INGENIERA DEL

CONOCIMIENTO

Licenciatura en Ciencias Computacionales

Asignatura: Inteligencia Artificial
Catedrtica: Edrein Marcela Aguilar Ramrez

La Ingeniera del Conocimiento, encara

el problema de construir sistemas de
cmputo con pericia, siguiendo los
siguientes pasos:
Extraer el conocimiento de los
expertos.
Organizarlo en una implementacin
efectiva.
Se puede considerar como el arte de
disear y hacer operativos los SE.

Para desarrollar su trabajo debe conocer a

profundidad:
1. Las estructuras de representacin del
conocimiento que contiene el lenguaje.
2. Las formas de procesar el conocimiento.

3. Las herramientas de cmputo para la

adquisicin y manejo del conocimiento.

DESARROLLO DE UN SISTEMA EXPERTO

Especialista
humano

Ingeniero en
conocimiento

Base de conocimiento
del sistema experto

EJEMPLOS DE SISTEMAS EXPERTOS

Diagnstico Mdico
Reparacin de equipamiento
Configuracin de computadoras
Interpretacin de datos qumicos
Compresin de imagen y habla
Toma de decisin financiera
Interpretacin de seales
Exploracin mineral
Planeacin e inteligencia militar

Aspectos generales del diseo y construccin de

Sistemas Basados en Conocimientos

Qu categoras de
problemas se enfrentan ?

Problemas

Mtodos

Qu mtodos se
necesitan para resolver
estos problemas ?

Medios
Computacionales

Cmo construir
Sistemas de Computacin
con las posibilidades
mencionadas ?

Problemas del Conocimiento

- Las

Experiencias Humanas juegan

un rol fundamental.
- No existen leyes unificadas que
permitan construir modelos.
- El conocimiento presenta
incertidumbre.
- Existe suficiente Conocimiento.

Sistemas basados en
Conocimientos

Mtodos para resolver los problemas del

Conocimiento
Cmo realizar
Experiencias
Humanas
el proceso de

Adquisicin de
Conocimientos ?
Cmo lograr su
Representacin en
la Computadora ?
Base de
Conocimientos

Cmo ejecutar su
Procesamiento ?

 Acumulacin.

Relacionar lo viejo con lo nuevo.

Clasificacin
Interrelaciones

Hechos

Conceptos

Relaciones

 Es el programa o sistema computacional que implementa

los mecanismos y estructuras para el procesamiento del
conocimiento. Estos mecanismos se identifican como:
Inferencia: Capaz de derivar nuevos elementos
desconocidos a partir de los conocidos.
Control: Se refiere al plan de accin que se programa para
resolver las diferentes tareas a l asignadas, donde se
incluyen los pasos a dar en cada momento y en qu orden,
las instrucciones sobre cmo y en qu momentos activar
alguna componente externa necesaria, cmo almacenar y
mostrar la informacin, etc. En resumen, cmo organizar
todo el trabajo durante la ejecucin de una consulta.

 Procesos de Inferencias.

Procesamiento de Incertidumbre.
Estructuras de Control.

Regla de Produccin Generalizada

HARIES

INTRODUCCIN

Los conceptos de una Base de Conocimiento

del tipo Proposicin, se pueden clasificar
como pasivo, en el sentido que no se
ejerce ninguno tipo de accin entre ellos, ni
se establecen relaciones explcitas que
posibiliten definir una va para obtener sus
valores de verdad asociados.

Reglas de Produccin Generalizadas

REGLA DE PRODUCCIN

Es la forma ms popular de representacin

del conocimiento utilizada en los sistemas
expertos basados en conocimiento y ello es
debido a la uniformidad de su estructura y
de la naturalidad con que se expresan
conocimientos principalmente procedurales,
as como muchas clase de inferencia.
Su acepcin general es una estructura de la
forma:
A S

REGLA DE PRODUCCIN GENERALIZADA

El trmino Generalizadas se debe

esta estructura tiene la caracterstica de
poder poseer un volumen de
informacin, que clsicamente
en
otros sistemas, reclamara la definicin
de varias reglas para representar la
misma situacin.

DEFINICIN

Se llama Regla de Produccin Generalizada (RPG)

a toda relacin de la forma:

A S1W S11 W S12,..., Sr W Sr1 W Sr2

donde A, que se denomina Antecedente constituye

una proposicin simple o compuesta; S1,...,Sr son
proposiciones simples llamadas Sucedentes (que no
ocurren en A), y Wsij [-1, 1] (i=1,...,r; j=1,2), son
grados de certidumbres (tambin se llaman peso)
que cuantifican la relacin de produccin establecida
por el smbolo entre el antecedente y el sucedente.

