jose domingo carrillo verdun
Post on 19-Jul-2015
115 Views
Preview:
TRANSCRIPT
-I-
TESIS DOCTORAL
METODOLOGA PARA EL DESARROLLO DE SISTEMAS EXPERTOS
por
Jos Domingo CARRILLO VERDUN
Ingeniero de Montes por la E.T.S. de Ingenieros de Montes de Madrid.
Presentado en la FACULTAD DE INFORMTICA de la UNIVERSIDAD POLITCNICA DE MADRID
para la obtencin del Grado de Doctor en In-forrnt i ca
MADRID, MAYO DE 1987
M0OM3G32 J?,1Z
R3Z,:
-I I-
TESIS DOCTORAL
METODOLOGA PARA EL DESARROLLO DE SISTEMAS EXPERTOS.
por: D. Jos Domingo CARRILLO VERDUN
Director de Tesis: D. Juan PAZOS SIERRA
TRIBUNAL CALIFICADOR
Presidente: D. Antonio INSUA NEGRAO Secretario: D. Rafael GONZALO MOLINA Vocales: D. Manuel DIEZ Y DIEZ DE ULZURRUN D. Luis LAITA D. Sixto ROS INSUA
Madrid, Mayo de 1987.
-I II-
METODOLOGIA PARA EL DESARROLLO DE SISTEMAS EXPERTOS
RESUMEN:
Aunque
las primeras bases de la Inteligencia Artificial -fue-
ron puestas por Alan Turig en 1950, los primeros Sistemas Expertos no empezaron comercialmente a explotarse hasta 1984.
A travs de la literatura consultada sobre dichos Sistemas se han observado distintos enfoques en el desarrollo de los mismos, sin que se hubiera seguido una metodologa especifica.
La Metodologa
(IDEAL) desarrollada en esta tesis intenta una
primera aproximacin a la sistematizacin del desarrollo de Sistemas Expertos, actividades estructurndolo en una serie de fases, etapas y la labor del Ingeniero del
que intentan facilitar
Conocimiento en la construccin del Sistema Experto.
En esta blemas ms
metodologa, se hace especial
referencia a los pro-
importantes que debe resolver el Ingeniero del Cono-
cimiento en cuanto a:
- Seleccin
del dominio de Aplicacin
del Sistema Experto y
del Experto/s en ese dominio.
-IV-
- Su relacin con el Experto/s, y extraccin del Conocimiento del mismo/s, donde tienen especial gicas tales como vistas. importancia tcnicas psicol-
el Anlisis del protocolo o tcnicas de entre-
-
Adquisicin del Conocimiento por
el Ingeniero y seleccin
de la tcnica de representacin adecuada.
- Seleccin llo.
de la herramienta ms
adecuada para el desarro-
- Construccin de prototipos incremntales.
Se establecen Metodologa
unas pautas para la posible aplicacin de esta Financiero, sealndose las principales
al Sector
posibles reas
de aplicacin, as como la problemtica que para
este sector tienen los Sistemas Expertos.
_v_
METHODOLOGIE FOR EXPERTS SYSTEMS DEVELOPMENT
SUMMARY:
Although
the -First basis o f the Arti-Ficial Intelligence were in 1950, the -first Expert Systems have not
put by Alan Turing
being commercially operated till 1984.
Throughout
the literature we have
cnsul t.ed ways in
about o f these -
Systems, we have observed di-f-ferents
their development,
without having -followed a speci-fic method.
The (IDEAL) approach Systems
Method developped
in this the
thesis,
try
a -first o f Expert and
to the systemat i zat i on o f by structing it in
development phases,
several
periods
activities which intends Engineer
to make easy the work of the Knowledge
in the construction o f the Expert System. -
In
this method,
we make
a special
re-ference
to
the more
important problems that the Knowledge Engineer should resolve in regard to:
- Selection
o f the domain o f -
the
Expert System Application
and o f the Expert/s in that field. -
-VI-
-
His
relationship
with
the
Expert/s
to
elicite
their
knowledge, where psychologica1
technics have special
importance
as also the Anlisis of the protocol or interview technics.
.- Knowledge
adquisition by the engineer
and
selection
o f the -
adecate representation technique.
- Selection o f the more appropiate tool -for it development. -
- Increasing prototypes construction.
We have application the
stablished
some
guides
in
order
to
a
possible
o f this Method to possible reas
the Finantial Sector, indicating of application, as also the
principal
problematic that in this sector the Expert Systems may have.
0
-VII-
INDICE GENERAL
Pag.
CAPITULO I 1.1 1.2
INTRODUCCIN Trascendencia de los Sistemas Expertos .. Aplicacin al Sector Financiero
1 1 6
CAPITULO 11 II. 1 11.2 11.3
ESTADO DE LA TECNOLOGA Resea histrica Arquitectura de los Sistemas Expertos ... Formal izacin y representacin del conocimiento
14 14 22
31 31 32 33 34 34 44 48 49 52
II.3.1 II.3. 1.1 11.3.1.2 11.3.1.3 11.3.1.4 II. 3.2 II. 4 II. 4.1 II. 4.2 II. 4.3
Formalismos del conocimiento Formalismos heursticos Formalismos epistemolgicos Formalismos conceptuales Formalismos computacionales Bases de conocimiento Motor de Inferencia Estrategia de control Modos de razonamiento Ciclo de base de un Sistema de produccin en encadenamiento hacia adelante
56
II. 4.4
Ciclo de base de un Sistema de produccin dirigido por la meta 63
-VIII-
psg.
II. 4.5 II- 4.6
Tcnicas de equiparacin Consideraciones sobre la resolucin de conflictos
66
72
II. 4.7
Criterios que dirigen la seleccin de un motor de inferencia 73 76 76 82 B5 87 88
II. 5 II. 5.1 II. 5.1.1 II. 5.1.2 II. 5.1.3 II. 5.1.4 II. 5.1.5
"Software" y "Hardware" Lenguajes Generalidades sobre LISP Dialectos del LISP Generalidades sobre PROLOG PLANNER y CONNIVER KRL (Knowledge Representation Language)
89
II. 5.2
Entornos de programacin en Inteligencia Artificial 90
II. 5.3
Inventario de material y soporte de la Inteligencia Artificial 94 97 104 . 106
II. 5.3.1 II. 5.4 II. 5.4.1 II. 5.5
Mquinas LISP La Quinta Generacin La Arquitectura de la Quinta Generacin Modelos de mquinas de inferencia par alela . .
111 112
II. 5.6
Mquinas neuromimticas
-IX-
pag.
CAPITULO III PROBLEMTICA ACTUAL EN LA CONSTRUCCIN DE LOS SISTEMAS EXPERTOS III. 1 III- 2 III. 3 General idades Seleccin de la. aplicacin Empleo de nuevas tcnicas no utilizadas por Proceso de Datos, para la resolucin de problemas y representacin del conoc i miento III. 4 Seleccin de "Hardware" y "So-Ftware" a utilizar y evaluacin del mismo III. 5 Problemtica 122 126 117 114 114 114
CAPITULO IV
METODOLOGA PARA LA CONSTRUCCIN DE SISTEMAS EXPERTOS 127 127
IV. 1 IV. 2
Introduccin a la metodologa Fase I: Determinacin de necesidades y valoracin del proyecto
130 130
IV. 2.1 IV. 2.2
Seleccin de la aplicacin Determinacin de necesidades y plan de evaluacin del Sistema Experto
142 142
IV. 2.2.1 IV. 2.2.2
Mental izacin de los usuarios Formacin de los Ingeniero del Conocimiento
144 150
IV. 2.2.3 IV. 2.2.4
Ubicacin
idnea del Sistema Experto ....
Determinacin de recursos humanos y plazos de desarrollo 152
-X-
pag.
Plan de evaluacin Balance econmico del Sistema Experto ... Aceptacin por la Direccin y usuarios del Sistema Experto Aceptacin por parte de los usuarios .... Aceptacin por los responsables Fase II: Diseo de la Ingeniera del Conocimiento y Construccin riel Prototipo Adquisicin del conocimiento Metodologas de adquisicin del conocimiento Tipos de conocimiento Tcnicas psicolgicas utilizadas Metodologas de trabajo del del Conocimiento Representacin del Conocimiento ......... Desarrollo de un prototipo Especificacin de los criterios de rendimiento del prototipo Seleccin de la herramienta para construir el prototipo Desarrollo de la versin inicial del prototipo Verificacin del prototipo con casos de Ingeniero
154 158
161 162 163
164 164
167 169 170
178 182 186
189
190
190
-XI-
pag.
IV. 3.4 IV. 4
Uso y mejora del prototipo Fase III. Construccin de la versin en produccin
192
195
IV. 4.1
Desarrollo del diseo detallado del Sistema Experto -final 195
IV. 4.2
Implantacin del ncleo del Sistema Experto 196 ... 197 198
IV. 4.3 IV. 4.4 IV. 4.5
Expansin de la base de conocimiento
Adecuacin de la inter-fase de usuario ... Monitorizacin de las prestaciones y evaluacin del rendimiento del sistema desarrollado
198 199
IV. 4.6 IV. 5
Mantenimiento de la base de conocimiento. Fase IV: Comprobacin del Sistema e Integracin del mismo en Produccin
200 200
IV. 5.1 IV. 5.1.1
Integracin a la escala -final Organizacin de la transferencia de tecnologa
201
IV. 5.1.2
Establecimiento de inter-fases del Sistema Experto con distintos sistemas "so-ftware" y "hardware" u otros 202 203
IV. 5.2 IV. 5.3
Uso regular y evaluacin del Sistema .... Mantenimiento y mejora del Sistemat
Experto
203
-XII-
pag.
CAPITULO V
RESULTADOS, CONCLUSIONES Y FUTURAS LINEAS DE INVESTIGACIN 206 206 209 211
V. 1 V. 2 V. 3
Introduccin Conclusiones Futuras lneas de investigacin
CAPITULO VI
REFERENCIAS BIBLIOGRFICAS
214
ANEXOS 1 APLICACIN DE LA METODOLOGA A UN CASO PRACTICO EN EL SECTOR FINANCIERO II BIBLIOGRAFA GENERAL
219
219 276
CAPITULO I. INTRODUCCIN.
I.1. Trascendencia de los Sistemas Expertos.
La Inteligencia Artificial es una de las reas de la Tecnologa de la Informacin que ms expectativas est despertando en
el momento actual, quizs esperando unas realidades a corto plazo que difcilmente podrn verse realizadas, si antes no se consiguen mejores "herramientas", ms adecuados mtodos y se esta-
blecen ms slidos principios tericos que los actuales.
