Professional Documents
Culture Documents
3.4.1 Hechos.
Guardar y recoger.
Implantación.
Los diseñadores de Prolog realizaron su implantación con el fin de contar con un modelo
sencillo y de rápida ejecución:
Todas las inferencias se realizan por encadenamiento hacia atrás, con búsqueda
preferente por profundidad, lo cual no permite a Prolog ser completo.
El orden de búsqueda a través de los conniuntos de un antecedente es siempre
de izquierda a derecha, y las cláusulas de la base de conocimiento se aplican en
orden, de la primera a la última.
La verificación de ocurrencia se omite en la rutina de unificación.
Prolog enumera todas las soluciones correspondientes a una consulta, pero no las agrupa
en un conjunto. Más bien toca al programa del usuario decidir lo que hará con cada
solución conforme ésta es enumerada.
4- Demostradores de teoremas.
Antecedente → consecuente
Donde:
Antecedente: contiene las clausulas que deben cumplirse para que la regla pueda
evaluarse o ejecutarse.
Consecuente: indica las conclusiones que se deducen de las premisas o las
acciones que el sistema debe realizar cuando ejecuta la regla.
THEN (verificar_bateria$x)
UNIDAD 3 INTELIGE NCIA ARTIFICIAL 5
3.2 Sintaxis de las reglas de producción
(And
(Vivienda vacía)
(Luz encendida)
(Printout t “la vivienda está vacía. Las luces deben estar apagadas.”Crlf)
Las reglas pueden ser utilizadas para expresar un amplio rango de asociaciones,
por ejemplo:
SI el drenaje del lavabo está tapado Y la llave de agua está abierta, ENTONCES
se puede inundar el piso.
Las generalizaciones habituales nos dicen cómo son las cosas: Las catedrales castellanas
son góticas. Forman juicios descriptivos de la realidad. A diferencia de ellas, las
generalizaciones causales nos explican el porqué de las cosas: ¿Por qué se ha muerto mi
perro? ¿Por qué hay paro? ¿Por qué se adelantan las elecciones?
La causalidad
El argumento causal pretende razonar la existencia de una causa para determinado
efecto. Su conclusión dice:
A causa B.
Mi perro ha muerto porque comió un cebo envenenado.
Esto no es más que una manera de hablar, ya que, en rigor, no sabemos cómo una
causa produce un efecto. Abro un grifo y cae agua; le piso la cola al gato y maúlla;
tomo una aspirina y se esfuma mi dolor de cabeza; arrimo fuego a la cera y ésta se
derrite; pulso las teclas del ordenador y aparecen letras en la pantalla... El mundo
está lleno de prodigios que no sé cómo se producen pero que van seguidos. Veo el
rayo, escucho el gran tronazo que le sigue y digo: el rayo es la causa del trueno. Sin
duda representa un gran progreso dejar de atribuir los meteoros a la cólera de los
dioses, pero limitado. Nunca le vemos la cara a una causa. No sabemos qué es. No
percibimos cómo germina un efecto. Constatamos que determinadas acciones o
sucesos se acompañan de otros. Comprobamos que determinadas cosas a las que,
para entendernos, llamamos causas, se siguen de otras distintas consideradas
efectos.
o Una causa es lo que hace a cualquier otra cosa empezar a existir, ya sea una simple
idea, una sustancia o un modo; y es efecto lo que obtiene su comienzo de alguna
otra cosa.
o En el momento de orinar sentí que el líquido tenía olor de espárragos. Había comido,
hacía dos horas, una tortilla con espárragos. Comprendí la ley de la causalidad JOSEP
PLA
A la vista de lo dicho, podemos distinguir dos situaciones: los casos sencillos (con una causa
definida) y los complicados (en los que puede intervenir una constelación de causas).
A causa B porque:
Generalmente si ocurre A, se da B (condición suficiente)
Y, generalmente, si no ocurre A, no se da B (condición necesaria)
Es preciso, pues, comprobar que siempre o casi siempre que actúa la causa, se produce
el efecto. Y, al revés, que cuando aquélla falta, nunca o casi nunca surge el efecto. Si no
es así, no podemos considerar que exista una relación de causa-efecto:
Dicen los griegos que los vientos etesias son la causa de crecer el Nilo, porque le impiden
desaguar en el mar. Pero muchas veces no han soplado los etesias y el Nilo hace lo mismo
HERODOTO.
Claro está que no basta con una observación aislada. Hay muchos acontecimientos que
ocurren de manera simultánea o sucesiva por pura casualidad:
Durante el último eclipse una vaca parió un ternero con cinco patas.
Luis tuvo el accidente el día que dejó su amuleto en casa
El lenguaje LISP es uno de los más utilizados desde los comienzos de la I.A. Se
trata de uno de los lenguajes de alto nivel más antiguos. Se creó en 1950 en el
MIT por John McCarthy. Es un lenguaje cuya principal estructura de datos son las
listas, aún cuando se han ido incorporando otras estructuras más sofisticadas
como pueden ser los objetos.
