Uso e interpretación del conocimiento Es habitualmente un motor de inferencia Aplica su ciclo de ejecución para resolver el problema Detección de reglas aplicables Selección de la mejor regla (estrategia general o guiada por el meta-conocimiento) Aplicación de la regla 11
Almacenamiento del estado Guarda los datos iniciales del problema y los hechos obtenidos durante el proceso de resolución. Puede guardar otro tipo de información necesaria para el control de la resolución y otros subsistemas: Orden de deducción de los hechos Preferencias sobre el uso de los hechos Reglas que generaron los hechos Reglas activadas recientemente Puntos de backtracking … 12
13 Interfaz con el usuario Interacción con el usuario mediante lenguaje natural Funcionalidad El usuario introduce los datos del problema El sistema hace preguntas al usuario Sobre hechos Pidiendo confirmaciones El usuario hace preguntas al sistema Sobre la resolución (Why?) Sobre suposiciones (What if?) Sobre el estado de la base de hechos
14 Módulo de explicación/justificación Credibilidad del sistema Explicaciones/justificaciones en las reglas/meta-reglas Funcionalidad típica: ¿Por qué? –> Objetivos que el sistema tiene que resolver ¿Cómo? –> Cadena de razonamiento hasta el punto actual
15 Módulo de explicación/justificación Dos niveles de explicación/justificación Traza del razonamiento (reglas y hechos deducidos) Razones de las líneas de razonamiento seguidas, de los objetivos planteados, de por qué se han hecho ciertas preguntas Explicaciones en lenguaje natural Texto prefijado Texto generado dependiente del contexto
16 Sub-sistema de aprendizaje Tipos de aprendizaje Corrección de errores –> El SBC recibe retroalimentación sobre los errores que comete Creación de nuevas reglas o meta-reglas Modificación de las reglas Observación –> Sistemas que supervisan o controlan un proceso Ampliación de la BC con nuevas experiencias (aprendizaje inductivo) Integración con sistemas basados en casos Olvido
Sistemas basados en casos La resolución de un problema se obtiene identificando una solución anterior similar Ventajas: Reducen el problema de extracción del conocimiento Facilitan la corrección/extensión del sistema Permiten una resolución eficiente Permiten explicaciones cercanas a la experiencia del usuario 17
Ciclo de ejecución Consta de cuatro fases: Recuperación: búsqueda de los casos almacenados mas similares Obtención de la solución del caso recuperado Revisión: Se evalúa y adapta la solución recuperada Retención: si es interesante, se guarda el caso 18
Ciclo de ejecución 19
Almacenamiento del conocimiento El conocimiento está formado por casos. Un caso es una estructura compleja (características, solución). Los casos se almacenan en la base de casos (estructura, indexación) Existe también conocimiento para: Evaluar la similaridad entre los casos Combinar/adaptar las soluciones recuperadas Evaluar las soluciones 20
Uso e interpretación del conocimiento Se basa en el ciclo de ejecución de razonamiento basado en casos: Búsqueda en la base de casos de los casos mas similares Recuperación de las soluciones de los casos Conocimiento sobre soluciones (procedimientos/razonamiento) Evaluación Combinación Adaptación 21
Almacenamiento del estado Información del caso actual Calculo de los casos mas similares 22
Justificación y aprendizaje Justificación Es parte de la información de los casos Se complementa con el razonamiento sobre la combinación/adaptación de las soluciones Aprendizaje Aprendizaje de nuevos casos (mas sencillo que en los sistemas de reglas) La solución debe ser sucientemente diferente (evaluación). Se pueden olvidar casos (poco usados, parecidos a otros). 23
Sistemas basados en redes neuronales El elemento base es la neurona (elemento de computo). Neurona: Entradas Salidas Estado Funciones para la combinación de las entradas y el estado Función para generar la salida 24
Sistemas basados en redes neuronales Las neuronas se organizan en redes con diferentes capas. La red asocia unas entradas (datos del problema) a unas salidas (solución del problema). La red se debe entrenar (ejemplos resueltos) para que aprenda a resolver el problema (asociación). 25
Sistemas basados en redes neuronales 26
Sistemas basados en redes neuronales 27
Sistemas basados en modelos Se construye un modelo del comportamiento del sistema. Este modelo se basa en información cualitativa. Razonando sobre el modelo podemos predecir las consecuencias de las acciones Se utiliza razonamiento de sentido común en la resolución. 28
Sistemas multiagente Lejos de una visión monolítica de los sistemas inteligentes Un agente inteligente resuelve una tarea sencilla. El problema global se resuelve en cooperación/coordinación. Otras áreas involucradas: Organización Negociación División del trabajo Comunicación Razonamiento sobre otros agentes 29
Sistemas multiagente Ventajas: Sistemas flexibles Reconfiguración/reorganización para otras tareas (componentes) y otros problemas Relacionado con: computación Grid servicios web 30
| Página siguiente |