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 anterior | Volver al principio del trabajo | Página siguiente  |