Sin embargo, una de mayor inters en el rea,
las razones de que se haya despertado el es debido a la creacin de los llamapor las aplicaciones prc-
dos Sistemas Expertos, especialmente
ticas que estn producindose en todos los sectores.
Estos
Sistemas cuentan con el
apoyo
del almacenamiento del y que, mediante
conocimiento relativo una serie
a un campo muy
concreto
de inferencias, producen la
respuesta que un experto
en la materia dara.
Esta tecnologa ha demostrado sus posibilidades en reas como el diagnstico mdicos a elegir diagnstico y tratamiento de infecciones la terapia adecuada para ayudar a los
(MYCIN), o que combinan el (HELP), o la explora-
y facturacin para hospitales
" ?
cin
de minerales
(PROSPECTOR),
o
el
diseo
de ordenadores
(XCOIM), o el
diagnstico de -fallos de
maquinaria, etc. En cam-
bio, no han visto
su extensin en el grado que sera previsible
a las reas econmicas, con lo cual se conseguira una mayor generalizacin de los mismos.
Una de las razones importantes es que, detrs de todo Sistema Experto hay un experto de carne y hueso. Los llamados Ingenieros
del Conocimiento que crean estos Sistemas, deben trabajar en estrecho contacto con dichos expertos para -formular las reglas que componen los programas del Sistema Experto. Pero, lo cierto y
verdad es que pocos
expertos se sienten atrados por la idea de
dedicarse a hacer ms inteligente a una mquina. Adems escasean los ingenieros especializados en estas cuestiones. Si a esta necesidad se nejen los une la di-ficultad de encontrar programadores que malenguajes necesarios, as como la necesidad de un
"hardware" especializado, se comprender la lentitud de este desarrollo.
Sin embargo,
esta situacin
est cambiando
rpidamente. La con conoci-
tendencia existente de crear
sistemas sofisticados
miento muy amplio y grandes ambiciones ha dejado paso a otra que es la de utilizar los desarrollos y tecnologa existentes en
aplicaciones
ms sencillas en aquellos puntos donde sera nece-
sario utilizar un experto, pero en los que el costo del mismo, o su inexistencia, o el presencia -fsica. riesgo de su uso, hacen muy difcil su
3 En esta linea, se han multiplicado el nmero de empresas que
se dedican a este sector, existiendo en EE.UU. ms de 200 empresas especializadas piezan a proli-ferar en la creacin de dichos sistemas, as, em-
en el mercado programas que reciben el nom-
bre de expertos, an cuando muchos no merezcan tal denominacin. El verdadero experto, puede Sistema Experto,se apoya en el conocimiento de un
modificar el programa en -funcin de la experien-
cia y dar al usuario razones de las respuestas que proporciona.
Mientras que el desarrollo se ha centrado en aplicaciones muy concretas, en las que los propios expertos han sido parte inte-
resada en el desarrollo del Sistema, la colaboracin ha sido e s pontnea y sin reservas.
En el momento
en que estos desarrollos se han generalizado y
su aplicacin empieza a ser en diversos campos de la Empresa, ya esta colaboracin puede no ser tan espontnea y clara. De ah la necesidad de dotar pues, a los responsables de estos desarrollos de unas metodologas, que les permitan convencer, dialogar y extraer el conocimiento de estos expertos, penetrando en su psicologa y, detectando los puntos clave de su conocimiento y sus
reglas particulares de deduccin.
Por otro ga
lado, la tendencia emergente de aplicar la tecnoloaplicaciones sencillas donde ventajosamente
existente en
sustituyen a
las tcnicas de Proceso
de Datos, hacen necesario
establecer unos cimiento a reas
criterios que ayuden a estos Expertos del ConoEmpresa, cules seran las
determinar dentro de la
de mayor ap1icabi1idad de
estos
Sistemas, y desarrollar
4
una planificacin
de desarrollo de los
mismos que les permitan
justificar econmicamente las inversiones en "hardware" y "software" necesarios.
Una vez determinada la aplicacin a desarrollar y obtenido el conocimiento de tacin del los expertos, surge el problema de la represen-
mismo en la base de conocimientos. Existen distintos del tipo de conocimiento
mtodos de representacin, dependiendo
y de los procesos de decisin a realizar sobre dicha base.
La
sistematizacin de criterios que
ayuden al Ingeniero del idnea del mismo es
Conocimiento a seleccionar
la representacin
otro de los objetivos que se plantea esta metodologa.
Las tcnicas de construccin de prototipos son de gran utilidad en la construccin de Sistemas Expertos. A diferencia de los Sistemas de Procesos de Datos, un prototipo puede ser utilizado sin que est terminado el Sistema. Mediante un
en produccin,
proceso continuo de refino de este prototipo se llegar a la solucin deseada.
La la
seleccin del "software", y "hardware" apropiado, as como
comprobacin del funcionamiento del Sistema y su integracin
en produccin completan una serie de actividades que hemos agrupado en este trabajo en cuatro fases que configuran el manual de procedimientos o mtodos para la construccin de un Sistema Ex-
perto, y sus correspondiente etapas de desarrollo, a saber:
FASE I. Determinacin de necesidades, valoracin del proyecto y capacidades a obtener.
- Seleccin de la aplicacin, en particular la primera - Determinacin de necesidades y valoracin de las mismas. - Aceptacin por la Direccin.
FASE II. Diseo de la Ingeniera del Conocimiento y construccin Prototipo.
- Adquisicin del conocimiento. - Representacin del conocimiento. - Desarrollo de un prototipo. - Uso y mejora del prototipo.
FASE III. Construccin de la versin en Produccin.
- Desarrollo del diseo detallado final. - Implantacin del ncleo del Sistema. - Expansin de la base de conocimiento. - Adecuacin de la inter-fase del usuario. - Monitorizacion de las prestaciones y evaluacin del Sistema. - Mantenimiento de la Base del Conocimiento.
6 FASE IV. Comprobacin del Sistema e integracin del mismo en
Produccin:
- Integracin a mayor escala. - Uso regular y evaluacin del Sistema Experto - Mantenimiento y mejora del mismo.
En la
bibliografa consultada no consta
que
este tema haya
sido tratado de mas de
una manera sistemtica. Cuando se habla de -for-
construir Sistemas Expertos, stas se encuentran muy li-
gadas a aplicaciones especficas y hay que deducir los pasos seguidos a travs del desarrollo que se expone del Sistema Experno existe una metodologa de diseo de los
to. Es por ello, que
Sistemas Expertos, por lo que esta tesis propone una Metodologa para su desarrollo y aplicacin en la construccin de un Sistema Experto.
I. 2. Aplicacin al Sector Financiero.
Se ha seleccionado una aplicacin de esta Metodologa al Sector Financiero por encontrarse esta tecnologa en -fase de introduccin en el mismo.
Este sector, intensivo en la utilizacin del recurso Informacin y, por consiguiente, uno de los motores de los desarrollos
de las Tecnologas de la Informacin, est iniciando el desarrollo de los primeros Sistemas Expertos.
Estos desarrollos tienen una
caracterstica especial con re-
7
lacin a los tratgico que un tema
tradicionales informticos, y ste es el valor espuede poseer el conocimiento o la experiencia en
dado. Esto hace que
determinadas aplicaciones sean hoy
mantenidas en secreto y no se posea informacin sobre ellas.
De una
manera general, se puede
sealar
la importancia que
estos Sistemas
Basados en el Conocimiento pueden tener para las
sucursales bancarias, independientemente de las aplicaciones especficas que puedan desarrollarse.
En estas sucursales, que estn en contacto livalencia, y
en las que el
personal
es escaso, los
con los clientes deben tener una gran pode crdito, inversiones u
atender, operaciones
operaciones administrativas de lo ms diverso.
Estos generalistas pueden sentir en muchos casos la necesidad de tener cerca un especialista, que se encuentra normalmente en
los Departamentos Centrales. El objetivo que cubrirn los Sistemas {Expertos, ser el poner a disposicin de esas sucursales
alejadas, el conocimiento mienta informtica.
de un Experto a
travs de una herra-
Tanto
las operaciones de concesin
de prstamos y crditos,
como las propuestas de inversin, son operaciones que se resuelven aplicando reglas conceptuales micos. ms que tratamientos algort-
El Sistema Experto es
una herramienta perfectamente adaptada
8
para tratar este aplicacin
tipo de problemas que
se
caracterizan por la y formalizados en una
de unos conceptos, expresados
representacin del conocimiento por un experto, que pretende estar en permanente evolucin y que son fcilmente actual izables.
Un Experto Financiero
es aquel que reflexiona y aplica a sus
conocimientos una lgica de razonamiento, a fin de establecer su diagnstico, pero le informa, calcula es tambin quien conoce a su cliente, quien
y es capaz de desarrollar una propuesta fi-
nal. La herramienta informtica debe, pues, reproducir estas diferentes facetas del especialista para ser eficaz.
Las
posibilidades de aplicaciones que se presentan bajo esta
ptica son enormes. Entre las que cabe sealar las siguientes:
a)
Anlisis de Inversiones en distintos aspectos, desde pro-
porcionar informacin a los clientes sobre las distintas posibilidades que se le presentan, hasta la gestin propia de la Tesorera de la Entidad Financiera, tanto en cuanto a sus propias
inversiones, como a los requerimientos de fondos.
b) El C o n t r o 1
d e ...Res g o es otra p o s i b l e rea de u t i l i z a c i n ,
en las que el
Sistema Experto ayuda a analizar el riesgo, tanto jurdicas, permitiendo un tratamiento
de personas fsicas, como
ms uniforme, as como reducir el nivel de riesgo asumido por la Entidad Financiera.
La aplicacin de Sistemas Expertos a este contexto puede ver-
9 se como un problema de clasificacin de clientes en diversas categoras, de acuerdo uno de estos. Como de evaluacin de en con el tipo de riesgo que representa cada
indica Juan Icasa (ICA86) ya sea el problema solicitudes de crdito o de medicin de riesgo
carteras existentes, el concepto de clasificacin en catego-
ras de acuerdo con el riesgo es vlido.
El desarrollo
de un Sistema Experto
en
este
rsa requiere
tanto la experiencia de dsticos.
personal cual ificado,como mtodos esta-
El personal cualificado puede, desde opinar acerca de
las caractersticas que pueden ser importantes para el problema, hasta indicar cuales son las reglas de decisin. A su ves, mtodos estadsticos pueden usarse desde como apoyo para evaluar el
Sistema Experto, hasta para formular las reglas de decisin.
