Sistema basado en el comocimiento

4,619 views
4,394 views

Published on

Published in: Education, Travel, Business
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
4,619
On SlideShare
0
From Embeds
0
Number of Embeds
8
Actions
Shares
0
Downloads
189
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Sistema basado en el comocimiento

  1. 1. SISTEMAS <br />BASADOS <br />EN EL <br />CONOCIMIENTO<br />REALIZADO POR: Maria José Flores Z.<br />CATEDRÁTICO: Ing. Pablo Mora.<br />10 mo Ciclo<br />SISTEMAS<br />
  2. 2. Representan un paso delante de los sistemas de información convencionales al pretender representar funciones cognitivas del ser humano como el aprendizaje y el razonamiento. <br />Su orientación es la automatización del análisis de problemas, la búsqueda de soluciones, la toma de decisiones y el empleo de conocimiento especializado en un campo específico de aplicación. <br />SISTEMAS BASADOS <br />EN EL <br />CONOCIMIENTO<br />Dentro de estos se encuentran los Sistemas Expertos, los cuales están encargados de representar el conocimiento de los especialistas de una rama en la procura de su aprovechamiento para tareas de diagnóstico, enseñanza y control. <br />La composición de los Sistemas basados en Conocimiento consta de: Un mecanismo de aprendizaje, una base de conocimientos, un motor de razonamiento, y medios de comunicación hombre-máquina.<br />INTELIGENCIA ARTIFICIAL<br />
  3. 3. Los sistemas basados en conocimiento se consideran una extensión - un paso tecnológico - de los sistemas de información cuyos alcances y complejidad son mayores. <br />Extensión a los sistemas basados en conocimiento<br />Aprender <br />Evolucionar <br />Adaptar <br />Razonar<br />Tomar Decisiones<br />Analizar Problemas <br />Emular Al experto Humano<br />Generar Alternativas de Solución<br />Contener conocimiento empírico, mundano y del lenguaje.<br />Generar el Conocimiento a partir del que no se posee<br />INTELIGENCIA ARTIFICIAL<br />
  4. 4. <ul><li>La tecnología representada por los S.E actuales, surge de las técnicas de I.A. que han sido objeto de amplias e intensivas investigaciones desde finales de los 50’s, estas comenzaron en las matemáticas para apoyar el razonamiento simbólico.
  5. 5. La investigación en el campo los S.E. comenzó a mediados de los años sesenta con un alcance limitado y se orientaron hacia juegos o temas altamente académicos. Luego en los campos de la medicina, química, industria y la administración.
  6. 6. Los S.E. captan el conocimiento básico que permite a una persona desempeñarse como un experto frente a problemas complicados.
  7. 7. Las características más relevantes de los S.E., es su capacidad para enfrentar problemas que constituyen un reto del mundo real, por medio de la aplicación de procesos que reflejan el discernimiento y la intuición humana. </li></ul>LA ELITE DE LOS SISTEMAS BASADOS EN CONOCIMIENTO <br />INTELIGENCIA ARTIFICIAL<br />
  8. 8. SISTEMAS <br />EXPERTO<br />
  9. 9. Es un sistema computacional que adquiere conocimiento especializado en un campo específico para explotarlo mediante métodos de razonamiento que emulan el desempeño del experto humano en la solución de problemas.<br />DEFINICIÓN<br />INTELIGENCIA ARTIFICIAL<br />
  10. 10. INTELIGENCIA ARTIFICIAL<br />ARQUITECTURA <br />
  11. 11. El Verificador: Intenta comprobar la validez del desempeño del sistema. <br />Tutor: Brinda información adicional al sistema o modifica el conocimiento que va estar presente en el sistema<br />Alumno: Busca rápidamente desarrollar pericia personal relacionada con el área específica mediante la recuperación de conocimientos organizados y condensados del sistema. <br />Cliente: Aprovecha la pericia del sistema en el desempeño de tareas específicas.<br />INTELIGENCIA ARTIFICIAL<br />ARQUITECTURA <br />
