Universidad Nacional Mayor de San marcos Facultad de Ingeniería

Anuncio
Universidad Nacional Mayor de San marcos
Facultad de Ingeniería de Sistemas e Informática – EAP de Ing. de Sistemas
Inteligencia Artificial
Examen Final – Semestre 2012-1
1.- Conceptos
Escriba al lado derecho: V para verdadero y F para Falso
1. Los sistemas expertos son programas de computación que resuelven problemas (V )
complejos que requieren abundante conocimiento y/o experiencia para su
resolución.
2. Cuando el motor de inferencia de un sistema en producción no consigue resolver el (V )
problema entonces lo más probable es que el conocimiento esta incompleto o
presenta fallas.
3. Es adecuado usar la tecnología de sistemas expertos cuando el conocimiento (F)
existente para resolver un problema genera solución insatisfactoria.
4. La base de conocimiento para un sistema experto de estimación de esfuerzos ( F)
(estimación de tiempos para el desarrollo de un proyecto de software) es dado por
los datos del proyecto a procesar.
5. La ingeniería de conocimiento es la aplicación de ingeniería en la gestión de
conocimiento.
(V )
6. MYCIN es el primer sistema experto en donde se separa el conocimiento (base de ( V )
conocimiento) del procesamiento del conocimiento (motor de inferencia).
7. Métodos maduros: POLITE, CommonKADS, IDEAL
(V)
8. La ingeniería de conocimiento es una disciplina de la Inteligencia Artificial que ( V)
proporciona los métodos y técnicas para el desarrollo y mantenimiento de sistemas
expertos.
9. Por lo general un sistema experto de auditoría financiera es un sistema catalogado
de dictatorial.
( F)
10. Por lo general un sistema experto tutor inteligente para educación virtual es un (F )
sistema catalogado de auxilio a la toma de decisiones.
11. CommonKADS no es considerada un estándar de facto para el desarrollo de ( F )
sistemas expertos
12. El ciclo de vida de la metodología commonKADS se refiere al proceso de
desarrollo del sistema experto y corresponde al ciclo de vida en espiral.
(F)
13. Modelos de CommonKADS: organización, tarea, agente, comunicación, ( F )
conocimiento y artefacto.
14. Para el desarrollo de sistemas pequeños, en general, el rol del ingeniero de (F )
conocimiento puede ser el mismo del especialista.
15. Los modelos de agente, y tareas se deben definir para todas las alternativas
(oportunidades) identificadas en el modelo de organización.
(F )
16. Conocimiento: pre-obeso, presión arterial alta, triglicéridos el doble de lo máximo
permitido.
(F)
17. El conocimiento asocia un propósito, competencia o potencial acción a una ( V )
información.
18. Las fuentes estáticas son obtenidas desde los especialistas.
(V)
19. Las técnicas de extracción de conocimiento desde las fuentes dinámicas (entrevista (F )
formal, entrevista informal, encuestas, observación) son excluyentes.
20. El responsable en la adquisición del conocimiento es el ingeniero de conocimiento.
(V )
21. La base de conocimiento para un sistema experto de estimación de esfuerzos
(estimación de tiempos para el desarrollo de un proyecto de software) es dado por
los datos del proyecto a procesar.
(F)
22. La lista de consecuente terminales de un sistema experto es dada por todos los ( F )
consecuentes de las reglas de la base de conocimiento.
23. El máximo número de iteraciones del algoritmo de encadenamiento progresivo
cuando se usa el algoritmo RETE (resolución de conflicto) con el principio de
refracción es dado por el número de reglas que tiene la base de conocimiento.
(V)
24. Las estrategias para resolver conflictos en el algoritmo de encadenamiento son
excluyentes.
(F)
25. La finalidad del proceso de validación de un sistema experto es conocer si el
sistema se encuentra apto para pasar a producción.
(V )
26. Los errores más frecuente del especialista se origina debido al probable ( V)
conocimiento incompleto e incorrecto que este presenta.
27. El proceso de consistencia de la base de conocimiento debe evitar reglas de la (V )
forma: “Si A entonces B”, “Si B entonces C”, y “Si C entonces A” (reglas
circulares).
28. La principal característica de los sistemas machine learning es la capacidad de
aprender a realizar una tarea a través de experiencias.
