Para iniciar este subtema deberíamos primero abordar el concepto de los sistemas expertos.
Sistema Experto:
Definición:
Los sistemas expertos cuentan con un motor de inferencia, que es la parte medular de los mismos. Se podría decir que es el cerebro de estos sistemas. En sí es un componente de software que aplica reglas lógicas a una base de conocimiento para deducir nueva información. Sirven a los sistemas expertos para razonar sobre la información que tienen y llegar a conclusiones. La inferencia se refiere al proceso de derivar nuevas afirmaciones o conocimientos a partir de los existentes, y puede ser implementada de diversas maneras en sistemas de inteligencia artificial y sistemas expertos.
A manera de repaso vamos a definir los conceptos clave de los motores de inferencia:
Definición:
Ejemplo:
Definición:
Ejemplo:
Definición:
Ejemplo:
La importancia de estos conceptos radica en que de esta manera se da una estructura al conocimiento permitiéndole organizarse de una forma clara y lógica. Además son útiles para el razonamiento, es decir los motores de inferencia utilizan estas reglas para realizar deducciones y llegar a conclusiones. Por ello, veamos cuáles son algunos métodos de inferencia más comunes.
Es un proceso en el cual se parte de una serie de premisas generales para llegar a una conclusión específica que necesariamente es verdadera si las premisas lo son.
Ejemplo:
En sistemas expertos, la inferencia deductiva se usa cuando se aplican reglas generales a casos específicos para llegar a conclusiones precisas.
Actividad en Pizarrón
Resuelve el siguiente problema usando inferencia deductiva.
Resolver el problema:
Si una persona está estudiando, entonces está aprendiendo. María está estudiando. ¿Qué se puede inferir sobre María?
Implica generalizar a partir de un conjunto de observaciones específicas para llegar a una conclusión general que es probable pero no necesariamente cierta.
Ejemplo:
En los sistemas expertos, la inferencia inductiva se usa para aprender patrones o generalizaciones a partir de datos empíricos.
Actividad en Pizarrón
Generaliza a partir del siguiente conjunto de datos.
Resolver el problema:
En los últimos tres meses, 8 de 10 alumnos que asistieron a las sesiones de tutoría obtuvieron calificaciones más altas.
Busca la mejor explicación posible para un conjunto de observaciones o datos. Es una forma de razonamiento que intenta encontrar la causa más probable de un efecto observado.
Ejemplo:
En los sistemas expertos, la inferencia abductiva se usa a menudo en diagnóstico, donde se trata de encontrar la explicación más plausible para los síntomas o datos observados.
Actividad en Pizarrón
Dado el siguiente escenario, encuentra la mejor explicación.
Resolver el problema:
El sistema de calefacción de una casa no funciona. Se han revisado los termostatos y están funcionando correctamente.
También llamado razonamiento basado en casos, utiliza el conocimiento de casos previos similares para resolver nuevos problemas. Se basa en la analogía entre situaciones pasadas y actuales.
Ejemplo:
Este tipo de inferencia es común en sistemas de razonamiento basado en casos y en sistemas expertos que utilizan bases de datos de casos históricos para tomar decisiones.
Actividad en Pizarrón
Utiliza el razonamiento basado en casos para resolver el siguiente problema.
Resolver el problema:
Un paciente tiene síntomas similares a un caso anterior donde se diagnosticó una infección de garganta.
La inferencia estadística utiliza técnicas matemáticas para hacer generalizaciones sobre una población basada en una muestra. Implica el uso de probabilidad para tomar decisiones o hacer predicciones.
Ejemplo:
Los motores de inferencia estadística son ampliamente utilizados en sistemas de aprendizaje automático y análisis de datos para hacer predicciones y tomar decisiones basadas en probabilidades.
La inferencia difusa trata con incertidumbres y vaguedades en el conocimiento. Utiliza la lógica difusa para manejar la imprecisión y las variables continuas.
Ejemplo:
La inferencia difusa es útil en sistemas que necesitan manejar información imprecisa o aproximada, como en el control de sistemas automáticos y la toma de decisiones en entornos complejos.
Actividad en Pizarrón
Aplica la lógica difusa al siguiente problema.
Resolver el problema:
Un coche necesita mantenimiento. El nivel de aceite es ‘bajo’ y el motor hace ‘sonidos extraños’. ¿Qué nivel de mantenimiento se recomienda?
Estos métodos de inferencia son fundamentales para los sistemas expertos y la inteligencia artificial porque permiten razonar sobre el conocimiento y tomar decisiones basadas en la información disponible. Cada método tiene su propio conjunto de aplicaciones y ventajas, y la elección del método depende del tipo de problema y del tipo de información con la que se esté trabajando.
Métodos de inferencias en problemas planteados.
Objetivo, saberes y habilidades por desarrollar:
Preparación:
1. Formación de Grupos:
2. Distribución de Escenarios:
3. Resolución de Escenarios:
4. Preparación de la Presentación:
5. Presentación y Discusión:
Entregables:
Deductivo: Dado el conjunto de reglas “Si una planta recibe luz solar, entonces crece.
Inductivo: “En un estudio de mercado, el 80% de los consumidores prefieren el nuevo producto.
Abductivo: “Un cliente reporta que su ordenador está lento. Posibles causas incluyen falta de memoria, virus, o software desactualizado.
De Caso: “Un coche se detuvo en medio de la carretera. En un caso similar, el problema fue con el suministro de gasolina.
Fuzzy: “El sistema de aire acondicionado tiene tres configuraciones: bajo, medio y alto.
Recursos: 1 Descargable
Duración: 1.5 Horas
Departamento de Sistemas e Informatica
sistemas@itistmo.edu.mx
“Por una tecnología propia como principio de libertad®️”
