SlideShare una empresa de Scribd logo
Representación
del Conocimiento
Luis Oviedo
C.I:21.142.082
Inteligencia Artificial
¿Qué es el conocimiento?
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.
¿Qué es el conocimiento?
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.
Propiedades del Conocimiento:
-Es voluminoso
-Difícil de caracterizar con precisión.
-Incierto/impreciso
-Cambia constantemente.
Representación del Conocimiento:
-Todo problema es más sencillo de resolver si disponemos de Conocimiento
específico sobre él
-Este conocimiento dependiente del dominio se combina con el conocimiento general
sobre cómo resolver problemas
-Este conocimiento ha de permitir guiar a los mecanismos de IA para
Obtener soluciones de manera más eficiente
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.
Métodos de representación del
Conocimiento:
Declarativos:
-Lógica
-Sistemas de Producción
-Prolog
Procedurales:
-Unión entre el conocimiento y
la estructura de control.
-Orden dependiente.
-Procedimientos y funciones.
Estructurales:
-Estructuración del
conocimiento.
-propiedades inferenciales:
herencia, transitividad,
asociatividad.
-redes semánticas, frames.
Conocimiento Declarativo:
Se refiere a aquel que se puede declarar verbalmente como hechos,
acontecimientos, conceptos, etc. y se representa como proposición o como
imagen.
En el conocimiento declarativo tenemos lo que es:
-La Lógica: Es Lenguaje de representación que nos
permite expresar y razonar con sentencias que son
verdaderas o falsas.
Algunos Tipos de Lógica:
-Lógica Proposicional
-Lógica de Predicados
Lógica Proposicional:
Consiste en estudiar las variables proposicionales o sentencias lógicas, sus posibles
implicaciones, evaluaciones de verdad y en algunos casos su nivel absoluto de
verdad.
Una proposición en el castellano es, por ejemplo,
“El cielo es azul”
Esta es una proposición porque es un hecho. Además este hecho es verdadero.
• Las proposiciones en LP se representan con letras. Usualmente se usan las
Letras p, q, r y s, posiblemente con subíndices. Estas se denominan variables
Lógica de Predicados:
En LP se distinguen los siguientes elementos:
1. Constantes: >, ⊥.
2. Conectivos unarios: ¬.
3. Conectivos binarios: ∧, ∨, →, ↔
4. Símbolos de puntuación: (, ).
5. Un conjunto P, posiblemente infinito, de variables proposicionales.
Mediante una combinación de estos elementos es posible definir cualquier lenguaje
de la lógica proposicional.
Lógica Proposicional Ejemplo:
S : El sol resplandece
G: Guillermo va a la montaña
¬ S: El sol no resplandece
¬ G: Guillermo no va a la montaña
Entonces se representaría como:
S ∧ G El sol resplandece y Guillermo va a la montaña.
S ∨ G El sol resplandece o Guillermo va a la montaña.
S → G Si el sol resplandece, entonces Guillermo va a la montaña.
S ↔ G Si y sólo si el sol resplandece, Guillermo va a la montaña.
Lógica de Predicados:
Se puede definir como: un sistema que trata las formas argumentales cuya validez
depende del significado de las expresiones Y, O, SI…, entonces, etc. Todo lo demás
que afecta la validez de los argumentos es descartado.
Una proposición se define como un enunciado que puede ser calificado como
verdadero o falso y que no puede descomponerse en otras frases verdaderas o
falsas
Lógica de Predicados:
Para relacionar las proposiciones, se utilizan diferentes conectivos:
Lógica de Predicados:
Conocimiento Estructural:
Redes Semánticas:
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.
Redes Semánticas Ejemplo:
Marcos (Frames)
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 (p. ej. if-needed, if-added).
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
Marcos (Frames):
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.
Ejemplo de un Frame:
Reglas de producción o Inferencia:
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>
Reglas de producción o Inferencia:
Arquitectura de los Sistemas Basados en Reglas:
Base de Conocimientos: reúne todo el conocimiento del sistema (Hechos + Reglas).
Memoria Activa: contiene los hechos que representan el estado actual del problema (iniciales +
inferidos a posteriori) y las reglas activadas (en condiciones de ser ejecutadas).
Motor de Inferencias: decide que reglas activadas se ejecutarán.
Base de
Afirmaciones
Motor de
Inferencia
Interfaz de
Usuario
Base de
Datos
Base de
Conocimientos
Reglas de producción o Inferencia
Ejemplo:
Ejemplo:
IF: temperatura = alta
AND sudoración = presente
AND dolor_muscular = presente
THEN: diagnostico_preliminar = gripe
IF: diagnostico_preliminar = gripe
AND descompos_organos_internos = presente
THEN: diagnostico_preliminar = _ebola.
Gracias por su Atención !!

