SlideShare una empresa de Scribd logo
Técnicas de Representación del
Conocimiento
¿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.
¿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.
¿Para qué?
• Saber para actuar en
consecuencia
¿Para qué?
• Saber para actuar en consecuencia
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.
Tipos de conocimiento
• Lenguaje
– El vehículo de información más complejo
– Diferentes niveles de representación léxico, sintáctico, semántico,
pragmático
• Ontologías
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
Tipos de conocimiento
• Revisión del conocimiento
– Conocimiento monótono/no-monótono
– Al agregar nuevo conocimiento se modifica el estado completo
Tipos de conocimiento
• Creencias
– La comunicación es la construcción de un conocimiento común
– Yo creo que tu crees lo que yo creo
• Lógicas modales
Tipos de conocimiento
• Acción
– A toda acción corresponde una reacción
– Como representar las condiciones de éxito y sus consecuencias
• Sistemas de reglas
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?
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
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
Esquema general de la representación
Dos niveles:
El nivel del conocimiento – real
El nivel del formalismo – abstracción
Esquema general de la representación
Hechos: verdades en un cierto mundo. Es
aquello que queremos representar.
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.
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
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.
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.
Algunos ejemplos
• Conocimiento relacional
• Marco – conocimiento heredable
• Redes semánticas
• Conocimiento Deductivo
Conocimiento relacional simple
• Columnas que identifican atributos de un objeto (fila)
• Problemas: altamente estructurado
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
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.
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).
Conocimiento Deductivo
• Lógica de predicados de primer orden
• El proceso de inferencia más usado se llama
resolución
Conocimiento deductivo heredable
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
Conocimiento Procedural
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
Problemas: la Granularidad
• Juan vislumbro a María
– Vislumbrar( Juan, María )
– Vislumbrar(x,y)  ver(x,y)
– Ver(Juan, María, breve)
– Y breve?
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)))
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.
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.
Tripletas Objeto-Atributo-Valor
Típicamente estas tripletas se representan en
forma de grafos, de la siguiente forma:
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.
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.
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.
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.
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.
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.
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.
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 –.
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.
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”.
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.
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.
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.
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.
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.
Docente:
Mónica María Espejo Pérez
Ingeniera De Sistemas
Especialista en Administración de la
Informática Educativa

Más contenido relacionado

La actualidad más candente

Unidad 4 Mad Modelado Analisis Casos De Uso
Unidad 4 Mad Modelado Analisis Casos De UsoUnidad 4 Mad Modelado Analisis Casos De Uso
Unidad 4 Mad Modelado Analisis Casos De Uso
Sergio Sanchez
 
Inteligencia artificial unidad iii
Inteligencia artificial unidad iiiInteligencia artificial unidad iii
Inteligencia artificial unidad iii
Guadalupe Lopez
 
Diagrama de Componentes
Diagrama de ComponentesDiagrama de Componentes
Diagrama de Componentes
Universidad Técnica del Norte
 
Patrones GRASP
Patrones GRASPPatrones GRASP
Lectura 3 Modelo De Analisis
Lectura 3   Modelo De AnalisisLectura 3   Modelo De Analisis
Lectura 3 Modelo De Analisis
guest0a6e49
 
Diagrama de clases
Diagrama de clasesDiagrama de clases
Diagrama de clases
jmachado614
 
Modelo Del Negocio con RUP y UML Parte 2
Modelo Del Negocio con RUP y UML Parte 2Modelo Del Negocio con RUP y UML Parte 2
Modelo Del Negocio con RUP y UML Parte 2
David Motta Baldarrago
 
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
 
8. tipos de auditoria en informatica
8.  tipos de  auditoria en informatica8.  tipos de  auditoria en informatica
8. tipos de auditoria en informatica
Gemiunivo
 
Diagrama de actividades
Diagrama de actividadesDiagrama de actividades
Diagrama de actividades
GracielaPinedo
 
Caso De Uso
Caso De UsoCaso De Uso
Caso De Uso
Arcangel Gale
 
Ciclo de vida de un sistema de información
Ciclo de vida de un sistema de informaciónCiclo de vida de un sistema de información
Ciclo de vida de un sistema de información
Sandra Moncayo
 
6.modelado de los requerimientos escenarios y clases
6.modelado de los requerimientos  escenarios y clases6.modelado de los requerimientos  escenarios y clases
6.modelado de los requerimientos escenarios y clases
Ramiro Estigarribia Canese
 
Modelo de datos
Modelo de datosModelo de datos
Modelo de datos
Cristian Salazar C.
 
