MYCIN es un sistema experto desarrollado a principios de la década de 1970 por Edward Shortliffe, en la Universidad de Stanford.

Documentos relacionados
OTRAS OPCIONES DE PREDICCIÓN

Razonamiento bajo incertidumbre

Métodos de Inteligencia Artificial

ANÁLISIS CUANTITATIVO. SISTEMAS EXPERTOS. Jorge Estévez Grupo ER

Manejo de Incertidumbre

Inteligencia Artificial II Razonamiento Bayesiano

Las redes semánticas son: a. Una extensión de la lógica de predicados b. Una extensión de los frames c. Un conjunto conexo de OAV

Inteligencia en Redes de Comunicaciones - 05 Razonamiento bajo incertidumbre

Tema 6 Razonamiento aproximado

LÓGICA FORMAL TEORIAS DE PRIMER ORDEN. Sintaxis y semántica

Métodos de Inteligencia Artificial

SubTemas. Tema 1.4 Razonamiento Aproximado. Tópicos

La Lógica estudia la forma del razonamiento. La Lógica Matemática es la disciplina que trata de métodos de razonamiento. En un nivel elemental, la

Modelos Gráficos Probabilistas L. Enrique Sucar INAOE. Sesión 10: Redes Bayesianas Inferencia. 1era parte. [Neapolitan 90]

Por ello, son necesarios los sistemas expertos que traten situaciones de incertidumbre.

Sistemas Expertos de Primera Generación (I) Introducción a los sistemas expertos

Desarrollo e impacto de la Estadística Bayesiana

11/1/2017. Temario. Sistema Basado en Conocimiento

Modelo posibilista: Objetivos. Conjuntos difusos. Conjuntos difusos/lógica difusa. Notas

Modelo posibilista: Objetivos

Determinar la incertidumbre al momento de desarrollar aplicativos en inteligencia artificial, haciendo uso de estructuras probabilísticas..

Representación del conocimiento. M.I. Jaime Alfonso Reyes Cortés

Lógica de Proposiciones y de Predicado

Conceptos de Inteligencia Artificial & Sistemas Inteligentes Artificiales Clase 16 CIA Clase 9 SIA. Sistemas basados en Conocimiento

Lógica Matemática. Contenido. Definición. Finalidad de la unidad. Proposicional. Primer orden

Fundamentos básicos de matemáticas: Lógica Proposicional

SubTemas. MC Enrique Martinez Peña. Universidad Politecnica de Victoria. Tema 1.2 Teoría de conjuntos difusos

Sistema experto: Elección de jugadores de fútbol a partir de unas determinadas características seleccionadas.

INDICE Parte Uno Técnicas Básicas de Evaluación de Proyectos de Capital 1. Introducción y Conceptos de Costos 2. Cálculos que implica interés

Nota de los autores... vi

INDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica

Introducción a la Lógica

Guía para el estudiante

incertidumbre y riesgo Begoña Vitoriano Villanueva

Tablas de Verdad L Ó G I C A P R O P O S I C I O N A L

SISTEMAS INTELIGENTES

Lógica Proposicional. Cátedra de Matemática

Contrastes de hipótesis paramétricos

Universidad Nacional de Educación a Distancia Ingeniería Técnica en Informática de Sistemas Introducción a la Inteligencia Artificial (2º curso)

Ejercicios de Lógica Proposicional *

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO

CIENCIAS FORMALES CIENCIAS FÁCTICAS

LOGICA MATEMATICA. El dar un juicio nos permite comparar las características primarias o secundarias del objeto o termino y valorarlas

Lógica Matemática. Tema: Tautología, contradicción y evaluación de la validez

RAZONAMIENTO APROXIMADO EN LA INTELIGENCIA ARTIFICIAL

Matemáticas Discretas Lógica

IDENTIFICACIÓN DEL CURSO Ubicación HCA HTI Total de horas Valor en créditos 5 semestre Tipo de curso Optativa de área

Tareas de la minería de datos: clasificación. CI-2352 Intr. a la minería de datos Prof. Braulio José Solano Rojas ECCI, UCR

Sintaxis LÓGICA COMPUTACIONAL CÁLCULO DE PROPOSICIONES. Funciones boolenas. Semántica