Más contenido relacionado

La actualidad más candente

Esquema comparativo de los tipos de modelos y metodologías
Esquema comparativo de los tipos de modelos y metodologíasEsquema comparativo de los tipos de modelos y metodologías
Esquema comparativo de los tipos de modelos y metodologíasLeo Jm
 
3.3 Reglas de producción.pptx
3.3 Reglas de producción.pptx3.3 Reglas de producción.pptx
3.3 Reglas de producción.pptx
Ram Vazquez
 
Capítulo 16 (Diseño fisico y refinación de la Base de Datos)
Capítulo 16 (Diseño fisico y refinación de la Base de Datos)Capítulo 16 (Diseño fisico y refinación de la Base de Datos)
Capítulo 16 (Diseño fisico y refinación de la Base de Datos)
Liz Ocampo
 
3. Modelo ER - Relacional
3. Modelo ER - Relacional3. Modelo ER - Relacional
3. Modelo ER - Relacional
MSc Aldo Valdez Alvarado
 
Reglas de Produccion
Reglas de ProduccionReglas de Produccion
Reglas de Produccion
Ashley Stronghold Witwicky
 
Tipos de búsqueda en Inteligencia Artificial
Tipos de búsqueda en Inteligencia ArtificialTipos de búsqueda en Inteligencia Artificial
Tipos de búsqueda en Inteligencia Artificial
Alan López
 
El conocimiento en Inteligencia Artificial
El conocimiento en Inteligencia ArtificialEl conocimiento en Inteligencia Artificial
El conocimiento en Inteligencia Artificial
warrionet
 
Modelo de datos
Modelo de datosModelo de datos
Modelo de datos
Taqui Wajuyat Flor
 
Normalización de Base de Datos
Normalización de Base de DatosNormalización de Base de Datos
Normalización de Base de Datos
Vannesa Salazar
 
metodos de busqueda en inteligencia artificial
metodos de busqueda en inteligencia artificialmetodos de busqueda en inteligencia artificial
metodos de busqueda en inteligencia artificial
NoraVelasquez4
 
3.1 Representación de conocimiento mediante reglas.pptx
3.1 Representación de conocimiento mediante reglas.pptx3.1 Representación de conocimiento mediante reglas.pptx
3.1 Representación de conocimiento mediante reglas.pptx
Ram Vazquez
 
Búsqueda Primero el Mejor
Búsqueda Primero el MejorBúsqueda Primero el Mejor
Búsqueda Primero el MejorTutor4uDev
 
Representación de Conocimiento
Representación de ConocimientoRepresentación de Conocimiento
Representación de Conocimiento
Jose Manuel Silva Gomez
 
3.4. Logica de predicados
3.4. Logica de predicados3.4. Logica de predicados
3.4. Logica de predicados
Humberto Chalate Jorge
 
Unidad 2. modelo entidad relacion
Unidad 2. modelo entidad relacionUnidad 2. modelo entidad relacion
Unidad 2. modelo entidad relacionLuiS YmAY
 
Analisis y diseño de sistemas de información clase 2
Analisis y diseño de sistemas de información clase 2Analisis y diseño de sistemas de información clase 2
Analisis y diseño de sistemas de información clase 2Sebas Castro
 
Unidad No. 5 - Agentes Inteligentes
Unidad No. 5 - Agentes InteligentesUnidad No. 5 - Agentes Inteligentes
Unidad No. 5 - Agentes InteligentesMilton Klapp
 
Paradigmas de la Inteligencia Artificial..pptx
Paradigmas de la Inteligencia Artificial..pptxParadigmas de la Inteligencia Artificial..pptx
Paradigmas de la Inteligencia Artificial..pptx
Ram Vazquez
 
Metodologias para el desarrollo de los sistemas expertos
Metodologias para el desarrollo de los sistemas expertosMetodologias para el desarrollo de los sistemas expertos
Metodologias para el desarrollo de los sistemas expertos
Camilo Huertas
 

La actualidad más candente (20)

