Escolar Documentos
Profissional Documentos
Cultura Documentos
CONOCIMIENTOEINCERTIDUMBRE
RAZONAMIENTOAPROXIMADO CONOCIMIENTOEINCERTIDUMBRE
ndice
Presentacin.................................................................................................................................................3 Queselrazonamientoaproximado?........................................................................................................ 4 mbitosdeaplicacindelrazonamientoaproximado................................................................................. 5 Razonamientoaproximadoeincertidumbre.Dominiosinciertos...............................................................6 Razonamientoaproximadoeincertidumbre.Fuentesdeerror ...................................................................7 Mtodosderazonamientoaproximado....................................................................................................... 8 Elformalismodelosfactoresdecerteza(CF).............................................................................................. 9 PropagacindelosfactoresdecertezayregladeencadenamientoI.......................................................11 PropagacindelosfactoresdecertezayregladeencadenamientoII......................................................12 Resumen.....................................................................................................................................................13
RAZONAMIENTOAPROXIMADO CONOCIMIENTOEINCERTIDUMBRE
Presentacin
Elrazonamientoaproximadoseorientaatratarelconocimientoqueseutilizaenmltiplesdominios comolamedicinaoelderecho,odiferentesmbitosdelaingeniera.Enlaunidadanteriornoshemos centradoenlossistemasexpertosylossistemasbasadosenelconocimientoenlosquelosdatos, hechos,relacionesentreellos,yconocimientoengeneral,seencontrabandefinidosdeformaprecisay clara.Estonoocurreasenmltiplessituacionesdondeexisteincertidumbretantoenlosdatosconlos queelsistematrabaja,comoenelpropioconocimientoqueutilizanlosexpertos,quepuedeserms vagoeimpreciso. Lastcnicasderazonamientoaproximadoseorientanagestionarestetipodesituacionesdondelos datosyelconocimientosonmsimprecisos,vagosypuedenincluirdiferentesfuentesde incertidumbre.Enestaunidadtrataremoselrazonamientoaproximado,ynoscentraremosendos modelosqueresultanespecialmenterepresentativos:elformalismodelosfactoresdecertezayla lgicadifusa.
RAZONAMIENTOAPROXIMADO CONOCIMIENTOEINCERTIDUMBRE
Queselrazonamientoaproximado?
Deformacomplementariaalossistemasbasadosenelconocimientoquehemosvistoenlaanterior unidad,existenmuchasocasionesenlasqueesnecesariomodelarconocimientoenelquelasreglaso relacionesentrelosconceptosnosonexactamentedetipobinariosi/nooverdadero/falso. Enlavidadiariayenlatomadedecisionesendominiosconcretoseshabitualhacerusode conocimientoquerelacionaconceptosdeformamsambiguaoconunciertoniveldeincertidumbre. Enestetemaveremosunconjuntorepresentativodeelementosentornoalrazonamientoaproximado, quepermiteabordarestetipodesituaciones. Unconocimientodeestetipodelquehacemosusotodoslosdaspuedeserporejemplo:Siestmuy nublado,esposiblequelluevaenunashoras.Noesunconocimientoquepodamosrepresentar medianteunareglaounpredicadolgico.Noestamosexpresandoquesiestnubladollover,de formaprecisa. Noesfcilencontrarunacorrespondenciadelafraseanteriorconunlenguajederepresentacindel conocimientoquehemosvistoenlaunidadanterior.Incluyeunaciertagradacineincertidumbre.Por otraparte,esunconocimientoquepuederesultarnostilrepresentarysercapacesdeintegrarenun sistemaqueopereconl. Consideremoscomoejemplosencillolasiguienteregla: Sistemaexpertodeestaregla Lareglapodraencontrarseenunsistemaexperto,dentrodeunconjuntomsamplioenelquese estuvieserepresentandoelconocimientodesntomasdeenfermedades.