ANTECEDENTE

La estructura del Antecedente puede

contener una o varias proposiciones que
se combinan para describir una condicin
o premisa ms compleja a lo que se le
denomina Proposicin Compuesta.
Esta combinacin se realiza mediante
conectivos lgicos y la utilizacin de
diversos parmetros.

PROPOSICIN COMPUESTA
Las diversas expresiones vlidas para
proposicin Compuesta son:
1. Forma Combinada de conectivos.
2. Peso mnimo en el Antecedente.
3. Condicin vs Desconocimiento.
4. Condicin de Pertenencia.
5. Condicin de Evaluacin.
6. Anlisis de Conclusiones Seleccionadas.
7. Anlisis de Pertenencia a un Intervalo.
8. Evaluacin de Diferencias.

SUCEDENTE
El sucedente en todas las reglas de HAries es
una o varias proposiciones simples a la que
existen asociados a cada una dos grados de
certidumbre o pesos:
El primero indica en qu medida creemos en
esa proposicin si la premisa del antecedente se
cumple (es decir si es absolutamente cierto) y
El segundo indica la certidumbre con que se
contribuye al sucedente si el antecedente no se
cumple (es decir que es absolutamente falso).

SIGNIFICADO PRCTICO
Una regla de produccin expresa lo siguiente:
Si se est absolutamente seguro de que se cumple
el antecedente A entonces se puede afirmar que
esto contribuye en WS11 al grado de certidumbre
global de S1, en WS21 al grado de certidumbre
global de S2, y as sucesivamente para los r
sucedentes, y si por el contrario se est
absolutamente seguro de que No se satisface A
entonces eso contribuye en WS12 al peso de S1,
en WS22 al peso de S2 y de la misma forma hasta
Sr.

EJEMPLO 1
Si utilizamos una escala de certidumbre de 10 (10=SI, 10=NO) y las proposiciones
21) El vaso cae al piso
22) El vaso se rompe
Podra escribirse la regla como:

21 22(8 10)
Expresando que si el vaso se cae entonces casi seguro
ocurrir su rotura (certidumbre = 8 de 10) y tambin si el
vaso no se cae (es decir si no se cumple 21) entonces que
con toda seguridad el vaso no se romper (el segundo grado
de certidumbre sobre 22 es 10, es decir, en este caso se
significa que seguramente 22 no se cumplir).

EJEMPLO 2
Supongamos la siguiente lista de proposiciones:
23) Cerca del paciente se han hallado frascos de
medicamentos.
24) El paciente presenta una conducta no habitual.
25) Hay sospecha de una intoxicacin.
Esta situacin se representar de forma concisa
escribiendo (con escala de certidumbre = 100):

23 & 24 = > 25 (100 0)

EJEMPLO 3
A menudo sucede que con un mismo conjunto de premisas es
posible derivar un cierto nmero de conclusiones diferentes.
As, por ejemplo, si se dan las premisas:
26) Ud. est fatigado.
27) Se siente deprimido.
pudieran darse muy diversas recomendaciones, como:
28) Suspenda temporalmente su actividad 1aboral.
29) Vaya a una fiesta.
30) Salga a pasear.
31) Tome vacaciones y descanse.
32) Siga trabajando fuerte.
33) Acuda al mdico.

EJEMPLO 3

Asumiendo una escala de certidumbre de 100

podramos proponer varias reglas:
26 & 27 = > 28 ( 90 -100)
26 & 27 = > 29 ( 95 80)
26 & 27 = > 30 ( 90 80)
26 & 27 = > 31 (100 -90)
26 & 27 = > 32 (-98 90)
26 & 27 = > 33 ( 98 -90)
escribiendo la regla compacta se tendra:

26 & 27 = > 28(90 -100), 29(95 80), 30(90

80), 31(100 -90), 32(-98 90), 33(98 -90) ;

VALORES DE CERTIDUMBRE
El valor de certidumbre C(Pj), asociado a
una proposicin Pj, es un nmero del
intervalo
[-1,1], donde 1 indica verdad
absoluta, -1 falsedad absoluta, (lo
contrario de lo anterior), y 0
desconocimiento total, es decir que no se
sabe. El resto de los valores se encuentran
asociados a gradaciones de la veracidad,
que corresponden a la afirmacin (valores
positivos) o negacin (valores negativos)
segn el caso.

