SlideShare una empresa de Scribd logo
1 de 21
José M. Torres
C.I 19.106.680
El conocer es un hecho primario, espontáneo e instintivo, y
por ello no puede ser definido estrictamente. Se podría
describir como un ponerse en contacto con el ser, con el mundo
y con el yo; también podríamos decir que es un proceso en el
que están vinculados estrechamente las operaciones y
procedimientos mentales, subjetivos, con las operaciones y
formas de actividad objetivas prácticas, aplicadas a los
objetos.
El conocer se caracteriza como una presencia del objeto frente
al objeto: el sujeto se posesiona en cierta forma del objeto,
lo capta y lo hace suyo, reproduciéndolo de tal manera que
responda lo más fielmente posible a la realidad misma del
objeto. Por medio de esta reproducción, se tiene la imagen, no
física como sería una fotografía, sino psíquica, cognoscible,
intencional.
 Cobertura, significa que la representación del conocimiento
cubre la información en anchura y profundidad.
 Comprensible por humanos. La representación del conocimiento
es vista como un lenguaje natural, así que la lógica debería
fluir libremente.
 Consistencia. 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
 Cobertura, significa que la representación del conocimiento
cubre la información en anchura y profundidad.
 Comprensible por humanos. La representación del conocimiento
es vista como un lenguaje natural, así que la lógica debería
fluir libremente.
 Consistencia. 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
Voluminoso
Difícil
Caracterización
Impreciso
Indeciso
Actualiza
Constantemente
Para representar algo necesitamos saber su forma o estructura:
Que uso le dan los seres inteligentes
Que uso le dará una inteligencia artificial
Como adquirir el conocimiento
Como almacenarlo y manipularlo.
 Conocimiento Declarativo
 Conocimiento Procedimental
 Conocimiento Heurístico
Conocimiento Declarativo:
Son hechos sobre objetos o situaciones. Posee mayor
capacidad expresiva, menor capacidad creativa o
computacional. es conocimiento pasivo, expresado como
sentencias acerca de los hechos del mundo que nos rodea. La
información personal en una base de datos es un típico
ejemplo de conocimiento declarativo. Tales tipos de datos
son piezas explícitas de conocimiento independiente.
El conocimiento declarativo puede ser representado con
modelos relacionales y esquemas basados en lógica. Los
modelos relacionales pueden representar el conocimiento en
forma de árboles, grafos o redes semánticas. Los esquemas
de representación lógica incluyen el uso de lógica
proposicional y lógica de predicados.
 Conocimiento relacional: conjunto de relaciones expresables
mediante tablas como en una Base de Datos. Hemos de aportar
procedimientos que lo enriquezcan Motor de inferencia:
genera conocimiento a partir de información. Ej.: media de
compras en una población, mejor cliente, tipología de
cliente.
 Conocimiento heredable: Estructuración jerárquica del
conocimiento taxonomía jerárquica. Se trata de construir un
árbol o grafo de conceptos basado en la generalización o
especialización
 Conocimiento inferible: Conocimiento descrito mediante
lógica. Se puede utilizar la semántica de los operadores y
el Modus Ponens para inferir nuevo conocimiento.
Es aquel conocimiento compilado que se refiere a la forma
de realizar una cierta tarea el saber cómo hacerlo. Por
ejemplo, los pasos necesarios para resolver una ecuación
algebraica son expresados como conocimiento procedimental.
Los modelos procedimentales y sus esquemas de
representación almacenan conocimiento en la forma de cómo
hacer las cosas. Pueden estar caracterizados por gramáticas
formales, usualmente implantadas por sistemas o lenguajes
procedimentales y sistemas basados en reglas sistemas de
producción. Por ejemplo, los pasos necesarios para resolver
una ecuación algebraica son expresados como conocimiento
