Your SlideShare is downloading. ×
0
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
ingenieria del conocimiento
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

ingenieria del conocimiento

4,275

Published on

ingenieria del conocimiento

ingenieria del conocimiento

Published in: Education
1 Comment
5 Likes
Statistics
Notes
No Downloads
Views
Total Views
4,275
On Slideshare
0
From Embeds
0
Number of Embeds
3
Actions
Shares
0
Downloads
0
Comments
1
Likes
5
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. Introducción. Siguiendo las directrices de la Ingeniería del Software más tradicional, se han propuesto metodologías para desarrollar SBC según las ya existentes para construir sistemas de información tradicionales, extendiéndolas para incluir muchas de las características de los SBC, la construcción de un prototipo y la adquisición del conocimiento como etapas formales del proceso. El problema es que no manejan la idea de modelos conceptuales o no involucran técnicas orientadas por objetos, dado que fueron anteriores a estos paradigmas. Entre ellas están la propuesta por [Edm88] y la de [GuT94].
  • 2. … Introducción El conocimiento tiene una estructura interna en la que se pueden distinguir tipos de conocimiento y tareas específicas. Posteriormente, hasta mediados de la década del 90, los métodos que primaron en la creación de SBC estaban fundamentados en el principio de desarrollar un prototipo incremental desde el comienzo del ciclo de vida del sistema.
  • 3. … Introducción Desde que se definen las especificaciones del sistema se construye un software (prototipo) que las refleja y que se va refinando en la medida en que se continúa con el análisis y el diseño, hasta llegar a tener el sistema completo. Esta es la razón por la que se llaman por prototipos, pues se van creando productos que se van evaluando y adaptando. La Ingeniería del Conocimiento, a través de diversos desarrollos metodológicos va encaminada a sistematizar y apoyar, primero el proceso de construcción de modelos y, posteriormente, la reducción de esos modelos a programas.
  • 4. Es aquella disciplina que forma parte de la Inteligencia Artificial y cuyo fin es el desarrollo de Sistemas Expertos (o Sistemas Basados en el Conocimiento SS.BB.CC.) Se apoya en metodologías instruccionales, en las ciencias de la computación y en las TI, intentando representar el conocimiento y razonamiento humanos en un determinado dominio, dentro de un sistema artificial. Importante es el momento de traspasar el conocimiento que posee el experto a un sistema real. Deben captarse los elementos que componen el dominio del experto y adquirir las metodologías de resolución que ellos utilizan.
  • 5. El trabajo de los ingenieros del conocimiento consiste en extraer el conocimiento de los expertos humanos en un determinado área, y codificar dicho conocimiento de manera que pueda ser procesado por un sistema. La ingeniería del conocimiento engloba a los científicos, tecnología y metodología necesarios para procesar el conocimiento. Su objetivo es extraer, articular e informatizar el conocimiento de un experto.
  • 6. La extracción del conocimiento (Knowledge elicitation) se realiza durante la interacción entre el ingeniero del conocimiento (IC) (persona que conoce el formalismo de representación que utilizará el SBC) y el experto (persona que posee el conocimiento, pero que no tiene por qué usar un formalismo para representarlo). Durante las entrevistas entre el IC y el experto, el primero ha de ayudar a sistematizar el conocimiento del experto, consiguiendo que vaya explicitando las diferentes técnicas que utiliza para resolver los problemas de su dominio, de manera que se puedan representar en un formalismo computable.
  • 7. Fases de adquisición del conocimiento. 1. Identificación del o los problemas. 2. Conceptualización. 3. Formalización. 4. Implementación. 5. Prueba.
  • 8. Fases de adquisición del conocimiento. 1. Identificación del o los problemas. Determinar, si el problema puede o debe abordarse mediante las técnicas de los SBC. Es decir: • No ha de poder solucionarse de manera algorítmica. • Tener acceso a las fuentes de conocimiento suficientes para completar la tarea. • El problema a tratar ha de tener un tamaño adecuado para que no constituya una tarea inabordable por su complejidad.
  • 9. Fases de adquisición del conocimiento. 1. Identificación del o los problemas… Deben buscarse fuentes de conocimiento necesarias para el desarrollo del sistema: • Expertos humanos en el dominio del problema. • Libros y manuales que expliciten el problema y técnicas de resolución. • Ejemplos de casos resueltos, sobre todo para la validación, para técnicas de adquisición automática del conocimiento y obtener de esta manera los elementos básicos que intervienen y sus relaciones.
