REPRESENTACIÓN DEL CONOCIMIENTO EN INTELIGENCIA ARTIFICIAL
Integrantes:
o o o o o
Castro Sairitupac, Jeison Mendoza Ventura, Alex Valdes, Fernando Valenzuela Navarro, Victor Yarmas Obregon, Nickols
1
Tabla de Contenidos
Índice
Introducción .............................................................................................. 2 1. Definición ............................................................................................ 4 2. Metodología de Representación del conocimiento ............................ 5 3. Características de Representación del Conocimiento en Inteligencia Artificial ..................................................................................................... 6 4. Tipos de Conocimiento en Inteligencia Artificial ................................. 7 a) Conocimiento declarativo ................................................................. 7 b) Conocimiento Procedimental............................................................ 9 c) Conocimiento Heurístico................................................................. 10
5. Técnicas de representación de conocimiento en Inteligencia Artificial. ................................................................................................................. 10
6. Propiedades del sistema de representación del conocimiento en inteligencia Artificial. ............................................................................... 13 7. Representación del conocimiento en Inteligencia Artificial. ............... 13 8. Conclusiones ...................................................................................... 14
Introducción
Una de las preocupaciones características de los humanos ha sido el deseo de cuantificar y cualificar el conocimiento propio sobre todos los aspectos de su entorno. Alrededor de esta preocupación ha girado buena parte de la actividad científica y filosófica occidental a partir de Aristóteles. La intención de este trabajo es la de situar este problema en el contexto de la Inteligencia Artificial y abordar los problemas relacionados 2
con el análisis y uso del conocimiento y su estudio y tratamiento mediante un ordenador o un agente. Mucha de las actividades humanas consideradas inteligentes se basan en la explotación de cantidad de información, hechos, experiencias y conocimientos más o menos específicos de un ámbito particular. En consecuencia, una parte importante de las labores de investigación y desarrollo, en el campo de la IA consiste en la concepción de formalismos que permiten el desarrollo de sistemas basados en conocimiento y, específicamente, en el estudio de las distintas maneras de definir y crear sus bases.
3
1. Definición La representación del conocimiento es un área de la inteligencia artificial cuyo objetivo fundamental es representar el conocimiento de una manera que facilite la inferencia a partir de dicho conocimiento. Analiza cómo pensar formalmente junto con funciones que permitan inferir sobre los objetos. Se usa la lógica para proveer una semántica formal de cómo 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, da significado a las frases en la lógica. Las representaciones del conocimiento más expresivas pueden ser ni completas ni consistentes (formalmente menos expresivas que la teoría de conjuntos). Las representaciones del conocimiento más expresivas pueden ser ni completas ni consistentes. Representación de conocimiento = Escribir en un lenguaje descripciones del mundo.
A pesar de que todo programa de IA tiene una parte de base de conocimiento, es un área de investigación abierta. Ingredientes básicos: • Un lenguaje de representació n (como C# por ejemplo). • Capacidad de inferencias. • Conocimiento del dominio.
4
2. Metodología de Representación del conocimiento Un esquema de representación es un instrumento para codificar la realidad en un computador. Desde un punto de vista informático un esquema de representación puede ser descrito como una combinación de las estructuras de datos, que son la parte estática del conocimiento disponible sobre objetos y/o eventos, y los procedimientos que caracterizan la componente dinámica del mismo: procesos que manipulan e interpretan información con el fin de transformarla en conocimiento, junto con los mecanismos de control sobre el uso de las información contenida en las estructuras de datos, y la capacidad del sistema para asimilar nueva información. Cuando se habla de la representación del conocimiento, se trata de dos tipos diferentes de entidades:
Hechos: Verdades en cualquier mundo material. Estas con las cosas que queremos representar.
Representación de los hechos : con un poco de formalismo elegido. Estas con las cosas que vamos a ser capaces de manejar con eficacia.
Ontología: Es un método de representación basado en lógica. La lógica en sí no es más que semántica y teoría de la demostración. No nos dice en lo más mínimo qué es aquello que deberá expresarse ni tampoco qué vocabulario emplear para ello.
5
3. Características de Representación del Conocimiento en Inteligencia Artificial La representación del conocimiento cubre ciertas características básicas: a) Cobertura, que significa que la información del conocimiento cubre la información de anchura y de profundidad. Sin una cobertura amplia la representación del conocimiento no puede determinar nada ni resolver ambigüedades. b) Compresible por humanos: La representación del conocimiento es vista como un lenguaje natural, así que la lógica debería fluir libremente. Debería soportar la modularidad y la jerarquía de clases. c) Consistencia.
Siendo
consistente,
la
representación
del
conocimiento puede eliminar conocimiento redundante o conflictivo. d) Eficiencia e) Facilidad de modificación y actualización. f) Soporte de la actividad inteligente que usa la base de conocimiento.
El conocimiento posee ciertas propiedades: voluminoso, difícil de caracterizarlo, dinámico, con incertidumbres, y debe estructurarse de la manera cómo se va a utilizar.
La IA busca representar generalizaciones, es decir, no representar cada situación individual, sino agrupar las situaciones que comparten propiedades importantes, de tal forma que pueda: 6
Ser entendido por las personas que lo provean.
