Sistemas basados enreglas

Sistemas Basados en Reglas

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

Utilizan
Técnicas de la Inteligencia Artificial

Función
Aportar soluciones a problemas o nuevo conocimiento

Ejemplos

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

Sistemas Basados en Reglas
¿Qué son?
Programasdiseñados para actuar como un experto humano en un dominio o área de conocimiento particular
Sistema Basado en Reglas Conocimiento Adquisición del conocimiento Campo Explicación Limitación de capacidad Reproducible Vida Adquirido Teórico Único Siempre Sí Sí, Idéntico Infinita Experto Humano Adquirido + Innato Teórico + Práctico Múltiples A veces Sí, no valuable No Finita

Sistemas Basados enReglas: Arquitectura I

Motor de Inferencia Experto Módulo de Adquisición del Conocimiento

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

Interface de Usuario

Usuario

Sistemas Basados en Reglas: Arquitectura II
Componentes fundamentales:
– Una base de hechos
– Una base de reglas de producción (a veces llamada base de conocimientos del dominio delsistema)
Ventana de Hechos Menú de Sistemas de Encadenamiento Ventana de Reglas Sistema-1 Sistema-2 ...

– Una maquina deductiva (motor de inferencias)

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 deRepresentar el conocimiento de manera natural Si antecedente ENTONCES consecuente




Antecedente: Conjunciones de atributos de un 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 pasana 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 es la 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 sistemas basados 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 del tiempo 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...