Mapa conceptual sobre Seguridad de la Información
Mapa conceptual sobre Seguridad de la InformaciónMapa conceptual sobre Seguridad de la Información
Mapa conceptual sobre Seguridad de la Información
jmarquez23
 
Caso de Uso
Caso de UsoCaso de Uso
Caso de Uso
utrilla
 
Como Documentar Casos De Uso
Como Documentar Casos De UsoComo Documentar Casos De Uso
Como Documentar Casos De Uso
Universidad Nacional de Frontera
 
Diccionario de datos en los sistemas de información
Diccionario de datos en los sistemas de informaciónDiccionario de datos en los sistemas de información
Diccionario de datos en los sistemas de información
Yaskelly Yedra
 
Análisis y diseño orientado a objetos
Análisis y diseño orientado a objetosAnálisis y diseño orientado a objetos
Análisis y diseño orientado a objetos
Christian Leon
 
Diagramas de Flujos de Datos
Diagramas de Flujos de DatosDiagramas de Flujos de Datos
Diagramas de Flujos de Datos
Renny Batista
 

La actualidad más candente (20)

Unidad 4 Mad Modelado Analisis Casos De Uso
Unidad 4 Mad Modelado Analisis Casos De UsoUnidad 4 Mad Modelado Analisis Casos De Uso
Unidad 4 Mad Modelado Analisis Casos De Uso
 
Inteligencia artificial unidad iii
Inteligencia artificial unidad iiiInteligencia artificial unidad iii
Inteligencia artificial unidad iii
 
Diagrama de Componentes
Diagrama de ComponentesDiagrama de Componentes
Diagrama de Componentes
 
Patrones GRASP
Patrones GRASPPatrones GRASP
Patrones GRASP
 
Lectura 3 Modelo De Analisis
Lectura 3   Modelo De AnalisisLectura 3   Modelo De Analisis
Lectura 3 Modelo De Analisis
 
Diagrama de clases
Diagrama de clasesDiagrama de clases
Diagrama de clases
 
Modelo Del Negocio con RUP y UML Parte 2
Modelo Del Negocio con RUP y UML Parte 2Modelo Del Negocio con RUP y UML Parte 2
Modelo Del Negocio con RUP y UML Parte 2
 
Tipos de búsqueda en Inteligencia Artificial
Tipos de búsqueda en Inteligencia ArtificialTipos de búsqueda en Inteligencia Artificial
Tipos de búsqueda en Inteligencia Artificial
 
8. tipos de auditoria en informatica
8.  tipos de  auditoria en informatica8.  tipos de  auditoria en informatica
8. tipos de auditoria en informatica
 
Diagrama de actividades
Diagrama de actividadesDiagrama de actividades
Diagrama de actividades
 
Caso De Uso
Caso De UsoCaso De Uso
Caso De Uso
 
Ciclo de vida de un sistema de información
Ciclo de vida de un sistema de informaciónCiclo de vida de un sistema de información
Ciclo de vida de un sistema de información
 
6.modelado de los requerimientos escenarios y clases
6.modelado de los requerimientos  escenarios y clases6.modelado de los requerimientos  escenarios y clases
6.modelado de los requerimientos escenarios y clases
 
Modelo de datos
Modelo de datosModelo de datos
Modelo de datos
 
Mapa conceptual sobre Seguridad de la Información
Mapa conceptual sobre Seguridad de la InformaciónMapa conceptual sobre Seguridad de la Información
Mapa conceptual sobre Seguridad de la Información
 
Caso de Uso
Caso de UsoCaso de Uso
Caso de Uso
 
Como Documentar Casos De Uso
Como Documentar Casos De UsoComo Documentar Casos De Uso
Como Documentar Casos De Uso
 
Diccionario de datos en los sistemas de información
Diccionario de datos en los sistemas de informaciónDiccionario de datos en los sistemas de información
Diccionario de datos en los sistemas de información
 
Análisis y diseño orientado a objetos
Análisis y diseño orientado a objetosAnálisis y diseño orientado a objetos
Análisis y diseño orientado a objetos
 
Diagramas de Flujos de Datos
Diagramas de Flujos de DatosDiagramas de Flujos de Datos
Diagramas de Flujos de Datos
 

Destacado

Formas de representacion del conocimiento
Formas de representacion del conocimientoFormas de representacion del conocimiento
Formas de representacion del conocimiento
equipoUFTsis2
 