RAZONAMIENTOAPROXIMADO CONOCIMIENTOEINCERTIDUMBRE
mbitosdeaplicacindelrazonamientoaproximado
Losmbitosdeaplicacinenquesehanutilizadosistemasderazonamientoaproximadosonmltiplesy abarcanunamplioespectro,desdesistemasdecontroldetransporteferroviario,aireacondicionado, controldeaeronavesyprocesosindustriales,asistemasdeanlisisytomadedecisionesen biomedicina. Tcnicasdeestetiposehanaplicadoensistemasdiversos:debsquedadeinformacinenlaweb, filtradodespamypginasweb,marketingpersonalizado,comercioelectrnico,controldecuencas fluviales,clasificacindedatosestelares,encaminamientoyclasificacindetextos,yunlargo etctera. Porverenmsdetalle,porejemplo,eneldominiobiomdico,estetipodesistemashansidoutilizados enaplicacionesconcretasquehanincluido:
RAZONAMIENTOAPROXIMADO CONOCIMIENTOEINCERTIDUMBRE
Razonamientoaproximadoeincertidumbre.Dominiosinciertos
El razonamiento aproximado es la clave en sistemas orientados a campos de aplicacin en los que la incertidumbredelosdatosqueseanalizanyladelconocimientoconquesetrabajaenljuegaunpapel especialmenteprotagonista. Elcampodelamedicinaesunejemplodedominioincierto.Enlesfrecuenteunplanteamientoenel queseestudiaunpaciente,sepresentanunconjuntodesignosysntomas,yuninterroganteprincipal essaberquenfermedadtiene.Sepuedetenertanincorporadaestapreguntaquenosiempresees capazdepercibirelgradodeincertidumbreimplcito.Larelacinentrelossignosylossntomasdelas enfermedadesquelosproducenesvariable(existenpacientesconigualessntomasydiferentes enfermedades). De hecho, la secuencia de los eventos y los datos disponibles puede no ser conocida con exactitud. No aceptar un cierto grado de incertidumbre en la informacin puede abrir senderos rpidos pero equivocados. El paciente puede administrar datos equvocos,noestarsegurodetaloculafirmacinoevocacin, puede haber ausencia de informacin, errores y subjetividad porpartedelpacienteyporpartedelmdico. El proceso mental que acerca al diagnstico es complejo, el concepto de probabilidad e incertidumbre estn en mayor o menor grado presentes. Para medir la incertidumbre, se puede partirdeunconjuntograndequeincluyatodaslasposibilidades de diagnstico, luego construir un subconjunto acotado y asignar un nmero real que mida el grado de incertidumbre sobre tal o cual diagnstico. Puede ser necesario acudir a medidas de probabilidad, y la intuicin no estexcluidadelproceso. Elcampodelamedicinaesefectivamenteunoparadigmticodedominioincierto,perotodasestas fuentesdeincertidumbrepuedendarse,ydehechosedanenmltiplescamposdelasciencias naturales,elderecho,lashumanidadesylaingenieraensusdistintosmbitosdeaplicacin.
RAZONAMIENTOAPROXIMADO CONOCIMIENTOEINCERTIDUMBRE
Razonamientoaproximadoeincertidumbre.Fuentesdeerror
Existensituacionesdondelosdatosquedebeprocesarelsistema,oelconocimientoqueprovienedeun expertoyquequeremosincluir,seencuentranrodeadosdediferentesnivelesdeincertidumbre. Laincertidumbrepuedetenerorigenenlosdatos,porejemplo: Laincertidumbrepuedeprovenirtambindelconocimientorepresentadoeincluidoenelsistema,ya quepuede: Representarlamejorestimacindelosexpertos,basadaenasociacionesplausibleso estadsticasquehanobservado. Noserapropiadaentodaslassituaciones,sinosloenunsubconjuntonodeterminadode ellas. Teniendopresentesestasnumerosasfuentesdeerror,haymuchassituacionesenlasquelossistemas basadosenelconocimientorequierenlaincorporacindealgunaformadegestindelaincertidumbre. Cuandosedesarrollaunsistemahaytresaspectosprincipalesaconsiderar,(algunosavecessonsutiles peropuedentenerimpactosignificativoenelfuncionamientoyconclusionesobtenidosporunsistema): Losdatospuedennollegaronoestardisponiblesenundeterminadomomento. Losdatospuedenestardisponibles,peropuedenserambiguos,onoserdeconfianza,debidoa erroresenmedidas,medidasenconflicto,etc. Larepresentacindelosdatospuedeserimprecisaoinconsistente. Losdatospuedensersimplementelamejorestimacindeunusuario. Losdatospuedenservalorespordefecto,ylosvalorespordefectopuedentenerexcepciones.
