CAPÍTULO 12 - angelfire.com fileQFormas básicas de lógica computacional

1

CAPÍTULO 12

Representación del conocimiento

Decisión Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ

2

Representación del Conocimiento

Una vez adquirido, el conocimiento debe ser organizado para su uso.

Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ

3

Introducción

Una buena representación del conocimiento representa el dominio del problema.

Una representación del problema inteligible es incorrecta.

La mayoría de los sistemas de inteligencia artificial consisten en: – Bases de conocimineto– Mecanismo de inferencia (motor)

Decisión Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ

4

Bases de conocimiento – Forma las fuentes del sistema

de inteligencia.– El mecanismo de inferencia se

usa para razonar y trazar conclusiones.

Mecanismos de inferencia: Examina las bases de conocimiento para resolver preguntas, problemas o hacer decisiones dentro del dominio.


5

Muchas ideas en la representación de conocimineto– Pueden ser programadas y almacenadas

en la menoria– Están diseñasadas para usarse en el

razonamiento

Más ideas en la representación de conociminetos:– Reglas de producción– Armazones


6

Representación de Ideas Lógicas y Otras Ideas

Forma general de algún proceso

Entradas (Premisas)

Premisas usadas por el proceso lógico para crear conclusiones consistentes (inferencias)

Los hechos verídicos pueden ser usados para sacar nuevos hechos que sean verdaderos


7

Lógica simbólica: Sistemas de reglas y procediminetos que permite establecer inferencias apartir de varias premisas

Formas básicas de lógica computacional – Lógica proposicional (o cálculo

proposicional) – Lógica del apuro (o cálculo del

apuro)Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson

6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ

8

Lógica Proposicional

Una proposición es una declaración que es cierta o falsa.

Una vez conocida, se convierte en una premisa que puede ser usada para derivar nuevas.

Las reglas son usadas para determinar la verdad (T) o falsedad (F) de las nuevas proposiciones.


9

Los símbolos representan proposiciones, premisas o conclusionesDeclaración: A = El cartero viene de Lunes a

Viernes. Declaración: B = Hoy es Domingo.Conclusión: C = El cartero no vendrá hoy.

Lógica proposicional: limitado en representación del conocimiento del mundo real.


10

Predicate CalculusPredicate logic breaks a statement down intocomponent parts, an object, objectcharacteristic or some object assertionPredicate calculus uses variables and functions of variables in a symbolic logicstatementPredicate calculus is the basis for Prolog(PROgramming in LOGic)Prolog Statement Examples– comes_on(mail_carrier, monday).– likes(jay, chocolate).

(Note - the period “.” is part of the statement)Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson

6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ

11

EscriturasLa representación de una idea, describiendo una secuencia de

eventos

Incluye elementos – Condiciones de entrada– Apoyo– Papeles– Pistas – Escenas


12

Listas

Series escritas de artículos relacionados

Normalmente usadas para representar el conocimiento jerárquico donde los objetos son agrupados, categorizados o calificados de acuerdo a:– La categoría – La reñación


13

Tablas de Decisión(Tabla de Inducción)Conocimiento organizado en un

formato de hoja de cálculo

Lista de atributos

Lista de conclusiones

Configuraciones de diferentes atributos son comparados con la conclusión


14

Árboles de DecisiónRelacionado a tablas

Similar a los árboles de decisión en la teoría de la decisión.

Puede simplificar el conocimiento en procesos de adquisición.

Diagramas de conocimiento – muy natural.


15

O-A-V TripletObjetos, atributos y valores

O-A-V Triplet

Los objetos pueden ser físicos o conceptuales

Los atributos son las características de los objetos

Los valores son medidas especificas de los atributos


16

Artículos Representativos del O-A-V

Objeto

Atributos

Valor

Casa

Recamaras

2, 3, 4, etc.

Casa

Color

Verde, blanco, cafe, etc.

Admisión a una Universidad

Calificación-promedio

3.0, 3.5, 3.7, etc.

Control. De inventario

Nivel de inventario

14, 20, 30, etc.

Recamara

Tamaño

9 X 10, 10 X 12, etc.


17

Lógica por Defecto

Acuerdos con incertidumbreInformación incompleta


18

Mapas de Conocimiento

Presentación visualMapas mentales


19

Cadenas SemánticasRepresentación gráfica del conocimiento

Los nodos y los vínculos muestran relaciones jerárquicas entre objetos

Nodos: Objectos

Arcos: Relaciones– Es un– Tiene un


20

Las cadenas semánticas pueden mostrar una herencia

Representación de relaciones de Redes visuales Semánticas

Pueden ser combinados con otros métodos de representación


21

Ejemplo de Cadenas Semánticas

Joe

niño

Kay

Mujer

Comida

Ser Humano

Escuela

Tuvo unhijo

NecesitaAsiste a laEs u

n

Es un

Es un

Es una


22

Reglas de Producción

Pares de condición-acción– Si esta condición (o premisa antecedente)

ocurre,– ENTONCES alguna acción (o resultado, o

conclusión, o consecuencia) ocurrirá (o debería)

– SI la luz del alto esta en rojo Y tú haz parado, ENTONCES una vuelta a la derecha está BIEN.