procedimental.
Es un tipo especial de conocimiento usado por los humanos
para resolver problemas complejos.
El adjetivo heurístico significa medio para descubrir. Está
relacionado con la palabra griega heuriskein que significa
descubrir, encontrar. Se entiende por heurístico a un
criterio, estrategia, método o truco utilizado para
simplificar la solución de problemas.
La norma ISO 9241 en su parte número 12 (ISO 9241-12) nos
introduce como Etiqueta (Label) “Título descriptivo corto
para una entrada o campo de texto de solo lectura, tablas,
controles u objeto (…) Etiqueta incluye encabezamientos,
campos de aviso, textos descriptivos ejemplo: etiquetas de
iconos
Al respecto, esta misma norma nos propone algunos
consejos:
Las etiquetas deben explicar el propósito y el contenido
del ítem de información designado.
 Las etiquetas deben ser gramaticalmente consistentes.
 Las etiquetas deben estar localizadas adyacentemente al
ítem de información designado.
Son una estructura de datos compleja que representa una
situación estereotipada, en la que se organizar el
conocimiento como una colección de características comunes al
concepto, objeto, situación o sujeto.
Características Principales:
Precisión: se precisan los objetos, las relaciones entre
objetos y sus propiedades; en ausencia de evidencia contraria
se usan valores por omisión
Activación dinámica de procesos (Triggering): se pueden
adjuntar procedimientos a un marco o alguno de sus componentes
y ser llamados y ejecutados automáticamente tras la
comprobación de cambio de alguna propiedad o valor.
Herencia por defecto no-monotónica: los marcos están
conceptualmente relacionados, permitiendo que atributos de
objetos sean heredados de otros objetos predecesores en la
jerarquía
Modularidad: la base de conocimiento está organizada en
componentes claramente diferenciados
Estructura de un Slot:
Nombre: Cada slot debe tener un nombre único dentro del frame,
pero son propios de cada slot es decir dos o más frames pueden
coincidir en los nombres de los slots.
Valor del slot: Puede ser asignado inicialmente o estar vacío
para añadirle valor en procesos de búsqueda y razonamiento.
Procedimientos anexos: Estos son opcionales.
If – needed <procedimiento>: significa que antes de obtener el
valor del slot respectivo en una consulta, se ejecuta el
procedimiento adjunto y solo si tiene éxito se podrá obtener
el valor.
If – added <procedimiento>: significa que antes de asignarle
el valor al respectivo slot, debe ejecutarse con éxito el
procedimiento; de otra manera no se realizara acción alguna.
If – deleted <procedimiento>: Significa que antes de borrar el
valor del slot, debe ejecutarse con éxito el procedimiento; de
otra manera no se borrara el valor del slot.
Es un método procedimental de representación del conocimiento,
pone énfasis en representar y soportar las relaciones
inferenciales del algoritmo, en contraposición a los métodos
declarativos (hechos).
La estructura de una regla es:
SI <antecedentes>
ENTONCES <consecuentes>
Están basadas en la idea de que los objetos o los
conceptos pueden ser unidos por alguna relación. Estas
relaciones se representan usando una liga que conecte dos
conceptos.
Los nodos y las ligas pueden ser cualquier cosa,
dependiendo de la situación a modelar.
Una relación muy común que une a dos conceptos es la
relación es-un: A es-un B, la cual significa que A es un
concepto menos general que B.
Ejemplo: X es-un humano es-un animal
Existen otras relaciones comunes, como:
Tiene, es, causa, etc. Más aparte las que pudiera definir
el modelador de la red semántica.
 Captar generalizaciones.
 Ser comprensible.
 Fácilmente modificable, incrementable.
Ser usado en diversas situaciones y propósitos.
 Permitir diversos grados de detalle.
 Captar la incertidumbre, imprecisión.
 Representar distinciones importantes.
 Focalizar el conocimiento relevante.