  • 10. Fases de adquisición del conocimiento. 1. Identificación del o los problemas… Con estas fuentes de información se podrán determinar los datos necesarios para la resolución del problema y los criterios que determinen la solución, tanto los pasos que permiten la resolución como su posterior evaluación. El IC y el experto humano podrán realizar una primera descripción del problema incluyendo objetivos, motivaciones, estrategias de resolución y su justificación, fuentes de conocimiento, tipos de tareas que son necesarias.
  • 11. Fases de adquisición del conocimiento. 2. Conceptualización. Detallar los elementos básicos del problema y descubrir las relaciones entre ellos. Es necesario observar cómo el experto resuelve problemas típicos y abstrae de ellos principios generales que pueden ser aplicados en diferentes contextos.
  • 12. Fases de adquisición del conocimiento. 2. Conceptualización. Obtener una descomposición del problema en subproblemas, realizando un análisis por refinamientos sucesivos hasta que el IC pueda hacerse una idea de la relación jerárquica de las diferentes fases de resolución hasta los operadores de razonamiento más elementales. Descubrir el flujo del razonamiento en la resolución del problema y especificar cuándo y cómo son necesarios los elementos de conocimiento.
  • 13. Fases de adquisición del conocimiento. 2. Conceptualización. Hará falta distinguir entre evidencias, hipótesis y acciones necesarias en cada uno de las etapas y determinar la dificultad de cada una de las subtareas de resolución. De esta manera se conseguirá captar la estructura del dominio y las diferentes relaciones entre sus elementos.
  • 14. Fases de adquisición del conocimiento. 3. Formalización. Considerar los diferentes esquemas de razonamiento que se pueden utilizar para modelar las diferentes necesidades de resolución de problemas identificadas en las fases anteriores. Comprender la naturaleza del espacio de búsqueda y el tipo de búsqueda que habrá que hacer. Para ello, se puede comparar ésta con diferentes mecanismos prototípicos de resolución de problemas como la clasificación, abstracción de datos, razonamiento temporal, estructuras causales, etc.
  • 15. Fases de adquisición del conocimiento. 3. Formalización En esta etapa también tendrá que analizarse la certidumbre y completitud de la información disponible, dependencias temporales, o la fiabilidad y consistencia de la información. Deberá descubrir qué partes del conocimiento constituyen hechos seguros y cuáles no. Para éstos últimos deberá adaptarse alguna metodología de tratamiento de la incertidumbre, de manera que ésta pueda ser modelada dentro del sistema.
  • 16. Fases de adquisición del conocimiento. 4. Implementación. Tomar decisiones sobre la especificación del control de la resolución y del flujo de la información, tomar decisiones sobre el modo concreto de representar el conocimiento para que se adapte a las estrategias de resolución que se necesiten y las relaciones entre los diferentes conjuntos de conocimiento. Definirán las reglas, e inevitablemente se descubrirán problemas e incompletitudes que obligarán a revisar fases anteriores.
  • 17. Fases de adquisición del conocimiento. 5. Prueba. Se ha de elegir un conjunto de casos resueltos representativos y comprobar el funcionamiento del sistema con éstos. En esta fase se descubrirán errores que permitirán corregir análisis anteriores; por lo general aparecerán problemas por falta de reglas, incompletitud, falta de corrección y posibles fallas en el análisis de las reglas pre establecidas.
  • 18. Clasificación de los SBC La construcción de un SBC en cualquier dominio es una tarea compleja y es necesario disponer un conjunto de metodologías de resolución de problemas que permitieran aproximar soluciones a diferentes tipos de SBC según sus características. Por ello se han realizado clasificaciones de los SBC según las tareas que realizan, para intentar descubrir metodologías comunes y así extraer directrices de análisis en los distintos tipos de dominios.
  • 19. Clasificación de los SBC 1. Sistemas de Interpretación: Infieren descripciones de situaciones a partir de observaciones. 2. Sistemas de predicción: Infieren consecuencias previsibles de situaciones o eventos. 3. Sistemas de diagnóstico: Infieren fallos a partir de síntomas. 4. Sistemas de diseño: Desarrollan configuraciones de objetos que satisfacen ciertas restricciones. 5. Sistemas de planificación: Generan secuencias de acciones que obtienen un objetivo. 6. Sistemas de monitoreo: Estudian el comportamiento de un sistema en el tiempo y procuran que siga unas especificaciones. 7. Sistemas de corrección: Genera soluciones para fallos en un sistema. 8. Sistemas de control: Gobiernan el comportamiento de un sistema anticipando problemas, planeando soluciones.
