1 Sistemas de Soporte a la Decisión GIRONA 2002

2 Sistemas de Soporte a la Decisión Sistemes Experts

3 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Sistemes Experts Definició: Són Sistemes Basats en el Coneixement que resolen problemes molt especialitzats i complexes, pels que es confia habitualment en experts humans, per a la seva resolució, en un domini concret

4 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Per què van sorgir els SE? Necessitats econòmiques Disposar d’experts altament qualificats és car i no sempre possible Eines econòmiques d’aprenentatge per a altres experts/no experts Preservació del coneixement dels experts Necessitats d’eficiència computacional Els mètodes generals de resolució de problemes són força ineficients (mètodes febles)

5 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Coneixement expert DADES + ALGORISME = PROGRAMA CONEIXEMENT + INFERÈNCIA = SE

6 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Classificació dels SE segons les tasques [Hayes-Roth et al., 1983] (1) Interpretació Sistemes d’Interpretació Inferir descripcions de situacions, a partir d’observacions / dades Predicció Sistemes de Predicció Inferir conseqüències versemblants a partir de situacions o successos Diagnòstic Sistemes de Diagnòstic Inferir les falles del sistema a partir de símptomes Disseny Sistemes de Disseny Desenvolupar configuracions d’objectes que satisfan certes restriccions

7 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Classificació dels SE segons les tasques [Hayes-Roth et al., 1983] (2) Planificació Sistemes de Planificació Generar seqüències d’accions per a conseguir certs objectius Monitorització Sistemes de Monitorització Estudiar el comportament d’un sistema al llarg del temps Correció /Reparació Sistemes de Correció /Reparació Generar solucions per a les falles d’un sistema Control Sistemes de Control Estudiar i governar el comportament d’un sistema dinàmic

8 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Fases de l’enginyeria del coneixement (1) PROVA IDENTIFICACIÓ CONCEPTUALITZACIÓ FORMALITZACIÓ IMPLEMENTACIÓ REQUERIMENTS CONCEPTES ESTRUCTURA REGLES REFORMULACIÓ REDISSENY REFINAMENT [Buchanan et al., 1983]

9 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] IDENTIFICACIÓ Viabilitat de la construcció del SE Cercar les fonts de coneixement (experts, llibres, etc.) Determinar les dades necessàries per a resoldre el problema Determinar els objectius (solucions) i els criteris que determinen la solució Fases de l’enginyeria del coneixement (2)

10 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Fases de l’enginyeria del coneixement (3) CONCEPTUALITZACIÓ Detallar els elements bàsics per a caracteritzar el domini (fets rellevants) i les seves relacions. Distingir les evidències, les hipòtesis i les accions a realitzar Detallar les diferents hipòtesis/objectius Descomposar el problema en subproblemes Caracteritzar els blocs de raonament i el flux de raonament

11 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Fases de l’enginyeria del coneixement (4) FORMALITZACIÓ Determinar els esquemes de raonament necessaris: Classificació / diagnosi / planificació temporal / estructures causals / disseny espaial / configuració Identificar l’espai de cerca i el tipus de cerca Identificar la metodologia de la resolució: classificació heurística / resolució constructiva / hipòtesi i prova jeràrquica Analitzar la inexactitud (incertesa, imprecisió o incompletitud) i la completesa

12 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Fases de l’enginyeria del coneixement (5) IMPLEMENTACIÓ Representació i implementació del coneixement Definició de la base de fets Estructura modular de la base de coneixements Definició de les regles d’inferència dels mòduls Decisions sobre el control de la resolució (metaconeixement) Definició de les meta-regles associades als mòduls PROVA Determinar amb el/s expert/s un conjunt de casos de prova Avaluar el funcionament del sistema (prototipus) Correctesa? / Completesa? / Inexactitud? / Credibilitat i explicacions?