Más contenido relacionado

La actualidad más candente

Tipos de búsqueda en Inteligencia Artificial
Tipos de búsqueda en Inteligencia ArtificialTipos de búsqueda en Inteligencia Artificial
Tipos de búsqueda en Inteligencia Artificial
Juank Grifin
 
Diccionario de datos
Diccionario de datosDiccionario de datos
Diccionario de datos
Jorge Garcia
 
Modelo entidad relacion
Modelo entidad relacionModelo entidad relacion
Modelo entidad relacion
danielglot
 
Componentes de un sistema de base de datos
Componentes de un sistema de base de datosComponentes de un sistema de base de datos
Componentes de un sistema de base de datos
Isabel
 
diseño lógico y diseño físico
diseño lógico y diseño físicodiseño lógico y diseño físico
diseño lógico y diseño físico
errroman
 

La actualidad más candente (20)

Ejemplo de diseño lógico estructurado
Ejemplo de diseño lógico estructuradoEjemplo de diseño lógico estructurado
Ejemplo de diseño lógico estructurado
 
Tipos de búsqueda en Inteligencia Artificial
Tipos de búsqueda en Inteligencia ArtificialTipos de búsqueda en Inteligencia Artificial
Tipos de búsqueda en Inteligencia Artificial
 
Modelos de datos
Modelos de datosModelos de datos
Modelos de datos
 
Representación del Conocimiento en la I.A
Representación del Conocimiento en la I.ARepresentación del Conocimiento en la I.A
Representación del Conocimiento en la I.A
 
Diccionario de datos
Diccionario de datosDiccionario de datos
Diccionario de datos
 
Modelo entidad relacion
Modelo entidad relacionModelo entidad relacion
Modelo entidad relacion
 
Componentes de un sistema de base de datos
Componentes de un sistema de base de datosComponentes de un sistema de base de datos
Componentes de un sistema de base de datos
 
Metodología orientada a objetos
Metodología orientada a objetosMetodología orientada a objetos
Metodología orientada a objetos
 
Bases de Datos Semanticas
Bases de Datos SemanticasBases de Datos Semanticas
Bases de Datos Semanticas
 
Diagrama de Flujo de Datos (DFD)
Diagrama de Flujo de Datos (DFD)Diagrama de Flujo de Datos (DFD)
Diagrama de Flujo de Datos (DFD)
 
Modelo relacional
Modelo relacionalModelo relacional
Modelo relacional
 
Sistemas operativos - Sistemas De Archivos - reporte unidad 5
Sistemas operativos - Sistemas De Archivos - reporte unidad 5Sistemas operativos - Sistemas De Archivos - reporte unidad 5
Sistemas operativos - Sistemas De Archivos - reporte unidad 5
 
Fundamentos de Bases de Datos - Introducción
Fundamentos de Bases de Datos - IntroducciónFundamentos de Bases de Datos - Introducción
Fundamentos de Bases de Datos - Introducción
 
Modelo del dominio
Modelo del dominioModelo del dominio
Modelo del dominio
 
diseño lógico y diseño físico
diseño lógico y diseño físicodiseño lógico y diseño físico
diseño lógico y diseño físico
 
Modelo relacional
Modelo relacionalModelo relacional
Modelo relacional
 
Modelos Lógicos Basados en Objetos
Modelos Lógicos Basados en ObjetosModelos Lógicos Basados en Objetos
Modelos Lógicos Basados en Objetos
 
Metodologia orientada a objeto
Metodologia orientada a objetoMetodologia orientada a objeto
Metodologia orientada a objeto
 
Introducción a ORMs
Introducción a ORMsIntroducción a ORMs
Introducción a ORMs
 
CONCEPTOS BÁSICOS DE BASE DE DATOS
CONCEPTOS BÁSICOS DE BASE DE DATOSCONCEPTOS BÁSICOS DE BASE DE DATOS
CONCEPTOS BÁSICOS DE BASE DE DATOS
 

Similar a Representacion de Conocimiento en I.A

Representación del conocimiento
Representación del conocimientoRepresentación del conocimiento
Representación del conocimiento
hitwinenze
 
Sem.investigac.encuentro 3. matrices de datos
Sem.investigac.encuentro 3. matrices de datosSem.investigac.encuentro 3. matrices de datos
Sem.investigac.encuentro 3. matrices de datos
Any Multirubro
 
El desarrollo de habilidades del pensamiento
El desarrollo de habilidades del pensamientoEl desarrollo de habilidades del pensamiento
El desarrollo de habilidades del pensamiento
Marco Antonio López
 
