2.

1 MAPAS CONCEPTUALES

Los mapas conceptuales, son una tcnica que cada da se utiliza ms en los diferentes niveles educativos, desde preescolar hasta la Universidad, en informes hasta en tesis de investigacin, utilizados como tcnica de estudio hasta herramienta para el aprendizaje, ya que permite al docente ir construyendo con sus alumnos y explorar en estos los conocimientos previos y al alumno organizar, interrelacionar y fijar el conocimiento del contenido estudiado. El ejercicio de elaboracin de mapas conceptuales fomenta la reflexin, el anlisis y la creatividad. Con relacin a lo antes expuesto, del Castillo y Olivares Barbern, expresan que "el mapa conceptual aparece como una herramienta de asociacin, interrelacin, discriminacin, descripcin y ejemplificacin de contenidos, con un alto poder de visualizacin". (2001,p.1) Los autores sealados exponen que los mapas no deben ser principio y fin de un contenido, siendo necesario seguir "adelante con la unidad didctica programada, clases expositivas, ejercicios-tipo, resolucin de problemas, tareas grupales... etc.", lo que nos permite inferir que es una tcnica que si la usamos desvinculada de otras puede limitar el aprendizaje significativo, vindolo desde una perspectiva global del conocimiento y considerando la conveniencia de usar en el aula diversos recursos y estrategias dirigidas a dinamizar y obtener la atencin del alumno; es por eso que la recomendamos como parte de un proceso donde deben incluirse otras tcnicas como el resumen argumentativo, el anlisis crtico reflexivo, la exposicin, anlisis de conceptos, discusiones grupales. Elementos que componen los mapas conceptuales: Concepto: Un concepto es un evento o un objeto que con regularidad se denomina con un nombre o etiqueta (Novak y Gowin, 1988) Por ejemplo, agua, casa silla, lluvia. El concepto, puede ser considerado como aquella palabra que se emplea para designar cierta imagen de un objeto o de un acontecimiento que se produce en la

mente del individuo. (Segovia, 2001). Existen conceptos que nos definen elementos concretos (casa, escritorio) y otros que definen nociones abstractas, que no podemos tocar pero que existen en la realidad ( Democracia, Estado) Palabras de enlace: Son las preposiciones, las conjunciones, el adverbio y en general todas las palabras que no sean concepto y que se utilizan para relacionar estos y as armar una "proposicin" Ej. : para, por, donde, como, entre otras. Las palabras enlace permiten, junto con los conceptos, construir frases u oraciones con significado lgico y hallar la conexin entre conceptos.

Proposicin: Una proposicin es dos o ms conceptos ligados por palabras enlace en una unidad semntica. Lneas y Flechas de Enlace: En los mapas conceptuales convencionalmente, no se utilizan las flechas porque la relacin entre conceptos esta especificada por las palabras de enlace, se utilizan las lneas para unir los conceptos. Las Flechas: Novak y Gowin reservan el uso de flechas "... solo en el caso de que la relacin de que se trate no sea de subordinacin entre conceptos", por lo tanto, se pueden utilizan para representar una relacin cruzada, entre los conceptos de una seccin del mapa y los de otra parte del "rbol" conceptual.. La flecha nos indica que no existe una relacin de subordinacin. Por ejemplo: agua, suelo, fruta. Conexiones Cruzadas: Cuando se establece entre dos conceptos ubicados en diferentes segmentos del mapa conceptual, una relacin significativa. Las conexiones cruzadas muestran relaciones entre dos segmentos distintos de la jerarqua conceptual que se integran en un solo conocimiento. La representacin grfica en el mapa para sealar la existencia de una conexin cruzada es a travs de una flecha. Cmo se representan los mapas conceptuales: El mapa conceptual es un entramado de lneas que se unen en distintos puntos, utilizando fundamentalmente dos elementos grficos:

La elipse u ovalo Los conceptos se colocan dentro de la elipse y las palabras enlace se escriben sobre o junto a la lnea que une los conceptos.

Muchos autores estn empleando algunos smbolos para incluir, adems de los conceptos y proposiciones, otra informacin como: actividades, comentarios, dudas, teoras... En la representacin visual, adoptan formas y eventualmente colores distintos para cada uno:

Tomado de: Oswaldo Monagas. Universidad Nacional Abierta, Venezuela julio, 1998 Los mapas conceptuales permiten al estudiante: Facilita la organizacin lgica y estructurada de los contenidos de aprendizaje, ya que son tiles para seleccionar, extraer y separar la informacin significativa o importante de la informacin superficial Interpretar, comprender e inferir de la lectura realizada Integrar la informacin en un todo, estableciendo relaciones de subordinacin e interrelacin Desarrollar ideas y conceptos a travs de un aprendizaje interrelacionado, pudiendo precisar si un concepto es en s vlido e importante y si hacen falta enlaces; Lo cual le permite determinar la necesidad de investigar y profundizar en el contenido Ej. Al realizar el mapa conceptual de Estado, puede inquirir sobre conceptos como Poder. Democracia, Dictadura....

Insertar nuevos conceptos en la propia estructura de conocimiento. Organizar el pensamiento Expresar el propio conocimiento actual acerca de un tpico Organizar el material de estudio. Al utilizarse imgenes y colores, la fijacin en la memoria es mucho mayor, dada la capacidad del hombre de recordar imgenes. Lo Un expuesto permite que afirmar que un un mapa conjunto conceptual de es:

resumen

esquemtico

representa

significados

conceptuales incluidos en una estructura de proposiciones". (Joseph D. Novak) Un Resumen: ya que contiene las ideas ms importantes de un mensaje, tema o texto. Un Esquema: dado que es una representacin Grfica, se simboliza

fundamentalmente con modelos simples (lneas y valos) y pocas palabras (conceptos y palabras enlace), Dibujos, colores, lneas, flechas (conexiones cruzadas) Una Estructura: se refiere a la ubicacin y organizacin de las distintas partes de un todo. En un mapa conceptual los conceptos ms importantes o generales se ubican arriba, desprendindose hacia abajo los de menor jerarqua. Todos son unidos con lneas y se encuentran dentro de valos.

Conjunto de significados: dado que se representan ideas conectadas y con sentido, enunciadas a travs de proposiciones y/o conceptos(frases) Caractersticas de un Mapa Conceptual. Los MAPAS CONCEPTUALES deben ser simples, y mostrar claramente las relaciones entre conceptos y/o proposiciones. Van de lo general a lo especfico, las ideas ms generales o inclusivas, ocupan el pice o parte superior de la estructura y las ms especficas y los ejemplos la parte inferior. Aun cuando muchos autores abogan por que estos no tienen que ser necesariamente simtricos.

Deben ser vistosos, mientras ms visual se haga el mapa, la cantidad de materia que se logra memorizar aumenta y se acrecienta la duracin de esa memorizacin, ya que se desarrolla la percepcin, beneficiando con la actividad de visualizacin a estudiantes con problemas de la atencin. Los conceptos, que nunca se repiten, van dentro de valos y la palabras enlace se ubican cerca de las lneas de relacin. Es conveniente escribir los conceptos con letra mayscula y las palabras de enlace en minscula, pudiendo ser distintas a las utilizadas en el texto, siempre y cuando se mantenga el significado de la proposicin. Para las palabras enlace se pueden utilizar verbos, preposiciones, conjunciones, u otro tipo de nexo conceptual, las palabras enlace le dan sentido al mapa hasta para personas que no conozcan mucho del tema. Si la idea principal puede ser dividida en dos o ms conceptos iguales estos conceptos deben ir en la misma lnea o altura. Un mapa conceptual es una forma breve de representar informacin. Los errores en los mapas se generan si las relaciones entre los conceptos son incorrectas.

Es fundamental considerar que en la construccin del mapa conceptual, lo importante son las relaciones que se establezcan entre los conceptos a travs de las palabras-enlace que permitan configuran un "valor de verdad" sobre el tema estudiado, es decir si estamos construyendo un mapa conceptual sobre el "Poder Poltico" la estructura y relaciones de este deben llevar a representar este concepto y no otro.

Para elaborar mapas conceptuales se requiere dominar la informacin y los conocimientos (conceptos) con los que se va a trabajar, lo que quiere indicar que si no tenemos conocimientos previos por ejemplo sobre energa nuclear mal podramos intentar hacer un mapa sobre el tema, y de atrevernos a hacerlo pueden generarse las siguientes fallas en su construccin: Que sea una representacin grfica arbitraria, ilgica, producto del azar y sin una estructuracin pertinente

Que solo sean secuencias lineales de acontecimientos, donde no se evidencie la relacin de lo ms general a lo especfico Que las relaciones entre conceptos sean confusas e impidan encontrarle sentido y orden lgico al mapa conceptual. Que los conceptos estn aislados, o lo que es lo mismo que no se d la interrelacin entre ellos. Cmo hacer un mapa conceptual? 1. En la medida que se lea debe identificarse las ideas o conceptos principales e ideas secundarias y se elabora con ellos una lista. 2. - Esa lista representa como los conceptos aparecen en la lectura, pero no como estn conectadas las ideas, ni el orden de inclusin y derivado que llevan en el mapa. Hay que recordar que un autor puede tomar una idea y expresarla de diversas maneras en su discurso, para aclarar o enfatizar algunos aspectos y en el mapa no se repetirn conceptos ni necesariamente debe seguirse el orden de aparicin que tienen en la lectura. 3: - Seleccionar los conceptos que se derivan unos de otros. 4. - Seleccionar los conceptos que no se derivan uno del otro pero que tienen una relacin cruzada 5.- Si se consiguen dos o ms conceptos que tengan el mismo peso o importancia, estos conceptos deben ir en la misma lnea o altura, es decir al mismo nivel y luego se relacionan con las ideas principales. 6. - Utilizar lneas que conecten los conceptos, y escribir sobre cada lnea una palabra o enunciado ( palabra enlace) que aclare porque los conceptos estn conectados entre s. 7. _ Ubicar las imgenes que complementen o le dan mayor significados a los conceptos o proposiciones

8. -. Disear ejemplos que permitan concretar las proposiciones y /o conceptos 9- Seleccionar colores, que establezcan diferencias entre los conceptos que se derivan unos de otros y los relacionados ( conexiones cruzadas) 10. - Seleccionar las figuras (valos, rectngulos, crculos, nubes) de acuerdo a la informacin a manejar. 11. - El siguiente paso ser construir el mapa, ordenando los conceptos en correspondencia al conocimiento organizado y con una secuencia

instrucciones. Los conceptos deben ir representados desde el ms general al ms especfico en orden descendente y utilizando las lneas cruzadas para los conceptos o proposiciones interrelacionadas.

