Este documento compara y contrasta diferentes métodos de representación del conocimiento, incluyendo grafos y tripletas, reglas de producción, redes semánticas, marcos y sistemas basados en objetos. Cada método tiene ventajas como la flexibilidad y facilidad de comprensión, pero también desventajas como la dificultad para representar ciertos tipos de conocimiento, baja eficiencia al realizar inferencias, y falta de capacidad de aprendizaje. En general, ningún método es superior en todos los aspectos, por lo que la elección depen

1. sentación
ógica
Grafos and/or Tripletas o-a-v Reglas de producción Red semántica Frames P
ata con
iciones y no
mbigüedad en
sentación. La
ntación lógica
a sacar una
ón basada en
condiciones.
Es una forma de gráfico o
árbol utilizado en la
resolución y
descomposición de
problemas.
Una forma común de
representar conocimiento es
usar la tripleta objeto,
atributo y valor (OAV). Los
objetos son físicos o son
conceptuales. Un objeto
puede tener varios atributos.
Es un método
procedimental que pone
énfasis en representar y
soportar las relaciones
inferenciales del algoritmo,
en contraposición a los
métodos declarativos
(hechos).
Es una forma de representación del
conocimiento lingüístico en la que los
conceptos y sus interrelaciones se
representan mediante un grafo
Es una estructura de datos que
posibilita «hablarle» al computador
e incluye conocimiento sobre un
objeto en particular
Se basa en el conce
permitiendo s
característ
mite hacer un
miento lógico.
base de los
guajes de
ramación.
Útil para ciertos problemas
donde la solución consiste
en descomponer el
problema en problemas
más pequeños.
Luego resolvemos estos
problemas más pequeños.
Fácil de extender porque
para añadir nuevas
relaciones solo es necesario
añadir una tripleta mas al
almacén
Fácil de compartir porque es
un lenguaje sencillo que se
estandariza alrededor de un
dominio y que puede ser
utilizado por todos para
referirse a ese dominio
Ese expresan en lenguaje
natural.
Son altamente modulares,
por lo que podemos
eliminar, agregar o
modificar fácilmente una
regla individual.
Son una representación natural del
conocimiento.
Transmiten significado de manera
transparente.
Estas redes son simples y fácilmente
comprensibles.
Facilita la programación al agrupar
los datos relacionados.
Es comparablemente flexible y
utilizada por muchas aplicaciones
en IA.
Es muy fácil agregar ranuras para
nuevos atributos y relaciones.
Es fácil incluir datos
predeterminados y buscar valores
faltantes.
La representación de cuadros es
fácil de entender y visualizar.
Cuenta c
Flexibilidad a tra
Resolución efe
Modularidad para f
pro
e algunas
ones y es un
trabajar con
ellas.
écnica de
ntación lógica
no ser muy
la inferencia
no ser tan
ciente.
Un pequeño cambio en los
datos puede causar un gran
cambio en la estructura del
árbol causando
inestabilidad.
A veces el cálculo puede
ser mucho más complejo
en comparación con otros
algoritmos.
A menudo implica más
tiempo para entrenar el
modelo.
El algoritmo es inadecuado
para aplicar la regresión y
predecir valores continuos.
Las tripletas que almacenan
información general de
dominio abierto enfrentan el
desafío de asociar los datos
con una ontología bien
definida. Es difícil modelar
una sola ontología para
representar todos los triples
en el almacén de triples.
A veces, es complicado
almacenar algún tipo de
conocimiento, que no se
puede representar
exactamente como un triple
pero lo suficientemente
significativo, en un almacén
triple. Las entidades que
tiene probablemente no se
pueden modelar como SPO.
El sistema de reglas de
producción no exhibe
ninguna capacidad de
aprendizaje, ya que no
almacena el resultado del
problema para usos futuros.
Durante la ejecución del
programa, muchas reglas
pueden estar activas, por lo
que los sistemas de
producción basados en
reglas son ineficientes.
Toman más tiempo computacional en
tiempo de ejecución, ya que
necesitamos atravesar el árbol de red
completo para responder algunas
preguntas
Las redes semánticas intentan modelar
una memoria similar a la humana (que
tiene 1015 neuronas y enlaces) para
almacenar la información, pero en la
práctica no es posible construir una red
semántica tan vasta.
Este tipo de representaciones son
inadecuadas ya que no tienen ningún
cuantificador equivalente, por ejemplo,
para todos, para algunos, ninguno, etc.
En el sistema de marco, el
mecanismo de inferencia no se
procesa fácilmente.
El mecanismo de inferencia no
puede proceder sin problemas
mediante la representación de
marcos.
La representación de marcos tiene
un enfoque muy generalizado.
Cambio en la fo
programación trad
ob
La ejecución de pr
objetos e
La necesidad de u
clases obliga
entren
1:
Rubí es un
odos los EJEMPLO