2. Representación del conocimiento
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, 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.
• Una representación del conocimiento es fundamentalmente
un sucedáneo
• Es un grupo de compromisos ontológicos
• Es una teoría fragmentaria del razonamiento inteligente
• Es un medio para una computación pragmáticamente eficiente
• Es un modo de expresión humana
4. Características
Una buena representación del conocimiento cubre seis características básicas:
• 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.
• 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).
5. • 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. Metodologías para la representación del conocimiento en inteligencia
artificial
Declarativas: Es la separación entre el
conocimiento estructura de control lógicos,
tales como, expresiones declarativas (fbf),
sistemas de producción (bh, rp, ec)
Estructurales: en el cual la estructuración
del conocimiento se ve definido por
propiedades inferenciales, tales como,
herencia, transitividad, asociatividad y por
redes semánticas y frames
Procedurales: es la unión entre el
conocimiento y la estructura de control,
orden dependiente, procedimientos y
funciones.
7. Formas para la representación del
conocimiento en inteligencia artificial
Una vez que se adquiere 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, entre ellas las mas comunes son:
Tripletas OAV
Permiten derivar una representación gráfica del conocimiento
organizada en tres niveles: objeto compuesto de atributos que
contienen valores.
Ejemplo
8. 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
9. Frames.
Un frame es una plantilla de objetos que contiene un conjunto de slots. Cada slot puede ser de
alguno de los siguientes tipos:
• un atributo simple con un valor opcional de default
• un procedimiento
• una restricción
• un apuntador a otro frame.