Reglas de produccion

Sistemas Basados en Reglas

Sistemas Basados en Reglas: Introducción
¿Qué son?
Programas diseñados para actuar como un experto humano en un dominio o área de conocimiento particular

Utilizan

Sistema Basado en Reglas
Adquirido

Experto Humano
Adquirido + Innato Teórico + Práctico Múltiples

Adquisición del conocimiento

Técnicas de la Inteligencia Artificial Teórico
ÚnicoConocimiento

Función Campo Ejemplos Reproducible
Limitación de capacidad

Explicación Siempre A veces Aportar soluciones a problemas o nuevo conocimiento
Sí Sí, Idéntico No Finita

Sí, no valuable

GPS, DENDRAL, Mycin-Tieresias, XCOM, etc… Vida Infinita

Sistemas Basados en Reglas: Arquitectura I

Motor de Inferencia Experto Módulo de Adquisición del Conocimiento Interface de UsuarioUsuario

Base Módulo de Base de de Explicación Conocimientos Datos (Reglas) (Hechos)

Sistemas Basados en Reglas: Arquitectura II
Componentes fundamentales:
– Una base de hechos
Ventana de Hechos

– Una base de reglas de producción (a veces llamada base de conocimientos del dominio del sistema) – Una maquina deductiva (motor de inferencias)

Menú de Sistemas de Encadenamiento
Ventanade Reglas

Sistema-1 Sistema-2 ...

Estructura de un SBR
• Base de hechos
– Datos relevantes relativos al problema concreto

• Conocimiento del dominio de sistema
– Forma natural de almacenar el conocimientos

Antecedentes → Consecuente

REGLAS
Forma de Representar el conocimiento de manera natural Si antecedente ENTONCES consecuente
• • Antecedente: Conjunciones de atributos deun mismo dominio Consecuente: Atributos que pasarán a ser conocidos para el sistema
– Es condición necesaria, pero no suficiente, que se cumpla el antecedente de una regla para poder dispararla. – Disparo o Ejecución, los atributos que forman el consecuente pasan a ser conocidos por nuestro sistema. – Poseen un campo de prioridad que indica el grado de relevancia de la regla para nuestro sistema.INFERENCIA
Operación por la que se obtiene conocimiento nuevo a partir del existente.
– Deducción: Reglas de inferencia de la lógica, por ejemplo Resolución. – Inducción: Se generalizan observaciones sintetizar conocimiento de más alto nivel. – Abducción: Razonamiento por explicación posible. para

Deducción
• El nuevo conocimiento es cierto si se parte de conocimiento cierto. Esta esla fuerza de la inferencia lógica y, por tanto, de la lógica.

∀X ( p( X ) → q ( X ))⎫ ⎬ ⇒ q(a ) p(a ) ⎭

Inducción
• Es el mecanismo del Aprendizaje Automático • Presenta el problema de la “dudosa” fiabilidad del conocimiento inferido • Equipara correlación con causalidad
Llovió(Lunes) ∧ Calle_Mojada(Lunes) Llovió(Martes) ∧ Calle_Mojada(Martes) Regaron(Miércoles) ∧ Calle_Mojada(Miércoles) ↓↓ ↓ INDUCCIÓN ↓ ↓ ↓ ∀X (Llovió(X) → Calle_Mojada(X)) ∀X (Regaron(X) → Calle_Mojada(X))

Abducción
• De un conjunto de reglas y hechos observados (conocimiento) produce un conjunto de explicaciones posibles que, usando la deducción, harían coherente el conocimiento de partida.

ABDUCCIÓN Conocimiento de partida

Explicaciones posibles

Inferencia en Sistemas de Reglas
Los sistemasbasados en reglas usan el “modus ponens”

• Usando técnicas de búsqueda + comparación de patrones los sistemas basados en reglas automatizan los métodos de razonamientos (cadenas de inferencias) • No es exactamente deducción lógica:
– Acepta incertidumbre – No monotonía (un hecho derivado puede ser posteriormente retractado)

Inferencia en Sistemas de Reglas
Ejemplo: Sistema de predicción deltiempo en la próximas 12h de verano
R1: “ Si temperatura ambiente por encima de 20º Entonces hace calor” R2: “ Si humedad relativa mayor que 65% Entonces atmósfera esta húmeda” R3: “ Si hace calor y atmósfera húmeda Entonces es probable que haya tormentas”
Hechos Conocidos Temperatura ambiente por encima de 20ºC Humedad relativa del 80% Reglas Activadas R1, R2 Se Satisface R3

Observación...