RAZONAMIENTOAPROXIMADO CONOCIMIENTOEINCERTIDUMBRE
Mtodosderazonamientoaproximado
Enlaactualidadexisteunamplioabanicodediversosmtodosytcnicas,yaplicacionesbasadasen ellos,orientadosalaimplementacindediferentesformasderazonamientoaproximado:hacemosuna revisinsintticadealgunosdelosmsrelevantes. LasprimerasaproximacionessebasarondeformamuydirectaenelteoremadeBayes(alqueya hemoshechoreferenciaentemasanterioresdeestaasignatura)pararelacionarprobabilidadesde hiptesisyevidencias: Respectoalosprimerossistemasbasadosenelmtodoprobabilsticoclsico(avecesdenominado BayesIngenuo),elformalismodelosfactoresdecerteza(CF),supusounavancebsicoalpermitirla incorporacindecriteriosdeincertidumbreyprobabilidadenlasreglasdelossistemasexpertos. Mtodoprobabilsticoensistemasexpertos ElprimersistemaexpertoenincorporarlofueMYCIN,aprincipiosdelosaos70.Enaossiguientes,el formalismodelosfactoresdecertezarecibimejorasensufundamentacinyfueincorporadodeforma crecienteendiversossistemasyentornosdedesarrollo.Lasredesbayesianashansidoenciertamedida unacontinuacindirecta,yenlaactualidadsonutilizadasendiversosproductosdefabricantescomo Microsoft,Digital,HewlettPackard,IBM,InteloSiemens,ascomodefabricantestecnolgicosms especializados. Tambinhajugadounpapelrelevanteenelmbitodelrazonamientoaproximadolateoradela evidenciadesarrolladainicialmenteporDempsteren1967yposteriormenteextendidaporShaferen 1976,yqueeshabitualmentedenominadateoradeDempsterShafer. Tambin,enelmarcodelrazonamientoaproximado,lateoradeconjuntosdifusos,ylalgicadifusa basadaenella,hansidolabasedeunnmeromuyimportantetantodesistemascomodeentornosde desarrollo.
RAZONAMIENTOAPROXIMADO CONOCIMIENTOEINCERTIDUMBRE
Elformalismodelosfactoresdecerteza(CF)
Elconocimientoenunsistemaexpertoqueincorporeelformalismodelosfactoresdecerteza,se representacomounconjuntodereglasdelaforma:
RAZONAMIENTOAPROXIMADO CONOCIMIENTOEINCERTIDUMBRE
Explicacinregla Explicacindelaregla Conestaregla(quepuedesermuycuestionableenuncasoreal)estamosrepresentandoel conocimientodequesialguientienedolordecabeza,esprobablequetengalagripe.AlasignarleunCF =0,3alareglaR,estamosrepresentandoqueestimamosun30%aproximadamentedeque efectivamenteocurra,quesialguientienedolordecabeza,tengalagripe(estosecorrespondeconque estambinbastanteprobablequealguientengadolordecabeza,peroporotrasrazones,yquede hechonotengalagripe).
10
RAZONAMIENTOAPROXIMADO CONOCIMIENTOEINCERTIDUMBRE
PropagacindelosfactoresdecertezayregladeencadenamientoI
Eshabitualquetengamosunaseriedereglasyquetodasellasinfluyanenunadeterminadahiptesis.Es decir,paradosreglas,estasituacin:
R1: IF EVIDENCIA1 THEN HIPOTESIS (CF1) R2: IF EVIDENCIA2 THEN HIPOTESIS (CF2)
Enestecaso,surgelacuestindecmocomponerlosvaloresobtenidosparaelCFdeHIPOTESISapartir decadaunadeellas. Consideremosestosobreelejemplosencillo:
R1: IF dolor.de.cabeza THEN gripe (0,5) R2: IF fiebre THEN gripe (0,9)
SiporejemploobtenemoscomoresultadoparagripeunCF(gripe)=0,4aplicandoR1,yunCF(gripe)= 0,7aplicandoR2,cmocomponerambosvalores? PodramosporejemplointentarsumarambosCF,peroestecasonosmuestraquenopuedeseras,ya queobtendramosunCFde1,1y,pordefinicinelmximoCFes1,0(queseracertezaabsolutade tenerlagripe).VeremosacontinuacinlaexpresinquenospermitecomponerambosCFrespetando suspropiedades.
11
RAZONAMIENTOAPROXIMADO CONOCIMIENTOEINCERTIDUMBRE
PropagacindelosfactoresdecertezayregladeencadenamientoII
ElformalismodeCFincluyelassiguientesexpresionesparalacomposicindeCFdedosreglasque proporcionanevidenciaparalamismahiptesis:
12
RAZONAMIENTOAPROXIMADO CONOCIMIENTOEINCERTIDUMBRE
Resumen
Lastcnicasderazonamientoaproximadoseorientanatratarsituacionesendondelosdatosyel conocimientotienenunaciertaimprecisinopuedeincluirdiferentesfuentesdeincertidumbre.Eneste temahemosproporcionadounavisingeneraldequeselrazonamientoaproximadoyenqu aspectossecentra. Hemosvistoladiversidaddembitosdeaplicacindelrazonamientoaproximado,comolabiomedicina, elderechoolaingeniera.Laincertidumbrejuegaunpapelrelevanteenelconocimientoconelquese trabajaenmuchassituacionesdeestosmbitosdeaplicacin,ypuedeprovenirdediversasfuentes.
13