Accesos directos a las distintas zonas del curso
Ir a los contenidos
Ir a menú navegación principal
Ir a menú pie de página
Subject's code : 3110117-
Objetivos:
Para comenzar a estudiar detenidamente los diferentes métodos inferenciales simbólicos se introduce en este capítulo el concepto de la computación simbólica y se diferencia de la computación conexionista, dos paradigmas que han alternado (y compaginado en menos casos) su importancia en la historia de la IA y se hace, inicialmente, así, con una introducción histórica muy relevante en cuanto que muestra la evolución, dependiente del estado de la ciencia, en unos años de definición de los dos paradigmas. El alumno aprenderá las ventajas y limitaciones que conlleva cada una de ellos, con el fin de que en la construcción de un sistema inteligente pueda escoger la que mejor se adecue al tipo de problema que desea abordar.
Se pretende que el alumno conozca en profundidad el paradigma de reglas para la representación del conocimiento y su uso inferencial. El alumno deberá conocer las ventajas y limitaciones que conlleva y bajo qué condiciones un sistema de reglas es un buen candidato como herramienta para la resolución de un problema.
Se pretende que el alumno tenga una comprensión clara de los fundamentos de los métodos de razonamiento aproximado sobre reglas, y no sólo de la forma en que se aplican. Por ejemplo, no basta que sepa cómo se combinan los factores de certeza, sino que es preciso que conozca las hipótesis (explícitas e implícitas) en que se apoya, para que pueda determinar si este modelo supone una aproximación razonable para el problema que quiere modelar o, si por el contrario, corre el riesgo de que el programa dé resultados incoherentes. De este modo, si algún día el alumno va a construir un sistema experto real, estará capacitado para escoger el modelo de razonamiento con incertidumbre más adecuado en función del problema que deba abordar.
El alumno debe ser capaz de valorar las ventajas y los inconvenientes de cada uno de estos métodos, con el fin de que pueda escoger en cada caso el más adecuado dependiendo del tipo de incertidumbre que debe manejar y de los mecanismos de razonamiento que haya decidido aplicar. Dado que ninguno de los métodos es perfecto, el diseñador de un sistema experto debe conocer las limitaciones del modelo elegido con el fin de ser precavido frente a los errores e inconsistencias que el modelo puede generar.
Se aprenden los conceptos más importantes de implementación en Clips, hechos, reglas, resolución de conflictos en el lanzamiento de reglas y la construcción de un motor de inferencia hacia atrás para la emulación de este mecanismo de encadenamiento que no se incluye originariamente en Clips. También se plantea la posibilidad de realizar ejercicios y prototipos con factores de pertenencia en sus reglas y hechos.
Se pretende que el estudiante conozca en profundidad el paradigma de redes asociativas para la representación de conceptos y asociaciones entre ellos. En la IA (y en toda la ingeniería del software) han tenido especial trascendencia las redes de marcos, entendidos o vistos como objetos estructurados, esquemas representacionales cuyos bloques son análogos a nodos y arcos de la teoría de grafos y cuyos slots y contenedores son equivalentes a estructuras tipo registro, para la representación del conocimiento y su uso inferencial. El alumno deberá conocer las ventajas y limitaciones que conlleva y bajo qué condiciones un sistema de marcos es un buen candidato como herramienta para la resolución de un problema.
Objetivos
Se pretende que el alumno conozca en profundidad la tecnología del razonamiento basado en casos, su fundamento y su aplicación. Que se familiarice con su estructura y que conozca varios ejemplos de sistemas basados en casos.
También el alumno conocerá las ventajas e inconvenientes de estos sistemas, bajo que condiciones es adecuada su utilización, cuándo es mejor solución que un sistema experto convencional y en qué condiciones la compatibilidad con éstos mejora los resultados por separado.
El objetivo de este capítulo es que el estudiante conozca el paradigma y los principales mecanismos de resolución de problemas de satisfacción de restricciones. Debe saber modelar pequeños problemas para su resolución con el apoyo de herramientas y lenguajes de formalización.
Un objetivo básico de este capítulo es que el alumno sea capaz de combinar diferentes técnicas de representación e inferencia en la solución de problemas que requieren una formalización de una cantidad considerable del conocimiento del dominio.
De las arquitecturas existentes, el alumno tiene que conocer alguna de ellas (una como mínimo). El alumno hará ejercicios prácticos con esta herramienta y deberá ser capaz de plantear la solución de problemas con la misma.
En este capítulo se pretende que el alumno obtenga una visión lo más realista posible del proceso de construcción de sistemas expertos en una primera aproximación y en particular de la etapa de modelado del conocimiento, como eje metodológico central en la construcción de SBCs. Se trata realmente de comprender la necesidad del modelado conceptual que permita plantearse el desarrollo de estos sistemas con técnicas de producción que cada vez tienen más puntos de encuentro con las utilizadas en la Ingeniería del Software.
Se pretende que el alumno sea capaz de identificar adecuadamente, un problema para determinar cuándo resulta posible, apropiado y justificado construir un sistema experto; que conozca las técnicas de elicitación del conocimiento mediante entrevistas con expertos humanos y que sea capaz de modelar ese conocimiento, recogiendo las ideas sintetizadas sobre la metodología CommonKADS.
La metodología propuesta en el desarrollo de los SBC requiere modelar la estructura que permite solucionar una tarea concreta (clasificación, diagnóstico, diseño, etc.) a partir de un conjunto de métodos específicos ya existentes (organizados en librerías de métodos). El planteamiento metodológico requiere una mayor abstracción con que pueden especificarse los problemas gracias a la utilización de herramientas que incorporan métodos específicos de solucionar problemas.
Tanto el modelado, el diseño y el uso o definición de componentes reutilizables debe acelerar notablemente el desarrollo final del sistema con unas herramientas concretas.
Un objetivo derivado será que el alumno se sienta cómodo y pierda el posible reparo a utilizar herramientas para esta etapa de diseño del modelo de distinta naturaleza. Se pretende que, a través de los ejercicios propuestos, adquiera una cierta seguridad y destreza en su uso.
En definitiva, se desea constatar definitivamente que construir SBCs no consiste en codificar reglas de producción y construir representaciones del conocimiento específicas, sino en un proceso de ensamblaje basado en la reutilización de componentes.