You are on page 1of 7

Primer Taller – Inteligencia artificial Universidad de Cartagena Hector Posada Yépez 1.

Sistemas basados en conocimientos
Ejemplo 1 Categoría: Redes neuronales Una red neuronal para análisis contable
Pasos para diseñar una red neuronal para analizar la solvencia de una empresa. 1) ¿Qué necesitamos? En este caso, lo que solicitaríamos a nuestro experto no son reglas de decisión sino una base de datos con ejemplos de empresas que anteriormente han solicitado préstamos a nuestro banco. También precisaríamos un programa de redes neuronales 2) Los datos De la base de datos deberíamos extraer un conjunto de ratios e indicadores para cada empresa, que formarán la base de patrones de aprendizaje. Nótese que en este problema en concreto disponemos también del output a aprender, que consiste en que para cada empresa sabemos si devolvió o no el préstamo. Podemos asignar un 1 a las empresas que devolvieron el préstamo y un 0 a las que no. 3) Selección del modelo Por este motivo, podemos aplicar cualquier modelo de red neuronal con aprendizaje supervisado, el más utilizado es el llamado perceptrón multicapa. La arquitectura neuronal consiste en seleccionar el número de neuronas, capas y su configuración. Esto es algo delicado, puesto que la red aprende depende de ello, pero hay buenos libros que nos enseñan algunos trucos y su explicación matemática. Seleccionaremos tantas neuronas en la primera capa como ratios o variables tengamos y una neurona en la capa de salida, que es la que tiene que distinguir a las empresas que devolvieron el préstamo de las que no. Después empieza la fase de aprendizaje, en la que la red neuronal no hace magia, sino que ajusta una función matemática que trata de minimizar los errores, mediante un proceso de cálculo numérico iterativo. Al cabo de un rato, el error baja y ya tenemos la red neuronal lista.

pedir la parada. A través de la realidad virtual se simulan de manera bastante realista escenarios temidos (desde viajar en metro.…)  Las alturas  La sangre o heridas. Escuchar conversaciones. recorrer un aeropuerto. el metro. Estas herramientas dan la oportunidad a la persona de interactuar con la situación temida (ej.Debemos hacer un test con datos de empresas que nos hemos guardado y no hemos utilizado para entrenar. Un ejemplo de estos sistemas es el software diseñado por la empresa vasca Virtualware.  El temor intenso y excesivo se puede producir ante:  Animales (arañas. Una de cada veinte personas. etc. cucarachas. Esto puede llevar a que las personas vean deteriorada su vida social. el TAC.)  Espacios cerrados (ascensores. La red neuronal nos dirá para esta nueva empresa la puntuación obtenida: 1 ó 0 y eso significa que sus ratios se parecen a los de las empresas buenas que devuelven sus préstamos o al revés. y su gran potencialidad es la versatilidad (permite generar las más . etc. padece una fobia a lo largo de su vida. Tratamiento de fobias con realidad virtual Categoría: realidad virtual ¿Qué es una fobia? Las fobias son un trastorno psicológico que tiene una amplia incidencia en la población mundial. La reacción ante las fobias suele ser la evitación de la situación tan temida. las inyecciones  La oscuridad. serpientes. intensos e incontrolables que algunas personas manifiestan ante determinada situación o ante algún elemento en particular. laboral y afectiva. subir o bajar del medio de transporte…). perros. Las fobias son miedos irracionales. Como solución a esto se vienen desarrollando y aplicando con gran éxito procedimientos basados en la Realidad Virtual. las tormentas  A conducir  A hablar en público Incluso puede sentir ese miedo intenso cuando simplemente piensa que puede estar presente el objeto o situación que teme. pasar por un túnel hasta subir en un ascensor o ir en avión). aproximadamente.) y espacios abiertos (calle. pasear por supermercados. aunque lleguen a darse cuenta de que no representa para ellos una amenaza real. ratas. capaz de recrear 90 situaciones de estrés.

