Razonamiento basado en modelos

En inteligencia artificial, el razonamiento basado en modelos se refiere a un método de inferencia utilizado en sistemas expertos basados ​​en un modelo del mundo físico. Con este enfoque, el enfoque principal del desarrollo de aplicaciones es desarrollar el modelo. Luego, en tiempo de ejecución, un "motor" combina este conocimiento del modelo con datos observados para derivar conclusiones como un diagnóstico o una predicción.

• 1 Razonamiento con modelos declarativos
• 2 Representación del conocimiento
• 3 Ver también
• 4 referencias
• 5 enlaces externos

Razonamiento con modelos declarativos

Un robot y los sistemas dinámicos también están controlados por software. El software se implementa como un programa informático normal que consta de declaraciones if-then, bucles for y subrutinas. La tarea del programador es encontrar un algoritmo que sea capaz de controlar al robot para que pueda realizar una tarea. En la historia de la robótica y el control óptimo se desarrollaron muchos paradigmas. Uno de ellos son los sistemas expertos, que se centra en dominios restringidos. Los sistemas expertos son los precursores de los sistemas basados ​​en modelos.

La razón principal por la que se investiga el razonamiento basado en modelos desde la década de 1990 es crear diferentes capas para modelar y controlar un sistema. Esto permite resolver tareas más complejas y los programas existentes se pueden reutilizar para diferentes problemas. La capa de modelo se utiliza para monitorear un sistema y evaluar si las acciones son correctas, mientras que la capa de control determina las acciones y lleva el sistema a un estado objetivo.

Las técnicas típicas para implementar un modelo son los lenguajes de programación declarativos como Prolog y Golog. Desde un punto de vista matemático, un modelo declarativo tiene mucho en común con el cálculo de situaciones como formalización lógica para describir un sistema. Desde una perspectiva más práctica, un modelo declarativo significa que el sistema se simula con un motor de juego. Un motor de juego toma una característica como valor de entrada y determina la señal de salida. A veces, un motor de juego se describe como un motor de predicción para simular el mundo.

En 1990, la crítica se formuló sobre el razonamiento basado en modelos. Los pioneros de Nouvelle AI han argumentado que los modelos simbólicos están separados de los sistemas físicos subyacentes y no controlan los robots. Según un representante de robótica basada en el comportamiento, una arquitectura reactiva puede superar el problema. Un sistema de este tipo no necesita un modelo simbólico, pero las acciones están conectadas directamente a las señales de los sensores que se basan en la realidad.

Representación del conocimiento

En un sistema de razonamiento basado en modelos, el conocimiento se puede representar mediante reglas causales. Por ejemplo, en un sistema de diagnóstico médico, la base de conocimientos puede contener la siguiente regla:

$$∀ {\ Displaystyle \ forall}pacientes: Accidente cerebrovascular (paciente) Confundido (paciente) Desigual (Pupilas (paciente))$$→ {\ displaystyle \ rightarrow}$$∧ {\ Displaystyle \ land}

Por el contrario, en un sistema de razonamiento diagnóstico, el conocimiento estaría representado a través de reglas de diagnóstico como:

$$∀ {\ Displaystyle \ forall}pacientes: Confundido (paciente) Accidente cerebrovascular (paciente)$$→ {\ displaystyle \ rightarrow}

$$∀ {\ Displaystyle \ forall}pacientes: Desigual (pupilas (paciente)) Accidente cerebrovascular (paciente)$$→ {\ displaystyle \ rightarrow}

Hay muchas otras formas de modelos que se pueden utilizar. Los modelos pueden ser cuantitativos (por ejemplo, basados ​​en ecuaciones matemáticas) o cualitativos (por ejemplo, basados ​​en modelos de causa / efecto). Pueden incluir la representación de la incertidumbre. Pueden representar el comportamiento a lo largo del tiempo. Pueden representar un comportamiento "normal" o solo pueden representar un comportamiento anormal, como en el caso de los ejemplos anteriores. Los tipos de modelos y el uso para el razonamiento basado en modelos se tratan en.

Ver también

• Diagnóstico (inteligencia artificial), determinando si el comportamiento de un sistema es correcto
• Algoritmo de selección de comportamiento
• Razonamiento basado en casos, resolución de nuevos problemas basados ​​en soluciones de problemas pasados

Referencias

• Russell, Stuart J. ; Norvig, Peter (2003), Inteligencia artificial: un enfoque moderno (2ª ed.), Upper Saddle River, Nueva Jersey: Prentice Hall, p. 260, ISBN   0-13-790395-2

enlaces externos

• Razonamiento basado en modelos en la Universidad de Utrecht
• División de Sistemas Inteligentes de la NASA