Sistemas de Producción
Inteligencia Artificial
Uno de los tipos más populares de los sistemas expertos en la actualidad, es aquel basado en reglas. Las reglas son populares por varias razones:
- Naturaleza modular. Esto hace más fácil encapsular el conocimiento y expandir el sistema experto a partir de un desarrollo creciente.
- Medios de explicación. Es sencillo construir medios de explicación con reglas porque los antecedentes de una regla especifican con exactitud lo que es necesario para activarla.
- Semejanza con el proceso cognitivo humano. Las reglas aparecen como un modelo natural de la maneta en que los humanos resuelven los problemas.
Sistemas de producción de Post
Post comprobó que cualquier sistema de matemáticas o lógica podría escribirse como cierto tipo de sistema de reglas de producción. Este resultado establecía la gran capacidad de las reglas de producción para representar clases de conocimiento más grandes en lugar de estar limitadas a unos cuantos tipos.
La idea básica de Post era que cualquier sistema matemático o lógico representaba solo un conjunto de reglas que especifican como cambiar una hilera de símbolos por otra. Es decir que, dada una hilera de entrada, el antecedente, una regla de producción podría producir una hilera nueva, la consecuencia. Esta idea también es válida con programas y sistemas expertos en los que la hilera inicial de símbolos constituyen los datos de entrada y la hilera de salida es una transformación de lo introducido.
Algoritmos de Markov
Un algoritmo de Markov es un grupo ordenado de producciones que se aplican en orden de prioridad a una hilera de entrada. Si la regla de prioridad más alta no es aplicable, entonces se aplica la siguiente y así sucesivamente. El algoritmo de Markov termina si la última producción no es aplicable a una hilera o se aplica una producción que termina con un punto.
Sistemas de Producción de Sistemas Expertos
Un sistema de producción consiste
1. Base de datos global o base de hechos: depende de la aplicación.
2. Conjunto de reglas de producción o base de conocimientos: del tipo A ® B.
3. Sistema de control o maquina de inferencia: que reglas son aplicada y determina el fin.
Ejemplo:
Base datos global: H1, H2, H3.
Conjunto de reglas:
H1 ---> H5 (Si Precondición entonces Acción).
H2 ---> H6
H5 ---> H7
H7 ---> H3
Sistema de control
Escoge que reglas pueden ser aplicadas
Suspende el proceso cuando la Base de datos global satisface una condición de terminación.
Observen: como las reglas cazan (unifican) con la precondición y se pasa a la acción la cual se agrega a la base de datos global (base de hechos).
Un sistema de producción proporciona una estructura que facilita la descripción y la ejecución de un proceso de búsqueda y consiste de
Un conjunto de facilidades para la definición de reglas.
Mecanismos para acceder a una o más bases de conocimientos y datos
Una estrategia de control que especifica el orden en el que las reglas son procesadas y la forma de resolver los conflictos que pueden aparecer cuando varias reglas coinciden simultáneamente.
Un mecanismo que se encarga de ir aplicando las reglas.
Selección de las reglas aplicables por el sistema de control:
1. La selección se hace con absoluta arbitrariedad, sin tener en cuenta información alguna sobre el problema (control sistemático).
2. Seleccionar en cada ocasión la regla correcta, haciendo uso de su conocimiento del problema (estrategia heurística).
Procedimiento Básico
1. DATOS ( hechos iniciales en la memoria de trabajo).
2. Ciclo: hasta que DATOS satisfagan la condición de terminación.
3. Selecciona alguna REGLA en el conjunto de reglas que pueden ser aplicadas a DATOS.
4. Aplicar la REGLA a DATOS (actualizar la memoria de trabajo agregando o retirando hechos).