Representacion del conocimiento
Representacion del conocimientoRepresentacion del conocimiento
Representacion del conocimiento
Angel Duque
 
Formas de representar el conocimiento
Formas de representar el conocimientoFormas de representar el conocimiento
Formas de representar el conocimiento
Jackie Quintero
 
El conocimiento en Inteligencia Artificial
El conocimiento en Inteligencia ArtificialEl conocimiento en Inteligencia Artificial
El conocimiento en Inteligencia Artificial
warrionet
 
Representación del Conocimiento en la I.A
Representación del Conocimiento en la I.ARepresentación del Conocimiento en la I.A
Representación del Conocimiento en la I.A
xTabuux
 
Representación del conocimiento
Representación del conocimientoRepresentación del conocimiento
Representación del conocimiento
gjmendietap
 
El conocimiento en inteligencia artificial
El conocimiento en inteligencia artificialEl conocimiento en inteligencia artificial
El conocimiento en inteligencia artificial
Emilio Ardila
 
Guiones o scripts en la representación del conocimiento
Guiones o scripts en la representación del conocimientoGuiones o scripts en la representación del conocimiento
Guiones o scripts en la representación del conocimiento
Facultad de Ciencias y Sistemas
 
Representacion del Conocimiento Inteligencia Artificial
Representacion del Conocimiento Inteligencia ArtificialRepresentacion del Conocimiento Inteligencia Artificial
Representacion del Conocimiento Inteligencia Artificial
jorgeescalona2387
 
Practicas prolog
Practicas prologPracticas prolog
Practicas prolog
maxsp5566
 
3. Representación del conocimiento y razonamiento.
3. Representación del conocimiento y razonamiento.3. Representación del conocimiento y razonamiento.
3. Representación del conocimiento y razonamiento.
Humberto Chalate Jorge
 
Unidad IV Reglas de Producción
Unidad IV Reglas de ProducciónUnidad IV Reglas de Producción
Unidad IV Reglas de Producción
Humberto Chalate Jorge
 
3.4 Logica de Predicados
3.4 Logica de Predicados3.4 Logica de Predicados
3.4 Logica de Predicados
Humberto Chalate Jorge
 
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
 
3.4. Logica de predicados
3.4. Logica de predicados3.4. Logica de predicados
3.4. Logica de predicados
Humberto Chalate Jorge
 
Redes semánticas
Redes semánticasRedes semánticas
Redes semánticas
Edith López
 

Destacado (16)

Formas de representacion del conocimiento
Formas de representacion del conocimientoFormas de representacion del conocimiento
Formas de representacion del conocimiento
 
Representacion del conocimiento
Representacion del conocimientoRepresentacion del conocimiento
Representacion del conocimiento
 
Formas de representar el conocimiento
Formas de representar el conocimientoFormas de representar el conocimiento
Formas de representar el conocimiento
 
El conocimiento en Inteligencia Artificial
El conocimiento en Inteligencia ArtificialEl conocimiento en Inteligencia Artificial
El conocimiento en Inteligencia Artificial
 
Representación del Conocimiento en la I.A
Representación del Conocimiento en la I.ARepresentación del Conocimiento en la I.A
Representación del Conocimiento en la I.A
 
Representación del conocimiento
Representación del conocimientoRepresentación del conocimiento
Representación del conocimiento
 
El conocimiento en inteligencia artificial
El conocimiento en inteligencia artificialEl conocimiento en inteligencia artificial
El conocimiento en inteligencia artificial
 
Guiones o scripts en la representación del conocimiento
Guiones o scripts en la representación del conocimientoGuiones o scripts en la representación del conocimiento
Guiones o scripts en la representación del conocimiento
 
Representacion del Conocimiento Inteligencia Artificial
Representacion del Conocimiento Inteligencia ArtificialRepresentacion del Conocimiento Inteligencia Artificial
Representacion del Conocimiento Inteligencia Artificial
 
Practicas prolog
Practicas prologPracticas prolog
Practicas prolog
 
3. Representación del conocimiento y razonamiento.
3. Representación del conocimiento y razonamiento.3. Representación del conocimiento y razonamiento.
3. Representación del conocimiento y razonamiento.
 
