Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia...
Transcript of Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia...
![Page 1: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/1.jpg)
Métodos deInteligencia Artificial
L. Enrique Sucar (INAOE)[email protected]
ccc.inaoep.mx/esucarTecnologías de Información
UPAEP
![Page 2: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/2.jpg)
Agentes basados en conocimiento
![Page 3: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/3.jpg)
Contenido
• Sistemas basados en conocimiento• Partes principales• Consideraciones• Ontologías• Tipos de representación
![Page 4: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/4.jpg)
“...sistema que resuelve problemasutilizando una representación simbólica delconocimiento humano” [Jackson 86].
Definición
Un sistema basado en conocimiento sepuede definir como:
![Page 5: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/5.jpg)
2. Metodología para solucionar elproblema - Máquina de Inferencia
Tienen una separación entre:
1. Conocimiento específico del problema - Base de Conocimiento
![Page 6: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/6.jpg)
• Representación explícita del conocimiento
• Capacidad de razonamiento independientede la aplicación específica
• Capacidad de explicar sus conclusiones yel proceso de razonamiento
Características importantes
![Page 7: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/7.jpg)
• Alto rendimiento en un dominio específico
• Uso de heurísticas vs. modelos matemáticos
• Uso de inferencia simbólica vs. algoritmo numérico
Características importantes
![Page 8: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/8.jpg)
Basan su rendimiento en la cantidad ycalidad del conocimiento de un dominioespecífico y no tanto en las técnicas desolución de problemas.
Importancia del Conocimiento
![Page 9: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/9.jpg)
Enfoque de Inteligencia Artificial
PROBLEMA
Modelo
Experto
SISTEMA EXPERTO
![Page 10: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/10.jpg)
1. Análisis (interpretación)
Clasificación de SistemasBasados en Conocimiento
• Identificación• Monitoreo• Diagnóstico• Predicción• Control
![Page 11: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/11.jpg)
2. Síntesis (construcción)
• Especificación • Diseño • Configuración • Planeación • Ensamble • Modificación
Clasificación de SistemasBasados en Conocimiento
![Page 12: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/12.jpg)
Identificación ⇒ Predicción ⇒ Control
Clasificación de SistemasBasados en Conocimiento
Análisis :
Especificación ⇒ Diseño ⇒ Ensamble
Síntesis :
![Page 13: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/13.jpg)
1. Base de Conocimiento (BdeC) 2. Máquina de Inferencia 3. Memoria de Trabajo 4. Interfaz de Usuario 5. Interfaz de Adquisición
Componentes básicos
![Page 14: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/14.jpg)
Arquitectura
adquisi-ción
usuario
Base de Conocimiento
Máquina de Inferencia
Memoria de Trabajo
![Page 15: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/15.jpg)
Sistema de diagnóstico de automóviles
Ejemplo
![Page 16: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/16.jpg)
PROBLEMAFalla (carro no arranca)
EXPERTOmecánico
CONOCIMIENTOSI tiene gas & batería, OK
ENTONCESfalla marcha
SOLUCIÓNDiagnóstico (marcha)
![Page 17: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/17.jpg)
1. Resolver problemas para los que no existeun modelo matemático adecuado o susolución es muy compleja, como en:
Ventajas de Sistemas Basadosen Conocimiento
• Medicina• Ingeniería• Exploración• Diseño• Análisis
![Page 18: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/18.jpg)
2. Preservar el conocimiento de expertos y hacerlo accesible a más personas.
3. Capacidad de explicar al usuario el proceso de razonamiento.
Ventajas de Sistemas Basadosen Conocimiento
![Page 19: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/19.jpg)
Representación de Conocimiento
![Page 20: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/20.jpg)
Representación =“... un conjunto de convenciones sintácticasy semánticas que hacen posible el describircosas ” [Winston 74].
Definición
![Page 21: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/21.jpg)
Representación de conocimiento =Escribir en un lenguaje descripciones delmundo.
Sintaxis: símbolos y conjunto de reglas paracombinarlos.
Semántica: significado de las expresionesconstruidas.
Definición
![Page 22: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/22.jpg)
• un lenguaje de representación,• capacidad de inferencias,• conocimiento del dominio.
Ingredientes básicos:
![Page 23: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/23.jpg)
• explicación de comportamiento, • construir sistemas inteligentes, • poder representar “sentido común”.
