Tópicos en Sistemas Expertos e

Inteligencia Artificial
clase 3

Arturo Vilca
avilca@uni.edu.pe
posgrado uni-fiee 2017-2
 Sistemas expertos: orígenes
• Antes de 1970: Era de la búsqueda heurística
• Técnicas universales de solución de problemas (GPS)*
• Técnicas universales de aprendizaje (Perceptrón)
– Ambas caracterizadas por una ausencia de
conocimiento a priori del dominio del problema

• Después de 1970: Era de los sistemas basados en

el conocimiento
– Reconocimiento del rol central del Conocimiento en
todo tipo de actividad inteligente
– Cambió el énfasis en investigar pasando del estudio de
técnicas a como representar y usar el conocimiento
*GPS: general problem solver
 IA aplicada en la era de la búsqueda
heurística
Dendral
– Primer intento serio de producir un sistema tan
bueno como un experto humano en el dominio de
un problema del mundo real
• Tarea de Dendral:
– Interpretar espectrogramas de masas para
identificar los componentes químicos
• Idea básica: el espectrograma de masa
• Pulverizar las moléculas
• Obtener un histograma de las masas fragmentadas
• Se conoce la fórmula química
• Se conocen los pesos atómicos
• Usar toda esta información para deducir como están
organizadas las moléculas
• ¿Porque es difícil esta tarea?
– Los átomos pueden unirse en diferentes
configuraciones
– Compuestos orgánicos con solo 20 átomos
podrían tener hasta 104 isómeros
• Solución simple: Generar y probar sin
restricciones
– Generar todas las posibles estructuras (isómeros)
– Para c/u chequear si es consistente con los datos
del espectro
– Computacionalmente caro!
• Mejor solución: Generar y probar con
restricciones
– Usa conocimiento del dominio del problema para
restringir la generación de soluciones candidatas
– El resultado da mucho menos soluciones
candidatas generadas
 Problema de las 8 reinas
• Problema:
– Colocar 8 reinas en un tablero de ajedrez de 8x8 de
modo que ninguna reina que ocupa un cuadrado sea
atacad por cualquiera de las otras
• Solución y prueba simple
– Generar todas las posibles combinaciones de 8 reinas
en un tablero
– Para c/u verificar si satisface el requerimiento
– ¿Cuantas combinaciones hay?
64 x 63 x 62 x 61 x 60 x 59 x 58 x 57 = 2 x 1014
– Si un programa chequeara una posición cada
microsegundo le tomaría aproximadamente 2 x 108s
(5.6 años) ejecutarse
• Agregando una restricción
• Solo se permite una reina en cada fila
– ¿Cuántas configuraciones son posibles ahora?
88 = 2 x 107
– Así el número de configuraciones se reduce por un
factor de 107. el tiempo de ejecución se reduce a
aprox. 17s
• Agregando más restricciones
• Solo se permite una reina en cada columna
• Solo se permite una reina en cada diagonal
– Se reducen más las soluciones candidatas
– El tiempo de ejecución será dominado por la
aplicación de restricciones antes que las prueba
secuencial de soluciones candidatas
 Lecciones aprendidas
• La búsqueda es fácil pero consume tiempo
• La «inteligencia» radica en hacer que la búsqueda
tome un tiempo razonable
• Determinar las restricciones es más difícil que
programar la búsqueda básica
• Las restricciones incorporan conocimiento
específico del dominio

• Resultado: Se necesita un método que haga fácil

construir conocimiento específico del dominio
 Sistemas de producción
• Idea básica
– Codificar el conocimiento como un conjunto de
reglas situación-acción
Si hace frío entonces ponerse el abrigo
situación acción

– Tales reglas de conocen como reglas de

producción
– Situación = antecedente = LHS (left hand side)
– Acción = consecuente = RHS (right hand side)
Sistemas canónicos de Post (1943)
• Base formal de los sistemas de producción
• Desarrolló los sistemas de producción como un
método por el cual cualquier procedimiento
podría ser definido con precisión
• La idea era que todas las matemáticas podían ser
vistas como una manipulación de cadenas de
caracteres y símbolos usando reglas que definen
como deberían ser re-escritas

«3+4» debía ser re-escrito como «7»

• Un sistema canónico de Post comprende:
– Un ALFABETO de símbolos atómicos
– Un conjunto de cadenas de símbolos atómicos
llamados AXIOMAS
– Un conjunto de PRODUCCIONES de la forma:

– Cualquier sistema formal puede ser expresado

como un sistema canónico de Post
– Su potencia computacional es
la misma que la máquina
de Turing
 Uso de Chomsky de los sistemas de
Post (1950s)
• Chomsky usó las producciones de Post para definir
las gramáticas de los lenguajes

<oración>  <sustantivo> <verbo>

• Colocando restricciones en la forma de

producciones, él identificó una jerarquía de tipos
de lenguaje cuyas gramáticas son progresivamente
más difíciles (computacionalmente) de analizar
gramaticalmente
Impacto del trabajo de Chomsky en la
Ciencia de la Computación
• BNF (Backus-Naur Form) es la aplicación
directa de las producciones para especificar la
sintaxis de un lenguaje de programación
• La jerarquía de Chomsky tiene obvias
implicaciones para el diseño del lenguaje y del
compilador
 Los sistemas de producción como
modelos psicológicos
• Alrededor de 1970 muchos psicólogos
cognitivos empezaron a usar sistemas
expertos como una herramienta para construir
modelos del comportamiento humano
Ejplo.- Newell & Simon,
«Human problem solving (1972)
• Desde entonces han habido numerosos de
tales modelos cubriendo todos los aspectos
del comportamiento
 La situación en 1970
• El problema
– La IA necesitaba un método general y flexible para
representar el conocimiento del dominio
necesario para restringir la búsqueda necesaria
para resolver los problemas del mundo real
• La solución
– Durante los 30 años previos ha habido un
crecimiento constante del interés en los sistemas
de producción
 – Estos habían sido inventados como una
construcción teórica para los matemáticos pero
probó ser de inmenso valor para los lingüistas,
siendo adoptado con mucho entusiasmo por los
científicos de la computación que trabajaban en
lenguajes de programación y finalmente
demostraron su versatilidad práctica como medio
de construcción de modelos de comportamiento
• Primera generación de sistemas expertos
– Fueron esencialmente la aplicación exitosa de los
sistemas de producción para representar el
conocimiento del mundo real
Ventajas de los sistemas de producción
• Representación procedimental
– El conocimiento es codificado en la forma que
indica como va a ser usado
• Modularidad
– Cada pieza de conocimiento es codificada como
una regla separada
– Así se pueden fácilmente agregar o quitar piezas
de conocimiento
– Frecuentemente el orden de las reglas no tiene
significado
• Explicación
– Para muchos sistemas de producción es fácil
agregar una facilidad que permita explicar el
razonamiento al usuario

• Similitud con la cognición humana –

naturalidad
– Tienen un cercano parecido a la cognición
humana a diferencia de otros lenguajes de
computadora