Este documento presenta un resumen de un tema sobre inteligencia artificial. Trata sobre diferentes temas como sistemas basados en conocimiento, mapas conceptuales, redes semánticas, lógica de predicados, razonamiento con incertidumbre, aprendizaje, demostración y métodos deductivos. Fue presentado por un grupo de estudiantes de ingeniería de sistemas ante su catedrático.
1. INTELIGENCIA ARTIFICIAL
CATEDRÁTICO:
LIC. TOMAS TORRES RAMIREZ
PRESENTAN:
BAUTISTA LOPEZ VICTOR MANUEL
MARQUEZ SANCHEZ EDER GAEL
MARTINEZ QUINTANA JOSE LUIS
OCTAVIANO ENRIQUEZ CARLO ANTONIO
VASQUEZ MELENDEZ EDUARDO
CARRERA:
INGENIERÍA EN SISTEMAS COMPUTACIONALES.
TEMA:
UNIDAD 3
TUXTEPEC, OAX. A 11 DE MARZO DEL 2015
2. Sistemas basados en conocimiento
La representación del conocimiento y el razonamiento es un
área de la inteligencia artificial cuyo objetivo fundamental es
representar el conocimiento de una manera que facilite
la inferencia (sacar conclusiones) a partir de dicho conocimiento.
Analiza cómo pensar formalmente – cómo usar un sistema de
símbolos para representar un dominio del discurso (aquello de
lo que se puede hablar), junto con funciones que permitan
inferir (realizar un razonamiento formal) sobre los objetos.
3. Generalmente, se usa algún tipo de lógica para proveer
una semántica formal de como las funciones de razonamiento
se aplican a los símbolos del dominio del discurso, además de
proveer operadores como cuantificadores, operadores modales,
etc. Esto, junto a una teoría de interpretación, dan significado a
las frases en la lógica.
4. Importancia del Conocimiento
Los sistemas basados en conocimiento basan su rendimiento en
la cantidad y calidad del conocimiento de un dominio específico
y no tanto en las técnicas de solución de problemas.
Diferencia de sistemas basados en conocimiento con otras
técnicas:
—En matemáticas, teoría de control y computación, se intenta
resolver el problema mediante su modelado (Modelo del
problema).
En sistemas expertos se ataca el problema construyendo un
modelo del “experto” o resolvedor de problemas (Modelo del
experto).
5. 3.1.1 Concepto de conocimiento
La definición más relevante que sobre «conocimiento» aparece
en el diccionario de la R.A.E., «entendimiento, inteligencia,
razón natural» , no es muy informativa. En epistemología (la
rama de la filosofía que se ocupa del origen y la naturaleza del
conocimiento) hay una definición clásica: «conocimiento es
creencia verdadera justificada»
En realidad, no es una definición, porque, como demostró
Gettier (1963) mediante contraejemplos, establece condiciones
necesarias pero no suficientes para calificar a algo como
«conocimiento» . Otras definiciones ponen énfasis en la idea de
finalidad: «el conocimiento es información que tiene un
propósito o un uso» (Wikipedia, 2004) .
6. 3.1.2 Lenguajes utilizados en la
representación de conocimiento
Hay lenguajes formales, o «teóricos» , que satisfacen en mayor
o menor grado esas condiciones y lenguajes de implementación,
o «prácticos» , que, siguiendo el modelo de algún lenguaje
formal, están adaptados para mecanizar la construcción de
ontologías. Nos centraremos en los primeros, que son
relativamente «estables» , y sobre los que se basan los
segundos, algunos muy «volátiles» . Por ejemplo:
Prolog es un lenguaje de implementación de la lógica de primer
orden, que en sus versiones más recientes incluye también
construcciones para la programación con restricciones.