Unidad IV Reglas de Producción
Unidad IV Reglas de ProducciónUnidad IV Reglas de Producción
Unidad IV Reglas de Producción
 
3.4 Logica de Predicados
3.4 Logica de Predicados3.4 Logica de Predicados
3.4 Logica de Predicados
 
3 . Representación del conocimiento y razonamiento
3 . Representación del conocimiento y razonamiento3 . Representación del conocimiento y razonamiento
3 . Representación del conocimiento y razonamiento
 
3.4. Logica de predicados
3.4. Logica de predicados3.4. Logica de predicados
3.4. Logica de predicados
 
Redes semánticas
Redes semánticasRedes semánticas
Redes semánticas
 

Similar a Técnicas de representación del conocimiento

rep-conocimiento.ppt
rep-conocimiento.pptrep-conocimiento.ppt
rep-conocimiento.ppt
DanielaRiveraArenas1
 
generar conocimiento rep-conocimiento.ppt
generar conocimiento rep-conocimiento.pptgenerar conocimiento rep-conocimiento.ppt
generar conocimiento rep-conocimiento.ppt
Sanatumente1
 
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
 
Presentacion lógica para la asignatura Lógica y Computabilidad
Presentacion lógica para la asignatura Lógica y ComputabilidadPresentacion lógica para la asignatura Lógica y Computabilidad
Presentacion lógica para la asignatura Lógica y Computabilidad
Joaquín Borrego-Díaz
 
Representación del Conocimiento
Representación del ConocimientoRepresentación del Conocimiento
Representación del Conocimiento
Rafael Joaquin Crespo Freitez
 
Representacion del conocimiento Edwin Mogollon
Representacion del conocimiento Edwin MogollonRepresentacion del conocimiento Edwin Mogollon
Representacion del conocimiento Edwin Mogollon
Edwin José Mogollón Escalona
 
Guía para maestros: Materiales y recursos para enseñar y aprender radicación ...
Guía para maestros: Materiales y recursos para enseñar y aprender radicación ...Guía para maestros: Materiales y recursos para enseñar y aprender radicación ...
Guía para maestros: Materiales y recursos para enseñar y aprender radicación ...
Compartir Palabra Maestra
 
Representacion del conocimiento
Representacion del conocimientoRepresentacion del conocimiento
Representacion del conocimiento
Fernando Juhasz
 
Plan Y ProgramacióN 7
Plan Y ProgramacióN 7Plan Y ProgramacióN 7
Plan Y ProgramacióN 7
guest909662
 
Pensamiento
PensamientoPensamiento
Pensamiento
Gabby Gopar
 
Representación del conocimiento.pptx2
Representación del conocimiento.pptx2Representación del conocimiento.pptx2
Representación del conocimiento.pptx2
Gina Herrera
 
Aprender A Ver
Aprender A VerAprender A Ver
Aprender A Ver
guestbd4d8b
 
Representación del Conocimiento
Representación del ConocimientoRepresentación del Conocimiento
Representación del Conocimiento
Hernán Salazar
 
Incertidumbre
IncertidumbreIncertidumbre
Incertidumbre
Luis Morocho
 
Taller_Primaria- CÓMO APROVECHAR LOS INFORMES DE LA ECE EN EL AULA
Taller_Primaria- CÓMO APROVECHAR LOS INFORMES DE LA ECE EN EL AULATaller_Primaria- CÓMO APROVECHAR LOS INFORMES DE LA ECE EN EL AULA
Taller_Primaria- CÓMO APROVECHAR LOS INFORMES DE LA ECE EN EL AULA
RocioAyala44
 
Apunte heuristicas
Apunte heuristicasApunte heuristicas
Apunte heuristicas
olimpica
 
Paradigmas de programación
Paradigmas de programaciónParadigmas de programación
Paradigmas de programación
María Luisa Velasco
 
Curso evaluación
Curso evaluaciónCurso evaluación
Curso evaluación
Horacio Rene Armas
 
Diapo calculo
Diapo calculoDiapo calculo
Diapo calculo
rsita333
 

Similar a Técnicas de representación del conocimiento (20)

rep-conocimiento.ppt
rep-conocimiento.pptrep-conocimiento.ppt
rep-conocimiento.ppt
 
generar conocimiento rep-conocimiento.ppt
generar conocimiento rep-conocimiento.pptgenerar conocimiento rep-conocimiento.ppt
generar conocimiento rep-conocimiento.ppt
 
Representación del conocimiento
Representación del conocimientoRepresentación del conocimiento
Representación del conocimiento
 
Conocimiento Inteligencia Artificial
Conocimiento Inteligencia ArtificialConocimiento Inteligencia Artificial
Conocimiento Inteligencia Artificial
 
Presentacion lógica para la asignatura Lógica y Computabilidad
Presentacion lógica para la asignatura Lógica y ComputabilidadPresentacion lógica para la asignatura Lógica y Computabilidad
Presentacion lógica para la asignatura Lógica y Computabilidad
 
