4066581136
4066581136
4066581136
1.2 Contexto
Esta es una asignatura optativa (5 crditos) localizada en el primer cuatrimestre del tercer curso de los planes de estudios de las titulaciones de Ingeniera Tcnica de Informtica de Sistemas e Ingeniera Tcnica de Informtica de Gestin. Para los alumnos de Gestin est es la nica de Inteligencia Artificial, pero en Sistemas esta asignatura se ubica entre un conjunto de asignaturas (ver figura) ms afines en tanto que tratan temas propios de la IA. Las materias del conjunto sealado, son las que a nuestro juicio, y en funcin del temario de las mismas, deben ser consideradas como especialmente tiles, dentro de las actualmente existentes en la titulacin de Informtica de Sistemas de la UNED, para un alumno que desee especializarse en IA. En dicho esquema se han resaltado mediante un borde continuo las asignaturas que tienen una influencia mayor sobre otras (lnea ms gruesa). Las asignaturas incluidas en un recuadro de esquinas redondeadas son optativas. Adems las asignaturas estn colocadas verticalmente segn el orden de curso y cuatrimestre tal como aparecen el
SBC-I, Dpto. de Inteligencia Artificial E.T.S. Ingeniera Informtica - UNED plan de estudios. En esta distribucin de asignaturas se observa el paso a travs de la asignatura que abre la rama de la Inteligencia Artificial, y la posicin, como asignaturas "finales", que tienen las asignaturas "Sistemas Basados en el Conocimiento II" y "Percepcin y Control Basados en el Conocimiento". SBC1, resaltada con sombra de fondo, ocupa una posicin central con una interrelacin clara con dos asignaturas del mismo cuatrimestre Programacin Orientada a la IA y Razonamiento y Aprendizaje, y una fuerte influencia en las dos optativas del segundo cuatrimestre.
SBC-I, Dpto. de Inteligencia Artificial E.T.S. Ingeniera Informtica - UNED forma que sea capaz de desarrollar un SBC, desde la identificacin inicial hasta la obtencin de un prototipo, con la ayuda de las herramientas metodolgicas y de implementacin ms extendidas. Queremos hacer nfasis en el carcter aplicado de esta asignatura, el alumno deber ser capaz de pasar desde una descripcin en lenguaje natural a un programa.
SBC-I, Dpto. de Inteligencia Artificial E.T.S. Ingeniera Informtica - UNED 6.2 Bibliografa complementaria (TC) 1. Aspectos Bsicos de la Inteligencia Artificial. J. Mira, A.E. Delgado, J.G. Boticario y F. J. Dez (Editorial Sanz y Torres, 1995). Los captulos 5, 6, 7 y 8 describen diferentes tcnicas de representacin del conocimiento y su uso. El captulo 9 describe el concepto de SBC, su arquitectura y los aspectos metodolgicos necesarios para el desarrollo. 2. Problemas Resueltos de Inteligencia Artificial Aplicada. S. Fernndez, J.G. Boticario y J. Mira (Editorial Addison-Wesley, 1998). Complementa al anterior especialmente con los captulos del 3 al 6. 3. CLIPS Version 6.0. Users Guide & Reference Manual. NASA. L.B. Johnson Space Center, 1993. 4. JACKSON, P.: Introduction to Expert Systems, 3e. Peter Jackson. Harlow, England: Addison Wesley Longman, 1999. International Computer Science Series. 5. GIARRATANO & RILEY. Sistemas Expertos. Principios y Programacin. Thomson-Paraninfo, 2001. 6. SCHREIBER, G.; AKKERMANS, H.; ANJEWIERDEN, A.; DE HOOG, R.; SHADBOLT, N.; VAN DE VELDE W. y WIELINGA. B.: Knowledge engineering and Management: The CommonKADS Methodology. MIT Press, Cambridge, Mass. 1999.