7. OWL (Web OntologyLanguage) es un lenguaje de ontolologías
para la web basado en una lógica de descripciones (en realidad,
son tres sublenguajes). Procede de la fusión de otros dos
elaborados independientemente alrededor del año 2000: DAML
(DARPA AgentMarkupLanguage, de la Agencia de proyectos del
Ministerio de Defensa U.S.A) y OIL (OntologyInferenceLayer, de
un consorcio formado en el marco de los programas de la U.E.).
9. ¿Qué SON?
Los mapas conceptuales son una forma de representación del
conocimiento concebida en el contexto de las ciencias
pedagógicas a finales de la década del 70.
Una técnica que representa, simultáneamente, una estrategia
de aprendizaje.
11. CARACTERISTICAS
• Nodos asociados a conceptos
• Relacionados mediante enlaces etiquetados por una palabra-
enlace, definiendo el tipos de relación que se establece entre
ellos
• Proposiciones formadas por dos o más nodos-conceptos
relacionados por una palabra-enlace
12. 3.3 Redes semánticas
Las redes semánticas son sistemas de organización del
conocimiento que estructuran los conceptos, no como una
jerarquía sino como una red.
13. PARTES
• nodos: es un concepto y se encierra en un círculo o elipse
• relaciones: es una propiedad del concepto y pueden ponerse
de dos formas:
• implícitas: es una flecha que no especifica su contenido.
• Explicitas: es una flecha en donde se especifica su contenido.
14. 3.4 Lógica de predicados
En lógica de predicados, los valores de verdad se atribuyen
a predicados que denotan relaciones entre entidades del
universo modelado. Por ejemplo, en vez de tener una
variable q para representar "Sócrates es un hombre", se
escribe el predicado hombre(sócrates) que relaciona a la
entidad "Sócrates" con el hecho de "ser hombre".
15. Un predicado también puede aplicarse a variables que denotan
entidades anónimas o genéricas. Por ejemplo, para escribir la premisa
"Todos los hombre son mortales", que no se refiere a ningún
"hombre" en particular, se utiliza el predicado hombre(X) en que X es
una variable que denota a cualquier entidad del universo modelado
que cumple con el hecho de "ser hombre".
El silogismo completo queda expresado de la siguiente manera:
X (hombre(X)mortal(X)).
hombre(Sócrates)
mortal(sócrates)
Para aplicar este silogismo basta asignar la variable X, que puede
tomar un valor arbitrario, con la constante sócrates. Se obtiene la
fórmula:
hombre(sócrates)mortal(sócrates)
16. La sintaxis de la lógica propositiva es sencilla. Los símbolos
utilizados en la lógica propositiva son las constantes lógicas
Verdadero y Falso, símbolos de proposiciones tales como P y Q,
los conectivos lógicos v, <=>, =>, y ¬ y parentesis ().
3.4.1 Sintaxis
17. Todas las oraciones se forman combinando los signos anteriores mediante las
siguientes reglas:
Las constante lógicas Verdadero y Falso, constituyen oraciones en si mismo.
Encerrar entre paréntesis una oración puede también en una oración, por
ejemplo (PˆQ).
Una oración se forma combinando oraciones mas sencillas con uno de los
cinco conectores logios:
• ˆ(Y) se le denomina conjunción(lógica)
• v(O) se le denomina disyunción
• =>(implica) se conoce como implicación (o condicional)
• <=>(equivalente) la oración es una equivalencia (también conocida como
bicondicional)
• ¬(no) se le conoce como negación
18. En la gramatica se representan oraciones atómicas, que en la logia propositiva se
representan median un solo signo (por ejemplo, p) y las oraciones complejas, que
constan de conectores o paréntesis (por ejemplo, PˆQ). También se utiliza el término
literal, que representa oraciones atomicas o una oración atómica negada.
19. La semántica de la logia propositiva también es bastante directa. Se
define especificando la interpretación de los signos de proposición y
de las constantes y especificando el significado de los conectores
lógicos. Un signo de proposición significa que cualquier hecho
arbitrario puede ser su interpretación. Las oraciones que contienen un
signo de proposición son satisfactibles pero no validas: son verdaderas
solo cuando el hecho al que aluden es relevante en un momento
dado.
