Resumen IA Con Multiples Choices

Resumen de Inteligencia Artificial
Inteligencia Artificial
Definiciones Varias
Dominio: Se define como el contexto del problema que se busca resolver. Experto: Es una persona que puede resolver problemas de una forma correcta y rpida empleando tcnicas de razonamiento. Posee la capacidad de aprender adquiriendo conocimientos y experiencia.
La Inteligencia Artificial
La Inteligencia es la capacidad de resolver problemas no comunes o complejos en un dominio determinado de forma sistemtica. Tener Inteligencia es poseer la capacidad de aprendizaje o capacidad adaptativa. La Inteligencia Artificial estudia el comportamiento inteligente del ser humano; y puede observarse desde dos puntos de vista: Cientfico: Trata el estudio del comportamiento inteligente, tiene como objetivo el definir una teora que explique el comportamiento inteligente En sntesis, busca comprender y analizar la inteligencia humana para emularla. Ingeniera: Se ocupa de los conceptos, la teora, y la prctica de cmo construir mquinas inteligentes; es decir, mquinas que resuelvan problemas coextensivos con los que, al resolverlos los seres humanos, estos son tenidos por inteligentes.
Clasificacin de los Sistemas

Los Sistemas se Clasifican segn se muestra a continuacin: Sistemas: Conjunto de partes interrelacionadas que interactan entre si con el fin de satisfacer un objetivo comn. o Sistemas de Informacin: Sistema que permite recolectar, almacenar, procesar y distribuir datos. Sistemas Inteligentes: Son todos aquellos Sistemas que emplean determinadas heursticas para poder resolver problemas. Sistemas Basados en Conocimientos: Programa de Inteligencia Artificial, cuyas prestaciones dependen ms de la presencia explcita de un cuerpo de conocimientos que de la posesin de ingeniosos procedimientos computacionales. Pertenecen a los Sistemas Inteligentes. Son sistemas que incluyen los Datos, las Noticias y los Conocimientos. Sus reglas se encuentran separadas de los procedimientos. Su Base de Conocimientos es pblica y accesible. Es multidominio y reutilizable. Tiene una base de conocimientos explcita que puedo identificar, y posee un comportamiento inteligente. Es como una BD pero en vez de datos hay hechos y reglas. Sistemas Expertos: Puede no tener una base de conocimiento explcita. Son ms particulares que los sistemas basados en conocimiento porque se basan en una persona llamada Experto. El Sistema experto no reemplaza al experto sino que lo asiste.
Construccin de Sistemas Basados en Conocimientos

Problemas en la Construccin de Sistemas Basados en Conocimientos
Los Problemas que se dan en la construccin de Sistemas Basados en Conocimientos son: La adquisicin de los conocimientos. La representacin de los conocimientos. La generacin de inferencias.
Pgina 1 de 39
Principios Para Construir Sistemas Basados en Conocimientos

Los principios arquitectnicos que se deben seguir para construir Sistemas Basados en Conocimientos son los siguientes: Separacin del mecanismo de inferencia de la Base de Conocimientos. Uniformidad en la representacin. Conservar simple el motor de inferencias.
Sistemas Basados en Conocimientos (SBC)

Componentes de un Sistema Basado en Conocimiento
Los componentes de un Sistema Basado en Conocimientos son los siguientes: 1. Base de Conocimientos (BC): Posee las reglas que guan la resolucin de problemas. Es pblica y accesible. Sus reglas son de la forma: SI [CONDICIN] [ACCIN]. 2. Motor de Inferencia (MI): Es quien consulta la BC para obtener las reglas con el fin de satisfacer una consulta del usuario. Se encarga de la realimentacin. 3. Interfaz de Entrada/Salida (IES): Transforma las peticiones del usuario para que las entienda el MI; y viceversa, transforma los resultados que le provee el MI para que los pueda interpretar el usuario.
BC
M I
IES
SBC Mundo Real
USUARIO
Sistemas Expertos (SE)

Componentes de un Sistema Experto
Los componentes de un Sistema Experto son los siguientes: 1. Base de Conocimientos (BC): Es la unin del conjunto de acciones y el conjunto de reglas. Contiene el conocimiento pblico y privado que el sistema requiere para dar solucin a los problemas planteados por el usuario sobre un dominio especfico. Sus reglas son de un dominio especfico y no pueden ser modificadas por el usuario final. 2. Base de Datos (BD): Est formada por los distintos datos sobre el problema particular que el Sistema Experto est tratando de resolver. Su funcin es suministrar informacin al MI. Posee los datos iniciales. Mientras la BC posee reglas, la BD posee datos. 3. Memoria de Trabajo (MT): Es una base de datos temporal en la cual el MI deposita la informacin deducida a partir de la BC, la BD y la propia MT. 4. Motor de Inferencia (MI): Activa las reglas en funcin de la informacin contenida en la BD y en la MT. La nueva informacin es puesta en la MT. Tambin se encarga de proporcionar al TE las reglas que se aplicaron ante una determinada consulta del usuario. El MI trabaja bajo uno de los dos principios siguientes: a. Principio de Universo Cerrado: Establece que toda la informacin se encuentra contenida en el sistema, y en consecuencia lo que no se puede demostrar como verdadero se demuestra como falso. b. Principio de Universo Abierto: Establece que la informacin necesaria no est contenida en el sistema, est fuera de l, y en consecuencia se comunica con el usuario. Un sistema con un Universo Abierto puede comenzar a funcionar con a una BD vaca.
Pgina 2 de 39
5. Trazador de Consultas (TC): Organiza y presenta en una forma sintctica y semnticamente aceptable para el usuario los requerimientos de informacin del sistema. Las respuestas suministradas por el usuario sern asentadas en la MT. Formula las preguntas al usuario sobre los datos necesarios para resolver el problema. 6. Trazador de Explicaciones (TE): Interpreta requerimientos del usuario sobre el porqu de determinadas preguntas por parte del sistema trazando la ejecucin de las mismas. Esa traza se realiza utilizando informacin que le suministra el MI. 7. Manejador de Comunicaciones (MC): Posee dos funciones bien definidas: a. Derivar la informacin inicial que suministra el usuario hacia la BD. b. Interpretar los mensajes del usuario que pueden ser respuestas del usuario a una pregunta del sistema; o una solicitud de una explicacin a partir de una consulta del sistema. Los sistemas expertos, deben expresar sus conclusiones al usuario.
TE BD
M I MT
M A N E J A D O R
TC
Mundo Real
SE
Tipos de Sistemas Expertos

Los tipos de Sistemas Expertos que hay son: Consejo al Usuario. Instruccin. Control. Ayudante Inteligente. Asimilacin de Informacin y Descubrimiento.
D E
C O M U N I C A C I O N E S
U S U A R I O
BC
Pgina 3 de 39
Ingeniera en Software vs INCO

La diferencia entre la Ingeniera en Software y la INCO es que la Ing. en Software se aplica a tipos de problemas sistemticos y procedimentales, y la INCO se caracteriza por ser heursticos y declarativos.
Los Conocimientos
Pirmide de la Informacin
A continuacin se presenta la clasificacin de la Informacin y su ubicacin jerrquica Sabidura Conocimiento Noticias (Informacin) Datos
Sntesis Anlisis Juicios ticos, Experiencia
Nivel Pragmtico Nivel Semntico Nivel Sintctico
Nota: El nivel Pragmtico es el mayor nivel que puede manipular un SE. En donde podemos encontrar los siguientes conceptos: Datos: Son los valores o mtricas que pueden llegar a brindar informacin a algn individuo en un contexto determinado. Noticias: Suele conocerse con el nombre de Informacin. Son aquellos Datos que poseen un significado especfico en un determinado contexto para un determinado individuo. Conocimiento: Es el conjunto de Noticias que posibilitan resolver problemas. Sabidura: Permite aplicar los Conocimientos segn un juicio de valor (moral, tico, correcto).
Relacin entre la Pirmide de la Informacin y las Ingenieras

Ingeniera en software: Ingeniera que ofrece mtodos y tcnicas para desarrollar y mantener software. Ingeniera en Conocimiento: ingeniera que ofrece principios, mtodos, tcnicas y herramientas, que permiten aplicar el saber cientfico y de experiencia a la utilizacin de los conocimientos y de sus fuentes, mediante invenciones o construcciones tiles para el hombre. Ingeniera en Sistemas de Informacin: ingeniera que ofrece mtodos y tcnicas para desarrollar y mantener sistemas de informacin
Sabidura Conocimiento Noticias (Informacin) Datos

Problemas sistemticos y procedimentales Problemas heursticos y declarativos
Ambos tipos de problemas
Ingeniera de Software
Ingeniera en Conocimiento
Ingeniera en Sistemas de Informacin
Los Conocimientos
El Conocimiento es poder percibir conclusiones a partir de determinada informacin. Es relativo a la persona que lo percibe. Los seres humanos inteligentes no saben generalmente como realizan la mayora de sus actividades intelectuales
Pgina 4 de 39
Tipos de Conocimiento
Los conocimientos se clasifican segn la Operatividad, la Privacidad y segn la Definicin del Problema:
Segn la Operatividad:
o Descriptivos o Declarativos: Se refieren bsicamente a qu son las cosas, y describen el dominio de aplicacin, habitualmente en trminos de conceptos, objetos, atributos, valores y relaciones entre las entidades anteriores, sin que importe cmo se usen esos conocimientos. Derivados: Son los que se aprenden y aprehenden bien a travs de la experiencia, o bien se compilan a partir de conocimientos ms fundamentales. Los principios bsicos suelen estar implcitos. Compilados: Son los transformados a partir de otros tipos de conocimientos. Heursticos: Son los que establecen asociaciones entre descripciones de estado y una solucin. Abstracciones: Son los que contienen, para una situacin, todos los detalles relevantes y suprime los irrelevantes. Generalizaciones: Son aquellos que yendo de lo particular a lo general, son el paso de la consideracin de un concepto a la consideracin de un conjunto conteniendo ese concepto. Modelizados: Son una descripcin de los conocimientos fundamentales ya refinados. Aparecen en los soportes de los conocimientos pblicos y constituyen los conocimientos de primeros principios. Frmulas Lgico-Matemticas. Leyes Naturales. Modelos Causales y Temporales. Modelos Fsicos. Prescriptivos o Procedimentales: Conciernen fundamentalmente al cmo son las cosas. Sirven para controlar el proceso de solucin de un problema, centrndose en el uso de los conocimientos y esquema de razonamiento usado para alcanzar una solucin. Secuencial e Iterativo: Representan las acciones que se ejecutan un nmero de veces (Iteracin), o acciones que se ejecutan en un cierto orden (Secuencia). Metaconocimientos o Condiciones de Metanivel: Describen los conocimientos usados para tomar decisiones acerca de cmo otros conocimientos pueden emplearse en el proceso de razonamiento. Verosimilitud: Cubren el uso de medidas de certidumbre en el proceso de razonamiento. Pblicos: Son aquellos que, por haber sido publicados, estn ya en forma explcita, por consiguiente, representables y utilizables inmediata o mediatamente en y por la computadora. Privados: Son los conocimientos que los expertos tienen interiorizados y adquieren con el ejercicio de su profesin, y lo usan implcitamente. Estructurantes: Generalmente vienen expresados de manera declarativa y tradicionalmente se han identificado con los conocimientos pblicos. Detectan los conceptos relevantes estableciendo relaciones entre los conceptos y las estructuras conceptuales. Definen los mecanismos que dan origen a la certeza. Heursticos: Pueden expresarse en formas de reglas que tpicamente son atajos que conducen a la solucin en grandes espacios de bsqueda en un tiempo limitado. Epistemolgicos: Son los conocimientos naturales. Poseen la caracterstica de que son inciertos, por: incompletos, inconsistentes y/o imprecisos. Cognoscitivos o de Modelizacin Conceptual: Modelizan el dominio en el cual se manejan los expertos.
Segn la Privacidad:
o o
Segn la Definicin del Problema:

o
o o o
Pgina 5 de 39
Fuentes de Conocimientos
Las principales fuentes de conocimientos que podemos encontrar son: Libros y Manuales Documentacin Formal e Informal Registros Internos Presentaciones Publicaciones Especializadas. Investigaciones Visitas a los Centros de Trabajo del Experto Los Humanos.
La Experiencia
La experiencia es pasar por un mismo hecho varias veces. Permite generar conocimiento. Cada persona interpreta los hechos de forma distinta, por lo cual cada uno aplicar y crear sus propias reglas.
Dificultades de la Experiencia
La transferencia de conocimiento de un experto a un sistema est condicionada y dificultada porque: Los conocimientos del experto son caros. Habitualmente, los conocimientos de los expertos no se encuentran explcitos. Los conocimientos de los expertos se adquieren gradualmente. Los conocimientos de los expertos suelen estar distribuidos. Los conocimientos de los expertos son declarativos. Un experto aplica efectiva y eficientemente lo que sabe.
Experiencia Artificial Frente a Experiencia Natural