Introd. al Pens. Científico Nociones básicas de la lógica ClasesATodaHora.com.ar

Francisco Zúñiga Urbina Jaime Gajardo Falcón

Universidad Nacional de Educación a Distancia. Ingeniería Técnica en Informática de Sistemas. Introducción a la Inteligencia Artificial (2º curso)

ALGORITMO ID3. Objetivo

PALABRA CLAVE Interpretación lógica

FACULTAD DE CIENCIAS EXACTAS, INGENIERIA Y AGRIMENSURA INTRODUCCION A LA INTELIGENCIA ARTIFICIAL L.C.C. PRACTICA RA 2007

Tema 1: Sintaxis y Semántica de la Lógica Proposicional

LOGICA Y ALGEBRA DISCRETA

LÓGICA. Colegio Marta Brunet Departamento de Matemáticas MSc. Alejandro Andrés Panes Pérez. Si x = 2 2 es un numero natural

Métodos de Inteligencia Artificial

Enunciados Abiertos y Enunciados Cerrados

Análisis lógico Cálculo de proposiciones

Lógica en Ciencias de la Computación. Caso de estudio: PROLOG

Evaluación Nacional Revisión del intento 1

CAPÍTULO 13 Técnicas de Inferencia

Capítulo 3 Cálculo proposicional 3.5 Razonamientos con proposiciones

Programación Lógica. rafael ramirez. Ocata 320

(Lógica Difusa) Lógica para Ciencias de la Computación. Primer Cuatrimestre de 2009 Material Adicional

Tabla de valores de verdad

Tema 7: Razonamiento con incertidumbre

4ta. Práctica. Búsqueda en árbol con contrincante: MiniMax con poda Alfa-Beta. Inteligencia Artificial Prácticas 2004/2005

Lógica Matemática. Tema: Valor de certeza funcional de la preposición: negación, conjunción, disyunción, condicional y bicondicional

Ampliación Matemática Discreta. Justo Peralta López

Tema 4: (Tecnologías Informáticas) Curso Dpto. Ciencias de la Computación Inteligencia Artificial Universidad de Sevilla

UNIVERSIDAD DE COSTA RICA XS0111 Estadística Introductoria I Prof. Olman Ramírez Moreira

Capítulo 2. disponibles las habilidades de los expertos a los no expertos. Estos programas tratan de

INTELIGENCIA ARTIFICIAL II

Tema 4: Representación del conocimiento mediante reglas

Sesión 2: Teoría de Probabilidad

Tema 7. El problema de los condicionales

Bioestadística: Cálculo de Probabilidades

Decidiendo en 3D. Soluciones de Negocio

Conferencia C1 MODELOS DE REDES PROBABILÍSTICAS EN SISTEMAS EXPERTOS

Juan Carlos Colonia PRUEBA DE HIPÓTESIS

CONTRASTE DE HIPÓTESIS

Conceptos básicos de inferencia estadística (II): Contrastes de hipótesis (repaso)

Operaciones con Proposiciones

FACULTAD DE CIENCIAS EXACTAS, INGENIERÍA Y AGRIMENSURA U.N.R. PROGRAMA SINTÉTICO DE LA ASIGNATURA: INTRODUCCIÓN A LA

Lógica de Proposiciones y de Predicado

Inteligencia en Redes de Comunicaciones. Razonamiento lógico. Julio Villena Román.

UNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADÍSTICA

Lógica proposicional. Semántica Lógica 2018

Algoritmos y Estructura de Datos I

Definición 1.3. La disyunción de dos oraciones p y q es la oración p o q. La

Control con Lógica Difusa

EVALUACIÓN DE BACHILLERATO PARA EL ACCCESO A LA UNIVERSIDAD (EBAU) FASE GENERAL CURSO MATERIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES

Fuzzy Logic. Difuso vs. Preciso. Relación entre la Lógica y los Conjuntos. Función de Pertenencia

El Pensamiento Crítico

Se observa X, realización del fenómeno aleatorio. Lo anterior implica razonamiento inductivo.

