Download - Sistemas Expertos - 2
Sistemas Expertos
FACULTAD DE INGENIERIA DE SISTEMAS, CÓMPUTO Y TELECOMUNICACIONES
© Ing. Carmen Rosa Peña Enciso
SISTEMAS EXPERTOS: definición
Es un programa de
computación Inteligente
que usa el conocimiento y
los procedimiento de
inferencia para resolver
problemas que son
suficientemente difíciles
como para requerir
significada experiencia
humana para su solución.
© Ing. Carmen Rosa Peña Enciso
Edward Feigenbaum (1982)
http://ksl-web.stanford.edu/people/eaf/
Los sistemas expertos son
una rama de la IA que hace
un amplio uso del
conocimiento especializado
para resolver problemas
como un especialista
humano (persona que tiene
experiencia desarrollada en
cierta área).
© Ing. Carmen Rosa Peña Enciso
SISTEMAS EXPERTOS: definición
Giarratano –Riley (2001)
http://prtl.uhcl.edu/portal/page/portal/SCE/COM
PUTING_MATHMATICS_DIV/CS/cs_person/CS
_Faculty
• Es un conjunto de programas informáticos que aplica el proceso del razonamiento humano al conocimiento de un experto, para la solución de problemas sobre áreas de aplicación compleja y específica; y actúa como un consultor experto para los usuarios finales.
• Son sistemas basados en reglas de producción u otros procesos de razonamiento.
• Un sistema experto es un sistema de información basado en el conocimiento, que utiliza su conocimiento sobre un área de aplicación compleja y específica para actuar como un consultor experto para los usuarios finales.
© Ing. Carmen Rosa Peña Enciso
SISTEMAS EXPERTOS: definición
• Los sistemas expertos proporcionan respuestas a preguntas en un área problema muy específica mediante la realización de inferencias similares a las humanas sobre el conocimiento contenido en una base de conocimiento especializada.
• Éstos deben ser capaces de explicar a un usuario su proceso de razonamiento y sus conclusiones.
• Por tanto, los sistemas expertos pueden proporcionar apoyo a las decisiones de los usuarios finales, en la forma de asesoría de un consultor experto en un área problema específico
© Ing. Carmen Rosa Peña Enciso
SISTEMAS EXPERTOS: definición
1. El procesamiento del conocimiento es indiferente al
conocimiento.
2. Simula la labor de un experto humano, y no de un
operador.
3. Alto desempeño. El sistema debe tener la capacidad de
responder a un nivel de competencia igual o superior al
de un especialista en el campo. Esto significa que la
calidad del consejo dado por el sistema debe ser muy alta.
4. Comprensible. El sistema debe ser capaz de explicar los
pasos de su razonamiento. Este rasgo es importante, 1ro
porque proporciona una revisión del razonamiento; 2do
permite asegurar en la fase de desarrollo de que el
sistema ha adquirido el conocimiento y lo está usando de
manera correcta.
© Ing. Carmen Rosa Peña Enciso
SISTEMAS EXPERTOS: características
5. Flexibilidad. Debido a la gran cantidad de conocimiento
que puede albergar un SE es importante contar con un
mecanismo eficiente para añadir, modificar y eliminar el
conocimiento.
6. Tiempo de respuesta adecuado. El sistema debe actuar en
un tiempo razonable, comparable o mejor al tiempo
requerido por un especialista para alcanzar una decisión.
7. Confiabilidad. El sistema experto debe ser confiable y no
propenso a fallos.
© Ing. Carmen Rosa Peña Enciso
SISTEMAS EXPERTOS: características
• .
© Ing. Carmen Rosa Peña Enciso
SISTEMAS EXPERTOS: usos
Cuando usar Cuando no usar
• El problema puede ser
resuelto usando
conocimiento y/o
experiencia
• El conocimiento debe ser
claro, preciso y bien
definido.
• El conocimiento debe ser
colocado en forma explícita
(conocimiento tácito).
• El conocimiento debe
proporcionar soluciones
satisfactoria.
• Problemas de optimización.
• Cantidad de conocimiento
inconmensurable
• Problemas basados en
búsqueda (juegos
inteligentes)
• Problemas basados en
conocimiento no explícito.