Esquema comparativo de los tipos de modelos y metodologías
Esquema comparativo de los tipos de modelos y metodologíasEsquema comparativo de los tipos de modelos y metodologías
Esquema comparativo de los tipos de modelos y metodologías
 
Frames
FramesFrames
Frames
 
3.3 Reglas de producción.pptx
3.3 Reglas de producción.pptx3.3 Reglas de producción.pptx
3.3 Reglas de producción.pptx
 
Capítulo 16 (Diseño fisico y refinación de la Base de Datos)
Capítulo 16 (Diseño fisico y refinación de la Base de Datos)Capítulo 16 (Diseño fisico y refinación de la Base de Datos)
Capítulo 16 (Diseño fisico y refinación de la Base de Datos)
 
3. Modelo ER - Relacional
3. Modelo ER - Relacional3. Modelo ER - Relacional
3. Modelo ER - Relacional
 
Reglas de Produccion
Reglas de ProduccionReglas de Produccion
Reglas de Produccion
 
Tipos de búsqueda en Inteligencia Artificial
Tipos de búsqueda en Inteligencia ArtificialTipos de búsqueda en Inteligencia Artificial
Tipos de búsqueda en Inteligencia Artificial
 
El conocimiento en Inteligencia Artificial
El conocimiento en Inteligencia ArtificialEl conocimiento en Inteligencia Artificial
El conocimiento en Inteligencia Artificial
 
Modelo de datos
Modelo de datosModelo de datos
Modelo de datos
 
Normalización de Base de Datos
Normalización de Base de DatosNormalización de Base de Datos
Normalización de Base de Datos
 
metodos de busqueda en inteligencia artificial
metodos de busqueda en inteligencia artificialmetodos de busqueda en inteligencia artificial
metodos de busqueda en inteligencia artificial
 
3.1 Representación de conocimiento mediante reglas.pptx
3.1 Representación de conocimiento mediante reglas.pptx3.1 Representación de conocimiento mediante reglas.pptx
3.1 Representación de conocimiento mediante reglas.pptx
 
Búsqueda Primero el Mejor
Búsqueda Primero el MejorBúsqueda Primero el Mejor
Búsqueda Primero el Mejor
 
Representación de Conocimiento
Representación de ConocimientoRepresentación de Conocimiento
Representación de Conocimiento
 
3.4. Logica de predicados
3.4. Logica de predicados3.4. Logica de predicados
3.4. Logica de predicados
 
Unidad 2. modelo entidad relacion
Unidad 2. modelo entidad relacionUnidad 2. modelo entidad relacion
Unidad 2. modelo entidad relacion
 
Analisis y diseño de sistemas de información clase 2
Analisis y diseño de sistemas de información clase 2Analisis y diseño de sistemas de información clase 2
Analisis y diseño de sistemas de información clase 2
 
Unidad No. 5 - Agentes Inteligentes
Unidad No. 5 - Agentes InteligentesUnidad No. 5 - Agentes Inteligentes
Unidad No. 5 - Agentes Inteligentes
 
Paradigmas de la Inteligencia Artificial..pptx
Paradigmas de la Inteligencia Artificial..pptxParadigmas de la Inteligencia Artificial..pptx
Paradigmas de la Inteligencia Artificial..pptx
 
Metodologias para el desarrollo de los sistemas expertos
Metodologias para el desarrollo de los sistemas expertosMetodologias para el desarrollo de los sistemas expertos
Metodologias para el desarrollo de los sistemas expertos
 

Similar a Representación del Conocimiento en la I.A

Representación del conocimiento
Representación del conocimientoRepresentación del conocimiento
Representación del conocimiento
hitwinenze
 
Conocimiento Inteligencia Artificial
Conocimiento Inteligencia ArtificialConocimiento Inteligencia Artificial
Conocimiento Inteligencia Artificial
Miguel Medina
 
Representación del Conocimiento
Representación del ConocimientoRepresentación del Conocimiento
Representación del Conocimiento
Hernán Salazar
 
Cap 3
Cap 3Cap 3
Conocimiento en Inteligencia Artificial
Conocimiento en Inteligencia ArtificialConocimiento en Inteligencia Artificial
Conocimiento en Inteligencia Artificial
Rafael Eduardo Pulido Vela
 
Unidad III exposicion
Unidad III exposicionUnidad III exposicion
Unidad III exposicion
Victor Manu-l
 
EXPO_CONO_IA (2).pdf
EXPO_CONO_IA (2).pdfEXPO_CONO_IA (2).pdf
EXPO_CONO_IA (2).pdf
Edecio R. Freitez R.
 