7. Material auxiliar previsto para la docencia de la asignatura Herramientas software para la implementacin de sistemas basados en conocimiento (Clips y Fuzzy-Clips). El alumno podr realizar sus prcticas con estas herramientas en el centro asociado si este dispone del equipo informtico necesario. Ejercicios para que el alumno se ejercite en la aplicacin de la metodologa en dominios especficos y en la implementacin de pequeos prototipos de sistemas usando la herramienta antes citada. Algunos de estos ejercicios se incluyen resueltos mientras que otros se dejan slo enunciados para que el alumno los resuelva y verifique si ha asimilado los conceptos y mtodos descritos en la asignatura. Enunciados de exmenes de cursos pasados (ver contenidos del curso virtual)
8. Sistema de evaluacin La evaluacin del grado de conocimiento que ha obtenido el alumno sobre la asignatura 4
SBC-I, Dpto. de Inteligencia Artificial E.T.S. Ingeniera Informtica - UNED se llevar a cabo a travs de las pruebas presenciales. Para ello, estas pruebas constarn de una parte terica con cuestiones sobre los conceptos contenidos en los temas del material bsico, y una parte prctica donde se pedir la resolucin, ms o menos completa o detallada, de un supuesto de desarrollo de un sistema basado en conocimiento. 9. Programa TEMA 1. TEMA 2. TEMA 3. TEMA 4. TEMA 5. TEMA 6. Concepto de SBC: Estructura bsica y caractersticas. Representacin del conocimiento y su uso en inferencia. Tratamiento de la incertidumbre en SBCs. Desarrollo de prototipos en Clips. Desarrollo de prototipos en Fuzzy-Clips. Aspectos metodolgicos de ayuda al desarrollo de SBC.
TEMA 1.
1.1. ndice del tema 1.1 Estructura de un SBC 1.2 Caractersticas de un Sistema Basado en el Conocimiento 1.3 Dominios y aplicaciones apropiadas 1.4 Caractersticas de un entorno de desarrollo 1.2. Qu vas a aprender? (objetivos) Adems de introducir al alumno en la asignatura mediante la definicin de los conceptos bsicos, intentamos motivarle para el estudio de los dems temas, y por ello se insiste en el tipo de dificultades que encuentran los sistemas expertos al abordar problemas del mundo real. En esta misma lnea, la presentacin de algunos sistemas expertos relevantes, aunque an no puede abordarse en profundidad, le servir para que la exposicin que se va a realizar en los prximos temas no sea una disquisicin sobre conceptos abstractos, sino una profundizacin en algo que ya conoce. Es especialmente importante insistir en la diferencia entre programas tradicionales (algortmicos) y sistemas expertos, pues a pesar de que ambos comparten caractersticas comunes, los segundos requieren una mentalidad muy distinta de la que los alumnos han 5
SBC-I, Dpto. de Inteligencia Artificial E.T.S. Ingeniera Informtica - UNED adquirido en las asignaturas de programacin de los dos primeros cursos. Se hace hincapi en los dominios adecuados y reas de aplicacin donde se las diferencias con la programacin convencional se hacen ms interesantes para el desarrollador. 1.3. Desarrollo de contenidos 1.3.1. Introduccin Esta primera unidad est orientada a familiarizar al alumno con los sistemas basados en el conocimiento (SBCs ). Adems de explicar los conceptos bsicos, plantea los problemas principales que deben abordar los sistemas y presenta como ejemplos algunos de los sistemas expertos ms importantes. Es el captulo fundamental para que el alumno entienda el resto de contenidos que careceran de sentido sin la plena comprensin del concepto de SBC y su diferenciacin son otro tipo de software. En tanto que primer apartado, el alumno no necesita requisitos previos. Necesita esos s tener claras las caractersticas de un proceso algortmico dentro de un entorno de gestin simblica de la informacin. A los alumnos de la carrera de Informtica de Sistemas este tema les servir para repasar las nociones sobre sistemas expertos que aprendieron en la asignatura de Introduccin a la Inteligencia Artificial y, a la vez, les plantear nuevas cuestiones que se van a abordar en temas posteriores. Para ellos, ser importante comprender que los sistemas basados en conocimiento significaron un hito en la historia de la inteligencia artificial al demostrar la eficacia de unas determinadas arquitecturas, de unas estructuras de representacin y de unos mecanismos de razonamiento. Para los alumnos de la carrera de Informtica de Gestin, este tema es an ms importante, pues ser para ellos no slo una introduccin a los sistemas basados expertos sino tambin su primer contacto con la inteligencia artificial. 1.3.2 Desarrollo Apartados 1.1, 1.2 y 1.3 del Texto Base. 1.4. Propuesta de ampliacin de conocimientos Lectura del apartado 9.1 del Texto Complementario 1, los apartados 1 y 9 del Texto Complementario 4 y el apartado 1 del Texto Complementario 5.
TEMA 2.
