conocimiento ontologia

1. CAPITULO 3
REPRESENTACION DEL
CONOCIMIENTO Y
ONTOLOGIAS

2. INTRODUCCION
Todo problema es más sencillo de resolver si disponemos
de conocimiento específico sobre él
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.
El conocer es un hecho primario, espontáneo e instintivo, y
por ello no puede ser definido estrictamente.
La IA busca representar generalizaciones, es decir, no representar cada
situación individual, sino agrupar las situaciones que comparten propiedades
importantes. De tal forma que pueda:
a) ser entendido por las personas que lo provean;
b) ser modificado para corregir errores y reflejar cambios en el mundo;
c) usarse en muchas situaciones aun sin ser totalmente exacto o completo;
d) caracterizarse las técnicas de IA con independencia del problema a tratar;
e) usarse superando su propio volumen, y disminuir el rango de posibilidades
que normalmente deben considerarse.

3. REPRESENTACION 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 (sacar conclusiones) a
partir de dicho conocimiento.
Conocimiento no debe ser
confundido con datos o
información, ya que el
conocimiento incluye y
requiere el uso de datos e
información.
Algunos problemas son más
fáciles de resolver al
representar el conocimiento
de un modo determinado. Por
ejemplo, es más fácil dividir
números representados en
números árabes que números
representados en números
romanos.

4. REPRESENTACION DEL CONOCIMIENTO
CONCEPTO:
Es un área de la Inteligencia Artificial cuyo principal objetivo es representar
el conocimiento de tal manera que resulte fácil poder obtener conclusiones
del propio conocimiento.
Un conjunto de estructuras y convenciones sobre
la forma de describir un tipo de cosas (datos
generalmente), estas se asocian con mecanismos
interpretativos que nos permiten manipular el
conocimiento representado con la finalidad de
crear soluciones a problemas nuevos.
Es el proceso de transformación de éste a un
dominio o un lenguaje simbólico para ser
procesado en un computador.
Es una combinación de estructuras de datos (que nos permiten representar
mediante un formalismo determinado las "verdades" relevantes en algún
dominio) asociadas con mecanismos interpretativos que nos permiten
manipular el conocimiento representado a fin de crear soluciones a
problemas nuevos.

5. PROPIEDADES Y CARACTERISTICAS DEL
CONOCIMIENTO
Propiedades:
 Voluminoso
 Difícil de caracterizar con precisión.
 Incierto / Impreciso
 Cambia constantemente.
Características:
 Cobertura, significa que la
representación del conocimiento cubre
la información en anchura y
profundidad.
 Comprensible por humanos.
 Consistencia. Si Pedro ha cerrado la
puerta, también puede ser interpretado
como la puerta ha sido cerrada por
Pedro.
 Eficiencia.
 Facilidad de modificación y
actualización.
 Soporte de la actividad inteligente que
usa la base de conocimiento.

6. TIPOS DE CONOCIMIENTOS
El conocimiento puede ser de tipo procedimental, declarativo o heurístico.
Procedimental es aquel que es compilado, que
se refiere a la forma de realizar una cierta tarea,
(el saber como hacerlo), por ejemplo, el
proceso de ensamblaje de un computador, la
realización de cierta pintura, la resolución de
ecuaciones algebraicas.
Declarativo, es conocimiento pasivo,
sentencias que expresan hechos del mundo
que nos rodea (el saber que hacer), por
ejemplo la información en una base de datos.
Heurístico, es algo especial para resolver
problemas complejos, es un criterio, estrategia
o proceso que simplifica la resolución de
problemas.