Representacion del conocimiento inteligencia artificial
Representacion del conocimiento inteligencia artificialRepresentacion del conocimiento inteligencia artificial
Representacion del conocimiento inteligencia artificial
willyparedes4
 
Calculo proposicional.docx
Calculo proposicional.docxCalculo proposicional.docx
Calculo proposicional.docx
melaniepulido1
 
Calculo proposicional.docx
Calculo proposicional.docxCalculo proposicional.docx
Calculo proposicional.docx
Jennifer Pernia Pulido
 
Representacion del conocimiento
Representacion del conocimientoRepresentacion del conocimiento
Representacion del conocimiento
Fernando Juhasz
 
TECNICAS DE BUSQUEDA
TECNICAS DE BUSQUEDATECNICAS DE BUSQUEDA
TECNICAS DE BUSQUEDA
Yolanda Eloisa Banda
 
Trabajo_calculoMarianySanchez.docx
Trabajo_calculoMarianySanchez.docxTrabajo_calculoMarianySanchez.docx
Trabajo_calculoMarianySanchez.docx
melaniepulido1
 
Ccnn deber para el jueves
Ccnn deber para el juevesCcnn deber para el jueves
Ccnn deber para el juevesjustin bieber
 
3 . Representación del conocimiento y razonamiento
3 . Representación del conocimiento y razonamiento3 . Representación del conocimiento y razonamiento
3 . Representación del conocimiento y razonamiento
Humberto Chalate Jorge
 
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
 
Representacion del conocimiento
Representacion del conocimientoRepresentacion del conocimiento
Representacion del conocimiento
Anibal Parra
 
Técnicas de representación del conocimiento
Técnicas de representación del conocimientoTécnicas de representación del conocimiento
Técnicas de representación del conocimiento
Mónica María Espejo Pérez
 
MODELAMIENTO ENTIDAD-RELACION (ER)
MODELAMIENTO ENTIDAD-RELACION (ER)MODELAMIENTO ENTIDAD-RELACION (ER)
MODELAMIENTO ENTIDAD-RELACION (ER)
DorvinEduardo
 
Inteligencia artificial. Representacion del Conocimiento
Inteligencia artificial. Representacion del ConocimientoInteligencia artificial. Representacion del Conocimiento
Inteligencia artificial. Representacion del Conocimiento
claudiarussos
 

Similar a Representación del Conocimiento en la 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
Representación del ConocimientoRepresentación del Conocimiento
Representación del Conocimiento
 
Cap 3
Cap 3Cap 3
Cap 3
 
Conocimiento en Inteligencia Artificial
Conocimiento en Inteligencia ArtificialConocimiento en Inteligencia Artificial
Conocimiento en Inteligencia Artificial
 
Unidad III exposicion
Unidad III exposicionUnidad III exposicion
Unidad III exposicion
 
EXPO_CONO_IA (2).pdf
EXPO_CONO_IA (2).pdfEXPO_CONO_IA (2).pdf
EXPO_CONO_IA (2).pdf
 
Representacion del conocimiento inteligencia artificial
Representacion del conocimiento inteligencia artificialRepresentacion del conocimiento inteligencia artificial
Representacion del conocimiento inteligencia artificial
 
Calculo proposicional.docx
Calculo proposicional.docxCalculo proposicional.docx
Calculo proposicional.docx
 
Calculo proposicional.docx
Calculo proposicional.docxCalculo proposicional.docx
Calculo proposicional.docx
 
Representacion del conocimiento
Representacion del conocimientoRepresentacion del conocimiento
Representacion del conocimiento
 
TECNICAS DE BUSQUEDA
TECNICAS DE BUSQUEDATECNICAS DE BUSQUEDA
TECNICAS DE BUSQUEDA
 
Trabajo_calculoMarianySanchez.docx
Trabajo_calculoMarianySanchez.docxTrabajo_calculoMarianySanchez.docx
Trabajo_calculoMarianySanchez.docx
 
Ccnn deber para el jueves
Ccnn deber para el juevesCcnn deber para el jueves
Ccnn deber para el jueves
 
3 . Representación del conocimiento y razonamiento
3 . Representación del conocimiento y razonamiento3 . Representación del conocimiento y razonamiento
3 . Representación del conocimiento y razonamiento
 
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
Representacion del conocimientoRepresentacion del conocimiento
Representacion del conocimiento
 