  12. 12. Interactuar con el usuario: Inicia, desarrolla, suspende, reanuda y concluye la sesión.<br />Establecer el protocolo de diálogo: Mediante parámetros, menues, íconos, lenguaje natural o cualquier otro medio de expansión, como el reconocimiento de voz y sensores y servomecanismos que operan en tiempo real <br />Explicar el comportamiento del sistema: Debe ser capaz de argumentar las razones por las que formula cierta pregunta, hace un razonamiento y llega a una conclusión específica.<br />INTELIGENCIA ARTIFICIAL<br />ARQUITECTURA <br />
  13. 13. Representar los mecanismos de solución: Son los procedimientos que identifican y resuelven el problema, además de evaluar las alternativas de solución. <br /> <br />Implementar los criterios de búsqueda: Conforme a la naturaleza del problema, diseña búsqueda ciegas, heurísticas o aplica métodos más ad-hoc, como agenda, alfa-beta y pizarrón<br />Fundamentar la inferencia: Congruente al tipo de conocimiento representado en la “base de conocimientos” establece el método de inferencia correspondiente; por ejemplo; al emplear reglas de predicados entonces hará uso de la resolución unificación.<br /> <br />El motor es considerado el núcleo del Sistema Experto donde descansa la parte “procedural”.<br />INTELIGENCIA ARTIFICIAL<br />ARQUITECTURA <br />
  14. 14. El formalismo para representar conocimiento: Emplea una o varias técnicas que permiten caracterizar y organizar conocimiento específico; por ejemplo; “redes semánticas” y “scripts”. <br /> <br />Un administrador: Responsable del almacenamiento, recuperación y actualización en las estructuras de representación correspondientes.<br /> <br />Servicio: Es el mecanismo encargado de responder a las demandas de acceso a elementos específicos de conocimiento (reglas, hechos, objetos, etc.) efectuados por el motor de inferencia y el módulo de aprendizaje.<br />INTELIGENCIA ARTIFICIAL<br />ARQUITECTURA <br />
  15. 15. Mecanismo de Aprendizaje <br />Es el módulo responsable de adquirir nuevo conocimiento y actualizar el existente, alterando a los subsistemas: <br /> <br />Base de conocimientos: Modifica las declaraciones de conocimiento, agrega nuevas, verifica la consistencia entre ellas, resolviendo los conflictos. <br />Máquina de Inferencia: Puede cambiar los mecanismos de inferencia, depurar las heurísticas y métodos de búsqueda, en aras de hacer más eficiente la solución de problemas, aprovechando la experiencia en la solución de problemas semejantes.<br />INTELIGENCIA ARTIFICIAL<br />ARQUITECTURA <br />
  16. 16. Base de Datos <br />Es el depósito de conocimiento complementario a la “base de conocimientos” que por su naturaleza, representación y manipulación se concibe como dato o información. <br />Almacenamiento de datos. Todos aquellos elementos del dominio de conocimiento del S.E., los específicos al problema y los particulares del usuario pueden registrarse en archivos o tablas convencionales.<br />Administración: Ofrece los servicios de inserción, acceso, actualización y borrado de datos, seguridad, integridad, confiabilidad, respaldo y restauración y monitoreo de la información.<br />INTELIGENCIA ARTIFICIAL<br />ARQUITECTURA <br />
  17. 17. Memoria de Trabajo <br />El depósito de almacenamiento del código, conocimiento y resultado de las inferencias que se genera a lo largo de la sesión, donde se desarrolla la solución del problema. En esta área se realiza.<br /> <br />La representación del “espacio de estados”:<br />La administración de la red o estructura de conocimientos:<br />Normalmente la “memoria de trabajo” se implementa en la “memoria principal” del ordenador con el posible respaldo del almacenamiento secundario.<br />INTELIGENCIA ARTIFICIAL<br />ARQUITECTURA <br />
  18. 18. Se representa como un modelo de “ciclo de vida”, que se divide a su vez en varios más pequeños que pretenden alcanzar metas muy concretas sujetas a revisión y corrección, como se muestra en la Figuras 4 y 5:<br />Metodología<br />Construcción <br />S.E <br />INTELIGENCIA ARTIFICIAL<br />