El poder está en el conocimiento
Ingredientes básicos:
![Page 24: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/24.jpg)
• Capacidad Lógica:Que sea capaz de expresar elconocimiento que deseamos expresar.
• Poderío Heurístico:Capacidad para resolver problemas.
• Conveniencia de la Notación:Simplicidad para accesar el conocimientoy facilidad de entendimiento.
Criterios
![Page 25: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/25.jpg)
La representación determina la facilidadcon la que podemos resolver ciertosproblemas y utilizar el conocimiento[Marr 82].
Ejemplos:1. Representación de números romanos vs
arábigos.2. Posicionar reinas en el tablero de ajedrez
Criterios
![Page 26: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/26.jpg)
• Hacer explícito lo que se considere importante• Exhibir las restricciones inherentes al problema• Completo y preciso• Entendible• Fácil de usar• Computacionalmente factible
Consideraciones:
![Page 27: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/27.jpg)
• Decidir de qué hablar: saber qué objetosy hechos se tienen que tener y cuálesignorar
Consideraciones:
• Decidir en el vocabulario depredicados, funciones y constantes
El resultado es una ontología
![Page 28: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/28.jpg)
Ontología• Conceptos seleccionados para
describir un dominio• Vocabulario de predicados, funciones
y constantes• Seleccionar alternativas: nombres,
predicados o funciones o constantes, ...• Determinar las “cosas” que existen• Ontología general y específicas
![Page 29: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/29.jpg)
Elementos de una Ontología General
• Categorías: incluyen objetos con propiedades comunes arregladas en taxonomías jerárquicas.
Se puede inferir la categoría de unobjeto, en base a sus propiedades yluego hacer predicciones del objeto.
![Page 30: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/30.jpg)
Medidas:Relaciona objetos a cantidades de tiposparticulares (v.g., masa, edad, precios, etc).Las medidas cuantitativas son en general fácilde representar.
Otras medidas no tienen una escala de valoresúnica (problemas, sabor, belleza, etc).
Elementos de una Ontología General
![Page 31: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/31.jpg)
Objetos Compuestos:Objetos que pertenecen a categorías por suestructura constitutiva. Se pueden tenerjerarquías de tipo partes-de (parts-of).
Se pueden tener objetos compuestos sinestructura.
Elementos de una Ontología General
![Page 32: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/32.jpg)
Elementos de una Ontología General
• Tiempo, Espacio y Cambio: Para permitir acciones y eventos con diferentes duraciones y que puedan ocurrir simultaneamente.
La noción general es que el universoes continuo tanto en tiempo como enespacio.
![Page 33: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/33.jpg)
• Eventos y Procesos:Eventos individuales ocurren en un tiempoy lugar particular. Los procesos soneventos continuos y homogéneos pornaturaleza.
Elementos de una Ontología General
![Page 34: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/34.jpg)
• Objetos Físicos: Al extender las cosas en tiempo y espacio, los objetos físicos tienen mucho en común con los eventos. A veces les llaman “fluentes” (fluents).
Elementos de una Ontología General
![Page 35: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/35.jpg)
• Substancias:Temporales y espaciales (v.g., mantequilla).Existen propiedades intrínsecas que son de lasubstancia del objeto más que del objetomismo (color, temperatura en que se derrite,etc.), y propiedades extrínsecas (peso, forma,etc).
Elementos de una Ontología General
![Page 36: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/36.jpg)
Algo
Objetos abstractos Eventos
Conjuntos Números Representación
Categorías Oraciones Medidas
Tiempo Peso
Intervalos Lugares Objetosfísicos
Procesos
Momentos Cosas Sustancias
Animales Agentes
Humanos
Sólido Líquido Gas
Ontología “general” del mundo
![Page 37: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/37.jpg)
Tipos de Representaciones
• Lógica• Reglas de producción• Representaciones estructuradas
![Page 38: Métodos de Inteligencia Artificial - ccc.inaoep.mxesucar/Clases-MetIA/MetIA-04.pdf · Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías](https://reader033.fdocument.pub/reader033/viewer/2022050717/5e1514c2a3c31e0f1e7d68d3/html5/thumbnails/38.jpg)
Tarea
• Leer Capítulo 7 (7.1,7.2) y 12 (12.1-12.4)de Russell