Técnicas de representación del conocimiento
Técnicas de representación del conocimientoTécnicas de representación del conocimiento
Técnicas de representación del conocimiento
 
MODELAMIENTO ENTIDAD-RELACION (ER)
MODELAMIENTO ENTIDAD-RELACION (ER)MODELAMIENTO ENTIDAD-RELACION (ER)
MODELAMIENTO ENTIDAD-RELACION (ER)
 
Inteligencia artificial. Representacion del Conocimiento
Inteligencia artificial. Representacion del ConocimientoInteligencia artificial. Representacion del Conocimiento
Inteligencia artificial. Representacion del Conocimiento
 

Último

HABILIDADES MOTRICES BASICAS Y ESPECIFICAS.pdf
HABILIDADES MOTRICES BASICAS Y ESPECIFICAS.pdfHABILIDADES MOTRICES BASICAS Y ESPECIFICAS.pdf
HABILIDADES MOTRICES BASICAS Y ESPECIFICAS.pdf
DIANADIAZSILVA1
 
INFORME MINEDU DEL PRIMER SIMULACRO 2024.pdf
INFORME MINEDU DEL PRIMER SIMULACRO 2024.pdfINFORME MINEDU DEL PRIMER SIMULACRO 2024.pdf
INFORME MINEDU DEL PRIMER SIMULACRO 2024.pdf
Alejandrogarciapanta
 
Friedrich Nietzsche. Presentación de 2 de Bachillerato.
Friedrich Nietzsche. Presentación de 2 de Bachillerato.Friedrich Nietzsche. Presentación de 2 de Bachillerato.
Friedrich Nietzsche. Presentación de 2 de Bachillerato.
pablomarin116
 
Introducción a la ciencia de datos con power BI
Introducción a la ciencia de datos con power BIIntroducción a la ciencia de datos con power BI
Introducción a la ciencia de datos con power BI
arleyo2006
 
El fundamento del gobierno de Dios. Lec. 09. docx
El fundamento del gobierno de Dios. Lec. 09. docxEl fundamento del gobierno de Dios. Lec. 09. docx
El fundamento del gobierno de Dios. Lec. 09. docx
Alejandrino Halire Ccahuana
 
Semana 10-TSM-del 27 al 31 de mayo 2024.pptx
Semana 10-TSM-del 27 al 31 de mayo 2024.pptxSemana 10-TSM-del 27 al 31 de mayo 2024.pptx
Semana 10-TSM-del 27 al 31 de mayo 2024.pptx
LorenaCovarrubias12
 
Sesión: El fundamento del gobierno de Dios.pdf
Sesión: El fundamento del gobierno de Dios.pdfSesión: El fundamento del gobierno de Dios.pdf
Sesión: El fundamento del gobierno de Dios.pdf
https://gramadal.wordpress.com/
 
ROMPECABEZAS DE ECUACIONES DE PRIMER GRADO OLIMPIADA DE PARÍS 2024. Por JAVIE...
ROMPECABEZAS DE ECUACIONES DE PRIMER GRADO OLIMPIADA DE PARÍS 2024. Por JAVIE...ROMPECABEZAS DE ECUACIONES DE PRIMER GRADO OLIMPIADA DE PARÍS 2024. Por JAVIE...
ROMPECABEZAS DE ECUACIONES DE PRIMER GRADO OLIMPIADA DE PARÍS 2024. Por JAVIE...
JAVIER SOLIS NOYOLA
 
Libro infantil sapo y sepo un año entero pdf
Libro infantil sapo y sepo un año entero pdfLibro infantil sapo y sepo un año entero pdf
Libro infantil sapo y sepo un año entero pdf
danitarb
 
ENSAYO SOBRE LA ANSIEDAD Y LA DEPRESION.docx
ENSAYO SOBRE LA ANSIEDAD Y LA DEPRESION.docxENSAYO SOBRE LA ANSIEDAD Y LA DEPRESION.docx
ENSAYO SOBRE LA ANSIEDAD Y LA DEPRESION.docx
SandraPiza2
 
FORTI-JUNIO 2024. CIENCIA, EDUCACION, CULTURA,pdf
FORTI-JUNIO 2024. CIENCIA, EDUCACION, CULTURA,pdfFORTI-JUNIO 2024. CIENCIA, EDUCACION, CULTURA,pdf
FORTI-JUNIO 2024. CIENCIA, EDUCACION, CULTURA,pdf
El Fortí
 