Indique la respuesta correcta (d=ninguna de las anteriores, e=todas las anteriores)

Transcripción:

MYCIN es un sistema experto desarrollado a principios de la década de 1970 por Edward Shortliffe, en la Universidad de Stanford. Sentó las bases para la construcción de sistemas expertos. Inicialmente se utilizó con propósitos de diagnóstico médico. Posteriormente, su funcionamiento se utilizó para otros dominios de aplicación, como los análisis financieros y la prospección de minerales

Aplica un modelo de razonamiento aproximado en lugar de seguir el enfoque bivalente de la lógica clásica. Lógica tradicional Velocidad_alta = VERDADERO Fiebre = FALSO Si (Fiebre = VERDADERO) entonces (Gripe = VERDADERO) Si ( Temperatura>12 = FALSO) entonces (Frío = VERDADERO) Razonamiento aproximado La velocidad del coche es muy alta. La temperatura del paciente es normal. Si la temperatura del paciente es alta entonces el paciente tiene gripe. Si hay pocos grados entonces hace mucho frío.

Cuando es necesario utilizar razonamiento aproximado, la probabilidad es una posible solución. p(h): representa la seguridad de que h (hipótesis) sea cierto. p(h e): representa la probabilidad de que h sea cierto ante la evidencia e. La inferencia se realiza mediante el teorema de Bayes: p(h e) = p(e h) p(h) p(e)

Cuando es necesario utilizar razonamiento aproximado, la probabilidad es una posible solución. h = el paciente tiene gripe e = el paciente tiene fiebre alta p(h) = 1/500; p(e) = 1/250; p(e h) = 0.9; p(e h) p(h) 0.9 1 p(h e) = = 500 = 0.45 p(e) 1 250 En el 45% de los casos en los que el paciente tiene fiebre alta, el paciente tiene gripe.

Inconvenientes de la probabilidad: Al asignar una certeza a un hecho, automáticamente se asigna la certeza complementaria a su negación. Si p(h e) = 0.3 entonces p( h e) = 0.7;

Inconvenientes de la probabilidad: Al asignar una certeza a un hecho, automáticamente se asigna la certeza complementaria a su negación. Si p(h e) = 0.3 entonces p( h e) = 0.7; No distingue entre igual certeza e ignorancia total. Si no sé nada sobre h, p(h) = 0.5; Si tengo dos evidencias contrarias e 1 y e 2, p(h e 1,e 2 ) = 0.5;

MYCIN representa el conocimiento en términos de certidumbre, credibilidad y certeza. Se definen dos medidas: Credibilidad: ( ) MC h,e { ( ) ( )} p( h) 1 p( h) máx p h e,p h = Incredibilidad: ( ) MI h,e { } ( ) ( ) ( ) p( h) p h min p h e,p h =

MYCIN representa el conocimiento en términos de certidumbre, credibilidad y certeza. Se definen dos medidas: Credibilidad: p(h) = 0.25 p(h e) = 0.35 { ( ) ( )} ( ) ( ) { } máx p h e,p h p h máx 0.35,0.25 0.25 MC( h,e) = = = 0.13 1 p h 0.75 Incredibilidad: { } ( ) ( ) ( ) ( ) { } p h min p h e,p h 0.25 min 0.35,0.25 MI( h,e) = = = 0 p h 0.25

MYCIN representa el conocimiento en términos de certidumbre, credibilidad y certeza. Se definen dos medidas: Credibilidad: p(h) = 0.25 p(h e) = 0.1 { ( ) ( )} ( ) ( ) { } máx p h e,p h p h máx 0.1,0.25 0.25 MC( h,e) = = = 0 1 p h 0.75 Incredibilidad: { } ( ) ( ) ( ) ( ) { } p h min p h e,p h 0.25 min 0.1,0.25 MI( h,e) = = = 0.6 p h 0.25

MYCIN representa el conocimiento en términos de certidumbre, credibilidad y certeza. Se definen dos medidas: Credibilidad: ( ) MC h,e p(h) = 1 { ( ) ( )} p( h) 1 p( h) máx p h e,p h = MC( h,e) = 1 Incredibilidad: p(h) = 0 ( ) MI h,e { } ( ) ( ) ( ) p( h) p h min p h e,p h = MI( h,e) = 1