Ventajas y desventajas de usar tanto la Experiencia Artificial como la Experiencia Natural. Razones para preferir la Experiencia Artificial: o Permanece. o Es fcil de transferir o reproducir. o Genera resultados reproducibles ms consistentes y completos que aquellos de los expertos humanos. o Es fcil de documentar. o Tiene un coste relativamente reducido. o Se encuentra difundida. o Puede ser utilizada por usuarios sin conocimiento del dominio Razones para preferir la Experiencia Natural: o Los expertos humanos son creativos. o Los expertos humanos son capaces de aprender y adaptarse a condiciones cambiantes ajustando sus estrategias de acuerdo a las nuevas situaciones. o Los expertos humanos pueden beneficiarse y usar directamente los rganos de los sentidos. o Los expertos humanos examinan todos los aspectos de un problema y ven de qu manera estn relacionados con la cuestin principal. o Los expertos humanos, y en general los seres humanos, posee lo que se denomina sentido comn.
Por Qu Introducir Experiencia Artificial

Existen diversas razones para las cuales una entidad puede decidirse a construir un Sistema Basado en Conocimientos o un Sistema Experto, entre ellas: Satisfaccin del cliente. Utilizacin adecuada de los empleados. Uniformidad de la produccin. Incremento de ingresos y reduccin de gastos.
Pgina 6 de 39
El Experto
Tareas del Experto
Las tareas que cumple un Experto son: Clasificacin. o Clasificacin Jerarquizada. o Interpretacin. o Diagnosis. El diagnstico es el proceso de encontrar fallas en un sistema e interpretarlos. Puede necesitar la combinacin de varios modelos. o Depuracin, Tratamiento o Reparacin. Prediccin, Pronstico y Prospeccin. Diseo y Sntesis. Planificacin y Catalogacin. Monitorizacin.
Caractersticas de un Experto
Las caractersticas de un Experto son: Pericia. o Robustez: Es muy difcil de cuantificar, ya que los sistemas de este tipo se degradan rpidamente cuando tienen que tratar con problemas distintos para los cuales fueron creados. Manipulacin de Smbolos. Capacidad general de resolver problemas en un dominio . Complejidad y Dificultad. Reformulacin o Reutilizacin. Capacidad para razonar sobre s mismos. Tareas.
Metodologa de Construccin de Sistemas Basados en Conocimientos

Definiciones Varias
Metodologa: Conjunto de etapas que se dan en un orden determinado, y que si se producen de manera exitosa permite cumplir con determinados objetivos. Ingeniera: Conjunto de Mtodos, que emplean tcnicas y herramientas, para generar un artefacto o producto, que usado en buena forma, o de manera correcta, permite resolver un problema.
Metodologa de Sistemas
La Metodologa de Sistemas surge a partir de los pasos bsicos para resolver un problema en el mbito de los Sistemas de Informacin. El Ingeniero de Sistemas resuelve problemas empleando una metodologa y construyendo artefactos.
INCO (Ingeniera en Conocimiento)

La INCO es una forma de aplicar IA Es el conjunto de principios, mtodos y herramientas que permiten aplicar el saber cientfico y de experiencia a la utilizacin de los conocimientos y de sus fuentes, mediante invenciones o construcciones tiles para el hombre. La INCO abarca tanto la creacin de Sistemas Basados en Conocimientos como la creacin de Sistemas Expertos. Permite automatizar cmo se resuelve un problema. Se basa en las decisiones tomadas por un Experto; a partir de las cuales se genera un Sistema Inteligente. Busca construir algo que resuelva un problema. Desde el punto de vista de la Ingeniera el problema se resuelve creando un objeto, empleando una metodologa y usando el ingenio.
Pgina 7 de 39
El Ingeniero en Conocimiento emplea mtodos, tcnicas, herramientas y principios bsicos para construir un modelo de los procesos lgicos producto del anlisis de la informacin.
Pasos Previos
Estudio de Viabilidad o Estudio de Factibilidad
El Estudio de Factibilidad permite determinar si se va a desarrollar el Sistema mediante la INCO o mediante el sistema tradicional. Tiene en cuenta aquellas condiciones bajo las cuales conviene construir un Sistema Experto o no. Las caractersticas que se analizan para realizar el Estudio de Factibilidad son: 1. (Plausibilidad): Es posible? Se deber analizar si existen Expertos, si son cooperativos, si la tarea necesita viabilidad cognoscitiva, si la tarea es estructurada, si no se aplica el sentido comn y si es comprensible. 2. Es adecuada?: Se deber analizar la naturaleza, la complejidad y el tipo de tarea. 3. Se Justifica?: Se deber analizar si la tarea se desarrolla en un entorno hostil, si hay escasos expertos, si no existen alternativas y si es til y necesario. 4. Cul es la probabilidad de llegar al xito?: Se deber analizar si el Experto se va a resistir al cambio, si hay fechas lmites para que el Sistema se encuentre funcionando y si se tiene forma de comprobar la solucin.
Identificacin del Problema
Una vez que se aprueba esta etapa previa se pasa a la primera etapa de la metodologa de la INCO. A esta etapa se la subdivide en las siguientes subetapas: 1. Plan de Requisitos: Se define el objetivo y las caractersticas de la aplicacin. 2. Eleccin del Problema: Se definen los lmites del problema. 3. Definicin de Caractersticas del Problemas y Concepcin de la Solucin .
Metodologa de la INCO
1. 2. 3. 4. Adquisicin de Conocimientos: Recoleccin de Informacin y conocimientos. Conceptualizacin: Entender el dominio y la terminologa Formalizacin: Expresa mediante tcnicas el conocimiento al problema Implementacin: Es la puesta en marcha del sistema
1 . Adqui s ic i n de Conoci mi e ntos Es un proceso de recoleccin de informacin (independientemente de la fuente) necesaria para construir el sistema experto. No es una etapa, sino un proceso que se va a dar a lo largo del ciclo de vida. Uno de los objetivos fundamentales es adquirir toda la informacin posible para construir en las etapas posteriores los modelos estticos y dinmicos, de cuya unin surge la conducta del Experto en la solucin encontrada. Luego de ejecutar el ciclo de educcin es necesario analizar los conocimientos obtenidos y generar la documentacin necesaria para pasar luego a la fase de Conceptualizacin. Adquisicin de Conocimientos tipos: Extraccin de Conocimientos: Es la adquisicin de los conocimientos pblicos de sus fuentes escritas (libros, documentos, manuales, etc.). Educcin de Conocimientos: Es la adquisicin de los conocimientos privados de los Expertos. En toda sesin de educcin de conocimientos se debe definir de antemano el contenido de la sesin, definir de antemano cual es la tcnica de educcin a utilizar, y realizar luego una revisin de los conocimientos educidos con el experto. Proceso de Adquisicin de Conocimientos Primeras Reuniones y Evaluacin de Vialidad: (De Expertos, Directivos y Usuarios). Se buscan conocimientos generales, terminologas del dominio. Se emplea una baja profundidad. Se pueden usar las Entrevistas Abiertas Extraccin de Conocimientos: Estudio de Documentacin y Anlisis Estructural de Textos. Educcin de Conocimientos: Se obtienen los conocimientos privados de los expertos. o Interrogatorio Inicial: Se tratar una visin de alto nivel del dominio, la comprensin de las tareas del Experto, la comprensin del entorno de las tareas. Puede emplearse la tcnica de Observacin de Tareas Habituales. o Investigacin Profunda: Se baja a mayor profundidad para obtener los conocimientos. Cuando se trata de conocimientos estticos del dominio, se emplean las tcnicas de Entrevista Estructurada, Incidentes Crticos, Clasificacin de Conceptos, Emparrillado y
Pgina 8 de 39
Cuestionarios. Cuando se tratan de buscar las estrategias de resolucin del Experto se emplea la tcnica de Anlisis de Protocolos. Cuando el objetivo sea validar los conocimientos adquiridos se emplean las tcnicas de Cuestionarios y Entrevistas Estructuradas. Ciclo de Educcin El ciclo de Educcin es el siguiente, el cual deber repetirse por cada sesin: Preparacin de la Sesin: Informacin a tratar; amplitud, profundidad; tcnica adecuada; preparacin de las preguntas. Sesin: Repaso del anlisis de la ltima sesin; explicacin al experto de los objetivos de la nueva sesin; Educcin; resumen y comentarios del Experto. Transcripcin. Anlisis de la Sesin: Lectura para obtencin de una visin general; extraccin de conocimientos concretos; lectura para recuperar detalles olvidados; crtica parar mejoras por parte del Ingeniero en Conocimientos. Evaluacin: Se han conseguido los objetivos?; es necesario volver sobre el mismo objetivo?; Nmero y tipo de sesiones necesarias para cubrir el rea. Tcnicas de Adquisicin de Conocimientos Las Tcnicas de Adquisicin de Conocimientos se pueden clasificar segn se muestra a continuacin: Tcnicas de Extraccin de Conocimientos: Permiten obtener conocimientos pblicos de fuentes escritas. o Estudio de Documentacin: Se deber analizar la documentacin escrita existente que permita al Ingeniero en Conocimiento comprender el dominio, conocer las tareas que realiza el Experto, etc. o Anlisis Estructural de Textos: Consiste en la bsqueda, a travs de la documentacin, de determinados trminos que le permitan al Ingeniero en Conocimiento introducirse en el dominio del problema. Posee la ventaja de permite adquirir gran cantidad de conocimientos. Posee las desventajas de que se limita a los conocimientos publicados; posee problemas con los grficos; y no siempre aborda bien la semntica de los textos. Tcnicas de Educcin de Conocimientos: Permiten obtener los conocimientos privados de los Expertos. o Directos: El Experto reporta aquellos conocimientos que puede articular directamente. Comprende las siguientes tcnicas: Entrevistas: Es el mtodo ms comn de educir conocimientos. Abiertas: Es una entrevista no estructurada, que no quiere decir que sea improvisada. Se trata de conseguir que el Experto entienda bien la tarea lo ms rpidamente posible y al Sistema Experto en construccin. Sus ventajas son que permite generar gran cantidad de conocimientos sobre la terminologa y sobre el dominio; y permite educir informacin imprevista. Estructuradas: Combina una Observacin de Tareas Habituales con una Entrevista Abierta. Una vez definido el tema y su profundidad, el Ingeniero en Conocimientos planifica las preguntas de la sesin. Son excelentes para coleccionar conocimientos bsicos acerca de: enlaces, valores, acciones, atributos e informacin conceptual; hechos, reglas, etc. Posee las desventajas de que consume mucho tiempo; se basa en la memoria del experto. Cuestionarios: Consiste en realizar una Entrevista Estructurada al Experto de forma indirecta, a travs de cuestionarios. Posee las ventajas de acumular informacin ms eficientemente; el Experto lo completa cuando puede. o Indirectos: El Ingeniero en Conocimientos debe inferir los conocimientos que el Experto trata de transmitir debido a que el Experto no sabe cmo hace para resolver los problemas. Comprende las siguientes tcnicas: Observaciones de Tareas Habituales: El Ingeniero en Conocimientos no debe interferir con las tareas del Experto, sino slo observarlo y registrarlo. Permite proporcionar una primera idea de los tipos de conocimientos y habilidades implicadas en el dominio, as como tambin para captar conocimientos procedimentales. Sus inconvenientes son que el Ingeniero en Conocimientos acta como un observador pasivo; en algunos dominios no se puede implementar por razones de privacidad; hay tareas que no son muy informativas solo observndolas; es consumidora de tiempo.
Pgina 9 de 39
Observacin de Tareas a Travs de un Novato: La variacin consiste en hacer que una persona novata realice las tareas del Experto, el cual lo guiar en la resolucin de los problemas sin estar presente fsicamente. Incidentes Crticos: Se le pide al Experto que describa casos especialmente interesantes o difciles que se le hayan presentado y cmo los resolvi. Suele emplearse cuando la educcin llega a un punto muerto Presenta las ventajas de que permite recolectar rpidamente informacin til. Presenta las desventajas de que el Experto puede olvidar detalles de la solucin. Imposicin de Restricciones: Se le pide a un Experto que resuelva un problema normal, pero con ciertas restricciones. Permite determinar las prioridades del Experto. Presenta como desventaja que los Expertos se encuentran a disgusto con ste mtodo. Clasificacin de Conceptos: Se emplea para estructurar conceptos en dominios muy amplios. Consiste en presentarle fichas a los Expertos con conceptos para que ste los clasifique. Anlisis de Protocolos: Es similar a la Observacin de Tareas Habituales, salvo que el Experto deber decir constantemente lo que piensa. Se busca capturar y despus estudiar todo lo que dice el Experto en el momento en que trata un problema. Es til cuando los casos han sido seleccionados previamente. Posee las ventajas de que provee gran cantidad de informacin; puede usarse de manera complementaria a otras tcnicas; permite extraer heursticas del Experto; va ms all de lo que el Experto puede contar explcitamente. Posee las desventajas de que no puede ser usado para todo tipo de tareas; el coste en tiempo de su utilizacin; la incompletitud del mtodo; puede interferir en la forma de llegar a la solucin. Anlisis Retrospectivo: Consiste en que el Experto resuelva un problema y luego que indique los pasos que sigui para resolverlo. Emparrillado: Incluye un dilogo inicial con el Experto, una sesin de valoracin y un anlisis de los resultados, es decir, de los grupos, de los conceptos y de las dimensiones sobre las cuales fueron valorados los elementos. Tambin puede usarse como medio de clasificacin. Posee las ventajas de que permite obtener informacin acerca de cmo piensa el Experto y cules son sus prioridades y factores importantes; permite que una misma cuestin sea vista ms de una vez; permite detectar patrones o asociaciones; es excelente en las primeras etapas de adquisicin de conocimientos. Posee las desventajas de que es intrusivo; si los elementos, las caractersticas y/o las valoraciones no se eligen bien pueden provocar resultados errneos. Induccin: Dado un conjunto de ejemplos especficos se inducen reglas que describen los ejemplos. Si las reglas son correctas sern lo suficientemente generales como para cumplirse no slo en los ejemplos particulares, sino en lo general. Para usar la induccin se necesita de un Conjunto de Entrenamiento, Atributos, Clases y el Algoritmo de Induccin. Se suelen emplear las tcnicas AQ y TDIDT. Posee la ventaja de que es que es muy buena para capturar conocimientos tcitos y heursticos una vez identificado los atributos. Las desventajas que posee son que puede producir reglas incorrectas debido a malos ejemplos; si el dominio es complejo sern necesarios muchos ejemplos para producir las reglas; los ejemplos y atributos pueden ser difciles de educir. Tcnicas de Educcin de Conocimientos a Partir de Grupos de Expertos: Permiten obtener los conocimientos privados de un grupo de Expertos. Los conocimientos obtenidos son ms completos, ms verosmiles, de mayor calidad y con una mayor diversidad. o Tormenta de Ideas: Tcnica en donde las ideas que llegan a la mente se analizan y estudian en grupo. Permite desarrollar ideas y explorar su significado. Estimula el pensamiento. Posee la desventaja de que slo es vlida en tanto que se circunscriba a problemas de imaginacin. o Tcnica Nominal de Grupo: Es una forma de estructurar reuniones de pequeos grupos que permiten combinar efectivamente juicios individuales. Es til en identificar problemas, explorar soluciones y establecer prioridades. o Entrevistas de Grupo: Son entrevistas realizadas a un grupo de personas. Favorece la participacin, la seguridad, la libertad y la estimulacin de los Expertos. Puede usarse en conjuncin con la Entrevista Estructurada. Puede usarse para definir el alcance del problema, identificar soluciones alternativas, etc.
Pgina 10 de 39
o o
Emparrillado de Grupo. Mtodo Delphi: Es una tcnica de prediccin cualitativa. El procedimiento consiste en un proceso de retroalimentacin de respuestas con el objetivo de obtener un resultado representativo de la opinin del grupo.
2 . Conc e ptua li za ci n .
Se describe desde una necesidad del usuario para luego transformarse en un producto Software que opere en un dominio. El objetivo de esta fase es el entendimiento del dominio del problema y de la terminologa utilizada. Le permite al Ingeniero en Conocimiento formar un marco inicial o mapa mental del Dominio de Aplicacin. Se busca hacer explcitos los Conceptos claves y las Relaciones ms importantes, ya que en la Adquisicin de Conocimientos los obtenemos de manera desestructurada, para luego estructurarlos de forma apropiada. El Modelo Conceptual y el Modelo Formal
Dominio de Aplicacin Modelo Conceptual
Modelo Formal
El Modelo Conceptual modeliza cmo el Software debera responder ante una necesidad. Define los requerimientos del sistema (conocimientos descriptivos y no operativos) y adems determina la validez del sistema. Es independiente de la tecnologa de implementacin. El Modelo Formal surge a partir del Modelo Conceptual y determina cmo el producto responde ante una necesidad. Subfases de la Conceptualizacin a. Anlisis: Se identifican los Conocimientos: Es un razonamiento Regresivo. i. Estratgicos, ii. Tcticos, iii. Operativos, y los iv. Metaconocimientos. b. Sntesis: Se construyen los modelos. Es un razonamiento hacia adelante. i. El Modelo Dinmico contiene las tareas (acciones) y el control (estrategias de control). ii. El Modelo Esttico contiene el Diccionario de Conceptos y las tablas de ConceptoAtributo-Valor. iii. El Mapa de Conocimientos toma informacin de los Modelos Esttico y Dinmico. 3 . Forma li za ci n . La formalizacin se corresponde con el entorno de desarrollo y expresa mediante tcnicas de representacin de conocimiento al problema, a la resolucin y a su estructura. Hay distintos tipos de formalismos: Formalismos Basados en Conceptos: Se encuentran divididos en las tcnicas: o Tabla Concepto-Atributo-Valor. o Marcos. Formalismos Basados en Relaciones: Entre los cuales podemos encontrar: o Clculo de Predicados en Primer Orden. o Las Redes Semnticas: Grafos. o La teora de la Dependencia Conceptual: Patrones de estructuras sintcticas para armar relaciones de conceptos. Acciones: Los modelos tienden a representar las cosas que se van ejecutando:
Pgina 11 de 39
o o
Sistemas de Produccin. Guiones.
4 . I mple me nta ci n Consiste en la implementacin del sistema.
Especificacin de Requisitos
Los requisitos se pueden clasificar segn se muestra a continuacin: Respecto a las propiedades del sistema que especifican : o Funcionales: Definen el comportamiento esperado del sistema. En el Software hace referencia las capacidades funcionales que proveer el producto. o Estructurales o No Funcionales: Son los que definen las restricciones que deber satisfacer el producto. En el Software hace referencia a las caractersticas o propiedades que pueden evaluarse. Respecto a su importancia relativa: o Esenciales: Especifican todas las propiedades del sistema objetivo, que deben ser realizados por l mismo, para que sea aceptable. Nunca estarn completos. o Deseables y/o Derivados: Son los que especifican las caractersticas del sistema que se desprenden de las especificaciones esenciales. o Implcitos: Son los que suponen un subproducto de la prctica perspicaz de la Ingeniera de Software. Respecto al carcter de cada Requisito : o Cerrados: estn bien definidos y son estables. o Abiertos: Son dinmicos.
Las variables que intervienen en un proyecto son: Costo, Tiempo y Calidad. Tipos de Mantenimiento
Los Tipos de Mantenimiento que pueden realizarse sobre un determinado producto son: Perfectivo: En el cual se corrige lo que anda bien con el fin de mejorarlo. Correctivo: En el cual se corrigen los errores que posee el producto. A diferencia de los Sistemas de Informacin, los Sistemas Basados en Conocimientos comienzan siendo productos malos con errores para ir mejorando a travs del tiempo.
Metodologa IDEAL
En la INCO se emplea la Metodologa IDEAL como estndar. Posee tres dimensiones; en donde en la etapa del espiral, en el tercer eje, existe un cono que representa los conocimientos adquiridos. Al principio se adquieren una gran cantidad de conocimientos, pero poco precisos y fiables; al final se adquieren una menor cantidad de conocimientos, pero estos son ms especficos y fiables. Las etapas se repiten sucesivamente evaluando los riesgos y una vez que se termina el espiral, se sigue linealmente con las etapas bsicas. Se debe tener en cuenta la etapa de Adquisicin de Conocimientos, representada por el cono ya que es muy importante y necesaria.
Pgina 12 de 39
Fases y Etapas de la Metodologa IDEAL