• .
© Ing. Carmen Rosa Peña Enciso
SISTEMAS EXPERTOS: aplicaciones
Industria Servicios
• Identificación de
materiales
• Sistemas de detección de
fallas
• Sistemas de clasificación
• Monitoreo y
administración de la
producción
• Control de sistemas
críticos
• Diagnóstico de
enfermedades
• Segmentación
• Tutor inteligente
• Software Educativo
• Auditoria
• Control estratégico
• Alineamiento de
presupuestos
1. Coste reducido. El coste de poner la experiencia a disposición
del usuario se reduce de manera considerable. A mayor uso
menor costo.
2. Peligro reducido. Los sistemas expertos pueden usarse en
ambientes que podrían ser peligrosos para un ser humano.
3. Experiencia Permanente. La experiencia es permanente y no
depende de causas externas.
4. Experiencia múltiple. El conocimiento de varios especialistas
puede estar disponible de manera simultánea.
5. Mayor confiabilidad. Al proporcionar una segunda opinión los
sistemas expertos incrementan la confianza en que un
especialista ha tomado la decisión correcta.
6. El conocimiento que tiene es fácil de actualizar.
7. Es capaz de utilizar grandes cantidades de conocimiento.
8. Son fáciles de duplicar.
© Ing. Carmen Rosa Peña Enciso
SISTEMAS EXPERTOS: ventajas
9. Son consistentes.
10. Son documentables.
11. Explicación. El sistema experto puede explicar de forma clara y
detalladamente el razonamiento que conduce a una conclusión
aumentando la confianza.
12. Respuesta rápida. Respuesta en tiempo real.
13. Respuestas sólidas, completas y sin emociones. El sistema
experto siempre funciona a plena capacidad sin tener presión ni
fatiga.
14. Inteligente. El sistema experto puede actuar como un tutor
inteligente, dejando que el estudiante ejecute programas de
ejemplo y explicando el razonamiento del sistema.
15. Base de datos inteligente. Los sistemas expertos pueden usarse
para tener acceso a una base de datos en forma inteligente.
© Ing. Carmen Rosa Peña Enciso
SISTEMAS EXPERTOS: ventajas
1. No tiene capacidad de aprender.
2. No tiene capacidad de generalizar conocimiento.
3. No tiene capacidad de hacer analogías.
© Ing. Carmen Rosa Peña Enciso
SISTEMAS EXPERTOS: desventajas
Un sistema basado en el conocimiento o sistema experto permite
incorporar el conocimiento de un experto humano en una determinada
área. Suele constar de:
• Una base de conocimiento en forma de reglas, hechos, etc.
• Un motor de inferencia que, basándose en dichas reglas, puede responder a consultas de usuario, utilizando capacidades deductivas.
Los principales lenguajes utilizados en este tipo de sistemas son Prolog y Lisp, pero se puede emplear también una “schell” para desarrollar sistemas expertos
Los entornos de programación para este tipo de lenguajes suelen ser bastante completos y constan de:
• Soporte automático para el desarrollo del motor de inferencia.
• Utilidad para la captura de conocimiento con facilidades para la verificación de consistencia.
• Soporte automático para la construcción de la interfaz de usuario.
.
© Ing. Carmen Rosa Peña Enciso
SISTEMAS EXPERTOS
Base del
Conocimiento Dominio
del
problema
Máquina de
Inferencia
Máquina de
desarrollo
Experto e
Ingeniero del
Conocimiento
Interfaz
con el
usuario
Usuario
Sistema
Experto
Instrucciones e Información
Soluciones y Explicaciones
Conocimientos
© Ing. Carmen Rosa Peña Enciso
MODELO DE SISTEMAS EXPERTOS
© Ing. Carmen Rosa Peña Enciso
SISTEMAS EXPERTOS: arquitectura
© Ing. Carmen Rosa Peña Enciso
SISTEMAS EXPERTOS: componentes
© Ing. Carmen Rosa Peña Enciso
SISTEMAS EXPERTOS: funcionamiento
© Ing. Carmen Rosa Peña Enciso
BASE DE CONOCIMIENTOS
© Ing. Carmen Rosa Peña Enciso
BASE DE CONOCIMIENTOS
© Ing. Carmen Rosa Peña Enciso
BASE DE CONOCIMIENTOS
Contiene tanto hechos que describen el área problema y técnicas de representación de conocimientos que describen cómo los hechos embonan de forma lógica. Consta de:
• Hechos sobre un área temática específica.