Representación del Conocimiento
Representación del ConocimientoRepresentación del Conocimiento
Representación del Conocimiento
 
Representacion del conocimiento Edwin Mogollon
Representacion del conocimiento Edwin MogollonRepresentacion del conocimiento Edwin Mogollon
Representacion del conocimiento Edwin Mogollon
 
Guía para maestros: Materiales y recursos para enseñar y aprender radicación ...
Guía para maestros: Materiales y recursos para enseñar y aprender radicación ...Guía para maestros: Materiales y recursos para enseñar y aprender radicación ...
Guía para maestros: Materiales y recursos para enseñar y aprender radicación ...
 
Representacion del conocimiento
Representacion del conocimientoRepresentacion del conocimiento
Representacion del conocimiento
 
Plan Y ProgramacióN 7
Plan Y ProgramacióN 7Plan Y ProgramacióN 7
Plan Y ProgramacióN 7
 
Pensamiento
PensamientoPensamiento
Pensamiento
 
Representación del conocimiento.pptx2
Representación del conocimiento.pptx2Representación del conocimiento.pptx2
Representación del conocimiento.pptx2
 
Aprender A Ver
Aprender A VerAprender A Ver
Aprender A Ver
 
Representación del Conocimiento
Representación del ConocimientoRepresentación del Conocimiento
Representación del Conocimiento
 
Incertidumbre
IncertidumbreIncertidumbre
Incertidumbre
 
Taller_Primaria- CÓMO APROVECHAR LOS INFORMES DE LA ECE EN EL AULA
Taller_Primaria- CÓMO APROVECHAR LOS INFORMES DE LA ECE EN EL AULATaller_Primaria- CÓMO APROVECHAR LOS INFORMES DE LA ECE EN EL AULA
Taller_Primaria- CÓMO APROVECHAR LOS INFORMES DE LA ECE EN EL AULA
 
Apunte heuristicas
Apunte heuristicasApunte heuristicas
Apunte heuristicas
 
Paradigmas de programación
Paradigmas de programaciónParadigmas de programación
Paradigmas de programación
 
Curso evaluación
Curso evaluaciónCurso evaluación
Curso evaluación
 
Diapo calculo
Diapo calculoDiapo calculo
Diapo calculo
 

Más de Mónica María Espejo Pérez

Gestión de contenidos
Gestión de contenidosGestión de contenidos
Gestión de contenidos
Mónica María Espejo Pérez
 
Control de versiones
Control de versionesControl de versiones
Control de versiones
Mónica María Espejo Pérez
 
Control de cambios
Control de cambiosControl de cambios
Control de cambios
Mónica María Espejo Pérez
 
GESTIÓN DE LA CONFIGURACIÓN DEL SOFTWARE (GCS)
GESTIÓN DE LA CONFIGURACIÓN DEL SOFTWARE (GCS)GESTIÓN DE LA CONFIGURACIÓN DEL SOFTWARE (GCS)
GESTIÓN DE LA CONFIGURACIÓN DEL SOFTWARE (GCS)
Mónica María Espejo Pérez
 
Itil
ItilItil
Iso 9000 3
Iso 9000 3Iso 9000 3
Definiciones de Estándar, metodología, mejor práctica.
Definiciones de Estándar, metodología, mejor práctica.Definiciones de Estándar, metodología, mejor práctica.
Definiciones de Estándar, metodología, mejor práctica.
Mónica María Espejo Pérez
 
Introducción al módulo
Introducción al móduloIntroducción al módulo
Introducción al módulo
Mónica María Espejo Pérez
 

Más de Mónica María Espejo Pérez (8)

Gestión de contenidos
Gestión de contenidosGestión de contenidos
Gestión de contenidos
 
Control de versiones
Control de versionesControl de versiones
Control de versiones
 
Control de cambios
Control de cambiosControl de cambios
Control de cambios
 
GESTIÓN DE LA CONFIGURACIÓN DEL SOFTWARE (GCS)
GESTIÓN DE LA CONFIGURACIÓN DEL SOFTWARE (GCS)GESTIÓN DE LA CONFIGURACIÓN DEL SOFTWARE (GCS)
GESTIÓN DE LA CONFIGURACIÓN DEL SOFTWARE (GCS)
 
Itil
ItilItil
Itil
 
Iso 9000 3
Iso 9000 3Iso 9000 3
Iso 9000 3
 
Definiciones de Estándar, metodología, mejor práctica.
Definiciones de Estándar, metodología, mejor práctica.Definiciones de Estándar, metodología, mejor práctica.
Definiciones de Estándar, metodología, mejor práctica.
 
