Este documento describe diferentes técnicas para representar el conocimiento, incluyendo definiciones de conocimiento, tipos de conocimiento como conocimiento relacional, de marcos, deductivo y procedimental. También discute propiedades de sistemas de representación como suficiencia, eficiencia deductiva y adquisición del conocimiento.
Representacion del Conocimiento Inteligencia Artificialjorgeescalona2387
Representar el conocimiento en Inteligencia Artificial es el proceso de transformación de éste a un dominio o un lenguaje simbólico para ser procesado en un computador.
2.5 Razonamiento Monótono
Concepto
Que es la lógica?
Lógica Proposicional
Lógica Proposicional ejemplo
Deducción Lógica
Deducción Lógica ejemplo
Lógica de Primer Orden
Deducción Lógica ejemplo
Representacion del Conocimiento Inteligencia Artificialjorgeescalona2387
Representar el conocimiento en Inteligencia Artificial es el proceso de transformación de éste a un dominio o un lenguaje simbólico para ser procesado en un computador.
2.5 Razonamiento Monótono
Concepto
Que es la lógica?
Lógica Proposicional
Lógica Proposicional ejemplo
Deducción Lógica
Deducción Lógica ejemplo
Lógica de Primer Orden
Deducción Lógica ejemplo
Los modelos de referencia son abstracciones para facilitar la comprension de los protocolos de comunicación y la arquitectura de los sistemas utilizados para inter-relacionar distintos programas y equipos.
Esta presentación es parte del contenido del curso de Programación Avanzada impartido en la Universidad Rafael Landívar durante el año 2015.
Incluye los temas:
• POO - atributos y métodos
Creado por Ing. Alvaro Enrique Ruano
Esta presentación es parte del contenido del curso de Programación Avanzada impartido en la Universidad Rafael Landívar durante el año 2015.
Incluye los temas:
• Recursividad directa e indirecta
• Recursión versus iteración
Creado por Ing. Alvaro Enrique Ruano
Esta es una presentacion de la arquitectura 3 capas realizada con informacion recopilada de varios sitios web y de un trabajo elaborado por nosotras en la Universidad
Los modelos de referencia son abstracciones para facilitar la comprension de los protocolos de comunicación y la arquitectura de los sistemas utilizados para inter-relacionar distintos programas y equipos.
Esta presentación es parte del contenido del curso de Programación Avanzada impartido en la Universidad Rafael Landívar durante el año 2015.
Incluye los temas:
• POO - atributos y métodos
Creado por Ing. Alvaro Enrique Ruano
Esta presentación es parte del contenido del curso de Programación Avanzada impartido en la Universidad Rafael Landívar durante el año 2015.
Incluye los temas:
• Recursividad directa e indirecta
• Recursión versus iteración
Creado por Ing. Alvaro Enrique Ruano
Esta es una presentacion de la arquitectura 3 capas realizada con informacion recopilada de varios sitios web y de un trabajo elaborado por nosotras en la Universidad
El conocimiento en Inteligencia Artificialwarrionet
La representacion del conocimiento es la manera de facilitar la inferencia (sacar conclusiones) 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.
Guía para maestros: Materiales y recursos para enseñar y aprender radicación ...Compartir Palabra Maestra
Por medio de un juego, como el dominó, los estudiantes pueden dominar la radiación como la operación inversa a la potenciación en cualquiera de los conjuntos numéricos.
Aletas de Transferencia de Calor o Superficies Extendidas.pdfJuanAlbertoLugoMadri
Se hablara de las aletas de transferencia de calor y superficies extendidas ya que son muy importantes debido a que son estructuras diseñadas para aumentar el calor entre un fluido, un sólido y en qué sitio son utilizados estos materiales en la vida cotidiana
2. ¿Conocimiento?
• Definiciones de conocimiento
– Acción y resultado de conocer.
– Entendimiento, inteligencia.
– Facultad de entender y juzgar las cosas.
– Conciencia, sentido de la realidad:
perder alguien el conocimiento.
– Ciencia, conjunto de nociones e ideas que se
tiene sobre una materia:
tiene conocimientos básicos de alemán.
3. ¿Conocimiento?
• Definiciones de conocimiento:
– es un conjunto de datos sobre hechos, verdades o de
información almacenada a través de la experiencia o
del aprendizaje (a posteriori), o a través de
introspección (a priori). El conocimiento es una
apreciación de la posesión de múltiples datos
interrelacionados que por sí solos poseen menor valor
cualitativo. Significa, en definitiva, la posesión
consciente de un modelo de la realidad.
