¿Qué posee el hombre para actuar de una manera que ni las

máquinas pueden imitar con perfección?

 Incertidumbre
¿Qué es?

Es un aspecto clave del razonamiento y la inteligencia humana

Saber cuándo deberían dudar de sí mismos

Se usa para que un sistema nos proporcione una medida de lo
seguro que está de la decisiones que va a tomar.
Comportamiento bajo
incertidumbre
 Comportamiento bajo
incertidumbre

 En la vida real es necesario tomar decisiones y en base a ello

deducir nuevos hechos a partir de esa información.
 El modelo ideal del razonamiento humano no es el razonamiento
exacto.
 ¿Verdadero o Falso?
 Comportamiento bajo
incertidumbre

 Casi nunca se puede afirmar que las proporciones son ciertas o

falsas.
 En la práctica, los programas tienen que saber actuar en
situaciones de incertidumbre.
 Usando una teoría del mundo simple pero errones, que no tiene
en cuenta la incertidumbre y funciona la mayoría de las veces.
 Manejando el conocimiento incierto y la utilidad de manera
racional.
 Manipulación del
conocimiento incierto

Usando lógica de predicados de primer orden en un dominio

como el diagnóstico falla por tres razones principales.
 Pereza .
 Ignorancia teórica.
 Ignorancia práctica.
Manipulación del
conocimiento incierto
 En dominios sentenciado el conocimiento de un agente
proporciona solo un grado de creencia en las oraciones.
 La herramienta para tratar estos grados de creencias es la teoría
de la probabilidad.
 La probabilidad proporciona una manera de resumir la
incertidumbre que se deriva nuestras perezas e ignorancias.
 La creencia puede provenir de datos estadísticos o de reglas
generales o de una combinación de fuentes de indicios.
 Asignar la probabilidad de 0 a una oración determinada
corresponde a creencias equívocas de que la oración es falsa.
 Asignar la probabilidad de 1 a una oración determinada
corresponde a creencia equivoca de que la oración es
verdadera.
Manipulación del
conocimiento incierto
 La oración en si misma es el hecho verdadera o falsa.
 El grado de creencia es diferente del grado de veracidad.
 Una probabilidad de 0.8 no significa "80% verdadero" si no una
expectativa muy fuerte de que algo sea verdadero.
 La teoría de la probabilidad cumple con la misma obligación
antología que la lógica: los hechos del mundo son verdaderos o
no.
 Todas las oraciones deben así indicar la evidencia con respecto a
la cual se está calculando la probabilidad.
 Cuando el agente recibe nuevas percepciones/evidencia sus
valoraciones de probabilidad de actualizan .
 Antes de que la evidencia de obtenga se habla de probabilidad a
priori o incondicional.
 Después de obtener la evidencia se habla de probabilidad
condicional o posterior.
Notaciones básicas con
probabilidades

 Los grados de creencia se aplican siempre a las proporciones,

afirmaciones de que tal o cual es el caso.
 Cómo con las variables PSR , las variables aleatorias (VAs)
booleanos , tal como la caries tienen valor de verdadero o falso.
 Las (VAs) discretas que incluyen las VAs booleanas como un caso
especial , tomen valores en un dominó contable.
 Las VAs continuas toman sus valores de los números reales.
 Ejemplos de áreas

La incertidumbre es un concepto relativo del enunciado información

. No es posible determinar con seguridad su validez, verdadero o
falso.
 Diagnóstico médico.
 Predicción financiera.
 Explotación minera.
 Reconocimiento del lenguaje natural.
 Supervisión control de procesos industriales complejos.
 MYCIN

Sistema experto

Primer sistema experto en procesar a nivel de

Edward Shortliffe (70´s)
un humano experto y proveer al usuario con
una explicación de su razonamiento .

Factores de certeza
 Factores de certeza

Son números entre -1 y 1 que se usan para expresar

el grado de creencia de dos formas
Ejemplos
Criterios de Verificación
y
validación (V&V)
 Sistema Prospector
Descendiente de Mycin

Es un sistema experto basado en una red de inferencia, el cual

su base de conocimientos no se estructura como un conjunto
de reglas, En su representación del conocimiento se hace uso
en parte de redes semánticas muy elementales y el grafo
dirigido que se utiliza para el razonamiento puede
interpretarse como un sistema de producción aunque con
mecanismos específicos como pueden ser la equiparación de
sentencias, el establecimiento de nodos contexto o la
existencia de nodos AND y OR.