  19. 19. REVISIÓN DEL PROBLEMA<br />Mediante la investigación de campo, análisis documental, observación, entrevistas y sesiones de “Lluvia de ideas” se procede a identificar los tipos de problema a resolver. <br />Metodología<br />Construcción <br />S.E <br />INTELIGENCIA ARTIFICIAL<br />
  20. 20. REVISIÓN DEL PROBLEMA<br />Para seleccionar aquellos candidatos, cada uno de los elementos en la lista original se evalúa con relación a un conjunto de criterios de filtración. <br />Metodología<br />Construcción <br />S.E <br />INTELIGENCIA ARTIFICIAL<br />
  21. 21. REVISIÓN DEL PROBLEMA<br />Es un análisis detallado de lo adecuado que resulta el dominio para la aplicación de un S.E. <br />Criterios: <br />• La tarea demanda razonamiento experto. <br />• Los problemas del dominio se solucionan usando principalmente conocimiento simbólico. <br />• La tarea primariamente debe ser cognoscitiva y no debe requerir manejo físico extenso. <br />Metodología<br />Construcción <br />S.E <br />INTELIGENCIA ARTIFICIAL<br />
  22. 22. REVISIÓN DEL PROBLEMA<br />• Debe existir un experto que esté posibilitado para resolver problemas del dominio del tema. <br />• El experto debe ser capaz de describir el conocimiento del dominio y cómo se aplica. <br />• El experto debe disfrutar de buena reputación entre los potenciales usuarios del sistema. <br />• Múltiples expertos deben estar de acuerdo sobre las técnicas de solución de problemas. <br />Metodología<br />Construcción <br />S.E <br />INTELIGENCIA ARTIFICIAL<br />
  23. 23. REVISIÓN DEL PROBLEMA<br />Alcance del problema: Se deben dimensionar los alcances del proyecto sobre un tema específico<br />Análisis de costo/beneficio: Es necesario hacer un análisis del costo de construir el sistema comparando con el benéfico esperado. Cada costo incluye la contratación del experto y del ingeniero de conocimientos, además del costo del equipo requerido y software. <br />Metodología<br />Construcción <br />S.E <br />INTELIGENCIA ARTIFICIAL<br />
  24. 24. REVISIÓN DEL PROBLEMA<br />Los pasos en este proceso son: <br />• Adquisición del conocimiento inicial <br />• Modelo de consulta general <br />• Selección del mecanismo de inferencia <br />• Determinación del modelo de la representación de conocimientos <br />• Selección de herramientas <br />• Implementación del prototipo <br />• Prueba del prototipo <br />• Demostración del prototipo <br />• Revisión del proyecto <br />Los propósitos específicos del prototipo son: <br />• Ganar un entendimiento más profundo de la naturaleza y alcance del problema y de las técnicas asociadas en la solución de problemas. <br />• Demostrar la funcionalidad general del sistema. <br />• Probar las decisiones de diseño iniciales <br />Metodología<br />Construcción <br />S.E <br />INTELIGENCIA ARTIFICIAL<br />
  25. 25. REVISIÓN DEL PROBLEMA<br />Inicia cuando el ing. de conocimiento hace una investigación global intensiva del dominio mientras busca aprender tanto sea posible acerca de los aspectos críticos del tema. <br />Después ing. se reúne con el experto para comenzar a discutir los estudios de casos específicos y clarificar el entendimiento del conocimiento obtenido. <br />Inicia el proceso de desarrollar un enfoque del problema básico, el modelo de consulta general, el paradigma de inferencia y la representación del conocimiento. <br />Selecciona una herramienta que operará con eficiencia el paradigma seleccionado y se escoge la representación del conocimiento adecuada para ejemplificar la implementación del prototipo. <br />Determinar la validez tanto del problema elegido como la de las técnicas de implementación. <br />Finalmente se procede a realizar los ajustes necesarios. <br />Metodología<br />Construcción <br />S.E <br />INTELIGENCIA ARTIFICIAL<br />