com/producto/ 2. y pasa a ser un agente activo que puede moverse e interactuar con un mundo tridimensional generado a través del ordenador. sino que cada una es aplicada con más éxito que . Árboles de Decisión aplicados a técnicas o mecanismos del conocimiento Analiza como pensar formalmente. y sobre las que se han sustentado los lenguajes de representación del conocimiento. a las cuales difícilmente se podría acceder de otro modo) y el grado de control que permiten (las exposiciones se hacen de manera segura y directamente a la situación temida). VirtualRET Este es un producto ejemplo para el tratamiento de fobias. a continuación una descripción extraída de su página web “Esta tecnología ofrece un nuevo paradigma de interacción persona-ordenador. ” Web del producto http://www. reacciones y pensamientos muy semejantes a los que se darían en una situación real. Este nuevo modelo conduce a que la Realidad Virtual sea capaz de provocar en el paciente emociones. Una técnica no es mejor que las demás. como usar un sistema de símbolos para representar un dominio del discurso (aquello de lo que se puede hablar). en la que el paciente deja de ser un espectador pasivo de imágenes y datos en la pantalla.virtualret.diversas situaciones. junto con funciones que permitan inferir (realizar un razonamiento formal) sobre los objetos. Existen diferentes técnicas de representación del conocimiento que se ha utilizado.

lo cual hace que tengan características más apropiadas para determinados problemas. Estas relaciones . un cuadrado para el valor y una flecha dirigida entre ambos elementos representando el atributo. Estas tripletas se representan en forma de grafos. Ejemplo.  Redes Semánticas o Mapas Conceptuales: se basa en la utilización de grafos que representan conceptos. Las premisas se colocan a continuación del IF en forma normalmente de tripletas y utilizando operadores booleanos. lo que se suele denominar “certainty factor”. Ejemplo.6.  Rules: representa el conocimiento presentando unas premisas o condiciones y las conclusiones o acciones que de ellas se derivan. existen situaciones en las que se puede necesitar representar que un determinado objeto que posee un atributo con una determinada certeza. para representar que el coche es rojo. la función de membresía de edad. No permiten asignar graduaciones de certeza en estas asignaciones. pero teniendo en cuenta que antes de eso se habría ido incrementando el valor de membresía de “mediana edad” e incluso de “viejo”. un coche es rojo o no lo es.2. objetos y relaciones entre ellos.2 y de mediana edad con un 0. mientras que las conclusiones definirían nuevos hechos o realizarían acciones.7 al atributo potente. Se suelen representar de la forma IF-THEN. pudiendo haber edades como los 45. la expresión “Juan es viejo”. pero este valor iría decreciendo conforme aumentase la edad hasta llegar a 0.  Tripletas Objeto-Atributo-Valor: representan hechos acerca de objetos y sus atributos.  Hechos Inciertos o Uncertain Facts: las tripletas indican que un objeto tiene un valor asociado a un atributo de forma completa con toda la certeza. es decir. vieja con un 0. ya que la edad es algo gradual.  Hechos Difusos o Fuzzy Facts: representa conocimiento impreciso o ambiguo. Así por ejemplo. podríamos tener la siguiente regla para representar que si hay que ir a trabajar y está lloviendo hay que coger el paraguas: IF “es hora de ir a trabajar” AND “está lloviendo” THEN “tengo que coger el paraguas”. Por ejemplo. Mediante esta técnica sería posible representar sentencias como “el coche es bastante potente”. Esta técnica lo que permite es definir funciones de membresía que asignan un valor entre 0 y 1 a cada valor. tenemos una tripleta Coche-Color-Rojo. Por ejemplo. especificando el valor de un atributo para un objeto determinado. no se pasa de ser joven un día a ser de mediana edad al siguiente. asignaría un 1 a joven si la persona tiene 10 años. asignando un factor de certeza de 0. en comparación con “Juan es joven” o “Juan es de mediana edad”. en los q ue se podría decir que con una persona joven con un 0. puede no ser sencilla de representar con otras técnicas.otras en algunos aspectos. utilizando una elipse para el objeto.