La informacin perto se cas de
que se utiliza para
construir el Sistema Ex-
compone tanto de informacin interna, como son polticrdito; externa como informacin econmica, tipo de ine informacin inherente al crdito como es esde pago,
dustria, etc.,
tructura, propsito, variables etc.
financieras, capacidad
A efectos comercial
de medicin del riesgo
podemos dividir la cartera en tres grandes grupos:
de una institucin bancaria
los crditos que han sido recientemente otorgados, prstamos que aparentemente tienen mucho riesgo y fundamentalmente todos los
dems crditos de la cartera comercial.
Si el
proceso de evaluacin de
solicitudes
es correcto, el
10
riesgo incurrido por nuevos nos conocido.
crditos debe ser menor y ms o me-
Similarmente los crditos con conocidos y estn controlados.
alto riesgo,
generalmente son
El tercer grupo de crditos, aquellos que no son considerados muy arriesgados o que han sido otorgados muy recientemente, y son los que se
que normalmente forman el evalan con menos cuidado.
grueso de la carterai
El
tiempo que se requerir
para evaluar cuidadosamente este
tercer grupo, puede ser el que mida los nuevos frutos. Es probable que la mayora de esos crditos sean al menos marginalmente forma que el costo incurrido al examinarlos deta-
rentables de
lladamente puede ser muy alto.
Es aqui donde un Sistema Experto puede ser de gran ayuda para evaluar riesgos y alertar sobre determinados prstamos que puea deteriorarse. Este tipo de Sistemas puede evaluar costo un grupo grande de crditos de la
dan empezar
rpidamente y a bajo
cartera de la Entidad Financiera.
El mtodo
de desarrollo utilizado consiste
en
hacer que un
conjunto de expertos evale una muestra y los clasifique en base a distintas variables, tales como estructura del crdito, cali-
dad del cliente, tipo de industria, anlisis financiero e informacin adicional. Con esta evaluacin, se clasifican los crdi-
11 tos en diversos grupos con riesgo bajo, medio, alto o similares. El paso -final es traducir el ordenamiento de la muestra y las
variables que los expertos indicaron como importantes en un conjunto de reglas que imiten el razonamiento de los expertos.
Para
ello se utiliza la
tcnica
estadstica no paramtrica Mediante esta tcnica se
llamada particin recursiva (FRYDB5). encuentra la
relacin entre las variables
que los expertos de-
clararon como indicadores, de riesgo y los distintos grupos.
El resultado del
anlisis es una serie
de reglas que pueden
representarse mediante un rbol de decisin.
Para encontrar
el modelo ptimo del problema se utiliza slo
una parte de la muestra para elaborar el conjunto de reglas. Las observaciones restantes se utilizan taje para estructurar el porcen-
de crditos que el Sistema Experto clasifica "correctamen-
te" de acuerdo con el criterio re los expertos consultados.
Las ventajas principales de un modelo de este tipo son, entre otras:
- Las variables que estn mal relacionadas con el riesgo son identificadas, permitiendo fijar la atencin en carteras con un nmero importante de crditos con esas carcter sticas.
- La cartera puede segmentarse de acuerdo con el riesgo, permitiendo centrar la atencin en crditos que lo re-
12
quieran.
- El Sistema Experto puede utilizarse como un Sistema de alarma sobre posibles crditos.
- Varias carteras pueden ser comparadas de acuerdo con el r iesgo.
- Los crditos pueden clasificarse de acuerdo al riesgo por personas con poco experiencia en dicha tarea.
c) En el campo
del Atesoramiento ya sea en los aspectos fis-
cal como financiero, pueden tener una amplia utilizacin. El establecimiento de un diagnstico sobre el balance de una empresa
o sugerir acciones a la misma para mejorar su situacin, son algunas de sus posibles aplicaciones.
d)
En el rea de
l^omerc: ioI.Q.tj?rn_cC'nal ,
(REID86) tambin
aparecen posibilidades de aplicacin y, de hecho en la City londinense, se han iniciado los primeros proyectos utilizando los
Sistemas Expertos como
soporte de los "dealers" en las salas de
cambio. Un problema clave es la gran cantidad de informacin que stos reciben y la Sistema Experto dificultad de poder hacer uso de ella. El
la analiza y determina cual debe ser proporcio-
nada con mayor prioridad al "dealer".
Asimismo, tanto el asesoramiento en la previsin de los movimientos del mercado, como el rea de arbitraje son campos donde
.3 1 estn empezando a utilizarse estos Sistemas.
En operaciones tas de
ms sencillas, como son la aceptacin de car-
crdito, conversin de tele:-: o conciliacin de transac-
ciones han demostrado ya su eficacia.
En fin, podran enumerarse infinidad de reas susceptibles de utilizar esta tecnologa y no solamente en produccin, sino lo
que tambin es muy importante, en formacin del personal que los uti1 izar.
14 CAPITULO II. ESTADO DE LA TECNOLOGA
II. 1. Pesen a J L s t rj_ca. t^j
Aunque la idea de construir una mquina pensante o por lo menos un autmata que incorporara capacidades por lo comn asociadas al ser humano, ha existido desde desde la antigedad, las
investigaciones para dotar a
los ordenadores de caractersticas
semejantes a las que presenta la inteligencia humana, se han desarrollado en los ltimos 30 aos.
Como
hitos ms importantes en
este
periodo podemos sealar
(BAR82), los siguientes!
1950: - Alan Turing present un estudio sobre la Inteligencia Artifi-
cial, "Computing Machinery and Intel 1igence". En este documento, propuso su test (Turing test) para determinar cuando una mquina posee inteligencia haba artificial. En un primer documento, Turing
sugerido la posibilidad de
simular el comportamiento del
cerebro humano.
1955; - IPL-II (Information Processing de Language II), primer lenguaje por Alien Newell, J.C. en proceso de
Inteligencia Artificial. Fue creado IPL es un lenguaje
Shaw y Herbert Simn.
basado
listas y puede considerarse como un antecesor del LISP, lenguaje
15
ms usado actualmente en Inteligencia Artifial.
1956: - La Conferencia de Darmouth sobre Inteligencia Artifici al,organizada por John McCarthy, Marvin Minsky, Mathaniel Rochester y
Claude Shannon
con fondos de la Fundacin Rockefeller, reuni a habian trabajado en el campo de la Inteligenadems de los cuatro
profesionales que cia
Artificial. Entre los participantes,
organizadores estaban Arthur Samuel, Trenchard llore, Oliver Selfridge, Alien Newell, Ray Solomonoff y Herbert Simn.
- Logic Theorist discutido
(LT), desarrollado por Newell, Shaw y Simn fue considerado como el primer
en esta conferencia. LT,
programa que utiliz tcnicas de Inteligencia Artificial, emplea la bsqueda heurstica para resolver en el libro "Principia alguno de los problemas de Whitehead y
contenidos Russel1.
Mathematica"
- John McCarthy entonces en el MIT, disea el lenguaje LISP.
1957; - Newell, Shaw y Simn comienzan el desarrollo del GPS (General
Problem Solver). Con este sistema que puede ser considerado como el arquetipo del "paradigma del poder" se pretendi, como su
nombre indica, construir un sistema de propsito general que resolviera cualquier tipo de problema.
16 1959; - Arthur Samuel disea un programa para jugar a las damas, capaz de ganar a los mejores jugadores del momento. Su documento fue
publicado por IBM Journal and Development.
-
Frank Rosenblatt describi su mquina, Perception, para recoen "Proceedings of a Despus Symposium on the Mede un perodo de hoy con las
nocimiento de formas chanization abandono de
of Thought Processes".
las ideas propugnadas por
Rosenblatt,
aparicin de las mquinas
conexion istas, Boltzmann y neuromim-
ticas, dichas ideas vuelven a tener vigencia.
1960: - Inicio de las investigaciones en el MIT, del proyecto de Inteligencia Artificial Minsky. bajo la direccin de John McCarthy y Marvin
1965; - Se publica "Computer and Thought" editado por Edward A. Fei-
genbaum. Este libro,
es una recopilacin de trabajos de los ms
significados representantes del rea.
1964; - Daniel G. Bobrow public su tesis doctoral, basada en su Sis-
tema STUDENT. STUDENT es un programa que utiliza el lenguaje natural y puede comprender y resolver problemas de lgebra.
1965: Comienzan las investigaciones en el Stanford University Heu-
17
ristic Programming Project
(HPP), dentro del Stan-ford's Computer
Science Department, sobre Sistemas Expertos.
- Se inicia el desarrollo del primer Sistema Experto DENDRAL, en Stanford University Edward A. por un grupo que inclua a Joshua Ledeberg, Dennis Smith y Cari
Feigenbaum, Bruce G. Buchanan, analiza la
Djerassi. DENDRAL
in-formacin acerca
de compuestos
qumicos para determinar sus estructuras.
1966: - Joseph Weizenbaum crea ELIZA para ilustrar que las tcnicas de lenguaje gente. natural pueden hacer que un ordenador parezca inteli-
- Se
inicia el desarrollo del
robot
mvil, SHAKEY, construido
por SRI International, cuyo modelo decisional para plan i f icac i n de tareas, utilizar tcnicas de Inteligencia Artificial.
1970: - Patrick H. Winston publica su tesis doctoral Esta tesis "Learning Strucdescribe ARCHES,
tural Descriptions from Examples".
un programa que aprenda a partir de ejemplos.
- El proyecto de Inteligencia Artificial del MIT se convierte en el Laboratorio de Inteligencia Artificial, bajo la direccin de Seymour Papert, incluyendo hoy en da las reas Expertos, tcnicas de razonamiento y
Marvin Minsky y de robtica,
Sistemas
aprendizaje, lenguaje natural y arquitectura de ordenadores.
18
-
Jack D. Myers y
Harry E. Popel inician
en la Universidad de
Pittsburg el Sistema INTERIMIST, ahora llamado CADUCEUS, utilizado para ayudar a los mdicos en el diagnstico de en-fermedades.
- Alain Colmerauer guaje PROLOG.
y su equipo comienza
el desarrollo del len-
1971: - Se utiliza rrollado por operaciones por primera vez el Sistema Experto MACSYMA, desaMoses. Este Sistema realiza integral y simpli-fica ex-
William Martin y Joel de clculo di-ferencial e
presiones simblicas.
