Sistema experto basado en REGLAS

TIPOS DE SISTEMAS EXPERTOS

Pero primero ¿qué es reglas?

Representa una parte del conocimiento sobre la solución del problema

• Sintaxis: SI <Premisas>
  ENTONCES <Acciones>

Una regla es una afirmación lógica que relaciona dos o más objetos e incluye dos partes, la premisa y la conclusión. Cada una de estas partes consiste en una expresión lógica con una o más afirmaciones objeto-valor conectadas mediante los operadores lógicos y, o, o no.

El Modus Ponens es quizás la regla de inferencia más comúnmente utilizada. Se utiliza para obtener conclusiones simples. En ella, se examina la premisa de la regla, y si es cierta, la conclusión pasa a formar parte del conocimiento. Como ilustración, su póngase que se tiene la regla, “Si A es cierto, entonces B es cierto” y que se sabe además que “A es cierto”. La regla Modus Ponens concluye que “B es cierto.” Esta regla de inferencia, que parece trivial, debido a su familiaridad, es la base de un gran número de sistemas expertos.

Y ahora con esta información podemos responder a ¿que son sistemas expertos a base de reglas?

• Conjunto de reglas: agrupa el conocimiento sobre la solución del problema

• La BH describe el problema, la BR da información para resolverlo

Ejemplo:

Como ejemplo de problema determinista que puede ser formulado usando un conjunto de reglas, considérese una situación en la que un usuario (por ejemplo, un cliente) desea sacar dinero de su cuenta corriente mediante un cajero automático (CA). En cuanto el usuario introduce la tarjeta en el CA, la máquina la lee y la verifica. Si la tarjeta no es verificada con éxito (por ejemplo, porque no es legible), el CA devuelve la tarjeta al usuario con el mensaje de error correspondiente. En otro caso, el CA pide al usuario su

número de identificación personal (NIP). Si el número fuese incorrecto, se dan tres oportunidades de corregirlo. Si el NIP es correcto, el CA pregunta al usuario cuánto dinero desea sacar. Para que el pago se autorice, la cantidad solicitada no debe exceder de una cierta cantidad límite diaria, además de haber suficiente dinero en su cuenta. En este caso se tienen siete objetos, y cada objeto puede tomar uno y sólo un valor de entre sus posibles valores. La Tabla 1 muestra estos objetos y sus posibles valores. La Figura 1 muestra siete reglas que gobiernan la estrategia que el CA debe seguir cuando un usuario intenta sacar dinero de su cuenta.

Reglas con variables:

• Premisas y acciones pueden contener constantes (p.e. A, ladra, on) o variables (p.e. ?x)
• Ejemplos:
– Regla R2: SI (hombre ?x) entonces         añadir(mortal ?x)
– Regla R3: SI (padre ?x ?y) (padre ?y ?z)
 entonces añadir(ancestro ?x ?z)

Semántica:

• Una variable puede ligarse con cualquier constante de un hecho en la
  misma posición
• Una variable ha de ligarse al mismo valor en toda la regla

El Motor de Inferencia:

Tal como se ha mencionado en la sección anterior, hay dos tipos de elementos: los datos (hechos o evidencia) y el conocimiento (el conjunto de reglas almacenado en la base de conocimiento). El motor de inferencia usa ambos para obtener nuevas  conclusiones o hechos. Por ejemplo, si la premisa de una regla es cierta, entonces la conclusión de la regla debe ser también cierta. Los datos iniciales se incrementan incorporando las nuevas conclusiones. Por ello, tanto los hechos iniciales o datos de partida como las conclusiones derivadas de ellos forman parte de los hechos o datos de que se dispone en un instante dado. Para obtener conclusiones, los expertos utilizan diferentes tipos de reglas y estrategias de inferencia y control. En el resto de esta sección se discuten las reglas de inferencia: Modus Ponens, odus Tollens, y las estrategias de inferencia: encadenamiento de reglas, encadenamiento de reglas orientado a un objetivo, que son utilizadas por el motor de inferencia para obtener conclusiones simples y compuestas.

Modus Ponens y Modus Tollens:

La regla de inferencia Modus Tollens se utiliza también para obtener conclusiones simples. En este caso se examina la conclusión y si es falsa, se concluye que la premisa también es falsa. Por ejemplo, su póngase de nuevo que se tiene la regla, “Si A es cierto, entonces B es cierto” pero se sabe que “B es falso.” Entonces, utilizando la regla Modus Ponens no se puede obtener ninguna conclusión pero la regla Modus Tollens concluye que “A es falso”. El rendimiento del motor de inferencia depende del conjunto de reglas en su base de conocimiento. Hay situaciones en las que el motor de inferencia puede concluir utilizando un conjunto de reglas, pero no puede, utilizando otro (aunque estos sean lógicamente equivalentes).

Encadenamiento de Reglas:

Una de las estrategias de inferencia más utilizadas para obtener conclusiones compuestas

es el llamado encadenamiento de reglas. Esta estrategia puede utilizarse cuando las premisas de ciertas reglas coinciden con las conclusiones de otras. Cuando se encadenan las reglas, los hechos pueden utilizarse para dar lugar a nuevos hechos. Esto

se repite sucesivamente hasta que no pueden obtenerse más conclusiones. El tiempo que consume este proceso hasta su terminación depende, por una parte, de los hechos conocidos, y, por otra, de las reglas que se activan. Este algoritmo puede ser implementado de muchas formas. Una de ellas comienza con las reglas cuyas premisas tienen valores conocidos. Estas reglas deben concluir y sus conclusiones dan lugar a nuevos hechos. Estos nuevos hechos se a˜naden al conjunto de hechos conocidos, y el proceso continúa hasta que no pueden obtenerse nuevos hechos.

La Figura 2 muestra un ejemplo de seis reglas que relacionan 13 objetos, del A al M. Las relaciones entre estos objetos implicadas por las seis reglas pueden representarse gráficamente, tal como se muestra en la Figura 3, donde cada objeto se representa por un nodo. Las aristas representan la conexión entre los objetos de la premisa de la regla y el objeto de su conclusión. Nótese que las premisas de algunas reglas coinciden con las conclusiones de otras reglas. Por ejemplo, las conclusiones de las Reglas 1 y 2 (objetos C y G) son las premisas de la Regla 4. En consecuencia, se obtiene la conclusi´on G = falso. Sin embargo, si el motor de inferencia s´olo utiliza la regla de inferencia Modus Ponens, el algoritmo se detendr´a en la Etapa 1, y no se concluir´a nada para el objeto G. Este es otro ejemplo que ilustra la utilidad de la regla de inferencia Modus Tollens.

Referencias:

• Anon (2017). Ia.urjc.es. Retrieved 9 July 2017, from http://www.ia.urjc.es/cms/sites/default/files/userfiles/file/GII-SBC/2013/Tema02-SBR.pdf
• Anon (2017). Personales.unican.es. Retrieved 9 July 2017, from http://personales.unican.es/gutierjm/cursos/e
•  Castillo, E., Gutiérrez, J.M. y Hadi, H (1997), Expert Systems and ProbabilisticNetwork Models. Springer, New York. Versi´on Española editada por la Academia Española de Ingeniería.
• Durkin, J. (1994), Expert Systems: Design and Development. Maxwell Macmillan,New York