Facultad: Introduccin a la I.

A
Carrera: Ingeniera de Sistemas
Alumno: Ramrez Steed
C.I 14.231.433
Nivel: 7mo Semestre/Nocturno
Tutor: Ing. Msc. Silvia Gabriela Arana Pacheco
Periodo: Septiembre 2015

Razonamiento e Incertidumbre de la Inteligencia Artificial

Introduccin
La incertidumbre es la falta de informacin adecuada para tomar una decisin o realizar
un razonamiento lo que puede impedir llegar a una conclusin correcta.
Los sistemas inteligentes deben ser capaces de representar y razonar con incertidumbre.
A continuacin estudiaremos puntos relacionados con la incertidumbre en la inteligencia
artificial, principales causas y el Razonamiento.

Razonamiento e Incertidumbre de la Inteligencia Artificial

Incertidumbre
La incertidumbre refiere la duda o perplejidad
que sobre un asunto o cuestin se tiene.
En este sentido del trmino, la incertidumbre se
iguala a un estado de duda en el que predomina el
lmite de la confianza o la creencia en la verdad de
un determinado conocimiento.
Se denomina incertidumbre a una circunstancia de
desconocimiento acerca de lo que suceder en el futuro.

Razonamiento e Incertidumbre de la Inteligencia Artificial

Incertidumbre en la inteligencia artificial
El conocimiento siempre es verdadero o falso.
Razonamiento exacto (reglas, hechos y conclusiones no ambiguos) En el
mundo real El conocimiento es dudoso y/o incompleto.
El sistema inteligente puede no tener acceso a toda la informacin necesaria.
El razonamiento es inexacto (hechos y/o reglas inciertas).

Razonamiento e Incertidumbre de la Inteligencia Artificial

Ejemplos de dominio con incertidumbre

Un robot mvil tiene incertidumbre respecto a lo que obtiene de sus sensores
y de su posicin en el mundo.
Diagnstico mdico o industrial.
Prediccin financiera.
Exploracin minera / petrolera.
Interpretacin de imgenes ( visin).
Reconocimiento de voz.
Monitoreo / control de procesos industriales complejos.
Robtica.

Razonamiento e Incertidumbre de la Inteligencia Artificial

Incertidumbre
En muchas aplicaciones en el "mundo real "existe incertidumbre, por ejemplo:
Un sistema de diagnstico mdico no cuenta con toda la informacin del
paciente.
Un robot tiene sensores con limitaciones y ruidosos.
Un agente financiero tiene informacin limitada de las empresas y no puede
conocer todos los factores que las afectan.
Un sistema inteligente debe poder tomar decisiones aunque no tenga toda la
informacin o conocimiento necesarios, e incluso cuando existan errores en la
informacin que recibe o en su conocimiento.

Razonamiento e Incertidumbre de la Inteligencia Artificial

Razonamiento
El razonamiento es el conjunto de actividades
mentales que consiste en la conexin de ideas de
acuerdo a ciertas reglas y que darn apoyo o
justificarn una idea. En otras palabras ms simples,
el razonamiento es la facultad humana que permite
resolver problemas tras haber arribado a conclusiones
que

permiten

hacerlo.

Razonamiento e Incertidumbre de la Inteligencia Artificial

CAUSAS DE INCERTIDUMBRE
Existen varias causas de incertidumbre que tienen que ver con la informacin, el conocimiento y la representacin.
Falta de conocimiento (o conocimiento incompleto).
No es posible identificar o manejar todo el conocimiento relevante.

Razonamiento e Incertidumbre de la Inteligencia Artificial

CAUSAS DE INCERTIDUMBRE
Informacin
Incompleta.
Poco confiable.
Ruido, distorsin.
Conocimiento
Impreciso.
Contradictorio
Representacin
No adecuada.
Falta de poder descriptivo.

Razonamiento e Incertidumbre de la Inteligencia Artificial

Tcnicas
Se han desarrollado diversas tcnicas para el manejo de incertidumbre en
sistemas inteligentes, que podemos dividir en dos grandes grupos:
Tcnicas simblicas (no numricas).
Tcnicas numricas.

Razonamiento e Incertidumbre de la Inteligencia Artificial

Tcnicas
No-numricas
Lgicas no - monotnicas.
Sistemas de mantenimiento de verdad (TMS, ATMS).
Teora de endosos.

Razonamiento e Incertidumbre de la Inteligencia Artificial

Tcnicas
Numricas
Empricas (MYCIN) diagnostico de enfermedades infecciosas en la sangre.
(Prospector) Exploracin Minera.
Mtodos aproximados.
Lgica difusa.
Teora de Dempster-Shafer.
Probabilsticas - Redes Bayesianas.

Razonamiento e Incertidumbre de la Inteligencia Artificial

Conclusin
Una vez finalizada esta investigacin, pudimos aprender que los sistemas inteligentes
actan con incertidumbre, que no es mas que la falta de conocimiento seguro y claro
de algo.
Relacionada a las tcnicas de representacin de del conocimiento y razonamiento para
un modelo del mundo, sin embargo en muchos dominios de inters no es posible crear
tales modelos debido a la presencia de incertidumbre.
Ejemplo de ello en el campo de las ciencias medicas, el propsito ultimo de un sistema
Inteligente es actuar de forma optima utilizando el conocimiento del sistema y un conjunto
de percepciones.

Razonamiento e Incertidumbre de la Inteligencia Artificial

Referencias Bibliogrficas
S. Russel y P. Norvig, Inteligencia Artificial. Un enfoque moderno,2004 Cap 14-17.
N. J. Nilsson, Inteligencia Artificial. McGraw Hill. Cap. 19-20.
Inteligencia Artificial e Ingeniera del Conocimiento. Escuela Tcnica Superior de Ingeniera
Informtica. Universidad de la Laguna.
F.J. Dez, Introduccin al Razonamiento Aproximado. Dpto. Inteligencia Artificial, UNED,
2001.
http://ia-serv.dia.uned.es/~fjdiez/libros/razaprox. zip.
E. Castillo, J.M. Gutirrez y A.S. Hadi,Sistemas Expertos y Modelos de Redes
Probabilsticos, Monografas de la Academia Espaola de Ingeniera,Madrid, 1998.
http://personales.unican.es/gutierjm/papers/BookCGH .pdf