- La
Agencia de Investigacin de Proyectos Avanzados del MinisDe-fensa de los Estados Unidos patrocina la investiga(Speech Understan-
terio de
cin sobre comprensin del ding Research Program).
lenguaje hablado
- Algunos de los programas que se han desarrollado bajo esta investigacin son: SPEECHIS, HWIM, HEARSAY-I, HEARSAY-II, DRAGN Y HARPY, estos cuatro ltimos University. desarrollados en la Carnegie-MelIon
1972: - William Woods, de Bolt Beranek y Newman desarrollaron LUNAR;
que fue utilizado
por gelogos en la evaluacin de los materia-
les obtenidos en la luna por el Apolo-II.
19
1973: - Cognitive Psychology publica "Dependencia conceptual: Una teora para Schank. la comprensin del lenguaje natural", de Roger C.
- Roger C. Schank, desarrolla ms tarde-en el laboratorio de Inteligencia Artificial de la Universidad de Stanford el programa
MARGIE, que poda hacer inferencias y generar frases.
1975: - Edward Sistema H. Shortliffe desarrolla la versin inicial de MYCIN,
Experto que hace recomendaciones para el tratamiento de
la meningitis y otras infecciones bacterianas de la sangre.
- Marvin insky publica su documento "Un marco para la representacin del conocimiento", los cin en el que se discute la utilidad de
marcos (frames) como estructuras tiles para la representadel conocimiento en diversos tipos de Sistemas incluyendo
lenguaje natural y Sistemas de visin.
- Roger C. Schank
y Robert Abelson, en
la Universidad de Yale,
publicaron un documento describiendo n i s m ) , un
SAN (Script Applier Mecha-
programa para la comprensin del lenguaje natural que de guiones (scripts) en la representacin de de-
inclua el uso
pendencias conceptuales.
- Daniel G. Bobrow incluyendo
publica "Representation sobre la
and Understanding", representacin del
importantes documentos
20 conoc imiento.
1976; - Douglas B. Lenat escribi el Sistema Experto "AM" , un programa que define y juntos. evala conceptos matemticos en la teora de con-
- Randall Davis TEIREISIAS,
en la Universidad de
Stanford publica su tesis
un Sistema que utiliza metareglas para introducir y utilizadas en Sistemas Exper-
actualizar bases de conocimiento tos.
1977: - Programadores tema Experto PROLOG. del SZKI de Budapest, terminaron el primer Sisaplicaciones prcticas, escrito en
utilizado en
1978: - R.O. Duda y otros, del Research Institue Internacional, public un documento to que ayuda (DUD78) comentando PROSPECTOR, un Sistema Experinformacin relativa a prospec-
en el anlisis de
ciones geolgicas.
1980: - Entra en produccin XCON, el primer Sistema Experto utilizado con gran xito en entornos comerciales, en DIGITAL
diariamente
EOUIPMENT CORPORATION. El prototipo de XCON fue desarrollado bajo la direccin si ty. de John McDermott en la Carnegie Mellon Univer-
21
1981: - Japn anuncia su proyecto de Quinta Generacin de Ordenadores.
1982: - Inicia en Tokio sus actividades el ICOT (Instituto para la
Nueva Generacin de Ordenadores).
- Como
respuesta al programa de
la Quinta Generacin
japonesa,
EE.UU. crea MCC (Microelectronics and Computer Technology Corporation), y el strategic Computer Project.
- Inglaterra inicia el programa Alvey de tecnologa avanzada para investigar sobre la Quinta Generacin.
1983: - La Comunidad la carrera Europea crea el proyecto ESPRIT para competir en
por el ordenador de la Quinta Generacin.
- El Instituto burgo (Escocia),
Turing en la Universidad de Strathclyde en Edimo-frece -formacin en temas relativos a la Inte-
ligencia Artiiicial .
1984: - A partir del ao 1984 comienza la explotacin comercial de los desarrollos Arti-ficial. tecnolgicos alcanzados dentro de la Inteligencia
II. 2. Arquitectura de los Sistemas Expertos.
Un Sistema blemas
Experto aplica las tcnicas de resolucin de proInteligencia Artificial al conociespecfico, en orden a
y razonamiento de la
miento codi-ficado simular
acerca de un problema
la aplicacin de la
experiencia humana. La efectividad
del Sistema Experto depender, en gran medida, de la cantidad de conocimiento que se le proporcione. Sin la existencia de una base suficiente de conocimiento, aunque existan mtodos de razonamiento muy potentes, es imposible crear un comportamiento inteembargo, con mtodos de inferencia muy simples se se aplican a una
ligente. Sin
pueden conseguir
resultados muy buenos cuando
base adecuada de conocimientos.
Naturalmente
que una base de
conocimientos muy completa sin
un adecuado motor de inferencia, servira de muy poco, pues quedara reducida a algo esttico sin posibilidad ni capacidad de
"deduccin" ni generacin de nuevo conocimiento.
Los
Sistemas Basados en el
Conocimiento
significan el paso
del paradigma del muy
poder, es decir, de la utilizacin de cmputo conocimiento, o sea,empleo del
potentes, al paradigma del
mximo posible de conocimiento.
Los Sistemas Expertos podemos
clasificarlos en
tres grandes
categoras en cuanto a sus funciones: ayudantes, colegas y maes-
23
tros.
Los primeros son Experto
los que tienen como
objetivo
el ayudar al
humano en la toma
de decisiones, pudiendo clasificarse
dentro de esta fecha. Las pertos
categora la mayora de los construidos hasta la
otras dos categoras corresponden a los Sistemas Excompetir con las de
cuyas soluciones propuestas pueden
los Expertos, o cuando las decisiones son asumidas de una manera absoluta.
Los tores
Sistemas Expertos son utilizados como asesores o consulde usuarios humanos. Pueden ser utilizados para resolver
problemas rutinarios, liberando a los Expertos de esas poco gratificantes tareas de modo que pueden utilizar su conocimiento en otros asuntos ms complejos y novedosos. Los Sistemas Expertos
pueden llevar la experiencia a lugares donde no existen expertos humanos, o donde los servicios de ese experto seran muy costousar. En ciertas corporaciones se ve a los
sos o peligrosos de Sistemas
Expertos como una posibilidad ante los problemas que como distribuidores
de preservar la memoria presentar un experto cognoscitivo
corporativa humano, y
puede
de ese
patrimonio
dentro de la entidad.
Entre los
logros conseguidos hasta la -fecha por los Sistemas
Expertos podemos distinguir, entre otros:
- Asesoramiento en la deteccin de problemas en equipos de perforacin para bsqueda de petrleo.
24 - Asesoramiento a mdicos en el tratamiento de meningitis. - Localizacin de depsitos de molibdeno. - Con-f igurac iones complejas de ordenadores. - Aplicaciones diversas, como ayuda a la toma de decisiones en el entorno financiero.
A diferencia Expertos
de los
programas convencionales,
los Sistemas
pueden tratar problemas que requieren toma de decisio-
nes que gente experta realiza cada da. \ El desarrollo de los primeros Sistemas Expertos llev muchos
hombres/ao para conseguir resultados aceptables.
Estos plazos de desarrollo se han acortado sensiblemente. Hoy se ha ganado experiencia en las tcnicas para la construccin de los Sistemas Expertos y el "software" y "hardware" que facilitan su desarrollo se ha perfeccionado enormemente. Esto hace posible que hoy sean abordables aplicaciones comerciales que hasta pocos aos eran imposibles, dados los costos de dichos desarrollos.
Hoy es posible
que con una inversin aceptable y unos costos
de mantenimiento bajos, comparados con los de contratar o formar expertos, se puedan conseguir las empresas. resultados muy interesantes para
La
revolucin aportada por los Sistemas Expertos consiste en
considerar tanto las informaciones imperativas de la Informtica tradicional como las declarativas no expresables por los lenguajes usuales de aquella y el conocimiento de la naturaleza ms
25
diversa y no homognea, como datos.
Estos conocimientos son proporcionados
por sus usuarios
(ar-
quitectos, ingenieros, mdicos, -financieros,
etc.) en su propio
lenguaje, sin ninguna limitacin, y con un -formulismo muy prximo a su lenguaje natural.
Estos utilizadores, conoc imiento
estos expertos los
construyen sus
bases de
con la ayuda de
Ingenieros del Conocimiento.
Esto se realiza
en un lenguaje descriptivo, que tiene muy pocas tradicionales de programacin. Los como elementos modulares, indepen-
relaciones con los lenguajes conocimientos se introducen dientes y como
pequeas molculas de saber, muy libres las unas
de las otras y -fcilmente mod i f icab les. -
Estos conjuntos de conocimientos son analizados por lo que se ha dado en llamar motor de in-ferenc i as, "software" cuya programacin utiliza, una gama en parte mtodos .clsicos, tiene pero nico para toda
de aplicaciones y que
como objetivo relacionar
"las molculas de conocimiento"
que son encadenadas lgicamente
para deducir todas las informaciones posibles.
La descripcin de un sistema, es justamente aquello que ve el usuario. Sin embargo, del Conocimiento Sistema Experto: esto no es bice para que los Ingenieros de descripcin de un
hablen de tres niveles
1. Su arquitectura
que es una descripcin
-funcional de cmo la
26 mquina aparees ante el programador; por ejemplo, bases de he-
chos o memoria de trabajo, motor de inferencia, etc.
2. Bu implantacin, que quitectura.
es el diseo lgico que soporta esa ar-
As, el diseo lgico puede incluir las instruccio-
nes LISP en que se traduce el motor de inferencias, etc.
3. Su realizacin, que cir,
es el diseo fsico
del sistema, es de-
los componentes particulares obtenidos para disear y usar
el sistema tal como mquinas LISP, etc.
De este modo, una arquitectura puede ser soportada por un nmero indeterminado de implantaciones distintas, cada una de las
cuales puede, a su vez, tener numerosas realizaciones. De hecho, es muy frecuente el caso de que la misma arquitectura se realiza con nuevas tecnologas, cuando stas son utilizables.
La arquitectura tructurar,
de un Sistema Experto
complejo se puede e s 2.1. de la si-
tal y como se (RAULB4)
muestra en la figura
guiente manera:
1. Bases de conocimiento. Que incluye los conocimientos a ser proporcionados al motor puede ser extrado de de un experto. Otros
de inferencia. bases de
El conocimiento de hechos
datos convencionales o proceder
conocimientos pueden ser obtenidos de modelos de simulacin, as como de otros Sistemas Expertos.
2. Motor de inferencias.
27
Controla y
ejecuta los razonamientos con
el objetivo de al-
canzar los fines perseguidos. Las inferencias son realizadas por el Sistema de deduccin y/o simulacin bajo la gua de un Sistema de control.
