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.