UNIDAD 3 INTELIGENCIA ARTIFICIAL

REGLAS Y BUSQUEDAS
JOSE FRANCISCO BLANCO DZUL
3.1 Representación de conocimiento mediante reglas

son las que permiten lograr una búsqueda de aserciones lógicas en el estudio
de los sistemas basados o encaminados en una serie de instrucciones
permitiendo de este modo lograr las vías de ejecución del programa de forma
similar a las construcciones tradicionales de control como If, Then, Else. Las
cuales definen los caminos de ejecución de los programas tradicionales.
Algunas reglas sirven para que los que tengan inteligencia artificial puedan
saber manejar los momentos u ocasiones y poder así representar su trabajo
como ellos quieren, en este tema hay varios tipos de conocimiento uno de ellos
es el conocimiento declarativo que se basa en en cuanto lo que debe de
hacerse con el conocimiento y de que debe hacerse.
3.2 Métodos de Inferencia en reglas
La inferencia es la forma en que obtenemos conclusiones base de datos y
declaraciones establecidas. Especialmente en la lógica matemática, la
inferencia nos sirve para crear esquemas que establezcan relaciones
sintácticas entre un conjunto de fórmulas llamadas premisas y una aserción
llamada conclusión y en la cual una inferencia puede ser: Inductiva, Deductiva,
Transductiva o abductiva.
3.3 Reglas de producción.
Veremos a continuación unas reglas que se se entienden como una
proposición lógica que relaciona 2 o más objetos e incluye 2 partes, la premisa
y la conclusión. Cada una de estas partes consiste en una expresión lógica con
una o más afirmaciones objeto-valor conectadas mediante los operadores
lógicos y, o ó no, en ejemlo de una de ellas
Reglas de producción. Es un método procedimental de representación del
conocimiento, pone énfasis en representar y soportar las relaciones
inferenciales del algoritmo, en contraposición a los métodos declarativos
(hechos).
La estructura de una regla es:
SI <antecedentes>
ENTONCES <consecuentes>
Arquitectura de los Sistemas Basados en Reglas:
Base de Conocimientos: reúne todo el conocimiento del sistema (Hechos +
Reglas).
Memoria Activa: contiene los hechos que representan el estado actual del
problema (iniciales + inferidos a posteriori) y las reglas activadas (en
condiciones de ser ejecutadas).
Motor de Inferencias: decide que reglas activadas se ejecutarán.
3.4. Sintaxis de las reglas de producción.
Es la estructura de cómo debe estar conformados los sistemas que usan por
ejemplo las conclusiones, acciones e hipótesis etc.
3.5 Semántica de las reglas de producción.
Se basa en una representación formal de una relación, una información
semántica o una acción condicional y ofrecen una gran facilidad de creación y
modificación de la base de conocimiento. Los hechos y las reglas asociadas a
la base del conocimiento no son muy exactas así que por eso se tiene un poco
de incertidumbre por el grado de certeza y también en el campo de validez que
tienen algunas reglas.
3.6 Arquitectura de un sistema de Producción.
son los modelos de representación de las bases del conocimiento más
ampliamente utilizados, ya que resultan ser muy apropiados en situaciones en
la que el conocimiento que se desea representar surge de forma natural como
estructura de reglas
3.6.1 Hechos.
Es el que alberga los datos correspondientes a los problemas que se desea
tratar con la ayuda del sistema, la base de hechos puede desempeñar el papel
de memoria auxiliar , la memoria de trabajo memoriza todos los resultados
intermedios permitiendo así conservar el rastro de los razonamientos llevados a
cabo.
3.6.2 Base de conocimientos.
Son los que contienen el conocimiento del dominio en el cual el programa es
competente, tiene que estar representado de la forma que resulte más
adecuada para el dominio de su competencia.
3.6.3 Mecanismo de control.
Los mecanismos de control son los que permiten que el contenido de la
información permanezca en perfecto orden, esto significa que las reglas más
específicas y las que tratan con excepciones deben aplicarse antes de las
generales además del dialogo entre el sistemas y el usuario.