La Metodologa IDEAL posee las siguientes fases y etapas: 1- Identificacin de la Tarea 2- Desarrollo de Prototipos 3- Ejecucin de la Construccin del Sistema Integrado 4- Actuacin para conseguir el Mantenimiento Perfectivo 5- Lograr una adecuada Transferencia Tecnolgica 1. Identificacin de la Tarea: Antes de iniciar el desarrollo de un S.E. se debe: definir los objetivos de la aplicacin y determinar si la tarea puede ser tratada con la tecnologa de la INCO . En caso afirmativo se definen las caractersticas del problema y se especifican los requisitos que enmarcan la solucin del mismo. Al completar la fase se logran definir las funcionalidades, el rendimiento y las interfaces que se espera que tenga el sistema. Se define el objetivo y el alcance para el SBC.Esta fase se divide en las siguientes etapas: a. Plan de Requisitos y Adquisicin de Conocimientos: Comprende la identificacin de las necesidades del cliente describiendo los objetivos del sistema. Es necesario que el Ingeniero en Conocimientos comience con una breve Adquisicin de Conocimientos. Durante la etapa de Adquisicin de conocimientos, en las primeras reuniones (directivos y usuarios) es recomendable utilizar como tcnica La entrevista abierta
Parmetros esenciales a considerar:

Fines especficos y generales del sistema. Funcionamiento y rendimiento deseado. Fiabilidad y confiabilidad. Limitaciones de coste/tiempo. Requisitos de fabricacin. Tecnologa disponible Competencia. Ampliaciones futuras.
Para confeccionar el plan de requisitos es necesario comenzar con la adquisicin de conocimientos, entrevistando a directivos, usuarios y expertos. Sin embargo, la adquisicin profunda se lleva a cabo en la fase II. b. Evaluacin y Seleccin de la Tarea: Se realiza un estudio de viabilidad evaluando la tarea desde la perspectiva de la INCO, y cuantificando esta evaluacin para determinar el grado de dificultad de la tarea. Se analizan los siguientes aspectos de la tarea: Plausibilidad: se analiza si es posible realizar el sistema. Adecuacin: se analiza la naturaleza, la complejidad y el tipo de tarea para verificar si el desarrollo del SE es adecuado. Justificacin: se justifica las razones por las cuales es posible realizar el sistema. xito: se analiza que las posibilidades de xito del sistema sean las esperadas.
Si todo esto sucede se procede a hacer el Sistema Experto. c. Definicin de las Caractersticas de la Tarea : Se establecen y definen las caractersticas ms relevantes del desarrollo de la aplicacin: Definicin formal de la aplicacin: desde el punto de vista del sistema. Se hace una especificacin inicial de los requisitos: o o o o Funcionales: tipos de informacin (datos, noticias y conocimientos). Operativos: estticos y dinmicos con respecto al tiempo De interfaz: de usuario, con otros productos y sistemas, etc. De soporte: plataforma de hardware y software necesaria.
Pgina 13 de 39
Criterios de xito: trata de identificar las necesidades reales de los usuarios finales para determinar el grado de satisfaccin que debe cumplir el sistema. Casos de prueba o juegos de ensayo: se utilizan para validar el grado y calidad de experiencia del experto, as como tambin las prestaciones del S.E. Recursos para desarrollar el SE: especificacin de recursos materiales y humanos. Anlisis de Costos / Beneficios y Evaluacin de Riesgos : se analizan los tipos de gastos, tipos de beneficio y clases de riesgos a tener en cuenta. Hitos y Calendario: plan de desarrollo del sistema.
En esta etapa, es dnde se realiza la especificacin del sistema.
Con la definicin de esta fase, el Ingeniero, los usuarios, los directivos y los expertos logran perfilar satisfactoriamente el mbito del problema. Para esto es necesario definir coherentemente cuales son las funcionalidades, el rendimiento y las interfaces necesarias, para luego analizar el entorno de la tarea y el riesgo del desarrollo del S.E.
2. Desarrollo de los Prototipos: Concierne al desarrollo de los distintos prototipos que permiten ir definiendo y refinando, ms rigurosamente, las especificaciones del sistema, de una forma gradual hasta conseguir las especificaciones exactas de lo que se puede hacer y cmo realizarlos. Los prototipos que se suelen desarrollar son los de: Demostracin, Investigacin, Campo y Operacin. Las etapas b a f se repiten para cada prototipo. Esta fase se divide en las siguientes etapas: d. Concepcin de la Solucin (Descomposicin en Subproblemas y Determinacin de Analogas): Esta etapa tiene como objetivo producir un diseo general del sistema prototipo. Engloba las actividades del desarrollo del DFD y el diseo arquitectnico. e. Adquisicin y Conceptualizacin de los Conocimientos: Si bien la adquisicin de conocimientos se realiza de forma constante, en sta etapa es donde adquiere mayor importancia. Aparte de adquirir conocimientos, es tambin necesario conceptualizarlos para modelizar el comportamiento del experto. En esta etapa es dnde la adquisicin de conocimientos es mayor. La adquisicin de conocimientos (en sus dos etapas: extraccin de conocimientos pblicos y educcin de conocimientos privados del experto) se alterna con la Etapa de Conceptualizacin para modelizar el comportamiento del experto. f. Formalizacin de los Conocimientos y Definicin de la Arquitectura : Las actividades que posee son: seleccionar los formalismos para representar en la mquina los conocimientos conceptualizados, y realizar el diseo detallado del Sistema Experto. g. Seleccin de la Herramienta e implementacin : Seleccionar la herramienta de desarrollo adecuada al problema para luego realizar implementacin. h. Validacin y Evaluacin del Prototipo : En esta etapa se valida el funcionamiento del prototipo. Se suelen realizar Casos de Prueba y Ensayos en Paralelo con el Experto . i. Definicin de Nuevos Requisitos: Se corresponde con la definicin de los requisitos, especificaciones y diseo del siguiente prototipo. 3. Ejecucin de la Construccin del Sistema Integrado: Permite integrar el Sistema Experto a otros sistemas computacionales. Esta fase se divide en las siguientes etapas: j. Requisitos y Diseo de la Integracin: Consiste en el estudio y diseo de interfaces y puentes con otros Sistemas Hardware y Software. k. Implementacin y Evaluacin del Sistema Integrado: Su fin es desarrollar, usando tcnicas de Ingeniera en Software, los requisitos de la etapa anterior. Implementa la integracin del Sistema Experto con los otros Sistemas Hardware y Software. l. Aceptacin del Sistema por el Cliente: Es la prueba ltima de aceptacin por los expertos y usuarios finales, que debe satisfacer la expectativas de fiabilidad y eficiencia. 4. Actuacin Para Conseguir el Mantenimiento Perfectivo: Trata del mantenimiento perfectivo del sistema. Este mantenimiento viene reflejado en el ciclo de vida en la tercera dimensin de la espiral cnica. Esta fase se divide en las siguientes etapas: m. Definir el Mantenimiento del Sistema Global: Esta etapa emplea las tcnicas de Ingeniera en Software, definiendo el mantenimiento de la base de conocimientos del Sistema Experto.
Pgina 14 de 39
n. Definir el Mantenimiento de las Bases de Conocimientos: Se encarga del mantenimiento de la Base de Conocimientos. o. Adquisicin de Nuevos Conocimientos y Actualizacin del Sistema: Se encarga de disear nuevos protocolos para adquirir nuevos conocimientos, y de incorporar al Sistema los nuevos conocimientos adquiridos. 5. Lograr Una Adecuada transferencia Tecnolgica: Para la correcta implantacin del sistema, es necesario una correcta transferencia tecnolgica de manejo desde la parte que lo desarroll hacia los usuarios finales. Esta fase se divide en las siguientes etapas: p. Organizar la Transferencia Tecnolgica: Se suelen usar entrenamientos en sesiones de tutora entre los diseadores y los usuarios para explicar el manejo del sistema y el entendimiento de la documentacin. q. Completar la Documentacin del SBC Construido: Se debe crear el manual de usuario, el cual deber estar orientado al usuario final.
Lgica
La lgica se puede emplear para: Representar el Conocimiento: Permite pasar del Lenguaje Natural al Lenguaje Lgico. Las traducciones deben realizarse sin aplicar conclusiones, o sea, de forma textual y literal. Razonar o Generar Nuevo Conocimiento: Para ello se pueden emplear: o La Induccin: Permite pasar de un caso particular a la regla general. o El Mtodo Deductivo: Del caso general se obtiene un caso particular y se deduce una conclusin particular; y del caso general se obtiene un caso general y se deduce una conclusin particular. El Mtodo Deductivo se clasifica en: Deduccin Natural. Deduccin Automtica. Deduccin Axiomtica. o La Analoga.
Tipos de Lgica Deductiva

Lgica Proposicional
Es el modo ms bsico y elemental para poder representar conocimientos.
Elementos
Son los que permiten construir las proposiciones que representan los hechos de la realidad y sus relaciones. Los elementos de la Lgica Proposicional son: Proposiciones: Representan hechos de la realidad. Se representan en minscula (p, q, r, ). Operadores Lgicos: Relacionan hechos o Proposiciones. Son: o Y: . o O: .
o o o
NO:
Entonces: . S y Slo S: .
Tablas de Verdad
Representan el resultado de relacionar dos proposiciones a travs de un Operador Lgico.

V F V V F F F F V F V V V F V F V V F V V F F V V V F V F F F V V F F V
Tautologas
Las Tautologas son expresiones que siempre son verdaderas. Las Tautologas son las siguientes:
Pgina 15 de 39
( ( p q) p q) Leyes de Morg ( p q) ( p q)
p p p p p q p q
( ( p q) q p) Leyes Conmutativas ( ( p q) q p)
p p p p p p
Formas Normales
( p q) r p ( q r) Leyes Asoci ( p q) r p ( q r)
Son aquellas expresiones en las cuales las relaciones entre sus proposiciones slo se encuentran representadas por los operadores
Existen dos Formas Normales, las cuales se enumeran a continuacin: Forma Normal Conjuntiva (FNC): Posee la forma ( ) ( ) ( ) Forma Normal Disyuntiva (FND): Posee la forma ( ) ( ) ( ) El mtodo de simplificacin para llevar una expresin a alguna de las Formas Normales es el siguiente: 1) Sustituir: ( p q ) por: 2) Sustituir: ( p q ) por: 3) Sustituir: ( p q ) por: 4) Sustituir: ( p q ) por: p 5) Sustituir: por: 6) Aplicar las Leyes Distributivas. 7) Sustituir: ( p p ) por: ( p p ) por:
( p q) ( q p) ( p q ) ( p q ) ( p q )
p
V
Lgica de Primer Orden

A diferencia de la Lgica Proposicional, la Lgica de Primer Orden agrega varios elementos para descomponer la expresin.
Elementos
Son los que permiten construir las proposiciones que representan los hechos de la realidad y sus relaciones. Los elementos de la Lgica de Primer Orden son: Variables: Representan hechos de la realidad. Se representan en minscula (x, y, z, w, ). Constantes: Se representan en minscula (a, b, c, d, ). Operadores Lgicos: Relacionan hechos o Variables. Son: o Y: . o O: .
NO:
o Entonces: . o S y Slo S: . Cuantificadores: Permiten englobar y definir un alcance para los hechos individuales. Son: o Para Todo: . o Existe: . Funciones de Verdad: Indican funciones sobre las Variables
H ( x ) : x es ... ) .
o
En las expresiones, generalmente los implican la existencia de .
implican la existencia de
; mientras que los
Pgina 16 de 39
El Mtodo Deductivo
Deduccin Natural
Se parte de un conjunto de hiptesis que se consideran verdaderas y se llega a demostrar la tesis. Se deben usar todas las hiptesis, a las cuales se les aplican reglas. Aplicando las reglas obtengo nuevas hiptesis que tambin debern ser verdaderas. Las Hiptesis y la Tesis poseen la siguiente estructura:
Hiptesis 1 Hiptesis 2 Hiptesis n Tesis
1) Hiptesis 1 Y a medida que se van resolviendo 2) Hiptesis 2 las Hiptesis para llegar a la Tesis se tendr la siguiente estructura:
[ HIP 1] [ HIP 2]
n) Hiptesis n n +1) Hiptesis n +1
[ HIP n ] [ Regla ,
i , j]
Reglas de Deduccin natural en lgica proposicional
Regla II EI M P IC EC ID E D Introduccin de la implicacin Eliminacin de la implicacin o Modus Ponens Introduccin de la Conjuncin Eliminacin de la Conjuncin Introduccin de la Disyuncin Eliminacin de la Disyuncin
H A .. B A -> B A A B A^B A AvB A .. B ^ B A
T A -> B A [Sup] .. B A ->B B A^B Elijo A Elijo B AvB Sup Sup A B .. .. C C C A A
IN E N
Introduccin de la Negacin Eliminacin de la Negacin
Tip: Si tengo NO implicaciones en la tesis -> NO puedo suponer en la hiptesis. Deduccin natural de Lgica de Primer Orden
Regla I E I E Introduccin de Eliminacin de Introduccin de Eliminacin de Pa con a genrico sin restricciones (sale de un ) x Px Pa con a restringido (sale de un ) x Px x Px Pa generico x Px Pa restringido
Pgina 17 de 39
Tip: Si al hacer un ejercicio, una hiptesis tiene el cuantificador , entonces la tesis deber tener el mismo cuantificador ya que la variable se encuentra restringida.
Pgina 18 de 39
Deduccin Automtica
Es un mtodo que permite automatizar la deduccin. Posee las siguientes etapas: 1. Preparar las Frmulas: Consiste en preparar las expresiones para su posterior demostracin. Primero se deben llevar las expresiones a Lgica Proposicional, a travs de la Forma Prenex y la Forma Skolem. a. Forma Prenex: Una frmula se encuentra en Forma Prenex cuando todos sus cuantificadores se encuentran al comienzo de la misma. Para pasar una frmula a Forma Prenex se debern seguir las siguientes reglas: ( x Ax ) Bx = x ( Ax Bx )
( x Ax ) Bx = x ( Ax Bx ) Ax ( x Bx ) = x ( Ax Bx ) ( x Ax ) = x ( Ax ) ( x Ax ) = x ( Ax ) ( x Ax ) Bx = x ( Ax Bx )
Ax ( x Bx ) = x ( Ax Bx )
( x Ax ) Bx = x( Ax Bx ) Ax ( x Bx ) = x ( Ax Bx ) Ax ( x Bx ) = x ( Ax Bx )
b. Forma Skolem: Una frmula se encuentra en Forma Skolem una vez que se han eliminado todos sus cuantificadores. Para ello se siguen las siguientes reglas: i. : Si es el primer cuantificador de izquierda a derecha en una frmula se deber reemplazar la variable por una constante y se eliminar el cuantificador. Si no es el primer cuantificador de izquierda a derecha en una frmula se deber reemplazar la variable por una funcin de las variables de todos los precedentes. ii. : Directamente se elimina el cuantificador. Si una expresin se encuentra en Forma Skolem, tambin se encuentra implcitamente en Forma Prenex. c. Forma Normal: Una vez que las expresiones se encuentran en Lgica Proposicional ser necesario llevarlas a Forma Normal, ya sea conjuntiva o disyuntiva a travs de los pasos vistos anteriormente. Si una expresin se encuentra en Forma Normal, tambin se encuentra implcitamente en Forma Skolem y en Forma Prenex. 2. Demostracin: Para poder realizar la demostracin, el mtodo se basa en las siguientes dos teoras:0 a. Teora de la Completitud: ( F1 F2 Fn ) = V Modelo( F1 F2 Fn ) . Una teora es consistente si y solo si existe un modelo que lo sustente. b. Teora de la Consistencia: H T ( H T ) = F y H = H 1 H 2 H n . Este teorema establece que un conjunto de hiptesis demuestran una tesis si y solo si al agregar al conjunto de hiptesis la negacin de la tesis, se llega a una inconsistencia. A partir de stas dos teoras, se trata de buscar un modelo para ( H T ) . Para poder realizar la demostracin se emplea el Mtodo Herbrand, para ello se debern obtener: a. Universo de Herbrand: U H = { Constantes} . b. tomos de Herbrand: c. Finalmente a partir de SH, cada combinacin es un valor de verdad, con lo que pueden pasar dos cosas: a. Si al menos una de las combinaciones de S H es verdadera, entonces existe un modelo y se cumple que ( H T ) = V . Por lo tanto no se puede demostrar la Tesis. b. Si todas las combinaciones de SH son falsas, entonces no existe un modelo y se cumple que ( H T ) = F . Por lo tanto s se puede demostrar la Tesis.
AH = { A cada funcin de verdad aplicarle U H } . Sistema de Herbrand: S H = { Aplicar frmula a todas las combinaciones del U H } .
Pgina 19 de 39
Mtodos de Bsqueda
Definiciones Varias
Heurstica: Se la puede definir como sentido comn. Es una funcin aplicada a cada nodo que indica una directriz sobre qu tan bueno es estar en cada nodo. Es un mecanismo de evaluacin que gua la bsqueda en un sentido determinado.
Los Mtodos de Bsqueda