Ejemplo: John es un analista
• Heurística (reglas empíricas). Expresan los procedimientos de razonamiento de un experto sobre el tema. Ejemplo:
SI John es un analista, ENTONCES él necesita una estación de trabajo.
Existen métodos de representación del conocimiento basados en reglas, estructuras, objetos y casos.
© Ing. Carmen Rosa Peña Enciso
BASE DE HECHOS
© Ing. Carmen Rosa Peña Enciso
BASE DE HECHOS
© Ing. Carmen Rosa Peña Enciso
MOTOR DE INFERENCIA
© Ing. Carmen Rosa Peña Enciso
MOTOR DE INFERENCIA
© Ing. Carmen Rosa Peña Enciso
MÓDULO DE ADQUISICIÓN DE CONOCIMIENTO
© Ing. Carmen Rosa Peña Enciso
MÓDULO DE ADQUISICIÓN DE CONOCIMIENTO
© Ing. Carmen Rosa Peña Enciso
MÓDULO DE EXPLICACIÓN
© Ing. Carmen Rosa Peña Enciso
INTERFASE DE USUARIO
© Ing. Carmen Rosa Peña Enciso
INTERFASE DE USUARIO
Razonamiento basado en casos. Representa el conocimiento en la base de
conocimiento de un sistema experto, en la forma de casos, es decir, ejemplos
de desempeño, hechos y experiencias pasadas.
Conocimiento basado en estructuras. Conocimiento que se representa en la
forma de una jerarquía o red de estructuras. Una estructura es un conjunto
de conocimientos sobre una entidad, que se compone de un paquete
complejo de valores de datos que describen sus atributos.
Conocimiento basado en objetos. Conocimiento que se representa como
una red de objetos. Un objeto es un elemento de datos que incluye tanto
datos como los métodos o procesos que actúan sobre dichos datos.
Conocimiento basado en reglas. Conocimiento que se representa en forma
de reglas y declaraciones de hechos. Las reglas son declaraciones que
generalmente adoptan la forma de una premisa y una conclusión como: Si
(condición), Entonces (conclusión).
© Ing. Carmen Rosa Peña Enciso
MÉTODOS DE REPRESENTACIÓN DEL CONOCIMIENTO
© Ing. Carmen Rosa Peña Enciso
Una regla específica qué debe hacerse
en una situación dada y consta de dos
partes:
Una condición que podría cumplirse o
no y una acción que debe efectuarse si la
condición se cumple.
IF INDICE.ECONOMICO > 1.20 AND INDICE.TEMPORADA > 1.30
THEN PERSPECTIVAS.VENTAS = “EXCELENTE”
Todas las reglas contenidas en un sistema experto forman el
conjunto de reglas, que puede variar desde una docena de
reglas para un SE sencillo, hasta 500, 1000 o 10,000 reglas en
el caso de un sistema complejo.
TECNICA DE REPRESENTACION DEL CONOCIMIENTO:
REGLAS
Las reglas de un conjunto de reglas no están vinculadas
físicamente, pero sus relaciones lógicas se pueden ilustrar con
un diagrama jerárquico.
Conclusión
Evidencias
Evidencias
Evidencias Evidencias Evidencias
Conclusión Conclusión
Evidencias Evidencias Evidencias
© Ing. Carmen Rosa Peña Enciso
TECNICA DE REPRESENTACION DEL CONOCIMIENTO:
REDES DE REGLAS
Las reglas que están en la base de la jerarquía proporcionan evidencias a
las reglas de los niveles superiores.
Las evidencias permiten a las reglas de los niveles superiores producir
conclusiones.
El nivel más alto podría consistir en una sola conclusión, lo que indica que
el problema sólo tiene una sola solución.
Se usa el término variable meta para describir la solución, que podría ser
un valor calculado, un objeto identificado, una acción a realizar o alguna otra
recomendación.