7. METODOS DE
REPRESENTACION DEL
CONOCIMIENTO

8. MAPAS CONCEPTUALES
Los mapas conceptuales son una representación grafica del entendimiento de
un dominio de una persona o grupo de personas, este puede ser considerado
como un esquema para la representación del conocimiento.
Estos son construidos para que
las relaciones entre ellos sea
evidente, los conceptos son
normalmente encerrados en
círculos o cuadrados y las
relaciones entre los conceptos
son indicados con líneas que los
conectas, las palabras sobre las
líneas especifican las relaciones
entre los conceptos.
Un mapa bien construido, las
proposiciones deben tener
sentido cuando se leen
separadamente; un Mapa
Conceptual representa
Conocimiento bien Organizado.

9. OBJETO, ATRIBUTO, VALOR
La forma más simple de representar hechos declarativos es mediante un
conjunto de relaciones expresables mediante tablas (como en una Base de
Datos).
Una forma común de representar estos hechos es la tripleta objeto, atributo
y valor, donde los objetos son físicos o conceptuales, el cual puede tener
varios atributos que lo caracterizan, los valores son las medidas especificas
de los atributos en una situación dada.
OBJETO ATRIBUTO VALOR
Casa Color Rojo, Blanco
Luis Padre Ana, Julio
Juan Esposo María
Para la representación se pueden usar nodos y relaciones, donde los
objetos y valores se asignan como nodos mientras que los atributos se
designan como enlaces, esto se utiliza para mostrar orden e interrelación.
Casa Rojo
de_color
Juan Maria
esposo_de

10. REDES SEMANTICAS
Las redes semánticas son representaciones básicas del conocimiento, están
compuestas por nodos y enlaces que muestran relaciones entre objetos, el
objeto puede ser un libro, un carro, una persona.
En una red semántica los atributos son los enlaces entre objetos, estos
muestran las relaciones o el vinculo entre el objeto y el otro.
Una red semántica es una representación en la cual:
 Lexicamente, hay nodos y enlaces entre nodos especificando una
aplicación.
 Estructuralmente, cada enlace conecta un nodo con otro en un orden
especial.
 Semánticamente, los nodos y los enlaces denotan una aplicación
especifica.
 Procedimentalmente existen procesos para:
 Construir nodos
 Construir enlaces, entre nodos con un nombre
 Deducir conocimiento.

11. REDES SEMANTICAS
El siguiente ejemplo muestra una red semántica de relaciones que existe en
un conjunto de personas, de ella puede extraerse enlaces o atributos como
(madre_ de, hermano_ de, padre_de), de la que se deduce que la aplicación
es la relación de familiares.
María Luis
madre_de
Josefa
hermano_de
Juana
hermano_de
Mariela
padre_de
Los nombres dados a cada enlace indican la clase de vinculo que hace
corresponder un objeto o categoría, el enlace tiene_un se usa para
identificar características o atributos de un enlaces, otros enlaces se usan
para definir propósitos como el ejemplo siguiente.
ProcesoCorte
Planchado
Embazado
Secado
es_un
es_un
es_un
es_un

12. REDES SEMATICAS
En este ejemplo vemos que existen varias muchas relaciones, por tanto el
dominio es mas amplio, ya que la unidad del conocimiento son los enlaces y
los nodos.
Miguel
Hombre
es_un
Carro
tiene_un
Josefa
Juan
padre_de
Universitario
es_un
es_un
Banco Sol
trabaja_en

13. REGLAS DE PRODUCCION
Las reglas de producción son la forma más popular de representación del
conocimiento dentro de un modelo declarativo.
El conocimiento representado de esta forma resulta muy cercano al
operador humano y se puede entender fácilmente.
Su configuración permite construir sistemas en los que suele resultar
sencillo incorporar nueva información o modificar la ya existente, creando o
cambiando las reglas individualmente.
DEFINICIÓN.-
Se entiende como una proposición lógica que relaciona dos o más objetos
e incluye dos partes, la premisa y la conclusión.
Cada una de estas partes consiste en una expresión lógica con una o más
afirmaciones objeto-valor están conectadas mediante los operadores
lógicos y, o ó no. Las reglas de producción sustituyen partes de una frase
por sus componentes a nivel de rama terminal, donde ya no son posibles
más sustituciones.

