Consultar ensayos de calidad


Inteligencia en Redes de Comunicaciones 03 Sistemas Basados en Conocimiento





El objetivo de este Tema 3 es presentar los conceptos principales de los llamados
“Sistemas Basados en Conocimiento”. Se empieza presentando las definiciones, razón de
ser y fundamentos de este tipo de sistemas. A continuación se hace un repaso de
diferentes modelos de representación del conocimiento existentes que se han utilizado en
distintos sistemas, desde el mas simple modelo de triplas (objeto, atributo, valor)
marcos, redes semanticas, hasta modelos basados en diferentes lógicas. Mas adelante se
presenta una panoramica histórica de los sistemas basados en conocimiento y sus
posibles aplicaciones, para por último terminar explicando las diferentes arquitecturas de
diseño.



Los sistemas basados en conocimiento surgen como una evolución de los


paradigmas de programación a lo largo de la historia de la informatica. En los
primeros tiempos de la computación, los programas, ante una petición del
usuario, típicamente producían una salida accediendo a datos almacenados en
ficheros con formatos particulares de cada aplicación.
Mas adelante surgieron las bases de datos, que abstraían la capa de
almacenamiento/persistencia de datos, eliminando esos ficheros, facilitando así la
gestión
de la información necesaria para la aplicación. Ademas aparecen los
conceptos de la interfaz grafica del sistema operativo, facilitando la
entrada/salida.
Los sistemas basados en conocimiento son una nueva evolución: en estos
sistemas, los datos, la “base deconocimientos”, se convierten en lo mas
importante, y el código que los explota, el “motor de inferencias”, se generaliza
según diferentes paradigmas. Esta base de conocimientos la produce un usuario
experto en el dominio, los ingenieros del conocimiento, que son diferentes a los
programadores de la interfaz o del propio motor de inferencias.


Esta diapositiva presenta la diferencia fundamente entre los sistemas tradicionales y los
sistemas basados en conocimiento.



La ingeniería del conocimiento surge como una variante de la ingeniería del software


tradicional en cuanto a que se enfoca al diseño y construcción de sistemas basados en
conocimiento.

Históricamente se ha utilizado también el nombre de “sistemas expertos”, con una
distinción sutil. Al hablar de “sistemas basados en conocimiento” en general
simplemente se esta haciendo referencia a que lo mas importante del sistema es el
conocimiento que almacena y que gestiona, es decir, una visión estructural. Sin embargo
el término “sistema experto” se refiere a un sistema que imita la actividad de un experto
humano para resolver una determinada tarea en un dominio específico, es decir, una
visión funcional del sistema.


Así, un sistema experto es un tipo particular de sistema basado en conocimiento, el que
imita al expertohumano. Hay sistemas basados en conocimiento que no son sistemas
expertos, por ejemplo, una enciclopedia electrónica. Un sistema basado en conocimiento
es un tipo de sistema inteligente, en el sentido de almacenar/gestionar/estar relacionado
con el saber o capacidades humanas.


Índice del resto del tema.


En este punto se va a estudiar diferentes formas de representar conocimiento en la
memoria de un ordenador para optimizar su utilización de forma versatil y rapida.


Los modelos de representación del conocimiento se inspiran en modelos derivados de la
psicología. En los primeros tiempos del subjetivismo, los seres vivos se consideraban tan
complicados que ni siquiera se planteaba su estudio. Sin embargo, a partir de los trabajos
de Watson, Thorndike, Paulov, Skinner y otros conductistas, se empieza a estudiar el ser
desde el punto de vista de estímulo/respuesta: aunque el ser todavía es una caja negra
cuyo funcionamiento interno se desconoce, se empieza a modelar que ante un estímulo
determinado se producen una serie de respuestas predecibles, observables y modificables
de alguna forma determinada. A partir de Jean Piaget, el padre de la psicología moderna
se desarrolla el cognitivismo, en el que ya se aborda el estudio del razonamiento de los
seres vivos como cajas blancas, interesandose en los procesos internos de razonamiento,
pensamiento, memoria,aprendizaje, etc.


Conceptos y características del constructivismo, sobre la creación del conocimiento
(aprendizaje).


La teoría del desarrollo de Jean Piaget, base de gran parte de la pedagogía moderna.



El aprendizaje social de Vygotski hace énfasis en que los seres vivos son seres sociales, y
que también se aprende del entorno social. Por ejemplo, un jugador de tenis mejora su
juego al enfrentarse a jugadores de nivel parecido o ligeramente superior al suyo.




La teoría del Aprendizaje Receptivo Significativo de Ausubel trata de cómo los
materiales de estudio llegan al alumno en el contexto del aprendizaje y son la base de los
mapas conceptuales.

13




Los mapas conceptuales de Novak son una potente herramienta para facilitar la
comprensión de un problema y la adquisición de conocimiento sobre un dominio
determinado.

14




Tennyson expone que las estrategias de pensamiento son de complejidad cognitiva
creciente y las divide en tres posibles actividades de alto nivel: recordar, resolver


problemas y crear.

15


Los Objetivos del Proceso de Aprendizaje, de Benjamin Bloom, indican lo que se espera
que hayaaprendido el estudiante tras un proceso de aprendizaje. Se han utilizado para la
definición del modelo del conocimiento del Espacio Europeo de Educación Superior
(EEES).