Introducción al módulo
Introducción al móduloIntroducción al módulo
Introducción al módulo
 

Último

9 Lección perro.pptxcvBWRFWBCCCCCCCCCCCCCCTEN
9 Lección perro.pptxcvBWRFWBCCCCCCCCCCCCCCTEN9 Lección perro.pptxcvBWRFWBCCCCCCCCCCCCCCTEN
9 Lección perro.pptxcvBWRFWBCCCCCCCCCCCCCCTEN
KarinToledo2
 
DIAGRAMA SIPOC INGENIERIA INDUSTRIAL HERRAMIENTA
DIAGRAMA SIPOC INGENIERIA INDUSTRIAL HERRAMIENTADIAGRAMA SIPOC INGENIERIA INDUSTRIAL HERRAMIENTA
DIAGRAMA SIPOC INGENIERIA INDUSTRIAL HERRAMIENTA
MayDaniel2
 
INFORME DE LABORATORIO MECANICA DE FLUIDOS (1).docx
INFORME DE LABORATORIO MECANICA DE FLUIDOS (1).docxINFORME DE LABORATORIO MECANICA DE FLUIDOS (1).docx
INFORME DE LABORATORIO MECANICA DE FLUIDOS (1).docx
LuzdeFatimaCarranzaG
 
Cálculo del espesor del conducto forzado
Cálculo del espesor del conducto forzadoCálculo del espesor del conducto forzado
Cálculo del espesor del conducto forzado
KristianSaavedra
 
MECÁNICA DE SUELOS I - Comportamiento suelos granulares
MECÁNICA DE SUELOS I - Comportamiento suelos granularesMECÁNICA DE SUELOS I - Comportamiento suelos granulares
MECÁNICA DE SUELOS I - Comportamiento suelos granulares
Fernando878837
 
INVENTARIO CEROO Y DINAMICAA FABRIL.pptx
INVENTARIO CEROO Y DINAMICAA FABRIL.pptxINVENTARIO CEROO Y DINAMICAA FABRIL.pptx
INVENTARIO CEROO Y DINAMICAA FABRIL.pptx
FernandoRodrigoEscal
 
GRAFICAS AÑOSsssssssss (2022 - 2023).pdf
GRAFICAS AÑOSsssssssss (2022 - 2023).pdfGRAFICAS AÑOSsssssssss (2022 - 2023).pdf
GRAFICAS AÑOSsssssssss (2022 - 2023).pdf
Jose Calderas
 
ilovepdf_merged (2) (1)-4-51.pdfORLANDOMARTIN
ilovepdf_merged (2) (1)-4-51.pdfORLANDOMARTINilovepdf_merged (2) (1)-4-51.pdfORLANDOMARTIN
ilovepdf_merged (2) (1)-4-51.pdfORLANDOMARTIN
OrlandoRomanEcheandi
 
Graficas de Control, problemas resueltos, minitab
Graficas de Control, problemas resueltos, minitabGraficas de Control, problemas resueltos, minitab
Graficas de Control, problemas resueltos, minitab
XIOMARAANTONELLACAST
 
OPERACIONES BÁSICAS (INFOGRAFIA) DOCUMENTO
OPERACIONES BÁSICAS (INFOGRAFIA) DOCUMENTOOPERACIONES BÁSICAS (INFOGRAFIA) DOCUMENTO
OPERACIONES BÁSICAS (INFOGRAFIA) DOCUMENTO
GERARDO GONZALEZ
 
Material magnetismo.pdf material del electromagnetismo con fórmulas
Material magnetismo.pdf material del electromagnetismo con fórmulasMaterial magnetismo.pdf material del electromagnetismo con fórmulas
Material magnetismo.pdf material del electromagnetismo con fórmulas
michiotes33
 
PRIMERA Y SEGUNDA LEY DE LA TERMODINÁMICA
PRIMERA Y SEGUNDA LEY DE LA TERMODINÁMICAPRIMERA Y SEGUNDA LEY DE LA TERMODINÁMICA
PRIMERA Y SEGUNDA LEY DE LA TERMODINÁMICA
carmenquintana18
 
Las operaciones básicas en la construcción.
Las operaciones básicas en la construcción.Las operaciones básicas en la construcción.
Las operaciones básicas en la construcción.
MaraManuelaUrribarri
 
