Tendencias Actuales Eduardo Morales / L. Enrique Sucar Fundamentos de Inteligencia Artificial.

Presentación del tema: "Tendencias Actuales Eduardo Morales / L. Enrique Sucar Fundamentos de Inteligencia Artificial."— Transcripción de la presentación:

1 Tendencias Actuales Eduardo Morales / L. Enrique Sucar Fundamentos de Inteligencia Artificial

2 Estado Actual Artículos sobre representación y razonamiento en AAAI 2000 e IJCAI 2001: – Análisis de Complejidad – Teoría de decisiones – Lógica (SAT, lógicas descriptivas) – Razonamiento no-monotónico, revisión de creencias – Ontologías – Razonamiento sobre tiempo y acciones – Razonamiento espacial – Razonamiento bajo incertidumbre – Razonamiento cualitativo – Causalidad

3 Tendencias Ontologías – para búsqueda de información ( semantic web ) – para comunicar agentes – para interfaces inteligentes – trabajo en análisis, construcción e integración de ontologías Administración de conocimiento y reutilización de “conocimiento” ( knowledge management )

4 Tendencias (2) Representaciones alternativas – Lógicas descriptivas – Cálculo de situaciones + concurrencia + probabilidad – Combinación de Lógica y Probabilidad – Razonamiento Espacial – Modelos Causales Extensiones a modelos temporales, cualitativos, con incertidumbre, etc.

5 Tendencias (3) Grandes bases de conocimiento – Sistemas multiagentes – Sistemas multifuncionales – Sentido común

6 Desempeño vs. Cobertura Desempeño Dominio Ontología genérica Sistema experto Sistema multifuncional

7 Sistemas Multifuncionales Sistemas que tienen conocimiento genérico sobre un dominio el cual sirve de base para diversas aplicaciones (tareas) Por ejemplo, conocimiento genérico sobre plantas eléctricas, el cual se aplica a: – Diseño de plantas – Diagnóstico de plantas – Mantenimiento de plantas – Tutores sobre plantas – Análisis de confiabilidad de plantas

8 MF-KBS Sistema basado en conocimiento multifuncional para dominios de ingeniería. Tres partes principales: – Núcleo de conocimiento (KC) – Mecanismos de razonamiento (RM) – Operadores de conocimiento (KO)

9 MF-KBS KC RM KODiagnóstico Tutores Diseño Predicción

10 MF-KBS: Representación Núcleo: – Conocimiento de componentes en base a frames y diferentes tipos de modelos (cuantitativos, cualitativos, probabilísticos) Razonamiento: – Mecanismos genéricos de propagación de restricciones y simulación para los diferentes tipos de modelos Operadores: – Sistemas que utilizan el núcleo y los mecanismos de razonamiento para diferentes tareas: diagnóstico, solución de problemas, análisis, tutoreo

11 MF-KBS: Operadores actuales Resolvedor de problemas: – Resuelve problemas de sistemas eléctricos mediante propagación de restricciones Generador de ejemplos: – A partir del modelo (red de restricciones), genera problemas de diferentes grados de dificultad Diagnóstico de fallas: – Diagnóstico de fallas múltiples basado en modelos y ATMS Tutor inteligente: – Utiliza el resolvedor y generador de problemas como parte de un tutor sobre plantas eléctricas Análisis de confiabilidad: – Obtiene una red bayesiana a partir de un diagrama de bloques, que utiliza para calcular la confiabilidad

12 Tendencias Fin