Semana #10-PM3 del 27 al 31 de mayo.pptx
Semana #10-PM3 del 27 al 31 de mayo.pptxSemana #10-PM3 del 27 al 31 de mayo.pptx
Semana #10-PM3 del 27 al 31 de mayo.pptx
LorenaCovarrubias12
 
Portafolio de servicios Centro de Educación Continua EPN
Portafolio de servicios Centro de Educación Continua EPNPortafolio de servicios Centro de Educación Continua EPN
Portafolio de servicios Centro de Educación Continua EPN
jmorales40
 
Educar por Competencias GS2 Ccesa007.pdf
Educar por Competencias GS2 Ccesa007.pdfEducar por Competencias GS2 Ccesa007.pdf
Educar por Competencias GS2 Ccesa007.pdf
Demetrio Ccesa Rayme
 
FICHA DE EJERCICIOS GRECIA 1º DE LA ESO HISTORIA
FICHA DE EJERCICIOS GRECIA 1º DE LA ESO HISTORIAFICHA DE EJERCICIOS GRECIA 1º DE LA ESO HISTORIA
FICHA DE EJERCICIOS GRECIA 1º DE LA ESO HISTORIA
JavierMontero58
 
corpus-christi-sesion-de-aprendizaje.pdf
corpus-christi-sesion-de-aprendizaje.pdfcorpus-christi-sesion-de-aprendizaje.pdf
corpus-christi-sesion-de-aprendizaje.pdf
YolandaRodriguezChin
 
UNIDAD DE APRENDIZAJE DEL MES Junio 2024
UNIDAD DE APRENDIZAJE DEL MES  Junio 2024UNIDAD DE APRENDIZAJE DEL MES  Junio 2024
UNIDAD DE APRENDIZAJE DEL MES Junio 2024
EdwardYumbato1
 
Junio 2024 Fotocopiables Ediba actividades
Junio 2024 Fotocopiables Ediba actividadesJunio 2024 Fotocopiables Ediba actividades
Junio 2024 Fotocopiables Ediba actividades
cintiat3400
 
Texto_de_Aprendizaje-1ro_secundaria-2024.pdf
Texto_de_Aprendizaje-1ro_secundaria-2024.pdfTexto_de_Aprendizaje-1ro_secundaria-2024.pdf
Texto_de_Aprendizaje-1ro_secundaria-2024.pdf
ClaudiaAlcondeViadez
 
Fase 1, Lenguaje algebraico y pensamiento funcional
Fase 1, Lenguaje algebraico y pensamiento funcionalFase 1, Lenguaje algebraico y pensamiento funcional
Fase 1, Lenguaje algebraico y pensamiento funcional
YasneidyGonzalez
 

Último (20)

HABILIDADES MOTRICES BASICAS Y ESPECIFICAS.pdf
HABILIDADES MOTRICES BASICAS Y ESPECIFICAS.pdfHABILIDADES MOTRICES BASICAS Y ESPECIFICAS.pdf
HABILIDADES MOTRICES BASICAS Y ESPECIFICAS.pdf
 
INFORME MINEDU DEL PRIMER SIMULACRO 2024.pdf
INFORME MINEDU DEL PRIMER SIMULACRO 2024.pdfINFORME MINEDU DEL PRIMER SIMULACRO 2024.pdf
INFORME MINEDU DEL PRIMER SIMULACRO 2024.pdf
 
Friedrich Nietzsche. Presentación de 2 de Bachillerato.
Friedrich Nietzsche. Presentación de 2 de Bachillerato.Friedrich Nietzsche. Presentación de 2 de Bachillerato.
Friedrich Nietzsche. Presentación de 2 de Bachillerato.
 
Introducción a la ciencia de datos con power BI
Introducción a la ciencia de datos con power BIIntroducción a la ciencia de datos con power BI
Introducción a la ciencia de datos con power BI
 
El fundamento del gobierno de Dios. Lec. 09. docx
El fundamento del gobierno de Dios. Lec. 09. docxEl fundamento del gobierno de Dios. Lec. 09. docx
El fundamento del gobierno de Dios. Lec. 09. docx
 
Semana 10-TSM-del 27 al 31 de mayo 2024.pptx
Semana 10-TSM-del 27 al 31 de mayo 2024.pptxSemana 10-TSM-del 27 al 31 de mayo 2024.pptx
Semana 10-TSM-del 27 al 31 de mayo 2024.pptx
 