El motor de inferencias dividir el conjunto de tareas a realizar en subtareas dado. que se desarrollarn bajo un plan de trabajo
3. Memoria de trabajo. Donde se mantienen resultados sern utilizados en pasos intermedios y deducciones que como informacin
subsiguientes, as
que se utilizar para:
- Actualizar la base de conocimientos. - Proporcionar al Sistema de Interpretacin de lo que est ocurriendo. - Ser empaquetada y preparada para ser utilizada por el Sistema de adquisicin del conocimiento. - Ser enviada a la interfase de salida. informacin
4. Sistema de Gestin de la Base de Conocimientos. Gestiona nentes de la el flujo de informacin memoria de trabajo y entre los distintos compolas bases de conocimiento.
Puede ser a su vez un Sistema Experto.
5. Sistema de Interpretacin. Mantiene informados a los usuarios del Sistema acerca, de lo
28 que est ocurriendo. Requerir distintos niveles de detalle o
abstraccin dependiendo del usuario. Utiliza tecnologas de lenguaje natural y permite si. . .? gr-ficos, as como un lenguaje de consultas que tipo: cmo?, qu ocurre
responder a cuestiones del
6. Sistema de adquisicin del conocimiento. Se utiliza conoc imiento. para aadir informacin adicional en las bases de
Hay tres modos de adquirir nuevos conocimientos:
- Transferencia interactiva de experiencia. El Sistema de interpretacin es utilizado para presentar las posibilidades actuales de las -fuentes de conocimiento para que los Expertos, asistidos por los Ingenieros del Conocimiento puedan identificar lagunas y deficiencias.
El Sistema de adquisicin del conocimiento ayuda a aadir informacin, incorporando nuevos conocimientos o corrigiendo el ya contenido en las bases de conocimiento.
- Transformacin del conocimiento. Puede realizarse de dos formas distintas:
Transformacin horizontal del conocimiento: Consiste en transformar la representacin existente en otra, sin
cambiar su contenido.
29
Transformacin vertical del conocimiento: Consiste en in-ferir un conocimiento superficial a partir de uno ms pro-fundo. Es una de las actuales tendencias en la investigacin de los Sistemas expertos.
- Enseanza: Utilizacin de tcnicas que permiten la -formacin de los usuarios a partir de casos y ejemplos contenidos en las bases.
7. Sistema de gestin del Sistema Experto. Tiene como -funcin servir como consola para la operacin y
supervisin de todos los subsistemas.
8. nter-fase. Proporciona capacidad de comunicacin con dispositivos "ad hoc", para su utilizacin por el usuario -final.
En un
Sistema Experto hay, pues, y su modo de
una separacin total entre El experto puede
los datos actuales
utilizacin.
seguir en todo momento el desarrollo de su razonamiento.
Podramos, pues,
concluir que un Sistema
Experto es un pro-
grama especializado en un dominio particular y que, en ese dominio, su rendimiento es comparable al de los propios expertos pero, sobre todo, permite en todo momento:
- Explicar su comportamiento a un experto.
30 Recibir del experto nuevos conocimientos sin necesidad de incorporar nueva programacin.
MOTOR DE INFERENCIAS
MEMORIA DE TRABAJO
BASES DE CONOCIMIENTO
-SISTEMA DE CONTROL
-REAS TRABAJO
-BASES DE CONOCIMIENTO
-SISTEMA DEDUCTIVO -SISTEMA SIMULACIN
-AGENDA
-BASES DE DATOS -MODELOS DE SIMULACIN
TSISTEMA DE GESTIN DE BASES DEL CONOCIMIENTO
SISTEMAS DE INTERPRETACIN -LENGUAJE NATURAL -GRFICOS
SISTEMAS DE ADQUISICIN DEL CONOCIMIENTO -TRANSFORMACIN DEL CONOCIMIENTO - ENSEANZA
I
SISTEMA DE GESTIN DEL S. E.
INTERFASES
Figura 2.1. ARQUITECTURA DE UN SISTEMA EXPERTO.
31
II. 3. Formal izacin y representacin del conocimiento.
II. 3.1. Formalismos del conocimiento.
La Inteligencia Arti-ficial se centra en aplicaciones donde el conocimiento es un elemento clave. Los formalismos para repre-
sentar el conocimiento adquieren, pues, una gran importancia.
Un -formalismo presarse el
consta de estructuras en de
las cuales puede exinferencias capaz de
conocimiento y un sistema
usarlo para resolver tareas especficas.
Para entender la naturaleza de estos formalismos es necesario primero estudiar los problemas que se plantean para representar
el conocimiento.
La Inteligencia Artificial del
intenta descubrir las propiedades en sistemas fsicos que
conocimiento natural e implantarlo
actan en el mundo real.
Los miento,
problemas de la representacin y utilizacin del conocise derivan precisamente de las limitaciones que impone
este mundo real.
La representacin del conocimiento formas que permitan:
exige que
se desarrollen
32
- Expresar el conocimiento heurstico utilizado en la bsqueda en un espacio -finito y en un tiempo limitado. - Desarrollar estructuras y teoras de inferencia que resuelvan los problemas derivados de la incertidumbre, imprecisin e inconsistencia del mundo real. - Desarrollar sistemas conceptuales que modelen adecuadamente el mundo tsico donde tienen lugar los hechos estudiados.
Los formalismos desarrollados
en la Inteligencia Artificial,
caen en alguna de las clases sealadas: formalismos heursticos, -formalismos epistemolgicos y formalismos conceptuales.
Dado que este computacional,
conocimiento va a ser ser necesario los
utilizado los
en
un medio
desarrollar
formalismos que
permitan representar
anteriores en el mismo, lo cual da lu-
gar a un cuarto tipo de formalismo: el computacional.
II. 3. 1. 1. Formalismos heursticos.
Son de dos tipos:
- Reglas heursticas: Cierto tipo de heursticas pueden expresarse en forma de resimplificar la bsqueda a partir de la expe-
glas, que permiten
riencia adquirida en solucin de problemas.
33
- Memoria basada en el conocimiento: El problema de gestionar la interaccin entre grupos de objetos en un entorno dinmico o reconocer objetos similares, pueden ser formalizados mediante marcos o redes semnticas.
II. 3. 1. 2. Formalismos epistemolgicos.
Los formalismos desarrollados van en la lnea de resolver problemas de:
los
- Incertidumbre. Se han desarrollado varias tcnicas para utilizarlas ante los casos de incertidumbre, y que forman un componente estndar de una tcnica es asociar
los Sistemas
Expertos, as por ejemplo,
factores de certeza
con hechos y reglas, y propagar la incerti-
dumbre junto con la inferencia.
- Incompleto. El hecho de que recursos no todas las cosas pueden observarse, no hay
suficientes para efectuar todas las deducciones o por-
que las teoras del mundo slo son aproximaciones, hacen necesario desarrollar suposic iones. formalismos que puedan operar sobre la base de
Una
tcnica consiste en
asociar
respuestas
por
omisin a
cuestiones
y asumirlas a menos
que exista evidencia suficiente
que indique lo contrario.
34
- Inconsistencia. Aparece en parte en parte a dictorias. debida a lo inacabado de la informacin, y
que la informacin puede proceder de fuentes contra-
Entre los
formalismos desarrollados,
se pueden
sealar
el
mantenimiento de
una red de dependencias entre hechos que luego la consistencia, o introducir para permitir razonar
pueda utilizarse para restablecer particiones en la base de
conocimiento
desde distintos puntos de vista.
II. 3. 1. 3. Formalismos conceptuales:
No basta que los formalismos sean computacional y heursticamente adecuados y que manejen la inconsistencia, incertidumbre e incompletitud, sino que deben tener tambin una conceptual iza-
cin correcta acerca de los dominios sobre los que hay que razonar.
II. 3. 1. 4. Formalismos computaconales:
Los formalismos computacionales desarrollados hasta la fecha, caen en una de las siguientes clases:
- Lenguajes y Sistemas.
35 - Herramientas.
a) Lenguajes y Sistemas:
En cuanto a los lenguajes empleados en el desarrollo de los Sistemas Expertos, se deben considerar:
- Lenguajes -funcionales.
El LISP es
el mximo exponente. Se basan en clculos funcioel caso del LISP el 1ambda-calculus. Los pro-
nales, siendo en gramas se
definen como composiciones de funciones y ejecutar un
programa significa la aplicacin de esas funciones siguiendo las reglas correspondientes.
Me Carthy describe las ideas clave en que se apoya el LISP de la siguiente manera:
- Realiza los cmputos con expresiones simblicas mejor que con nmeros.
- Procesa listas, representando los datos en la mquina como listas encadenadas y como listas multinivel el papel. sobre
- Utiliza estructuras de control basadas en la combinacin de funciones para formar otras ms complejas.
- Utiliza la recursividad como una forma de describir
o
36
procesos y problemas.
- La representacin
interna de los programas LISP se
realiza como los datos, es decir mediante listas.
- La -funcin EVAL del LISP sirve como un intrprete del mismo y como una definicin -formal del lenguaje.
No
hay pues diferencias esenciales
en
la representacin de
datos y programas, de ah que los programas LISP puedan utilizar otros programas y los LISP como datos. El LISP es altamente recursivo representados mediante listas. Las
datos y programas son
listas pueden estas anidadas, es decir,unas contenidas dentro de otras.
No posee una
sintaxis que permita una
-fcil
lectura de los
programas, pero -facilita soluciones muy elegantes para problemas complejos que son de dificil solucin con los lenguajes conven-
cionales de programacin.
- Lenguajes de Predicados. El clculo de predicados consiste en la utilizacin de la lgica para establecer proposiciones acerca del mundo. Una propo-
sicin es una sentencia que puede ser verdadera o -falsa.
Se pueden construir sentencias acsrca
de las relaciones entre
objetos utilizando predicados. Los predicados operan sobre objetos y, a diferencia de las funciones (que simplemente devuelven
37 un objeto cuando evaluado como son invocadas), el valor de un predicado es
verdadero o -Falso. Una
serie de predicados puede lgicos para -Formar propo-
ser interrelac ionados por conectores siciones ms complejas.
Las proposiciones pueden "AND, OR, NOT" dualizados
conectarse mediante conectores tipo
y la frase "IF..., THEN...". Los objetos indiviuso de constantes, varia-
son re-feridos mediante el
bles o -funciones.
Mediante reglas de inferencia se pueden deducir nuevas proposiciones a partir de otras ya existentes.
