|
SISTEMAS
EVOLUTIVOS BASADOS EN CONOCIMIENTO Fernando
Galindo Soria Instituto
Politécnico Nacional México 26 de Septiembre de 1994 INTRODUCCIÓN Los Sistemas Basados en Conocimiento son unas de las
herramientas mas generales que existen, ya que por ejemplo un Sistema de
Biblioteca Automatizada, un Sistema Experto o un Sistema Manejador de Base de Datos se pueden ver como casos
particulares de este tipo de sistemas, sin embargo lo común es que se
construyan este tipo de sistemas particulares y no se ataque el caso general,
por lo que, en este trabajo mostraremos como se puede construir una
herramienta general para manejo de conocimiento soportado por un Sistema
Evolutivo[1][2]. Como primer punto partimos de que en un Sistema
Basado en Conocimiento, se cuenta con diferentes mecanismos para
representarlo y manejarlo, incluyendo: .
directorios de datos. .
archivos de datos. .
bases de datos. .
bases de conocimientos. .
conjuntos de reglas de inferencia. Y dependiendo del tipo de sistema, los medios de manejo
de conocimiento se pueden integrar de diferentes formas, por ejemplo: . en
los sistemas de base de datos es común encontrar un directorio de datos interrelacionado con la base de
datos. . los
sistemas expertos o de toma de decisiones integran al menos una base de conocimientos y un conjunto
de reglas de inferencias. . los
sistemas de biblioteca automatizada están formados al menos por una combinación de bancos de
información (donde están almacenados los
documentos) y directorios de datos (que permiten accesar directamente a elementos específicos
de los bancos de información). 1.- ARQUITECTURA DE
SISTEMAS EVOLUTIVOS BASADOS EN CONOCIMIENTO La forma como se interrelacionan entre si los
elementos también depende de la aplicación, formando diferentes tipos de
arquitectura, en particular en este
trabajo partiremos de una arquitectura por capas, en la cual se
tienen los diferentes componentes de un sistema basado en conocimiento
colocados en capas relacionadas entre si, de tal manera que una capa sirve para accesar o
localizar conocimientos de otras, como se ve en la siguiente figura: Reglas
de Inferencia problemas Base
de Conocimientos Realidad Directorio
de Datos soluciones Bancos de Información Base de
datos Archivos Como se observa, el sistema esta formado por un
conjunto de mecanismos de representación de conocimiento relacionados entre
si y un conjunto de mecanismos de
percepción y actuación que permiten interactuar con el sistema y mantener
actualizada su información. Sin embargo la arquitectura no es tan simple ya que
un problema muy grave de este tipo de sistemas se presenta en la adquisición,
mantenimiento y explotación del conocimiento, ya que llega un momento en que
el volumen de datos a manejar hace extremadamente complejo su tratamiento a
mano. Por lo que, en este trabajo se plantea que el
proceso de adquisición del conocimiento se debe realizar en forma
automatizada, se propone la integración de un conjunto de herramienta
evolutivas orientadas a la adquisición y mantenimiento del sistema basado en
conocimiento y en los siguientes puntos se describirá como se puede construir
un Sistema Evolutivo Basado en Conocimiento y bajo una
arquitectura por capas. 2.- GENERACIÓN AUTOMÁTICA
DEL DIRECTORIO DE DATOS Por ejemplo la creación del directorio de datos en
forma manual puede terminar siendo un proceso muy tedioso, ya que, cada
palabra clave en el directorio se necesita ubicar en los bancos de
información para detectar en que párrafos se presenta, de tal forma que cuando
un usuario pregunte por esa palabra el sistema le indique en que párrafos se
encuentra. Realizar lo anterior a mano puede ser un proceso
aburrido e impractico, por lo que desde hace muchos años se han desarrollado
herramientas que construyen los
directorios en forma automatizada. Por ejemplo durante los años 70's en El Colegio de
México se inicio el proyecto del Diccionario del Español en México donde se
propuso hacer un diccionario con todas las palabra que utilizan los
hispanohablantes en México, para realizar este proyecto se analizaron varios
millones de documentos buscando las diferentes palabras y sus significado. Definitivamente este proyecto no se hubiera podido
realizar manualmente, ya que la cantidad de información a tratar era enorme,
