Transcript - SlideBoom
APLICACIÓN DE SISTEMAS EXPERTOS AL ANALISIS DE SISTEMAS La ingeniería del conocimiento INDIRA NOLIVOS ALVAREZ, PhD. CARLOS JORDAN VILLAMAR, MSc. SISTEMAS EXPERTOS Un sistema experto debe ser capaz de emular a un experto resolviendo un problema específico. evidencia Usuario experiencia Base de conocimiento Motor de inferencia Sistema experto •Datos •Hardware •Software REPRESENTACION DEL CONOCIMIENTO Motores de Inferencia están diseñados para un cierto tipo de representación del conocimiento como las reglas o la lógica. Regla 1: SI ?x trabaja para ESPOL ENTONCES ?x gana un buen salario La manera en la que el conocimiento es representado afecta el desarrollo, eficiencia, velocidad y mantenimiento del sistema experto. El CONOCIMIENTO EPISTEMIOLOGIA TEORIAS FILOSOFICAS ARISTOTELES PLATO KANT LOCKE MILL CONOCIMIENTO PREVIO CONOCIMIENTO POSTERIOR TIPOS DE CONOCIMIENTO Conocimiento procedimental: know how Conocimiento declarativo: Proposiciones Conocimiento tácito: Conocimiento inconsciente JERARQUIA DEL CONOCIMIENTO Meta conocimiento Conocimiento Información Data Ruido REPRESENTACION DEL CONOCIMIENTO Reglas de producción Redes semánticas: conocimiento declarativoestructura de conocimiento superficial Esquemas: meta-conocimiento; causa-efecto Marcos o cuadros: estereotipos, sentido común Marcos situacionales Marcos de acción Lógica y conjuntos Venn Diagram ADQUISICION DEL CONOCIMIENTO Experto Humano Diálogo Ingeniero del conocimiento Explícito Proceso clave en el desarrollo de un modelo experto. Base de conocimiento del sistema experto Giarratano & Riley, 2002 CRITERIOS El propósito del ejercicio de modelaje. La fase del proceso de construcción del modelo y el tipo de tarea que se realiza (Ej. extracción, exploración o evaluación). Número de personas involucradas. El tiempo disponible. El costo del método. METODOS Métodos cualitativos: modelaje conceptual – basados en entrevistas Metáfora-Analogía Causal loop diagrams Métodos cuantitativos: modelaje formal Construcción de modelos dinámicos Construcción de modelos matemáticos MÉTODO DE EXTRACCIÓN DEL CONOCIMIENTO Fase de posicionamiento Establecer el contexto Enfocarse en una relación a la vez Ilustrar el método Fase de descripción Descripción visual Descripción verbal Descripción textual Descripción gráfica Fase de discusión Analizar descripciones individuales Comparar descripciones MOTOR DE INFERENCIA Deducción: causa + regla Abducción: efecto + regla Inducción: causa + efecto Data-driven Goal driven efecto causa regla Análisis de datos Enfocado en la solución ADQUISICION DEL CONOCIMIENTO Experto Humano Diálogo Ingeniero del conocimiento Explícito Proceso clave en el desarrollo de un modelo experto. Base de conocimiento del sistema experto Giarratano & Riley, 2002 PROCESO DE DECISION ANALISIS DEL PROBLEMA CONSTRUCCION DE MODELOS DISEÑO DE ALTERNATIVAS (SOLUCION) SELECCION DE UNA ALTERNATIVA SISTEMA EXPERTO PROCESOS ACTORES DEFINICION DEL PROBLEMA Expertos, involucrados, ingeniero del conocimiento DISEÑO DEL SISTEMA: Conocimiento, datos asunciones, modelos-reglas Expertos, involucrados, ingeniero del conocimiento IMPLEMENTACION DEL SISTEMA Ingeniero del conocimiento, programadores VALIDACION DEL SISTEMA Involucrados, Ingeniero del conocimiento, expertos CONSTRUCCIÓN DE MODELOS Identificación del objetivo: que debe arrojar el modelo? Identificación de variables: cualitativas/cuantitativas Identificación de procesos: simples/complejos Identificación de interrelaciones: integración de procesos Identificación de asunciones: contexto/simplificación Identificación de escenarios: condiciones de fondo Implementación formal LA CUENCA DEL RIO CHAGUANA OBJETIVO: MANEJO INTEGRADO DEL AGUA ESTRATEGIA ANALISIS DEL PROBLEMA DE MANEJO DEL AGUA COLECCION DE DATOS // EXTRACCIÓN DEL CONOCIMIENTO ANALISIS DE DATOS Y CONOCIMIENTO ESTADISTICO EXPERTO SELECCION DE MODELOS IA / ESTADISTICOS / MATEMATICOS DESARROLLO DE APLICACIONES ANALISIS DEL PROBLEMA: MODELO CONCEPTUAL MODELO AGNPS (concentración de Propiconazole en ríos) Water Quality (-) Environmental risks: Human health No existe modelo formal Crop Yield (-) Agricultural Practices: Pest Control (+) Export Price (+) (+) Economical revenue (+) (-) Production Costs COLECCION DE INFORMACION DATOS Variable Unidad Media DS Rango Serie Emisión foliar (FE) leaves/week 1.0 0.1 0.7-1.3 2003-2008* Lluvia acumulada (R) mm/week 20 36.3 0-346.7 2003-2008* 329.4 83.4 173.6-669.2 2003-2008* leaf number 7.2 0.4 6.0-8.7 2003-2008* days 18.1 3.3 12-27 2003-2008* boxes/ha/ week 30.1 7.1 14.0-61.4 2003-2008+ Estado de evolución de S.N. (SED) Hoja más joven con síntomas de S.N.(YLS) Período de fumigación (FP) Producción de banano (BP) * (excepto 2005) + (excepto 2003) MODELO EXPERTO Irrigación Fertilización Textura del suelo Infr. Drenaje Labores agrícolas Estado de evolución de la enfermedad Irrigación & Drenaje Lluvia Producción de banano Clima Infección por Sigatoka negra Período de fumigación Hoja mas joven con síntomas Emisión foliar PARAMETRIZACION DEL MODELO EXPERTO 1. Datos: frecuencia relativa de ocurrencia de un estado de la variable objetivo frente a la combinación de estados de las variables que la influencian directamente. (VALIDACION) 2. Estimación directa de los parámetros: Cual es la probabilidad de que la produccion sea alta dado que drenaje & irrigación, prácticas agrícolas y fertilización son buenas, pero el clima es húmedo y la infección de Sigatoka negra es alta? 3. Estimación indirecta de parámetros: modelos canónicos: Noisy-OR Noisy-AND Asumen independencia de influencias causales. 24 TALLER SOBRE ESTRUCTURACION DEL CONOCIMIENTO CASO: Asesoría para ubicar una vivienda en Guayaquil, considerando los escenarios futuros de inundación por la acción del cambio climático. ACTORES: La dinámica del juego considera a tres participantes por grupo. Experto: persona que maneja conocimiento, criterios y capacidad de juicio especializado. Cliente: persona que recurre al experto en busca de una solución a su problema. Ingeniero del conocimiento: observador que documenta la interacción entre el experto y el cliente, recreando el modelo de solución aplicado por el experto. RECURSOS Comunicación verbal explícita: Entrevistas estructuradas/no estructuradas (cliente, experto e ingeniero del conocimiento) Datos del problema (cliente) Criterios y juicios para la solución del problema (experto) Reglas de producción, redes semánticas o esquemas (ingeniero del conocimiento) Validación (experto e ingeniero del conocimiento)