Introduccin a la Representacin de Conocimientos

Representacin de Conocimientos
Asuncin Gmez-Prez
asun@fi.upm.es
Departamento de Inteligencia Artificial
Facultad de Informtica
Universidad Politcnica de Madrid
Campus de Montegancedo sn,
28660 Boadilla del Monte, Madrid, Spain

Facultad de Informtica. Universidad Politcnica de Madrid

Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Indice

1. Introduccin.
2. Sistemas de Produccin.
3. Redes Semnticas.
4. Marcos.
5. Guiones.
6. Restricciones.
7.

Lgicas Descriptivas

8. Ontologas

Facultad de Informtica. Universidad Politcnica de Madrid

Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Bibliografa

Ingeniera del Conocimiento (ED Ceura)

A. Gmez, N. Juristo, C. Montes, J. Pazos

Reglas, Marcos, Guiones,

Redes Semnticas, Ontologas

Inteligencia Artificial (ED Ceura)

D. Borrajo, N. Juristo, V. Martnez, J. Pazos

Reglas

Artificial Intelligence
Rich and Knight

Facultad de Informtica. Universidad Politcnica de Madrid

Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Introduccin a la
Representacin de Conocimientos
Asuncin Gmez-Prez
asun@delicias.dia.fi.upm.es
Departamento de Inteligencia Artificial
Facultad de Informtica
Universidad Politcnica de Madrid
Campus de Montegancedo sn,
28660 Boadilla del Monte, Madrid, Spain

Facultad de Informtica. Universidad Politcnica de Madrid

Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Indice

1. Ciclo bsico de un sistema inteligente

2. Pasos en el desarrollo de un SBC
3. Sistemas tradicionales versus SS.BB.CC.
4. La Hiptesis Simbolista
5. Arquitectura de un Sistema Inteligente
6. Sintaxis versus Semntica
7. Clasificacin de los formalismos y ejemplos
8. Criterios para seleccionar los formalismos

Facultad de Informtica. Universidad Politcnica de Madrid

Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Ciclo Bsico de un Sistema Inteligente

Yo
Conozco y Razono

Yo Intento
Conocer y Razonar

Motor de Inferencias

Percibir

Cmo?
Modelo
Interno

Razonar

Mundo
Externo

EXPECTATIVAS

Base de Conocimientos

Facultad de Informtica. Universidad Politcnica de Madrid

Actuar

Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Escenario I
Modelo
Computable

Conocimientos
de dominios concretos

Inconvenientes

A) Los expertos en dominios concretos

no saben hacer sistemas inteligentes
B) Se necesitan informticos que
1) aprendan los conocimientos del dominio
2) sepan detalles de la tecnologa

Facultad de Informtica. Universidad Politcnica de Madrid

Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Escenario II
Modelo
Computable

Conocimientos
de dominios concretos

Aprender
Modelos
no computables que
modelicen el problema y
su solucin

Facultad de Informtica. Universidad Politcnica de Madrid

Modelos
semi-computables

Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Escenario II
Implementacin
Conocimientos
de dominios concretos

Adquisicin de
Conocimientos
Formalizacin
Conceptualizacin

Si .....Entonces

Facultad de Informtica. Universidad Politcnica de Madrid

Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Indice

1. Ciclo bsico de un sistema inteligente

2. Pasos en el desarrollo de un SBC
3. Sistemas tradicionales versus SS.BB.CC.
4. La Hiptesis Simbolista
5. Arquitectura de un Sistema Inteligente
6. Sintaxis versus Semntica
7. Clasificacin de los formalismos y ejemplos
8. Criterios para seleccionar los formalismos

Facultad de Informtica. Universidad Politcnica de Madrid

Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Pasos en el desarrollo de un SBC

Estudio Viabilidad
Adquisicin Conocimientos
-Entrevistas: abiertas, cerradas
-Anlisis de Protocolos
-Emparrillado
-...

Conceptualizacin
-Modelo Conceptual

Evaluacin

- Conocimientos Fcticos
- Conocimientos Tcticos
- Conocimientos Estratgicos
- Metaconocimientos

Formalizacin
-

- Reglas
- Redes Semnticas
Modelos Formal - Lgica
- Marcos
- Guiones
- Restricciones
-....
Representar Conocimientos
Inciertos

- Metarreglas

- MYCIN
- PROSPECTOR
- Dempster Shaffer
- Redes Bayesianas
- Log. Fuzzy

-Tcnicas de control - Agendas

Implementar

- Pizarras
-...
C
C++

a) Lenguaje de Programacin Modula

b) Entorno o

Facultad de Informtica. Universidad Politcnica de Madrid

....
KEE
ART
Herramienta KAPPA
....
Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Numerosas Alternativas para Modelizar la Realidad

Conceptualizacin

Formalizacin

Implementacin

Objeto-Atributo-Valor

MC1

Herramientas

Marcos
C, C++

MC2
ME

.
.
.