Los Mtodos de Bsqueda son mtodos de resolucin de problemas. Al presentarse un problema ste debe descomponerse. El primer paso para resolverlo consiste en crear una forma descriptiva formal y manipulable a partir de la descripcin informal del problema.
El Espacio de Estados o Espacio del Problema

Es el dominio que contiene todos los posibles estados del sistema. Surge para representar la forma descriptiva formal necesaria para resolver el problema. El Espacio de Estados puede ser: Finito: Si la cantidad de Estados que lo componen es finita y determinable. Infinito: Si la cantidad de Estados que lo componen no es finita o determinable.
Los Estados
Los Estados son representaciones que contienen el conjunto de toda la informacin que describe la situacin del sistema en un momento dado. Se pueden clasificar en: Estado Inicial: Es el estado del cual se parte en la bsqueda de la solucin al problema. Estados Intermedios: Estados que no son el Estado Inicial ni un Estado Solucin. Estado/s Final/es: Son los estados solucin o estados objetivo.
Las Reglas u Operadores

Es un mecanismo que se emplea para modificar o transformar un Estado del sistema . Se utilizan para enlazar un Estado Actual con otro Estado Objetivo. Una Regla se compone por: Estado Actual: Es el Estado sobre el cual se aplican la Regla. Operando: Es el operador. Estado Resultado: Es el Estado resultante. El proceso de solucin de un problema es el proceso mediante el cual partiendo de un Estado Inicial y mediante una Estructura de Control que selecciona y aplica Reglas que producen Transiciones entre Estados pertenecientes al Espacio de Estados del problema, se llega a un Estado Solucin.
Clasificacin de los Problemas

Los problemas se pueden clasificar en: Ignorables: Son aquellos en los cuales un error en la bsqueda no altera el proceso. Recuperables: Son aquellos en los cuales existen movimientos que pueden compensar los errores en la bsqueda. No Recuperables: Son aquellos en los que los errores no tienen vuelta atrs.
Sistema de Produccin
Un Sistema de Produccin es un Sistema Informtico con una estructura especial que permite realizar los procesos de bsqueda. El Sistema de Produccin posee: Las Reglas: Son las que producen las transiciones entre los distintos Estados. La Base de Conocimientos: Contiene la informacin apropiada para la tarea en particular. La Estrategia de Control: Especifica el orden en el que las reglas son procesadas y la forma de resolver los conflictos que surjan cuando varias reglas puedan ser aplicadas a la vez. La inteligencia se ve en la decisin tomada. La Estrategia de Control debe: o Causar algn cambio: Debe poder producir cambios a corto plazo. o Ser sistmica: Debe poder producir cambios a largo plazo. El Aplicador de Reglas: Nunca contradice la Estrategia de Control, ya que es la parte crtica.
Pgina 20 de 39
Resumen de Inteligencia Artificial Clasificacin de los Sistemas de Produccin
Los Sistemas de Produccin se pueden clasificar en los siguientes tipos: Montono: Es aquel en el cual la aplicacin de una regla no prev la posterior aplicacin de otras reglas, que podran haberse aplicado cuando se seleccion la primera. No Montono: Es aquel en que se aplican todas y cada una de las reglas que pueden ser tomadas en un momento determinado. Parcialmente Conmutativo: Es aquel en el cual si se aplican una secuencia de reglas transforma el estado X al estado Y, entonces por alguna permutacin permitida de estas reglas tambin transforma el estado X en estado Y. No Parcialmente Conmutativo: Aquel donde si se permutan cualquiera de las reglas no se llega del estado X al estado Y. Son aptos para resolver Problemas No Recuperables. Conmutativo: Sistema que es a su vez montono y Parcialmente Conmutativo. No contemplan volver a estados pasados. Tienden a alcanzar muchos estados individuales duplicados.
Mtodos de Bsqueda Sin Informacin del Dominio

Son los Mtodos que operan sin un conocimiento que pueda guiar la bsqueda acerca del dominio del problema, por lo que se deber realizar una bsqueda exhaustiva en todo el Espacio de Estados.
Primero en Amplitud
A diferencia del Mtodo Primero en Profundidad, recorre el rbol modificando (modifica) el Estado Actual por Niveles, en vez por ramas. Parte del Estado Inicial y aplica todas las reglas posibles, luego por cada nodo generado vuelve a aplicar todas las reglas posibles, generando as los nodos por niveles. En la prctica se implementa con una estructura de cola FIFO.
Ventajas
No queda atrapado en una rama cclica o peridica. Si existe una solucin, la encuentra. Si hay varias soluciones, encuentra la mejor de ellas. Consume una mayor cantidad de recursos computacionales (memoria, tiempo de CPU, etc.).
Desventajas
Primero en Profundidad
El algoritmo barre el rbol (o grafo) una rama a la vez, buscando el Estado Final en cada subrama de cada Estado del Espacio de Estados. A Medida que el Algoritmo va cambiando el Estado Actual, analiza las reglas para el nuevo Estado y va actualizando el Estado Actual Movindose en el rbol a travs de las ramas. En la prctica se implementa con una estructura de cola LIFO.
Ventajas
Consume una menor cantidad de recursos computacionales (memoria, tiempo de CPU, etc.). Si existe una solucin, la encuentra. Se puede encontrar una solucin sin haber buscado en gran parte del rbol. Puede llegar a quedar atrapado en una rama cclica o peridica, por lo que ser necesario establecer un valor de corte como umbral. Devuelve la primera solucin que encuentra. Si hay varias soluciones devuelve la primera de ellas, que puede no ser la mejor de ellas.
Desventajas
Bidireccional
Combina los Mtodos de Bsqueda Primero en Amplitud y Primero en Profundidad. Se debern conocer tanto el Estado Inicial como un Estado Final a fin de realizar dos bsquedas: 1. Bsqueda TopBottom: Partiendo desde el Estado Inicial se pretende hallar el Estado Final. 2. Bsqueda BottomTop: Partiendo desde el Estado Final se pretende hallar el Estado Inicial. Si bien cada bsqueda puede usar cualquiera de los dos mtodos, una de ellas deber usar el Mtodo Primero en Amplitud. Cuando las bsquedas se crucen se podr reconstruir el camino.
Pgina 21 de 39
Generacin y Prueba
En ste Mtodo se genera una posible solucin y se la compara contra todas las dems. Emplea el Mtodo Primero en Profundidad, en donde se va explorando una rama a la vez. Generalmente se implementa con una vuelta hacia atrs.
Ventajas
Es adecuado para problemas sencillos. Si existe una solucin, la encuentra. Si el problema es complejo puede consumir mucho tiempo en encontrar la solucin, ya que recorre todo el Espacio de Estados.
Desventajas
Mtodos de Bsqueda Con Informacin del Dominio

Son aquellos Mtodos que operan con un conocimiento que gua la bsqueda en un determinado sentido. Generalmente el conocimiento se basa en una funcin heurstica que permite probar primero los caminos ms prometedores, evitando una explosin combinatoria. Permiten facilitar la bsqueda de el/los Estado/s Final/es. Se suelen usar para encontrar una solucin aceptablemente buena, no necesariamente la mejor dentro de todo el Espacio de Soluciones.
Escalada
Es una variante del Mtodo Generacin y Prueba. Utiliza una Funcin Heurstica a los propsitos de obtener retroalimentacin. Permite escalar por los nodos si el valor heurstico del nodo destino es mejor al valor heurstico del nodo origen o actual. Es un Mtodo Local, o sea que tiene en cuenta nicamente las consecuencias inmediatas y no contempla retrocesos en la bsqueda. El Mtodo funciona correctamente siempre y cuando la Funcin Heurstica sea montonamente decreciente (o creciente). Posee dos variantes: Escalada Simple y Escalada de Mxima Pendiente. Escalada Simple Dado un Estado Actual, se aplican uno a uno los Operadores sobre ste y se escala por el primer sucesor cuya Funcin Heurstica sea mejor que la del Estado Actual.
Ventajas
El Mtodo es ms rpido que el Mtodo de Escalada de Mxima Pendiente. Necesita ms pasos para poder llegar a la solucin. Se ensaa con una rama y abandona el resto. Posee mayor probabilidad de estancarse ante un mnimo (o mximo) local. No garantiza encontrar la solucin, pese a que est a un nodo de distancia. Si existe un sucesor mejor que por el que escala, pero que an no se ha generado, ste se pierde. No se puede aplicar en problemas donde la solucin es relativa.
Desventajas
Escalada de Mxima Pendiente Es una variante del Mtodo de Escalada Simple. Pretende resolver el problema que se da al generar y evaluar los sucesores de un nodo de a uno. Dado un Estado Actual, generar todos los sucesores del Estado y luego los evala uno por uno, escalando por el mejor de ellos incluyendo al Estado Actual.
Ventajas
Posee menor probabilidad de estancarse ante un mnimo (o mximo) local. Si encuentra una solucin, sta es mejor que la posible solucin encontrada por el Mtodo de Escalada Simple, en el caso de que difieran. Necesita menor cantidad de pasos para hallar la solucin. Se ensaa con una rama y abandona el resto.
Pgina 22 de 39
Desventajas
El Mtodo es ms lento que el Mtodo de Escalada Simple. No garantiza encontrar la solucin, pese a que est a un nodo de distancia. De todas formas puede no hallar la solucin si se cae en un mnimo (o mximo) local. No se puede aplicar en problemas donde la solucin es relativa.
El Primero Mejor
Combina las ventajas de los Mtodos de Primero en Amplitud y Primero en Profundidad. Sigue un nico camino a la vez y lo cambia cuando otro camino parece ms prometedor. Resuelve el problema de los Mtodos de Escalada. Es parecido al Mtodo de Escalada de Mxima Pendiente ya que por cada nodo se evalan todas las reglas para determinar los nodos hijos. Igualmente posee dos diferencias: 1. En Escalada, al elegir un nodo, todos los dems se abandonan. 2. En este Mtodo se elige el mejor estado disponible, an si el valor de su funcin es menor al actual. El Mtodo emplea dos listas: Lista de Abiertos: Nodos generados pero que no se han explorado los sucesores. Se encuentra ordenada y priorizada por el valor heurstico de cada nodo. Lista de Cerrados: Nodos generados, de los cuales ya se han generado los nodos sucesores correspondientes. Se encuentra ordenada histricamente. En cada iteracin se reordena la Lista de Abiertos, lo que posibilita la vuelta atrs. Al generar un nodo se debe controlar que ya no se encuentre en la Lista de Cerrados. Si esto sucede no se evaluar pero si se indicar sta situacin en el modelo, para no simplificar la realidad. Como el algoritmo avanza siempre por el mejor camino, al hallar una solucin asume que sta es la mejor y termina el proceso de bsqueda. El proceso tambin termina en el caso de que la Lista de Abiertos quede vaca. Es una simplificacin del Mtodo A*, dado que su Funcin Heurstica slo pondera la estimacin del costo desde un nodo al nodo solucin, lo que queda por recorrer, y no el costo desde la raz hasta ese nodo, o sea el camino recorrido. En la resolucin de problemas se deber emplear la siguiente tabla: Iteracin 1 tem Nodo Actual Es Solucin? Lista de Abiertos Lista de Cerrados Nodo Actual Es Solucin? Lista de Abiertos Lista de Cerrados Valor (Estado Inicial) SI / NO (Sucesores del Estado Inicial) (Estado Inicial) (Primer Nodo de la Lista de Abiertos) SI / NO Reordenar(Lista de Abiertos Nodo Actual + Sucesores del Nodo Actual ) (Lista de Cerrados + Nodo Actual)
A*
Es similar al anterior, salvo que la Funcin Heurstica se reemplaza por la siguiente aproximacin:
F ' = g ( estado ) + h ' ( estado ) En donde: g ( estado ) representa la suma de los costos de los nodos predecesores (el costo de llegar hasta ese nodo). h ' ( estado ) representa la estimacin de lo que cuesta llegar a un nodo objetivo desde ese nodo. El Costo es relativo a la Transicin y no al Estado. Puede ser: Lineal: Es el mismo en cada nivel. Exponencial: Crece al ir pasando a un nivel inferior.
Permite encontrar el camino de mnimo costo. En caso de existir una solucin, el algoritmo la encuentra. Por esto se dice que el Mtodo A* es un Mtodo Completo.
Pgina 23 de 39
En la resolucin de problemas se deber emplear la tabla vista en el Mtodo el Primero Mejor. Salvo que en la Lista de Abiertos los nodos tendrn la forma Nodo g + h ' , y se deber reordenar por ste valor.
Mtodo de Reduccin de Problemas