OPERACIONPLANTA_CLASE14_CLASE15_BOMBAS_FLOTACIONSELECTIVA.pdf
OPERACIONPLANTA_CLASE14_CLASE15_BOMBAS_FLOTACIONSELECTIVA.pdfOPERACIONPLANTA_CLASE14_CLASE15_BOMBAS_FLOTACIONSELECTIVA.pdf
OPERACIONPLANTA_CLASE14_CLASE15_BOMBAS_FLOTACIONSELECTIVA.pdf
AlejandroContreras470286
 
Infografia - Hugo Hidalgo - Construcción
Infografia - Hugo Hidalgo - ConstrucciónInfografia - Hugo Hidalgo - Construcción
Infografia - Hugo Hidalgo - Construcción
MaraManuelaUrribarri
 
INGLES_LISTA_DE_VOCABULARIO una lista completa
INGLES_LISTA_DE_VOCABULARIO una lista completaINGLES_LISTA_DE_VOCABULARIO una lista completa
INGLES_LISTA_DE_VOCABULARIO una lista completa
JaimmsArthur
 
Clase de termodinamica sobre cabios de fase
Clase de termodinamica sobre cabios de faseClase de termodinamica sobre cabios de fase
Clase de termodinamica sobre cabios de fase
EmilyLloydCerda
 
Aletas de Transferencia de Calor o Superficies Extendidas.pdf
Aletas de Transferencia de Calor o Superficies Extendidas.pdfAletas de Transferencia de Calor o Superficies Extendidas.pdf
Aletas de Transferencia de Calor o Superficies Extendidas.pdf
JuanAlbertoLugoMadri
 
FICHA TECNICA PRODUCTOS CONGELADOS EMBALAJE.pdf
FICHA TECNICA PRODUCTOS CONGELADOS EMBALAJE.pdfFICHA TECNICA PRODUCTOS CONGELADOS EMBALAJE.pdf
FICHA TECNICA PRODUCTOS CONGELADOS EMBALAJE.pdf
jesus869159
 
Operaciones Básicas creadora Veronica Maiz
Operaciones Básicas creadora Veronica MaizOperaciones Básicas creadora Veronica Maiz
Operaciones Básicas creadora Veronica Maiz
carolina838317
 

Último (20)

9 Lección perro.pptxcvBWRFWBCCCCCCCCCCCCCCTEN
9 Lección perro.pptxcvBWRFWBCCCCCCCCCCCCCCTEN9 Lección perro.pptxcvBWRFWBCCCCCCCCCCCCCCTEN
9 Lección perro.pptxcvBWRFWBCCCCCCCCCCCCCCTEN
 
DIAGRAMA SIPOC INGENIERIA INDUSTRIAL HERRAMIENTA
DIAGRAMA SIPOC INGENIERIA INDUSTRIAL HERRAMIENTADIAGRAMA SIPOC INGENIERIA INDUSTRIAL HERRAMIENTA
DIAGRAMA SIPOC INGENIERIA INDUSTRIAL HERRAMIENTA
 
INFORME DE LABORATORIO MECANICA DE FLUIDOS (1).docx
INFORME DE LABORATORIO MECANICA DE FLUIDOS (1).docxINFORME DE LABORATORIO MECANICA DE FLUIDOS (1).docx
INFORME DE LABORATORIO MECANICA DE FLUIDOS (1).docx
 
Cálculo del espesor del conducto forzado
Cálculo del espesor del conducto forzadoCálculo del espesor del conducto forzado
Cálculo del espesor del conducto forzado
 
MECÁNICA DE SUELOS I - Comportamiento suelos granulares
MECÁNICA DE SUELOS I - Comportamiento suelos granularesMECÁNICA DE SUELOS I - Comportamiento suelos granulares
MECÁNICA DE SUELOS I - Comportamiento suelos granulares
 
INVENTARIO CEROO Y DINAMICAA FABRIL.pptx
INVENTARIO CEROO Y DINAMICAA FABRIL.pptxINVENTARIO CEROO Y DINAMICAA FABRIL.pptx
INVENTARIO CEROO Y DINAMICAA FABRIL.pptx
 
GRAFICAS AÑOSsssssssss (2022 - 2023).pdf
GRAFICAS AÑOSsssssssss (2022 - 2023).pdfGRAFICAS AÑOSsssssssss (2022 - 2023).pdf
GRAFICAS AÑOSsssssssss (2022 - 2023).pdf
 
ilovepdf_merged (2) (1)-4-51.pdfORLANDOMARTIN
ilovepdf_merged (2) (1)-4-51.pdfORLANDOMARTINilovepdf_merged (2) (1)-4-51.pdfORLANDOMARTIN
ilovepdf_merged (2) (1)-4-51.pdfORLANDOMARTIN
 