por lo que se construyo, bajo la dirección del Ing. José Cen Zubieta un
sistema de apoyo automatizado, al cual se le daban como entrada los
documentos a analizar y el sistema generaba para cada palabra la lista de los
párrafos donde aparecía esa palabra, de tal forma que los lingüista podían
estudiar el uso de cada palabra en diferentes contextos y de ahí le asociaban
su significado. Basados en la idea anterior se puede construir una
herramienta que analice los documentos almacenados en el banco de información
y a partir de ahí la primera capa del sistema evolutivo toma los datos del
banco y construye el directorio de datos, indicando para cada palabra clave
la localización de los párrafos donde aparece. 3.- GENERACIÓN AUTOMÁTICA
DE LA B. DE CONOCIMIENTOS No solo la creación del directorio de datos puede
ser un problema oneroso, también la creación y mantenimiento de los otros
componentes del sistema puede llegar a ser muy pesado para realizarse a mano, por lo que, como siguiente
capa del sistema se integrara un mecanismo que permita la construcción
automática de la Base de Conocimiento. La Base de Conocimiento es uno de los componentes
mas importantes de un sistema basado en conocimiento, ya que permite
representar las interrelaciones entre las diferentes palabra claves y su
significado. Existen varios mecanismos para representar el
conocimiento, pero uno de los mas usados son las redes semánticas, donde
una red semántica esta formada por hechos o reglas de la forma objeto relación objeto (o r o), por
ejemplo a partir de la oración: Juan
es hermano de Pedro se detecta que Juan
es un objeto, es hermano de
es una relación y Pedro es
otro objeto por lo que de esta oración se obtienen directamente los
componentes de una red semántica. Por lo común los documentos no vienen divididos en
párrafos de la forma oro, por
ejemplo si observa este articulo se dará cuenta que existen pocas oraciones
donde directamente aparezca un objeto seguido de una relación y de otro
objeto, por lo que si se quiere construir la
red semántica a partir de las oraciones presentes en un documento se
requiere de un análisis mas profundo, esto fue lo que realizo Jesús Olivares
en su tesis de licenciatura "Sistemas Evolutivos para Representación de
Conocimiento" desarrollada en la UPIICSA del IPN [3], donde planteo un
mecanismo evolutivo para construir un base de conocimientos basada en una Red
Semántica Aumentada (Que almacena
datos, imagen y sonido). La idea de Jesús consistió basicamente en aplicar
una serie de técnicas de Inferencia Gramatical basadas en la distribución
lingüística [3][4], para transformar una oración compuesta de múltiples
elementos en un conjunto de oraciones semanticamente equivalentes a la
original, donde cada oración final es de la forma oro, por lo que, son fácilmente representadas con una red
semántica. Por ejemplo en la oración: Juan estudia en el poli, trabaja en el INEGI y vive
en Lindavista. se tienen varios hechos pero sin embargo no son
directamente representables mediante una red semántica, por lo que se le aplicara
la distribución lingüística, por facilidad representaremos los elementos de
la oración mediante letras y números, de tal manera que se note directamente
cuales son los objetos, cuales las relaciones y cuales los separadores: Juan es un objeto o0 estudia en el
es una relación r1 poli es un objeto o1 , es un separador + trabaja en el
es una relación r2 INEGI
es un objeto o2 y es un separador + vive en
es una relación r3 Lindavista
es un objeto o3 de donde la
oración queda representada como: o0 ( r1o1 + r2o2 + r3o3 ) El paréntesis que esta después de o0 refleja que tiene relación con
todos los demás elementos de la oración (En la tesis de Elsa Berruecos[6] se
presenta un método para encontrar en forma automática la dependencia entre
los diferentes elementos de una oración). si se toma la oración y se le aplica la operación de distribución del álgebra queda: o0 ( r1o1 + r2o2 + r3o3 ) = o0r1o1 + o0r2o2 + o0r3o3 y si sustituimos el significado de los diferentes
elementos tenemos que: o0r1o1
Juan estudia en el poli + , o0r2o2
Juan trabaja en el INEGI + y o0r3o3
Juan vive en Lindavista. o sea que a partir de una oración compleja se
obtuvieron tres oraciones simples del tipo oro que mantienen el significado de la oración original y que son
