Desarrollo de Sistemas Expertos

Tópicos Introducción Base de Hechos Base de Conocimiento Motor de inferencia Métodos de encadenamiento

1.-Introducción En nuestra vida diaria encontramos muchas situaciones complejas gobernadas por reglas deterministas: sistemas de control de tráfico, sistemas de seguridad, transacciones bancarias, etc. Los sistemas basados en reglas son una herramienta eficiente para tratar estos problemas. Las reglas deterministas constituyen la más sencilla de las metodologías utilizadas en sistemas expertos. La base de conocimiento contiene las variables y el conjunto de reglas que definen el problema, y el motor de inferencia obtiene las conclusiones aplicando la lógica clásica a estas reglas. Por regla se entiende una proposición lógica que relaciona dos o más objetos e incluye dos partes, la premisa y la conclusión. Cada una de estas partes consiste en una expresión lógica con una o más afirmaciones objeto-valor conectadas mediante los operadores lógicos y, o, o no. Una regla se escribe normalmente como “Si premisa, entonces conclusión".

2.- Base de Hechos Definición Contiene los hechos sobre un problema que se han descubierto durante una consulta. Durante una consulta con el sistema experto, el usuario introduce la información del problema actual en la base de hechos. El sistema empareja esta información con el conocimiento disponible en la base de conocimientos para deducir nuevos hechos. Ejemplo: Diagnóstico de enfermedades Datos personales del paciente: (nombre, dirección, N° de seguro) Sintomas del paciente: (s1 s2 s3 s4 ....sk)

3.- Base del Conocimiento Definición Es la parte del sistema experto que contiene el conocimiento sobre el dominio. Hay que obtener el conocimiento del experto y codificarlo en la base de conocimientos. Una forma clásica de representar el conocimiento en un sistema experto son las reglas. Una regla es una estructura condicional que relaciona lógicamente la información contenida en la parte del antecedente con otra información contenida en la parte del consecuente.

3.- Base del Conocimiento Definición Reglas de inferencias Es una estructura de representación del conocimiento que tiene la siguiente forma: Si A1, A2,... Aa Entonces C1, C2,... Cc Patrones Si Antecedentes Patrones Entonces Consecuente

3. Base de Conocimiento … Ejemplo: Diagnóstico de Enfermedades Si Síntoma11, Síntoma12, Síntoma13, ... Síntoma1k Entonces Enfermedad 1 Si Síntoma21, Síntoma22, Síntoma23, ... Síntoma2k Entonces Enfermedad 2 ... Si Síntoma n1, Síntoma n2, Síntoma n3, ... Síntoma nk Entonces Enfermedad n

4.- Motor de Inferencia Definición El sistema experto modela el proceso de razonamiento humano con un módulo conocido como el motor de inferencia. Dicho motor de inferencia trabaja con la información contenida en la base de conocimientos y la base de hechos para deducir nuevos hechos. Contrasta los hechos particulares de la base de hechos con el conocimiento contenido en la base de conocimientos para obtener conclusiones acerca del problema.

5.- Métodos de Encadenamiento Progresivo ó Encadenamiento hacia delante Las inferencias se realizan desde los antecedentes hacia los consecuentes. Regresivo ó Encadenamiento hacia atrás Las inferencias se realizan partiendo desde los consecuentes hacia los antecedentes Reversibilidad

Método de Encadenamiento Progresivo- Problema Base de Conocimiento (BC): La base de conocimiento está conformado por un conjunto de reglas, donde algunos antecedentes pueden ser consecuentes de otras reglas. Además, solo existen interés de identificar determinados consecuentes, los cuales son llamados de consecuentes terminales. Ejemplo : Base de Hechos(BH) R1: Si A,B  C BH = (H,I,K,M) R2: Si D,E, F  G Problema R3: Si H,I  J Determine el consecuente R4: Si C,G  K terminal asociado a BH R5: Si G,J L R6: Si K,L  M LCT : M Lista de Consecuentes terminales

Representación gráfica de las relaciones del Problemas con sus 6 Reglas

Resumen Encadenamiento Progresivo Se produce cuando el objetivo propuesto al sistema hace que se ejecute una regla, y la conclusión obtenida permite que se ejecute otra, y así sucesivamente hasta llegar a una respuesta, positiva o negativa. El punto final se detecta cuando no se pueden producir más encadenamientos, por ejemplo cuando se llega a un axioma ó hecho.

Ejemplo de Encadenamiento Progresivo (1). SI (x ES JEFE_DPTO) ENTONCES (x ES CATEDRÁTICO) (2). CATEDRÁTICO("Mario Pérez") (3). CATEDRÁTICO("Manuel Fernández") (4). CATEDRÁTICO("María González") Al evaluar el objetivo: "Mario Pérez es Jefe_Dpto"?, se dispara la R1, la cual a su vez se encadena con la R2 en este momento no se pueden producir más encadenamientos pues la regla R2 es un axioma. Llegado a este punto el Motor de Inferencia retrocede y da una respuesta positiva a la pregunta.

Encadenamiento Regresivo Consiste en, dado un objetivo, buscar una regla que permita establecer dicha conclusión, el proceso se repite hasta encadenar con la regla cuya conclusión satisfaga el objetivo propuesto, o se detecte que dicho problema no se puede resolver positivamente. Por ejemplo para averiguar si "Mario Pérez es doctor" se busca un regla que tenga esta afirmación en sus consecuencias. Analizando las reglas anteriores vemos que la regla: R5. SI (x ES CATEDRÁTICO) ENTONCES (x ES DOCTOR) Satisface estas condiciones; siguiendo esta regla hacia atrás tenemos que buscar una nueva que permita validar si "Mario Pérez" es catedrático, lo cual se hace con el axioma R2.