23

Cada regla de producción en una base de conocimiento representa un pedazo de los expertos.

Cuando se combina y se alimenta al motor de inferencia, el establecimiento de las reglas se comporta sinergistícamente.

Las reglas pueden ser vistas como una representación del comportamiento cognitivo del humano estudiado por los expertos.

Las reglas representan un modelo actual del comportamiento humano.


24

Formas de ReglasSI premisa, ENTONCES conclusión– SI sus ingresos son altos,

ENTONCES su oporttunidad de ser auditado por la IRS es alta.

Conclusión, SI premisa– Su oportunidad de ser escuchado

es alta, SI sus ingresos son altos.


25

Inclusión de MÁS– SI sus ingresos son altos, o sus deducciones son

inusuales, ENTONCES su oportunidad de ser auditado por el IRS es alta o bien su oportunidad de ser auditado es baja.

Reglas más complejas– SI el índice en su credito es alto Y su salario

es más de $30,000, O sus bienes son más de $75,00, Y su historial de pago no es “pobre”, ENTONCES aprueba un préstamo de $10,000 y la lista en categoría B.

– La parte de acción puede tener más información: ENTONCES “aprobar el préstamo”y “referirse a su agente”.


26

Conocimineto y Reglas de Inferencia

Tipos comunes de reglasReglas de conocimiento o reglas declarativas, estado de todos los hechos y relaciones sobre el problema.

Reglas de inferencia o reglas de procedimiento, consejos sobre como resolver problemas dado que ciertos hechos sonconocidos.

Las reglas de inferencia contienen reglas sobre las reglas.

Las reglas de conocimiento son almacenadas en el conocimiento de base.

Las reglas de inferencia se convierten en parte del motor de inferencia.


27

Ventajas de las ReglasFácil de entender (forma natural del conocimiento)

Fácil de derivar inferencias y explicaciones.

Fácil de modificar y mantener.

Fácil de combinar con incertidumbre.

Las reglas son frecuentemente independientes.


28

Limitación de las Reglas

El conocimiento complejo requiere muchas reglas.

A los constructores les agradan las reglas (síndrome del martillo)

Buscar limitaciones en sistemas con muchas reglas.


29

C a r a c te r ís t ic a s d e la R e p r e s e n ta c ió n d e R e g la s

P r im e r a P a r te

S e g u n d a P a r te

N o m b r e

P r e m is a ⎯ ⎯ ⎯ ⎯ ⎯ ⎯ ⎯ ⎯ ⎯ → A n te c e d e n te s ⎯ ⎯ ⎯ ⎯ ⎯ ⎯ ⎯ ⎯ → S itu a c ió n ⎯ ⎯ ⎯ ⎯ ⎯ ⎯ ⎯ ⎯ ⎯ → S I ⎯ ⎯ ⎯ ⎯ ⎯ ⎯ ⎯ ⎯ ⎯ ⎯ ⎯ ⎯ →

C o n c lu s ió n C o n s e c u e n c ia A c c ió n E N T O N C E S

N a tu r a le z a

C o n d ic io n e s , s im ila r a l c o n o c im ie n to d e la s d e c la r a c io n e s .

R e s o lu c io n e s , s im ila r a l c o n o c im ie n to d e p r o c e d im ie n to s .

A lc a n c e P u e d e te n e r m u c h o s S I ’s U s u a lm e n te u n a c o n c lu s ió n

D e c la r a c ió n

Y d e c la r a c io n e s

T o d a s la s c o n d ic io n e s d e b e n s e r v e r d a d e r a s p a r a q u e la c o n c lu s ió n s e a v e r d a d e r a .

O d e c la r a c io n e s

S i a lg u n a s d e la s d e c la r a c io n e s e s v e r d a d e r a , la s c o n c lu s io n e s s o n v e r d a d e r a s .


30

ArmazonesDefiniciones y Sobrever

Armazón: Estructura de datos que incluye el conocimiento sobre un objeto en partícular.Conocimiento organizado en una jerarquía para el diagnóstico de independencia de conocimiento.Forma de programación orientada a objetos para AI y ES.

Cada armazón describe un objeto.Terminología especial.


