de produción

Razonamiento

Encadenamiento dirigido por hechos
Basado en modus ponens: A, A → B B
La base de hechos (BH) se...