(V)
29. Es recomendable usar machine learning basados en RNA para generar ( V)
conocimiento explicito para el diagnóstico del síndrome de Guillen Barre.
30. Es recomendable usar machine learning para predecir la demanda de automóviles ( V)
de una mara y modelo determinada.
2.- Clasificación de Sistemas Expertos
Complete la siguiente tabla de clasificación de Sistemas Expertos.
Sistema Experto
PUFF
Funcionalidad
Evolución
Interacción
El programa se puede
diagnosticar
la
presencia y severidad
de la enfermedad
pulmonar y producir
informes
para
el
expediente
del
paciente
El sistema PUFF fue el
primer programa construido
con EMYCIN. PUFF fue
trasladado
a
una
minicomputadora en el
Centro Médico Pacifico en
San Francisco, Una versión
de PUFF ha sido licenciado
para su uso comercial
Se
utiliza
habitualmente para
ayudar
con
la
interpretación de las
pruebas de función
pulmonar
Mo-GMU
Monitorea la gestión Desarrollado por un equipo
de una municipalidad de especialistas a pedido de
distrital
la ONGEI (oficina nacional
de gobierno electrónico e
informática) y se encuentra
a disposición para el uso
gratuito
de
las
municipalidades distritales.
El monitoreo lo hace
a
través
de
indicadores
de
gestión
municipal,
los mismos que
fueron obtenidos a
través
de
la
herramienta
de
Balanced Scorecard.
Tabla 1. Clasificación de sistemas expertos PUFF y Mo-GMU
3.- SBC Reglas
Acreditación Financiera - Pymes
Una entidad financiera otorga créditos a Pymes para diversas finalidades tales como compra de
equipos, construcción y/o ampliación de plantas, capital de trabajo, etc. La evaluación de las
respectivas solicitudes requiere de información sobre la condición financiera del solicitante entre
otras, del patrimonio del solicitante, y de datos obtenidos de las centrales de riesgo (si ha tenido
letras protestadas, si es buen pagador, el tipo de riego, etc.).
Con la finalidad de automatizar la toma de decisión sobre la aprobación o rechazo de solicitudes de
crédito, dicha entidad usa un sistema experto dictatorial llamado EXP-CRÉDITO, que clasifica a
los solicitantes en tres categorías, A1, A2, y A3. Dependiendo de la categoría en que sea
clasificado, se toma la decisión correspondiente (ver tabla abajo)
Categoría
Decisión
A1
Sujeto a crédito (aprobación)
A2
Deficiente (rechazar crédito)
A3
Condicional (aprobación sujeta a hipoteca de algún bien)
Así, por ejemplo si un solicitante pertenece a la categoría A2, entonces se le rechazará su pedido.
Observe que las categorías son excluyentes.
Considere la siguiente Base de Conocimiento de un especialista en el otorgamiento de créditos
financieros
+R1: SI
+R2: SI
R3: SI
R4: SI
R5: SI
+R6: SI
R7: SI
R8: SI
+R9: SI
+R10: SI
+R11: SI
R12: SI
K  C6
C2  X
C8  C3  K
C2  C6  J
C7  X  Y
M  C8
C2  C7  Z
C4  T  C8
C3  C7
C6  C7  M
C2  P
C6  C8  B
ENTONCES X
ENTONCES M  eliminar K
ENTONCES Y
ENTONCES A1
ENTONCES A3
ENTONCES U  T
ENTONCES A2
ENTONCES J
ENTONCES K  B
ENTONCES P  eliminar U
ENTONCES Z
ENTONCES S  eliminar T
Los antecedentes en las reglas indicadas arriba, se refieren a la condición financiera de los
solicitantes o a algún hecho intermedio relevante para la identificación. El sistema experto para
resolver conflictos de reglas a procesar (pues varias reglas se pueden disparar) usa las siguientes
estrategias en esa orden de prioridad:
-
Principio de refracción (la regla a procesar no debe ser procesada otra vez).
Regla más general (la regla que tiene menos antecedentes).
Orden lineal (esto es la primera regla que se dispara).
Observe que al aplicar la primera estrategia de resolución de conflictos pueda que no se resuelva el
conflicto (esto es que existan 2 o más reglas disparadas, y se requiere decidir sobre una de ella para
ser procesada), en este caso se debe aplicar la segunda estrategia, y así sucesivamente hasta
resolver el conflicto.
Descargar