VALOR DE CERTIDUMBRE DEL

SUCEDENTE

En cuanto al significado de los pesos en

las reglas, es importante destacar, que
ellos no representan los valores de
certidumbre
asociados
a
las
proposiciones sucedentes en caso de
cumplirse el antecedente, sino la
contribucin que se obtiene en tal
situacin.

EJEMPLO 1
Si se est muy seguro de que se cumple una
proposicin Pj, se podra decir que sta se
conoce con certidumbre 0.9, es decir,
C(Pj)=0.9. Si por el contrario se plantea que
existen algunos motivos para pensar que sta
no se cumple, podramos decir que tiene
asociado un peso de -0.5. Lo mismo si se
especfica que existen muy escasos elementos
para establecerlo, caso en que se podra
asignar C(Pj) = 0.2, etc.

EJEMPLO 2

Si tenemos tres proposiciones P1, P2 y P3 y se

sabe que C(P1)=0.8, C(P2)=0.3 y C(P3)=0.4
entonces se puede afirmar que P1 se conoce con un
grado de certidumbre bastante elevado en relacin
con P2 y P3, es decir, que estamos mucho ms
seguros de P1 que de las otras, y que P3 se conoce
con un peso mayor que P2, pero que la diferencia es
menos significativa. Adems, no tendra sentido
hablar de que la seguridad existente sobre el
cumplimiento de P1 es el doble de la existente sobre
P3.

Ejemplo 3

Las proposiciones que intervienen en un SE real diseado para brindar

Diagnsticos y Tratamientos a personas que padecen de ataques
Epilpticos , son identificadas con sus nmeros de orden en la BC
como:
90. El paciente presenta movimientos motores focales en una sola
regin del cuerpo
117. En las crisis presenta movimientos motores en el brazo izquierdo
118. En las crisis presenta movimientos motores en el brazo derecho
119. En las crisis presenta movimientos motores en la pierna izquierda
120. En las crisis presenta movimientos motores en la pierna derecha
121. En las crisis presenta movimientos motores en la hemicara
izquierda
122. En las crisis presenta movimientos motores en la hemicara
derecha
123. En las crisis presenta movimientos motores en el tronco parte
izquierda
124. En las crisis presenta movimientos motores en el tronco parte
derecha

Ejemplo 2...
La proposicin 90 representa un hecho que puede ser
inferido a partir de los otros representando la situacin en
una regla como sigue:
( 117 & -118 & -119 & -120 & -121 & -122 & -123 & -124) V
(-117 & 118 & -119 & -120 & -121 & -122 & -123 & -124) V
(-117 & -118 & 119 & -120 & -121 & -122 & -123 & -124) V
(-117 & -118 & -119 & 120 & -121 & -122 & -123 & -124) V
(-117 & -118 & -119 & -120 & 121 & -122 & -123 & -124) V
(-117 & -118 & -119 & -120 & -121 & 122 & -123 & -124) V
(-117 & -118 & -119 & -120 & -121 & -122 & 123 & -124) V
(-117 & -118 & -119 & -120 & -121 & -122 & -123 & 124)
90 ( 1 -1 );
Lo cual se satisface al introducir como parte del antecedente
el conectivo disyuncin excluyente:
(117 118 119 120 121 122 123 124) 90 ( 1 -1 );

EJEMPLO 4
Como segundo caso se toma un SE desarrollado para el control
epidemiolgico del Paludismo que fue desarrollado para la vigilancia
de los viajantes que visitan paises endmicos de esta enfermedad.
Tres de las proposiciones definidas en este sistemas son las
siguientes:
22. El viajante padeci Plasmodium Vivax
24. El viajante padeci Plasmodium Ovale
33. El viajante tuvo fiebre manifestada un da si y otro no
Algunas relaciones que se pueden representar entre stas son:
33 22 (0.7)
-33 22 (-0.3)
33 24 (0.7)
-33 24 (-0.3)
Utilizando sin embargo, RPG las relaciones anteriores se expresan
como sigue, sin variar el conocimiento que se representa:
33 22 ( 0.7 -0.3 ), 24 ( 0.7 -0.3 );

LIBRES
Sea R un conjunto no vacio de reglas admisibles
cualesquiera. Se dice que una secuencia R1, ...,
Rk de elementos de R es una cadena o lnea de
razonamiento si se cumple que para cada Ri
(i = 1,..., k-l) alguna de sus proposiciones
sucedentes ocurre en el antecedente de Ri + 1.
Por otra parte si la cadena es tal que ninguno de
los sucedentes de cualquier regla Ri ocurre en el
antecedente de Rj con j < = i entonces esta se
denomina libre., mientras que en caso contrario
se dice que es un lazo.