Tiene como ventaja el manejo de sus estructuras a muy alto nivel lo que facilita la
implementación rápida de los modelos y su facilidad de modificación. Como
desventaja está su relativa lentitud frente a lenguajes de propósito general como
C. La mayoría de las primeras herramientas de desarrollo de sistemas basados en
el conocimiento fueron escritas en LISP y, en la actualidad, conviven con otras
que se han desarrollado en C++.
Desarrollo del prototipo: En esta fase las herramientas deben poseer una serie
de características a nivel de estructuras de control, permitir probar y comparar los
diferentes enfoques de la resolución del problema (representación del
conocimiento, estrategia de control, etc.) y ofrecer facilidades a los ingenieros del
conocimiento (traza, gestión de coherencia, etc.) en el desarrollo del sistema.
Ámbitos de aplicación
Según el tipo de problema a resolver, los ámbitos de aplicación en los que más se
han utilizado los sistemas basados en el conocimiento son los siguientes:
Un sistema de producción, al igual que los problemas, puede ser descrito por un conjunto
de características que permiten visualizar la mejor forma en que puede ser implementado.
A: condiciones de aplicación
B: acciones sobre la BH o mundo externo
Estrategia de control, interprete de reglas, o motor de inferencias (EC o MÍ):
Responsable de encadenar los ciclos de funcionamiento.
Una regla se activa cuando sus precondiciones son ciertas en el estado actual
De la BH o cuando la regla concluye algo que se busca establecer
Los sistemas basados en reglas (SBR) se rigen por una serie de reglas que los
configuran.
Un ejemplo básico de cómo se podría formar una proposición de este estilo, sería el
siguiente:
Como en todos los SBR las reglas pueden estar encadenadas, de forma que el
consecuente de una regla pasa a ser el antecedente de la siguiente. Las reglas que no
son encadenadas, se las denomina reglas paralelas.
Como cualquier SBR, un SBRD está constituido principalmente por dos elementos, la
base del conocimiento y el motor de inferencia.
Ejemplo.
Ungulado.
Base de hechos, que alberga los datos propios correspondientes a los problemas que se
desea tratar con la ayuda del sistema. Asimismo, a pesar de ser la memoria de trabajo, la
base de hechos puede desempeñar el papel de memoria auxiliar. La memoria de trabajo
memoriza todos los resultados intermedios, permitiendo conservar el rastro de los
razonamientos llevados a cabo. Puede, por eso, emplearse para explicar el origen de las
informaciones deducidas por el sistema en el transcurso de una sesión de trabajo o para
llevar a cabo la descripción del comportamiento del propio sistema experto. Al principio
del período de trabajo, la base de hechos dispone únicamente de los datos que le ha
introducido el usuario del sistema, pero, a medida que va actuando el motor de
inferencias, contiene las cadenas de inducciones y deducciones que el sistema forma al
aplicar las reglas para obtener las conclusiones buscadas.
{draw:frame}
Los hechos son afirmaciones que sirven para presentar conceptos, datos, objetos, etc.
Y el conjunto de hechos que describen el problema es la base de hechos.
Ejemplo de hechos:
Juan es un estudiante
Juan tiene 8 años
El perro es blanco
A María le gusta el cine
Pedro prefiere la película
La edad de Luis es de 25 años
Pedro tiene un salario de 200 pesos
Una regla es una combinante de hechos que permite representar conocimientos y sacar
inferencia de los mismos.
Ejemplo de reglas
R1: si y entonces
R2: SI Y ENTONCES
R3: SI Y ENTONCES
Observe como partiendo de hechos conocidos que describen algún conocimiento se
pueden inferir nuevos hechos (nuevos conocimientos).
Apenas pues tiene costumbre convertido de escribir base de datos pues una palabra él es
cada vez más común en informática escribir knowledgebase como una palabra (un
acercamiento del interino era escribir el término con un guión).
Una base de conocimiento puede utilizar ontology especificar su estructura (los tipos y las
relaciones de la entidad) y la clasificación proyecte. Un ontology, junto con un sistema de
casos de sus clases, constituye una base de conocimiento.
http://www.depi.itch.edu.mx/apacheco/ai/repconoc.htm
http://www.angelfire.com/ia3/aisite/sistemas_raz_logico.htm
http://expo.itchihuahua.edu.mx/view.php?f=prog_48
http://www.scribd.com/doc/6772121/3
http://www.itescam.edu.mx/principal/webalumnos/sylabus/asignatura.php?clave_asig=SC
B-0416&carrera=ISC0405001&id_d=60
http://www.uco.es/grupos/eatco/informatica/ia/tema1.pdf
http://ccc.inaoep.mx/~emorales/Cursos/RdeC/principal.html
http://perso.wanadoo.es/usoderazonweb/html/conten/argum/argcausa/argcausa.htm
http://campusvirtual.unex.es/cala/epistemowikia/index.php?title=Sistemas_basados_en_re
glas_difusas