.
.
.

Redes Semnticas
Lgica
Restricciones

Lisp, CLOS

.
.
.

Prolog

Reglas

MC3

Pascal
Guiones
Logicas Descriptivas.

Facultad de Informtica. Universidad Politcnica de Madrid

Etc.

Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Indice

1. Ciclo bsico de un sistema inteligente

2. Pasos en el desarrollo de un SBC
3. Sistemas tradicionales versus SS.BB.CC.
4. La Hiptesis Simbolista
5. Arquitectura de un Sistema Inteligente
6. Sintaxis versus Semntica
7. Clasificacin de los formalismos y ejemplos
8. Criterios para seleccionar los formalismos

Facultad de Informtica. Universidad Politcnica de Madrid

Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Sistemas Tradicionales versus SS.BB.CC. (Secc. 1.3.2, pg. 13)

1. Ingeniera de Software

Ingeniera del Conocimiento

2. TIPOS DE PROBLEMAS
Sistemticos

Heursticos

Procedimientales

Declarativos

- Especificaciones muy completas

- Casi no existe una especificacin

- Los datos, funcionamiento esperado y tcnicas

- Los conocimientos y mtodos de resolucin son

de resolucin se conocen
- Existe documentacin

Datos + procedimientos mezclados

de los expertos
- No existe documentacin

Separar conocimientos de los mtodos de

razonamiento

Rgidos o deterministas:
Producir la misma salida para la misma entrada
Facultad de Informtica. Universidad Politcnica de Madrid

No deterministas
Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Indice

1. Ciclo bsico de un sistema inteligente

2. Pasos en el desarrollo de un SBC
3. Sistemas tradicionales versus SS.BB.CC.
4. La Hiptesis Simbolista
5. Arquitectura de un Sistema Inteligente
6. Sintaxis versus Semntica
7. Clasificacin de los formalismos y ejemplos
8. Criterios para seleccionar los formalismos

Facultad de Informtica. Universidad Politcnica de Madrid

Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Hiptesis Simbolista
El mdulo de la BC del sistema est separado del mdulo de razonamiento
Base de Conocimientos: Contienen conocimientos del dominio:
conceptos
taxonomas
relaciones a medida entre conceptos
propiedades de conceptos
Percibir

hechos
heursticas
Restricciones
.....

Modelo
Interno
Razonar

Mundo
Externo

EXPECTATIVAS
Actuar

Motor de Inferencias:
Permite que el sistema razone.
Apartir de los datos y conocimientos de entrada el sistema pueda producir una salida.

Facultad de Informtica. Universidad Politcnica de Madrid

Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Representar y Razonar
Representar

Razonar

+
Formalismos

Formalismos

Motor de
Inferencia

Estrategia
de Control

Representar declarativamente los conceptos de un dominio, sus propiedades,

relaciones (de clasificacin, de agregacin, etc.) entre conceptos
as como los elementos individuales que aparecen en el dominio

Facultad de Informtica. Universidad Politcnica de Madrid

Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Formalizacin
Representar

Razonar

+
Formalismos

Motor de
Inferencia

Estrategia
de Control

Cada formalismo de representacin tiene Motores de Inferencia asociados,

independientes del dominio de la aplicacin,
capaces de razonar con cualquier conjunto de conocimientos
representados mediante su formalismo propietario

La estrategia de control gobierna el sistema y decide qu hacer en cada momento

Facultad de Informtica. Universidad Politcnica de Madrid

Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Razonar

Representar
+
Formalismos

Motor de
Inferencia

Reglas

Algoritmo RETE
Encadenamiento
Algoritmos de Bsqueda

C.P.P.O

Resolucin

Redes Semnticas

Equiparacin
Herencia de Propiedades

Marcos

Equiparacin
Herencia de Propiedades
Valores Activos
Mtodos

Guiones

Equiparacin

Restricciones

Algoritmo de Waltz

Lgicas Descriptivas
Facultad de Informtica. Universidad Politcnica de Madrid

Estrategia
de Control

.- Metarreglas
.- Agendas
.- Pizarras
.- Control Distribudo
.- ....

Clasificacin
Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Qu es Representar Conocimientos?