similares a las clases. que permiten representar estructuras jerárquicas de conocimiento. Establece que: Si las sentencias p y (p  q) se conocen que son verdaderas. sobre un slot edad podríamos añadir el facet “if-changed”. Las principales Reglas de Inferencia son:  Modus ponens. a partir de hechos conocidos. podríamos tener el marco de clase “Persona” y la instancia “Juan”. entonces se puede inferir que q también es verdadera. Cada frame dispone por otra parte de una serie de slots equivalentes a los atributos y propiedades en orientación a objetos. por lo tanto. involucra la realización de inferencias. Frames o Marcos: es una técnica de representación muy similar a la utilizada en la programación orientada a objetos. Están relacionadas también con las tripletas. El proceso de razonamiento. pero predominan las relaciones de tipo “kind of”.Esta regla establece que: Si la sentencia (p  q) es verdadera y q es falsa. Por ejemplo. que representan conjuntos de objetos con características similares. “party-of” y “is-a”. a diferencia de en las redes semánticas. A partir de ellas se crean las instance frames que representan elementos concretos de esa clase. 3. A su vez. establecer inferencias o conclusiones a partir de hechos conocidos o asumidos. de definir lo que se llaman facets sobre estos slots.. Realizar inferencias significa derivar nuevos hechos a partir de un conjunto de hechos conocidos como verdaderos. Existe también la posibilidad. Técnicas de inferencia Inferir es concluir o decidir a partir de algo conocido o asumido. razonar es pensar coherente y lógicamente. Consta de class frames. La lógica de predicados proporciona un grupo de reglas sólidas. llegar a una conclusión. en los sistemas basados en conocimiento. con las cuales se pueden realizar inferencias. Por ejemplo. para comprobar el valor introducido. pueden ser de cualquier tipo. entonces se puede inferir que p también es falsa. ya que en las redes semánticas se suelen incluir también estas estructuras para dar información sobre los atributos de los diferentes objetos.  Modus tolens. .Es la más importante. de forma que se les aporte comportamiento procedural..

como de la lógica de predicados. utilizando lógica de predicados. Es la base tanto de la lógica proposicional.  C. por lo tanto. la abducción no garantiza que se puedan lograr conclusiones verdaderas. aceptado y reconocido de los tres indicados. La forma más común del método inductivo es la siguiente: Si se conoce que P(a). La resolución es una técnica poderosa para probar teoremas en lógica y constituye la técnica básica de inferencia en PROLOG.. La forma que tiene la abducción es la siguiente: Si la sentencia (A  B) es verdadera y B es verdadera. la inducción no es un método sólido de inferencia. P(n) son verdaderos. entonces (A  C) también es verdadero En lógica de predicados. . o de la premisa a la conclusión lógica.. Al igual que la abducción. Inducción.. La regla de resolución. a lo específico. la adquisición de conocimiento y el descubrimiento están basados en ella. garantiza el resultado de conclusiones también verdaderas. se trata de encontrar una explicación para la conclusión.. C)  mayor (A.. un lenguaje que manipula en forma computacional la lógica de predicados. P(X) es también verdadero.. . de lo general. se puede expresar. se empieza por una conclusión y se procede a derivar las condiciones que podrían hacer a esta conclusión válida. La refutación intenta crear una contradicción con la negación de la sentencia original. En otras palabras. El método inductivo es la base de la investigación científica. establece que: Si (A B) es verdadero y (~B  C) es verdadero.Resolución. La inducción es una forma de inferencia muy importante ya que el aprendizaje. C)] Abducción. por lo tanto no es un método sólido de inferencia. P(b).Utiliza refutación para comprobar una determinada sentencia.  B. entonces se puede concluir que  X. existen tres métodos básicos de razonamiento: deductivo. entonces A es posiblemente verdadera. demostrando... En abducción.Se define como el razonamiento a partir de hechos particulares o casos individuales.Es un método de razonamiento comúnmente utilizado para generar explicaciones. como sigue:  A. Esto significa que la deducción a partir de premisas verdaderas. B)  mayor (B. para llegar a una conclusión general. A diferencia de la inducción. A manera de ejemplo. Deducción. el método deductivo. La deducción es el método más ampliamente comprendido..Es el razonamiento a partir de un principio conocido hacia un desconocido. abductivo e inductivo.. [mayor (A. La deducción realiza inferencias lógicamente correctas. que la sentencia original es verdadera.

En un sistema monotónico todos los axiomas utilizados se conocen como verdaderos por sus propios méritos. . Otro aspecto del razonamiento monotónico es que si más de una inferencia lógica puede ser hecha a un tiempo específico y una de ellas se realiza. Esto significa que en el razonamiento monotónico el conjunto de axiomas continuamente crece en tamaño. ya que una vez que se los conoce como verdaderos. Los axiomas no pueden cambiar. las inferencias que quedan serán todavía aplicables después que dicha inferencia haya sido hecha. siempre permanecen así y no pueden ser modificados o retractados. o pueden ser derivados de otros hechos conocidos como verdaderos.El razonamiento deductivo es una forma monotónica de razonar que produce argumentos que preservan la verdad.