En base a la credibilidad y la incredibilidad, se construye el factor de certeza (CF): CF( h,e) = MC( h,e) MI( h,e) Propiedades del factor de certeza (CF): CF(h,e) + CF( h,e) = 0-1 <= CF(h) <= 1 n i= 1 CF h,e 1 ( ) i

El valor de la certeza puede obtenerse a partir de análisis estadísticos o a partir de juicios de expertos en el dominio de aplicación. La semántica generalmente asociada a los valores del factor de certeza es: CF = 1 -> Totalmente cierto CF = 0.8 -> Casi seguro CF = 0.5 -> Posiblemente CF = 0 -> Desconocido CF = -0.5 -> Posiblemente falso CF = -0.8 -> Casi falso CF = -1 -> Totalmente falso

Se desea regalar a una persona un videojuego de un género acorde a sus gustos. Se barajan tres opciones: estrategia, lucha y fútbol. Consultado el dependiente de la tienda, nos ofrece las siguientes indicaciones sobre los gustos de los jugadores basándose en su propia experiencia: Indicaciones Los usuarios de PC prefieren ante todo un juego de estrategia (0,7). Los jugadores ocasionales prefieren juegos de fútbol (0,6). A los jugadores ocasionales les gustan los juegos de lucha (0,4). El jugador medio que no juega solo prefiere juegos de lucha (0,7). Los jugadores activos o aquellos que juegan solos, prefieren la estrategia (0,5). Los jugadores de consola o los que juegan en grupo prefieren el fútbol (0,8). A los jugadores ocasionales de consola no les gusta mucho la estrategia (-0,6). Los jugadores de PC prefieren otros juegos antes que la lucha (-0,3). A los jugadores activos de PC no les gustan los juegos de fútbol (-0,7).

Tres hipótesis: Juego Estrategia Lucha Fútbol Atributos y valores: Solo PC Ocasional Sí Consola Medio No Activo Reglas Los usuarios de PC prefieren ante todo un juego de estrategia (0,7). Los jugadores ocasionales prefieren juegos de fútbol (0,6). A los jugadores ocasionales les gustan los juegos de lucha (0,4). El jugador medio que no juega solo prefiere juegos de lucha (0,7). Los jugadores activos o aquellos que juegan solos, prefieren la estrategia (0,5). Los jugadores de consola o los que juegan en grupo prefieren el fútbol (0,8). A los jugadores ocasionales de consola no les gusta mucho la estrategia (-0,6). Los jugadores de PC prefieren otros juegos antes que la lucha (-0,3). A los jugadores activos de PC no les gustan los juegos de fútbol (-0,7).

Reglas Los usuarios de PC prefieren ante todo un juego de estrategia (0,7). Los jugadores activos o aquellos que juegan solos, prefieren la estrategia (0,5). A los jugadores ocasionales de consola no les gusta mucho la estrategia (-0,6). H1 : Juego = Estrategia R1: CF = 0,7 R2: CF = 0,5 R3: CF = -0,6 = PC = Activos Solo = Sí = Ocasionalal = Consola

La inferencia determina la certeza de la hipótesis (raíz de árbol), a partir de la observación de las premisas (hojas del árbol). La certeza del consecuente de una regla se calcula en función de la certeza de sus antecedentes y la certeza de la propia regla: ( ) CF consecuente ( ) ( ) ( ) ( ) CF regla CF antecedente, si CF antecedente > 0 = 0, si CF antecedente 0 La certeza del antecedente se calcula en base a sus cláusulas. Si sólo hay una cláusula, la certeza del antecedente es igual a la de la cláusula. Si hay varias cláusulas unidas por conjunción: Si hay varias cláusulas unidas por disyunción: { } ( ) = mín CF( c1 ),CF( c2) CF antecedente { } ( ) = máx CF( c1 ),CF( c2) CF antecedente

Nombre Solo Pepe Consola (1) Activo (0,5) Sí(0,8) H1 : Juego = Estrategia R1: CF = 0,7 R2: CF = 0,5 R3: CF = -0,6 = PC = Activos Solo = Sí = Ocasionalal = Consola