Ccnn deber para el jueves
Ccnn deber para el juevesCcnn deber para el jueves
Ccnn deber para el jueves
justin bieber
 
Tema iv organización lógica.1 b
Tema iv organización lógica.1 b Tema iv organización lógica.1 b
Tema iv organización lógica.1 b
Di Delphis
 

Similar a Representacion de Conocimiento en I.A (20)

Representación del conocimiento
Representación del conocimientoRepresentación del conocimiento
Representación del conocimiento
 
Conocimiento Inteligencia Artificial
Conocimiento Inteligencia ArtificialConocimiento Inteligencia Artificial
Conocimiento Inteligencia Artificial
 
Representación del Conocimiento en Inteligencia Artificial
Representación del Conocimiento en Inteligencia ArtificialRepresentación del Conocimiento en Inteligencia Artificial
Representación del Conocimiento en Inteligencia Artificial
 
Cap 3
Cap 3Cap 3
Cap 3
 
Representación del Conocimiento en Inteligencia Artificial
Representación del Conocimiento en Inteligencia ArtificialRepresentación del Conocimiento en Inteligencia Artificial
Representación del Conocimiento en Inteligencia Artificial
 
Conocimiento en la inteligencia artificial
Conocimiento en la inteligencia artificialConocimiento en la inteligencia artificial
Conocimiento en la inteligencia artificial
 
Representación del Conocimiento
Representación del ConocimientoRepresentación del Conocimiento
Representación del Conocimiento
 
Inteligencia artificial. Representacion del Conocimiento
Inteligencia artificial. Representacion del ConocimientoInteligencia artificial. Representacion del Conocimiento
Inteligencia artificial. Representacion del Conocimiento
 
Representación del Conocimiento
Representación del ConocimientoRepresentación del Conocimiento
Representación del Conocimiento
 
Inteligencia Artificial
Inteligencia ArtificialInteligencia Artificial
Inteligencia Artificial
 
Mecanismo de representación del conocimiento artificial
Mecanismo de representación del conocimiento artificial Mecanismo de representación del conocimiento artificial
Mecanismo de representación del conocimiento artificial
 
Conocimiento en Inteligencia Artificial
Conocimiento en Inteligencia ArtificialConocimiento en Inteligencia Artificial
Conocimiento en Inteligencia Artificial
 
Trabajo Modulo 5
Trabajo Modulo 5Trabajo Modulo 5
Trabajo Modulo 5
 
Representacion del conocimiento Edwin Mogollon
Representacion del conocimiento Edwin MogollonRepresentacion del conocimiento Edwin Mogollon
Representacion del conocimiento Edwin Mogollon
 
Sem.investigac.encuentro 3. matrices de datos
Sem.investigac.encuentro 3. matrices de datosSem.investigac.encuentro 3. matrices de datos
Sem.investigac.encuentro 3. matrices de datos
 
El desarrollo de habilidades del pensamiento
El desarrollo de habilidades del pensamientoEl desarrollo de habilidades del pensamiento
El desarrollo de habilidades del pensamiento
 
Ccnn deber para el jueves
Ccnn deber para el juevesCcnn deber para el jueves
Ccnn deber para el jueves
 
Representación del conocimiento
Representación del conocimientoRepresentación del conocimiento
Representación del conocimiento
 
Tema iv organización lógica.1 b
Tema iv organización lógica.1 b Tema iv organización lógica.1 b
Tema iv organización lógica.1 b
 
Representacion del Conocimiento Inteligencia Artificial
Representacion del Conocimiento Inteligencia ArtificialRepresentacion del Conocimiento Inteligencia Artificial
Representacion del Conocimiento Inteligencia Artificial
 

Más de Jose Miguel Torres Mendoza (8)

Diseño de software
Diseño de softwareDiseño de software
Diseño de software
 
Diseño de software
Diseño de softwareDiseño de software
Diseño de software
 
Mantenimiento de sistemas
Mantenimiento de sistemasMantenimiento de sistemas
Mantenimiento de sistemas
 