Cuando los predicados son utilizados como sentencias, se asume que se a-firma una verdad. Be pueden hacer afirmaciones combinando constantes o variables con predicados. Cuando se construye una sentencia con la lgica que utiliza una todos variable, se dice que
proposicin es verdad para
los objetos representados
por esa variable. no, se est
Cuando se formula una pregunta en este entor-
preguntando acerca de la existencia de un individuo
o grupo de individuos que verifican la sentencia.
Para
resolver un problema con proposiciones lgicas, se unen dominio problema a los nombres de las funciones, utilizados en la
elementos del nombres
de predicados y smbolos
constantes
proposic i n.
El clculo de predicados puede ser utilizado de distintas maneras en la resolucin de problemas de la Inteligencia Artifi-
38
c ial.
La primera de
ellas es la prueba
de teoremas. Para utilizar
este mtodo, se describe el dominio y luego se razona acerca del mismo. Despus de escribir una serie de proposiciones acerca del dominio, se resultado ciones. necesita mostrar qu -frmulas hay que describan el
o qu consultas pueden derivarse de aquellas proposi-
El mejor mtodo lucin. Esta el resultado
automtico de prueba hoy todava es la reso-
tcnica es una prueba por contradiccin. Asume que es -falso y demuestra que encierra una contradicde que solamente hay
cin. Esta tcnica es
buena en el sentido
una regla de inferencia.
Sin embargo es lenta y las pruebas son
tediosas para la persona que las realiza.
Estas tcnicas
estn an dentro del rea de investigacin de
la Inteligencia Artificial. An hoy, no comprendemos las propiedades que dor. permiten el tratamiento de la lgica mediante ordenasistema de representacin debe
Muchos creen que cualquier
tener su base cmo controlar
en la lgica, sin embargo,persiste el problema de las deducciones.
El PRDLOS es el clculo de
representante de este grupo.
Se
basa en el
predicados de primer orden. Los programas se definen
en trminos de definiciones de relaciones.
Ejecutar un programa significa demostrar que una relacin e s -
39 pec-fica se cumple siguiendo las reglas de deduccin lgica. Incorporan el no-determinismo en el nivel de ejecucin.
- Sistemas basados en reglas. Las reglas de produccin son del tipo "IF ..., THEN ...", y
se basan en condiciones y acciones.
La descripcin de una situacin dada o contexto de un problema, se equiparan, en encadenamiento hacia adelante, con un con-
junto de condiciones hasta encontrar una regla que se verifica y se ejecuta la condicin contenida en la misma, dando lugar a una nueva descripcin que da lugar a una nueva accin, as hasta que se alcanza una solucin o el sistema se detiene.
Un sistema cin, se llama cin son los
constituido por un conjunto Sistema Basado en Reglas.
de reglas de producLas reglas de produc-
operadores del sistema, que utiliza el mismo, para
manipular la base de hechos.
El mximo exponente es el 0PS5, que consta de una base de hechos y un conjunto de reglas, habiendo sido muy utilizados en la construccin de Sistemas Expertos.
- Sistemas de paso de mensajes y dedicados a objetos. Adems de estructurarse los programas con -funciones o predidesde el punto de vista de los obcomo ejemplo el SMALL-
cados, puede tambin hacerse jetos implicados TALK.
en ellos. As tenemos
40
b) Formas de representacin del conocimiento.
Entre las distintas formas que se emplean en la representacin del conocimiento, se pueden sealar las si guientes.(SCDW85)
- Representacin por espacio de estados. Un estado es un conjunto de condiciones o valores que describen un Sistema en un punto determinado, durante el proceso.
El espacio de estados que el
estados es el conjunto
de
todos los posibles el proceso de solu-
sistema puede tomar durante
cin del problema.
Para resolver
un problema
utilizando una
representacin de
espacio de estados, nos movemos desde un estado inicial a otro y eventualmente, a un estado -final, por medio de operadores, generalmente reglas o procedimientos. El proceso de solucin del
problema es un proceso de localizar una secuencia de operadores, representando un camino desde el estado inicial al estado -final.
Una representacin cual
de espacio de estados,
es
aquella en la
los operadores siempre producen
solamente un nuevo estado
en la base de datos cada vez que son utilizados.
Esta
representacin ha sido utilizada en sistemas para jugar
al ajedrez, sistemas para bsqueda de posibles caminos y problemas en los que intervienen muchos operadores con muchos estados
41 posibles del sistema.
- Redes semnticas: Las redes semnticas pueden ser ilustradas mediante diagramas consistentes acciones o en nodos y arcos. Los nodos representan objetos,
hechos; los arcos o enlaces representan las relacio-
nes entre nodos. Un enlace podra significar que el objeto de un extremo es un atributo plica a otro, o del objeto del otro extremo, que uno imse haya dado a
cualquier otro signi-ficado que
ese arco o unin. Puede aplicarse una representacin. Las diferentes perspectivas desde
mas de una red a un objeto en redes muestran las distintas descrito un objeto. Asi,
las que puede ser
podra sealarse, tal y los prstamos carios que son
como se muestra en
la -figura 2.2. , que
al constructor son una clase de prstamos hipoteproductos de activo, por lo cual podra inferir es un producto de
el sistema que un
prstamo a un constructor
activo. Los enlaces significaran "son un".
Prstamos al constructor
Prstamos son un hipotecar ios son un
Productos activo
Figura 2.2. EJEMPLO DE RED SEMNTICA
Se utilizan
cuando el sistema de
cmputo
debe propagar una
actividad a travs semnticas.
de un grafo. Tales grafos se denominan redes
- Esquemas o marcos. Los marcos, junto con una forma asociada de representacin
42
del conocimiento llamada guin to, de tal manera que hacen
(script) organizan el conocimien-fcil comprender qu in-ferencias
pueden ser hechas.
Los objetos
marcos son conjuntos de conocimiento asociados acBrca y hechos. Ayudan al sistema a interpretar proporcionan
de
significados de los
de acuerdo con
el contexto y le
detalles
cuales puede deducir elementos que faltan. Un marco tpico puede ser la descripcin de una bicicleta o un deporte.
Los marcos contienen campos (slots) que se rellenan con valores, procedimientos o apuntadores a otros marcos. Un conjunto de condiciones pueden llevar un valor de relleno y/o un valor por
defecto, cuando no es conocido ninguno.
Se
pueden asociar procedimientos a
un
campo'en particular.
As, por ejemplo, es
til a menudo decir al sistema que ejecute
alguna accin cuando un campo tiene informacin, o cmo calcular un determinado valor cuando sea requerido.
Un marco, o un
campo dentro del marco, a su vez, a
puede apuntar a otro
marco o campo y, stos
otros, y asi sucesivamente, dominios de aplicacin ms
permitiendo transferir inferencias a extensos.
En
orden a resolver un
problema utilizando esta representacomo datos. El Sistema
cin, el
programa utilizar los marcos
Experto puede entonces realizar deducciones a travs de la suce-
43 sin de relaciones consta entre marcos y campos. nichos con Cada marco o unidad
de varios campos o
distintas in-formac iones
asociadas a cada guajes
uno de ellos. Las
operaciones bsicas en leninstancias de marcos, marcos basados en des-
basados en marcos, son
construir
acceder a partes
de marcos o recuperar
cripciones parciales.
- Guiones
(Bcript).
Son estructuras similares a los marcos que utilizan situaciones estereotipadas para representar el conocimiento en un cony a la secuencia
texto particular.
Estn orientados al tiempo
causa-e-f ecto, dentro de un entorno de dinamicidad.
La estructura de
un guin consiste en
un conjunto de campos
(slots), que corresponden que podran ocurrir
a un conjunto de aspectos de un hecho
en una situacin de-finida. Si no existe in-
formacin en un determinado campo, el sistema tomar por defecto el valor proporcionado previamente por el programa para esas
ocasiones.
Cuando unos
hechos determinados
concurren en
la
situacin
analizada de acuerdo con un estereotipo de-finido en un guin, el sistema puede entonces predecir por analoga, qu otros hechos
ocurrirn. Sin embargo, si un hecho inesperado ocurre, el sistema reconoce que el pred ice iones. guin no puede aplicarse y no realiza ms
As, por ejemplo, pleaos
un guin que reflejase
una -fiesta de cum-
podra incluir la presentacin
de un pastel, canciones
44
de -felicitacin, apagado tuase con
de velas y regalos. Un sistema que acdeducciones acerca de situa-
este guin podra hacer
ciones, interpretando dicho guin.
La tendencia integracin de
actual en los -formalismos de computacin, es la todos ellos, eliminando, los inconvenientes que
presentan y aprovechando las to. As el KEE, LOOPS o
-facilidades sinrgicas del conjun-
ART, son ejemplos de esta labor de snherramientas para de construir nuevos y el
tesis, que adems contienen formalismos
y re-finar las estructuras
representacin
comportamiento de inferencia de los ya existentes.
II. 3. 2. Bases de Conocimiento.
Antes de hablar de los mtodos utilizados para la representacin del conocimiento, es conveniente comentar qu tipos de co-
nocimiento puede contener una Base de Conocimiento.
El conocimiento
se almacena en una
Base de Conocimiento, de
acuerdo con alguna de las siguientes -formas:
a) Definiciones descriptivas de ficamente en el compondr en:
los trminos utilizados espec-
dominio, as, dada una situacin tpica se des-
- Descripcin del comportamiento. - De-finicin de vocabulario.
45 - Procesos. - Hechos inciertos. - Hechos disyuntivos.
b) Descripcin
de objetos individuales del
dominio y sus rela-
ciones con otros objetos.
c) Criterios para tomar decisiones. As, tendremos: - Reglas de decisin. - Restricciones. - Heursticas. - Hiptesis. - Suposiciones.
Los mtodos de representacin ciones de
del conocimiento
son comb ina-
estructuras de datos que almacenan informacin y proque permiten realizar inferencias
cedimientos de interpretacin sobre los datos almacenados.
Las investigaciones de la
Inteligencia Arti-ficial han creado
una variedad de -formas para representar distintos tipos de conocimiento, sin que se haya llegado a un modelo de representacin
nico y de-finitivo. El objetivo es elegir un tipo de representacin del conocimiento que -facilite el trabajo sobre un problema
en particular.
Pueden
combinarse di-ferentes
representaciones dentro
de un
Sistema, desarrollar nuevas
representaciones o
realizar varia-
ciones de algunas de las existentes.
46
Los Sistemas de Inteligencia
Artificial pueden requerir contipos de conocimiento, co-
venciones para representar distintos nocimientos de hechos en
objetos, de relaciones, de cmo se han producido ciertas acciones, as como
el tiempo, cmo realizar
metaconocimientos o metarreglas miento) .