2.2 REDES SEMNTICAS

Los

responsables

de

los

primeros

esquemas

de

representacin

formalizados fueron Quillian (1968) y Shapiro & Woddmansee (1971). Los esquemas de redes semnticas tienen una fundamentacin psicolgica muy slida, tal y como apuntbamos en el Captulo 2, por lo que se han realizado numerosos esfuerzos por llevar a cabo implementaciones importantes basadas en ellas. Las redes semnticas han sido muy utilizadas en IA para representar el conocimiento y por tanto ha existido una gran diversificacin de tcnicas. Los elementos bsicos que encontramos en todos los esquemas de redes son: 1. Estructuras de datos en nodos, que representan conceptos, unidas por arcos que representan las relaciones entre los conceptos. 2. Un conjunto de procedimientos de inferencia que operan sobre las estructuras de datos. Bsicamente, podemos distinguir tres categoras de redes semnticas: 1. Redes IS-A, en las que los enlaces entre nodos estn etiquetados. 2. Grafos conceptuales: en los que existen dos tipos de nodos: de conceptos y de relaciones 3. Redes de marcos: en los que los puntos de unin de los enlaces son parte de la etiqueta del nodo. En general, cuando se habla de "redes semnticas" se suele hacer referencia a uno de estos esquemas, normalmente a las redes IS-A o a los esquemas basados en marcos, que comparten ciertas caractersticas fundamentales. De entre estas caractersticas compartidas destacamos la herencia por defecto (default inheritance). En una red semntica, los conceptos (o estructuras, clases, marcos, dependiendo del esquema concreto) estn organizados en una red en la que

existe un nodo superior (top: T) al que se le asigna uno o varios nodos hijos, que a su vez tienen otros conceptos hijos y as sucesivamente hasta que se alcanza el final (bottom : ), cuyos nodos ya no son conceptos sino instancias.

A continuacin estudiamos los tres tipos de esquemas de redes semnticas que han tenido una mayor repercusin. De los tres, el esquema basado en marcos es el que permite una mayor flexibilidad, y el que ha recibido mayor atencin por parte de los investigadores de ciencia cognitiva y lingstica. Redes IS-A Sin duda el tipo de red semntica por excelencia es el de redes IS-A. De hecho muchas veces se menciona este tipo como sinnimo de "red semntica", y los restantes tipos tambin incorporan este tipo de enlaces o arcos (links). Esto ha dado lugar a que existan casi tantos significados para un enlace IS-A como los hay para sistemas de KR (Brachman, 1983). Una red IS-A es una jerarqua taxonmica cuya espina dorsal est constituida por un sistema de enlaces de herencia entre los objetos o conceptos de representacin, conocidos como nodos. Estos enlaces o arcos pueden estar etiquetados "IS-A", tambin "SUPERC", "AKO", "SUBSET", etc. Los restantes tipos de redes semnticas son en realidad especializaciones de redes IS-A, por lo que siguen y amplan los conceptos fundamentales que exponemos en este apartado. Las redes IS-A son el resultado de la observacin de que gran parte del conocimiento humano se basa en la adscripcin de un subconjunto de elementos como parte de otro ms general. Las taxonomas clsicas naturales son un buen ejemplo: un perro es un cnido, un cnido es un mamfero, un mamfero es un animal. Obteniendo un nmero de proposiciones:

x (perro (x)) x (cnido (x)) x (mamfero (x))

cnido (x);

mamfero (x); animal (x);

La estructuracin jerrquica facilita que la adscripcin de propiedades a una determinada categora se reduzca a aquellas que son especficas a la misma, heredando aquellas propiedades de las categoras superiores de la jerarqua, tradicionalmente de una forma monotnica. El siguiente ejemplo de red IS-A (Figura 4.11), tomado de (Brachman 1983:31) ejemplifica una red semntica tpica con herencia de propiedades.

Figura : Ejemplo de red IS-A El concepto de herencia es fundamental para entender el funcionamiento de las redes semnticas, as como el del modelo de datos orientado al objeto, que toma prestados estos mecanismos desarrollados en el mbito de la IA. Siguiendo a Shastri (1988), definimos la herencia como el sistema de razonamiento que lleva a un agente a deducir propiedades de un concepto basndose en las propiedades de conceptos ms altos en la jerarqua.22

As, en el ejemplo jerrquico de la Figura , el agente23 sera capaz de atribuir las propiedades "breathes" o "has gills" al concepto "shark" sin que stas se encuentren especficamente mencionadas. La herencia, por tanto, puede ser definida como el proceso mediante el cual se determinan unas propiedades de un concepto C, buscando las propiedades atribuidas localmente a C, si esta informacin no se encuentra a nivel local, buscando las propiedades atribuidas a conceptos que se encuentran en los niveles superiores a C en la jerarqua conceptual. Como Brachman (1983) recuerda, las nodos de las estructuras IS-A se han usado para representar muchas cosas, pero la divisin ms importante es la interpretacin genrica o especfica de los nodos, es decir, si stos representan un slo individuo o varios. Los nodos situados en lo ms bajo de la jerarqua y que denotan individuos son llamados tokens, mientras que los nodos superiores, que denotan clases de individuos son considerados types. Puesto que en una misma jerarqua podemos obtener nodos de ambos tipos, se debe hacer explcita una distincin de los tipos de enlaces. Por un lado existen enlaces que conectan categoras (genricas) con otras categoras, y por otro, enlaces entre categoras e individuos. Las primeras pueden expresar las siguientes relaciones: 1. Subconjunto/superconjunto 2. Generalizacin/especificacin 3. AKO, esto es, "a kind of" 4. Contenido conceptual 5. Restriccin de valores 6. Tipo caracterstico del conjunto Las relaciones genrico/individuales tambin son de varios tipos: 1. Pertenencia al conjunto 2. Predicacin 3. Contenido conceptual 4. Abstraccin

Como recuerda Hodgson (1991), las jerarquas IS-A presentan un nmero impresionante de posibilidades, pero tambin una desventaja: al aumentar el nmero de enlaces, aumenta progresivamente la complejidad computacional para seguirlos. Este problema bien conocido ha dado lugar a que se haya propuesto que, en lugar de establecer esta y otras posibles taxonomas de enlaces IS-A, se use el enlace IS-A de propsito general, que al ser programable, permite establecer el tipo de enlace adecuado a cada situacin particular, lo que dota de una gran flexibilidad al esquema de representacin. De este modo se puede representar una semntica compleja, especficamente mediante el uso de prototipos, en los que una determinada situacin se representa mediante nodos y arcos especficos. Por ejemplo, la asercin " The book rests on the table " se puede representar as:

Figura : Ejemplo de Prototipos Estos prototipos o esquemas forman la base de los scripts de Schank y Abelson (1977), que mencionaremos en el siguiente apartado.

Figura : Ejemplo de red semntica para lenguaje natural

En la Figura exponemos el tipo de diagrama para representar una oracin de lenguaje natural con una notacin de redes semnticas, tomando como ejemplo la oracin "John hit a nail with a hammer" En esta red los nodos son identificadores de las instancias determinadas (tanto verbos como sustantivos). "Inst" representa una instancia de una clase de entidades (hit, nail, hammer): "h43" es una instancia de la accin hit, existiendo un paciente, "n53", instancia de la clase nail, que es el que recibe la accin, mediante un instrumento "ha42", que es una instancia de la clase hammer (el hecho de que "john" es una instancia de la clase person, no ha sido representado). Este tipo de representacin de conocimiento es directo y fcil de seguir, pero el establecimiento de los primitivos adecuados es muy dificultoso y a veces es imposible representar un sistema de este modo. Adems, exige una gran cantidad de trabajo de inferencia: es relativamente fcil determinar si dos frases significan lo mismo pero no es tan fcil determinar si una frase es la consecuencia lgica de otra. Otro problema estriba en la diversidad de tipos de arcos establecidos. Esto provoca que de red semntica a red semntica el significado de los arcos y los nodos vare, provocando ambigedad en la notacin. Por ejemplo, la red semntica de la Figura puede tener tres significados distintos:

Figura Ambigedad en redes semnticas 1. Representa el concepto de un telfono: tal cosa existe. 2. Representa un telfono negro especfico. 3. Representa la aseveracin de la relacin entre los telfonos y el negro: algunos o todos los telfonos son negros.

Para concluir este apartado, resumimos los tres problemas ms reconocidos de los esquemas de representacin basados en redes semnticas: 1. La eleccin de los nodos y arcos es crucial en la fase de anlisis. Una vez se ha decidido una estructura determinada, es muy complicado cambiarla. 2. Dificultad para expresar cuantificacin. Por ejemplo en expresiones tales como "algunos pjaros vuelan" o "todos los pjaros pan". 3. Del mismo modo, las redes semnticas presentan grandes dificultades para representar la dimensin intensional. Por ejemplo en proposiciones tales como "Pedro cree que Ana sabe conducir". Esto llev a idear otros esquemas de representacin con una estructura ms compleja que simples nodos y arcos, que fuesen capaces de dar cabida a stas y otras situaciones. Concretamente, John Sowa propuso los grafos conceptuales, aunque el esquema de representacin basado en marcos (frames) es el que ha tenido mayor aceptacin.

Grafos conceptuales Los grafos conceptuales (conceptual graphs), propuestos por Sowa (1984), se diferencian de las redes IS-A en que los arcos no estn etiquetados, y los nodos son de dos tipos: 1. Nodos de concepto, que pueden representar tanto una entidad como un estado o proceso. 2. Nodos de relacin, que indican cmo se relacionan los nodos de concepto. Por tanto, son los nodos de relacin los que hacen el papel de enlaces entre las entidades. Existen dos notaciones para los grafos conceptuales, la forma lineal (textual) y los diagramas o display form , que presentan tres tipos de elementos notacionales:

1. rectngulos, que marcan los nodos de concepto, 2. crculos, que marcan los nodos de relacin, 3. flechas direccionadas, que marcan los arcos. La Figura 4.15 muestra estos tipos de notaciones. [CONCEPT1] (REL.) [CONCEPT2

Figura 5: Notaciones de grafos conceptuales Como mostraremos en el siguiente captulo, este tipo de modelado conceptual debe mucho al modelo de Entidad/Relacin de Chen (Chen 1976). La intencin del uso de los grafos conceptuales para la representacin del lenguaje natural es mencionada por el propio Sowa, quien dedica un captulo completo de su obra a la aplicacin de su esquema al anlisis del lenguaje. La representacin semntica de la frase "man biting dog" que nos muestra en el captulo introductorio es indicativo del uso que se le puede dar ( Figura 6) (Sowa 1984:8). Sowa apunta que sus grafos conceptuales ponen el nfasis en la representacin semntica (en el sentido lingstico de la palabra).

