2. Reconocimiento del conocimiento
I.A
La representación del conocimiento y el razonamiento es un
área de la inteligencia artificial cuyo objetivo fundamental es
representar el conocimiento de una manera que facilite la
inferencia a partir de dicho conocimiento. Analiza cómo
pensar formalmente cómo usar un sistema de símbolos para
representar un dominio del discurso, junto con funciones que
permitan inferir sobre los objetos.
En el campo de la inteligencia artificial, la solución de
problemas puede ser simplificada con una elección apropiada
de representación del conocimiento
3. Existe un conjunto de técnicas de
representación como los marcos, las reglas,
el etiquetado y las redes semánticas, que
tienen su origen en teorías del procesamiento
de la información humana. Como el
conocimiento se usa para conseguir
comportamiento inteligente, el objetivo
fundamental de la representación del
conocimiento es representar el conocimiento
de manera que facilite el razonamiento. Una
buena representación del conocimiento debe
ser declarativa, además de conocimiento
fundamental.
4. La representación del conocimiento se entiende mejor en términos
de 3 roles fundamentales que juega, cada uno crucial para la
aplicación:
Una representación del conocimiento es fundamentalmente un
sucedáneo, un sustituto para el objeto en sí, usado para activar una
entidad a efectos de determinar las consecuencias, pensando en lugar
de actuando, o sea, razonando acerca del mundo en lugar de tomando
acción en él.
Es un grupo de compromisos ontológicos, una respuesta a la pregunta
sobre los términos en que se debe pensar acerca del mundo.
Es una teoría fragmentaria del razonamiento inteligente, expresado en
términos de tres componentes: (i) El concepto fundamental de la
representación del razonamiento inteligente; (ii) El conjunto de
inferencias que la representación sanciona; y (iii) El conjunto de
inferencias que recomienda.
5. Características
Una buena representación del conocimiento cubre seis características básicas:
Cobertura, que significa que la representación del conocimiento cubre la información en anchura y
profundidad. Sin una cobertura amplia, la representación del conocimiento no puede determinar nada ni
resolver ambigüedades.
Comprensible por humanos. La representación del conocimiento es vista como un lenguaje natural, así
que la lógica debería fluir libremente. Debería soportar la modularidad y la jerarquía de clases (los osos
polares son osos, que son animales). Debería además contar con primitivas simples que se combinen de
forma compleja.
Consistencia. Si Pedro ha cerrado la puerta, también puede ser interpretado como la puerta ha sido
cerrada por Pedro. Siendo consistente, la representación del conocimiento puede eliminar conocimiento
redundante o conflictivo.
Eficiencia.
Facilidad de modificación y actualización.
Soporte de la actividad inteligente que usa la base de conocimiento.
6. Formas para representar el
conocimiento
Una vez que se adquiere (del especialista) el conocimiento, es necesario
encontrar una representación simbólica, clara, precisa y completa del mismo. Para
ello podemos mencionar que existen diversas formas de representar el
conocimiento, como las siguientes:
Tripletas OAV
Permiten derivar una representación gráfica del conocimiento organizada en tres
niveles: objeto compuesto de atributos que contienen valores. Ejemplo
7. Redes Semánticas
. Ofrecen un esquema más general y desestructurado que las
tripletas OAV. Donde cada nodo representa cualquier concepto
u objeto, y los arcos representan relaciones que existen entre
dichos conceptos.
Ejemplo:
8. Frames (Marcos).
Un frame es una plantilla de objetos que contiene un conjunto
de slots. Cada slot puede ser de alguno de los siguientes tipos:
1)un atributo simple con un valor opcional de default; 2)un
procedimiento; 3)una restricción; 4)un apuntador a otro frame.
En programación ofrece uno de los mecanismos de
estructuración más poderosos y flexibles que existen en
Inteligencia Artificial, e.g. puede implementar cualquier
esquema de representación del conocimiento e incluso diversos
paradigmas de programación como orientado a objetos,
orientado a accesos, etc. Algunos idiomas de Lisp, como
CommonLisp y CLOS ofrecen frames. Sin embargo, la
complejidad de programar con frames puede fácilmente
tornarse inadmisible e ineficiente cuando se posee poca
habilidad, disciplina y conocimientos avanzados de
programación con frames.
9. Sistemas Basados en Reglas
En un sistema basado en reglas existen dos elementos básicos
que sirven para la representación del conocimiento:
Atributos : Un atributo es un símbolo que sirve para representar
un conocimiento factual, i.e. aserción o hecho. Un atributo
puede tener un valor indefinido, i.e. UNKNOWN, así como uno
o más valores, i.e. multivalor.
Reglas: sistemas constituidos primordialmente por un conjunto
de "reglas de producción" o "reglas de inferencia lógica" o
"reglas IF-THEN"