– es el conjunto organizado de datos e información
destinados a resolver un determinado problema.
6. Tipos de conocimiento
• ¿Existen tipos de conocimiento?
• Por cómo se percibe
– Vista, Oído, Tacto, Gusto, Olfato
• Por cómo se modifica
• Por lo que representa
• etc. etc.
7. Tipos de conocimiento
• Lenguaje
– El vehículo de información más complejo
– Diferentes niveles de representación léxico, sintáctico, semántico,
pragmático
• Ontologías
8. Tipos de conocimiento
• La comunicación, el diálogo
– El lenguaje mismo, que términos y en que circunstancias usarlo
– La filosofía del lenguaje
• Hablar es actuar !!
– Representar una intervención verbal como una acción
9. Tipos de conocimiento
• Revisión del conocimiento
– Conocimiento monótono/no-monótono
– Al agregar nuevo conocimiento se modifica el estado completo
10. Tipos de conocimiento
• Creencias
– La comunicación es la construcción de un conocimiento común
– Yo creo que tu crees lo que yo creo
• Lógicas modales
11. Tipos de conocimiento
• Acción
– A toda acción corresponde una reacción
– Como representar las condiciones de éxito y sus consecuencias
• Sistemas de reglas
12. Tipos de representación
• Si bien representar el conocimiento de una
manera hace la solución más simple, elegir
una representación inadecuada puede hacer
que la solución sea difícil.
• No se conoce una representación que pueda
servir para cualquier propósito.
– ¿Cómo representamos un número de teléfono?
– ¿Cómo representamos nuestro primer beso?
13. Representando para resolver
• Tengo 5 pesos, si compro dos manzanas a 1 peso c/u
¿Cuánto me queda?
• Tenemos datos y aplicamos una serie de operaciones
sobre ellos para resolverlo
• En este caso realizamos una abstracción y tomamos
los datos importantes para resolver el problema
– ¿Cuánto dinero tengo inicialmente?
– ¿Cuántas manzanas quiero y cuanto cuestan?
– Multiplicamos y restamos
14. Representando para resolver
• No fue necesario pensar en manzanas para
resolverlo, sólo en enteros y a ellos les aplicamos una
serie de operaciones bien conocidas
• El verbo [comprar] estrictamente hablando nunca
fue representado pero fue indispensable para saber
lo que se deseaba hacer con los datos.
• Necesitamos conocimiento y mecanismos para
manipularlo y así resolver el problema
– en el caso de los humanos esta distinción no es fácil, es por
ello que no es algo obvio para nosotros hacer esta
diferencia
15. Esquema general de la representación
Dos niveles:
El nivel del conocimiento – real
El nivel del formalismo – abstracción
16. Esquema general de la representación
Hechos: verdades en un cierto mundo. Es
aquello que queremos representar.
17. Esquema general de la representación
Hechos: verdades en un cierto mundo. Es
aquello que queremos representar.
Representaciones de los hechos en un
determinado formalismo. Éstas son las
entidades que realmente seremos capaces
de manipular.
18. Esquema general de la representación
Caso concreto: la programación
tenemos un problema, lo analizamos, proponemos un algoritmo, lo
programamos en un lenguaje e interpretamos los resultados
19. Propiedades de un Sistema de
Representación completo
• Suficiencia de la representación: La capacidad
de representar todos los tipos de
conocimiento necesarios en el dominio.
• Suficiencia deductiva: La capacidad para
manipular las estructuras de la representación
con el fin de obtener nuevas estructuras que
correspondan con un nuevo conocimiento
deducido a partir del antiguo.
20. Propiedades de un Sistema de
Representación completo
• Eficiencia deductiva: La capacidad de incorporar
información adicional en las estructuras de
conocimiento con el fin de que los mecanismos
de inferencia puedan seguir las direcciones más
prometedoras.
• Eficiencia en la adquisición: La capacidad de
adquirir nueva información con facilidad.
– El caso más simple es aquél en el que una persona
inserta directamente el conocimiento en la base de
datos.
– Idealmente, el programa sería capaz de controlar la
adquisición de conocimiento por sí mismo.
23. Conocimiento heredable
• Se trata de un sistema de marcos o una red
semántica
• Es a través de atributos especiales como
instancia-de, es-un, tipo-de que podemos
mejorar la propagación del conocimiento
24. Algoritmo: Herencia de propiedades
Para acceder al valor V de un atributo A en
una instancia I:
1. Encontrar I en la base de conocimiento.
2. Si el atributo A tiene algún valor asignado,
devolver ese valor.