Calidad de software
Calidad de softwareCalidad de software
Calidad de software
 
Auditoria de sistemas
Auditoria de sistemasAuditoria de sistemas
Auditoria de sistemas
 
Diseño del proyecto sistemas II
Diseño del proyecto sistemas IIDiseño del proyecto sistemas II
Diseño del proyecto sistemas II
 
Arboles
ArbolesArboles
Arboles
 
Arboles
ArbolesArboles
Arboles
 

Último

MODIFICADO - CAPITULO II DISEÑO SISMORRESISTENTE DE VIGAS Y COLUMNAS.pdf
MODIFICADO - CAPITULO II DISEÑO SISMORRESISTENTE DE VIGAS Y COLUMNAS.pdfMODIFICADO - CAPITULO II DISEÑO SISMORRESISTENTE DE VIGAS Y COLUMNAS.pdf
MODIFICADO - CAPITULO II DISEÑO SISMORRESISTENTE DE VIGAS Y COLUMNAS.pdf
vladimirpaucarmontes
 
INSUMOS QUIMICOS Y BIENES FISCALIZADOS POR LA SUNAT
INSUMOS QUIMICOS Y BIENES FISCALIZADOS POR LA SUNATINSUMOS QUIMICOS Y BIENES FISCALIZADOS POR LA SUNAT
INSUMOS QUIMICOS Y BIENES FISCALIZADOS POR LA SUNAT
evercoyla
 
tesis maíz univesidad catolica santa maria
tesis maíz univesidad catolica santa mariatesis maíz univesidad catolica santa maria
tesis maíz univesidad catolica santa maria
susafy7
 
analisis tecnologico( diagnostico tecnologico, herramienta de toma de deciones)
analisis tecnologico( diagnostico tecnologico, herramienta de toma de deciones)analisis tecnologico( diagnostico tecnologico, herramienta de toma de deciones)
analisis tecnologico( diagnostico tecnologico, herramienta de toma de deciones)
Ricardo705519
 
4º Clase Laboratorio (2024) Completo Mezclas Asfalticas Caliente (1).pdf
4º Clase Laboratorio (2024) Completo Mezclas Asfalticas Caliente (1).pdf4º Clase Laboratorio (2024) Completo Mezclas Asfalticas Caliente (1).pdf
4º Clase Laboratorio (2024) Completo Mezclas Asfalticas Caliente (1).pdf
nicolascastaneda8
 

Último (20)

ingenieria grafica para la carrera de ingeniera .pptx
ingenieria grafica para la carrera de ingeniera .pptxingenieria grafica para la carrera de ingeniera .pptx
ingenieria grafica para la carrera de ingeniera .pptx
 
PostgreSQL on Kubernetes Using GitOps and ArgoCD
PostgreSQL on Kubernetes Using GitOps and ArgoCDPostgreSQL on Kubernetes Using GitOps and ArgoCD
PostgreSQL on Kubernetes Using GitOps and ArgoCD
 
Presentacion de la ganaderia en la región
Presentacion de la ganaderia en la regiónPresentacion de la ganaderia en la región
Presentacion de la ganaderia en la región
 
Desigualdades e inecuaciones-convertido.pdf
Desigualdades e inecuaciones-convertido.pdfDesigualdades e inecuaciones-convertido.pdf
Desigualdades e inecuaciones-convertido.pdf
 
413924447-Clasificacion-de-Inventarios-ABC-ppt.ppt
413924447-Clasificacion-de-Inventarios-ABC-ppt.ppt413924447-Clasificacion-de-Inventarios-ABC-ppt.ppt
413924447-Clasificacion-de-Inventarios-ABC-ppt.ppt
 
COMPEDIOS ESTADISTICOS DE PERU EN EL 2023
COMPEDIOS ESTADISTICOS DE PERU EN EL 2023COMPEDIOS ESTADISTICOS DE PERU EN EL 2023
COMPEDIOS ESTADISTICOS DE PERU EN EL 2023
 