Se emplea en los casos en que los problemas pueden descomponerse en subproblemas. Dado un problema se lo divide de manera recursiva en problemas menores hasta llegar a Problemas Primitivos (problemas atmicos de resolucin inmediata). Problema Meta = Problema Primitivo
Solucin ( Problema Meta ) = Solucin ( Problema Primitivo ) La resolucin de todos los problemas primitivos implica que el problema principal ha sido resuelto.
Para graficar se emplean los denominados Grafos Y-O. En donde se dibujan arcos en las transiciones entre estados para representar el Y. Se comienza por el Estado Inicial generando todos los posibles sucesores y se evalan los valores a fin de determinar el mejor camino. Al ir visitando los nodos descendientes se van reevaluando los valores heursticos, con lo cual se deben propagar los cambios hacia arriba. Constantemente hay que comparar los nuevos valores obtenidos con los valores anteriores para determinar si se debe seguir por un camino o cambiarlo por otro con mejor valor. El proceso termina cuando se encuentra una solucin o cuando todos los caminos llevan a callejones sin salida. Las principales diferencias con el Mtodo el Primero Mejor son: En el Primero Mejor la vuelta atrs no es necesaria, en cambio en el Mtodo de Reduccin de Problemas si porque hay que reevaluar los nodos expandidos para determinar el mejor camino. En el Primero Mejor se buscaba el camino con menor costo, en cambio en el Mtodo de Reduccin de Problemas los caminos individuales que van de un nodo a otro no deben ser tomados independientemente de los caminos a travs de otros nodos conectados a los nodos originales mediante arcos Y.
Anlisis de Protocolos
Es una tcnica que permite observar y grabar a un Experto en la resolucin de un problema para lograr educir conocimientos del l, que luego sirvan en la construccin de un Sistema Basado en Conocimientos.
Etapas del Anlisis de Protocolos

Esta tcnica de Educcin de Conocimientos posee las siguientes etapas.
1. Grabacin del Protocolo

La cual se divide en las subetapas siguientes: Introduccin: El Ingeniero en Conocimiento le explica al Experto lo que espera de l. Se le pide que hable en voz alta diciendo que diga lo que piensa, lo que hace, pero no que explique sus razonamientos. Si el Experto se quedase callado por un lapso mayor a los tres segundos, deber indicarse tal situacin y pedirle que contine. Puesta en Situacin: Se busca brindarle confianza al Experto, por ejemplo mediante la resolucin de algn ejercicio introductorio. Registro del Protocolo: Es la grabacin y la registracin de lo que dice y hace el Experto.
2. Transcripcin
Se transcribe lo grabado segmentndolo en frases con el fin de poder analizarlo de una mejor forma. La divisin en frase se realiza tratando de que cada una aporte algo por s sola. Lnea Transcripcin 1 2 n En la resolucin de la transcripcin, se deber emplear la siguiente tabla:
Pgina 24 de 39
Se debern indicar las pausas que tuvo el Experto empleando corchetes, y dentro de ellos indicando la duracin de las mismas.
3. Codificacin
A esta etapa se la divide en las siguientes subetapas: Identificacin de Conceptos, Caractersticas, Valores, Relaciones y Operadores: Se los suele denominar tambin como Elementos del Protocolo. Se debe analizar frase por frase de la tabla anterior para poder determinar cada uno de estos Elementos. o Conceptos: Representan una entidad, un conocimiento. o Caractersticas: Las Caractersticas se relacionan con los Conceptos, ya que establecen las cualidades que pueden tener stos. Seran como los atributos. o Valores: Se relacionan con las Caractersticas. Son los valores que puede adoptar una determinada Caracterstica. O sea que definen las particularidades de un Concepto determinado que lo hacen distinguible de otros Conceptos de su misma especie. o Relaciones: Son explcitas y pueden relacionar un Concepto con otro Concepto o un Concepto con una Caracterstica. o Operadores: Son los medios que el Experto utiliza para pasar de un estado del problema a otro estado ms prximo a la solucin. Se deber emplear la siguiente tabla: Significado Concepto Caracterstica Valor Relacin Operador Texto
Identificacin de las Relaciones de Protocolo: Consiste en determinar las relaciones que existen dentro del protocolo. Se deber construir la siguiente tabla, denominada Tabla Concepto-Caracterstica-Valor, para ordenar y relacionar los Elementos del Protocolo detectados en la tabla anterior: Concepto Concepto Concepto Caracterstica Caracterstica (Caracterstica) Valor Valor Valor
Entre parntesis se debern indicar aquellas relaciones implcitas entre un Concepto y un Valor. El siguiente paso consiste en establecer las Relaciones de Protocolos, que son relaciones explcitas entre Conceptos. Para ello se emplea un grafo como se muestra a continuacin: Concepto k
RELACIN A RELACIN B
Concepto i Concepto j
RELACIN C
Concepto m Identificacin de la bsqueda: Consiste en determinar los estados por los cuales pasa el Experto desde el estado inicial hasta llegar al estado solucin. En la resolucin de los ejercicios se deber seguir el siguiente esquema:
Pgina 25 de 39
Estado Inicial Operador 1 Caractersticas distintivas 1 Estados Intermedios Operador n Caractersticas distintivas n Estado Final
Identificacin de Metacomentarios, Sinnimos e Incertidumbres: En base a la primera tabla se debern detectar los Metacomentarios, los Sinnimos y las Incertidumbres. o Metacomentarios: Frases o palabras que no aportan nada en el Protocolo, sin embargo pueden representar razonamientos ocultos y pueden servir ms adelante en otro Anlisis de Protocolo. Sus Elementos no deben ser tenidos en cuenta en el Anlisis. o Sinnimos: Palabras que representan la misma idea o concepto. o Incertidumbres: Palabras o frases que implican dudas o deducciones inciertas. Influyen en los operadores pero no forman parte de l. Representa un grado de certidumbre para un operador que brinda el Experto. En la resolucin de los ejercicios se deber seguir el siguiente esquema: Sinnimos: Metacomentarios: Lnea n Metacomentario Significado
Incertidumbres:
4. Interpretacin
En sta etapa se definen las reglas de razonamiento del experto. La cantidad de reglas debe ser la misma que la cantidad de operadores, que no pertenezcan a un metacomentario. Las Reglas son de la forma: SI ( CONDICIONES ) ENTONCES ( ACCIONES ) Y en donde, CONDICIONES: CONCEPTO.CARACTERSTICA = VALOR
Emparrillado
Esta es otra tcnica para poder educir conocimientos de un Experto. Permite tomar en cuenta cmo piensa el experto y qu juicios emplea. La Metodologa que consta de 6 pasos es la siguiente:
1. Identificacin de los Elementos

En sta primera etapa se deben obtener los Elementos que conformarn la Parrilla. stos deben ser homogneos y representativos del dominio. Que sean homogneos se refiere a que estn en el mismo nivel. Que sean representativos indica que debern abarcar todo el dominio. Para obtener los Elementos se pueden usar entrevistas.
2. Identificacin de las Caractersticas

Las Caractersticas son las cualidades que pueden ser atribuidas a los Elementos o conceptos del pensamiento. Deben ser bipolares, o sea, un Elemento es una cosa o la otra. La cantidad de Caractersticas no depende de la cantidad de elementos. Dichas Caractersticas pueden ser obtenidas mediante entrevistas.
Pgina 26 de 39
Tambin se debern determinar los polos de las Caractersticas, o sea cul es el extremo que toma en cuenta en primera instancia el Experto.
3. Diseo de la Parrilla
Se deber construir una matriz, denominada Parrilla, tal como se muestra a continuacin: E1 C1 C2 C3 Cm V11 V21 V31 Vm1 E2 V12 V22 V32 Vm2 E3 V13 V23 V33 Vm3 En V1n V2n V3n Vmn
Los tipos de Parrilla que se pueden construir son: Dicotmica: Es una matriz binaria. Las celdas adoptan los valores 0 (el elemento no posee esa caracterstica) o 1 (el elemento s posee esa caracterstica). Clasificatoria: Las celdas adoptan valores entre 1 y n, donde n es el nmero total de elementos. No puede haber valores repetidos. Evaluativa: Las celdas adoptan valores entre 1 y x, como una escala numrica. El margen se aplica a todas las caractersticas. Al ser una escala s puede haber valores repetidos.
4. Formalizacin
Consta de las siguientes subetapas.
4.1. Clasificacin de los Elementos
Se comparar elementos contra elementos. Para ello se deber calcular una matriz de distancia; que al ser simtrica, slo se usar la diagonal superior. La distancia entre dos elementos E i y E j se calcula haciendo el modulo de la diferencia de las columnas de ambos elementos. Luego de calcular las distancias, se deben ir agrupando los elementos de acuerdo a un criterio (minimo valor generalmente). El mtodo vuelve a ciclar hasta que todos los elementos se hayan agrupado. Una vez que se han agrupado los elementos se deber construir el rbol Jerrquico de Distancias de Elementos, tal como se muestra a continuacin:
k 3 2 1 Ei Ej Eh En
4.2. Clasificacin de las Caractersticas
Es similar al proceso de Clasificacin de los Elementos, salvo que se calculan dos valores de distancia: En la Diagonal Superior de la Parrilla se calcula la Distancia 1 (d1) de forma similar al clculo de las distancias entre elementos. En la Diagonal Inferior de la Parrilla se calcula la Distancia 2 (d2), la cual es el modulo de la diferencia de una fila de la matriz original contra una fila de la matrix opuesta. Como slo hay que trabajar con la diagonal superior, se deber construir una nueva Parrilla de distancias de caractersticas tomando de la matriz anterior la distancia mnima entre los opuestos por la diagonal: Al construir la nueva matriz se debern agrupar las caractersticas siguiendo el mismo proceso que se ha indicado en la Clasificacin de los Elementos. Una vez que se han agrupado todas las caractersticas se deber construir el rbol Jerrquico de Caractersticas.
k 3 2 1 Ci Cj Ch Cn
Pgina 27 de 39
5. Interpretacin o Anlisis de los Resultados

En esta ltima etapa se debern analizar los siguientes tems con el fin de obtener una conclusin: En base a los Elementos: o Cantidad de grupos que se han formado. o Grupos que se han formado. o Similitud entre los Elementos. En base a las Caractersticas: o Cantidad de grupos que se han formado. o Grupos que se han formado. o Similitud entre las Caractersticas.
6. Red de relaciones entre Caractersticas

Se arma a partir del Texto
Paralela A B A
Recproca B A B
Ortogonal A B A B A
Ambiguas B A B
Algoritmos Genticos
Un algoritmo gentico simula la evolucin de una poblacin de individuos. El objetivo de un AG es buscar una buena solucin al problema (mas optima)
Introduccin a los Algoritmos Genticos

Bases de los Algoritmos Genticos
Los Algoritmos Genticos se encuentran basados en la: Gentica. Teora de la Evolucin: Fue propuesta por Darwin, y propone: o Adaptacin. o Supervivencia del ms fuerte (del ms adaptado). Los factores fundamentales que posee la Teora de la Evolucin son: o Seleccin Natural: Slo los ms aptos sobreviven en el ecosistema. o Cruzamiento: Es la concepcin de nuevos individuos a partir de los ya existentes. o Mutacin: Cambios aleatorios en los cromosomas.
Pgina 28 de 39
Comparacin entre la Biologa y los Algoritmos Genticos