(conocimiento acerca del conoci-
Las metarreglas pueden proporcionar dos maneras distintas: o valores por
informacin al sistema de de-fecto o procedimientos
que el sistema puede utilizar para elaborar las respuestas.
Una correcta
representacin del
conocimiento es
vital para
realizar -fciles y eficientes deducciones, suprimir detalles innecesarios, de-finir modelos generales y -facilitar la adquisicin de nuevo conocimiento o modificacin del existente.
Ya
se han comentado con
anterioridad
los distintos formatos
de representacin del conocimiento.
Otras
tcnicas que pueden ser
aplicadas
en
estos sistemas
pueden ser:
- Abstraccin. Los mtodos de abstraccin son utilizados para extraer con-
clusiones importantes a partir de gran nmero de detalles. Estos mtodos son especialmente tiles en los tratamientos de lenguaje natural y visin. La resolucin de una visin simplificada de un
47 problema, frecuentemente proporciona luz sobre cmo podran re-
solverse problemas anlogos pero ms complejos.
- Sucesiones. Sucesin es la capacidad que permite a un Sistema pasar valores a travs de relaciones o campos (slots). Puede proporcionar
campos con valores por defecto e incrementar la eficiencia en la programacin. Simplifica la programacin porque algunas relaciones pueden ser expresadas implcitamente en lugar de tener que
escribir las reglas correspondientes.
El paso de valores por sucesin aade eficacia a la representacin, porque no es necesario repetir y explicar todos los as-
pectos relevantes de cada objeto descrito.
48 II. 4. Motor de Inferencias.
Algunos sistemas, y en particular los Sistemas Expertos, contienen un conocimiento acerca de la -forma de tratar el conoci-
miento denominado "metaconocimiento"; de que dispone
es decir, el conocimiento un proceso de razona-
un sistema para gestionar
miento. En los programas descrito por los sistemas sea, reglas cin. En
convencionales, este conocimiento est
la estructura del propio programa, mientras que en de produccin toma la que actan sobre las -forma reglas de "metarreg 1 as" , o
gobernando su activala estrategia de se-
suma, "las metarreglas" expresan
leccin de reglas.
Los mecanismos de razonamiento utilizados por las reglas, son los tan conocidos de la lgica -formal siguientes:
a) "Modus Ponens" que permite derivar a partir de la regla:
SI A ENTONCES B
De la proposicin A, la proposicin B.
b) "Modus Tollens", al contrario del anterior, este mecanismo permite deducir a partir de la regla anterior, es decir:
SI A ENTONCES B
y del conocimiento de que la proposicin B es -falsa, que la proposicin A, tambin es -falsa.
49
Las
reglas pueden representarse usando cual permite utilizar un
el
-formalismo de la
lgica, lo
motor de inferencias gene-
ral, el de los demostradores de teoremas.
II. 4. 1. Estrategia de control.
Es un mecanismo que determinar que
sirve para examinar la
Base
de Datos y
reglas disparar, es decir, se encarga de activar y encadenarlas en el curso de unos ciclos
las reglas adecuadas de -funcionamiento o "ciclo de
cmputo, cada uno de los cuales se denomina
resolucin". Como todos los intrpretes en los sisteun programa cuyo trabajo es decidir que es
mas in-formticos, es
lo que hay que hacer a continuacin.
En el caso gia de
concreto de un sistema de produccin, la estrate-
control, dadas las limitaciones de secuenci alidad de los actuales, tienen la tarea especial de decidir que
computadores
regla va a "disparar" a continuacin.
El esquema general de -funcionamiento de la estrategia de control para sistemas de produccin, (NIL80) viene dado por el si-
guiente procedimiento:
50 Procedimiento "CONTROL"
1."DATOS" - Base de datos inicial. 2. Hasta que "DATOS" satis-faga la condicin de terminacin, hacer: 3. Comenzar el proceso. 4. Seleccionar alguna regla, "R", del conjunto de reglas, que pueda aplicarse a "DATOS". 5. "DATOS" - Resultado de aplicar 6. Fin. "R" a "DATOS".
En resumen, el intrprete activar
de reglas es un
programa que va a
las reglas relativas al
problema planteado, en funcin propios. Las -formas de
de criterios de
activacin que le son
aplicacin de las reglas, se corresponden a modos de razonamiento, o paradigmas o modelos,que el creador del intrprete ha elegido. Este intrprete pueda debe ser lo ms general posible para que del conocimiento, y tan
aplicarse a distintos dominios
e-ficiente como se pueda.
La bsqueda
de esta e-ficiencia conduce,
sin embargo, a res-
tringir lo que se denomina "espacio de bsqueda", usando heursticas. Estas van a evitar explorar todas las alternativas en cada punto de eleccin o van a elegir la mejor. Las heursticas
que controlan el proceso de razonamiento, son con -frecuencia implcitas, o sea, estn codi-ficadas en el propio intrprete, pero a veces son explcitas y programables, entonces se habla de "metaconocimiento". Las heursticas, tanto explcitas como implcitas no son siempre sintcticas, puesto que tambin pueden ser
51
semnticas.
La estrategia
de control,
para considerarla
adecuada, debe
cumplir tres requisitos bsicos:
- Causar movimiento. Las estrategias de control que no causan movimiento, nunca conducen a una solucin.
- Ser sistemtica. Una estrategia de control no debe aplicarse aleatoriamente, sino sistemticamente de modo que, por una
parte, no se genere una y otra vez la misma base de datos y que, por otra, no se pierda la oportunidad de generar la base de da-
tos deseada. El primero es un requerimiento de eficiencia, mientras que el segundo lo es de utilidad.
-
Ser eficiente. Con frecuencia es necesario comprometer
los
requerimiento
de movilidad y sistematicidad y construir una es-
tructura de control que no garantiza encontrar la mejor respuesta, pero casi siempre encontrar una buena respuesta. De esta
manera se introduce la idea de una heurstica.
En resumen, se puede
decir que el motor de inferencias es la
parte "motriz" de una base de conocimientos formalizados. Es decir, es el elemento de "software" que hace que todo suceda como
si el motor de inferencias pudiera utilizar todo ese conocimiento directamente y reordenar todas las informaciones colocadas en la base de conocimientos. En un sistema basado en reglas, el intrprete de reglas, es el ncleo del sistema de produccin, de
52 modo que alimentado por una base de datos, contruyen dinmica-
mente una solucin, diciendo qu reglas disparar y en que orden. Para ello, utiliza su van memoria de trabajo, en la cual se conser-
las in-formaciones describiendo la situacin inicial, es deproblema planteado, y las situaciones deducidas en el
cir, el
curso del razonamiento.
Una las acerca
caracterstica importante de
del clculo informacin,
para seleccionar o "conocimiento",
reglas, es la cantidad del problema en
curso que usa ese clculo. En el extremo
con menor informacin, la seleccin se hace de un modo totalmente arbitrario, problema que se sin tener en cuenta ninguna informacin sobre el est resolviendo. En el otro extremo, la estragua por el conocimiento que se tiene del
tegia de control se problema que idnea.
es suficiente para seleccionar
cada vez una regla
II. 4. 2. Modos de razonamiento:
El motor
de inferencias cumplimenta pues la tarea de controde las reglas de inferencia o deduccin. En
lar la actividad consecuencia,
expresa un cierto modo de razonamiento; es decir,
un paradigma que en el plano operativo puede caracterizarse sintcticamente por los calificativos miento hacia atrs". adelante" y de "deductivo" o o "encadenahacia
"regreso" tienen una
"encadenamiento
Estos paradigmas
correspondencia semntica
pues el primero se le asocia el significado de "dirigido por los datos", es decir, va a ser el conocimiento de ciertos datos lo
53
que provoque la activacin gundo se le asocia
de una regla de inferencia; y al sepor la meta", o por lo que se
el significado de "dirigido para establecer esta meta
sea, que es justamente activa una regla.
El
tipo de razonamiento a
utilizar,
deductivo o regresivo,
depende del dominio tratado.
La mezcla de los dos tipos de razonamiento, hacia atrs y hacia adelante, permiten acumular las ventajas recprocas de cada
uno de el los.
Una solucin
juiciosa es la que
emplea EMYCIN que clasifica
las reglas en tres dispararse:
clases distintas, de acuerdo con la forma de
a) Reglas
consecuentes: Es
el principio
del encadenamiento
hacia atrs quien gua la ejecucin de estas reglas.
b) Reglas antecedentes: Estas se disparan en el encadenamiento hacia adelante. La parte izquierda de las reglas de este tipo se evalan cuando es se dispara. posible, y entonces, si la regla es vlida
c) Reglas autorreferenci ales: Estas reglas slo se disparan a la salida del encadenamiento hacia atrs. Permiten en general
reforzar la
posibilidad de una conclusin ya vlida, puesto que en su parte derecha y su parte iz-
contienen el mismo evento
54 quierda.
Los encadenamientos modos
hacia atrs y hacia adelante son los dos
de control principales, que muchos sistemas utilizan concondicin de haber probado la integridad de tal
juntamente, a
estrategia. Hay que sealar el hecho de que un modo de encadenamiento en particular no de-fine completamente el control.
Para un modo de encadenamiento dado, por ejemplo el encadenamiento hacia atrs puro, el que se como sucede en el PROLOG, el orden en
consideran las reglas puede tener una gran in-fluencia de ejecucin. Por esto se habla de heurstiencadenamiento. En conclusin, la la manera en que
sobre la velocidad cas que
conducen el modo de
estructura de control,
cuyo papel es de-finir
van a utilizarse las reglas; es decir, el orden en que van a interpretarse, comporta miento, dos niveles; uno es el modo de encadena-
el otro, son las
heursticas utilizadas para disminuir
los tiempos de clculo.
En suma,
cualquiera que sea el
tipo de razonamiento emplea-
d o r a construccin de un intrprete comporta dos etapas particularmente delicadas: La de-finicin de los mtodos de equiparacin o seleccin de las reglas candidatas vlidas y la eleccin de la regla a disparar. La calidad de estos dos elementos a-fecta de
modo determinante la eficacia del motor de inferencias.
La
seleccin de las reglas candidatas necesita la confrontacon el conjunto de hechos de la base
cin de cada una de ellas
de hechos. Esta operacin puede llegar a ser muy costosa rpida-
55
mente, puesto que se repite en cada ciclo. Es relativamente sencilla cuando el lenguaje de la base de conocimientos se parece a la lgica proposicional se ms compleja cuando puesto que en este de (sistema sin variables), y puede volverse trata de un lenguaje de primer orden,
caso se permite la utilizacin de las reglas Esta operacin de bsqueda "cotejo" (Pattern
variables y de cuantificadores. se denomina
por compracin matching).
