profesor: Luigi Ceccaroni

Presentación del tema: "profesor: Luigi Ceccaroni"— Transcripción de la presentación:

1 profesor: Luigi Ceccaroni
Inteligencia Artificial Ingeniería del conocimiento y metodologías de resolución de problemas Primavera 2009 profesor: Luigi Ceccaroni

2 Fases de la ingeniería del software: modelo en cascada

3 Fases de la ingeniería del software: modelo en espiral

4 Diferencias de los SBCs
Sistemas software convencionales: Algoritmos conocidos y de uso común Fácil estimar la naturaleza y cantidad del conocimiento SBC: Conocimiento: Incompleto Impreciso Heurístico Difícil estimar la naturaleza y cantidad del conocimiento

5 Diferencias de los SBCs
Solución: diseño incremental y prototipado rápido Objetivo: desarrollar un prototipo funcional que recoja las funcionalidades básicas del sistema El análisis y la especificación deben tener en cuenta el sistema completo. El diseño e la implementación se limitan al prototipo inicial. Este prototipo se completa incrementalmente Ventaja: se dispone de un sistema funcional durante todo el proceso.

6 Ciclo de vida de un SBC

7 Ciclo de vida de un SBC Análisis del problema: Recopilar información sobre el proyecto y determinar su viabilidad. Especiación de requerimientos: Fijar los objetivos y métodos para conseguirlos. Diseño preliminar: Decisiones a alto nivel sobre el diseño formalismo de representación del conocimiento herramientas fuentes de conocimiento

8 Ciclo de vida de un SBC Prototipo inicial y evaluación: Construir un prototipo con cobertura limitada; evaluar las decisiones de diseño a partir del prototipo. Diseño final: Validar las decisiones y proponer el diseño del sistema de manera que permita un desarrollo incremental.

9 Ciclo de vida de un SBC Implementación: Completar la adquisición del conocimiento, ampliar incrementalmente el prototipo inicial. Validación y verificación: Comprobar que el sistema cumple las especificaciones. Ajustes de diseño: Realimentar el proceso. Los cambios en el diseño deben se mínimos Mantenimiento del sistema

10 Una metodología simplificada
Para aplicaciones pequeñas se puede aplicar una metodología en cascada que integra todo el proceso de desarrollo: Identificación del problema Conceptualización Formalización Implementación Validación y prueba

11 Fases de la ingeniería del conocimiento
Inicio [Buchanan et al., 1983] Identificación Reformulación Requerimientos Conceptualización Conceptos Formalización Rediseño Estructura Implementación Refinamiento Reglas Prueba

12 Identificación Viabilidad de la construcción del sistema basado en el conocimiento (SBC) Búsqueda de les fuentes de conocimiento (expertos, libros, artículos) Determinación de los datos necesarios para resolver el problema Determinación de los objetivos (soluciones) y de los criterios que determinan la solución

13 Conceptualización Esta fase debe proporcionar la perspectiva del problema desde el punto de vista del experto: Detallar los elementos básicos para caracterizar el dominio (hechos relevantes) y su relaciones: borrador ontología Detallar y distinguir entre evidencias, hipótesis y acciones y descubrir sus relaciones. Descomponer el problema en sub-problemas Caracterizar el sistema de razonamiento

14 Formalización Esta fase transforma la perspectiva del experto en la perspectiva del ingeniero del conocimiento: Determinar los esquemas de razonamiento necesarios: clasificación, diagnosis, planificación temporal, estructuras causales Identificar el espacio de búsqueda y el tipo de búsqueda Identificar la metodología de la resolución: clasificación heurística, resolución constructiva, hipótesis y prueba jerárquica Analizar la necesidad de tratamiento de la inexactitud (incertidumbre, imprecisión) y la completitud

15 Implementación Ontología formal y completa Base de hechos
Estructura modular de la base de conocimiento Reglas de inferencia de los módulos Decisiones sobre el control de la resolución Meta-reglas

16 Validación y prueba Determinar un conjunto de casos de prueba y resolverlos mediante el sistema. Evaluar el funcionamiento del sistema (prototipo): exactitud, completitud, credibilidad (explicaciones)

17 Clasificación de los SBC según las tareas
[Hayes-Roth et al., 1983] Sistemas de interpretación Sistemas de predicción Sistemas de diagnóstico Sistemas de diseño Sistemas de planificación Sistemas de supervisión Sistemas de corrección/reparación Sistemas de control

18 Clasificación de los SBC según las tareas
[Clancey, 1985] Operaciones de análisis: interpretación de un sistema Tareas genéricas Operaciones de síntesis: construcción de un sistema

19 Metodologías de resolución de problemas
[Jackson, 1990] Clasificación heurística Resolución de problemas constructiva Formación de hipótesis y pruebas organizadas jerárquicamente

20 Clasificación heurística
Es una asociación no jerárquica entre datos y soluciones, que requiere inferencias intermedias. Tiene que existir un conjunto finito de soluciones a priori. Es aplicable en operaciones de análisis: clasificaciones, diagnosis, identificaciones, monitoreo Se usa en problemas complejos. Si el problema es simple, una asociación directa entre los datos i las soluciones es suficiente.

