Conocimiento incierto y razonamiento probabilistico

[pic 1]

Conocimiento incierto y razonamiento

Presenta:

1. Juan Manuel Vences Salazar Mario Alberto Encinas Cardona

mario.encinasc@alumno.buap.mx juan.vences@alumno.buap.mx

27/04/2020

1. [pic 2]Contenido

Lo incierto.

Sistemas de razonamiento probabilístico. Tomando decisiones simples.

Tomando decisiones complejas.

( Benemérita Universidad Autónoma de Pu        Facultad de Ciencias de la Computación        27/04/2020        2 / 94[pic 3]

1. [pic 4]Introducción

El área de la inteligencia artificial fue creada con el objetivo de resolver tareas complejas; por ejemplo, solucionar puzzles secuenciales o jugar juegos de lógica como es el caso del ajedrez.

( Benemérita Universidad Autónoma de Pu        Facultad de Ciencias de la Computación        27/04/2020        3 / 94[pic 5]

[pic 6]

Sin embargo, no todos los tipos de problemas pueden ser solucionados a partir de la lógica convencional, o la realización de un conjunto de pasos que modifiquen el estado del sistema.

( Benemérita Universidad Autónoma de Pu        Facultad de Ciencias de la Computación        27/04/2020        4 / 94[pic 7]

[pic 8]

1. Lo incierto.

( Benemérita Universidad Autónoma de Pu        Facultad de Ciencias de la Computación        27/04/2020        5 / 94[pic 9]

1. [pic 10]Actuando bajo incertidumbre

Cuando un sistema posee un alto nivel de complejidad, el análisis mediante agentes lógicos individuales no será capaz de proporcionarnos una com- prensión del panorama general de la situación. Debido a esto, no importa que método utilicemos, jamás seremos capaces de conocer con seguridad la situación del entorno completo.

( Benemérita Universidad Autónoma de Pu        Facultad de Ciencias de la Computación        27/04/2020        6 / 94[pic 11]

[pic 12]

Un agente lógico que se encuentre en esta situación, no será capáz de negar o afirmar cualquier posible hipótesis respecto al sistema, de modo que se dice que estará trabajando bajo incertidumbre.

Por ejemplo, un individuo que apueste en carreras de caballos no puede saber con certeza cual de todos los caballos va a ganar.

( Benemérita Universidad Autónoma de Pu        Facultad de Ciencias de la Computación        27/04/2020        7 / 94[pic 13]

1. [pic 14]Manejando conocimiento incierto

A continuación veremos la naturaleza del conocimiento incierto. Usaremos un ejemplo de diagnóstico sencillo para ilustrar los conceptos involucrados.

El diagnóstico es una tarea que casi siempre involucra incertidumbre.

( Benemérita Universidad Autónoma de Pu        Facultad de Ciencias de la Computación        27/04/2020        8 / 94[pic 15]

[pic 16]

Propondremos algunas reglas para diagnóstico dental usando la lógica de predicados de primer orden:

∀p Síntoma(p, Dolor − de − muela) =⇒ Enfermedad (p, Caries)

Esta regla es errónea. No todos los pacientes con dolor de muelas tienen caries.

( Benemérita Universidad Autónoma de Pu        Facultad de Ciencias de la Computación        27/04/2020        9 / 94[pic 17]

[pic 18]

Desafortunadamente, para hacer la regla cierta, tenemos que añadir una lista casi ilimitada de causas posibles. Podríamos intentar convertir la regla en una regla causal:

∀p Enfermedad (p, Caries) =⇒ Síntoma(p, Dolor − de − muela)

Pero esta regla tampoco es cierta: no todas las caries causan dolencias. El único modo para arreglar la regla es hacerla lógicamente exhaustiva.

( Benemérita Universidad Autónoma de Pu        Facultad de Ciencias de la Computación        27/04/2020        10 / 94[pic 19]

[pic 20]

Intentar usar la lógica de predicados de primer orden para hacer frente a un dominio como el diagnóstico médico de este modo falla por tres razones principales:

Pereza: poner en una lista el conjunto completo de antecedentes y consecuentes que se necesitan para asegurar una regla sin excepciones tiene demasiado trabajo y usar tales reglas es bastante difícil.

Ignorancia Teórica: la ciencia médica no tiene una teoría completa para el dominio.

Ignorancia Práctica: incluso si conocemos todas las reglas, pudiera ser incierto sobre un paciente particular, ya sea porque no se hayan realizado todos los chequeos necesarios o porque no puedan realizarse.

( Benemérita Universidad Autónoma de Pu        Facultad de Ciencias de la Computación        27/04/2020        11 / 94[pic 21]

[pic 22]

El conocimiento del agente puede como mucho proporcionar sólo un grado de creencia en las oraciones relevantes. Nuestra principal herramienta para tratar con grados de creencia será la teoría de la probabilidad, que asigna a cada oración un grado numérico de creencia entre 0 y 1.

...