directamente representables en una red semántica. 4.-GENERACIÓN AUTOMÁTICA
DE LAS REGLAS DE INFERENCIA El conjunto de reglas de inferencia es otro de los
componentes básicos de un Sistema Basado en Conocimiento y nuevamente su
generación manual puede ser muy tediosa por lo que nos basaremos en un trabajo
desarrollado junto con Javier Ortiz en el CENIDET de Cuernavaca [5] para la
generación automatizada de reglas de inferencia. Para lo cual partiremos que en general una regla
de inferencia es un regla de la forma: Si A entonces B O sea que si se cumple A entonces B es cierto,
donde A en general es un conjunto de condiciones o síntomas sobre un problema
y B en general se puede ver como una acción o conjunto de acciones que se
ejecutan si se cumple A, en particular B es el diagnostico y tratamiento asociado
con los síntomas de A. Para encontrar las reglas de inferencia a partir de
un documento se toma del documento un párrafo donde se presente un conjunto
de síntomas asociados con un
diagnostico y con un conjunto de
tratamientos, se sustituye cada elemento por una representación interna donde
se indica si un elemento es síntoma, diagnostico o tratamiento e ignorando
los elemento que no tengan significado por lo que al final queda una
representación de la forma: s1s2s3....sn d t1t2...tm esto se realiza
para todos los párrafos del documento y al final se cuenta con un conjunto de
reglas como: s1s2s3....sn d1
t1 sm..........sx
d2 t2
| | |
| | | sy...........sz
dz tz Ahora bien asociada con la distribución lingüística
se encuentra otra operación algebraica conocida como factorización
lingüística y que es inversa de la distribución o sea que si factorizamos o0 de la oración o0r1o1 + o0r2o2 + o0r3o3 nos
queda o0 ( r1o1 + r2o2 + r3o3 ) Lo interesante es que si mediante la distribución se
pueden encontrar los componentes de la base de conocimientos, mediante la
Factorización Lingüística se pueden encontrar las reglas de inferencia del sistema basado en conocimiento, ya que
solo se necesitan tomar las reglas encontradas anteriormente, verlas como una
expresión algebraica y factorizar los elementos comunes, de tal manera que
los síntomas comunes a varios diagnósticos quedan juntos y los síntomas particulares de un diagnostico
quedan asociados con el. CONCLUSIÓN Como se puede ver en este documento partimos de que
se cuenta con un banco de información al que se le aplican técnicas
evolutivas para construir el Directorio de Datos, la Base de Conocimiento y
el conjunto de Reglas de Inferencia. Lo maravilloso de este enfoque es que a partir de la
misma fuente de información se pueden encontrar diferentes niveles de
representación de conocimiento y lo que se esta realizando es un dialogo con
el interior del Banco de Información para encontrar reglas y conocimiento que
se encuentra inmerso en las fuentes de información y que por lo común se
pierden. Con este trabajo se quiere mostrar que en los bancos
de información se tiene una gran cantidad de información oculta, que solo es
necesario construir herramientas capaces de realizar procesos de dialogo con
los almacenes de información y estos mecanismos son capaces de encontrar una
gran cantidad de información inmersa y que hasta el momento no se aprovecha
por no contar con las herramientas adecuadas, pero principalmente por
desconocimiento de que estamos sentados sobre una mina de información y no sabemos aprovecharla o siquiera
que existe. BIBLIOGRAFÍA 1.- Sistemas Evolutivos:
Nuevo Paradigma de la Informática. Fernando
Galindo Soria. Memorias de la XVII Conferencia
Latinoamericana de Informática Caracas, Venezuela. Julio, 1991. 2.- Sistemas Evolutivos. Fernando
Galindo Soria. Boletín de Política Informática;
INEGI-SPP. México, Septiembre de 1986. 3.- Sistema Evolutivo
para Representación de Conocimiento. Jesús
Olivares Ceja. UPIICSA-IPN. 4.- Algunas Propiedades
Matemáticas de los Sistemas Lingüísticos. Fernando
Galindo Soria. Memorias del Simposium Nacional de
Computación. México, Noviembre de 1992. 5.- Sistemas Evolutivos
Constructores de Sistemas Expertos. Javier
Ortiz Hernández, Fernando Galindo Soria. Cenidet-DGIT, UPIICSA-IPN. Cuernavaca, Mor. 1988. 6.- Sistema Evolutivo
Generador de Esquemas Lógicos de Bases de Datos Elsa
Berruecos Rodríguez. UPIICSA-IPN México, 1990. |