3.4.2 Semántica
20. En el caso de las constantes lógicas no hay opción: la oración
Verdadero siempre quiere decir aquello que sucede en la realidad: el
hecho de la verdad. La oración Falso siempre quiere decir aquello que
no existe en el mundo.
Una manera de definir una función es construir una tabla mediante la
que se obtenga el valor de salida de todos los valores de entrada
posibles. A este tipo de tablas se les conoce como tablas de verdad.
22. Las tablas de verdad sirven no solo para definir los conectores, sino
también para probar la validez de las oraciones. Si se desea consideras
una oración, se construya una tabla de verdad con una hilera por cada
una de las posibles combinaciones de valores de verdad
correspondientes a los signos propositivos de la oración. Se calcula el
valor de verdad de toda la oración, en cada una de las hileras. Si la
oración es verdadera en cada una de las hileras, la oración es válida.
3.4.3, 3.4.4 Validez e Inferencia
24. 3.5 Razonamiento con incertidumbre
En situaciones reales, no siempre es posible contar con toda la
información, inclusive la información disponible puede ser
incorrecta, incompleta o cambiar muy rápidamente.
Todo esto da lugar a diferentes formas de inconsistencias e
incertidumbre.
25. 3.5.1 Aprendizaje
Es un proceso por el cual se adquiere una nueva conducta,
se modifica una antigua conducta o se extingue alguna,
como resultado siempre de experiencias o prácticas.
Tipos de aprendizaje
Partes innatas de aprendizaje
Instintos, reflejos, impulsos genéticos que hemos ido
heredando. Nos hacen aprender determinadas cosas. Ha
de haber interacción con el medio.
Por condicionamiento
Determinados estímulos provocan determinadas
respuestas. Si los estímulos por azar o no se condicionan
provocan que esta conducta inicial se refleje y se convierta
en un habito.
26. Por imitación y modelaje
Muchas de conductas son por imitación de las personas
importantes y destacadas para nosotros.
Por aprendizaje memorístico
Aprendizaje académico. No sabes lo que estas
aprendiendo
Aprendizaje de memoria clásico
Por lo cual al cabo de unas horas ya no lo recuerdas
Aprendizaje significativo
Parte de cosas importantes para ti, a partir de ahí
acumulas lo que ya sabias y lo haces tuyo.
27. 3.5.2 Razonamiento probabilístico
La principal ventaja del razonamiento probabilístico sobre el
razonamiento lógico es que el primero permite tomar decisiones
racionales aun en los casos en que no haya suficiente
información para probar que cualquier acción dada funcionara.
La red de creencias es un grafo dirigido y aciclico en el cual:
• un conjunto de arcos dirigidos o flechas conecta un par de
nodos.
• un conjunto de variables representa los nodos de la red, cada
nodo tiene una tabla de probabilidad condicional.
28. 3.5.3. Lógicas multivaluadas
La idea central subyacente a la construcción de lógicas
multivalentes es la de que hay un cierto campo fronterizo entre
la verdad total y la completa falsedad. Esa idea no es ningún
invento de algunos lógicos contemporáneos, sino que tiene
hondas y remotas raíces en el pensamiento humano
El principio de bivalencia ha sido tomado tradicionalmente como
un principio lógico fundamental: toda proposición es verdadera
o falsa. Si no es verdadera, es falsa y si no es falsa, es verdadera.
No hay tercera opción. Por eso se le conoce también como
principio del tercer excluso.
29. 3.5.4. Lógica difusa
La lógica difusa (también llamada lógica borrosa o lógica
heurística) se basa en lo relativo de lo observado como posición
diferencial. Este tipo de lógica toma dos valores aleatorios, pero
contextualizados y referidos entre sí. Así, por ejemplo, una
persona que mida 2 metros es claramente una persona alta, si
previamente se ha tomado el valor de persona baja y se ha
establecido en 1 metro. Ambos valores están contextualizados a
personas y referidos a una medida métrica lineal.