Representar simblicamente los conocimientos del dominio

Integrarlos en un modelo de diseo

Determinar los mtodos de inferencia para manejar los conocimientos

Determinar los mtodos de control para gobernar el sistema

Facultad de Informtica. Universidad Politcnica de Madrid

Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Indice

1. Ciclo bsico de un sistema inteligente

2. Pasos en el desarrollo de un SBC
3. Sistemas tradicionales versus SS.BB.CC.
4. La Hiptesis Simbolista
5. Arquitectura de un Sistema Inteligente
6. Sintaxis versus Semntica
7. Clasificacin de los formalismos y ejemplos
8. Criterios para seleccionar los formalismos

Facultad de Informtica. Universidad Politcnica de Madrid

Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Arquitectura de un Sistema Inteligente

- Hacer inferencias visibles a

los usuarios
- Explicacin
- Automtico / manual

CONTROL
Sistemas con los
que interacciona
Redes
Bases de Datos
...

Interfaz
con
otros
Sistemas

IU
MI

BC

Entorno de desarrollo
Herramientas de SBC
Lenguajes de Programacin

Facultad de Informtica. Universidad Politcnica de Madrid

Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Indice

1. Ciclo bsico de un sistema inteligente

2. Pasos en el desarrollo de un SBC
3. Sistemas tradicionales versus SS.BB.CC.
4. La Hiptesis Simbolista
5. Arquitectura de un Sistema Inteligente
6. Sintaxis versus Semntica
7. Clasificacin de los formalismos y ejemplos
8. Criterios para seleccionar los formalismos

Facultad de Informtica. Universidad Politcnica de Madrid

Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Sintaxis versus Semntica

Sintaxis:

Smbolos que se utilizan para representar

Aspectos de Notacin

Sintaxis de las formalismos

Semntica:

Significado de lo que se ha representado utilizando una sintaxis determinada

Facultad de Informtica. Universidad Politcnica de Madrid

Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Indice

1. Ciclo bsico de un sistema inteligente

2. Pasos en el desarrollo de un SBC
3. Sistemas tradicionales versus SS.BB.CC.
4. La Hiptesis Simbolista
5. Arquitectura de un Sistema Inteligente
6. Sintaxis versus Semntica
7. Clasificacin de los formalismos y ejemplos
8. Criterios para seleccionar los formalismos

Facultad de Informtica. Universidad Politcnica de Madrid

Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Clasificacin de los Formalismos

Representar Conceptos:
Objeto-Atributo-Valor
Marcos
Redes Semnticas
Lgicas Descriptivas
Representar Relaciones entre conceptos
Marcos
Redes Semnticas
Representar Heursticas
Sistemas de Produccin

Facultad de Informtica. Universidad Politcnica de Madrid

Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Objeto-Atributo-Valor
Para cada objeto existen tantas ternas como atributos se quieran representar

(Objeto, Atributo, Valor)

(Vertebrado, Esqueleto, S)
(Invertebrado, Esqueleto, No)
(Perro-1, Nombre, Tucky)
(Perro-1, Peso, 25)
(Perro-1, Altura, 50)
Inconvenientes:
No se pueden definir relaciones entre conceptos: Vertebrado subclase de animal
No se puede definir el tipo de una propiedad en un concepto
.....

Facultad de Informtica. Universidad Politcnica de Madrid

Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Marcos

Se representa utilizando taxonomas de conceptos en tiempo de diseo

Conocimiento declarativo y procedimental

Animal

Subclase
Vertebrados
Esqueleto: si
N patas: [0 ...4]

Instancia
Perro - 1
Altura: 50
Peso: 25
Nombre: Tuky

Facultad de Informtica. Universidad Politcnica de Madrid

Altura: nmero
Peso: nmero
Nombre: string

as
cet
Fa

des
a
d
pie
o
r
P

Subclase
Invertebrados
Esqueleto: no
N patas: [0 ...4]
Instancia
Gusano - 1
Altura: 5
Peso: 3
Nombre: A

Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Redes Semnticas
Grafos unidireccionales etiquetados
Nodos: Conceptos y valores de propiedades
Arcos: relaciones y propiedades
Animal
Esqueleto

SC

SC
Esqueleto

Vertebrado

Si

Instancia
Tuky Nombre

25

Instancia
Serp 1 Nombre

Perro 1

Peso

No

Invertebrado

Altura
50

Peso
80

Altura
20

Inconveniente: no se pueden representar los tipos de las propiedades,

ni conocimientos procedimentales
Facultad de Informtica. Universidad Politcnica de Madrid

Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Calculo de Predicados de Primer Orden

Relaciones y propiedades
Conceptos y valores de propiedades

Predicados
Argumentos

SUBCLASE (Vertebrado, Animal)

SUBCLASE (Invertebrado, Animal)
INSTANCIA (Perro-1 Vertebrado)
INSTANCIA (Gusano-1 Invertebrado)

Taxonoma

ESQUELETO (Vertebrado, Si)

ESQUELETO (Invertebrado, no)

Propiedades de cada concepto

ALTURA (Perro1 50)