MODIFICADO - CAPITULO II DISEÑO SISMORRESISTENTE DE VIGAS Y COLUMNAS.pdf
MODIFICADO - CAPITULO II DISEÑO SISMORRESISTENTE DE VIGAS Y COLUMNAS.pdfMODIFICADO - CAPITULO II DISEÑO SISMORRESISTENTE DE VIGAS Y COLUMNAS.pdf
MODIFICADO - CAPITULO II DISEÑO SISMORRESISTENTE DE VIGAS Y COLUMNAS.pdf
 
Tippens fisica 7eDIAPOSITIVAS TIPENS Tippens_fisica_7e_diapositivas_33.ppt
Tippens fisica 7eDIAPOSITIVAS TIPENS Tippens_fisica_7e_diapositivas_33.pptTippens fisica 7eDIAPOSITIVAS TIPENS Tippens_fisica_7e_diapositivas_33.ppt
Tippens fisica 7eDIAPOSITIVAS TIPENS Tippens_fisica_7e_diapositivas_33.ppt
 
Sistema de lubricación para motores de combustión interna
Sistema de lubricación para motores de combustión internaSistema de lubricación para motores de combustión interna
Sistema de lubricación para motores de combustión interna
 
INSUMOS QUIMICOS Y BIENES FISCALIZADOS POR LA SUNAT
INSUMOS QUIMICOS Y BIENES FISCALIZADOS POR LA SUNATINSUMOS QUIMICOS Y BIENES FISCALIZADOS POR LA SUNAT
INSUMOS QUIMICOS Y BIENES FISCALIZADOS POR LA SUNAT
 
tesis maíz univesidad catolica santa maria
tesis maíz univesidad catolica santa mariatesis maíz univesidad catolica santa maria
tesis maíz univesidad catolica santa maria
 
TIPOS DE SOPORTES - CLASIFICACION IG.pdf
TIPOS DE SOPORTES - CLASIFICACION IG.pdfTIPOS DE SOPORTES - CLASIFICACION IG.pdf
TIPOS DE SOPORTES - CLASIFICACION IG.pdf
 
Herramientas de la productividad - Revit
Herramientas de la productividad - RevitHerramientas de la productividad - Revit
Herramientas de la productividad - Revit
 
01 MATERIALES AERONAUTICOS VARIOS clase 1.ppt
01 MATERIALES AERONAUTICOS VARIOS clase 1.ppt01 MATERIALES AERONAUTICOS VARIOS clase 1.ppt
01 MATERIALES AERONAUTICOS VARIOS clase 1.ppt
 
analisis tecnologico( diagnostico tecnologico, herramienta de toma de deciones)
analisis tecnologico( diagnostico tecnologico, herramienta de toma de deciones)analisis tecnologico( diagnostico tecnologico, herramienta de toma de deciones)
analisis tecnologico( diagnostico tecnologico, herramienta de toma de deciones)
 
4º Clase Laboratorio (2024) Completo Mezclas Asfalticas Caliente (1).pdf
4º Clase Laboratorio (2024) Completo Mezclas Asfalticas Caliente (1).pdf4º Clase Laboratorio (2024) Completo Mezclas Asfalticas Caliente (1).pdf
4º Clase Laboratorio (2024) Completo Mezclas Asfalticas Caliente (1).pdf
 
ATS-FORMATO cara.pdf PARA TRABAJO SEGURO
ATS-FORMATO cara.pdf  PARA TRABAJO SEGUROATS-FORMATO cara.pdf  PARA TRABAJO SEGURO
ATS-FORMATO cara.pdf PARA TRABAJO SEGURO
 
Ejemplos aplicados de flip flops para la ingenieria
Ejemplos aplicados de flip flops para la ingenieriaEjemplos aplicados de flip flops para la ingenieria
Ejemplos aplicados de flip flops para la ingenieria
 
Análisis_y_Diseño_de_Estructuras_con_SAP_2000,_5ta_Edición_ICG.pdf
Análisis_y_Diseño_de_Estructuras_con_SAP_2000,_5ta_Edición_ICG.pdfAnálisis_y_Diseño_de_Estructuras_con_SAP_2000,_5ta_Edición_ICG.pdf
Análisis_y_Diseño_de_Estructuras_con_SAP_2000,_5ta_Edición_ICG.pdf
 