30. ¿Qué es una demostración?
Métodos Deductivos de demostración.
Según el sistema aristotélico, el método deductivo es un proceso que
parte de un conocimiento general, y arriba a uno particular. La
aplicación del método deductivo nos lleva a un conocimiento con
grado de certeza absoluta, y esta cimentado en proposiciones
llamadas SILOGISMOS. He aquí un ejemplo:
“Todos las venezolanas son bellas”, (Este es el conocimiento general)
“Marta Colomina es venezolana”
Luego:
“Marta Colomina es bella”
3.6 Demostración y métodos
31. Se puede observar que partiendo de dos premisas, una de las cuales
es una hipótesis general se llega a una conclusión particular.
También es de hacer notar que en este ejemplo las premisas
pueden ser verdaderas o pueden ser falsas, y por consiguiente la
conclusión puede ser igualmente verdadera o falsa.
32. En la lógica formal y sobre todo en el universo matemático, el
proceso deductivo tiene un significado un poco diferente, pues
está basado en AXIOMAS, o proposiciones que son verdaderas
por definición. Por ejemplo, un axioma es:
“EL TODO ES MAYOR QUE LA PARTE”, otro axioma es:
“DOS COSAS IGUALES A UNA TERCERA SON IGUALES ENTRE
SI”.
33. Constituye una herramienta fundamental para el trabajo en la
matemática y otras ciencias.
Ejemplos:
1.- Si llueve, entonces iré al cine. No llueve. Luego, no iré al
cine.
2.- Si me caigo de la bicicleta, me golpearé. Estoy golpeado;
luego, me caí de la bicicleta.
3.- Si trabajo, entonces no estudio. Estudio o repruebo el curso
de matemáticas. Aprobé el curso de matemáticas; luego,
trabajo.
4.- Si asisto a la escuela conversaré con mis amigos. Luego: si
no voy al colegio no conversaré con mis amigos.
34. El Método De Resolución De Ro
binson
El Método de Resolución [Robinson, 1965], es un intento de
mecanizar el proceso de deducción natural de esa forma
eficiente. Las demostraciones se consiguen utilizando el
método refutativo (reducción al absurdo), es decir lo que
intentamos es encontrar contradicciones.
35. Conocimiento No- Monotono Y
Otras lógicas
La lógica clásica tiene un carácter monótono. Es decir, dado un
conjunto de sentencias S1 del que se puede inferir C, al añadir
otro conjunto de sentencias S2, se tiene que seguir infiriendo C
a partir de S1 Unión S2. Esto es un inconveniente en gran
cantidad de problemas que se presentan en inteligencia artificial
y que tienen carácter no monótono. Las lógicas clásicas parten
del carácter no excluyente de los nuevos axiomas añadidos a los
ya existentes.
36. Formalismos Lógica no-
monótona
• Poder representar leyes como “Si x es un ser humano,
entonces x puede andar, a menos que haya algo que lo
contradiga”. Para ello se amplía la lógica de primer orden
introduciendo el operador modal M (es modal ya que indica
una modalidad de verdad).
37. Lógica por defecto
Muy parecido al anterior, pero el operador M ya no hace la
función de un operador modal capaz de formar sentencias Mp
supuestamente válidas en el sistema; en su lugar dicho operador
sólo aparece en las reglas de inferencia denominadas reglas por
defecto definidas al efecto.
38. Teorema de Bayes
El teorema de Bayes, enunciado por Thomas Bayes, en la teoría
de la probabilidad, es el resultado que da la distribución de
probabilidad condicional de un evento aleatorio A dado B en
términos de la distribución de probabilidad condicional del
evento B dado A y la distribución de probabilidad marginal de
sólo A. El teorema de Bayes es válido en todas las aplicaciones
de la teoría de la probabilidad. Sin embargo, hay una
controversia sobre el tipo de probabilidades que emplea.