33

1. Razonamiento Basado en
Casos
Universidad Mariano Gálvez

2. Sumario
• Definiciones
• Cómo se vincula el RBC a la
Inteligencia Artificial?
• Paradigma del Razonamiento Basado
en Casos
• El Ciclo del RBC
• Procesos de Recuperación,
Reutilización, Revisión y Retención

3. Inteligencia Artificial
• Es la implementación de actividades
que se asocian con el pensamiento
humano (tomar decisiones, resolver
problemas y aprender) en una máquina
que muestre cierta inteligencia.

4. RBC
• En la década del 80 surgió un nuevo
paradigma de la IA,
el RBC.

5. Razonamiento Basado en Casos
• Es por un lado la forma en la cual la
gente utiliza casos para resolver
problemas, y por otro, las formas con las
que podemos hacer que las máquinas los
utilicen. (Kolodner – 1993)
• Es una reciente aproximación para
resolución de problemas y aprendizaje.
• Aamodt & Plaza - 1994

6. Razonamiento Basado en Casos
• Resuelve nuevos problemas adaptando
soluciones utilizadas en problemas
anteriores. (Riesbeck & Shank – 1989)
• Es la Resolución de un problema nuevo
recordando una situación similar previa
y reutilizando su información y
conocimiento.

7. Razonamiento Basado en Casos
• Gran cantidad de problemas
resueltos por los humanos se basa
en la combinación de conocimiento
de fondo y de casos pasados.

8. Características Generales
• El razonamiento es más un proceso de recordar
y modificar que de descomponer y recomponer.
• La segunda vez que se hace una tarea o un
trabajo es más fácil que la primera porque se
recuerdan y repiten soluciones previas.
• Los errores anteriormente cometidos son
conocidos y evitados.
• Memoria dinámica y ricamente indexada.

9. Características Generales
• Adaptar y combinar viejas soluciones para
resolver problemas nuevos.
• Criticar nuevas soluciones basándose en
casos anteriores.
• Justificar nuevas soluciones.

10. Objetivos Generales
• Generar nuevas soluciones a partir
de soluciones o casos ya conocidos.
• Ayudar en la toma de decisión a partir
de la experiencia y conocimiento
previo.

11. Vínculo del RBC y la IA
• El RBC es una técnica de la IA, que se ocupa
de los mecanismos mentales necesarios, para
repetir lo que se ha hecho o vivido con
anterioridad, ya sea por experiencia propia o
por casos concretos.
• La experiencia es transferida a una
“computadora” para que esta emule el
razonamiento humano.

12. Paradigma RBC
• Nuevos problemas (casos)
pueden ser resueltos por
adaptar soluciones de
problemas (casos) similares
resueltos en el pasado.
(Riesbeck y Schank, 1989)

13. Reglas vs Casos
1. El proceso de Extracción
del Conocimiento es muy
difícil.
2. Su construcción requiere
de habilidades especiales
3. Normalmente son lentos e
incapaces de acceder
grandes cantidades de
información.
4. Son difíciles de mantener.
1. El proceso de extracción
consiste en almacenar casos
históricos.
2. Su construcción se reduce a
identificar atributos relevantes
con los cuales se describen
los casos.
3. Utiliza técnicas de base de
datos para manejar grandes
volúmenes de información
4. Adquiere nuevo conocimiento
con cada caso haciendo su
mantenimiento mas fácil,
refleja la experiencia
acumulada.

14. Principales Retos
¿Cómo se representa un caso?
¿Cómo se organizan y se indexan los
casos en la memoria?
¿Cómo se recuperan el (los) caso(s)
similar(es) de la memoria?
¿Cómo adaptar la solución del (los)
caso(s) recuperado(s)?
¿Cómo evaluar la nueva solución?
¿Cómo determinar si el nuevo caso
debería ser retenido en la memoria?

15. PROBLEMA
Solución Confirmada
Solución Sugerida
Caso
Nuevo
Caso
Recuperado
Caso
Nuevo
Caso
Aprendido
Conocimiento
General
Casos
Previos
Casos
Previos
Caso
Resuelto
Caso
Reparado
Verificado
Recuperar
Reutilizar
Revisar
Recordar

16. Profesores, alumnos, especialist
Consultando la BC
Retención de
caso resuelto
por el experto
El sistema de trabajo con la Base de Casos (BC)
Consultas a
la BC
Si caso no
resuelto
totalmenteConsulta a
expertos

17. Tareas de un sistema RBC

18. •Identificación de características: Determinar
los descriptores relevantes al problema.
•Match inicial: Set de candidatos plausibles, a
partir de los descriptores
•Selección: Elegir el mejor match entre los
candidatos plausibles.
Recuperación

19. El mejor match recuperado sugiere la solución
al nuevo caso. El análisis se focaliza en:
• Diferencias entre caso recuperado y el nuevo
caso.
• Porción de la solución que se puede transferir.
Puede ser:
• Copia: Muy simple, se transfiere al nuevo caso la
solución sin modificaciones.
• Adaptación: Se transforma la solución para
transferirla.
Reutilización

20. •Evaluación: En el mundo real.
•Reparación: Detección de errores y
reparación de la solución.
Revisión

21. •Extracción: Se decide que información
corresponde retener.
•Indexación: Qué tipo de índices y cómo
estructurar el espacio de búsqueda.
•Integración: Incorporación a memoria.
Retención

22. Base de casos (BC)
Construcción de la
BC
Organización de la
BC
Estructura de la
BC
C o n t e m p l a
Rasgos (atributos)
y valores asociados
(Ej fiebre y sus
valores)
•Lineal o
•Jerárquica
(SISI lo hace lineal)
•Automática a partir
de B de Datos
•Sistema Inteligente
para adquisición de
Casos
• Manual con un editor
(como lo hace SISI)
tiene
es Puede ser

23. 1
( , ) * ( , )
n
i
P C wi i Pi Ci

 
1
( , )
0
x y
x y
x y
 
   
 
Donde wi es la importancia del rasgo, Pi y Ci son
los valores que el rasgo i tiene en el problema y en
el caso, respectivamente, y es la función de
comparación para el rasgo i.

Función de Semejanza

24. Clientes
Operadores de “help desk”
Retención de
caso resuelto
por el experto Caso no
resuelto
Experto
Sistema de RBC
Sistema SMART de COMPAQ

25. • El impacto del sistema.
• Incremento de solución de problemas del
50% al 87%
• Premio de aplicación innovador en Inteligencia
Artificial.
• Llegó a resolver el 95% de problemas
exitosamente.
• Llamadas tomaron en promedio 2
minutos.
• Incremento en las ventas de productos.
Sistema SMART de COMPAQ

26. • Case-1, CaseAdvisor, y CBR3 (CBR
Express, CasePoint, Generator,
Tester, and Casepoint WebServer)
• ART*Enterprise, CasePower y
ESTEEM
Específicamente para “Help desk”
Métodos propios para CBR
Herramientas de RBC

29. SI-Holmes

30. Un sistema de CBR es una forma de almacenar conocimiento (memoria corporativa)
de manera automática.
Medir la similitud entre casos es clave en un sistema de CBR.
Los sistemas de CBR han sido útiles en diferentes dominios donde no es fácil
formalizar el conocimiento.
Retos
Representación de casos complejos.
Problema de indexamiento: Organización de la memoria, creación de índices y
recuperación de (los) caso(s) que ayuden en la solución del nuevo problema.
Escalabilidad.
Establecer nuevas técnicas de adaptación de los casos.
Combinar CBR con otras técnicas de representación del conocimiento.
Administración de la memoria.
Resumen