21 Clasificación heurística
Datos abstractos Soluciones abstractas Asociación heurística Refinamiento y adaptación de la solución Abstracción de datos Datos concretos del problema Soluciones concretas

22 Clasificación heurística
Abstracción de datos Abstraer los datos del caso concreto para obtener un caso más general Tipos de abstracción/generalización: Abstracción basada en la definición: abstraer características esenciales a partir de una clase de objetos (taxonomía) Abstracción cualitativa: abstraer sobre medidas cuantitativas para pasar a medidas cualitativas Temperatura (P) = 38 ºC Si Temperatura (x) > 37.5 ºC entonces Temperatura (x) es alta

23 Clasificación heurística
Asociación heurística (matching) Determinar las relaciones/coincidencias entre casos abstractos y soluciones abstractas Ejemplo: Si Temperatura (x) es alta entonces tiene-fiebre (x)

24 Clasificación heurística
Refinamiento/adaptación de la solución Identificar las soluciones concretas a partir de las soluciones abstractas y ciertos datos complementarios Excluir soluciones poco probables Ejemplo: Si tiene-fiebre (x) ∧ “otros datos” entonces tiene-gripe (x) P tiene-gripe

25 Clasificación heurística: ejemplos
HUÉSPED PREDISPUESTO A LA INFECCIÓN INFECCIÓN POR BACTERIAS GRAMNEGATIVAS PACIENTE INMUNODEFICIENTE Otros datos LEUCOPENIA INFECCIÓN POR Escherichia coli NIVEL DE LEUCOCITOS BAJO [MYCIN] Nº LEUCOCITOS < 2.5 M

26 Clasificación heurística: ejemplos
Concesión de créditos para fundar una nueva empresa Atributos (ejemplos) Apoyo financiero (tiene avales, es-rico...) Petición concreta Bienes (cuentas-corrientes, casas, coches, yates...) Fiabilidad-de-la-devolución (morosidad, cheques-sin-fondos...) Compromiso (créditos-anteriores...) Soluciones Denegación Aceptación Aceptación con rebaja Aceptación con interés preferente

27 Clasificación heurística: ejemplos
Reglas de abstracción (ejemplos): Bienes < 10 * petición → Bienes insuficientes Bienes ≥ 10 * petición ∧ Bienes < 20 * petición → Bienes suficientes Bienes ≥ 20 * petición → Bienes excelentes Avales ≥ 10 * petición ∨ Es-rico → Apoyo- financiero bueno Avales < 10 * petición ∧ Avales ≥ petición → Apoyo-financiero moderado

28 Clasificación heurística: ejemplos
Reglas de abstracción (ejemplos): Cheques-sin-fondos ∨ Moroso → Fiabilidad- de-la-devolución baja Empresa es churrería ∨ Empresa es tienda de roba → Viabilidad buena Empresa es hamburguesería cerca de universidad → Viabilidad buena Crédito < petición → Compromiso bajo Crédito ≥ petición ∧ Crédito < 10 * petición → Compromiso mediano

29 Clasificación heurística: ejemplos
Reglas de asociación heurística (ejemplos): Apoyo-financiero bajo ∧ Bienes insuficientes → Denegación Apoyo-financiero moderado ∧ Bienes suficientes → Aceptación con rebaja Apoyo-financiero bueno ∧ Bienes suficientes ∧ Compromiso mediano ∧ Viabilidad buena → Aceptación Apoyo-financiero bueno ∧ Bienes excelentes ∧ Compromiso alto ∧ Viabilidad muy buena → Aceptación con interés preferente

30 Clasificación heurística: ejemplos
Regles de refinamiento/adaptación de las soluciones (ejemplos): Aceptación con rebaja ∧ Petición < 500k € ∧ Bienes < 5 * Petición → Rebaja a 0.6 * Petición Aceptación con interés preferente ∧ Petición ≥ 500k € ∧ Bienes ≥ 10 * Petición → Interés preferente: 2% inferior al del mercado