Figura 6: Ejemplo de grafo conceptual para NL Una gran ventaja del esquema de Sowa es que permite restringir la generacin de representaciones sin sentido por medio de lo que l denomina grafos cannicos. Tomando como base la conocida frase de Chomsky "Colorless green ideas sleep furiously" (Chomsky 1957),

representada por el grafo [SLEEP]

(AGNT)

[IDEA]

(COLOR)

[GREEN], establece la idea de canon, que est basada en la nocin de jerarqua de tipos, segn la cual existe una funcin tipo que proyecta conceptos sobre un conjunto C cuyos elementos son etiquetas de tipo. Esta funcin corresponde a los arcos IS-A que vimos anteriormente. El canon contiene la informacin necesaria para derivar otros grafos cannicos y tiene cuatro componentes: 1. Una jerarqua de tipos T 2. Un conjunto de indicadores de individuos I 3. Una relacin de conformidad : que relaciona etiquetas en T con indicadores en I 4. Un conjunto finito de grafos conceptuales B, llamado base cannica, que contiene todos las etiquetas de tipos en T y todos los referentes, ya sea en I o en el referente genrico * Las reglas de formacin que permiten que un grafo cannico se derive de otro son las de copia, unin, restriccin y simplificacin. Adems un grafo puede convertirse en cannico mediante otros dos procesos: 1. Perception: un grafo es cannico si es construido por el assembler mediante un icono sensorial. 2. Insight: se pueden concebir los grafos conceptuales arbitrarios como cannicos. La relacin de conformidad es tambin relevante, porque se refiere al concepto type/token, que Sowa representa mediante la notacin t::i, donde el indicador individual i est relacionado con el tipo t. La frase de Chomsky sera bloqueada por los cnones:

Figura 7 De este modo se pueden generar grafos bastante complejos para representar conceptos. Como ejemplo, exponemos el grafo de transaccin (Sowa 1984:110) (Figura 7).

Figura 8 Grafo conceptual para TRANSACTION El que inicia la transaccin es un customer, que es el receptor de un acto de give y el agente de otro give. El objeto de la transaccin es una entity, que es el objeto del primer give. El instrumento de la transaccin es money, que es tambin el objeto del segundo give. La fuente de la transaccin es un seller que es el agente de un give y el receptor del otro.

Sowa advierte que las reglas cannicas de formacin no son reglas de inferencia. La formacin de reglas nicamente asegura las restricciones de seleccin semnticas, que Sowa basa en las teoras de Katz y Fodor (1963), pero no garantiza la verdad o falsedad de las aserciones. Para incorporar la lgica a la teora de grafos conceptuales, se usa un operador que proyecta los grafos conceptuales sobre frmulas de clculo de predicados de primer orden (Hodgson 1991). El canon es por tanto un sistema extremadamente flexible para representar el conocimiento y, especficamente, el conocimiento lingstico. De hecho, el sistema de representacin lxica que ms xito ha tenido hasta el presente, las estructuras de rasgos24, comnmente usadas en los formalismos gramaticales modernos, pueden ser consideradas como una especializacin de los grafos cannicos de Sowa especficamente aplicadas a la representacin del lenguaje. Su

implementacin, normalmente en Lisp, tambin guarda muchas similitudes. No deberamos finalizar la exposicin de este apartado sin mencionar un esquema de representacin anterior, que si bien no ha tenido la misma repercusin que los grafos conceptuales, contiene la base que, junto con las ideas de las redes semnticas, us Sowa para su esquema. Estamos hablando de las redes de dependencia conceptual (CD: Conceptual Dependency). Esta notacin fue desarrollada por Schank (Schank 1975) desde finales de los aos 60. Al igual que en los grafos conceptuales, la idea central detrs de la CD es crear una representacin cannica de una frase, en este caso basndose en ciertos primitivos semnticos. En la teora original tan slo se contemplaban siete primitivos, que incluan cinco acciones fsicas: move, propel, ingest, expel y grasp y dos cambios de estado: ptrans (transferencia fsica en el espacio) y mtrans (transferencia mental de informacin). La frase "John threw a ball to Mary" es representada del modo siguiente (Schank 1975:51):

Figura 9 Ejemplo de dependencia conceptual Esta teora est enteramente basada en los primitivos semnticos, que son las entidades bsicas usadas para describir el mundo. Las dificultades, por tanto, son las mismas que presentan todas las teoras lingsticas basadas en primitivos: la naturaleza totalmente arbitraria de los primitivos escogidos y la falta de sistematicidad en su uso y adopcin. Al igual que en otras teoras lingsticas basadas en primitivos semnticos, el nmero de stos tendi a crecer, en el caso de Schank hasta 40. Tampoco l se salva de la sospechosa similitud entre algunos primitivos y lexemas concretos, como por ejemplo want. La teora original de Schank evolucion para incluir unidades de memoria ms desarrolladas, llamadas scripts (Schank & Abelson 1977). Un script es una secuencia de esquemas que "cuenta una historia", el ejemplo tradicional es el del restaurante: entrar, pedir la comida, pagar al camarero, etc., seran los esquemas que conforman el script. Los scripts, sin embargo, tienen mucho en comn con la notacin que estudiamos a continuacin, los esquemas de marcos. Esquemas de marcos El primer proponente de la nocin de marco25 (frame) fue el psiclogo cognitivo Marvin Minsky, en cuyas palabras podemos resumir la esencia de los marcos.

Here is the essence of frame theory: When one encounters a new situation (or makes a substantial change in ones view of a problem), one selects from memory a structure called a frame. This is a remembered framework to be adapted to fit reality by changing details as necessary. (Minsky 1975: 211) La fundamentacin psicolgica de los marcos es parecida a la de los scripts de Schank: cuando nos enfrentamos con una situacin determinada, intentamos ajustarla a otra parecida de la que ya tenemos experiencia previa y esperamos que aparezcan un nmero de elementos comunes y se sucedan algunas situaciones. Por ejemplo, si entramos en una habitacin de hotel, esperamos encontrar una cama, un armario, un bao, etc. Nuestra mente reconocer las instancias especficas de la nueva habitacin y los acomodar al estereotipo que ya poseemos. La base de la teora la conforman, por tanto, las situaciones estereotipadas. Dejando a un lado esta fundamentacin psicolgica, la representacin basada en marcos constituye en gran medida la base del modelo orientado al objeto actual, ya que contiene casi todos los conceptos que ste presenta, aunque estas ideas fueron aplicadas en principio a los lenguajes de programacin ms que a lenguajes de representacin y consulta. Por esto y por la enorme importancia que la representacin del conocimiento basada en marcos ha tenido y sigue teniendo, nos detendremos a exponer las caractersticas y esquemas propuestos ms relevantes. Adelantamos ya que, al igual que ocurre en la ontologa que nos ha servido de base para nuestra implementacin, la de Mikrokosmos, utilizaremos precisamente un esquema basado en marcos para nuestra ontologa, utilizando para su implementacin un lenguaje basado en marcos moderno, con prestaciones muy superiores a las que aqu expondremos para las implementaciones clsicas. Los detalles particulares de este lenguaje, KSL, los mostraremos en el siguiente captulo.

Informalmente, un marco es una estructura de datos compleja que representa una situacin estereotipada, por ejemplo hacer una visita a un enfermo o acudir a una fiesta de cumpleaos. Cada marco posee un nmero de casillas ( slots) donde se almacena la informacin respecto a su uso y a lo que se espera que ocurra a continuacin. Al igual que las redes semnticas, podemos concebir un marco como una red de nodos y relaciones entre nodos (arcos). Una base de conocimiento basada en marcos es una coleccin de marcos organizados jerrquicamente, segn un nmero de criterios estrictos y otros principios ms o menos imprecisos tales como el de similitud entre marcos. A nivel prctico, podemos considerar los marcos como una red semntica con un nmero de posibilidades mucho mayor, entre las que destacan especialmente, la capacidad de activacin de procesos (triggering) y de herencia no-monotnica mediante sobrecontrol (overriding). Formalmente, un marco M es una lista de atributos (slots) y valores (S, V). El valor V de un slot S puede ser: un valor simple, cuyo tipo se halla determinado por el slot mismo, por una funcin que devuelve un valor de ese tipo, o por un puntero al valor de otro slot de la jerarqua una lista de atributos:valores, donde los atributos son funciones booleanas y los valores pueden ser funciones que devuelven valores del tipo del valor del slot, o constantes del tipo del valor del slot. Como es evidente, la representacin de conocimiento basada en marcos debe mucho a las redes semnticas. Sin embargo, los esquemas de representacin basados en marcos insisten en una organizacin jerrquica de stos, mientras que las redes semnticas no requieren tal organizacin. La estructura de nodos de los marcos es tambin mucho ms rica que la de las redes semnticas, conteniendo sistemas de triggering de procedimientos. Esto ocurre cuando en lugar de llenar un slot con un valor determinado, se indica un procedimiento que ser el encargado de devolver un determinado valor. En el entorno de los marcos, a este

tipo de procedimientos se les denomina attached procedures, servants, demons o methods, utilizndose a veces el trmino disparador en el discurso en lengua espaola. Estos procedimientos son especialmente tiles cuando el clculo de un valor determinado requiere un tiempo alto de computacin, cuando el valor es susceptible de cambiar con el tiempo o cuando el valor tiene un bajo nivel de acceso: en lugar de computar el valor siempre que el sistema est en funcionamiento, se computa slo cuando es requerido. El trmino mtodo, se ha tomado del entorno de los marcos para usarlo en el modelo orientado al objeto para designar las funciones componentes de una clase, aunque en algunos de los lenguajes de programacin orientados al objeto ms importantes, como C++, los mtodos son llamados funciones miembro. La organizacin jerrquica de los marcos es una de sus caractersticas ms destacables. Los marcos se organizan en jerarquas que presentan los mismos sistemas de herencia que encontrbamos en las redes IS-A. De hecho, una estructura de marcos no es ms que una ampliacin de una estructura de redes IS-A bsica (de redes semnticas tradicionales), donde los nodos han sido reemplazados por grupos estructurados de informacin (los marcos). Una jerarqua de marcos es un rbol en el que cada uno de los nodos es un marco. Para cada nodo hijo, el enlace con el nodo padre es un enlace de herencia. El nodo hijo hereda todos los slots de su padre a menos que se especifique lo contrario (sobrecontrol). Esta es una gran diferencia con las redes IS-A, donde la herencia es siempre monotnica, es decir no hay posibilidad de negar la herencia de propiedades en un contexto o situacin determinada (que puede ser especificada por el resultado de una operacin de triggering). Los nodos pueden ser de dos tipos: nodos de clase y nodos de instancia. Todos los nodos internos (no terminales) han de ser nodos de clase. La caracterstica que la herencia trae consigo es el concepto de valores por defecto (defaults). En un marco se puede especificar un valor determinado o bien un valor por omisin (tambin llamados valores locales y valores heredados), en

