tendencias actuales eduardo morales / l. enrique sucar fundamentos de inteligencia artificial
TRANSCRIPT
Tendencias ActualesTendencias Actuales
Eduardo Morales / L. Enrique SucarEduardo Morales / L. Enrique Sucar
Fundamentos de Inteligencia ArtificialFundamentos de Inteligencia Artificial
Estado Actual
• Artículos sobre representación y razonamiento en AAAI 2000 e IJCAI 2001:– Análisis de Complejidad– Teoría de decisiones– Lógica (SAT, lógicas descriptivas)– Razonamiento no-monotónico, revisión de creencias– Ontologías– Razonamiento sobre tiempo y acciones– Razonamiento espacial– Razonamiento bajo incertidumbre– Razonamiento cualitativo– Causalidad
Tendencias
• Ontologías – para búsqueda de información (semantic
web)– para comunicar agentes– para interfaces inteligentes– trabajo en análisis, construcción e
integración de ontologías• Administración de conocimiento y
reutilización de “conocimiento” (knowledge management)
Tendencias (2)
• Representaciones alternativas– Lógicas descriptivas– Cálculo de situaciones + concurrencia +
probabilidad– Combinación de Lógica y Probabilidad– Razonamiento Espacial– Modelos Causales
• Extensiones a modelos temporales, cualitativos, con incertidumbre, etc.
Tendencias (3)
• Grandes bases de conocimiento– Sistemas multiagentes– Sistemas multifuncionales– Sentido común
Desempeño vs. Cobertura
Desempeño
Dominio
Ontología genérica
Sistema experto
Sistema multifuncional
Sistemas Multifuncionales
• Sistemas que tienen conocimiento genérico sobre un dominio el cual sirve de base para diversas aplicaciones (tareas)
• Por ejemplo, conocimiento genérico sobre plantas eléctricas, el cual se aplica a:– Diseño de plantas– Diagnóstico de plantas– Mantenimiento de plantas– Tutores sobre plantas– Análisis de confiabilidad de plantas
MF-KBS
• Sistema basado en conocimiento multifuncional para dominios de ingeniería.
• Tres partes principales:– Núcleo de conocimiento (KC)– Mecanismos de razonamiento (RM)– Operadores de conocimiento (KO)
MF-KBS
KC
RM
KODiagnóstico
Tutores
Diseño
Predicción
MF-KBS: Representación
• Núcleo:– Conocimiento de componentes en base a frames y
diferentes tipos de modelos (cuantitativos, cualitativos, probabilísticos)
• Razonamiento:– Mecanismos genéricos de propagación de restricciones y
simulación para los diferentes tipos de modelos• Operadores:
– Sistemas que utilizan el núcleo y los mecanismos de razonamiento para diferentes tareas: diagnóstico, solución de problemas, análisis, tutoreo
MF-KBS: Operadores actuales• Resolvedor de problemas:
– Resuelve problemas de sistemas eléctricos mediante propagación de restricciones
• Generador de ejemplos:– A partir del modelo (red de restricciones), genera problemas de diferentes
grados de dificultad• Diagnóstico de fallas:
– Diagnóstico de fallas múltiples basado en modelos y ATMS• Tutor inteligente:
– Utiliza el resolvedor y generador de problemas como parte de un tutor sobre plantas eléctricas
• Análisis de confiabilidad:– Obtiene una red bayesiana a partir de un diagrama de bloques, que utiliza
para calcular la confiabilidad
TendenciasTendencias
FinFin