2.1. ndice del tema 2.1 Reglas de produccin. 2.2 Objetos/Marcos. 2.2. Qu vas a aprender? (objetivos)
SBC-I, Dpto. de Inteligencia Artificial E.T.S. Ingeniera Informtica - UNED El alumno conocer las distintas formas de representacin del conocimiento, con las ventajas y limitaciones que conlleva cada una de ellas, con el fin de que en la construccin de un sistema experto pueda escoger la que mejor se adecue al tipo de problema que desea abordar. Se pretende que el alumno tenga una comprensin clara del fundamento de cada mtodo de razonamiento aproximado, no slo de la forma en que se aplican. Por ejemplo, no basta que sepa cmo se combinan los factores de certeza, sino que es preciso que conozca las hiptesis (explcitas e implcitas) en que se apoya, para que pueda determinar si este modelo supone una aproximacin razonable para el problema que quiere modelar o, si por el contrario, corre el riesgo de que el programa d resultados incoherentes. De este modo, si algn da el alumno va a construir un sistema experto real, estar capacitado para escoger el modelo de razonamiento con incertidumbre ms adecuado en funcin del problema que deba abordar. 2.3. Desarrollo de contenidos 2.3.1. Introduccin En esta unidad se estudian las tcnicas de representacin del conocimiento ms utilizadas en la construccin de sistemas expertos, junto con la forma de razonamiento asociada a cada una de ellas. Al igual que el tema anterior, ste ser bsicamente un repaso para el alumno de Ingeniera de Sistemas, que ya estudi la Introduccin a la Inteligencia Artificial en segundo curso. Por el contrario, para el alumno de Ingeniera de Gestin ste captulo es completamente nuevo y debe ser estudiado detenidamente pues sin l no se pueden entender ni la construccin de sistemas basados en el conocimiento ni los mtodos de razonamiento aproximado. Como hemos mencionado en el apartado anterior, nuestro objetivo se limita a presentar el fundamento y la filosofa subyacente en cada mtodo, pues la extensin del temario nos impide describir los algoritmos que se utilizan en cada uno de ellos. 2.3.2 Desarrollo Los apartados 1.4.1 y 1.4.2 del Texto Base. 2.4. Propuesta de ampliacin de conocimientos Lectura de los apartados 6 y 8 del Texto Complementario 1, resolucin de los ejercicios incluidos en los apartados 4 y 6 del Texto Complementario 2, lectura de los apartados 3, 5 y 7 del Texto Complementario 4 y de los apartados 2 y 3 del Texto Complementario 5. .
TEMA 3.
SBC-I, Dpto. de Inteligencia Artificial E.T.S. Ingeniera Informtica - UNED 3.1 Introduccin 3.2 Representacin de la incertidumbre 3.3 El concepto de borroso 3.4 Sistemas de Razonamiento Borroso 3.2. Qu vas a aprender? (objetivos) Se estudia el problema de la incertidumbre, pero haciendo especialmente hincapi en uno de los principales mtodos simblicos (cualitativos) para el tratamiento de la incertidumbre en inteligencia artificial, el razonamiento borroso. Se completarn los conceptos ya avanzados en la asignatura de Introduccin a la Inteligencia Artificial y en la Lgica Matemtica de primer curso. El alumno dispone de ejercicios solucionados y de ejercicios propuestos para la puesta en prctica de los contenidos tericos. 3.3. Desarrollo de contenidos 3.3.1. Introduccin En el desarrollo de los contenidos se introducen diferentes mecanismos para el tratamiento de la incertidumbre, para la representacin de conocimiento no determinado. Las tcnicas se describen tericamente de una forma esquemtica. Los casos prcticos se desarrollarn desde la definicin del problema y sus fuentes de incertidumbre hasta la resolucin numrica. Se analizan de manera especial los sistemas basados en lgica borrosa ya que ste es el mtodo elegido por los desarrolladores de Clips para introducir la incertidumbre en FuzzyClips. 3.3.2 Desarrollo Apartados 2.1, 2.2, 2.4 y 2.5 del Texto Base. 3.4. Propuesta de ampliacin de conocimientos Lectura del apartado 9 del Texto Complementario 4 y de los apartados 4 y 5 de Texto Complementario 5. El alumno interesado en profundizar en este tema debe estudiar la asignatura Razonamiento y Aprendizaje, que se encuentra tambin entre las optativas del tercer curso de Informtica de Sistemas.
TEMA 4.
4.1. ndice del tema 4.1 Introduccin. 4.2 Trabajando con hechos.