Sesión: El fundamento del gobierno de Dios.pdf
Sesión: El fundamento del gobierno de Dios.pdfSesión: El fundamento del gobierno de Dios.pdf
Sesión: El fundamento del gobierno de Dios.pdf
 
ROMPECABEZAS DE ECUACIONES DE PRIMER GRADO OLIMPIADA DE PARÍS 2024. Por JAVIE...
ROMPECABEZAS DE ECUACIONES DE PRIMER GRADO OLIMPIADA DE PARÍS 2024. Por JAVIE...ROMPECABEZAS DE ECUACIONES DE PRIMER GRADO OLIMPIADA DE PARÍS 2024. Por JAVIE...
ROMPECABEZAS DE ECUACIONES DE PRIMER GRADO OLIMPIADA DE PARÍS 2024. Por JAVIE...
 
Libro infantil sapo y sepo un año entero pdf
Libro infantil sapo y sepo un año entero pdfLibro infantil sapo y sepo un año entero pdf
Libro infantil sapo y sepo un año entero pdf
 
ENSAYO SOBRE LA ANSIEDAD Y LA DEPRESION.docx
ENSAYO SOBRE LA ANSIEDAD Y LA DEPRESION.docxENSAYO SOBRE LA ANSIEDAD Y LA DEPRESION.docx
ENSAYO SOBRE LA ANSIEDAD Y LA DEPRESION.docx
 
FORTI-JUNIO 2024. CIENCIA, EDUCACION, CULTURA,pdf
FORTI-JUNIO 2024. CIENCIA, EDUCACION, CULTURA,pdfFORTI-JUNIO 2024. CIENCIA, EDUCACION, CULTURA,pdf
FORTI-JUNIO 2024. CIENCIA, EDUCACION, CULTURA,pdf
 
Semana #10-PM3 del 27 al 31 de mayo.pptx
Semana #10-PM3 del 27 al 31 de mayo.pptxSemana #10-PM3 del 27 al 31 de mayo.pptx
Semana #10-PM3 del 27 al 31 de mayo.pptx
 
Portafolio de servicios Centro de Educación Continua EPN
Portafolio de servicios Centro de Educación Continua EPNPortafolio de servicios Centro de Educación Continua EPN
Portafolio de servicios Centro de Educación Continua EPN
 
Educar por Competencias GS2 Ccesa007.pdf
Educar por Competencias GS2 Ccesa007.pdfEducar por Competencias GS2 Ccesa007.pdf
Educar por Competencias GS2 Ccesa007.pdf
 
FICHA DE EJERCICIOS GRECIA 1º DE LA ESO HISTORIA
FICHA DE EJERCICIOS GRECIA 1º DE LA ESO HISTORIAFICHA DE EJERCICIOS GRECIA 1º DE LA ESO HISTORIA
FICHA DE EJERCICIOS GRECIA 1º DE LA ESO HISTORIA
 
corpus-christi-sesion-de-aprendizaje.pdf
corpus-christi-sesion-de-aprendizaje.pdfcorpus-christi-sesion-de-aprendizaje.pdf
corpus-christi-sesion-de-aprendizaje.pdf
 
UNIDAD DE APRENDIZAJE DEL MES Junio 2024
UNIDAD DE APRENDIZAJE DEL MES  Junio 2024UNIDAD DE APRENDIZAJE DEL MES  Junio 2024
UNIDAD DE APRENDIZAJE DEL MES Junio 2024
 
Junio 2024 Fotocopiables Ediba actividades
Junio 2024 Fotocopiables Ediba actividadesJunio 2024 Fotocopiables Ediba actividades
Junio 2024 Fotocopiables Ediba actividades
 
Texto_de_Aprendizaje-1ro_secundaria-2024.pdf
Texto_de_Aprendizaje-1ro_secundaria-2024.pdfTexto_de_Aprendizaje-1ro_secundaria-2024.pdf
Texto_de_Aprendizaje-1ro_secundaria-2024.pdf
 
Fase 1, Lenguaje algebraico y pensamiento funcional
Fase 1, Lenguaje algebraico y pensamiento funcionalFase 1, Lenguaje algebraico y pensamiento funcional
Fase 1, Lenguaje algebraico y pensamiento funcional
 

