INDIRA NOLIVOS ALVAREZ, PhD. CARLOS JORDAN VILLAMAR, MSc.

1. APLICACIÓN DE SISTEMAS EXPERTOS AL ANALISIS DE SISTEMAS • La ingeniería del conocimiento INDIRA NOLIVOS ALVAREZ, PhD. CARLOS JORDAN VILLAMAR, MSc.

2. SISTEMAS EXPERTOS Un sistema experto debe ser capaz de emular a un experto resolviendo un problema específico. evidencia Base de conocimiento Usuario • Datos • Hardware • Software experiencia Motor de inferencia Sistema experto

3. REPRESENTACION DEL CONOCIMIENTO • Motores de Inferencia están diseñados para un cierto tipo de representación del conocimiento como las reglas o la lógica. Regla 1: SI ?x trabaja para ESPOL ENTONCES ?x gana un buen salario • La manera en la que el conocimiento es representado afecta el desarrollo, eficiencia, velocidad y mantenimiento del sistema experto.

4. El CONOCIMIENTO EPISTEMIOLOGIA TEORIAS FILOSOFICAS CONOCIMIENTO PREVIO CONOCIMIENTO POSTERIOR ARISTOTELES PLATO KANT LOCKE MILL

5. TIPOS DE CONOCIMIENTO Conocimiento procedimental: knowhow Conocimiento declarativo: Proposiciones Conocimiento tácito: Conocimiento inconsciente

6. JERARQUIA DEL CONOCIMIENTO Meta conocimiento Conocimiento Información Data Ruido

7. REPRESENTACION DEL CONOCIMIENTO • Reglas de producción • Redes semánticas: conocimiento declarativo-estructura de conocimiento superficial • Esquemas: meta-conocimiento; causa-efecto • Marcos o cuadros: estereotipos, sentido común • Marcos situacionales • Marcos de acción • Lógica y conjuntos • VennDiagram

8. ADQUISICION DEL CONOCIMIENTO Experto Humano Diálogo Ingeniero del conocimiento Explícito Proceso clave en el desarrollo de un modeloexperto. Giarratano & Riley, 2002 Base de conocimiento del sistema experto

9. CRITERIOS • El propósito del ejercicio de modelaje. • La fase del proceso de construcción del modelo y el tipo de tarea que se realiza (Ej. extracción, exploración o evaluación). • Número de personas involucradas. • El tiempo disponible. • El costo del método.

10. METODOS • Métodos cualitativos: modelaje conceptual – basados en entrevistas • Metáfora-Analogía • Causal loopdiagrams • Métodos cuantitativos: modelaje formal • Construcción de modelos dinámicos • Construcción de modelos matemáticos

11. MÉTODO DE EXTRACCIÓN DEL CONOCIMIENTO • Fase de posicionamiento • Establecer el contexto • Enfocarse en una relación a la vez • Ilustrar el método • Fase de descripción • Descripción visual • Descripción verbal • Descripción textual • Descripción gráfica • Fase de discusión • Analizar descripciones individuales • Comparar descripciones

12. MOTOR DE INFERENCIA • Deducción: causa + reglaefecto • Abducción: efecto + reglacausa • Inducción: causa + efectoregla Data-driven Análisis de datos Goal driven Enfocado en la solución

13. ADQUISICION DEL CONOCIMIENTO Experto Humano Diálogo Ingeniero del conocimiento Explícito Proceso clave en el desarrollo de un modeloexperto. Giarratano & Riley, 2002 Base de conocimiento del sistema experto

14. PROCESO DE DECISION ANALISIS DEL PROBLEMA CONSTRUCCION DE MODELOS DISEÑO DE ALTERNATIVAS (SOLUCION) SELECCION DE UNA ALTERNATIVA

15. SISTEMA EXPERTO PROCESOSACTORES DEFINICION DEL PROBLEMA Expertos, involucrados, ingeniero del conocimiento DISEÑO DEL SISTEMA: Expertos, involucrados, Conocimiento, datos ingeniero del conocimiento asunciones, modelos-reglas IMPLEMENTACION DEL SISTEMA Ingeniero del conocimiento, programadores VALIDACION DEL SISTEMA Involucrados, Ingeniero del conocimiento, expertos

16. CONSTRUCCIÓN DE MODELOS • Identificación del objetivo: que debe arrojar el modelo? • Identificación de variables: cualitativas/cuantitativas • Identificación de procesos: simples/complejos • Identificación de interrelaciones: integración de procesos • Identificación de asunciones: contexto/simplificación • Identificación de escenarios: condiciones de fondo • Implementación formal

17. LA CUENCA DEL RIO CHAGUANA

18. OBJETIVO: MANEJO INTEGRADO DEL AGUA

19. ESTRATEGIA ANALISIS DEL PROBLEMA DE MANEJO DEL AGUA COLECCION DE DATOS// EXTRACCIÓN DEL CONOCIMIENTO ANALISIS DE DATOS Y CONOCIMIENTO ESTADISTICO EXPERTO SELECCION DE MODELOS IA / ESTADISTICOS / MATEMATICOS DESARROLLO DE APLICACIONES

20. Water Quality Crop Yield Export Price (-) (+) (+) Agricultural Practices: Pest Control (-) (+) Economical revenue (+) Environmental risks: Human health (-) Production Costs ANALISIS DEL PROBLEMA: MODELO CONCEPTUAL MODELO AGNPS (concentración de Propiconazole en ríos) No existemodelo formal

21. COLECCION DE INFORMACION

22. DATOS * (excepto2005) + (excepto2003)

23. MODELO EXPERTO Irrigación Fertilización Textura del suelo Irrigación & Drenaje Emisiónfoliar Lluvia Infr. Drenaje • Producción de banano Clima Laboresagrícolas Infección por Sigatoka negra Período de fumigación Estado de evolución de la enfermedad Hoja mas joven con síntomas

24. PARAMETRIZACION DEL MODELO EXPERTO • Datos: frecuenciarelativa de ocurrencia de un estado de la variable objetivofrente a la combinación de estados de las variables que la influenciandirectamente. (VALIDACION) • Estimacióndirecta de los parámetros: Cualesla probabilidad de que la produccion sea alta dado que drenaje & irrigación, prácticas agrícolas y fertilización son buenas, pero el clima es húmedo y la infección de Sigatoka negra es alta? • Estimación indirecta de parámetros: modelos canónicos: Noisy-OR Noisy-AND Asumen independencia de influencias causales.

25. TALLER SOBRE ESTRUCTURACION DEL CONOCIMIENTO CASO: Asesoría para ubicar una vivienda en Guayaquil, considerando los escenarios futuros de inundación por la acción del cambio climático. ACTORES: La dinámica del juego considera a tres participantes por grupo. • Experto: persona que maneja conocimiento, criterios y capacidad de juicio especializado. • Cliente: persona que recurre al experto en busca de una solución a su problema. • Ingeniero del conocimiento: observador que documenta la interacción entre el experto y el cliente, recreando el modelo de solución aplicado por el experto.

26. RECURSOS • Comunicación verbal explícita: Entrevistas estructuradas/no estructuradas (cliente, experto e ingeniero del conocimiento) • Datos del problema (cliente) • Criterios y juicios para la solución del problema (experto) • Reglas de producción, redes semánticas o esquemas (ingeniero del conocimiento) • Validación (experto e ingeniero del conocimiento)