REGLAS
Sea R un conjunto no vaco de reglas
admisibles que denominaremos Base o rbol
de Reglas. Si se cumple que en R no existe
cadena alguna que constituya un lazo
entonces se dice que es libre mientras que en
caso contrario se llama inadmisible.

La base de reglas de una Base de

Conocimientos tiene que ser libre

EJEMPLO

R1) 15 | 116 | 117 = > 11 (1-1)

R2) - 8 = > 11 (0.9 -0.3)
R3) (1 v 12) & (12 v 4) = > 16 (1 0), 8 (-l 0)
R4) 1 & 9 = > 6 (0.7 0)
R5) 3v (6 & 5) = > 2 (-0.9 0.7)
R6) 11 = > 7(1 0.8)
R7) -4 & 16 = > 15 (1 -1)
R8) 6 v -2 = > 10 (1 0)
R9) 5 v -12 = > 7 (0.9 -1), 2 (-0.8 0)
R10) 10 = > 3 (0.8 -0.8)
R11) 14 = > 6 (1-1)

EJEMPL
O

I.- La base de reglas es inadmisible ya

que existe una lnea de razonamiento que
es un lazo, formado por las reglas R8,
R10 y R5. Se puede observar que esto
ocurre debido a que ellas constituyen una
cadena y el sucedente 2 de R5, aparece
en el antecedente de R8.
R8) 6 v -2 = > 10 (1 0)
R10) 10 = > 3 (0.8 -0.8)
R5) 3v (6 & 5) = > 2 (-0.9 0.7)

EJEMPL
O

II.- Un caso de lnea de razonamiento

libre es el constituido por las reglas R6,
R1, R7 y R3 porque algunas de las
proposiciones del antecedente de una
regla estn en el sucedente de la siguiente
a excepcin de la ltima, y por tanto no
hay lazos.
R3)
R7)
R1)
R6)

(1 v 12) & (12 v 4) = > 16 (1 0), 8 (-1 0)

-4 & 16 = > 15 (1 -1)
15 | 116 | 117 = > 11 (1 -1)
11 = > 7 (1 0.8)

PROPOSICIONES

Cuando se introduce una base de reglas libres, no

slo queda definida una organizacin especfica
para las propias reglas sino tambin para las
proposiciones que la componen, puesto que las
relaciones de produccin que entre ellas quedan
establecidas le proporcionan un atributo natural
que permite brindar un punto de partida para el
trabajo que debe ejecutar un Sistema Experto y que
por tanto, es de vital importancia comprender para
poder acometer el desarrollo de aplicaciones
concretas.

PROPOSICIONES
Supongamos se tiene una Base de Reglas Libres R,
se llama Base de Proposiciones P correspondiente
con R a la formada por todas aquellas
proposiciones que aparecen al menos en una regla
Ri R formando parte lo mismo de su antecedente
que de su sucedente. Se llama Base de
Proposiciones Ampliada Pa al conjunto formado
por la unin de P y otro conjunto Ph de
proposiciones que no pertenecen a P y sean
suministradas, las cuales se denominan sin uso o
hueco.

PROPOSICIONES
Sea R una Base de Reglas libres y P su Base
de Proposiciones correpondiente, se dice que
una proposicin Pi P es una pregunta s y
slo s sta se encuentra en el antecedente de
menos una regla pero no aparece en el
sucedente de ninguna. Si forma parte, tanto
del antecedente como del sucedente de
alguna llama intermedio, y si es sucedente
de al menos una pero no o en el antecedente
de ninguna otra se llama objetivo.

PROPOSICIONES
Segn sta definicin a cada proposicin
queda asociado un atributo, que se llama
natural puesto que es definido externamente,
sino determinado por las relaciones se
establecen a travs de las reglas. Estos
atributos definen una particin de la Base de
Proposiciones en tres subconjuntos, que
tienen un significado prctico y muy
importante.

PREGUNTA
Las proposiciones preguntas forman un
conjunto Qp que llamaremos cuestionario y
que representa aquella informacin, referida
a los casos particulares a resolver, es decir, la
informacin que el sistema no puede
obtener por s mismo, puesto que no existe
ninguna relacin (regla) que indique cmo
llegar a ellas. Representan los datos
primarios que se deben tener sobre la
situacin concreta que se consulta al Sistema
Experto.

