INSTITUTO TECNOLGICO DE NUEVO LEN

Inteligencia Artificial 17:40 A 18:30 HRS. Enero-Junio 2012 4.2.2 Conocimiento de diagnostico. 4.3 Arquitectura de un sistema de produccin.

Equipo 3 NIntegrantes Ros Zaragoza Magda Ivonne Sifuentes Reynosa Julio Alberto NControl 08480187 07480283

Maestro: Enrique Garca Carrera: Ingeniera en Sistemas Computacionales CD.GUADLUPE, N.L 16 DE MAYO DEL 2012

HISTORIA

En 1972, en la Universidad de Stamford se desarrolla MYCIN, sistema experto dentro del campo de la medicina para diagnostico de enfermedades infecciosas en la sangre.

 El desarrollo de las redes bayesianas en la dcada de los 80 permiti refutar las objeciones el conocimiento de diagnostico. Los primeros modelos de redes neuronales datan de 1943 por los neurlogos McCulloch y Pitts

 Los modelos ocultos de Mrkov fueron descritos por primera vez en una serie de artculos estadsticos por Leonard E. Baum y otros autores en la segunda mitad de la dcada de 1960.

Los Sistemas difusos fueron introducidos por primera vez en 1965.

Conocimiento de Diagnostico
El problema del diagnostico ha sido, desde los comienzos de la IA, uno de los ms estudiados y donde los investigadores han cosechado tanto satisfacciones como fracasos.
El diagnostico en el campo de la medicina es sin duda, una de las reas de la IA que supone todava una gran desafi. Una de las caractersticas ms frecuentes en resolucin del problema del diagnostico en dominios reales es la necesidad de trata con la dimensin temporal.

Conocimiento de Diagnostico
As, una vez propuesto un modelo terico, una tendencia cada vez ms habitual a la hora de desarrollar sistemas de diagnostico temporal es necesario abordar el problema del diagnostico temporal desde diferentes enfoques, permitiendo seleccionar cual es la aproximacin mas adecuada para cada problema concreto es simplificar el dominio para que el modelo inicial sea aplicable.

Conocimiento de Diagnostico
Basada en anlisis formal y estadstico del comportamiento humano ante diferentes problemas: Razonamiento basado en casos: ayuda a tomar decisiones mientras se resuelven ciertos problemas concretos. Sistemas expertos: infieren una solucin a travs del conocimiento previo del contexto en que se aplica y de ciertas reglas o relaciones.

Redes bayesianas: propone soluciones mediante inferencia estadstica.

Inteligencia artificial basada en comportamientos: sistemas complejos que tienen autonoma y pueden auto-regularse y controlarse para mejorar.

El aprendizaje se realiza basndose en datos empricos. Algunos mtodos de esta rama incluyen:

Mquina de vectores soporte: sistemas que permiten reconocimiento de patrones genricos de gran potencia. Redes neuronales: sistemas con grandes capacidades de reconocimiento de patrones.

Modelos ocultos de Markov: aprendizaje basado en dependencia temporal de eventos probabilsticos.

Sistemas difusos: tcnicas para lograr el razonamiento bajo incertidumbre. Ha sido ampliamente usada en la industria moderna y en productos de consumo masivo, como las lavadoras.
Computacin evolutiva: aplica conceptos inspirados en la biologa, tales como poblacin, mutacin y supervivencia del ms apto para generar soluciones sucesivamente mejores para un problema.

Base de Conocimiento Contiene el conocimiento del dominio en el cual el programa es competente. El conocimiento tiene que estar representado en la forma que resulte ms adecuada para el dominio de su competencia. Adicionalmente hay que tratar que esa representacin sea: Sencilla. Independiente. Fcil de modificar. Transparente: justificacin de soluciones y explicacin de los procesos. Relacional. Potente: poder expresivo y eficiencia de clculo.

Ejemplo: Como una base de conocimientos est dada por un conjunto de reglas, se puede aplicar estas reglas para un sistema que deduzca la enfermedad y el tratamiento de un paciente.

R1: si el paciente tiene fiebre, y tose, y tiene dolores musculares entonces tiene gripe.
R2: si el paciente tiene gripe o resfriado, y no tiene lcera entonces recomendar aspirina y diclofenaco

Arquitectura de un Sistema de Produccin

Un sistema de produccin proporciona una estructura que facilita la descripcin y la ejecucin de un proceso de bsqueda. Consiste en: Un conjunto de facilidades para la definicin de reglas. Mecanismos para acceder a una o ms bases de conocimientos y datos. Una estrategia de control que especifica el orden en el que las reglas son procesadas, y la forma de resolver los conflictos que pueden aparecer cuando varias reglas coinciden simultneamente. Un mecanismo que se encarga de ir aplicando las reglas.

 Un sistema de produccin se dice que es monotnico si la aplicacin de un regla nunca evita que ms tarde se pueda aplicar otra regla que tambin pudo ser aplicada al momento en que la primera fue seleccionada. Un sistema de produccin es parcialmente conmutativo si existe un conjunto de reglas que al aplicarse en una secuencia particular transforma un estado A en otro B, y si con la aplicacin de cualquier permutacin posible de dichas reglas se puede lograr el mismo resultado. Un sistema de produccin es conmutativo, monotnico y parcialmente conmutativo. si es

 Componentes fundamentales de un sistema de produccin

Una base de hechos, una base de reglas de produccin (a veces llamada base de conocimientos del dominio del sistema), una maquina deductiva (motor de inferencia) y un

mdulo de explicacin.

 La base de hechos es el conjunto de informacin invariable de una a otra resolucin. Los hechos se diferencian de los datos en el sentido que los hechos forman parte del SP, mientras que los datos, al poder variar de una solucin a otra, conviene agruparlos en archivos externos al SP. EJEMPLO: Unos de los tantos hechos que pueden constituir un sistema de produccin para realizar un diagnostico medico y producir un tratamiento, son los siguientes: Fiebre, tose, dolor muscular y no tiene lcera, etc.

Para controlar un SP se requiere o o o o Ordenar las reglas. Poco elegante. Difcil de mantener. Solo aplicable en sistemas simples en los que las reglas se almacenan en una lista que se recorre cclicamente. Ordenar las conclusiones de cada regla. Valido solo en encadenamiento hacia atrs.

o o

o
o

Colocar primero las que tienen ms posibilidades de fallar.

Aadir nuevas premisas para controlar las reglas a aplicar en cada punto de la inferencia

Componentes de un SP
Base de hechos o memoria de trabajo (BH o WM): conocimiento sobre el dominio en un determinado momento. Base de reglas (BR): conjunto de reglas (producciones). SI A ENTONCES B A: condiciones de aplicacin B: acciones sobre la BH o mundo externo

Ejemplo:

Si hielo_en_la_carretera y velocidad > 70 entonces recomendacin = reducir_velocidad

Si situacin = coche_en_marcha y hielo_en_la_carretera y velocidad > 70 entonces recomendacin = reducir_velocidad

Los mecanismos de control pueden clasificarse, dependiendo del momento en que se realice la accin de control