Podemos comparar la Biologa con los Algoritmos Genticos a travs de la siguiente tabla: Biologa Ecosistema Organismos/Individuos Poblacin Genes Genotipo (Conjunto de Genes) Algoritmos Genticos Problema Posibles Soluciones (Individuos o Cromosomas) Poblacin (De cada Ciclo) Genes (Valores binarios) Propiedad
Pasos Para Configurar un Algoritmo Gentico

Ante un problema deberemos seguir los siguientes pasos a fin de configurar el Algoritmo Gentico: 1. Definir el Cromosoma: Primero se debern identificar las propiedades o caractersticas del problema en cuestin. Y luego se debern asignar las posiciones dentro del cromosoma a cada una de las propiedades identificadas. El Cromosoma es el patrn de las caractersticas o propiedades que deber tener la solucin. La definicin del Cromosoma quedara como se muestra a continuacin:
PROPIEDAD 1 PROPIEDAD n
2. Definir la Funcin de Aptitud: Es el segundo paso en la configuracin de un Algoritmo Gentico. La Funcin de Aptitud ( f ) permite comparar y descartar alternativas en base al anlisis de los cromosomas. Esta funcin puede ser tanto una funcin matemtica, una serie de condiciones como una combinacin de ambas. Esta funcin depende del problema dado y del cromosoma La Funcin de Aptitud emplea la heurstica para determinar qu tan bueno es estar en determinado estado. La Funcin de Aptitud queda representada por la expresin f ( Cromosoma ) Valor Real .
Esquema de los Algoritmos Genticos

A continuacin se presenta el esquema que posee un Algoritmo Gentico.
GENERAR POBLACIN INICIAL
Pi+1
P0
SELECCIN
PS
CRUZAMIENTO
PD
MUTACIN
Pi+1 NO
PARO ?
SI
POBLACIN FINAL
Operadores o Funciones Bsicos
Los operadores o funciones bsicas que posee el Algoritmo Gentico son:
Pgina 29 de 39
1. Seleccin: Comparacin y seleccin de los mejores individuos. Permite seleccionar los candidatos a cruzar. Se realiza en todas las Iteraciones
2. Cruzamiento: Generacin de nuevos individuos a partir de los individuos seleccionados.
3. Mutacin: Alteracin espordica y al azar de un gen del cromosoma de un individuo. Este operador evita la prdida de posibles soluciones. Por tal motivo la mutacin permite acercarnos ms a la solucin.
En cuanto a la convergencia, no converge ms rpido si no ha mutado ningn individuo de la poblacin
Etapas del Algoritmo Gentico
Las etapas que sigue el Algoritmo Gentico para resolver un problema son: 1. Generar Poblacin Inicial: Se genera un conjunto de cromosomas, no todo el espacio de soluciones, denominado Poblacin Inicial (P 0). La convergencia del Algoritmo Gentico no depende de P0. Sin embargo s deben configurarse dos parmetros: o Cantidad de Individuos: Puede ser tanto fija como variable, aunque generalmente se emplea una cantidad fija. o Generacin de Cromosomas: Puede ser tanto aleatoria como mediante un mtodo gentico, generalmente se generan de manera aleatoria. 2. Seleccin: En esta segunda etapa se emplea la Funcin de Aptitud para comparar y seleccionar los mejores cromosomas. No se generan nuevos individuos, sino que se busca obtener la Poblacin Seleccionada (PS) a partir de P0. A veces suele hacerse una depuracin de individuos no vlidos en sta etapa si no se realiza en una etapa anterior o un paso intermedio. Los mtodos de seleccin ms comunes son: a. Torneo: Hace competir a los individuos entre s y los ganadores son elegidos para cruzarse. Presenta el problema de que tiende a elegir los cromosomas con mejor Funcin de Aptitud, con lo cual se puede perder algn cromosoma con alguna propiedad interesante y tambin se pierde diversidad. b. Ruleta: Emplea el azar para solucionar el problema del Mtodo de Torneo. El primer paso consiste en construir la siguiente tabla para determinar la probabilidad de cada individuo: Individuo
f ( x)
p( x ) = f ( x )
f ( x )
P( x )
I1
k1
m1
s1
1
In
f ( x )
kn
mn
1
Luego se deber construir el pao de probabilidades en base a la columna P ( x ) con las probabilidades acumuladas de cada individuo. Finalmente se debern elegir nmeros al azar entre 0 y 1, y comparndolos contra el pao se determinar PS. c. Control Sobre Nmero Esperado: Es similar al Mtodo de la Ruleta, salvo la tabla que permite calcular las probabilidades de cada individuo.
Pgina 30 de 39
Se deber emplear la siguiente tabla para determinar las probabilidades de cada individuo: Individuo
f ( x)
f ( x ) Promedio
p( x ) =
I1
k1
d1
Mant ( d1 )
Mant ( d n )
Promedio
f ( x ) Promedio f ( x ) Promedio
m1
P( x )
s1
1
i
In
kn
dn
mn
Promedio:
f ( x ) f ( x ) f ( x ) n
Aquellos individuos que superen con su parte entera al promedio sern seleccionados inmediatamente. Luego se sigue con el procedimiento normal del mtodo de la Ruleta calculando la probabilidad de cada individuo, armando el pao y generando los nmeros al azar para terminar de seleccionar la poblacin. d. Ranking: Para evitar la Convergencia prematura (los super-individuos dominan rpidamente la poblacin) se asigna un numero de copias esperadas a los individuos. 3. Cruzamiento: En esta etapa se busca cruzar los individuos seleccionados en la Etapa de Seleccin. Se generan nuevos individuos y se obtiene la Poblacin Descendente (P D). En general no se tiene en cuenta la Funcin de Aptitud. Las tcnicas de cruzamiento pueden tener en cuenta las propiedades del cromosoma o no (genotipo). Dichas tcnicas son: a. Simple: Se truncan los cromosomas en una determinada posicin para armar subcadenas que luego se van a combinar. No tiene en cuenta las propiedades del cromosoma. Generalmente de dos padres se obtienen dos hijos.
b. Multipunto: Es similar a la Tcnica de Cruzamiento Simple, salvo que se establecen mltiples puntos de corte. Puede tener en cuenta las propiedades del cromosoma o no.
c.
Binomial: Considera cada gen como posible punto de corte. Para generar los hijos sigue la siguiente regla: por cada posicin genera un nmero al azar, luego establece un umbral y finalmente compara cada nmero obtenido al azar con el umbral para determinar a qu hijo pertenece.
Pgina 31 de 39
4. Mutacin: Permite mantener la diversidad de la poblacin disminuyendo el riesgo de convergencia prematura. Es la etapa en la cual se altera algn gen del cromosoma para producir la mutacin de los individuos. No siempre se produce mutacin, debido a que se trata de mantener controlada . Los mtodos de mutacin que se pueden emplear son: a. Simple: Primero se obtiene un valor al azar, el cual es comparado contra un umbral denominado Probabilidad de Mutacin, que puede ser generalmente de 0,1; 0,05 o 0,01. Si el valor al azar supera el umbral, no se muta; si no los supera, se muta y para ello se genera un nuevo nmero al azar (R POS.MUT) que va a definir qu gen del conjunto de todos los cromosomas de los individuos se va a alterar. b. Optativa por Convergencia: A medida que la media de la funcin de aptitud crece, la probabilidad de mutacin baja. c. Adaptativa por Temperatura: Puede ser: i. Ascendente: Al aumentar la cantidad de ciclos, aumenta la probabilidad de mutacin. ii. Descendente: Al ir aumentando la cantidad de ciclos, disminuye la probabilidad de mutacin. 5. Criterio de Paro: Como criterio de paro se pueden tomar la cantidad de ciclos, el tiempo transcurrido, que la Funcin de Aptitud supere un mnimo preestablecido ( f ( x ) > Min ), que el promedio de todas las Funciones de Aptitud de una generacin sea mayor a un mnimo ( Prom( f ( x ) ) > Min ), etc. Lo ms comn es tomar la cantidad de ciclos o f ( x ) > Min . 6. Poblacin Final: Es el conjunto de individuos que podran ser solucin. Para obtener la solucin se deber determinar el individuo que posea la mejor Funcin de Aptitud.
Aplicaciones:
Pueden resolver en forma rpida y eficiente problemas complejos con caractersticas como alta cardinalidad, alta dimensionalidad de la Func de aptitud y Func de aptitud no lineales. Utilizan muy poca info especifica del problema, Son extensibles (fciles de extender ) Pueden ser usados para la primera bsqueda global y luego aplicar otro mtodo de bsqueda local.
Redes Neuronales
Las redes neuronales son modelos que intentan reproducir el comportamiento del cerebro.
Redes Neuronales Naturales

Estructura de las Redes Neuronales Naturales
A continuacin se muestra la estructura de las Redes Neuronales Naturales.
Pgina 32 de 39
Dendritas
Ncleo
Axin
Funcionamiento de las Redes Neuronales Naturales

Una clula neuronal, o neurona, recibe impulsos de entrada a travs de las Dendritas, lo cual produce una excitacin en el ncleo de la neurona que se traslada hacia el Axin para ser transmitido a otra neurona. El poder de ste modelo se encuentra en la red neuronal y no en algn conocimiento almacenado.
Sinapsis
La Sinapsis es el contacto que existe entre las terminales axnicas de una neurona y las dendritas de la neurona siguiente. Cabe aclarar que las Dendritas y los Axiones no se tocan fsicamente entre s. La Sinapsis puede ser: Exitadora: Cuando los neurotransmisores disminuyen el potencial de la membrana de la clula posinptica y favorecen la generacin de impulsos a mayor velocidad. Inhibidora: Es cuando los neurotransmisores tienden a estabilizar el potencial de la membrana y dificulta la emisin de impulsos.
Redes Neuronales Artificiales

Estructura de las Redes Neuronales Artificiales
A continuacin se muestra la estructura de las Redes Neuronales Artificiales.
Pgina 33 de 39
Yi
wij
f(NET)
Yj
Wnj n Entradas Unidad Salida
Funcionamiento de las Redes Neuronales Artificiales

Xi i Yi Xj j Wij Peso de la conexin entre i y j Yj
En la Redes Neuronales Artificiales se sigue el mismo modelo que en las Redes Neuronales Naturales, se construye una red de unidades (o neuronas) que no posee conocimiento almacenado. Los pesos ponderan la conexin (sinapsis) entre la neurona i y la j. Cada entrada posee un peso asociado wij . A su vez, a cada entrada se conectan las salidas de otras neuronas, las cuales en un momento determinado tendrn un valor Yi . La sumatoria de cada uno de esos pesos multiplicados por la entrada correspondiente es lo que se considera como Peso Neto:
NET = ( wij Yi )
n i =1
El Peso Neto ser la entrada para la Funcin de Activacin, la cual dar como resultado el valor de salida de dicha neurona. Cada Neurona de una Red Neuronal Artificial entonces queda definida por: Las entradas y sus pesos wij correspondientes. La Funcin de Activacin f ( NET ) . Cmo se conectan las neuronas, los tipos de capas y los tipos de conexin que se presentan. Las Redes Neuronales Artificiales poseen memoria implcita, es decir que no se haya centralizada, sino distribuida en el conjunto de las Neuronas y sus pesos e interconexiones.
Pgina 34 de 39
Los tipos de conexin que pueden darse en una Red Neuronal Artificial son: Slo hacia delante. Consigo misma. Con neuronas del mismo nivel.
Tipos de Neuronas
En las Redes Neuronales Artificiales podemos encontrar los siguientes tipos de Neuronas: Neuronas de Entradas: Son aquellas neuronas que reciben los estmulos del exterior. Neuronas de Procesamiento: Son aquellas neuronas que se encargan de transformar la informacin. Neuronas de Salida: Son las neuronas que se encargan de dar la respuesta al entorno.
Tipos de Redes Neuronales Artificiales

Las Redes Neuronales Artificiales se clasifican en: Redes Monocapa: Son aquellas Redes Neuronales en las que existe una nica capa de neuronas que se encargan de las entradas, el procesamiento y la salida. Redes Multicapa: Son aquellas Redes Neuronales en las que existen varias capas que se encargan de la funcionalidad del sistema. Las capas que se pueden encontrar son: o Capa de Entrada (1 capa): Posee Neuronas de Entrada y se encarga de Interpretar las entradas recibidas desde el exterior. o Capas de Procesamiento (n capas): Se compone de Neuronas de Procesamiento. Pueden haber varias capas de ste tipo de neuronas. Son capas ocultas. o Capa de Salida (1 capa): Se compone de Neuronas de Salida. Esta capa se encarga de dar salida a la informacin procesada.
Ventajas de las RNA