14. REGLAS DE PRODUCCION
Cada regla de producción tiene una precondición o antecedente parte
izquierda y una parte derecha que describe la operación o consecuente que
debe llevarse acabo si se aplica la regla.
Antecedente ⇒ Consecuente
Antecedente: Contiene las cláusulas que deben cumplirse para que la regla
pueda evaluarse o ejecutarse.
Consecuente: Indica las conclusiones que se deducen de las premisas o las
acciones que el sistema debe realizar cuando ejecuta la regla.
CARACTERISTICAS.-
 Se utilizan las reglas para examinar un conjunto de datos y solicitar nueva
información hasta llegar a un diagnóstico.
 Las Reglas de Producción son reglas del tipo Si - Entonces.
 Cada regla contempla premisas que pueden modificarse
independientemente de otras reglas

15. REGLAS DE PRODUCCION
ESTRUCTURA.-
La idea básica de la estructura de una regla de producción es que esta
diseñada en forma de pares condición - acción.
SI (condiciones / premisas) “hechos”
ENTONCES (acción a ejecutar) “conclusión / acción”
EJEMPLO:
SI maquina de corte inactiva
ENTONCES programar producción
SI orden de compra de materia prima aprobada & necesidad de materia
prima ENTONCES solicitar envió de materia prima
SI temblor & dolor de huesos
ENTONCES infección

16. REGLAS DE PRODUCCION
INFERENCIA.-
Una regla e ejecuta (dispara) cuando se cumple su antecedente, todas las
cláusulas que lo componen.
Las reglas se ejecutan hacia adelante, si se satisface el antecedente se
efectúan las acciones del consecuente.
Una regla es aplicable y seleccionada si cumple todas la premisas de las
misma.
Típicamente una base de conocimientos está formada de un gran conjunto
de reglas.
Lógicamente las reglas pueden ser agrupadas en diferentes bases de reglas
Finalmente podemos deducir la importancia que dichas reglas de
producción tienen en la actualidad sobre la tecnología, y sobre los avances
que podemos lograr gracias al talento humano, ya que mediante el
conocimiento es que podemos hacer inferencia sobre cualquier sistema
para poder aplicar dichas reglas.

17. METODOLOGIAS DE
REPRESENTACION DEL
CONOCIMIENTO EN
INTELIGENCIA ARTIFICIAL

18. METODOLOGIAS DE REPRESENTACION
Metodologías
Declarativas Estructurales Procedurales
Separación entre el
conocimiento y
estructura de
control lógica:
Expresiones
Declarativas,
Sistemas de
producción
Estructuración del
conocimiento
inferencias,
herencia,
transitividad,
asociatividad
Unión del
conocimiento y la
estructura de
control, orden
dependiente,
procedimientos y
funciones.

19. METODOLOGIA DECLARATIVA
El conocimiento declarativo es conocimiento pasivo, sentencias que
expresan hechos del mundo que nos rodea (el saber que hacer). Por
ejemplo, la información en una base de datos.
Toda lógica que sea usada como mecanismo de representación deber
constar de 3 elementos:
1.Una sintaxis, que explica cómo construir los elementos del lenguaje de
representación (oraciones lógicas).
2.Una semántica, que asocia los elementos del lenguaje con los elementos
reales del dominio → asocia una interpretación (significado) a los símbolos.
3.Un conjunto de reglas de inferencia, que permiten inferir conocimiento
nuevo a partir del ya existente.

