Upload
duongtuyen
View
214
Download
0
Embed Size (px)
Citation preview
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.
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
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
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
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
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
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.
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
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.
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
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
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
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
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
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
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
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.
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
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
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
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.
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
17
Lógica por Defecto
Acuerdos con incertidumbreInformación incompleta
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
18
Mapas de Conocimiento
Presentación visualMapas mentales
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
19
Cadenas SemánticasRepresentación gráfica del conocimiento
Los nodos y los vínculos muestran relaciones jerárquicas entre objetos
Nodos: Objectos
Arcos: Relaciones– Es un– Tiene un
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
20
Las cadenas semánticas pueden mostrar una herencia
Representación de relaciones de Redes visuales Semánticas
Pueden ser combinados con otros métodos de representación
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
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
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
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.
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
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.
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
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.
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
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”.
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
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.
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
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.
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
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.
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
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 .
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
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.
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
31
Cuadro de Terminología Default
Instantiation
Demon
Master frame
Facet
Object
Hierarchy of frames
Range
If added
Slot
If needed
Value (entry)
Instance of
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
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
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
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.
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
34
Multiples Representaciones de Conocimineto
Reglas + ArmazonesOtros
La representación de conocimiento debe apoyar
La adquisición de conocimientoRecuperación de conocimientoRazonamiento
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
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.
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
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
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
37
Representación de Conocimiento Experimental
Cyc
NKRL
Lenguaje gráfico - Spec
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
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.
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
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.
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
40
Formato de Intercambio de Conocimiento (KnowledgeInterchange Format KIF)
Compartir conocimiento e interactuar
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
41
El Lenguaje Gráfico -Spec
Basado en gráficos conceptuales: Definir objetos y relaciones.
Forma restringida de Cadena semántica.
Evolucionar el producto comercial.
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
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.
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
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.
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
44
Inseguridad
Varias aproximaciones relacionadas a teorías matemáticas y estadísticas
Estadística de Bayes
Creencia en las funciones de Dempstery Shafer
Series Borrosas
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
45
Incertidumbre en AI
Razonamiento aproximado, Razonamiento inexacto.
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ
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%)
Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