Representación del Conocimiento en la I.A

  • 2. ¿Qué es el conocimiento? 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. ¿Qué es el conocimiento? 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. Propiedades del Conocimiento: -Es voluminoso -Difícil de caracterizar con precisión. -Incierto/impreciso -Cambia constantemente.
  • 5. Representación del Conocimiento: -Todo problema es más sencillo de resolver si disponemos de Conocimiento específico sobre él -Este conocimiento dependiente del dominio se combina con el conocimiento general sobre cómo resolver problemas -Este conocimiento ha de permitir guiar a los mecanismos de IA para Obtener soluciones de manera más eficiente 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.
  • 6. Métodos de representación del Conocimiento: Declarativos: -Lógica -Sistemas de Producción -Prolog Procedurales: -Unión entre el conocimiento y la estructura de control. -Orden dependiente. -Procedimientos y funciones. Estructurales: -Estructuración del conocimiento. -propiedades inferenciales: herencia, transitividad, asociatividad. -redes semánticas, frames.
  • 7. Conocimiento Declarativo: Se refiere a aquel que se puede declarar verbalmente como hechos, acontecimientos, conceptos, etc. y se representa como proposición o como imagen. En el conocimiento declarativo tenemos lo que es: -La Lógica: Es Lenguaje de representación que nos permite expresar y razonar con sentencias que son verdaderas o falsas. Algunos Tipos de Lógica: -Lógica Proposicional -Lógica de Predicados
  • 8. Lógica Proposicional: Consiste en estudiar las variables proposicionales o sentencias lógicas, sus posibles implicaciones, evaluaciones de verdad y en algunos casos su nivel absoluto de verdad. Una proposición en el castellano es, por ejemplo, “El cielo es azul” Esta es una proposición porque es un hecho. Además este hecho es verdadero. • Las proposiciones en LP se representan con letras. Usualmente se usan las Letras p, q, r y s, posiblemente con subíndices. Estas se denominan variables
  • 9. Lógica de Predicados: En LP se distinguen los siguientes elementos: 1. Constantes: >, ⊥. 2. Conectivos unarios: ¬. 3. Conectivos binarios: ∧, ∨, →, ↔ 4. Símbolos de puntuación: (, ). 5. Un conjunto P, posiblemente infinito, de variables proposicionales. Mediante una combinación de estos elementos es posible definir cualquier lenguaje de la lógica proposicional.
  • 10. Lógica Proposicional Ejemplo: S : El sol resplandece G: Guillermo va a la montaña ¬ S: El sol no resplandece ¬ G: Guillermo no va a la montaña Entonces se representaría como: S ∧ G El sol resplandece y Guillermo va a la montaña. S ∨ G El sol resplandece o Guillermo va a la montaña. S → G Si el sol resplandece, entonces Guillermo va a la montaña. S ↔ G Si y sólo si el sol resplandece, Guillermo va a la montaña.
  • 11. Lógica de Predicados: Se puede definir como: un sistema que trata las formas argumentales cuya validez depende del significado de las expresiones Y, O, SI…, entonces, etc. Todo lo demás que afecta la validez de los argumentos es descartado. Una proposición se define como un enunciado que puede ser calificado como verdadero o falso y que no puede descomponerse en otras frases verdaderas o falsas
  • 12. Lógica de Predicados: Para relacionar las proposiciones, se utilizan diferentes conectivos:
  • 14. Conocimiento Estructural: Redes Semánticas: 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.
  • 16. Marcos (Frames) 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 (p. ej. if-needed, if-added). 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
  • 17. Marcos (Frames): 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.
  • 18. Ejemplo de un Frame:
  • 19. Reglas de producción o Inferencia: 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>
  • 20. Reglas de producción o Inferencia: Arquitectura de los Sistemas Basados en Reglas: Base de Conocimientos: reúne todo el conocimiento del sistema (Hechos + Reglas). Memoria Activa: contiene los hechos que representan el estado actual del problema (iniciales + inferidos a posteriori) y las reglas activadas (en condiciones de ser ejecutadas). Motor de Inferencias: decide que reglas activadas se ejecutarán. Base de Afirmaciones Motor de Inferencia Interfaz de Usuario Base de Datos Base de Conocimientos
  • 21. Reglas de producción o Inferencia Ejemplo: Ejemplo: IF: temperatura = alta AND sudoración = presente AND dolor_muscular = presente THEN: diagnostico_preliminar = gripe IF: diagnostico_preliminar = gripe AND descompos_organos_internos = presente THEN: diagnostico_preliminar = _ebola.
  • 22. Gracias por su Atención !!