  26. 26. REVISIÓN DE FORMALISMOS<br />Los propósitos principales de la fase de formalización son: <br />• Captar y registrar la comprensión clave que se desarrolló durante a fase de prototipo. <br />• Forzar a que la planeación se haga, antes de comenzar la implementación completa. <br />• Registrar las decisiones respecto a las estrategias de implementación. <br />• Ofrecer visibilidad a todo tipo de pensamiento corriente para posibilitar que más gente contribuya al proyecto. <br />• Ofrecer visibilidad de los puntos de verificación para posibilitar a la administración del proyecto y al usuario, a involucrarse en el proyecto. <br />• Posibilitar el desarrollo concurrente de pruebas, el despliegue y el soporte de medios a largo plazo. <br />Metodología<br />Construcción <br />S.E <br />INTELIGENCIA ARTIFICIAL<br />
  27. 27. ETAPAS FORMALIZACIÓN <br />Metodología<br />Construcción <br />S.E <br />INTELIGENCIA ARTIFICIAL<br />
  28. 28. REVISIÓN DE FORMALISMOS<br />El ing. de conocimiento y el grupo de desarrolladores interpretan las especificaciones funcionales y del diseño del producto establecidas en la “formalización” para crear los programas y editar las bases de conocimiento y de datos necesarias en el funcionamiento del S.E. <br />De acuerdo con las políticas, estándares y técnicas de programación, se codifican y prueban cada uno de los módulos, depurando las fallas y errores que se detecten gracias a los casos de prueba considerados en el plan. <br /> <br />Es responsabilidad del grupo de trabajo que se cumpla eficazmente con las especificaciones y procure aprovechar eficientemente los recursos. <br />Metodología<br />Construcción <br />S.E <br />INTELIGENCIA ARTIFICIAL<br />
  29. 29. REVISIÓN DE FORMALISMOS<br />Una vez creado el S.E. y habiendo realizado las pruebas pertinentes, se procede a integrar el “cuerpo” completo de conocimiento y datos a las bases respectivas. También se realizan las pruebas “piloto” del sistema completo bajo condiciones “reales” de trabajo, procediendo a los ajustes finales. <br />Se elabora la documentación técnica, operativa y promocional del producto y se hace su presentación ante los usuarios e interesados. <br />Metodología<br />Construcción <br />S.E <br />INTELIGENCIA ARTIFICIAL<br />
  30. 30. REVISIÓN EVOLUTIVA<br />Comparando las respuestas que brinda a problemas específicos con las ofrecidas por el experto humano.<br />También es posible evaluar la estructura en vez de la función del sistema, esta clase de prueba se centra en la verificación de la completitud y consistencia del sistema por medio de la evaluación de la implementación interna. <br />Finalmente las críticas del usuario son consideradas en cuanto a la facilidad de operación, claridad de la comunicación y credibilidad de sus respuestas. <br />Metodología<br />Construcción <br />S.E <br />INTELIGENCIA ARTIFICIAL<br />
  31. 31. REVISIÓN EVOLUTIVA<br />Evolución a largo plazo <br />S.E. evoluciona a lo largo de su vida motivado por las siguientes razones: <br />• Incremento de la funcionalidad. <br />• Correcciones. <br />• Adiciones a la base de conocimientos para hacer una base más completa. <br />• Expansión del dominio del sistema. <br />• Revisiones requeridas por los expertos. <br />Lo más significativo resulta del efecto que tiene sobre un experto ya que su beneficio indirecto es que un S.E. obliga al experto a articular y estructurar conocimientos. <br />La presencia de este cuerpo estructurado de conocimientos posibilitará al experto la revisión de su propio pensamiento para producir mejores soluciones. <br />Esta E.L.P es crecimiento combinado del experto y del sistema.<br />Metodología<br />Construcción <br />S.E <br />INTELIGENCIA ARTIFICIAL<br />
  32. 32. GRACIAS<br />INTELIGENCIA ARTIFICIAL<br />

×