  • 20. Métodos de resolución de problemas 1 Métodos de resolución de problemas 1.1 Clasificación Heurística 1.1.1 Clasificación heurística en los sistemas de reglas. 1.1.2 Estrategias de adquisición del conocimiento con clasificación heurística. 1.1.3 Aplicación de la clasificación heurística. 1.2 Resolución Constructiva. 1.2.1 Proponer y aplicar. 1.2.2 Mínimo compromiso. 1.3 Hipótesis y prueba jerárquica.
  • 21. 1.1 Clasificación Heurística Consiste en que el experto humano escoge una categoría de un conjunto de soluciones previamente enumerado. Disponer de las características esenciales de cada una de las categorías es suficiente para establecer la clase del problema y su solución. Esto no ocurre así cuando la complejidad del problema aumenta, pues las características esenciales son cada vez más difíciles de identificar.
  • 22. 1.1 Clasificación Heurística El objetivo será obtener y representar el conocimiento necesario para que la asociación problema-solución se pueda realizar. Se define como clasificación heurística a toda asociación no jerárquica entre datos y categorías que requiere de inferencias intermedias. Establecer la clase de un problema requiere inferencias y transformaciones sobre éste, para poder asociarlo con la descripción de la clase. El esquema de razonamiento para hacer estas inferencias se ha de adquirir del experto.
  • 23. 1.1 Clasificación Heurística Tres etapas: 1. Abstracción de los datos. Se hace una abstracción del caso concreto para acercarlo a las soluciones que se poseen. 2. Asociación heurística. Se busca la mayor coincidencia entre el caso abstraído y las soluciones. 3. Refinamiento de la solución. Será necesario buscar la mejor solución determinada por la solución abstracta. Esto puede necesitar de más deducciones, o de la utilización de más información hasta encontrar la mejor solución.
  • 24. 1.1.1. Clasificación heurística en los sistemas de reglas El proceso de refinamiento del sistema ha de hacerse paso a paso, añadiendo nuevas reglas que cubran nuevos casos y vigilando las interacciones. La metodología es la siguiente: 1. El experto da las nuevas reglas al IC. 2. El IC cambia la base de conocimiento. 3. El IC prueba casos ya resueltos para comprobar inconsistencias. 4. Si aparecen errores, se comprueba el nuevo conocimiento con el experto y se empieza de nuevo. 5. Se prueban nuevos casos. 6. Si no hay problemas se para, si los hay se retorna al principio.
  • 25. 1.1.2. Estrategias de adquisición del conocimiento con clasificación heurística Algunos de los pasos que debe incluir la adquisición son: • Diferenciación. Buscar síntomas que distinguen entre hipótesis. • Frecuencia de condicionamiento. Buscar condiciones que hagan a una hipótesis más o menos probable. • Distinción de síntomas. Identificar propiedades de síntomas que indican las causas originales. • Condicionamiento de síntomas. Buscar las condiciones bajo las cuales se espera que aparezcan ciertos síntomas dada una hipótesis.
  • 26. 1.1.2. Estrategias de adquisición del conocimiento con clasificación heurística… • División de caminos. Descubrir sucesos intermedios entre hipótesis y síntomas que son más probables. • Diferenciación de caminos. Buscar eventos intermedios que pueden diferenciar hipótesis con similares evidencias. • Diferenciación de condiciones. Determinar el grado de confianza a aplicar al resultado de las condiciones. • Condicionamiento de condiciones. Buscar las condiciones de base que afectan a la confianza de las condiciones. Todas estas fases permiten construir la base de conocimiento necesaria para la resolución del problema.
  • 27. 1.1.3. Aplicación de la clasificación heurística Por ejemplo un pequeño SBC para la concesión de créditos bancarios para creación de empresas. El propósito de este sistema será examinar las solicitudes de créditos de clientes con pretensiones de crear una empresa para determinar si se les debe conceder y qué cuantía es la recomendable respecto a la que solicitan. El problema tiene por lo tanto una labor de análisis que nos ha de predecir la fiabilidad de si cierta persona, en ciertas condiciones, será capaz de devolver un crédito si se lo concedemos.
  • 28. 1.1.3. Aplicación de la clasificación heurística… El número de soluciones a las que se llega es evidentemente finito: el crédito se concede, o no se concede, y en el caso de que se conceda, se decidirá si la cuantía solicitada es adecuada o si sólo se puede llegar hasta cierto límite. La metodología de resolución que mejor encaja es la clasificación heurística, por lo tanto se usarán sus fases. Deberemos plantear cuatro tipos de elementos y los mecanismos para transformar unos en otros.
  • 29. 1.1.3. Aplicación de la clasificación heurística… El primero será cómo se plantearán los problemas al sistema, es decir, qué elementos se corresponderán con los datos específicos, las solicitudes de crédito. Esta información ha de definir el estado financiero del solicitante, el motivo por el que pide el crédito, cuánto dinero solicita, etc. Supongamos que una solicitud contiene la siguiente información:
  • 30. 1.1.3. Aplicación de la clasificación heurística… Ejemplo de solicitud de crédito. • Si tiene avales bancarios. • Si tiene familiares que puedan responder por él. • Si tiene cuentas corrientes, casas, coches, fincas, etc. y su valoración. • Si tiene antecedentes de morosidad. • Si ha firmado cheques sin fondos. • Si tiene créditos anteriores concedidos. • Tipo de empresa que quiere crear. • Cantidad de dinero que solicita.
  • 31. 1.1.3. Aplicación de la clasificación heurística… … Ejemplo de solicitud de crédito. Esta información deberá convertirse mediante el proceso de abstracción de datos en los problemas abstractos a partir de los cuales se hará el razonamiento. Las soluciones abstractas quedan definidas por los siguientes atributos:
  • 32. 1.1.3. Aplicación de la clasificación heurística… … Ejemplo de solicitud de crédito. Apoyo financiero: Valoración de la capacidad económica para responder al crédito que solicita. Se puede evaluar con la información sobre avales y personas allegadas. Bienes: Dinero o propiedades que puedan usarse para responder por el crédito o que se puedan embargar en caso de no devolución. Fiabilidad de devolución: Información sobre si el cliente tiene antecedentes económicos positivos o negativos. Compromiso: Si ya se tienen compromisos económicos con esa persona o si se tienen intereses especiales con ella.
  • 33. 1.1.3. Aplicación de la clasificación heurística… … Ejemplo de solicitud de crédito. Viabilidad de la empresa: Tipo de empresa que se quiere crear y su posible futuro. Supondremos que estos cinco atributos pueden tomar valores cualitativos que estarán dentro de este conjunto: muy bueno, bueno, normal, regular, malo, muy malo. Para realizar la abstracción de datos se podrían dar un conjunto de reglas que harían la transformación, como por ejemplo:
  • 34. 1.1.3. Aplicación de la clasificación heurística… … Ejemplo de solicitud de crédito. si avales > 10 millones o es rico entonces apoyo financiero bueno si avales entre 10 millones y un millón entonces apoyo financiero normal si avales < 1 millón entonces apoyo financiero malo si suma bienes < 10 millones entonces bienes malo si suma bienes entre 10 y 20 millones entonces bienes normal si suma bienes > 20 millones entonces bienes bien si cheques sin fondos o moroso entonces fiabilidad muy mala
  • 35. 1.1.3. Aplicación de la clasificación heurística… … Ejemplo de solicitud de crédito. si fábrica de agujeros entonces viabilidad muy mala si hamburguesería o heladería entonces viabilidad normal si grandes almacenes o proveedor de Internet entonces viabilidad muy buena si concedido crédito < 1 millón entonces compromiso regular si concedido crédito > 10 millones o hermano del director entonces compromiso bueno El conjunto de soluciones abstractas a las que podría dar el análisis de las solicitudes podría ser el siguiente:
  • 36. 1.1.3. Aplicación de la clasificación heurística… … Ejemplo de solicitud de crédito. Denegación: no hay crédito para el cliente. Aceptación: se acepta el crédito tal como se solicita. Aceptación con rebaja: se acepta el crédito, pero se rebaja la cantidad solicitada; harán falta reglas para crear la solución concreta indicando la cantidad final que se concede. Aceptación con interés preferente: se concede la cantidad solicitada, pero además se rebajan los intereses que normalmente se ponen al crédito; en este caso también hará falta generar una solución concreta.
  • 37. 1.1.3. Aplicación de la clasificación heurística… … Ejemplo de solicitud de crédito. Ahora nos faltan las reglas que nos harán la asociación heurística entre los problemas abstractos y las soluciones abstractas. Un conjunto de reglas que cubre una pequeña parte del espacio de soluciones podría ser:
  • 38. 1.1.3. Aplicación de la clasificación heurística… … Ejemplo de solicitud de crédito. si apoyo financiero regular y bienes malo entonces denegar si fiabilidad mala o muy mala entonces denegar si apoyo financiero normal y bienes normal y viabilidad buena entonces aceptar con rebaja si apoyo financiero bueno y bienes normal y compromiso normal y viabilidad buena entonces aceptar si apoyo financiero bueno y bienes bueno y compromiso muy bueno y viabilidad muy buena entonces aceptar con interés preferente
  • 39. 1.1.3. Aplicación de la clasificación heurística… … Ejemplo de solicitud de crédito. Por último, nos hacen falta reglas para poder generar soluciones concretas en los casos que son necesarias; algunas reglas podrían ser: si aceptación con rebaja y petición > 5 millones y bienes = 5 millones entonces rebaja a 5 millones si aceptación con interés preferente y petición > 10 millones y bienes > 10 millones entonces rebaja de un 1% de interés si aceptación con interés preferente y hermano del director entonces rebaja de un 2% de interés.....

×