OBJETIVO
El subconjunto de proposiciones objetivos
que, como su nombre indica, constituyen el
foco de atencin principal, pues se
consideran los resultados que debe
brindar el Sistema Experto y como tal son
tratados. Esto significa que el sistema
concentrar sus esfuerzos en tratar de obtener
el peso de cada una de estas proposiciones
utilizando las relaciones que hayan sido
definidas en la base.

INTERMEDIO
El ltimo grupo es el formado por
proposiciones intermedios, las cuales
constituyen en cierto sentido subobjetivos
a estudiar como parte del proceso
necesario para obtener el peso de otras
proposiciones. En el momento de su anlisis
tambin representarn hechos que el sistema
tendr que obtener de la misma forma que si
fuesen objetivos.

INFORMATIVA
Sea Q el cuestionario de una base de
proposiciones P cualquiera, se dice que una
proposicin Pi Q es accesible desde una
proposicin intermedio u objetivo Pj P si
existe una lnea de razonamiento R1,..., Rk
de reglas tal que Pi ocurre en el antecedente
de Rl y Pj es sucedente de Rk. El conjunto
QPj de proposiciones preguntas (QPj Q)
accesibles desde un objetivo Pj dado, se
llama Base Informativa asociada a Pj.

ES

1. Todas las preguntas de un cuestionario

pertenecientes
a
una
Base
de
Proposiciones dada pertenecen a la Base
Informativa de al menos un objetivo.
2. La base informativa asociada a cada
objetivo siempre se puede encontrar y est
exactamente definida..

INFORMATIVA

La Base Informativa
del objetivo 7 es:
BI7={1, 4, 5, 12, 17}

1. Mencione dos lneas de

razonamiento que hagan
accesible la proposicin 1
desde el objetivo 2.
2. Complete la identificacin
de los atributos de cada
una
de
las
17
proposiciones

EVALUATIVO
Cuando el sistema se enfrenta a este tipo de
representacin (conceptos y relaciones), de
forma implcita el problema a resolver
consiste en obtener el valor de certidumbre
asociado a cada una de las proposiciones
objetivos, a lo cual llamaremos "proceso
evaluativo", y que este es el resultado que
debe brindar el Sistema basado en
Conocimientos.

EVALUATIVO
El sistema tiene que analizar las reglas que constituyen
evidencias en cada caso, es decir, que tienen a los
objetivos como sucedentes, pero a su vez esto puede
generar que se plantee la necesidad de conocer el peso de
los antecedentes correspondientes, y por tanto de las
proposiciones que lo componen. Sin embargo la
evaluacin de estas mismas pueden generar subtareas que
tienen las mismas caractersticas que las iniciales por ser
intermedios, y as sucesivamente hasta obtener como parte
del proceso la tarea de evaluar una proposicin pregunta,
la cual se resuelve externamente por parte del usuario,
respondiendo con su certidumbre acerca de la misma.

EVALUATIVO

De este simple anlisis se evidencian tres

planteamientos bsicos:
1. Se necesita estudiar cmo inferir los pesos de
las proposiciones usando las reglas y a su vez el
de las reglas usando las proposiciones,
2. Debe existir una estrategia para controlar este
proceso y los pasos a dar en cada momento y
3. Se impone al final reflexionar sobre las
condiciones que garantizarn la existencia de
una solucin y las que no.

EXPERTO

Se podra replantear el problema general

diciendo que el trabajo de un Sistema
Experto diseado como hasta aqui,
consiste en: dados los grados de
certidumbres
asociados
a
las
proposiciones preguntas, inferir los
correspondientes al resto de las
proposiciones, y en particular, el de los
objetivos que representan los resultados.

SUCEDENTES

Para poder calcular la influencia de una regla sobre

sus sucedentes se tienen los siguientes pasos:
1. Anlisis del antecedente.
2. Definir una funcin para calcular la
contribucin al peso que proporciona una regla
a sus sucedentes, en correspondencia con el del
antecedente.
3. Calcular el peso final de las proposiciones
sucedentes, conocidas previamente todas las
contribuciones de las diferentes reglas que
conducen a ellos.

ANTECEDENTE
a) Funcin de la negacin del peso de una proposicin Pj:.
C(-Pj) = NEG(C(Pj).
b ) Funcin de la conjunci6n de los pesos de literales
Ll,...,Lk
CONJ (C(Ll,...,C(Lk).
c) Funcin de la disyuncin inclusiva de los pesos de
Ll,...,Lk
DlSYI (C(Ll,...,C(Lk).
d) Funcin de la disyuncin excluyente de los pesos de
L1,...,Lk
DlSYE (C(Ll,...,C(Lk).