20. LÓGICA PROPOSICIONAL
Elementos
Átomos
•Constantes lógicas: verdadero(V), falso(F).
•Proposiciones lógicas: (strings de caracteres).
Ejemplos:
p, q, r, …
encima mesa libro
juan es mortal
Conectivas lógicas
•”^” (y): conjunción lógica p ^ q , juan es hombre ^ juan es mortal.
•”v” (o): disyunción lógica P v q , juan trabaja banco v juan estudia
informática.
•”→” (implica): implicación No significa relacion causal (no ’’antecedente
implica consecuente’’).
METODOLOGIA DECLARATIVA

21. METODOLOGIA DECLARATIVA
LÓGICA PREDICADOS
Predicado: Es una sentencia abierta, es decir, que contiene valores variables;
dependiendo del valor que se le de a esas variables, el predicado será falso o
verdadero, una vez asignado los valores el predicado se convierte en una
proposición.
Expresión lógica:
p(x), q (x , y), r (x, y, z)
Ejemplo:
p (x, y) : x + y = 5; donde x, y € N
p (2, 3): 2 + 3 = 5 Verdadero
p (4, 2): 4 + 2 = 5 Falso
Cuantificadores:
Universal: ∀ se lee para toda busca especificar que función es verdadera

22. Cuantificadores:
Universal: ∀ se lee para toda busca especificar que función es verdadera
Ejemplo:
p (x): x < x + 1
∀ x, p (x) para toda x se tiene que cumplir p (x) Verdadero
METODOLOGIA DECLARATIVA
Existencial: ∃ se lee para algún o existe, busca especificar que función es
verdadera para algún valor de x
Ejemplo:
p (x): x < x + 1
∃ x, p (x) Existe una x tal que el predicado p (x) se cumpla Verdadero

23. METODOLOGIA DECLARATIVA
Ejemplo:
Consideremos U= enteros p(x, y, z): x – y = z
A) Para cada x e y, existe un z tal que x – y = z
∀ x, y [ ∃ z, p(x, y, z)]
B) Para cada x e y, existe un z tal que x – z = y
∀ x, y [ ∃ z, p(x, z, y)]
C) Existe un x tal que para todo y, y – x = y
∃ x [∀ y, p(y, x, y)]
D) Cuando el 0 se resta a cualquier entero, el resultado es el entero mismo
∀ x, p (x, 0, x)

24. METODOLOGIA DECLARATIVA
Preposiciones con Lógica de predicados:
Ejemplo:
Carlos Juega: Predicado: Juega
Preposición: Carlos = J (c)
Carlos es estudiante: Predicado : Estudiante
Preposición: Carlos (c) = E(c)
Expresar la preposición
Todo numero es imaginario
∀ x (N(x) → I (x))
Algún numero no es par
∃ x (N (x) ˄ ¬ P(x))
Todo hombre es mortal ∀ x ( H (x) → M (x))
Todo mortal es débil ∀ x ( M (x) → D (x))
Todo hombre es débil ∀ x ( H (x) → D (x))

25. ONTOLOGIA

26. La palabra Ontología se deriva del griego ontos (estudio del ser) y
logos (palabra). Filosóficamente, Ontología es la ciencia de qué es , es una
explicación sistemática de la Existencia, de los tipos de estructuras,
categorías de objetos , propiedades, eventos, procesos y relaciones en
cada área de la realidad.
ONTOLOGIA
Las ontologías son herramientas útiles para la comunicación entre
especialistas de un área específica, para la aprobación del vocabulario
técnico usado en la formalización del conocimiento eliminando las posibles
inconsistencias en un dominio para que sean automáticamente identificadas
y validadas por computadores y como representación de conocimiento
conforman un vocabulario de dominios que puede ser reutilizado en distintas
aplicaciones y para propósitos específicos.
Las ontologías permiten validar diferentes elementos de una taxonomía como
su pertenencia, establecer vínculos con bases de datos, realizar inferencias y
reducir las consultas sobre un conocimiento específico, proporcionan una vía
para representar el conocimiento y ayudar a reutilizarlo, facilitan el trabajo
para recuperar información en los diversos sistemas y desde el punto de vista
de las fuentes de información describen el contenido de los repositorios de
datos independientemente de la representación sintáctica de los mismos
posibilitando su integración semántica.