CALCULO SISTEMA DE PUESTA A TIERRA PARA BAJA TENSION Y MEDIA TENSION
CALCULO SISTEMA DE PUESTA A TIERRA PARA BAJA TENSION Y MEDIA TENSIONCALCULO SISTEMA DE PUESTA A TIERRA PARA BAJA TENSION Y MEDIA TENSION
CALCULO SISTEMA DE PUESTA A TIERRA PARA BAJA TENSION Y MEDIA TENSION
 

Representacion de Conocimiento en I.A

  • 1. José M. Torres C.I 19.106.680
  • 2. El conocer es un hecho primario, espontáneo e instintivo, y por ello no puede ser definido estrictamente. Se podría describir como un ponerse en contacto con el ser, con el mundo y con el yo; también podríamos decir que es un proceso en el que están vinculados estrechamente las operaciones y procedimientos mentales, subjetivos, con las operaciones y formas de actividad objetivas prácticas, aplicadas a los objetos.
  • 3. El conocer se caracteriza como una presencia del objeto frente al objeto: el sujeto se posesiona en cierta forma del objeto, lo capta y lo hace suyo, reproduciéndolo de tal manera que responda lo más fielmente posible a la realidad misma del objeto. Por medio de esta reproducción, se tiene la imagen, no física como sería una fotografía, sino psíquica, cognoscible, intencional.
  • 4.  Cobertura, significa que la representación del conocimiento cubre la información en anchura y profundidad.  Comprensible por humanos. La representación del conocimiento es vista como un lenguaje natural, así que la lógica debería fluir libremente.  Consistencia. 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
  • 5.  Cobertura, significa que la representación del conocimiento cubre la información en anchura y profundidad.  Comprensible por humanos. La representación del conocimiento es vista como un lenguaje natural, así que la lógica debería fluir libremente.  Consistencia. 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
  • 7. Para representar algo necesitamos saber su forma o estructura: Que uso le dan los seres inteligentes Que uso le dará una inteligencia artificial Como adquirir el conocimiento Como almacenarlo y manipularlo.
  • 8.  Conocimiento Declarativo  Conocimiento Procedimental  Conocimiento Heurístico Conocimiento Declarativo: Son hechos sobre objetos o situaciones. Posee mayor capacidad expresiva, menor capacidad creativa o computacional. es conocimiento pasivo, expresado como sentencias acerca de los hechos del mundo que nos rodea. La información personal en una base de datos es un típico ejemplo de conocimiento declarativo. Tales tipos de datos son piezas explícitas de conocimiento independiente.
  • 9. El conocimiento declarativo puede ser representado con modelos relacionales y esquemas basados en lógica. Los modelos relacionales pueden representar el conocimiento en forma de árboles, grafos o redes semánticas. Los esquemas de representación lógica incluyen el uso de lógica proposicional y lógica de predicados.
  • 10.  Conocimiento relacional: conjunto de relaciones expresables mediante tablas como en una Base de Datos. Hemos de aportar procedimientos que lo enriquezcan Motor de inferencia: genera conocimiento a partir de información. Ej.: media de compras en una población, mejor cliente, tipología de cliente.  Conocimiento heredable: Estructuración jerárquica del conocimiento taxonomía jerárquica. Se trata de construir un árbol o grafo de conceptos basado en la generalización o especialización  Conocimiento inferible: Conocimiento descrito mediante lógica. Se puede utilizar la semántica de los operadores y el Modus Ponens para inferir nuevo conocimiento.
  • 11. Es aquel conocimiento compilado que se refiere a la forma de realizar una cierta tarea el saber cómo hacerlo. Por ejemplo, los pasos necesarios para resolver una ecuación algebraica son expresados como conocimiento procedimental. Los modelos procedimentales y sus esquemas de representación almacenan conocimiento en la forma de cómo hacer las cosas. Pueden estar caracterizados por gramáticas formales, usualmente implantadas por sistemas o lenguajes procedimentales y sistemas basados en reglas sistemas de producción. Por ejemplo, los pasos necesarios para resolver una ecuación algebraica son expresados como conocimiento procedimental.