Si un SE asesora a la gerencia de alto nivel sobre la
conveniencia de ingresar en una nueva área del mercado, se
asignaría un valor de YES o NO a la única variables de meta
DECISION.MERCADO
También puede ser que el nivel más alto de la jerarquía incluya varias
conclusiones, lo que indica la posibilidad de que haya más de una solución.
© Ing. Carmen Rosa Peña Enciso
TECNICA DE REPRESENTACION DEL CONOCIMIENTO:
REDES DE REGLAS
El problema principal inherente en el uso de reglas para representar
los conocimientos es la dificultad para seleccionar de manera eficiente
esas reglas de la base del conocimiento.
En muchos casos, sólo se necesita un subconjunto total de reglas
para resolver el problema.
En el SE diagramado se pueden identificar siete animales que se
listan en la parte superior basándose en las quince reglas que están
abajo.
Las reglas se representan con círculos, los rectángulos que están
debajo de los círculos son las condiciones, y las flechas que apuntan
hacia arriba desde los círculos representan las acciones o
conclusiones.
El SE puede identificar un animal como una ave usando sólo la
regla R3 (tiene plumas) o R4 (vuela y pone huevos).
La tarea consiste en acondicionar el SE de manera que sólo
considere el conjunto apropiado de reglas.
© Ing. Carmen Rosa Peña Enciso
EL PROBLEMA DE LA SELECCIÓN DE REGLAS
Conjunto de reglas que puede producir más de una conclusión final
Tigre Pingüino Cebra Jirafa Avestruz Guepardo Albatros
Y Y Y Y Y Y Y
Color
pardo
Manchas
negras
Patas
largas
Franjas
negras
Cuello
largo
No
vuela
Negro y
blanco Nada
Vuela
bien
O
Ungulado
O
Ave
O
Carnívoro
O
Mamífero
Y Y Y Plumas
Pone
huevos Vuela Rumia Pezuñas
Come
carne
Da
leche Pelo
Y
Dientes
puntiagudos Garras
Ojos hacia
adelante
R1 R
2
R5 R6
R7 R8 R3 R4
R9 R10 R11 R12 R13 R14 R15
Reglas Condiciones Acción
(conclusiones)
Leyenda:
© Ing. Carmen Rosa Peña Enciso
Se pueden usar varias
técnicas, pero la más directa
es que el usuario introduzca
parámetros que reduzcan el
número de opciones.
Si el usuario especifica que
el animal es un ave, sólo serán
necesarias las reglas 13, 14 y
15 para identificar el tipo
específico de ave.
© Ing. Carmen Rosa Peña Enciso
EL PROBLEMA DE LA SELECCIÓN DE REGLAS
Aplicación Red de Inferencias
Sistema Experto que recoge datos de
sensores para alertar y evacuar frente
a posibles desbordamientos del Ebro
© Ing. Carmen Rosa Peña Enciso
Los vecinos de Juslibol se han dado cuenta de que están en una zona de riesgo de
desbordamiento del Ebro. Con objeto de saber cuando debe alertarse a la población o
desalojar la ciudad se solicita la creación de un sistema experto que recoge datos de
un conjunto de sensores .
¿Qué hacemos?
Vecinos de Juslibol
Alcalde y autoridades
Profesionales,
Ingenieros y médicos
Municipalidad
¿Qué acciones y medidas
tomamos?
estación
mes
Materiales,
maquinaria
pesada, carros y
unidades de
auxilio
clima
¿Alerta de desbordamiento
u orden de evacuación?
¿Consultaré qué hacer con
profesionales e ingenieros?