Niveles de Objetivos del Proceso de Aprendizaje de Bloom.

17




Piramide del aprendizaje de Edgar Dale, que refleja la capacidad de producir adquisición
efectiva de conocimiento a partir de tareas específicas.


18




Los estudios de Collins y Quilian, a partir de medidas del tiempo medio de respuesta a
diferentes preguntas, establecen que en el cerebro de los seres vivos, los conceptos se
almacenan asociandose entre sí.

19




Dos tipos de memoria: episódica (activo, fruto de las experiencias) y semantica
(conocimientos generales).

20




Propuesta de Newel y Simon que modela el sistema nervioso central de los seres
humanos como un sistema computacional de procesamiento de la información.

21




Quillian propone dos tipos de conocimiento: declarativo, donde se exponen los hechos y
las reglas que rigen un determinado dominio, y procedimental, en el que se dan
instrucciones paso a paso sobre cómo realizar una tarea.

22


Inteligencia en Redes de Comunicaciones 03Sistemas Basados en Conocimiento

Ejermplo de conocimiento declarativo: normativa de pagos de talones bancarios.

23




El mismo ejemplo del talón bancario pero con conocimiento procedimental. En este caso
mucho mas sencillo de entender en esta forma.

24




Ejemplo del algoritmo de quicksort usando conocimiento imperativo (con un lenguaje de
programación imperativo, C, a la derecha) y conocimiento declarativo (con un lenguaje
de programación funcional, Haskell, a la izquierda). En este caso, mucho mas sencillo
expresarlo de forma declarativa.

25




Requisitos de los lenguajes de representación del conocimiento.

26




Se van a estudiar estos cuatro modelos de lenguajes de representación.

27




Las triplas (objeto, atributo, valor) son el modelo mas basico.
Han evolucionado con el
tiempo en los atributos de una clase en el paradigma de la programación orientada a
objetos.

28




Las redes semanticas es un lenguaje grafico muy sencillo y útil para representar
conocimiento taxonómico.

29




Ejemplo de red semantica en el dominio de la zoología.
Las elipses sonconceptos, los
rectangulos son propiedades, y se han marcado con negrita aquellas propiedades que
sobreescriben propiedades heredadas.

30




Elementos de las redes semanticas.

31




Los marcos o “frames” son otro modelo de representación del conocimiento.

32




Ejemplo de marco.

33




El modelo de representación del conocimiento de la lógica de primer orden. [Los
razonamientos lógicos se estudian en profundidad en el Tema 4 y 5].


34




Ventajas e inconvenientes de la lógica de primer orden.


35




Ejemplo de representación de una red semantica con lógica de predicados de primer
orden, en concreto, usando el lenguaje Prolog.
Se modelan las propiedades de cada
objeto y las excepciones de herencia de las propiedades.


36




Continuación del ejemplo, presentando las relaciones y las reglas de herencia.


37




Consultas en una consola Prolog para explotar el conocimiento de la red semantica.
El
avestruz NO tiene pelo, y una lista de quién vuela y cómo.


38


Inteligenciaen Redes de Comunicaciones 03 Sistemas Basados en Conocimiento

Definición de ontología.


39




Diferencias entre sistemas basados en conocimiento y sistemas expertos, ya estudiado.


40




Dendral: primer sistema inteligente de la historia, sobre inferencia de estructuras
moleculares a partir de medidas del espectrómetro de masas.

41




MYCIN, un sistema de ayuda al diagnóstico de enfermedades infecciosas en la sangre,
esta considerado el primer sistema experto de la historia, puesto que tenía una separación
expresa entre el conocimiento y el motor de inferencias.

42




MYCIN estaba codificado en reglas como la mostrada, codificadas en triplas (infección
tipo, quién la produce).

43




Ejemplo de un posible dialogo de MYCIN con un médico. Captura de datos y
recomendación diagnóstica.


44




Continuación del ejemplo de dialogo.
Petición de explicaciones por parte del médico
“¿por qué me preguntas eso?”, “cómo has llegado a esa conclusión?”.

45




Aplicaciones de los sistemas basados en conocimiento.


46


Inteligencia en Redes de Comunicaciones 03Sistemas Basados en Conocimiento

Arquitectura general de los sistemas basados en conocimiento: el motor de inferencias, la
base de conocimiento (conocimiento estatico sobre el dominio, a largo plazo), la
memoria de trabajo (conocimiento dinamico sobre el razonamiento actual, a corto plazo)
la interfaz de usuario con un sistema de entrada/salida, un editor del conocimiento, y el
generador de explicaciones.

47




Características de la base de conocimiento, que incorpora reglas y hechos y una
estrategia de control [ver Tema 2 de Resolución de Problemas].
El paradigma es el de razonamiento basado en casos (“case-based reasoning”, CBR), es
decir, razonar utilizando conocimiento de casos anteriores.


48




Diferentes clasificaciones del tipo de conocimiento.

49




Características del motor de inferencias.

50




Reglas de inferencia con encadenamiento hacia adelante (del estado inicial, aplicando
reglas, se obtienen conclusiones) o encadenamiento hacia atras (del estado final, se
buscan los hechos y reglas para explicar el punto de partido).

51




Al igual que en resolución de problemas, cuando existe mas de una regla aplicable, hay
que elegir, aplicando una estrategia de resolución de conflictos.

52





Política de privacidad