13 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Arquitectura d’un Sistema Expert

14 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Base de Coneixements (1) Coneixement del domini + coneixement heurístic Tipus de coneixement: Coneixement Factual Coneixement Condicional Coneixement Relacional Objectes i característiques Condicions i deduccions Relacions temporals, causals i conceptuals

15 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Base de Coneixements (2) Sistemes de regles d’inferència/Sistemes de Producció: Els més habituals i els primers Representacions estructurades Representacions mixtes: Regles + Representacions estructurades Per a descriure el domini Xarxes semàntiques/Frames Per a modelitzar objectes i relacions Abans-de Tipus de Part_de Mètodes de Representació del Coneixement

16 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Base de Coneixements (3) Organització del coneixement sobre el domini i sobre el procés de resolució Regles d’inferència SI LLAVORS

17 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Base de coneixements (4) Cadascuna de les regles pot incorporar: Proposicions Predicats d’ordre 1 Noves deduccions Accions Càlculs

18 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Base de coneixements (5) Exemples (RDECP03 (R08007 Concentració-fanf-decp-alta No Neutropènia No Purga-fang-decpAssociades-dermatologia ectima-gangrenosum 0.8molt-possible Netejar-canonada Pseudomones... )... )

19 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Motors d’inferències Motor d’inferències  Mòdul de raonament Motor d’inferències Intèrpret de regles + Estratègia de control Deduir nous fets, executar accions per a resoldre el problema plantejat, a partir d’un conjunt inicial de fets i d’un cert coneixement, amb la interacció de l’usuari.

20 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Cicle general d’un motor d’inferències Detecció Detecció: Obtenció del conjunt de regles aplicables Formació del conjunt de conflictes Selecció Selecció: Selecció de la regla a aplicar Resolució de conflictes Aplicació Aplicació: Aplicació de la regla seleccionada Inferència

21 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Cicle general: Detecció Construcció del conjunt de regles candidates a ser aplicades Les regles seran candidates o no depenent de l’estratègia de control L’intèrpret de regles fa els càlculs i les instanciacions necessàries que siguin possibles en cada estat de resolució del problema. Una regla es pot utilizar amb vàries instanciacions (CP1)

22 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Cicle general: Selecció Selecció de la millor regla d’entre les obtingudes en el pas anterior La selecció dependrà de l’estratègia de resolució de conflictes emprada pel motor d’inferències. Criteris més utilizats (sovint es combinen varis criteris) : La més/menys utilitzada La més específica/més general La més informativa  dóna un major número de fets desconeguts La regla amb un grau de certesa més alt La primera regla en ordre

23 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Cicle general: Aplicació L’intèrpret de regles executa la regla seleccionada modificant l’estat de la base de fets amb noves deduccions, càlculs, accions i/o nous subojectius Propagació de les instanciacions (en CP1) Si s’escau, propagació de la certesa de les premisses cap a les conclusions, mijançant les diferents connectives lògiques

24 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Fi del cicle El cicle acaba quan ja no hi ha cap més regla aplicable, o bé quan es troba la conclusió desitjada Depenent del problema i de l’estratègia de control pot ser que la cadena de raonament quedi tallada Cal reconsiderar passos anteriors

25 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Motors d’Inferència: estratègies (I) Motors Deductius/Encadenament progressiu Encadenament cap endavant  forward chaining Estratègia dirigida per les dades  data driven Evidències, símptomes, dades  conclusions i/o hipòtesis A  B  C  H

26 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Motors d’Inferència: estratègies (II) Motors Inductius/Encadenament regressiu Encadenament cap enrera  backward chaining Estratègia dirigida pels objectius  goal driven Conclusions i/o hipòtesis  Evidències, símptomes, dades A  B  C  H

27 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Encadenament cap endavant Basat en el modus ponens: A, A  B |- B És un mètode deductiu segons la lògica clàsica Resolució del problema: Cerca des de l’estat inicial fins el final (l’objectiu), passant pels estats intermitjos que marquen les cadenes d’inferència que es deriven de l’aplicació de les regles Partir de les evidències/simptomes/dades i deduir tot el es pugi

28 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Encadenament cap endavant. Funcionament La base de fets s’inicialitza amb el conjunt de fets coneguts Obtenir les conseqüències derivables del conjunt de fets : Seleccionar les regles aplicables. Les que tenen els antecedents coneguts (ie són a la base de fets) o bé són preguntables. Afegir les noves conclusions/valors a la base de fets