27. CONCEPTO ONTOLOGIA
"Una ontología es un vocabulario acerca de un dominio: términos más
relaciones más reglas de combinación para extender el vocabulario",
"Una ontología es un conjunto de conceptos y sus definiciones relacionadas
para la comprensión de un área específica del conocimiento”
Algunas definiciones de ontología en el campo de la Inteligencia Artificial:
 Una ontología es una especificación explícita de una
conceptualización, es decir proporciona una estructura y contenidos de
forma explícita, que codifica las reglas implícitas de una parte de la
realidad, independientemente del fin y del dominio de la aplicación en el
que se usarán o reutilizarán sus definiciones.
 Una ontología define el vocabulario de un área mediante un conjunto de
términos básicos y relaciones entre dichos términos, así como las
reglas que combinan términos y relaciones y que amplían las
definiciones dadas en el vocabulario.

28. PROPIEDADES QUE DEBE CUMPLIR UNA
ONTOLOGIA
 Claridad: Para comunicar el significado
intencionado de los términos definidos.
 Coherencia: Para sancionar inferencias que
son consistentes con las definiciones.
 Extensibilidad: Para anticipar el uso de
vocabulario compartido.
 Sesgo de codificación mínimo (Minimal
encoding bias): Debe de especificar al nivel
de conocimiento sin depender de una
codificación particular a nivel de símbolo.
 Mínimo compromiso ontológico: debe de
hacer la menor cantidad de "pretensiones''
acerca del mundo modelado.

29. CLASIFICACION ONTOLOGICA
Existen 4 tipos de ontologías en función de su alcance y posibilidad de
aplicación:
 Ontología de la aplicación: usadas por la aplicación. Por ejemplo,
ontología de procesos de producción, de diagnóstico de fallas, de diseño
intermedio de barcos, etc.
 Ontología del dominio: específicas para un tipo de artefacto,
generalizaciones sobre tareas específicas en algún dominio concreto del
conocimiento. Por ejemplo, ontología del proceso de producción.
 Ontologías técnicas básicas: describen características generales de
artefactos. Por ejemplo: componentes, procesos y funciones.
 Ontologías genéricas: describe la categoría de más alto nivel, describiendo
conceptos generales (como tiempo, espacio, objeto, etc.).

30. ELEMENTOS BASICOS PARA EL DISEÑO
DE UNA ONTOLOGIA
Las ontologías están formadas de los siguientes elementos que servirán para
representar el conocimiento de algún dominio en específico.
 Conceptos: que son las ideas básicas que intentan formalizar, estos
conceptos pueden ser clases de objetos, métodos, planes, estrategias,
procesos de razonamiento, etc.
 Relaciones: que representan la interacción y el enlace entre los
conceptos del dominio. Suelen formar la taxonomía del dominio. Por
ejemplo: subclase-de, parte-de, etc.
 Funciones: que son un tipo concreto de relación, donde se identifica un
elemento mediante el cálculo de una función que considera varios
elementos de la ontología. Por ejemplo, categorizar-clase, etc.
 Instancias: utilizadas para representar objetos determinados de un
concepto.
 Axiomas: que son teoremas que se declaran sobre relaciones que
deben cumplir los elementos de la ontología. Por ejemplo: “Si X y Y son de
la clase Z, entonces X no es subclase de Y” o “Para todo X que cumpla con
la condición Cond1, A es B”, etc.

31. CONCLUSIONES

32. REPRSENTACION DEL CONOCIMIENTO
Todo problema es más sencillo de resolver si disponemos de conocimiento
específico sobre él
La representación del conocimiento ha de permitir guiar a los mecanismos
de IA para obtener soluciones de manera más eficiente
El campo de la representación del conocimiento se refiere a los mecanismos
para representar y manipular la información que se obtiene del experto y su
conocimiento sobre el tema en especifico.
Para representar algo necesitamos saber:
 Su forma o estructura
 Que uso le dan los seres inteligentes
 Que uso le dará la inteligencia artificial
 Como adquirir el conocimiento
 Como almacenarlo y manipularlo