3. En caso contrario, comprobar si el atributo
instancia tiene algún valor asignado. Si no lo
tiene entonces fallar.
4. En caso contrario, ir al nodo identificado por ese
valor y comprobar si allí existe algún valor para
el atributo A. Si lo hay, devolverlo.
5. En caso contrario, repetir hasta que el atributo
es-un no tenga valor asignado o hasta encontrar
una respuesta:
Obtener el valor del atributo es-un e ir a ese
nodo.
Comprobar si el atributo A tiene algún valor. Si lo
tiene, devolverlo.
25. Conocimiento Deductivo
1. Marco era un hombre.
hombre(Marco)
2. Marco era un pompeyano.
pompeyano(Marco)
3. Todos los pompeyanos eran romanos.
x : romano(x) romano(x)
4. César fue un gobernante.
gobernante(César)
5. Todos los romanos o eran leales a César o le
odiaban.
x : romano(x) leal(x, César) odia(x, César)
6. Todo el mundo es leal a alguien.
x : y : leal(x, y)
7. La gente sólo intenta asesinar a los gobernantes a
los que no es leal.
x : y : persona(x) gobernante(y)
intenta_asesinar(x,y)
leal(x, y)
8. Marco intentó asesinar a César.
intenta_asesinar(Marco, César).
28. Conocimiento Procedural
Existen formalismos que nos permiten expresarse el
conocimiento a través de procedimientos
las reglas de producción
No son mejores ni peores sólo más adecuados para
ciertos problemas
30. Problemas: la Granularidad
• ¿A qué nivel representar nuestro dominio?
– Queremos resolver el problema de los caníbales
con sus nombres, o no?
– Podemos representar el hecho que un caníbal es
un ser humano que como seres humanos
– Podemos representar el concepto de misionero…
como?
– Podemos representar el río… a que nivel es un
cauce de agua
31. Problemas: la Granularidad
• Juan vislumbro a María
– Vislumbrar( Juan, María )
– Vislumbrar(x,y) ver(x,y)
– Ver(Juan, María, breve)
– Y breve?
32. Problemas: la Granularidad
Usar primitivas de bajo nivel nos acerca a una forma canónica
ganamos en generalidad
PERO
– La cantidad de espacio para almacenar un hecho simple
– El enorme trabajo a realizar en la transformacion de una
representación en alto nivel a su forma primitiva
– No siempre es claro que primitivas vamos a utilizar
– Por ejemplo en el de parentesco: padre, hermano, hijo
– Pero como representar primo…
• Hija(hermano(madre(pedro)))
• Hija(hermano(padre(pedro)))
33. Adecuar la estructura…
… a la circunstancia
Fui a la Oriental ayer por la noche, pedí de comer y pagué la
cuenta
¿cené ayer?
¿iba acompañado?
¿qué comí?
Seleccionar la estructura más apropiada dependiendo de
objetivo, de la tarea a resolver.
34. Tripletas Objeto-Atributo-Valor
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.
36. 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.
37. Hechos Inciertos
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.
38. Hechos Inciertos
Combinación Factor certeza
• Cuando dos conjuntos de pruebas implican a
la misma conclusión, hay una necesidad de
calcular el factor total certeza sobre la base de
las certezas de los conjuntos de pruebas.
39. Hechos Inciertos
• Un método de combinación CF
debe ser:
– Conmutativa: A · B = B · A
– Asociativa: A · (B · C) = (A · B) · C
– Esto hará que el CF resultante
independiente del orden en el
que se consideran elementos de
prueba.
40. 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.
41. Hechos Difusos
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.
42. Hechos Difusos
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.
43. 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 –.
44. Reglas
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.
45. Reglas
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”.
46. Redes Semánticas o Mapas
Conceptuales
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.
47. Redes Semánticas o Mapas
Conceptuales
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.
48. Frames o 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.
49. Frames o Marcos
Por ejemplo, podríamos tener el marco de clase
“Vehículo” y la instancia “Taxi”. Cada frame
dispone por otra parte de una serie
de slots equivalentes a los atributos y
propiedades en orientación a objetos.
50. Frames o Marcos
Existe también la posibilidad, a diferencia de en
las redes semánticas, de definir lo que se
llaman facets sobre estos slots, de forma que se
les aporte comportamiento procedural. Por
ejemplo, sobre un slot edad podríamos añadir el
facet “if-changed”, para comprobar el valor
introducido.
51. Docente:
Mónica María Espejo Pérez
Ingeniera De Sistemas
Especialista en Administración de la
Informática Educativa