31 Clasificación heurística: ejemplos

32 Resolución constructiva
No se pueden determinar a priori las soluciones, que pueden ser infinitas. Las soluciones se tienen que construir, y no seleccionar una entre varias posibles. Es aplicable en operaciones de síntesis: Planificación Diseño Diagnosis de múltiples fallos …

33 Resolución constructiva
Las soluciones son combinaciones de ciertos elementos que satisfacen unas restricciones: Planificación: Los elementos son acciones y las soluciones secuencias de acciones que consiguen un cierto objetivo. Diseño: Los elementos son componentes y las soluciones combinaciones de componentes que forman un objeto complejo. Diagnosis de múltiples fallos: Los elementos son fallos y las soluciones conjuntos de fallos que concuerdan con los síntomas.

34 Resolución constructiva
La construcción de la solución implica tener: Un modelo de la estructura del objeto complejo Un modelo del comportamiento del objeto complejo Un conjunto de restricciones sobre el objeto complejo

35 Resolución constructiva
Les restricciones pueden ser: Sobre la configuración de los componentes de la solución Restricciones físicas/espaciales: “cómo se puede coger un objeto”, “no se puede colocar un objeto en un cierto lugar”,... Restricciones temporales: qué acción se hace primero... Sobre las entradas/salidas de los procesos constructivos Pre-condiciones y post-condiciones de operadores/acciones

36 Resolución constructiva: ejemplo
Planificación de la trayectoria (óptima) de un robot para salir de una habitación con obstáculos Operadores/acciones Avanzar (m) Girar (grados) Retroceder (m) Restricciones No puede chocar con ningún obstáculo. Al final tiene que estar en la salida. Puede hacer sólo los movimientos que indiquen los operadores. R

37 Resolución constructiva: ejemplo
Configurar/colocar un conjunto de muebles/objetos en una habitación Operadores/acciones Colocar (mueble, posición) Quitar (mueble, posición) Intercambiar (mueble1, mueble2) Desplazar (mueble, posición 1, posición 2) Restricciones No se pueden tapar puertas y ventanas de la habitación Al final se tienen que haber colocado todos los muebles Delante de la pantalla de la Wii tiene que haber un espacio vacío de 10 m2. Wii Sofá

38 Sub-métodos de resolución constructiva
Proponer y aplicar Seleccionar un operador para extender soluciones parciales, partiendo desde cero Menor compromiso Seleccionar el operador de menor compromiso para extender soluciones parciales, partiendo de una solución parcial inicial o desde cero

39 Proponer y aplicar Se busca en el espacio de soluciones parciales.
Se parte de una solución inicial vacía o una solución incompleta. Cada paso va completando la solución. Siempre se elige el mejor operador. Nos mantenemos en el espacio de soluciones.

40 Proponer y aplicar Necesitamos conocimiento exhaustivo sobre:
Operadores de resolución del problema Restricciones y relaciones entre los componentes de la solución Evaluación del efecto de los operadores en la solución Evaluación de la bondad de la solución

41 Proponer y aplicar Podemos plantear la resolución de diferentes maneras: Construcción secuencial (necesita mucho conocimiento para ser eficiente) Descomposición jerárquica de tareas (mas eficiente, pero requiere obtener operadores de descomposición)

42 Proponer y aplicar Inicializar el objetivo (de la tarea a alcanzar): se crean los elementos necesarios para identificar el estado inicial. Proponer operadores: se proponen todos los operadores que pueden actuar sobre el estado actual. Eliminar operadores: se eliminan ciertos operadores de acuerdo con criterios globales. Evaluar operadores: se comparan los efectos de los operadores sobre la solución. Seleccionar un operador: se selecciona el mejor de los operadores evaluados. Aplicar el operador: se aplica el operador seleccionado. Evaluar el objetivo: si ya se ha llegado al objetivo se para, si no se vuelve al paso 2.

43 Menor compromiso En general, se explora el espacio de soluciones completas. Se modifica la solución mejorándola o corrigiéndola. La elección del operador a aplicar la define la estrategia de mínimo compromiso. Se permite pasar entre el espacio de soluciones y no soluciones

44 Menor compromiso Si es posible, comenzar con una “solución” completa (o parcial) (que satisfaga las restricciones), si no comenzar desde cero. Modificar la solución parcial aplicando el heurístico del menor compromiso: “escoger el operador que imponga menos restricciones sobre las acciones futuras”. Si la modificación anterior viola alguna restricción entonces proponer algún cambio deshaciendo alguno de los pasos anteriores, procurando que las modificaciones sean mínimas. Si se ha llegado al objetivo se para, si no se vuelve al paso 2.