31

Cuadro de Terminología Default

Instantiation

Demon

Master frame

Facet

Object

Hierarchy of frames

Range

If added

Slot

If needed

Value (entry)

Instance of


32

Conciso, natural, representación estructural del conocimiento.Abarca objetos complejos, situaciones completas o problemas como una sola entidad.El cuadro de conocimiento se fracciona en ranuras.El espacio puede describir el conocimiento declarativo o el conocimiento procesal.

Más capacidad en los armazones.

El cuadro típico de descripción es automobile.

Cuadro de jerarquías: Herencias


33

Cuadro de Capacidades

Habilidad para documentar información claramente sobre un modelo de demanda; por ejemplo, las máquinas de una planta y sus atributos asociados. Habilidad relacionada a una coacción de los valores permitidos que un atributo puede tomar. Modularity de información, permitiendo facilitar la expansion del sistema y su mantenimiento. Sintaxis más legible y consistente para objetos de dominio de referencia en las reglas. Plataforma para la construcción de una interface gráfica con un objeto gráfico. Un mecanismo que nos permitirá restringir el alcance de los hechos considerados durante el encadenamiento adelantado o retrazado. Acceso al mecanismo que apoya la herencia de información bajo una clase jerárquica.


34

Multiples Representaciones de Conocimineto

Reglas + ArmazonesOtros

La representación de conocimiento debe apoyar

La adquisición de conocimientoRecuperación de conocimientoRazonamiento


35

Consideraciones para Evaluar una Representación del

ConocimientoNaturalness, uniformidad y entendimiento.

El grado al cual el conocimiento es explícito(declarativo) o grabado en el código de procedimiento.

Modulamiento y flexibilidad al conocimiento base.

Eficiencia de recuperación de conocimiento y el heurístico del procedimiento de inferencia.


36

Ningún conocimiento representa un método que esta idealmente puesto por si mismo para todas las tareas.

Múltiples representaciones de conocimiento: cada uno esta adaptado a una subtarea diferente.

Las reglas y cuadros de producción trabajan bien en la práctica.

Representación de conocimiento orientado a objetos– Hypermedia


37

Representación de Conocimiento Experimental

Cyc

NKRL

Lenguaje gráfico - Spec


38

El Sistema CyCIntenta representar una cantidad substancial de sentidi común.Suposiciones: La inteligencia necesita una gran cantidad de conocimiento.Necesita un largo conocimiento base.El Cyc se desarrolla como reemplazo de un consenso real. El conocimiento de fonde lo posee un típico residente de E.U.Hay algunas aplicaciones comerciales basadas en porciones del CyC.


39

NKRL

Lenguaje representativo de conocimiento(Narrative Knowledge Representational Language NKRL)

Nivel lenguaje de descripción independiente de los documentos textuales.

Puede traducir expresiones de lenguaje natural directamente hacia un arreglo significativo de templetes que representan el conocimiento.


40

Formato de Intercambio de Conocimiento (KnowledgeInterchange Format KIF)

Compartir conocimiento e interactuar


41

El Lenguaje Gráfico -Spec

Basado en gráficos conceptuales: Definir objetos y relaciones.

Forma restringida de Cadena semántica.

Evolucionar el producto comercial.


42

Conocimiento de Representación y la InternetLos documento Hypermedia encuentran el conocimiento directamente.Los hipervínculos representan relaciones.Modelo Basado y Mejorado en el Conocimiento de Ingeniería(MIKE Model-basedand Incremental Knowledge EngineeringModelo formal de expertos: Lenguaje de especificación KARL.Cadenas semánticas: Idealmente colocado para

representación hypermedia.Sistema experto basado en la red (Sistema Ex –W -Pert) para compartir conocimiento basado en sistemas y desarrollo adjunto.


43

Representando la Inseguridad:

Una Sobre VistaTratando con grados de verdad y de falsedad

en ES

Inseguridad

– Cuando un usuario no puede proveer una respuesta definitiva.

– Conocimiento impreso.

– Información incompleta.


44

Inseguridad

Varias aproximaciones relacionadas a teorías matemáticas y estadísticas

Estadística de Bayes

Creencia en las funciones de Dempstery Shafer

Series Borrosas


45

Incertidumbre en AI

Razonamiento aproximado, Razonamiento inexacto.


46

La Información es Deficiente en uno o más

La información es parcial.La información no esta completamente formal.El lenguaje de representación es inherentemente impreciso. La información viene de muchas fuentes y es un conflicto.La información es aproximada.Existen relaciones – No – absolutas – causa - efecto

Puede incluir la probabilidad eb las reglas.SI el interés se incrementa, ENTONCES el precio de las reservas caerá (probabilidad de un 80%)


Documents

CAPÍTULO 12 - angelfire.com fileQFormas básicas de lógica computacional