"equiparacin" o en el
Una regla es candidata
encadenamiento hacia
adelante si existe en validando el conjunto
la base de hechos un conjunto de tcnicas de sus trminos de la parte izquierda o
condiciones, por equiparacin.
Esta operacin caracteriza tambin cuyo modo de resolucin es guiado por denominan
al motor
de inferencias,
los datos. Muchas veces, in-ference
los Sistemas Expertos, se
"pattern directed
systems", es decir, sistemas de inferencia dirigidos por equiparacin de patrones.
De la buena eleccin de la regla a disparar depende la bondad de las prestaciones del sistema. Un humano tiene numerosos conocimientos, pero tambin sabe cual es el que debe utilizar en una situacin dada.
Todava este problema est con -frecuencia mal resuelto en los Sistemas Expertos. La solucin adoptada es habitualmente la de
una estrategia esttica: tomar la regla ms precisa o bien tomar la regla que se ha convertido en la ms recientemente aplicable
o, simplemente, tomar la primera encontrada.
56
Una va
ms interesante es el
uso
de "metaconocimientos" o
"metarreglas" , que tambin cin que
se dan en -forma de reglas de produc-
expresan las estrategias de eleccin entre las reglas.
Este problema de la eleccin de la regla, es evidentemente menos esencial cuando la solucin del problema necesita una explora-
cin de todos los caminos posibles conduciendo a la meta.
II. 4. 3. Ciclo de Base de un Sistema de produccin en encadenamiento hacia adelante.
La
estrategia de control contiene el conocimiento de control que un "modelo general de resolucin de pro-
y no es otra cosa
blemas". Esta estrategia, de acuerdo con distintas consideraciones, con -frecuencia independientes del dominio de aplicacin,
encadena los
ciclos de trabajo comportando cada ciclo de trabageneral, dos -fases: la de Decisin o selec-
jo, en su caso ms
cin de reglas y la de
Accin o de activacin o deduccin, o de
ejecucin de las reglas elegidas. Cuando esta estrategia se pone en marcha, la base de datos, tambin llamada base de conocimientos declarativos o asercionales, y la base de reglas, conocida
asimismo por base de conocimientos operativos o procedimentales, contienen las informaciones representativas del enunciado del
problema a tratar;
es decir, la expresin de los hechos compro-
bados o a probar y los conocimientos operativos sobre el dominio en cuestin. La detencin del intrprete puede hacerse en cual-
quiera de las dos -fases.
57
1. Fase de decisin guientes etapas:
o seleccin de reglas, consta de las si-
a) Restriccin: Consiste en explotar, cuando ello es posible, los conocimientos generales sobre la forma de particionar, en
distintas familias, los hechos y las reglas. La restriccin, determina a que subconjuntos "Rl" la base de de la base de reglas y "BD1" de
hechos merecen ser comparados en el instante actual. sobre las reglas se efecta con el fin
La etapa de restriccin
de que la etapa de equiparacin sea lo ms rpida posible.
Esta restriccin La las
a veces es esttica y efectuada "a priori". permite a veces organizar
propia estructura del "software"
reglas segn "espacios de conocimientos" que contienen conde reglas especializadas en un dominio. Otros sistemas
juntos
permiten definir
de manera dinmica este espacio de trabajo con
ayuda de "metarreg1 as" que tratan sobre las propias reglas y determinan su ejecucin.
b) Equiparacin o cotejo. Una vez finalizada la etapa de restriccin, la estrategia el fin de rarse; es de control examina la base de datos con
seleccionar el conjunto de reglas condidatas a dispadecir, aquellas cuya expresin es compatible con la
base de datos, por intermedio de mecanismos de equiparacin.
Se dice que una
expresin e se equipara
frente
a
otra e',
cuando B_ es una instancia les el filtrado ha
de e. Todas las reglas para las cuaque son "vlidas". De
tenido xito se dice
58 este modo, una regla es "vlida" si la memoria de trabajo con-
tiene una instancia de su lado izquierdo.
Puede que haya varias instancias de la parte izquierda de las reglas en la memoria de trabajo, en cuyo caso, hay que consideque instancian correctamente la
rar las distintas sustituciones parte izquierda de una regla.
En esta etapa el motor de inferencias examina cada una de las reglas de "Rl", respecto al conjunto de la "BD1" de hechos.
Entonces, que se juzgan
un subconjunto "R2" del
"Rl"
contiene las reglas
compatibles con la "BD1".
"R2" se denomina "con-
junto con-flicto".
Esta etapa es la que consume ms recursos de computacin.
A medida que
los sistemas de produccin
se
hacen mayores y
ms complejos, cuestiones de eficiencia obligan a construir tanto para la base de Reglas, como para la base de datos o contex-
to, estructuras de informacin ms complejas.
c) Resolucin de conflictos: Aqu se determinan el subconjunto de reglas "R3" dentro de "R2" que debe dispararse.
En la prctica es
frecuente que en la
operacin
de un gran
sistema de produccin, en cada ciclo, no pueda dispararse ms de una regla. Entonces es necesario decidir entre ellas para elegir una de ese conjunto que cumple la parte de condicin, denominado
59
"conjunto conflicto", ciclo,
para que se dispare.
Este
paso, en cada
denominado "resolucin del conflicto", es donde se efec-
ta la secuenciacin de las acciones, el enfoque de la atencin, las interrupciones en donde y el control de la inestabilidad; es decir,
se observan los rasgos cognitivos bsicos. Existen d i que se han probado adecuados para efectuar la
versos enfoques resolucin del
conflicto, entre los ms empleados estn los si-
guientes que respectivamente seleccionan:
a) La "primera" regla que equipara el contexto. Esta "primera" se define en trminos de algn orden lineal explcito de la base de reglas, lo cual no es siempre deseable.
b) La regla de ms alta "prioridad". Aqu, "prioridad" viene definida por el programador de acuerdo con las exigencias y caractersticas de la tarea, como sucede en el DENDRAL. Es decir, se consideran algunos aspectos de la situacin total como ms importantes, crendose producciones de alta prioridad que son privilegiadas.
c) La regla ms especfica. Es decir, aquella que tiene la parte de condicin actual, o unos requerimientos ms fuertes, en el sentido de que se tiene una lista larga de premisas o elementos de situacin restrictivos.
d) La regla que concierne al elemento aadido ms
60 recientemente al contexto.
e) Una nueva regla, o sea una regla que no ha sido accedida previamente o, al contrario, siempre que se pueda, aquellas que se han equiparado ms recientemente.
f) Arbitrariamente una regla. Aunque este enfoque parece que contradice la segunda caracterstica que debe tener una buena estrategia de control no es as, puesto que en este caso se refiere a reglas que tengan igual posibilidad de ser efectivas.
g) Finalmente, y al contrario de lo que sucede en los casos anteriores, en ste no se efecta ninguna eleccin, antes bien se exploran exhaustivamente
todas las reglas aplicables sin hacer distinciones, en un pseudoparalelismo que se har paralelismo real con la>llegada de los computadores de la llamada "Quinta Generacin".
Hay sistemas sofisticados,
que usan
distintas combinaciones
de estos enfoques sencillos de resolucin de conflictos, algunas de las cuales llegan a ser bastante complicadas, como es el caso de los algoritmos de catalogacin utilizados por los Sistemas
Expertos AM ticas
y HEARSAY. Estos enfoques afectan a dos caracters-
importantes de los sistemas de produccin: "la sensibililo ms rpidamente po-
dad", es decir, la capacidad de responder sible a los cambios del entorno, y la
"estabilidad", o sea, la
61
-facultad de ejecutar secuencias gas.
de acciones
relativamente lar-
Generalmente, para descomponer
se dota al sistema
de un mecanismo particular
las reglas candidatas. Como acaba de verse, sun orden sobre la parte de accin de
te puede hacer intervenir las reglas, o bien
una prioridad sobre el hecho juzgado ms imo bien, a partir de un criterio geltima regla utilizada, orden a
portante o el ms reciente, neral como: eleccin de la
"priori" sobre el conjunto de reglas en el conjunto, etc.
Tambin es
posible decidir la regla
candidata
a
partir de
"metarreglas" que definen dinmicamente las prioridades sobre el conjunto de reglas. Este se tipo de seleccin es, sin duda, el que permite indicar explcitamente el
muestra ms adecuado pues
control de las reglas.
En otros trminos, el mecanismo de inferencia est, el mismo, descrito por reglas. Adems, al ser las "metarreg1 as", ellas
mismas, reglas, pueden ser manipuladas directamente por el motor de inferencias sin necesidad de usar un mecanismo anejo.
2. Fase de accin, activacin o deduccin:
En esta -fase, el motor de inferencias controla, si "R3" no es vacio, la ejecucin de cada una de las reglas. Esta fase consiste en aplicar efectivamente la regla elegida sobre la base de
62 datos; es decir, activar la parte accin de todas las regias retenidas.
Generalmente,
esta parte se limita a introducir nuevos datos
en la base y a supervisar o modificar otros. Los Sistemas Expertos, que son algo ms que simples sistemas de produccin, permiten, sobre la veces, parte "accin" y ms raramente, aunque tambin a el empleo de procedimientos
sobre la parte "condicin",
llamados de manera clsica. Si bien estos procedimientos perturban el modelo terico de los sistemas de produccin, permiten
realizar rpidamente tareas anejas como: entradas-salida, clculo matemtico, etc.
Lo ms habitual
es aadir los trminos
de la parte "conclu-
sin" de la regla seleccionada a la base de hechos y se sealiza dicha regla. Este ciclo se fijado como meta, se aade a repite hasta que el hecho que se ha
la base de hechos, o cesa de efec-
tuarse cuando ya no puede aplicarse ninguna regla.
El
riesgo de este paradigma
de
razonamiento hacia adelante La etapa 3 de
estriba en una prdida de
enfoque hacia la meta.
resolucin del conflicto es, pues, particularmente crtica. Adems, comporta los dos inconvenientes siguientes:
a) Se disparan cucin, incluso si
todas las reglas que son susceptibles de ejelas condiciones a las cuales llegan no ofre-
cen ningn inters. Esto .favorece una explosin combinatoria que redunda en una alta ineficacia.
63
b) Previamente, es necesario cargar la memoria de trabajo con todas las in-
top related