Aprendizaje adaptativo Autoorganizacin Tolerancia a fallos Manejo de informacin incompleta e imprecisa Operacin en tiempo real Fcil insercin en tecnologa existente
Estado de Activacin
El Estado de Activacin es un valor numrico que posee una neurona en un instante de tiempo dado. La actualizacin de los Valores de Estado de una Neurona puede ser: Asincrnica: Las Neuronas evalan su estado continuamente segn les llega la informacin y actualizan su Valor de Estado de forma independiente al resto de las Neuronas. Sincrnica: Si bien la informacin tambin llega de forma continua a las Neuronas, los cambios en los Valores de Estado se realizan simultneamente en toda la Red Neuronal.
Funcin de Activacin o Transferencia

La Funcin de Activacin es la funcin que transforma el Estado de Activacin en una seal de salida . Es decir que transforma la entrada neta de la neurona en una seal de salida. Los distintos tipos de Funcin de Activacin que hay son: Escaln: Se usa para salidas binarias, es limitada pero fcil de implementar. Pueden adoptar valores 0 o 1; -1 o 1. Lineal Mixta: Combina una funcin lineal con una funcin escaln a partir de un determinado rango de valores que excede los lmites preestablecidos de entrada. Monotnicas Asintticas o Sismdicas: Son funciones continuas asintticas. Campana de Gauss: La funcin sigue la curva de la campana de Gauss, y por ende es continua.
Pgina 35 de 39
La funcin de activacin puede ser desfasada respecto del Eje Y, generando as un umbral de activacin o desvo. Para ello, se introduce en la entrada neta NET como un peso negativo y se le asigna una entrada unitaria, tal como se muestra a continuacin:
NET = ( wij Yi ) = ( wij Yi ) + ( ) Y = w1 j + w2 j + + wnj + ( ) Y

n n
En donde : ( ) = w j e Y = 1
El tipo de Funcin de Activacin a usar en una Red Neuronal Artificial depende de: El dominio del problema en cuestin. La salida a mostrar. El tipo de aprendizaje a implementar.
i =1
i =1
Entrenamiento de las Redes Neuronales Artificiales

El entrenamiento es someter a la red a los casos de prueba. Para cada caso de prueba se deben conocer las respuestas esperadas a fin de determinar si la red funciona de manera correcta o no.
Mecanismos de Aprendizaje
El aprendizaje es incorporar conocimiento nuevo. Esto permite modificar el comportamiento de la Red Neuronal para adaptarse a una situacin que antes no poda. Mediante el aprendizaje se establecen y se ajustan los distintos valores wij (pesos) que llevar cada una de las entradas de de las neuronas. Los mecanismos de aprendizaje que podemos encontrar son los que se enumeran a continuacin: Mecanismos de Aprendizaje Supervisado: Constantemente un ente externo controla que la Red Neuronal aprenda de forma correcta. Este a su vez puede ser: o On-Line: El Sistema se implementa en produccin. Dentro de sta categora podemos encontrar los siguientes mecanismos: Adaptive Heuristic Critic: Emplea la heurstica para aprender, aunque siempre de forma supervisada. o Off-Line: El Sistema toma muestras en tiempo de desarrollo (paro para poder entrenarlas). En este tipo de aprendizaje, los pesos de las conexiones permanecen fijos despus de que termina la etapa de entrenamiento, por lo cual no presentan problemas de estabilidad en su funcionamiento. Dentro de sta categora podemos encontrar los siguientes mecanismos: Perceptrn: El aprendizaje se realiza por correccin de errores. La Red Neuronal puede ser multicapa o no. El umbral de desvo permanece constante, y lo que se vara son los pesos de las entradas reales. El algoritmo de aprendizaje es el siguiente: 1. Se calcula la salida real S R y se compara con la salida deseada S D .
S R = ( wi ei ) + w0 e0 = ( wi ei ) + w0 1
i =1 i =1
En donde wi es el peso de la entrada ei y w0 es el peso del umbral de desvo. 2. Si coinciden, o sea que S R = S D , el algoritmo finaliza. Si no coincide se calcula la variacin del peso de cada entrada como se muestra a continuacin. En donde es el Coeficiente de Aprendizaje. 3. Se actualizan los pesos de las entradas sumando algebraicamente la variacin calculada en el paso anterior y se vuelve al paso 1.
S i = ei ( S D S R )
wi = wi + S i
Back Propagation: Este algoritmo corrige el peso en base a lo que contribuy. Dado que no se conoce la salida deseada para las neuronas ocultas, se propaga el error hacia atrs teniendo en cuenta el aporte del error de cada neurona.
Pgina 36 de 39
Hetereoasociativa. Se puede usar siempre que se busque para un dato de entrada, tal salida. Mecanismos de Aprendizaje No Supervisado: No existe un ente externo que controle el aprendizaje de la red. Este a su vez puede ser: o On-Line: El Sistema se implementa en produccin. o Off-Line: El Sistema toma muestras en tiempo de desarrollo. En este tipo de aprendizaje, los pesos de las conexiones permanecen fijos despus de que termina la etapa de entrenamiento, por lo cual no presentan problemas de estabilidad en su funcionamiento. Dentro de sta categora podemos encontrar los siguientes mecanismos: Hebbiano:o Hopfield Al algoritmo se le brindan todos los posibles elementos que se quieran reconocer,as ante una entrada se comparan los elementos conocidos para determinar qu elemento se ingres, an si ste no es idntico. Se usa para completar una informacin que no fue enseada en base a informacin aprendida (ejemplo: identificar 1 cancin de acuerdo a las primeras notas) Para ello emplea un concepto de simbiosis entre celdas o elementos que le permite identificar elementos que no presenten la misma forma que cuando fueron aprendidos por la red. Kohonnen: Mtodo competitivo cooperativo clasificatorio, que de un vector o matriz de neuronas de salida, solamente queda activada una, la ganadora. Kohonnen clasifica en tantas clases como neuronas de salida tenga, aprende solo. Al comienzo del entrenamiento la vecindad comprende una amplia regin del mapa. Luego con el transcurso de las iteraciones, el tamao de la vecindad se reduce, y finalmente slo se modifican los pesos de la neurona ganadora (para asemejarse ms a la entrada). As el proceso de aprendizaje comprende dos fases fundamentales: una ordenacin global, en la que se produce el despliegue del mapa; y un ajuste fino, en el que las neuronas se especializan.
Cuadro Comparativo de las RNA
Cuadro Comparativo de Mtodos de Aprendizaje On Line Supervisado Off Line No supervisado On Line y Off line
Pgina 37 de 39
Por Refuerzo: El supervisor es un crtico. Te dice si est bien o mal la Rta pero no dice cual sera la deseada
Correccin de Error: El supervisor dice la salida deseada y se ajustan los pesos entre la salida deseada y la obtenida Estocstico: Cambia los pesos en forma aleatoria
Hebbiano: ajuste de pesos segun la multiplicacion de las salidas de las neuronas conectadas Competitivo / Cooperativo (se mide familiaridad y se clasifican los datos) Una sola neurona de salida se activa
Supervisado
Por Refuerzo Correccin de Error Estocstico Hebbiano
No Supervisado Competitivo / Cooperativo TIPS Se usa:

Kohonen: Problemas de clasificacin sin mucha informacin del dominio (lo importante es la clasificacin) Hoppfield: Problemas de reconocimiento de patrones Back Propagation: Problemas para donde para una entrada X corresponde una salida Y. clasifican Algoritmos Genticos: Problemas de optimizacin. Mtodos de bsqueda: Problemas de Ordenamiento (donde importa la secuencia de las cosas y hay reglas predeterminadas)
Lgica de primer orden: A(x) = x es amapola y Bx = x es blanca - Todas las amapolas son blancas (Para todo)x (Ax Bx) /// Si hay un para todo generalmente tengo un
- Algunas amapolas son blancas (existe)x (Ax y Bx) /// Si hay un existe generalmente tengo un y
- Algunas amapolas, por ser amapolas son blancas (Existe)x (Ax Bx) Emparrillado Si las caractersticas se van agregando despus, entonces no se hace el anlisis de caractersticas de estas ltimas. Si la distancia es 0, entonces estos elementos o caractersticas son iguales Si la matriz original no es cuadrada no importa, ya que los elementos y caractersticas se evalan por separado, conformando matrices cuadradas.
Pgina 38 de 39
Esto son 2 grupos de elementos: (E1; E3) y (E2; E4)
Esto son 3 grupos de elementos: (E1;E4) y E2 y E3 Anlisis de protocolos. Si le encontraste ms de una caracterstica tiene que ser concepto. Todos los conceptos que se definen tienen que estar relacionados. Los metacomentarios surgen segn el objetivo, se trata algo como metacomentario cuando lo tapas con el dedo y aun as sigue teniendo el mismo sentido la oracin, prrafo o descripcin que te da el experto. Las relaciones entre los conceptos son relaciones implcitas De un concepto a otro hay una relacin (observamos que posee). De un estado a otro hay un operador (podemos concluir que estamos ante la presencia de).
Pgina 39 de 39

Resumen IA Con Multiples Choices

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Resumen IA Con Multiples Choices

Uploaded by

Copyright:

Available Formats

Resumen de Inteligencia Artificial

Clasificacin de los Sistemas

Construccin de Sistemas Basados en Conocimientos

Resumen de Inteligencia Artificial

Principios Para Construir Sistemas Basados en Conocimientos

Sistemas Basados en Conocimientos (SBC)

Sistemas Expertos (SE)

Resumen de Inteligencia Artificial

Tipos de Sistemas Expertos

Resumen de Inteligencia Artificial

Ingeniera en Software vs INCO

Nivel Pragmtico Nivel Semntico Nivel Sintctico

Relacin entre la Pirmide de la Informacin y las Ingenieras

Sabidura Conocimiento Noticias (Informacin) Datos

Ambos tipos de problemas

Ingeniera en Sistemas de Informacin

Resumen de Inteligencia Artificial

Segn la Definicin del Problema:

Resumen de Inteligencia Artificial

Experiencia Artificial Frente a Experiencia Natural

Por Qu Introducir Experiencia Artificial

Resumen de Inteligencia Artificial

Metodologa de Construccin de Sistemas Basados en Conocimientos

INCO (Ingeniera en Conocimiento)

Resumen de Inteligencia Artificial

Resumen de Inteligencia Artificial

Resumen de Inteligencia Artificial

Resumen de Inteligencia Artificial

Resumen de Inteligencia Artificial

Sistemas de Produccin. Guiones.

4 . I mple me nta ci n Consiste en la implementacin del sistema.

Resumen de Inteligencia Artificial

Fases y Etapas de la Metodologa IDEAL

Parmetros esenciales a considerar:

Resumen de Inteligencia Artificial

En esta etapa, es dnde se realiza la especificacin del sistema.

Resumen de Inteligencia Artificial

Tipos de Lgica Deductiva

Representan el resultado de relacionar dos proposiciones a travs de un Operador Lgico.

Resumen de Inteligencia Artificial

Lgica de Primer Orden

En las expresiones, generalmente los implican la existencia de .

; mientras que los

Resumen de Inteligencia Artificial

n) Hiptesis n n +1) Hiptesis n +1

Reglas de Deduccin natural en lgica proposicional

H A .. B A -> B A A B A^B A AvB A .. B ^ B A

T A -> B A [Sup] .. B A ->B B A^B Elijo A Elijo B AvB Sup Sup A B .. .. C C C A A

Introduccin de la Negacin Eliminacin de la Negacin

Resumen de Inteligencia Artificial

Resumen de Inteligencia Artificial

Resumen de Inteligencia Artificial

Los Mtodos de Bsqueda

El Espacio de Estados o Espacio del Problema

Las Reglas u Operadores

Clasificacin de los Problemas

Resumen de Inteligencia Artificial Clasificacin de los Sistemas de Produccin

Mtodos de Bsqueda Sin Informacin del Dominio

Resumen de Inteligencia Artificial

Mtodos de Bsqueda Con Informacin del Dominio

Resumen de Inteligencia Artificial

Resumen de Inteligencia Artificial

Mtodo de Reduccin de Problemas

Etapas del Anlisis de Protocolos