Ser modificado para corregir errores.
Reflejar cambios en el mundo.
Usarse en muchas situaciones, aún sin ser totalmente exacto.
4. Tipos de Conocimiento en Inteligencia Artificial Tenemos los siguientes tipos: a) Conocimiento declarativo Son hechos sobre objetos o situaciones. Posee mayor capacidad expresiva,
menos
capacidad
creativa
o
computaciones.
Es
conocimiento pasivo expresado como sentencias acerca de los hechos del mundo que nos rodea (el saber qué hacer). Puede ser representado con modelos relacionales y esquemas basados en lógica.
Los
modelos
relacionales
pueden
representar
el
conocimiento en forma de árboles, grafos o redes semánticas. Los esquemas de representación lógica incluyen el uso de lógica proposicional y lógica de predicados. Por ejemplo:
7
Tipos de Conocimiento Declarativo: Conocimiento
Relacional :
Conjunto
de
relaciones
expresables mediante tablas (como en una base de Datos). Hemos de aportar procedimientos que o enriquezcan al motor de inferencias para generar conocimiento a partir de las tablas
Conocimiento Heredable: Estructuración jerárquica del conocimiento. Se
trata de construir un árbol o grafo de conceptos basado en la generalización y/o especialización.
8
Conocimiento Inferible:
Conocimiento descrito mediante
lógica. Se puede utilizar la semántica de los operadores y el Modus Ponens para inferir nuevo conocimiento.
b) Conocimiento Procedimental Es aquel conocimiento compilado que se refiere a la forma de realizar una cierta tareas (el saber cómo hacerlo). Por ejemplo, los pasos necesarios para resolver una ecuación algebraica son expresados como conocimiento procedimental. Los modelos procedimentales y sus esquemas de representación almacenan conocimiento en la forma de cómo hacer las cosas. Pueden estar caracterizados por gramáticas formales, usualmente implantadas por sistemas o lenguajes procedimentales y sistemas basados en reglas. Por ejemplo los pasos necesarios para resolver una ecuación.
9
c) Conocimiento Heurístico Es un tipo especial de conocimiento usado por los humanos para resolver problemas complejos. La base de la heurística surge de la experiencia de resolver problemas y ver como otros lo hacen. En las ciencias de la computación, el método heurístico es usado en determinadas circunstancias, cuando no existe una solución óptima bajo las restricciones dadas. En general la manera de actuar de los programas heurísticos consiste en encontrar algoritmos con buenos tiempos de ejecución y buenas soluciones. Muchos algoritmos en la inteligencia artificial son heurísticos por naturaleza, o usan reglas heurísticas. Un ejemplo son los programas que detectan si un correo electrónico es spam.
5. Técnicas de representación de conocimiento en Inteligencia Artificial.
10
Analiza como pensar formalmente, como usar un sistema de símbolos para representar un dominio de discurso (aquello de lo que se puede hablar) junto con funciones que permitan inferir (realizar un razonamiento formal) sobre objetos. Existen diferentes técnicas de representación del conocimiento que se han utilizado, y sobre las que se han sustentado los lenguajes de representación del conocimiento.
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 CocheColor-Rojo.
Fuzzy Facts o hechos difusos: representa 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 día siguiente. Esta técnica lo que permite es definir funciones de membresía que asignan un valor entre 0 y 1 a cada valor.
11
Rules: 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. 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 realizar acciones.
Redes Semánticas o Redes 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.
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 presentan conjunto de objetos con características similares. A partir de ellas se crean las instance frames que representan elementos concretos de una 12
clase. Por ejemplo, podríamos tener el marco de clase “Persona” y la instancia “Juan”.
6. Propiedades del sistema de representación del conocimiento en inteligencia Artificial.
La capacidad Expresiva:
La capacidad Deductiva
Eficiencia Deductiva
Eficiencia en la Adquisición
7. Representación del conocimiento en Inteligencia Artificial.
Captar generalizaciones.
Ser comprensible.
Fácilmente modificable, incrementable.
Ser usado en diversas situaciones y propósitos.
Permitir diversos grados de detalle.
Captar la incertidumbre, imprecisión.
Representar situaciones importantes.
Focalizar el conocimiento relevante.
13
8. Conclusiones En este documento se presentaron algunas de as formas con que se cuenta para representar el conocimiento buscando enfatizar los puntos siguientes: o
El concepto de conocimiento, se ha atacado desde múltiples enfoques y es conveniente tomarlos en cuenta ya que dependiendo del nivel de conocimiento que se maneja existe uno u otro mecanismo para representarlo.
o
El ser humano siempre ha buscado formas físicas de representar el conocimiento y actualmente cuenta con un cúmulo muy grande de estas formas.
o
Al aumentar la complejidad del conocimiento se obtiene mecanismos más compactos para representarlo mediante un proceso de abstracción que se olvida de los conocimientos específicos y busca reglas generales.
o
Actualmente en la computación se cuenta con múltiples mecanismos para representar el conocimiento desde nivel de datos hasta relaciones semánticas y pragmáticas.
o
Las herramientas actuales cubren un rango muy amplio de representación, sin embargo, no tienen la capacidad de abstraer y compactar el conocimiento en reglas generales a partir de reglas o puntos espec
14