Tendencias Actuales Eduardo Morales / L. Enrique Sucar Fundamentos de Inteligencia Artificial
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
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 )
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.
Tendencias (3) Grandes bases de conocimiento – Sistemas multiagentes – Sistemas multifuncionales – Sentido común
Desempeño vs. Cobertura Desempeño Dominio Ontología genérica Sistema experto Sistema multifuncional
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
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)
MF-KBS KC RM KODiagnóstico Tutores Diseño Predicción
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
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
Tendencias Fin