Sistemas Basados en Reglas

Tema 2: Sistemas Basados en Reglas

• Los sistemas basados en reglas son un ejemplo de sistemas basados en conocimiento.
• La representación del conocimiento se realiza mediante reglas de producción.
• Los objetivos de este tema son estudiar los sistemas basados en reglas como ejemplo de sistemas basados en conocimiento.
• Se explicará el concepto de base de conocimiento, incluyendo hechos y reglas.
• Se discutirá el motor de inferencia, enfocándose en el proceso de encadenamiento de reglas con hechos para realizar el disparo y en el encadenamiento hacia adelante y hacia atrás.
• Se analizará el uso de variables y pruebas dentro de las reglas.
• Se explicará cómo se manejan los conflictos al disparar múltiples reglas simultáneamente.
• Finalmente, se explicarán formas eficientes de inferencia y la explicación del conocimiento, incluyendo los procesos de inferencia.

Componentes de los Sistemas Basados en Reglas

• El sistema separa el motor de inferencia de la base de conocimiento.
• La base de conocimiento se divide en base de hechos (hechos iniciales y derivados) y base de reglas (conocimiento estructural del dominio).
• El conocimiento se extrae de expertos y se modula en reglas de producción.
• Los componentes principales son el módulo de adquisición de conocimiento, la base de datos (hechos), la base de conocimientos (reglas), el modulo de explicación y la interfaz de usuario.
• Se utiliza la abstracción del conocimiento mediante entrevistas con expertos y herramientas auxiliares para la comunicación entre experto e ingeniero.

Estructura de los Sistemas Basados en Reglas

• Base de Conocimiento: Está compuesta por reglas y meta-reglas.
  • Reglas: Representan la relación interna entre conceptos, definidos mediante una estructura Antecedente -> Consecuente, que está compuesto por conceptos y relaciones estáticas entre conceptos.
  • Meta-reglas: Son reglas adicionales que guían el razonamiento del motor de inferencia, incluyendo métodos de selección de reglas y restricción del espacio de búsqueda.
• Motor de Inferencia: Procesa las reglas y hechos, filtrando reglas según la base de hechos y resolviendo conflicto.
• Memoria de Trabajo: Almacena hechos iniciales y derivados del proceso. Incluye datos, hechos y subproblemas.

Base de Hechos en CLIPS

• Los hechos en CLIPS son representaciones en formato de pares clave-valor.
• Incluyen hechos iniciales, como (Juan tiene fiebre) y (Juan tiene tos), definidos con la función defacts.
• Se utiliza el comando assert para añadir nuevos hechos a la base.
• Los hechos se insertan en la base de hechos en orden cronológico.

Base de Reglas en CLIPS

• La parte izquierda de una regla es el antecedente; la derecha, el consecuente.
• Se utilizan defrules para definirlas con una sintaxis de Antecedente -> Consecuente.
• Elementos del antecedente:
  • Patrones que especifican el hecho a buscar.
  • Constantes, variables y listas.
  • Tests que evalúan expresiones booleanas.

Equiparación de Patrones en CLIPS

• El proceso de equiparación se centra en hacer coincidir los hechos de la base de hechos con las reglas.
• Busca hechos en la base de hechos que coincidan con los patrones de las reglas.
• Las instancias que cumplen la regla se añadirán al conjunto "conflicto".

Equiparación de Patrones con Elementos Negados

• Se utiliza la hipótesis del mundo cerrado para manejar las comparaciones incompletas.
• Si no existe ningún elemento en la Base de Hechos que coincida con la descripción de la regla, la regla no se aplica.

Equiparación de patrones. Paso Matching

• Se buscan antecedentes que coincidan con hechos en la base de hechos.
• Este proceso crucial para la eficiencia de los sistemas.
• Se resuelven las ligaduras entre hechos y variables en las reglas.
• Se consideran las instancias para todas las reglas que coinciden con la base de hechos en un ciclo, seleccionando solo una instancia para su aplicación.