Nombre Solo Pepe Consola (1) Activo (0,5) Sí(0,8) H1 : Juego = Estrategia R1: CF = 0,7 R2: CF = 0,5 R3: CF = -0,6 = PC = Activos Solo = Sí = Ocasionalal = Consola 0 0,5 0,8 0 1

Nombre Solo Pepe Consola (1) Activo (0,5) Sí(0,8) H1 : Juego = Estrategia R1: CF = 0,7 R2: CF = 0,5 R3: CF = -0,6 = PC = Activos Solo = Sí = Ocasionalal = Consola 0 0,5 0,8 0 1

Nombre Solo Pepe Consola (1) Activo (0,5) Sí(0,8) H1 : Juego = Estrategia R1: CF = 0,7 R2: CF = 0,5 R3: CF = -0,6 CF( consecuente R2) = 0.5 máx{ 0.5,0.8} = PC = Activos Solo = Sí = Ocasionalal = Consola 0 0,5 0,8 0 1

Nombre Solo Pepe Consola (1) Activo (0,5) Sí(0,8) H1 : Juego = Estrategia 0,4 R1: CF = 0,7 R2: CF = 0,5 R3: CF = -0,6 CF( consecuente R2) = 0.5 máx{ 0.5,0.8} = PC = Activos Solo = Sí = Ocasionalal = Consola 0 0,5 0,8 0 1

Nombre Solo Pepe Consola (1) Activo (0,5) Sí(0,8) H1 : Juego = Estrategia 0,4 R1: CF = 0,7 R2: CF = 0,5 R3: CF = -0,6 CF( consecuente R3) = 0.6 mín{ 0,1} = PC = Activos Solo = Sí = Ocasionalal = Consola 0 0,5 0,8 0 1

Nombre Solo Pepe Consola (1) Activo (0,5) Sí(0,8) CF(H1) = 0,4 H1 : Juego = Estrategia 0,4 R1: CF = 0,7 R2: CF = 0,5 R3: CF = -0,6 CF( consecuente R3) = 0.6 mín{ 0,1} = PC = Activos Solo = Sí = Ocasionalal = Consola 0 0,5 0,8 0 1

Nombre Solo María PC(0,5) Activo (1) Sí(0,8) H1 : Juego = Estrategia R1: CF = 0,7 R2: CF = 0,5 R3: CF = -0,6 = PC = Activos Solo = Sí = Ocasionalal = Consola 0,5 1 0,8 0 0

Nombre Solo María PC(0,5) Activo (1) Sí(0,8) H1 : Juego = Estrategia 0,35 R1: CF = 0,7 R2: CF = 0,5 0, 5 R3: CF = -0,6 CF( consecuente R1) = 0.7 0.5 CF( consecuente R2) = 0.5 máx{ 1,0.8} = PC = Activos Solo = Sí = Ocasionalal = Consola 0,5 1 0,8 0 0

Acumulación de evidencias para CF(A) y CF(B): CF( A) + CF( B) CF( A) CF( B ), si CF( A ),CF( B) > 0 CF( H) = CF( A) + CF( B) + CF( A) CF( B ), si CF( A ),CF( B) < 0 CF( A) + CF( B), si CF( A) CF( B) < 0 { ( ) ( )} 1 mín CF A, CF B Si existen varias evidencias positivas y negativas: Se acumulan las positivas de dos en dos hasta dejar un único resultado positivo. Se acumulan las negativas de dos en dos hasta dejar un único resultado negativo. Se acumulan ambos resultados: el negativo y el positivo.

Nombre Solo María PC(0,5) Activo (1) Sí(0,8) CF( H1 ) = 0.35 + 0.5 0.35 0.5 = 0.675 H1 : Juego = Estrategia 0,35 R1: CF = 0,7 R2: CF = 0,5 0, 5 R3: CF = -0,6 CF( consecuente R1) = 0.7 0.5 CF( consecuente R2) = 0.5 máx{ 1,0.8} = PC = Activos Solo = Sí = Ocasionalal = Consola 0,5 1 0,8 0 0