  • 12. Es un tipo especial de conocimiento usado por los humanos para resolver problemas complejos. El adjetivo heurístico significa medio para descubrir. Está relacionado con la palabra griega heuriskein que significa descubrir, encontrar. Se entiende por heurístico a un criterio, estrategia, método o truco utilizado para simplificar la solución de problemas.
  • 13.
  • 14. La norma ISO 9241 en su parte número 12 (ISO 9241-12) nos introduce como Etiqueta (Label) “Título descriptivo corto para una entrada o campo de texto de solo lectura, tablas, controles u objeto (…) Etiqueta incluye encabezamientos, campos de aviso, textos descriptivos ejemplo: etiquetas de iconos Al respecto, esta misma norma nos propone algunos consejos: Las etiquetas deben explicar el propósito y el contenido del ítem de información designado.  Las etiquetas deben ser gramaticalmente consistentes.  Las etiquetas deben estar localizadas adyacentemente al ítem de información designado.
  • 15. Son una estructura de datos compleja que representa una situación estereotipada, en la que se organizar el conocimiento como una colección de características comunes al concepto, objeto, situación o sujeto. Características Principales: Precisión: se precisan los objetos, las relaciones entre objetos y sus propiedades; en ausencia de evidencia contraria se usan valores por omisión Activación dinámica de procesos (Triggering): se pueden adjuntar procedimientos a un marco o alguno de sus componentes y ser llamados y ejecutados automáticamente tras la comprobación de cambio de alguna propiedad o valor. Herencia por defecto no-monotónica: los marcos están conceptualmente relacionados, permitiendo que atributos de objetos sean heredados de otros objetos predecesores en la jerarquía Modularidad: la base de conocimiento está organizada en componentes claramente diferenciados
  • 16. Estructura de un Slot: Nombre: Cada slot debe tener un nombre único dentro del frame, pero son propios de cada slot es decir dos o más frames pueden coincidir en los nombres de los slots. Valor del slot: Puede ser asignado inicialmente o estar vacío para añadirle valor en procesos de búsqueda y razonamiento. Procedimientos anexos: Estos son opcionales. If – needed <procedimiento>: significa que antes de obtener el valor del slot respectivo en una consulta, se ejecuta el procedimiento adjunto y solo si tiene éxito se podrá obtener el valor. If – added <procedimiento>: significa que antes de asignarle el valor al respectivo slot, debe ejecutarse con éxito el procedimiento; de otra manera no se realizara acción alguna. If – deleted <procedimiento>: Significa que antes de borrar el valor del slot, debe ejecutarse con éxito el procedimiento; de otra manera no se borrara el valor del slot.
  • 17.
  • 18. Es un método procedimental de representación del conocimiento, pone énfasis en representar y soportar las relaciones inferenciales del algoritmo, en contraposición a los métodos declarativos (hechos). La estructura de una regla es: SI <antecedentes> ENTONCES <consecuentes>
  • 19. Están basadas en la idea de que los objetos o los conceptos pueden ser unidos por alguna relación. Estas relaciones se representan usando una liga que conecte dos conceptos. Los nodos y las ligas pueden ser cualquier cosa, dependiendo de la situación a modelar. Una relación muy común que une a dos conceptos es la relación es-un: A es-un B, la cual significa que A es un concepto menos general que B. Ejemplo: X es-un humano es-un animal Existen otras relaciones comunes, como: Tiene, es, causa, etc. Más aparte las que pudiera definir el modelador de la red semántica.
  • 20.
  • 21.  Captar generalizaciones.  Ser comprensible.  Fácilmente modificable, incrementable. Ser usado en diversas situaciones y propósitos.  Permitir diversos grados de detalle.  Captar la incertidumbre, imprecisión.  Representar distinciones importantes.  Focalizar el conocimiento relevante.