cuyo caso heredar sin ms el valor de su antecesor. Por ejemplo, la clase (nodo de clase) ave, tendr el valor por omisin vuela como "cierto", aunque algunos nodos de instancia hijos, por ejemplo avestruz, no posean esta propiedad. Esta instancia concreta puede ser obligada a no heredar esta propiedad asignndole el valor "falso", mientras que otras propiedades, como tiene_alas, s seran heredadas por defecto (aunque en otras instancias, como en el caso de kiwi, sta habra de ser negada). Esta misma disposicin es la que presentan los sistemas orientados al objeto actuales, aunque en stos, los nodos de instancia no son considerados nodos, sino objetos. El trmino orientacin al objeto se comenz a utilizar con un significado muy parecido al que de l tenemos hoy por los proponentes de esquemas de representacin basados en marcos a finales de los aos 70. Por ejemplo, Bobrow y Winograd (1979) hablan de "object-oriented data structures". Podemos resumir las principales caractersticas de los marcos en las siguientes (Minsky 1975; Winograd 1975): Precisin (Explicitness): se precisan los objetos, las relaciones entre objetos y sus propiedades; en ausencia de evidencia contraria se usan valores por omisin Activacin dinmica de procesos (Triggering): se pueden adjuntar

procedimientos a un marco o alguno de sus componentes y ser llamados y ejecutados automticamente tras la comprobacin de cambio de alguna propiedad o valor (p. ej. if-needed, if-added) Herencia por defecto no-monotnica: los marcos estn conceptualmente relacionados, permitiendo que atributos de objetos sean heredados de otros objetos predecesores en la jerarqua Modularidad: la base de conocimiento est organizada en componentes claramente diferenciados De forma apriorstica, su aplicacin a la representacin de la informacin lxica parece garantizada, ya que los marcos permiten una gran flexibilidad de

representacin. Su soporte para representar la herencia de propiedades de una forma no monotnica resulta especialmente atractivo. De hecho, hoy en da, esta propiedad, la herencia por defecto no monotnica, se considera indispensable para el procesamiento de lenguaje natural (p. ej. Gazdar & Pullum 1987; Ritchie et al. 1987; Flickinger 1987; Carpenter 1992; Zajac 1992; Bouma 1992). El razonamiento en un esquema basado en marcos se lleva a cabo mediante dos mecanismos bsicos: el reconocimiento (recognition o pattern-matching) y la herencia. En el entorno de los marcos el proceso de reconocimiento de patrones se centra en encontrar el lugar ms apropiado para un nuevo marco dentro de la jerarqua de marcos. Esto requiere que el mecanismo de reconocimiento sea capaz de recibir informacin sobre la situacin existente (en forma de marco) y lleve a cabo una bsqueda del marco ms adecuado de entre todos los contenidos en la base de conocimiento. Shastri (1988:16) define este concepto as: "Given a description consisting of a set of properties, find a concept that best matches this description." Teniendo en cuenta las caractersticas de herencia anteriormente descritas, el conjunto de propiedades no tiene por qu encontrarse a nivel local, sino que pueden estar atribuidas a conceptos (marcos) en posiciones superiores en la jerarqua. Podemos decir que estos dos mecanismos complementarios de razonamiento conforman el ncleo de lo que entendemos por comportamiento inteligente, y actan como precursores de procesos de razonamiento ms especializados. El modo en que estos dos mecanismos bsicos de razonamiento interactan se muestra en la Figura 4.20 (Shastri 1988:16). En la memoria semntica del agente se encuentran un nmero de conceptos (C n) que poseen un nmero de propiedades (pn). El punto de entrada corresponde a consultas de reconocimiento, que se inicia cuando un determinado proceso posee una descripcin parcial sobre una entidad X y desea corroborar su identidad o la clase a la que pertenece. El punto de entrada corresponde a consultas sobre herencia.

En este caso el agente conoce la identidad de X, pero quiere conocer el valor de una o varias de sus propiedades. Los dos mecanismos interactan cuando se trata de llevar a cabo procesos cognitivos ms complejos, que implican un nmero de consultas sucesivas de uno y otro tipo para llegar a una determinada conclusin. Los problemas en el proceso de reconocimiento surgen cuando los valores por omisin no son cumplidos. Por ejemplo, un gato tiene normalmente cuatro patas y una cola, pero a un gato determinado le puede faltar la cola y una de sus patas; en este caso el algoritmo reconocedor (matcher) debe ser lo suficientemente inteligente para ser capaz de averiguar que el mejor marco de los posibles ( best fit) es el del gato, aunque dos de sus principales caractersticas no se cumplan.

Figura Herencia y reconocimiento de patrones en marcos

sta es la situacin conflictiva tpica en la que algn proceso interno posee una descripcin parcial de una entidad desconocida y adems necesita determinar el valor de una o varias propiedades de esta entidad. Primero llevara a cabo el reconocimiento parcial hasta determinar al menos la clase a la que la entidad pertenece, a continuacin atribuira las propiedades de sus clases predecesoras en la jerarqua y volvera a intentar el reconocimiento individual hasta llegar a su ubicacin y determinacin de propiedades heredadas y locales completa. En nuestra exposicin del sistema de KBMT Mikrokosmos (ver apartado 3.3.6), vimos cmo exista un algoritmo que calculaba la "distancia" entre dos conceptos o instancias y devolva un ndice. Este tipo de operaciones abstractas es otra de las caractersticas que dan a los esquemas basados en marcos su gran potencia y expresividad. Como apunta Shastri (1988:17), en un proceso cognitivo complejo, como la comprensin del lenguaje natural (NLU: Natural Language Understanding), los mecanismos de herencia y de reconocimiento de patrones son absolutamente imprescindibles. Por ejemplo, para la adjudicacin de restricciones de seleccin a un determinado actante con el objeto de reconocer un patrn sintctico-semntico determinado de un verbo polismico y eliminar la posible ambigedad semntica. Una organizacin del lxico en campos semnticos con dimensiones y

subdimensiones jerarquizadas con herencia de propiedades lxicas puede ser representada como una red semntica de conceptos a modo de marcos. Esta representacin es vlida independientemente del modo de implementacin que usemos, siempre y cuando ste se acomode a los requisitos de jerarquizacin de entidades. En el captulo siguiente mostraremos cul es la utilidad que le hemos dado a nuestra representacin basada en marcos de forma detallada. Minsky propuso originalmente un esquema de representacin para los marcos que combinaba ideas de las redes semnticas, esquemas procedimentales y la lingstica. Los lenguajes de representacin basados en marcos son hoy da

considerados como la forma ms adecuada de representar conocimiento complejo, y en especial para representar el lenguaje natural. La similitud entre las teoras lingsticas de casos y los esquemas de representacin basados en marcos no ha pasado inadvertida. El propio Fillmore (1977) afirmaba que los slots y los casos verbales eran una y la misma cosa. En el mismo sentido se manifiestan Winston (1977) y Charniak (1981). Para finalizar este apartado mostraremos algunas implementaciones de sistemas de marcos consideradas hoy en da clsicas: KRL, OWL y KL-ONE. El desarrollo de KRL (Knowledge Representation Language) (Bobrow & Winograd 1977) estuvo inicialmente motivado por el procesamiento del lenguaje natural. Las unidades bsicas que componen una base de datos KRL son los marcos. La informacin contenida en los slots contiene detalles sobre cmo instanciar un marco. En su implementacin hacen uso intensivo de los conceptos de prototipo y primitivos, que utilizan de un modo un tanto libre en esta primera exposicin, pero definen mejor en otras posteriores (Bobrow & Winograd 1977). Como su nombre indica, KRL, es a la vez un sistema de KR y un lenguaje de programacin. El lenguaje permite la invocacin de procedimientos que se encuentran adjuntos a las estructuras de datos orientadas a objetos, conteniendo el germen de lo que hoy en da se conoce por encapsulacin, una de las caractersticas que hacen de la orientacin al objeto tal vez el modelo computacional ms potente y verstil hasta la fecha. Por su parte, OWL basa sus caractersticas en la sintaxis y semntica del ingls, tomando como principio la Hiptesis Whorfiana de que el idioma de un hablante juega un papel determinante en su modelo del mundo, y por tanto en la estructuracin de su mente.

Una base de conocimiento de OWL puede ser vista como una red semntica cuyos nodos son expresiones que representan el significado de oraciones en lenguaje natural. Cada nodo, denominado "concepto", queda definido por un par (genus, specializer), donde el "genus" especifica el tipo o "superconcepto" y el "specializer" distingue este concepto de todos los dems que comparten el mismo "genus". Sin embargo, de entre todos los lenguajes de representacin clsicos basados en marcos, es sin duda KL-ONE (Brachman & Schmolze 1982, 1985) el ms relevante en cuanto que a partir de l han surgido numerosos sistemas de KR que se estn desarrollando o usando hoy en da. De hecho, se suele hacer referencia a los lenguajes de programacin/representacin basados en marcos mediante el calificativo "al estilo de KL-ONE". KL-ONE es el producto de muchos aos de investigacin de algunos de los que se pueden considerar como padres de la representacin del conocimiento, entre los que destacan Ronald Brachman, Rusty Bobrow, Hector Levesque, Jim Schmolze o William Woods. Como viene siendo habitual, una taxonoma de KL-ONE comprende conceptos, con un nmero de propiedades atribuidas y una serie de relaciones entre conceptos. Ms concretamente, un nodo (concepto) de KL-ONE consiste en un conjunto de roles (generalizaciones de las nociones de atributo, parte,

constituyente, rasgo, etc.) y un conjunto de condiciones estructurales que expresan relaciones entre esos roles. Los conceptos estn enlazados a conceptos ms generales en una relacin especial llamada SUPERC. El concepto ms general en la taxonoma es denominado superconcepto, y subsume (es ms general que) todos los dems.26 Los conceptos y roles de KL-ONE tienen una estructura parecida a las clsicas nociones de registro y campo para las bases de datos, o de marco y slot en el mbito en la terminologa de la IA. La adecuacin expresiva fue un objetivo primordial en el desarrollo de KL-ONE, enfatizando la semntica de la representacin y su adecuacin para poder hacer

distinciones sutiles al conceptualizar ideas complejas. Tanto es as que Woods (1983) afirma que el proyecto KL-ONE se llev a cabo ms con el espritu de una investigacin de filosofa aplicada que con el de investigacin en representacin del conocimiento y estructuras de datos. En cualquier caso, la herencia de KL-ONE se ha dejado sentir en todas las implementaciones posteriores de lenguajes basados en marcos, intentando seguir fiel en espritu a esta clsica implementacin, al mismo tiempo que se han mejorado los aspectos tcnicos respecto a velocidad de ejecucin, optimizacin de cdigo (hasta muy recientemente no ha existido ninguna implementacin de un lenguaje de marcos que produjese cdigo compilado) o interfaz a otros lenguajes procedimentales. Una de estas implementaciones, FLEX, ser la que usaremos en nuestra implementacin de la ontologa de conceptos. Describiremos este sistema junto con el lenguaje de programacin que le da soporte en el siguiente captulo. Como ya hemos visto, los marcos, en su forma ms pura han sido utilizados en algunas de las implementaciones de TA que ya hemos mostrado (Mikrokosmos). Su atractivo como soporte computacional para diversos sistemas de

procesamiento del lenguaje natural en general ha quedado reflejado en obras tan relevantes como Metzing (1980), Evens (1988) o Lehrer & Kittay (1992). A continuacin mostraremos una serie de esfuerzos destinados a la consecucin de un entorno de representacin puramente lxica. Como ya hemos adelantado, stos presentan muchos puntos en comn con los sistemas de redes semnticas que acabamos de describir, incorporando adems un fuerte componente lgico.