POBLACION CLIMA
MES
MATERIALES Y
RECURSOS
POBLACION
EVACUADA
INFORMES
DESASTRES
© Ing. Carmen Rosa Peña Enciso
Parámetros requeridos Valores de los parámetros
mes cualquier mes del año
precipitaciones aguas arriba ninguna, moderada, fuerte
previsión tiempo soleado, nubloso, tormentoso
altura río medida en metros
estación seca, húmeda
lluvia local ninguna, ligera, intensa
cambio río ninguno, bajo, alto
nivel río bajo, normal, alto
alerta desbordamiento si, no
orden evacuación si, no
© Ing. Carmen Rosa Peña Enciso
Regla 1:
SI
mes = mayo ... octubre
ENTONCES
estación = húmeda
Regla 2:
SI
mes = noviembre ... abril
ENTONCES
estación = seca
Regla 3:
SI
precipitaciones = ninguna Y estación = seca
ENTONCES
cambio = bajo
Regla 4:
SI
precipitaciones = ninguna Y estación = húmeda
ENTONCES
cambio = ninguno
Con las siguientes reglas construya la red de inferencias:
© Ing. Carmen Rosa Peña Enciso
Regla 5:
SI
precipitaciones = moderada
ENTONCES
cambio = ninguno
Regla 6:
SI
precipitaciones = alta
ENTONCES
cambio = alto
Regla 7:
SI
nivel = bajo
ENTONCES
alerta = no, evacuación = no
Regla 8:
SI
cambio = ninguno | bajo Y nivel = normal | bajo
ENTONCES
alerta = no, evacuación = no
© Ing. Carmen Rosa Peña Enciso
Regla 9:
SI
cambio= alto Y nivel= normal Y lluvia = intensa
ENTONCES
alerta = si (FC 0.4), evacuación = no
Regla 10:
SI
cambio=alto Y nivel= normal Y lluvia = ligera
ENTONCES
alerta = no, evacuación = no
Regla 11:
SI
cambio= alto Y nivel= alto Y lluvia = ninguna|ligera
ENTONCES
alerta = si (FC 0.5), evacuación = si (FC 0.2)
Regla 12:
SI
cambio= alto Y nivel= alto Y lluvia = intensa
ENTONCES
alerta = si, evacuación = si (FC 0.8)
© Ing. Carmen Rosa Peña Enciso
Regla 13:
SI
altura < 1
ENTONCES
nivel = bajo
Regla 14:
SI
altura >= 1 and <=2
ENTONCES
nivel = normal
Regla 15:
SI
altura >2
ENTONCES
nivel = alto
Regla 16:
SI
previsión = soleado
ENTONCES
lluvia = ninguna
© Ing. Carmen Rosa Peña Enciso
Regla 17:
SI
previsión = nublado
ENTONCES
lluvia = ligera
Regla 18:
SI
previsión = tormentoso
ENTONCES
lluvia = intensa
© Ing. Carmen Rosa Peña Enciso
alerta evacuación
lluvia cambio nivel
estación
previsión precipitaciones mes
R16
R3 R18
R6
R5
R4
R17 R1 R2 R13
R14 R15
R11
R12
R10 R9 R8
R7
altura
RED DE INFERENCIAS
© Ing. Carmen Rosa Peña Enciso
La representación interna de reglas y hechos
Número de Regla R1
parámetros-precondición mes
parámetros-postcondición estación
premisas mes = mayo ........ octubre
conclusiones estación = seca
Parámetro Cambio
asignado-por (R3 R4 R5 R6)
premisa-de (R8 R9 R10 R11 R12)
Valores: -
Se requieren dos listas que identifiquen parámetros entrada y
conclusión
parámetros-entrada (mes precipitaciones previsión altura)
parámetros-conclusión (alerta evacuación)
Implementación de la red de inferencia
© Ing. Carmen Rosa Peña Enciso
1. Asignar valores a todos los parámetros de entrada.
2. Formar una cola Q con las reglas que tienen en sus premisas los
parámetros de entrada Q: ( R1 R2 R3 R4 R5 R6 R13 R14 R15 R16
R17 R18 )
3. REPETIR Hasta que Q este vacio
a. Examinar primera regla de Q
b. Si la regla no se satisface sacarla de Q y volver a paso a)
c. Si la regla esta satisfecha
4. Mostrar los parámetros de salida
5. Si la aplicación es de monitorización de los parámetros en
tiempo real volver al paso 1)
Implementación de la red de inferencia
© Ing. Carmen Rosa Peña Enciso
Otros ejemplos
© Ing. Carmen Rosa Peña Enciso
© Ing. Carmen Rosa Peña Enciso
© Ing. Carmen Rosa Peña Enciso