Tema 6 Razonamiento aproximado Esquema del tema

Tema 6
Razonamiento aproximado
Ampliación de Ingeniería
del Conocimiento
Eva Millán
1
Esquema del tema
6.1. Introducción al razonamiento aproximado
6.2. El modelo de factores de certeza
6.3. Conjuntos difusos
6.4. Redes bayesianas
TEORÍA
6.5. El lenguaje Fuzzy Clips y la herramienta HUGIN
6.6 Aplicaciones al diagnóstico y el control
PRÁCTICA
2
6.1. Introducción al razonamiento
aproximado
Necesidad de razonamiento aproximado
Apuntes históricos
•
•
3
Necesidad de razonamiento
aproximado (I)
El modelo ideal del razonamiento (humano o
mecánico) es el razonamiento exacto.
En mundo real se suele razonar con información
que es:
–
–
4
incierta
imprecisa
Necesidad de razonamiento
aproximado (II)
Clasificación de las fuentes de incertidumbre:
–
–
–
Deficiencias de la información,
Características del mundo real,
Deficiencias del modelo.
5
Necesidad de razonamiento
aproximado (III)
Ejemplos:
6
Falta historial
Falta memoria
Engaño
–
Información incompleta
Pruebas caras
–
Información errónea
Descripción
incorrecta
–
Información imprecisa
–
Mundo real no determinista
–
Modelo incompleto desconocidas
–
Modelo inexacto
Dificultad
cuantificar
Historial
incorrecto
Falsos positivos
Aleatoriedad
Enfermedades
Estimaciones
subjetivas
parámetros
Excepciones
Desacuerdos Imposibilidad
Problemas
mecanismos
razonamiento
Necesidad de razonamiento
aproximado (IV)
Todas estas fuentes de incertidumbre se dan en:
–
–
–
–
–
ciencias naturales,
ingeniería,
derecho,
humanidades
problemas típicos de AI:
reconocimiento del lenguaje natural (hablado/escrito),
aprendizaje,
visión artificial,
robótica,
recuperación de información,
juegos complejos
sistemas adaptativos
7
Necesidad de razonamiento
aproximado (V)
En resumen, el tratamiento de la incertidumbre es,
junto con la representación del conocimiento y el
aprendizaje, uno de los problemas fundamentales de la
Inteligencia Artificial
En este tema nos centraremos en los llamados métodos
numéricos
8
Apuntes históricos (I)
1. Método probabilista clásico
–
–
–
En el siglo XVIII, Bayes y Laplace propusieron la
probabilidad como una medida de la creencia
personal.
Con el método probabilístico clásico se
construyeron los primeros sistemas de diagnóstico
médico
Inconvenientes principales:
gran cantidad de parámetros (probabilidades)
gran complejidad computacional
poca verosimilitud de las hipótesis simplificadoras
9
Apuntes históricos (II)
2. Programación basada en reglas (años 60-70)
– Dendral utiliza con éxito la programación basada
en reglas
– Los creadores de MYCIN buscaban un método de
computación eficiente que pudiera adaptarse al
razonamiento mediante encadenamiento de
reglas.
– Desarrollan un método propio, consistente en
asignar a cada regla un factor de certeza.
– Aunque el sistema obtiene excelentes resultados,
éstos se deben más a la potencia del conjunto de
reglas que al modelo de factores de certeza en sí,
que hoy en día sabemos que tiene graves
deficiencias.
10
Apuntes históricos: redes bayesianas
3. A principio de los años 80, Judea Pearl retoma el
modelo probabilístico creando las redes bayesianas
–
–
–
–
–
–
Este acontecimiento cambia completamente el escenario
Modelo probabilista inspirado en la causalidad
El modelo probabilístico tiene asociado un modelo gráfico,
cuyos nodos representan variables y cuyos arcos representan
mecanismos causales
Extraordinario desarrollo experimentado por las redes
bayesianas en las dos últimas décadas
Se han construido modelos de diagnóstico y algoritmos
eficientes para problemas con miles de variables
Las universidades más importantes y las empresas punteras de
informática tienen grupos de investigación dedicados a este
tema
11
Características principales de
las redes bayesianas
La incertidumbre se representa basándose en teoría de
la probabilidad
La información se estructura en variables y
relaciones de influencia causal entre ellas
Relaciones de independencia condicional
Parámetros: probabilidades condicionadas de cada
variable dados sus padres
Inferencias de tipo abductivo y predictivo
12
Ejemplos de empresas que utilizan redes
bayesianas:
–
–
–
–
–
–
–
Digital,
Hewlett Packard, diagnóstico de problemas de
impresión
IBM,
Intel,
Siemens
Nokia
Microsoft (Windows 95/98, Office 97/2000)
13
Apuntes históricos: lógica difusa
4. En 1965, Lofti Zadeh sienta las bases de la
lógica difusa
–
–
–
–
14
Motivación inicial: estudio de la vaguedad
Relación vaguedad ↔ incertidumbre
Paradoja del céntimo de euro
Solución: definir conjuntos con grados de
pertenencia
Éxito de la lógica difusa :
Desde el punto de vista práctico: miles de
aplicaciones, la mayoría en sistemas de control
Desde el punto de vista teórico: muchas áreas
de las matemáticas, lógica, económicas, etc. se
han “difuminado” desde entonces.
Características principales de
la lógica difusa
Se intenta representar la vaguedad e imprecisión
inherentes en el lenguaje natural
Utiliza varios elementos: conjuntos difusos, variables
difusas, relaciones difusas, reglas difusas
Dichos elementos se combinan entre sí en el proceso de
inferencias
El proceso de inferencias incluye pasos que pasan la
información nítida a difusa y viceversa
15
Un poco de publicidad...
OLYMPUS ERGONÓMICA SRL 28-120
(2995 dólares)
Poderoso lente zoom de 4.3x, 28-120 con elementos de
lentes de cristal ED Sistema de flash doble incorporado.
Ajuste de Exposición Automática programada Sistema
de Medición TTL: Fuzzy logic ESP, Promedio Balanceado
al Centro
AEG Lavamat 64600
(429 euros)
Carga: 5kg
Revoluciones: 1400 rpm
Características energéticas: A+,A,B
Multi-Display
Fuzzy Logic
Programas especiales: Lavado a mano, Seda, Lana
16
Resumen: principales diferencias entre la
lógica difusa y redes bayesianas
Lógica
difusa
Información
Estructurada
como…
Aplicación
mayoritaria
Incierta
(grados
pertenencia)
Reglas
SI….entonces
Control
Imprecisa
Redes
Relaciones
Diagnóstico
bayesianas (probabilidades) influencia causal
17
Resumen
Métodos numéricos de tratamiento de la
incertidumbre más importantes:
–
–
–
–
18
Método probabilístico clásico
Factores de certeza *
reglas SI...ENTONCES
Lógica difusa
*
Redes bayesianas *
relaciones causa-efecto