Estos sistemas de organizacin del conocimiento estructuran conceptos, no como jerarqua sino como una red o una web.

Los conceptos son como nodos, con varias relaciones que se ramifican hacia fuera de ellas. Las relaciones van generalmente ms all del BT, del NT y del RT

estndares, pueden incluir relaciones tipo todo-parte, causa-efecto, padrenio, es_un o es_parte.

Las redes semnticas son grafos orientados que proporcionan una representacin declarativa de objetos, propiedades y relaciones. Ejemplo:

2.3 RAZONAMIENTO MONTONO

Existen muchos sistemas de razonamiento, los cuales son usados para inferir conclusiones a partir de informacin inicial. En los sistemas de

razonamiento montono, se asume que una vez que un hecho se ha afirmado, este no puede alterarse durante el curso del razonamiento, es decir, las conclusiones que se van obteniendo son siempre definitivas. En lo que respecta al razonamiento montono se encuentran lgica proposicional, lgica de primer orden y deduccin lgica, las cuales son tiles para resolver problemas de una amplia variedad de dominios. La programacin lgica Mquina convencional (von Neumann) algoritmo datos resultados Sistema Basado en Conocimiento especificacin (reglas) datos (hechos) resultados Algoritmo = lgica + control Lgica de predicados de primer orden Un predicado representa una propiedad o relacin de un determinado objeto del universo del discurso Un predicado de primer orden es aquel que se refiere a propiedades de objetos y relaciones entre ellos rubia (Sara). Moreno (Carlos). Noviazgo (sara, carlos). Primos(X, Y):-progenitor(A, X), progenitor (B, Y), hermanos(A, B). La lgica de predicados de primer orden estudia razonamientos de tipo deductivo, exactos true/false) y basados en predicados de primer orden (Clculo de predicados como lenguaje de programacin, Kowalski 1974)

2.4 LGICA DE PREDICADOS

El

Clculo

Proposicional,

resulta

til

para

muchas

aplicaciones

computacionales, entre las que podemos citar, anlisis de circuitos, anlisis y confiabilidad de sistemas mediante rboles lgicos, diversas aplicaciones de satisfactibilidad a problemas de planeacin, etc. Sin embargo, existe una gran cantidad de aplicaciones donde el Clculo Proposicional no se considera suficiente, debido a que cuenta con una deductibilidad limitada y en donde es preferible un tipo especial de lgica conocido como Lgica de Predicados ( Clculo de Predicados). Para explicar esta situacin, consideremos el argumento conformado con las siguientes sentencias del Clculo Proposicional: P = Todos los mamferos son mortales Q= Lassie es un mamfero ==> R= Lasssie es mortal Las expresiones P, Q, R, son proposiciones, puesto que todas ellas son enunciados que pueden ser evaluados como V (verdaderos) o F (falsos). Hay que hacer notar, sin embargo, que mediante la aplicacin de reglas de inferencia del Clculo Proposicional, no es posible deducir R a partir de las premisas P y Q anteriores, ya que el Clculo Proposicional no tiene acceso a los elementos comunes que conforman estas proposiciones, como son mamifero, mortal y Lassie, e indispensables para llegar a la conclusin R resultante. Sin embargo, esta misma expresin en Cculo de Predicados, se podra escribir distinguiendo los elementos constitutivos de cada proposicin. Es decir, el Clculo de Predicados se aplica para las mismas proposiciones que pueden ser enunciadas en Clculo Proposicional, con la diferencia que en el primero se tiene acceso a los elementos constitutivos de cada proposicin. Una de las aplicaciones ms importantes del Clculo de Predicados es la especificacin formal, la cual permite describir lo que el usuario desea que un

programa realice. sta es una aplicacin que ha empezado a ser empleada para el desarrollo de al menos las partes crticas de un sistema. De esta manera piezas de cdigo especificadas formalmente, pueden ser verificadas, en principio, matemticamente, incrementando la confiabilidad del sistema completo. Existen varios lenguajes de especificacin formal basados en lgica, como Z o VDM, de los cuales se hablar ms adelante en este curso. En el caso de la especificacin y verificacin formal de programas, las piezas de cdigo son acompaadas por pre y post condiciones, las cuales se escriben como frmulas del Clculo de Predicados. Las pre y postcondiciones deben ser vlidas, antes y despus de que la pieza de cdigo correspondiente se ejecute. Es decir, si la pieza de cdigo satisface su especificacin, entonces se dice que el programa es correcto. Por otra parte, dada una pieza de cdigo y sus pre y postcondiciones, se dice que un algorimo tiene la propiedad de correctividad si se es capaz de decir si dicha pieza de cdigo es o no correcta. El anlisis de la correctividad de algoritmos es una parte fundamental en Ciencias compuationales. Formalmente, es necesario asegurar una definicin precisa de las pre y post condiciones, de manera que se interprete de ellas un solo significado; sto es logrado escribiendo las pre y post condiciones como frmulas del Clculo de Predicados. ste es particularmente til para describir la semntica de los lenguajes de programacin, as como para describir el comportamiento funcional de un programa o una parte de l. En el Clculo de Predicados hay otras diferencias bsicas respecto al Clculo Proposicional, entre las que podemos citar: * Se indican postulados sobre objetos individuales: Ejemplo: Juan es alto se puede escribir: ES_ALTO(JUAN)

Donde ES_ALTO es un smbolo de predicado y JUAN es una constante. Ntese que el predicado anterior puede ser evaluado como V (verdadero) o F (falso). * Se indican postulados relacionando varios objetos. Por ejemplo es posible Juan es to de Mara en la forma: ES_TIO(MARIA,JUAN) Donde ES_TIO es un Smbolo de Predicado que tiene como argumentos a las constantes MARA Y JUAN. Obsrvese que el predicado anterior podr ser evaluado como F (falso) o V (verdadero). * Se utilizan cuantificadores universales y existenciales. Ejemplo: El argumento anterior sobre Lassie se puede escribir: for_all (x) MAMFERO(x) ==> MORTAL (x) MAMFERO(LASSIE) ===> MORTAL (LASSIE) Una posible interpretacin de este modelo se presenta a continuacin: i)) En este argumento tenemos las siguientes premisas: La primera proposicin seala que todos los elementos x son mamiferos implican que x es mortal. Lassie es un mamfero. ii)) La conclusin de este argumento es: Lassie es mortal iii) El nico conector lgico de esta expresin es el smbolo ==> el cual es La segunda expresin indica que es conocido que expresar:

como en el caso del Cculo Proposicional, el de implicacin. No obstante en Clculo de Predicados se pueden utilizar todos los conectores lgicos del Clculo Proposicional.

Podramos interpretar este argumento indicando que si las dos premisas son verdaderas, entonces se puede deducir que Lassie es mortal En el Clculo de Predicados se usan varios tipos de smbolos: * SMBOLOS DE FUNCIN Ejemplos: mas(x,y) padre(x) * SMBOLOS DE PREDICADOS Ejemplos: MAYOR(ms(x,1),x) * CONSTANTES. Ejemplos: CASA, MARA * SMBOLOS DE VARIABLES. Ejemplos: x,y En Clculo de Predicados, nos referimos a trminos cuando hablamos de constantes, variables o smbolos de funcin, cuyos elementos sabemos de antemano que son trminos. As, por ejemplo, la variable x y la constante 1 son trminos. Dado el smbolo de funcin ms de dos argumentos, las siguientes expresiones tambin son trminos: ms (x,1) ms (ms(x,1),1)

El primero de ellos se refiere a la suma x +1, mientras que el segundo a la suma de los trminos correspondientes a x+1 con el trmino 1. Como para el caso del Clculo de Proposiciones, se usan tambin tomos en el Clculo de Predicados, los cuales son enunciados simples (es decir predicados), que estn conformados con smbolos de predicados, con varios trminos como argumentos y que pueden ser evaluados como V (verdaderos) o F (falsos), de manera que no pueden ser descompuestos en proposiciones ms simples. De esta manera las siguientes expresiones son tomos: MAMFERO(x) MORTAL (LASSIE) ES_TIO(JUAN, JOSE) ES_NIETO(PANCHO_VILLA, PEDRO_CASISTRANINI) Es decir, se puede definir trmino de la siguiente manera: DEFINICIN: Si P es un smbolo de predicado de n argumentos y t1,t2, ..., tn son tminos, entonces P(t1,t2,...tn) es un trmino. Ninguna otra expresin puede ser un tmino.

Logica de predicados de primer orden En lgica proposicional los tomos son los constituyentes de las frmulas y son: true o false Limitacin: no puede expresar propiedades generales de casos similares

Smbolos: Smbolos de predicados (maysculas) asociados con su aridad (N) o nmero de argumentos (Si aridad = 0 Variables: minsculas (x,y,z) Smbolos funcionales: minsculas asociados con su nmero de argumentos (funciones con aridad = 0 Conectores lgicos Cuantificadores: universal (para toda x) Smbolos auxiliares '(', ')', ','. Un trmino es: una constante, variable o una funcin de trminos Una frmula atmica o tomo es un predicado de N trminos Una frmula bien formada (wff) en lgica de predicados es: un tomo si F es wff entonces Si F y G son wff, Si F es wff y x es una variable libre de F, entonces variable x se dice ``bound'') ningna otra formula es wff variables libres: sin cuantificadores Frmula cerrada (``closed'') u oracin (``sentence''): sin variabes libres El alcance (``scope'') de los cuantificadores tambin lo es son wff y son wff (la y existencial (existe una x) constantes) proposiciones (tomos))

Semntica En lgica de primer orden se asocia una estructura representando la ``realidad'' (basicamente el dominio) La estructura S tiene: un conjunto no vaco de elementos D, llamados el dominio de S un conjunto de funciones de aridad n definidas en un conjunto no vaci de mapeos, predicados, de Dm a No se puede saber el valor de verdad de una frmula hasta que no se especifique con que elementos de la estructura se deben de asociar los elementos de la frmula Una asignacin v al conjunto de formulas F dada una estructura S con dominio D es un mapeo del conjunto de variables en F a D

, donde d es una constante I(x) = v(x), donde x es una variable

, como antes es true si existe una asignacin para la cual F sea verdadera

es true si para toda una asignacin F es verdadera Mas equivalencias:

Una frmula cerrada con un modelo se dice satisfacible Clusulas Forma utilizada en prueba de teoremas y programacin lgica Una literal: un tomo o su negacin Una clsula: es una frmula cerrada de la forma:

Equivalencias:

Se escribe normalmente como:

Interpretacin procedural: las A's son las conclusiones y las B's las condiciones Pasos para pasar una wff a un conjunto de clusulas: 1. eliminar implicacin 2. juntar negacin 3. renombrar variables 4. eliminar cuantificadores existenciales: Si una variable existencial (y) no est dentro del alcance (scope) de un cuantificador universal, cambiar la variable por un nuevo smbolo Si est dentro del alcance de cuantificadores universales con variables que

cambiar la variable por una funcin refleje la posible dependencia (funciones Skolem) 5. cambiar a una forma prenex normal (poniendo todos

los

cuantificadores universales al frente) 6. pasar a su forma normal conjuntiva (i.e., una conjuncin de frmulas, cada una siendo una disjuncin)

7. eliminar cuantificadores universales 8. pasar a un conjunto de clusulas Ejemplo Una clusula de Horn: a lo ms una literal positiva

Razonamiento en lgica: reglas de inferencia Modus Ponens

--------------------S

Estas reglas solo hacen manipulacin sintctica (son formas procedurales) Lo interesante es ver las formas procedurales semnticas estn

relacionadas con las sintcticas

Una frmula es robusta/vlida (sound) si

entonces

Osea una coleccin de reglas de inferencia es vlida si preserva la nocin de verdad bajo las operaciones de derivacin

Una frmula es completa (complete) si

entonces

Lo importante es: existe un procedimiento de prueba mecnica, usando una coleccin de reglas de inferencia que son vlidas y completas, que sea capaz de determinar si una frmula F puede o no derivarse de un conjunto de frmulas S? En 1936, Church y Turing mostraron independientemente que ese procedimiento no existe para lgica de primer orden: indecibilidad Solo se puede mostrar que si F es consecuencia lgica de S Lgica proposicional si es decidible! Resolucin Es sound y complete Resolucin solo sirve para frmulas en forma de clusulas Idea: prueba por refutacin

Para probar: insatisfacible Ejemplo sencillo

, hacer

y probar que W es

Sean C1 y C2 dos clusulas con literales L1 y L2 (donde L1 y L2 son complementarias). La resolucin de C1 y C2 produce: y Ejemplo de derivacin Para lgica de primer orden: substitucin y unificacin (eliminando literales redundantes) donde:

Una substitucin

es un conjunto finito de la forma:

donde las xi s son variables diferentes y las ti s son trminos diferentes a las xi s. Una expresin es un trmino, una literal una conjuncin o una disjuncin de literales Una substitucin ( ) se puede aplicar a una expresin (E), denotado como: , generando una nueva expresin (una instancia de E)

Sea

La

composicin de estas substituciones, denotado por: conjunto:

se obtiene quitando del

todos los elementos: cuales: y todos los elementos sj /yj donde

para los

Una substitucin si Un unificador

es un unificador de un conjunto de expresiones

, es el unificador ms general (mgu) de un conjunto de de E, existe una substitucin tal que

expresiones E, si para cada unificador

Para hacer resolucin en lgica de primer orden tenemos que comparar si dos literales complementarias unifican. El algoritmo de unificacin construye un mgu de un conjunto de expresiones. Se tienen que renombrar variables que tengan el mismo nombre en las clusulas a resolver Sean C1 y C2 dos clusulas con literales L1 y L2respectivamente. Si L1 y tienen un mgu , el resolvente de C1 y C2 es la clusula:

Puede existir ms de un resolvente Si una o ms literales en clsula C tienen un mgu dice ser un factor de C En su forma general, resolucin permite cancelar ms de una literal de las clusulas padres, al computar el factor de estas Un resolvente de clusulas C1 y C2 es: , la clusula se

1. resolvente de C1 y C2 2. resolvente de C1 y un factor de C2 3. resolvente de un factor de C1 y C2 4. resolvente de un factor de C1 y un factor de C2 El algoritmo de unificacin no es determinstico (se pueden seleccionar las clusulas de varias formas) Existen diferentes estrategias de resolucin, e.g., semntica, lineal, SLD

2.5 LA DEMOSTRACIN Y SUS MTODOS

1. antecedentes: de herbrand a robinson El encontrar un procedimiento general de decisin para verificar la validez (inconsistencia) de una formula ha sido considerada por mucho tiempo. El primer intento fue hecho por Leibniz (1646 -1716) seguido por Peano a finales del siglo XIX y por la escuela de Hilbert en los aos veinte. Sin embargo, no fue hasta 1936 que Church y Turing probaron de manera independiente que esto era imposible, es decir, que no existe un procedimiento general de decisin para constatar la validez de las formulas de primer orden en lgica. Sin embargo, hay procedimientos de prueba que pueden verificar que una formula es vlida si en realidad lo es. Para formulas invalidas, estos procedimientos en general nunca terminarn (en base a los resultados de Turing y Church, esto es lo mejor que se puede esperar de un procedimiento de prueba). Un enfoque verdaderamente importante para la prueba mecnica de teoremas fue dado por Herbran en 1930. Por definicin, una formula vlida es una frmula que es verdadera bajo todas las interpretaciones. Herbrand desarroll un algoritmo para encontrar una

interpretacin que pueda falsear una frmula dada. Sin embargo, si la formula dada es realmente valida, tal interpretacin no existir y su algoritmo va a parar despus de un nmero finito de pruebas. El mtodo de Herbrand es la base de los procedimientos automticos de prueba ms modernos [Chin1987]. En 1960 Gilmor fue una de las primeras personas en implementar los procedimientos de Herbrand en una computadora. Ya que una frmula es vlida si y solo si su negacin es inconsistente, su programa fue diseado para detectar la inconsistencia de la negacin de una frmula dada. Durante la ejecucin del programa, se generan frmulas proposicionales que peridicamente son

generadas y probadas para determinar su inconsistencia. Si la negacin de la formula dada es inconsistente, el programa detectar el hecho eventualmente. El programa de Gilmor funciono para unas pocas frmulas, pero encontr dificultades

con otras formulas de primer orden. Pruebas cuidadosas del programa demostraron su ineficiencia. El mtodo de Gilmor fue mejorado por Davis y Putman en 1960 despus de unos meses de su publicacin. Sin embargo, esta mejora fue insuficiente ya que muchas formulas de primer orden no pudieron ser probadas por una computadora en un tiempo razonable. Un avance mayor fue realizado por Robinson en 1965 , al introducir el Principio de Resolucin , Este procedimiento fue mucho mejor que cualquiera de los anteriores. Desde la aparicin de este principio muchos refinamientos han sido propuestos con el fin de aumentar su eficiencia. Los procedimientos de prueba de Herbrand y resolucin son

procedimientos de refutacin. Esto es, en lugar de que de probar la validez de una formula, se prueba que la negacin de una formula es inconsistente. Esto es por conveniencia, no hay prdida de generalidad en el uso de mtodos de refutacin. Ms aun estos procedimientos de refutacin son aplicados a una "forma estndar" de una frmula. La forma estndar fue introducida por Davis y Putman en 1960. Esta forma normal consiste en obtener un conjunto de clusulas que cumplen: estar en forma estndar de Skolem, {conjunto de clusulas} en SSF al ser eliminados los cuantificadores existenciales y universales; estar previamente preprocesadas en se han separado los cuantificadores de la matriz que se encuentra en forma normal conjuntiva (CNF). La Lgica de Primer Orden es, en la actualidad, es una de las herramientas ms importantes para la solucin de problemas. Y su enfoque corresponde a lo que se ha denominado como la Demostracin Automtica de Teoremas. En trminos generales, la podemos describir como: ``Los mtodos para demostrar que un conjunto de clusulas es insatisfactible, basados en los trabajos de Herbrand". Una manera de describir la mecnica de los mtodos mencionados es la siguiente: ``A partir de un conjunto de clusulas originales S, se generan conjuntos de clusulas base instanciadas (ground instances, tambin aterrizadas).

Los mtodos deben controlar la ``generacin combinatorialmente explosiva" de nuevas clusulas y obtener un conjunto de clusulas que resulte ser

insatisfactible.

De Herbrand A partir

Gilmor Putman El mtodo de Herbrad, es la base de muchos procedimientos automticos de base Los prueba usan que en de se la

Divis y

A Robinson

Davis y Putnam, mejoraron mtodo, el unos

A partir de los trabajos de los precursores, surgido tendencias han dos para

de un conjunto de clusulas originales S, se generan conjuntos clusulas instanciadas

meses despus de publicado el trabajo Gilmore 1960. de en Aunque

mejorar la eficiencia de los mtodos Los basados ideas de

actualidad. Gilmore, en 1960, fu el primero en presentar una

mecnicos: mtodos en las

procedimientos deben controlar la explosin combinatori nuevas y de

estos trabajos , resultaron un ser

Prawitz, 1960; y los mtodos basados

implementacin en una

avance no

clusulas un de que ser

importante,

en el Principio de Resolucin Robinson, 1965. de

obtener

computadora, del procedimiento de Herbrand.

son suficientes, pues frmulas validas lgica Primer de la de Orden, muchas

conjunto clusulas resulte insatisfactible.

no pudieron ser probadas una por

computadora en un tiempo razonable. Dado conjunto clusulas, algoritmo Herbrand S un de el de genera Considera da la estrategia exhaustiva, fu la primera implementacin conocida mtodo Herbrand, generando conjuntos donde es los En la de las base de del de Dado un conjunto de clusulas base S, este mtodo esencialmente elimina clusulas aplicando cuatro de simplificacin. Obtiene conjunto aplicando teorema Herbrand, las en S, un S', y el de se reglas de El mtodo de esta

resolucin

Robinson

considerado como el precursor una de toda de

una secuencia de conjuntos instancias de base

familia

mtodos, que hacen uso de los

de S, y prueba sucesivamente la insatisfactibilidad de los conjuntos enerados. mtodo El se

conceptos centrales, pero que, de alguna manera algn proponen refinamiento.

conjuncin todas instancias obtenidas reemplazar ``todas" variables

Consiste esencialmente en

considera terico (No es un

una extensin de la regla de la literal

procedimiento efectivo).

sabe que S' es insatisfactibles si y solo si, S es insatisfactible.

simple de Davis y Putnam. Se aplica directamente cualquier de a conjunto (no

por las constantes del i-simo nivel del Universo de Herbrand. Probar la inconsistencia

clusulas

necesariamente clusulas base o

ahora, es asunto de la lgica de proposiciones, y

aterrizadas), probar

para la

insatisfactibilidad de S. El aspecto central

Gilmore uso para

ello

el

mtodo (un el de

del mtodo cosiste en probar que si S contiene la clusula vaca, entonces es incosistente. En

multiplicativo mtodo clculo proposiciones). para

caso de que S no contenga la clusula vaca, se intentar derivarla a partir de las clusulas

existentes en S. Si la clusula vaca es derivada de las

clusulas existentes, S es inconsistente.

