PDF de programación - Sistemas de Producción - Inteligencia Artificial

Sistemas de Producción

Inteligencia Artificial

CS-GEI-FIB c b e a

Curso 2018/2019

Inteligencia Artificial (CS-GEI-FIB c b e a)

Sistemas de Producción

Curso 2018/2019

1 / 15

Índice

1

Introducción

2 El motor de inferencias

3 Razonamiento

Inteligencia Artificial (CS-GEI-FIB c b e a)

Sistemas de Producción

Curso 2018/2019

2 / 15

Sistemas de Producción

Introducción

Las representación mediante formalismos lógicos puede verse de forma
procedimental
Describimos cuales son los pasos para resolver un problema como una
cadena de deducciones
La representación se basa en dos elementos:

Hechos: Proposiciones o Predicados
Reglas: Formulas condicionales donde el consecuente habitualmente
está formado por un predicado atomico o una acción

Analogía con búsqueda en espacio de estados

Hechos = Estado del problema
Reglas = Operadores de búsqueda

Inteligencia Artificial (CS-GEI-FIB c b e a)

Sistemas de Producción

Curso 2018/2019

3 / 15

Sistemas de Producción

Introducción

Un problema quedará definido por:

Base de Hechos: Predicados que describen el problema concreto
Base de conocimiento (o de reglas): Reglas que describen los
mecanismos de razonamiento que permiten resolver problemas
Motor de inferencia: Ejecuta el formalismo y obtiene la cadena de
razonamiento que soluciona el problema

Inteligencia Artificial (CS-GEI-FIB c b e a)

Sistemas de Producción

Curso 2018/2019

4 / 15

El motor de inferencias

Motor de inferencias

Deducir nuevos hechos, ejecutar acciones para resolver el problema
(objetivo) a partir de un conjunto inicial de hechos y eventualmente a
través de una interacción con el usuario

Funciones

Componentes

Fases

Intérprete de reglas + estrategia de control

Detección (filtro): REGLAS PERTINENTES

Obtención del conjunto de instanciaciones de reglas. Formación del
conjunto de conflictos
Selección: ¿QUÉ REGLA?

Resolución de conflictos: selección de la instanciación a aplicar

Aplicación:

Aplicación de la regla

Inteligencia Artificial (CS-GEI-FIB c b e a)

Sistemas de Producción

Curso 2018/2019

5 / 15

El motor de inferencias

Detección

Construcción del conjunto de instanciaciones de reglas (Conjunto de
conflicto)
El intérprete de reglas realiza los cálculos e instanciaciones necesarias
que son posibles en cada estado de resolución del problema
(matching)
Una regla puede instanciarse más de una vez, caso de existir variables
(p.ej. CP1)

Inteligencia Artificial (CS-GEI-FIB c b e a)

Sistemas de Producción

Curso 2018/2019

6 / 15

El motor de inferencias

Selección

Selección de la mejor instanciación
Las reglas instanciadas son seleccionadas para aplicarse dependiendo
de la estrategia de control (Estrategia de resolución de conflictos)

estrategia fija
estrategia dinámica prefijada
estrategia guiada por meta-reglas

Criterios aplicables:

1a regla por orden en la Base de Conocimientos
la regla más/ menos utilizada
la regla más específica/la más general
la regla que tenga el grado de certeza más alto
la instanciación que satisfaga los hechos:

más prioritarios,
más antiguos (instanciación más antigua),
más nuevos (instanciación más reciente), ...

Posible combinación de criterios

Inteligencia Artificial (CS-GEI-FIB c b e a)

Sistemas de Producción

Curso 2018/2019

7 / 15

El motor de inferencias

Aplicación

Ejecución de la regla ⇒

Modificación de la base de hechos
Nuevos cálculos, nuevas acciones, preguntas al usuario
Nuevos subobjetivos

Propagación de las instanciaciones (en CP1)
Propagación del grado de certeza.
El proceso de deducción acaba cuando:

se encuentra la conclusión (el objetivo) buscado ⇒ éxito
no queda ninguna regla aplicable ⇒ éxito? / fracaso?

