Universidad Fermin Toro Saia A

1. UNIVERSIDAD FERMIN TORO
FACULTAD DE INGENIERIA
ESCUELA DE COMPUTACIÓN
Cabudare, Diciembre 2017
Claudia Alejandra Russo Sciortino
C.I. V-25.177.406

2. CONOCIMIENTO
Definiciones:
Acción y resultado de conocer.
La Representación del conocimiento en la
Inteligencia Artificial
Facultad de entender y juzgar las cosas.
Conciencia, sentido de la realidad.
Entendimiento, inteligencia.
Ciencia, conjunto de nociones e ideas que se tiene sobre
una materia.

3. La Representación del conocimiento y el razonamiento es un
área de la Inteligencia Artificial
Representar el conocimiento de una manera que facilite la
Inferencia (sacar conclusiones) a partir de dicho
conocimiento
Analiza como pensar formalmente, como usar un
sistemas de símbolos para representar un dominio del
discurso, junto con funciones que permitan inferir sobre
los objetos
La Representación del conocimiento en la
Inteligencia Artificial
En el campo de la inteligencia artificial, la
solución de problemas puede ser
simplificada con una elección apropiada
de representación del conocimiento

4. CARACTERISTICAS
Cobertura, 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
Eficiencia
La Representación del conocimiento en la
Inteligencia Artificial
Comprensible por humanos. La representación del conocimiento es vista como
un lenguaje natural, la lógica debería fluir libremente. Debería soportar la
modularidad y la jerarquía de clases. 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
Soporte de la actividad inteligente que usa la base de conocimiento
Facilidad de modificación y actualización.

5. TIPOS DE
CONOCIMIENTOS
La Representación del conocimiento en la
Inteligencia Artificial
Conocimiento
Heurístico
Conocimiento
Declarativo
Conocimiento
Procedimental

6. TIPOS DE CONOCIMIENTOS
La Representación del conocimiento en la
Inteligencia Artificial
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 (el saber que hacer). Puede ser
representado con modelos relacionales y esquemas basados en
lógica. Los modelos relaciones pueden representar el conocimiento
en forma de árboles, grafos o redes semánticas. Los esquemas de
representación lógica incluyen el uso de lógica proposicional y de
predicados. La información personal en una base de datos es un
típico ejemplo de conocimiento declarativo. Tales tipos de datos son
pieza explícitas de conocimiento independiente.

7. TIPOS DE CONOCIMIENTOS
La Representación del conocimiento en la
Inteligencia Artificial
Conocimiento Procedimental
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 conocimientos 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
conocimientos procedimental.

8. TIPOS DE CONOCIMIENTOS
La Representación del conocimiento en la
Inteligencia Artificial
Conocimiento Heurístico
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

9. TECNICAS DE REPRESENTACION DEL CONOCIMIENTO
La Representación del conocimiento en la
Inteligencia Artificial
REGLAS
OBJETO
ATRIBUTO
VALOR
REDES
SEMANTICAS
HECHOS
INCIERTOS
MARCOS
HECHOS
DIFUSOS

10. TECNICAS DE REPRESENTACION DEL CONOCIMIENTO
La Representación del conocimiento en la
Inteligencia Artificial
Se utilizan para representar hechos
acerca de objetos y sus atributos,
especificando el valor de un atributo
para un determinado objeto. Por
ejemplo, para representar que el coche
es rojo, se tendría una tripleta Coche-
Color-Rojo.
Típicamente estas tripletas se
representan en forma de grafos,
utilizando una elipse para el objeto, un
cuadrado para el valor, y una flecha o
arco dirigido entre ambos elementos
representando el atributo.
Tripletas Objeto-Atributo-Valor
AtributoColor
Rojo
Coche Objeto
Valor

11. TECNICAS DE REPRESENTACION DEL CONOCIMIENTO
La Representación del conocimiento en la
Inteligencia Artificial
Hechos Inciertos
Las tripletas O-A-V indican que un objeto tiene un valor
asociado a un atributo de forma completa y con toda la certeza, es
decir, un coche es rojo o no lo es. Sin embargo no permiten asignar
graduaciones de certeza en estas asignaciones. Así por ejemplo,
existen situaciones en las que podríamos necesitar representar que
un determinado objeto posee un atributo con una determinada
certeza, lo que se suele denominar certainty factor. Mediante esta
técnica sería posible representar sentencias como “El coche es
bastante potente”, asignando una factor de certeza de 0.7 al
atributo potente

12. TECNICAS DE REPRESENTACION DEL CONOCIMIENTO
La Representación del conocimiento en la
Inteligencia Artificial
Hechos Difusos
Permiten representar conocimiento impreciso o ambiguo. Por
ejemplo, la expresión “Juan es viejo”, en comparación con “Juan es
joven” o “Juan es de mediana edad”, puede no ser sencilla de
representar con otras técnicas, ya que la edad es algo gradual, no
se pasa de ser joven un día a ser de mediana edad al siguiente. Esta
técnica lo que permite es definir funciones de membresía que
asignan un valor entre 0 y 1 a cada valor. Así por ejemplo, la función
de membresía de edad, asignaría un 1 a joven si la persona tiene 10
años, pero este valor iría decreciendo conforme aumentase la edad
hasta llegar a 0, pero teniendo en cuenta que antes de eso se
habría ido incrementando el valor de membresía de “mediana
edad” e incluso de “viejo”, pudiendo haber edades como los 45, en
los que se podría decir que con una persona es joven con un 0.2,
vieja con un 0.2 y de mediana edad con un 0.6.

13. TECNICAS DE REPRESENTACION DEL CONOCIMIENTO
La Representación del conocimiento en la
Inteligencia Artificial
Reglas
Esta técnica representa el conocimiento
presentando unas premisas o condiciones y las
conclusiones o acciones que de ellas se derivan.
Se suelen representar de la forma IF – THEN –.
Las premisas se colocan a continuación del IF en
forma normalmente de tripletas O-A-V y
utilizando operadores booleanos, mientras que las
conclusiones definirían nuevos hechos o
realizarían acciones. Por ejemplo, podríamos tener
la siguiente regla para representar que si hay que
ir a trabajar y está lloviendo hay que coger el
paraguas: IF “es hora de ir a trabajar” AND “está
lloviendo” THEN “tengo que coger el paraguas”.

14. TECNICAS DE REPRESENTACION DEL CONOCIMIENTO
La Representación del conocimiento en la
Inteligencia Artificial
Redes Semánticas
Se basa en la utilización de grafos que representan conceptos,
objetos y relaciones entre ellos. Estas relaciones pueden ser de
cualquier tipo, pero predominan las relaciones de tipo “kind-of”,
“part-of” y “is-a”, que permiten representar estructuras jerárquicas
de conocimiento. Están relacionadas también con las tripletas O-A-
V, ya que en las redes semánticas se suelen incluir también estas
estructuras para dar información sobre los atributos de los
diferentes objetos

15. TECNICAS DE REPRESENTACION DEL CONOCIMIENTO
La Representación del conocimiento en la
Inteligencia Artificial
Marcos
Es una técnica de representación muy similar a la utilizada en la
programación orientada a objetos. Consta de class frames, similares
a las clases, que representan conjuntos de objetos con
características similares. A partir de ellas se crean las instance
frames que representan elementos concretos de esa clase. Por
ejemplo, podríamos tener el marco de clase “Persona” y la instancia
“Juan”. Cada frame dispone por otra parte de una serie
de slots equivalentes a los atributos y propiedades en orientación a
objetos.