SBC-I, Dpto. de Inteligencia Artificial E.T.S. Ingeniera Informtica - UNED 4.3 Trabajando con reglas 4.4 Resolucin de conflictos 4.5 Encadenamiento hacia atrs 4.2. Qu vas a aprender? (objetivos) Se aprenden los conceptos ms importantes de implementacin en Clips, hechos, reglas, resolucin de conflictos en el lanzamiento de reglas y la construccin de un motor de inferencia hacia atrs para la emulacin de este mecanismo de encadenamiento que no se incluye originariamente en Clips. 4.3. Desarrollo de contenidos 4.3.1. Introduccin Este captulo describe las diferentes opciones para la implementacin de sistemas expertos, por ello este tema es, en cierto modo, la sntesis de toda la asignatura, pues es aqu donde el alumno debe aplicar los conocimientos que ha adquirido en los temas anteriores. Tambin est muy relacionado con otras asignaturas de la carrera, como Ingeniera del Software (obligatoria en Informtica de Sistemas y en Informtica de Gestin), Programacin Declarativa y Programacin Orientada a la Inteligencia Artificial (optativas en Informtica de Sistemas) e Ingeniera de la Calidad (optativa en Informtica de Gestin); las tres primeras son importantes para la implementacin y la cuarta para la evaluacin. 4.3.2 Desarrollo Captulo 3 del Texto Base, salvo todo lo relativo a Jess, incluyendo la realizacin de los ejercicios de los apartados 3.6 y 3.7. 4.4. Propuesta de ampliacin de conocimientos Lectura de los captulos 7, 8, 9, 10 y 12 del Texto Complementario 5.
TEMA 5.
5.1. ndice del tema 5.1 Introduccin. 5.2 Trabajando con hechos borrosos. 5.3 Trabajando con reglas borrosas. 5.2. Qu vas a aprender? (objetivos)
SBC-I, Dpto. de Inteligencia Artificial E.T.S. Ingeniera Informtica - UNED Este captulo pretende recoger y aplicar los fundamentos aprendidos en los captulos anteriores para desarrollar casos prcticos de razonamiento aproximado haciendo uso de los conceptos propios de la lgica fuzzy o borrosa sobre la herramienta Fuzzy-Clips. 5.3. Desarrollo de contenidos 5.3.1. Introduccin Una de los mecanismos ms utilizados y extendidos para el razonamiento aproximado y el tratamiento de la incertidumbre es la lgica fuzzy o borrosa. Y en este captulo se aplica la herramienta Fuzzy-Clips, que combina las reglas y motor Clips con factores de pertenencia borrosos, con ejercicios resueltos y propuestos. 5.3.2 Desarrollo Captulo 4 del Texto Base incluyendo la realizacin de los ejercicios de los apartados 4.4 y 4.5. 5.4. Propuesta de ampliacin de conocimientos En Internet se pueden encontrar herramientas y pginas dedicadas a la aplicacin de la lgica fuzzy como mecanismo de representacin e inferencial, por ejemplo http://www.ortech-engr.com/fuzzy/reservoir.html.
TEMA 6.
6.1. ndice del tema 6.1 Introduccin. 6.2 Adquisicin y modelado del conocimiento. 6.3 Diseo e implementacin. 6.4 Evaluacin 5.2. Qu vas a aprender? (objetivos) El objetivo de este tema es integrar todo lo aprendido en apartados anteriores para completar todo el ciclo de desarrollo de un SBC. 5.3. Desarrollo de contenidos 5.3.1. Introduccin Mientras que la dimensin de los prototipos experimentales no super un cierto nivel y sus propsitos no salieron de la Universidad, los resultados fueron prometedores. Sin embargo, el trnsito desde la esfera de la investigacin al campo comercial no tuvo el xito ni fue lo suficientemente intensivo que caba esperar. Esta primera poca se centr 10
SBC-I, Dpto. de Inteligencia Artificial E.T.S. Ingeniera Informtica - UNED en el prototipazo rpido y en el uso de entornos de desarrollo muy orientados hacia una forma especfica de representar e inferir. Emerge, entonces, la evidencia de la necesidad de una aproximacin metodolgica que aborde la construccin de un SBC de forma ms sistemtica, de una autntica ingenierizacin del proceso de desarrollo de SBC. 5.3.2 Desarrollo Apartado 1.5 del Texto Base. 5.4. Propuesta de ampliacin de conocimientos Lectura del captulo 7 del Texto Complementario 4, del captulo 6 del Texto Complementario 5. Todo el Texto Complementario 6 se dedica a la metodologa CommonKads que recorre todo el ciclo de desarrollo de SBCs.
11