29 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Encadenament cap endavant. Pro’s i contres Problemes No focalitza en l’objectiu: La estratègia de resolució de conflictes es crítica Explosió combinatoria: Degut a les possibles instanciacions dels predicats de les premisses (CP1) Avantatges Facilita la formalització del coneixement El modus ponens és força intuitiu

30 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Encadenament cap endavant. Exemple Base de conèixements Base de fets Objectiu R1: A  B  C  D A G?? R2: A  E  F  G E R3: B  C  D  H B R4: E  C R5: A  H  F R6: A  C  H

31 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Encadenament cap endavant. Exemple 1: A, E, B 2: A, E, B, C(R4) A,E,B,C,D A,E,B,C,H R1 R6 3: R3 R6 A,E,B,C,D,H R5 R6 A,E,B,C,D,H,F A,E,B,C,D,H A,E,B,C,D,H,F,G! A,E,B,C,D,H,F.... R1 R5

32 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Encadenament cap enrera mètode inductiu Es un mètode inductiu: trenca el sentit de la deducció: B, A  B ¬ |- A Està guiat per un objectiu: Hipòtesi que es vol validar. Reconstruir la cadena de raonament en ordre invers Cada pas implica nous subobjectius o subhipòtesis que s’han de validar

33 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Encadenament cap enrera. Funcionament Inicialitzar la base de fets amb un conjunt inicial de fets Inicialitzar el conjunt d’hipòtesis o objectius a verificar Mentre hi hagi hipòtesis per a validar fer Validar una hipòtesi de la llista Fmentre Validar l’hipòtesi consisteix en: si ja ho està  treure-la de la llista Comprovar si ja està verificada en la BF sino usar la BC i la BF per a validarla Seleccionar una regla Afegir les premisses de la regla com nous subojectius a validar en lloc de la hipòtesi

34 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Encadenament cap enrera. Avantatges La resolució del problema està millor dirigida. Només es considera el necessari per a la resolució del problema El procés de resolució consisteix en l’exploració d’un graf i/o

35 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Encadenament cap enrera. Exemple (I) Base de conèixements Base de fets Objectiu R1: A  B  C A H?? R2: C  D B R3: E  F  G R4: A  E R5: D  G R6: A  G  H

36 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Encadenament cap enrera. Exemple (II) H R6 A G H A G E F D R5 R3 H R6 A G E F D R5 R3 R4 A H A G G E F G A F

37 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Encadenament cap enrera. Exemple (III) H R6 A G E F D R5 R3 R4 A Suposem que F és preguntable NO G A F = NO S´ha de tornar enrera i reconsiderar altres opcions

38 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Encadenament cap enrera. Exemple (IV) H A GD R6 R5 G H H A GD R6 R5 C D C R2

39 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Encadenament cap enrera. Exemple (V) H A GD R6 R5 C C A B R2 A B

40 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Avantatges dels SE Adequats en dominis poc estructurats Eficaços en tasques de diagnosi i classificació Capacitat d’autoexplicació Facilitat de comunicació amb l’usuari Permet extensions fàcilment (raonament aproximat)

41 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Inconvenients dels SE Fragilitat Dificultat amb el control del raonament Baixa reusabilitat de les B.C. Són incapaços d’aprendre Problemàtica de l’adquisició del coneixement Problemàtica de la validació

42 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Història dels SE (1) Els més antics  1965 DENDRAL (1965-1970) Interpretació d’espectografia de masses i ressonàncies magnètiques de molècules orgàniques META-DENDRAL (1970) Construcció de regles heurístiques a partir de dades MACSYMA Manipulació de fórmules algebraiques

43 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Història dels SE (2) MYCIN (1972-1976) Diagnosi d’enfermetats infeccioses a la sang 400 regles Raonament amb incertesa EMYCIN (1980) Exporta el sistema de control de MYCIN Primer entorn de SE (shell) HEARSAY-II (1975) Interpretació del LN (hear + say) 1000 paraules

44 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Història dels SE (3) PROSPECTOR (1977) Prospeccions mineres Un altre mètode de raonament amb incertesa R1/XCON (1980) Configuració d’entorns computacionals DEC,  200.000 regles INTERNIST (1982) Diagnosi en medicina interna 500.000 - 1.000.000 regles