Aunque el problema de encontrar un procedimiento nico para probar la validez de todas las frmulas del Clculo de Primer Orden, es irresoluble, existen procedimientos de prueba que pueden verificar si una frmula es valida (cuando efectivamente lo es), aunque no se pueda conocer efectivamente cuando una frmula es invalida. En virtud de los resultados de Church y Turing, el planteamiento anterior es lo mejor que podemos esperar obtener de un procedimiento de ``Demostracin Automtica de Teoremas". Los procedimientos de demostracin de Herbrand y los basados en resolucin, son procedimientos por refutacin; es decir, en lugar de probar que una frmula es vlida, se probar que la negacin de la frmula es inconsistente.

principio de resolucin El principio de resolucin es debido a J. A. Robinson en 1965. Este principio puede ser aplicado directamente a cualquier conjunto S de clusulas, no necesariamente clusulas aterrizadas, para probar la insatisfactibilidad de S. La idea esencial del principio de resolucin es constatar si S contiene la

nmero de nodos de un rbol semntico cerrado de S. S es insatisfactible si y solo si hay un rbol

nodo -

o. Sin

embargo, si se puede reducir el nmero de nodos en T a uno, eventualmente la

resolucin hace. Por tanto se puede ver el principio de resolucin como una regla de inferencia que puede ser usada para generar nuevas clusulas de S. Si se ponen estas clusulas en S, algunos nodos del T original pueden ser forzados a ser nodos faltantes. As, el nmero de nodos en T puede ser reducido y la clusula ivada.

RESOLUCION Semntica

Autores, ao. Slagle 1967; Robinson, 1965; Kowalky y Hayes, 1969.

Unitaria

Wos et al, 1964; Chang, 1970.

Estrategia Conjunto de Soporte

de

Wos et al, 1965.

Hiperresolucion Lock Lineal

Robinson 1965 Boyes, 1971. Loveland, 1971; Luckham, 1971; Anderson y Bledsoe, 1971, Yates et al, 1971; Reiter, 1971; Kowalsky y Kuherner, 1971.

resolucin lineal La resolucin lineal fue propuesta independientemente por Loveland (1970) y Luckman (1970). Posteriormente fue reforzada por Anderson y Bledsoe (1970), Reiter (1971), Kowalski y Kuehner (1971) y Loveland (1972). Las versiones propuestas por Kowalski y Kuehner (1971) y Loveland (1972),son las que pueden ser implantadas en una computadora de mejor manera. Dado un conjunto S de clusulas, y una clusula Cn en S, una Deduccin Lineal de Cn de S con la clusula inicial. Donde: 1.Para i= 0, 1, n-1, Ci+1 es un resolvente de Ci (llamada Clusula Central) y Bi (Clusula Lateral) 2.Cada Bi esta en S, o es una Cj para algn j, j < i

resolucin de entrada y resolucin unitaria

Al considerar un refinamiento de resolucin, es deseable que ste sea completo; esto es, garantizar que la clusula vaca pueda ser siempre derivada de un conjunto de clusulas insatisfactible. La resolucin de entrada es un subcaso de la resolucin lineal. Es ms simple de implementar y aunque no es completa, es ms eficiente que la resolucin lineal. Podemos mostrar que la resolucin de entrada es equivalente a la resolucin unitaria. Dado un conjunto de clusulas S, ya que S es el conjunto original de entrada, podemos denominar a cada miembro de S una clusula de entrada. 1) Una resolucin de entrada en una resolucin en la cual una de las dos clusulas padres es una clusula de entrada. Una deduccin de entrada (para enfatizar el conjunto S de entrada, se le denomina tambin deduccin de entrada ) es una deduccin en la cual toda resolucin es una resolucin de entrada. Una refutacin de entrada es una deduccin de entrada de l S. Una deduccin de entrada es realmente una Deduccin Lineal en la cual toda clusula de lado es una clusula de entrada y por lo tanto es un subcaso de la Deduccin Lineal. Ejemplo.Consideremos el siguiente conjunto de clausulas: P(x,y,u) P(y,z,v)P(x,v,w)P(u,z,w) P(g(x,y),x,y) P(x,h(x,y),y) P(k(x),x,k(x)) 2) La resolucin unitaria es una resolucin en la cual un resolvente es obtenido por el uso de al menos una clusula padre, o un factor unitario de una

clusula padre. Una deduccin unitaria es una deduccin en la cual cada resolucin es una resolucin unitaria. Una refutacin unitaria es una deduccin

La resolucin unitaria es esencialmente una extensin de la regla de la literal simple de Davis y Putnam para la Lgica de Primer Orden.

conjunto dado de clusulas, se debern obtener, sucesivamente, clusulas menores y la resolucin unitaria proporciona los medios para progresar rpidamente hacia las clusulas menores. Se puede demostrar que la resolucin unitaria y la resolucin de entrada son equivalentes. resolucin lineal usando clusulas ordenadas de informacin de literales resueltas. Podemos reforzar la resolucin lineal si introducimos el concepto de clusulas ordenadas (de resolucin semntica), y se usa la informacin de las literales resueltas anteriormente. En resolucin, cuando un resolvente es obtenido, las literales resueltas primero son borradas. Sin embargo, como lo descubrieron Loveland

(1968,1969,1972) y Kowalski y Kuehner (1971) la informacin proporcionada por las literales es muy til y puede ser usada para mejorar la resolucin lineal. El algoritmo que emplea los conceptos de clusulas ordenadas y la informacin de literales resueltas se denomina Deduccin OL (Deduccin Ordenada Lineal). La Deduccin OL es escencialmente la misma que Loveland (1968,1969 y 1972) ha denominado el mtodo del modelo de eliminacin. La Deduccin de OL

es tambin, esencialmente una Deduccin SL especial de Kowalski y Kuehner (1971). resolucin lock La resolucin LOCK (Esclusa), es un refinamiento del mtodo de resolucin que usa un concepto similar al de las clusulas ordenadas. Dando un conjunto S de clusulas, esencialmente, la idea de la resolucin lock consiste en usar ndices para ordenar las literales en las clusulas de S. Es decir, agrega un indexamiento arbitrario a cada ocurrencia de un literal en S, y asocia a cada una de ellas un entero. Ocurrencias diferentes de la misma literal, pueden ser indexadas de manera diferente. La resolucin se permite solamente en literales conteniendo los ndices menores en cada una de las clusulas. Las literales en los resolventes heredan los ndices de sus clusulas padre. Si una literal en un resolvente tiene ms de un ndice heredado posible, el menor de los ndices es el que se le asigna a la mencionada literal. resolucin semntica Al aplicar el principio de resolucin, se puede generar muchas clusulas irrelevantes y redundantes. Con el fin de evitar la generacin de las clusulas innecesarias, supngase que se puede dividir un conjunto de clusulas en dos grupos: S1 y S2. Y aada la restriccin de que no se pueden resolver entre s clusulas del mismo grupo. En resolucin semntica, se usa una interpretacin para dividir las clusulas. Es por sta razn que a este tipo de resolucin se le llama resolucin semntica. Para bloquear ms resoluciones, se usa un esquema llamado

ordenamiento de los smbolos de predicados.

hiperresolucin y la estratgia del conjunto soporte Estos dos procedimientos son casos especiales de la resolucin semntica. Hiperresolucin Consideremos una interpretacin I en la que toda literal es la negacin de un tomo. Si se usa esa interpretacin, todo electrn y todo PI-resolvente deben contener nicamente tomos. Similarmente, si toda literal de I es un tomo, entonces todo electrn y todo PI-resolvente deben contener nicamente

negaciones de tomos. La hiperresolucion se basa en stas consideraciones: a. Una clusula es positiva si no contiene ningn signo de negacin. Una clusula es negativa, si toda literal de ella contiene el signo de negacin. Una clusula es mezclada si no es positiva ni negativa. b. Una hiperresolucin positiva es un caso especial de una PI-resolucin en la que toda literal de la interpretacin I contiene el signo de negacin. Se le llama hiperresolucin positiva por que todos los electrones y todos los PIresolventes en este caso son positivos.

c. Una hiperresolucin negativa es un caso especial de la PI-resolucin en que la interpretacin I no contiene ningn signo de negacin. Se le llama hiperresolucin negativa porque todos los electrones y los PI-resolventes en este caso son negativos. A menudo, los axiomas de un teorema son representados por clusulas positivas y mezcladas, y la negacin de la conclusin se representa por una clusula negativa. En este caso, la hiperresolucin positiva corresponde a "pensar hacia adelante" (forward), mientras que la hiperresolucin negativa corresponde a "pensar hacia atrs " (backward).

La estratgia del Conjunto Soporte Un teorema consiste de un conjunto de axiomas Ai y una conclusin B.

Ai

i.

Esto

es precisamente lo que trata de realizar la resolucin del conjunto de soporte. Un subconjunto T de un conjunto S de clusulas es llamado conjunto de soporte de S si, S - T es satisfactible. Una resolucin del conjunto de soporte es una resolucin de dos clusulas que no provienen de S - T. Una deduccin del conjunto de soporte es una deduccin en la que toda resolucin es una resolucin del conjunto de soporte. resolucin semntica usando clusulas ordenadas Para la lgica proposicional, el ordenamiento de los smbolos de predicados, usados en conjuncin con resolucin semntica, es bastante efectivo. Dado un electrn E, no tenemos, dificultad en aislar una literal de E para ser resuelta. Sin embargo, para la lgica de primer orden, donde se involucran variables, en un electrn E puede haber ms de una literal que contiene el mismo smbolo mayor de E. Cualquiera de estas literales es un candidato para ser resuelta. Sea I una interpretacin en la que todas las literales son negativas, y P cualquier ordenamiento de los smbolos de predicados. Claramente, E, N, es un PI-choque. Como todas las literales de E contienen el mismo smbolo Q, todas pueden ser resueltas con N. Por tanto, a partir del PI-choque E, N, podemos obtener cuatro PI-resolventes: Para remediar esta situacin, consideramos las clusulas ordenadas. La idea de las clusulas ordenadas es la de considerar una clusula como una

secuencia de literales. Al hacerlo, damos el orden de todas las literales de una clusula. a) Una clusula ordenada es una secuencia de literales distintas. b) Una literal se dice que es mayor que una literal en una clusula ordenada (o es menor que ), si y slo si, sigue a en la secuencia especificada por la clusula ordenada. De esta forma, la ltima literal de una clusula ordenada siempre ser considerada la mayor de la clusula. Por ejemplo, si consideramos como una clusula ordenada, entonces es la literal mayor.

resolucin-ur Es la Regla de Inferencia que aplica a un conjunto de clusulas, una de las cuales debe ser una clusula no unitaria, el resto deben ser clusulas unitarias. Adems la clusula no unitaria debe contener exactamente una literal ms que el nmero de (no necesariamente distinto) las clusulas unitarias en el conjunto del cual la Resolucin UR es aplicable.

paramodulacin Es la Regla de Inferencia que aplica a un par de clusulas y requiere que al menos una de las dos contenga una literal de igualdad positiva. produce una clusula en la cual la sustitucin de igualdad correspondiente a la literal de igualdad que ha ocurrido.