Graficas de Control, problemas resueltos, minitab
Graficas de Control, problemas resueltos, minitabGraficas de Control, problemas resueltos, minitab
Graficas de Control, problemas resueltos, minitab
 
OPERACIONES BÁSICAS (INFOGRAFIA) DOCUMENTO
OPERACIONES BÁSICAS (INFOGRAFIA) DOCUMENTOOPERACIONES BÁSICAS (INFOGRAFIA) DOCUMENTO
OPERACIONES BÁSICAS (INFOGRAFIA) DOCUMENTO
 
Material magnetismo.pdf material del electromagnetismo con fórmulas
Material magnetismo.pdf material del electromagnetismo con fórmulasMaterial magnetismo.pdf material del electromagnetismo con fórmulas
Material magnetismo.pdf material del electromagnetismo con fórmulas
 
PRIMERA Y SEGUNDA LEY DE LA TERMODINÁMICA
PRIMERA Y SEGUNDA LEY DE LA TERMODINÁMICAPRIMERA Y SEGUNDA LEY DE LA TERMODINÁMICA
PRIMERA Y SEGUNDA LEY DE LA TERMODINÁMICA
 
Las operaciones básicas en la construcción.
Las operaciones básicas en la construcción.Las operaciones básicas en la construcción.
Las operaciones básicas en la construcción.
 
OPERACIONPLANTA_CLASE14_CLASE15_BOMBAS_FLOTACIONSELECTIVA.pdf
OPERACIONPLANTA_CLASE14_CLASE15_BOMBAS_FLOTACIONSELECTIVA.pdfOPERACIONPLANTA_CLASE14_CLASE15_BOMBAS_FLOTACIONSELECTIVA.pdf
OPERACIONPLANTA_CLASE14_CLASE15_BOMBAS_FLOTACIONSELECTIVA.pdf
 
Infografia - Hugo Hidalgo - Construcción
Infografia - Hugo Hidalgo - ConstrucciónInfografia - Hugo Hidalgo - Construcción
Infografia - Hugo Hidalgo - Construcción
 
INGLES_LISTA_DE_VOCABULARIO una lista completa
INGLES_LISTA_DE_VOCABULARIO una lista completaINGLES_LISTA_DE_VOCABULARIO una lista completa
INGLES_LISTA_DE_VOCABULARIO una lista completa
 
Clase de termodinamica sobre cabios de fase
Clase de termodinamica sobre cabios de faseClase de termodinamica sobre cabios de fase
Clase de termodinamica sobre cabios de fase
 
Aletas de Transferencia de Calor o Superficies Extendidas.pdf
Aletas de Transferencia de Calor o Superficies Extendidas.pdfAletas de Transferencia de Calor o Superficies Extendidas.pdf
Aletas de Transferencia de Calor o Superficies Extendidas.pdf
 
FICHA TECNICA PRODUCTOS CONGELADOS EMBALAJE.pdf
FICHA TECNICA PRODUCTOS CONGELADOS EMBALAJE.pdfFICHA TECNICA PRODUCTOS CONGELADOS EMBALAJE.pdf
FICHA TECNICA PRODUCTOS CONGELADOS EMBALAJE.pdf
 
Operaciones Básicas creadora Veronica Maiz
Operaciones Básicas creadora Veronica MaizOperaciones Básicas creadora Veronica Maiz
Operaciones Básicas creadora Veronica Maiz
 

Técnicas de representación del conocimiento

  • 1. Técnicas de Representación del Conocimiento
  • 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.
  • 4. ¿Para qué? • Saber para actuar en consecuencia
  • 5. ¿Para qué? • Saber para actuar en consecuencia
  • 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.
  • 21. Algunos ejemplos • Conocimiento relacional • Marco – conocimiento heredable • Redes semánticas • Conocimiento Deductivo
  • 22. Conocimiento relacional simple • Columnas que identifican atributos de un objeto (fila) • Problemas: altamente estructurado
  • 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).
  • 26. Conocimiento Deductivo • Lógica de predicados de primer orden • El proceso de inferencia más usado se llama resolución
  • 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.
  • 35. Tripletas Objeto-Atributo-Valor Típicamente estas tripletas se representan en forma de grafos, de la siguiente forma:
  • 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