45 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] CENTAUR (1983) Diagnosi d’infeccions pulmonars Regles i prototipus MOLE (1986) Shell de SE per a classificació TEST (1987) Troubleshooting Expert System Tool Diagnosi / classificació VT (1988) Vertical Transportation Disseny de sistemes elevadors Història dels SE (4)

46 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Metaconeixement / Metaraonament Metaconeixement Metaconeixement  coneixement sobre el (propi) coneixement Control sobre com i quan aplicar el coneixement Metaconeixement implícit Estratègia de resolució de conflictes (criteris) En els primers Sistemes Experts : Premisses artificials per a controlar l’aplicabilitat de les regles (ie repeat o !) Metaconeixement explícit Introdució de les meta-regles (Davis, 1980) : Regles que actuen sobre les regles Separació entre control i coneixements Mecanisme de raonament unificat: Motor d’inferències utilizat per les regles i les meta-regles Concepte d’estratègia: Ordenació del elements necessaris per a la resolució

47 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Meta-regles Meta-regla Meta-regla: unitat de control sobre el coneixement Tipus de meta-regles. Meta-regles sobre regles Inhibir / desinhibir regles Meta-regles sobre mòduls Tipus de cerca en els mòduls (endavant, enrera) Nivell de tall en la certesa mínima de les regles Subsumpció de regles Meta-regles sobre estratègies Estratègia: conjunt ordenat de mòduls a ser tractats Excepcions Meta-regles sobre plans d’actuació Quina estratègia s’aplica primer quan n’hi ha més d’una

48 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] (MR-DECP01 OK-BOMBA 1.0 (INHIBIR-REGLES RDECP005 RDECP006 RDECP007 RDECP008 RDECP009 RDECP019 RDECP020)) (MR-PRINC TÉ-FEBRE 1.0 (MOTOR-ENRERA GRIP)) (MR-ESTR01 CLASSE1 POSSIBLE (MÒDULS-A-TRACTAR C1)) (MR-03024 SIDA POSSIBLE (MÒDULS-A-TRACTAR BACTERIANA-ATÍPICA PNEUMOCISTIS-CARINI TBC CITOMEGALOVIRUS CRIPTOCOC NOCARDIA ASPERGILLUS PNEUMOCOC ENTEROBACTÈRIES)) (MR-02012 EDAT < 14 SEGUR (PARAR-SISTEMA)) Meta-regles: exemples

49 Sistemas de Soporte a la Decisión Raonament Basat en Casos (Case-Based Reasoning, CBR)

50 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Raonament Basat en Casos (I) Perquè va sorgir el CBR? Problema: Moltes vegades les dificultats en construïr Sistemes Experts provenen de intentar expressar la experiència en regles. Habitualment és molt difícil per a un expert en una matèria el procés d’abstracció necessari per a crear regles genèriques a partir de sucessos especifics del passat. Experiència REGLES

51 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Experiència Raonament Basat en Casos (II) La solució del CBR: raonament per analogía Utilitzar la experiència (episodis passats) en el procés de raonament (raonament per analogía). No fa falta traducció. Experiència

52 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Raonament Basat en Casos (III) Una definició : “.... transferring knowledge from past problem solving episodes to new problems that share significant aspects with corresponding past experience and using the transferred knowledge to construct solutions to new problems.” (Carbonell, 1986)

53 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] CBR CBR: Una metodologia per resoldre problemes adaptant les solucions de problemes anteriors que siguin similars. casosCase Library Utilitza casos com una memoria episódica (Case Library). Raonament Basat en Casos (IV) Solució Problema Nova Solució Nou Problema

54 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Raonament Basat en Casos (V) cas Un cas és un conjunt de camps identificador del cas derivació del cas descripció del problema diagnòstic del problema solució al problema evaluació de la solució (èxit/fracàs) mesura d’utilitat altra informació rellevant

55 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Raonament Basat en Casos (VI) new case retrieved cases best case adapted solution evaluated solution (fail/ success) Retrieve AdaptEval Learn case to store CASE LIBRARY DOMAIN KNOWLEDGE El cicle del CBR:

56 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Raonament Basat en Casos (VII) Retrieve Recuperació o Retrieve (I): Recuperació de casos és més difícil que la recuperació (consulta) en BD. Recuperació en BD = “matching” exacte Recuperació en CBR = “matching” parcial (similitud) Similitud: es calcula entre descripcions de casos, sol esser una funció d’evaluació heurística o distància, pot esser dependent del domini. un exemple: descripció del cas = conjunt d’atributs mesura de similitud = La Recuperació ha d’intentar maximitzar la similitud entre el cas actual i el(s) cas(os) recuperat(s).