Inteligencia Artificial (CS-GEI-FIB c b e a)

Sistemas de Producción

Curso 2018/2019

8 / 15

Tipos de razonamiento

Razonamiento

Deductivos, progresivos, forward chaining (FC), encadenamiento
dirigido por hechos

evidencias, síntomas, datos ⇒ conclusiones, hipótesis

Inductivos, regresivos, backward chaining (BC), encadenamiento
dirigido por objetivos

conclusiones, hipótesis ⇒ datos, evidencias, síntomas

Mixtos, encadenamiento híbrido

Inteligencia Artificial (CS-GEI-FIB c b e a)

Sistemas de Producción

Curso 2018/2019

9 / 15

Encadenamiento dirigido por hechos

Razonamiento

Basado en modus ponens: A, A → B ‘ B
La base de hechos (BH) se inicializa con los hechos que describen el problema

Procedimiento: Razonamiento Hacia Adelante
Entrada: Base de hechos, Base de reglas, Objetivos
Alternativas ← cierto
mientras ∃o(o ∈ Objetivos ∧ o 6∈ Base_de_hechos) ∧ Alternativas hacer

Conjunto_Conflicto ←
Interprete.Antecedentes_satisfactibles(Base_de_hechos, Base_de_reglas)
si Conjunto_Conflicto 6= ∅ entonces

Regla ← Estrategia_Control.Resolucion_Conflictos(Conjunto_Conflicto)
Interprete.Aplicar(Base_de_hechos, Regla)
Alternativas ← falso

sino

Inteligencia Artificial (CS-GEI-FIB c b e a)

Sistemas de Producción

Curso 2018/2019

10 / 15

Encadenamiento dirigido por hechos

Razonamiento

Problemas:

Ventajas:

La búsqueda no está localizada en el objetivo
Explosión combinatoria, deducimos hechos no relacionados con la
solución

Deducción intuitiva
Facilita la formalización del conocimiento al hacer un uso natural del
mismo
Puede ser usado de manera exploratoria

Inteligencia Artificial (CS-GEI-FIB c b e a)

Sistemas de Producción

Curso 2018/2019

11 / 15

Encadenamiento dirigido por objetivos

Razonamiento

Método Inductivo. A partir de la hipótesis inicial se reconstruye la cadena de
razonamiento en orden inverso hasta los hechos
Cada paso implica nuevos subobjetivos: hipótesis a validar

Procedimiento: Razonamiento Hacia Atrás
Entrada: Base de hechos, Base de reglas, Objetivos
Alternativas ← cierto
mientras Objetivos 6= ∅ ∧ Alternativas hacer

Objetivo ← Estrategia_Control.Escoger_Objetivo(Objetivos)
Objetivos.Quitar(Objetivo)
Conjunto_Conflicto ← Interprete.Consecuentes_satisfactibles(Objetivo,
Base_de_reglas)
si Conjunto_Conflicto 6= ∅ entonces

Regla ← Estrategia_Control.Resolucion_Conflictos(Conjunto_Conflicto)
Objetivos.Añadir(Regla.Extraer_antecedente_como_objetivos())
Alternativas ← falso

sino

Inteligencia Artificial (CS-GEI-FIB c b e a)

Sistemas de Producción

Curso 2018/2019

12 / 15

Encadenamiento dirigido por objetivos

Razonamiento

La resolución se plantea como una descomposición en subproblemas
El proceso de resolución consiste en la exploración de un árbol Y/O
Ventajas

Sólo se considera lo necesario para la resolución del problema

Desventajas

Hemos de conocer la solución del problema a priori

Inteligencia Artificial (CS-GEI-FIB c b e a)

Sistemas de Producción

Curso 2018/2019

13 / 15

Encadenamiento híbrido

Razonamiento

Partes de la cadena de razonamiento que conduce de los hechos a los
objetivos se construyen deductivamente y otras inductivamente
Exploración bidireccional
El cambio de estrategia suele llevarse a cabo a través de meta-reglas
Se evita la explosión combinatoria del razonamiento deductivo
Mejora la eficiencia del razonamiento inductivo cuando no existen
objetivos claros

Inteligencia Artificial (CS-GEI-FIB c b e a)

Sistemas de Producción

Curso 2018/2019

14 / 15

Hay reglas por todas partes

Razonamiento

El uso de reglas como mecanismo de programación está muy extendido
Como mecanismo de transformación, compilación, traducción, ...

Compiladores de lenguajes (LEX, YACC)
En la Web: XLTS (Extensible Stylesheet Language Transformations)
Automatización de tareas: Make, ANT, ...

Como representación de reglas de negocio en aplicaciones

Motores de inferencia como parte del desarrollo de aplicaciones: Reglas
interpretadas en lugar de código
Muchas herramientas de desarrollo comercial las incluyen: SAP, IBM,
Oracle, Microsoft, ...
Forma parte de la filosofía de paradigmas de desarrollo de aplicaciones
(Service Oriented Architectures)

Inteligencia Artificial (CS-GEI-FIB c b e a)

Sistemas de Producción

Curso 2018/2019

15 / 15