Nombre Solo Paco Consola(0,7) Ocasional(0,8) Sí(1) 0.5 0.42 CF( H1 ) = = 0.138 1 mín 0.5,0.42 { } H1 : Juego = Estrategia R1: CF = 0,7 R2: CF = 0,5 0, 5-0,42 R3: CF = -0,6 CF( consecuente R2) = 0.5 máx{ 0,1} CF( consecuente R3) = 0.6 mín{ 0.8,0.7} = PC = Activos Solo = Sí = Ocasionalal = Consola 0 0 1 0,8 0,7

Reglas A los jugadores ocasionales les gustan los juegos de lucha (0,4). El jugador medio o aquel que juega acompañado prefiere juegos de lucha (0,7). Los jugadores de PC prefieren otros juegos antes que la lucha (-0,3). H2 : Juego = Lucha R3: CF = 0,4 R4: CF = 0,7 R5: CF = -0,3 = Ocasionalal = Medio Solo = No = PC

Nombre Solo Lucía PC(1) Ocasional(0,8) No(0,5) H2 : Juego = Lucha 0,32 0,35 R3: CF = 0,4 R4: CF = 0,7-0.3 R5: CF = -0,3 CF( consecuente R3) = 0.4 0.8 CF ( consecuenter4 ) = 0.7 máx{ 0,0.5} CF( consecuente R5) = 0.3 1 = Ocasionalal = Medio Solo = No 0,8 0 0,5 1 = PC

Nombre Solo Lucía PC(1) Ocasional(0,8) No(0,5) 0.558 0.3 CF3,4 = 0.32 + 0.35 0.32 0.35 = 0.558 CF( H2 ) = = 0.368 1 mín 0.558,0.3 { } H2 : Juego = Lucha 0,32 0,35 R3: CF = 0,4 R4: CF = 0,7-0.3 R5: CF = -0,3 CF( consecuente R3) = 0.4 0.8 CF ( consecuenter4 ) = 0.7 máx{ 0,0.5} CF( consecuente R5) = 0.3 1 = Ocasionalal = Medio Solo = No 0,8 0 0,5 1 = PC

Nombre Solo Paco Consola(0,7) Ocasional(0,8) Sí(1) CF( H2) = 0.32 0,32 H2 : Juego = Lucha R3: CF = 0,4 R4: CF = 0,7 R5: CF = -0,3 CF( consecuente R3) = 0.4 0.8 = Ocasionalal = Medio Solo = No = PC 0,8 0 0 0

Reglas Los jugadores ocasionales prefieren juegos de fútbol (0,6). Los jugadores de consola o los que juegan en grupo prefieren el fútbol (0,8). A los jugadores activos de PC no les gustan los juegos de fútbol (-0,7). H3 : Juego = Fútbol

Reglas Los jugadores ocasionales prefieren juegos de fútbol (0,6). Los jugadores de consola o los que juegan en grupo prefieren el fútbol (0,8). A los jugadores activos de PC no les gustan los juegos de fútbol (-0,7). H3 : Juego = Fútbol R3: CF = 0,6 R4: CF = 0,8 R5: CF = -0,7 = Ocasionalal = Consola Solo = No = Activo = PC

Nombre Solo Paco Consola(0,7) Ocasional(0,8) Sí(1) H3 : Juego = Fútbol R6: CF = 0,6 R7: CF = 0,8 R8: CF = -0,7 = Ocasionalal = Consola Solo = No = Activo = PC

Nombre Solo Paco Consola(0,7) Ocasional(0,8) Sí(1) CF( H3) = 0.48 + 0.56 0.48 0.56 = 0.771 H3 : Juego = Fútbol 0,48 0,56 R6: CF = 0,6 R7: CF = 0,8 R8: CF = -0,7 CF( consecuente R6) = 0.6 0.8 CF ( consecuenter7) = 0.8 máx{ 0.7,0} = Ocasionalal = Consola Solo = No = Activo 0,8 0,7 0 0 0 = PC

Nombre Solo Paco Consola(0,7) Ocasional(0,8) Sí(1) 0.5 0.42 CF( H1 ) = = 0.138 1 mín 0.5,0.42 CF( H2 ) = 0.32 { } CF( H3) = 0.48 + 0.56 0.48 0.56 = 0.771