57 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Raonament Basat en Casos (VIII) Retrieve Recuperació o Retrieve (II): La eficiència del procés de recuperació depén fortament de la organització de la Case Library dues aproximacions: La estructura de la Case Lib. i la representació del cas facilita la recuperació dels casos rellevants i la seva comparació amb el problema en curs Memòries planes Fàcils de gestionar Lentes a la recuperació Sempre troba el millor Memòries jeràrquiques Difícils de gestionar Ràpides a la recuperació Cerca heurística

58 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Raonament Basat en Casos (IX) Adapt Adaptació o Adapt: Quan el cas seleccionat de la Case Lib. no concorda perfectament amb el nou cas, la solució antiga ha d’esser adaptada poer obtenir la nova solució. Estratègies: adaptació nul·la adaptació estructural –mètodes de substitució –mètodes de transformació –adaptació ad-hoc (special-purpose) adaptació derivacional La adaptació és un procés altament depenent del domini.

59 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Raonament Basat en Casos (X) Eval Evaluació o Eval: Calificar la qualitat de la solució. Tres formes de fer-ho: Executar la solució en el mon real Preguntar a un expert humà Fer una simulació (laboratori, computeritzada, etc…) Learn Aprenentatge o Learn: Aprenentatge per observacions (conj. de casos inicials) Aprenentatge per experiència Aprenentatge dels èxits Aprenentatge del fracàs

60 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Quan utilitzar CBR? Quan existeix un gran volum de dades històriques Quan els experts parlen sobre el seu domini mitjançant exemples Quan la experience és tan valuosa com el coneixement dels “llibres de text” Quan els problemes no son entesos completament (models de domini dèbils, poc coneixement sobre el domini) Hi ha masses excepcions a les regles

61 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Aplicacions del CBR Diagnòsi de fallades en màquines Diagnòsi de xarxes de computadors Diagnòsi mèdica Anàlisi de crèdits Predicció de diposits geològics Planificació de Batalles Classificació dels missatges Telex d’un banc Reconeixement de la parla

62 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Avantatges del CBR Fàcilitat en extreure el coneixement de l’expert per crear la base de casos Facilitat per fer un procés d’aprenentatge automàtic El raonador va millorant el seu comportament amb el temps Pot tractar fàcilment els casos excepcionals

63 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Inconvenients del CBR No sempre la estructura de la Llibreria de Casos permet a un humà extreure coneixement Les funcions d’adaptació s’han de crear per a cada domini No pot raonar sobre allò que mai ha passat

64 Sistemas de Soporte a la Decisión Combinant regles i casos

65 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Regles VS. Casos Expressen coneixement genèric Difícil aprendre noves regles i mantenir la consistència Coneixement estàtic No aprenentatge Difícil d’extreure el coneixement de l’expert per crear la Base de Regles Rendiment sempre és el mateix Expressen coneixement específic (episòdic) Fàcil aprendre nous casos, integrant-los a la llibreria Coneixement dinàmic Aprenentatge Relatívament fàcil d’extreure el coneixement de l’expert per crear la Base de Casos Rendiment s’incrementa amb el temps

66 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] Com combinar-ho? Engegar tots dos sistemes alhora Les regles diuen que s’ha de fer normalment Els casos recorden experìencies pasades (positives o negatives) Problema: Què fer quan es contradiuen? Extracció de coneixement genèric a partir de coneixement específic Quan es té un conjunt de casos amb similars solucions, es pot generalitzar el coneixement en forma de regla i incorporar-ho a la Base de Regles Aprenentatge segur de regles DAI-DEPUR

67 Sistemas de Soporte a la Decisión J. Vázquez & KEMLg. IA-LSI, UPC. [email protected] SE + CBR: DAI-DEPUR 3 layers