resolucines sld y sldnf en programacin logica

La programacin lgica es un primer acierto al trabajo de la prueba de teoremas lgicos. En efecto, la resolucin de la prueba de teoremas forma la base de la mayora de los sistemas de programacin lgica actuales. La idea principal que acompaa a la programacin lgica es el uso de la lgica matemtica como un lenguaje de programacin. Introducida por Kowalski a principios de los setentas, fue llevado a la prctica por Colmerauer a travs de la implementacin de PROLOG, el primer lenguaje de programacin lgica. En el procedimiento de interpretacin de la programacin lgica cada sentencia Horn con una conclusin positiva es considerada como una declaracin de procedimiento para la conclusin y un conjunto de tales declaraciones forma un programa. La computacin comienza desde una declaracin inicial del objetivo la cual es una sentencia Horn con una conclusin nula. Las clusulas de programa son clasificadas de acuerdo a su estructuras sintcticas. La equivalencia entre semntica declarativa y semntica procedimental. para programas definidos es bsicamente la validez y la completitud de resolucin SLD. SLDNF-resolucin esta pensada como la contraparte de un procedimiento de la semntica declarativa dada en trminos de programas completados. Este esquema de resolucin es, para una extensin larga, la base actual de la programacin lgica. El esquema de resolucin es esencialmente una resolucin SLD aumentada por la regla de inferencia NAF (Negation as Failure). La definicin de SLDNF-resolucin es una versin inductiva formal como opuesta a la versin recursiva. Estas facilidades establecen sus resultados de validez con respecto a los programas completados. resolucion direccional Es una variacin del mtodo original de Davis-Putman y analiza el comportamiento del peor caso como una funcin de la estructura topolgica de las teoras proposicionales. R. Dechter and I. Rish, 1994.

algunos sistemas experimentales para la prueba de teoremas El sistema OTTER (Organized Techniques for Theorem- proving and Effective Reseach) es programa de razonamiento computadorizado basado en la lgica de predicados que posee una gran gama de aplicacin en diferentes problemas tal como la validacin y diseo de circuitos, resolver rompecabezas, correccin de programas, construccin de objetos, y cualquier problema que necesite colectar informacin que fluye lgicamente de un conjunto de hiptesis. OTTER utiliza la misma sintaxis del clculo o lgica de predicados y realiza sus pruebas mayormente por contradiccin. Puede aplicar diferentes tipos de reglas de inferencia como resolucin binaria, hiperresolucin, demodulacin, paramodulacin, y otras variantes de stas. Tambin, es capaz de ejecutar en el proceso de prueba, los algoritmos para transformar las frmulas en clusulas, y el de unificacin, es decir, OTTER slo necesita el conjunto de axiomas y el teorema o argumento que queremos demostrar. Existen varios programas de aplicacion experimental, entre los que destacan MACE, FINDER, MGTP ,LDPP,SATO, y SEM.

aplicaciones La Lgica de Predicados, como parte de la Lgica simblica, es una herramienta sumamente til para representar hechos que ocurren en el mundo real. Su alto grado de expresividad y flexibilidad para el manejo de smbolos permite resolver problemas que requieren representarse de manera objetiva y sin ambigedades. Por esta razn las aplicaciones de la lgica de predicados se han extendido a diferentes campos de estudio e incluso en problemas de la vida diaria.

La aplicacin de los mtodos de resolucin es directa en razonamiento mecanizado, pero ste tiene un sin fin de aplicaciones prcticas. A travs de programas computacionales se pueden resolver problemas y responder a preguntas sobre razonamiento. Sus aplicaciones estn en sistemas de bases de datos y lenguajes de programacin. Esto significa que no slo sirven para demostrar teoremas o argumentos de Matemtica o Filosofa, sino que tambin se pueden aplicar las reas de Ingeniera, Control industrial y Computacin. Por ejemplo, se puede revisan el diseo de un circuito lgico o electrnico, al verificar o probar si se satisfacen los requisitos del diseo. Tambin, pueden probar la validez de un circuito, o sea, probar que las especificaciones del circuito son correctas. En sistemas de control industriales, se verifica que la combinacin de los componentes de produccin sea correcta, gracias a lo cual pueden evitarse errores que provoquen prdidas o daos fsicos o monetarios a la industria. En el rea de investigacin matemtica, se ha podido extender teoras matemticas, pues permite determinar la validez de nuevos teoremas en la teora, como en la teora de conjuntos y en lgebra booleana.

2.6 EL METODO DE RESOLUCION DE ROBINSON

El Mtodo de Resolucin [Robinson, 1965], es un intento de mecanizar el proceso de deduccin natural de esa forma eficiente. Las demostraciones se consiguen utilizando el mtodo refutativo (reduccin al absurdo), es decir lo que intentamos es encontrar contradicciones. Para probar una sentencia nos basta con demostrar que su negacin nos lleva a una contradiccin con las sentencias conocidas (es insatisfactible). Si la negacin de una sentencia entra en contradiccin con los hechos de nuestra base de conocimiento es porque lo contrario, es decir, la sentencia original era verdadera y se puede deducir lgicamente de las sentencias que componen dicha base de conocimientos.

2.7 CONOCIMIENTO NO-MONTONO Y OTRAS LGICAS

Tanto los humanos como los autmatas deben extraer conclusiones que son verdad en los mejores modelos de los hechos que se han tenido en cuenta. Hay diversos conceptos de lo que es mejor en sistemas diferentes. Muchos implican la minimizacin de algo. A medida que se agregan nuevos hechos, algunas de las anteriores conclusiones no sobreviven. Por este motivo, el razonamiento que permiti arribar a esas conclusiones que han decado, se denomina no-montono.

2.8 RAZONAMIENTO PROBABILSTICO.

El razonamiento probabilstico es un caso dentro del razonamiento no montono. Cuando la probabilidad que la verdad de una oracin haya cambiado con respecto a su valor inicial (por ejemplo 1), otras oraciones que anteriormente tenan alta probabilidad pueden decaer hasta tener probabilidad pequea o nula. Cuando se configuran los modelos probabilsticos, esto es, cuando se define el espacio para una muestra de "eventos" susceptibles de recibir diferentes valores de probabilidad, se est apelando a un razonamiento no-montono ms general, pero la convencin es que esto no lo hace la computadora sino una persona que razona informalmente. Resulta aparente que en una situacin informtica abierta de sentido comn, no existe espacio general alguno para una muestra de eventos. Apenas se le ponen lmites a dicho espacio general de eventos considerados y se le aplica alguna distribucin, se est procediendo a generar teoras probabilsticas. Las tcnicas de razonamiento no-montono consisten en tcnicas desarrolladas para limitar los fenmenos tenidos en cuenta. Si queremos limitar los fenmenos considerados, debemos recurrir a tcnicas no-montonas. (Estoy confesando que no s cuales seran esas tcnicas). Al formar distribuciones, habra que introducir una regla por defecto por la cual dos eventos e1 y e2 se deben considerar independientes entre s salvo que haya alguna razn para el otro caso. No es posible que e1 y e2 sean eventos cualesquiera: tienen que ser dos eventos bsicos por lo menos en algun sentido.

2.9 TEOREMA DE BAYES

En el ao 1763, dos aos despus de la muerte de Thomas Bayes (17021761), se public una memoria en la que aparece, por vez primera, la determinacin de la probabilidad de las causas a partir de los efectos que han podido ser observados. El clculo de dichas probabilidades recibe el nombre de teorema de Bayes.

Teorema de Bayes Sea A1, A2, ...,An un sistema completo de sucesos, tales que la probabilidad de cada uno de ellos es distinta de cero, y sea B un suceso cualquier del que se conocen las probabilidades condicionales P(B/Ai ). entonces la probabilidad P(Ai /B) viene dada por la expresin:

En los problemas relacionados con la probabilidad, y en particular con la probabilidad condicionada, as como con la probabilidad total y el teorema de

Bayes, es aconsejable que, con la informacin del problema, construyas una tabla de contingencia o un diagrama de rbol.

Ejercicio : Tres mquinas, A, B y C , producen el 45%, 30% y 25%, respectivamente, del total de las piezas producidas en una fbrica. Los porcentajes de produccin defectuosa de estas mquinas son del 3%, 4% y 5%. a. Seleccionamos una pieza al azar; calcula la probabilidad de que sea defectuosa. b. Tomamos, al azar, una pieza y resulta ser defectuosa; calcula la probabilidad de haber sido producida por la mquina B. c. Qu mquina tiene la mayor probabilidad de haber producido la citada pieza defectuosa? Solucin:

Sea D= "la pieza es defectuosa" y N= "la pieza no es defectuosa". La informacin del problema puede expresarse en el diagrama de rbol adjunto.

a. Para calcular la probabilidad de que la pieza elegida sea defectuosa, P(D), por la propiedad de la probabilidad total, P(D) = P(A) P(D/A) + P(B) P(D/B) + P(C) P(D/C) = = 0.45 0.03 + 0.30 0.04 + 0.25 0.05 = 0.038 b. Debemos calcular P(B/D). Por el teorema de Bayes,

c. Calculamos P(A/D) y P(C/D), comparndolas con el valor de P(B/D) ya calculado. Aplicando el teorema de Bayes, obtenemos:

La mquina con mayor probabilidad de haber producido la pieza defectuosa es A

CONCLUSIN

En esta unidad se vio lo que son mapas conceptuales como tcnicas de estudio, que es una buena herramienta para organizar y relacionar ideas de manera clara y sencilla, otra manera de hacer lo mismo es a travs de redes semnticas, similar en algunos aspectos a los mapas conceptuales. Las redes semnticas ya han sido utilizadas en la IA para representar el conocimiento. Hay una manera de tomar decisiones en sistemas y es el razonamiento montono en los que una vez hecha la conclusin ya no puede cambiar, y otras mquinas utilizan el clculo de predicados que resulta ms til. Algunos lenguajes que utilizan este mecanismo son Z y VDM. Se ha buscado un mtodo que pueda deducir la valides de proposiciones y que pueda ser introducido en una mquina, pero hasta la fecha se dice que no hay una solucin, la solucin ms eficaz es el mtodo de resolucin de Robinson que se basa en contradicciones para definir la valides. Existen varios mtodos que se clasifican como no-montonos y han servido para nuevas soluciones. Es el caso de incluir probabilidades en el clculo, tal como lo propone el teorema de Bayes.

BIBLIOGRAFA http://www.monografias.com/trabajos10/mema/mema.shtml http://elies.rediris.es/elies9/4-3-2.htm http://es.geocities.com/ontologia2004/red.htm http://w3.mor.itesm.mx/~logica/log9808/log_pred.html http://www.mor.itesm.mx/~rdec/node48.html http://w3.mor.itesm.mx/~logica/log9908/Equipo1-Dic99/tarea7.htm http://club.telepolis.com/ohcop/mcnonmon.html http://club.telepolis.com/ohcop/mcrazpro.html http://thales.cica.es/rd/Recursos/rd98/Matematicas/28/8.html