PESO (Perro1 25)
NOMBRE (Perro1Tuky)
PESO (Gusano-1, 80)
ALTURA (Gusano-1, 20)
NOMBRE (Gusano-1, A)

Facultad de Informtica. Universidad Politcnica de Madrid

x Vertebrado (x) Animal (x)

Propiedades de cada individuo

Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Lgicas Descriptivas

Clasificacin automtica realizada por el motor de inferencias del lenguaje

En tiempo de Ejecucin
Invertebrado
Ser vivo

Ser vivo
Planta

Vertebrado
Subclass of

Invertebrado

Subclass of
Subclass of

Vertebrado

Subclass of

Perro

Plantas

Subclass of

Gato

Gato

Perro

Clasificacin
automtica

Tiempo diseo

Facultad de Informtica. Universidad Politcnica de Madrid

Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Sistemas de Produccin
Si cond1 ^ cond2 ^ cond3^....

Entonces Acc1 ^ Acc2 ^....

Antecendentes

Consecuentes

R1: Si (Animal $A) ^ (Esqueleto $A s)

Entonces (Vertebrado $A)
R2: Si (Animal $A) ^(Esqueleto $A no)
Entonces (Invertebrado $A)

Facultad de Informtica. Universidad Politcnica de Madrid

Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Sistemas de Produccin
Base de Reglas
R1: Si (Animal $A) ^ (Esqueleto $A s)
Entonces (Vertebrado $A)
R2: Si (Animal $A) ^(Esqueleto $A no)
Entonces (Invertebrado $A)
R3: Si (Vertebrado $A) (Ladra $A)
Entonces (Perro $A)

Base de Hechos
(Animal Tucky)
(Animal Pioln)
(Esqueleto Pioln s)
(Esqueleto Tucky s)
(ladra Tucky)

Estrategia de Control
R1, $A= Tucky
Ciclo 1:
R1, $A= Pioln

Facultad de Informtica. Universidad Politcnica de Madrid

(Animal Tucky)
(Animal Pioln)
(Esqueleto Pioln s)
(Esqueleto Tucky s)
(ladra Tucky)
(Vertebrado Tucky)

Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Sistemas de Produccin
Base de Reglas
R1: Si (Animal $A) ^ (Esqueleto $A s)
Entonces (Vertebrado $A)
R2: Si (Animal $A) ^(Esqueleto $A no)
Entonces (Invertebrado $A)
R3: Si (Vertebrado $A) (Ladra $A)
Entonces (Perro $A)

Base de Hechos
(Animal Tucky)
(Animal Pioln)
(Esqueleto Pioln s)
(Esqueleto Tucky s)
(ladra Tucky)
(Vertebrado Tucky)

Estrategia de Control
R1, $A= Tucky
Ciclo 2:
R1, $A= Pioln
R3, $A= Tucky

Facultad de Informtica. Universidad Politcnica de Madrid

(Animal Tucky)
(Animal Pioln)
(Esqueleto Pioln s)
(Esqueleto Tucky s)
(ladra Tucky)
(Vertebrado Tucky)
(Vertebrado Pioln)
Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Sistemas de Produccin
Base de Reglas
R1: Si (Animal $A) ^ (Esqueleto $A s)
Entonces (Vertebrado $A)
R2: Si (Animal $A) ^(Esqueleto $A no)
Entonces (Invertebrado $A)
R3: Si (Vertebrado $A) (Ladra $A)
Entonces (Perro $A)

Estrategia de Control
R1, $A= Tucky
Ciclo 3:
R1, $A= Pioln
R3, $A= Tucky

Facultad de Informtica. Universidad Politcnica de Madrid

Base de Hechos
(Animal Tucky)
(Animal Pioln)
(Esqueleto Pioln s)
(Esqueleto Tucky s)
(ladra Tucky)
(Vertebrado Tucky)
(Vertebrado Pioln)

(Animal Tucky)
(Animal Pioln)
(Esqueleto Pioln s)
(Esqueleto Tucky s)
(ladra Tucky)
(Vertebrado Tucky)
(Vertebrado Pioln)
(Perro Tucky)
Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Indice

1. Ciclo bsico de un sistema inteligente

2. Pasos en el desarrollo de un SBC segn IDEAL
3. Sistemas tradicionales versus SS.BB.CC.
4. La Hiptesis Simbolista
5. Arquitectura de un Sistema Inteligente
6. Clasificacin de los formalismos y ejemplos
7. Sintaxis versus Semntica
8. Criterios para seleccionar los formalismos

Facultad de Informtica. Universidad Politcnica de Madrid

Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Criterios para Seleccionar un Formalismo

Expresividad: hacer distinciones sutiles y precisas
Qu es lo que puedo decir con ese formalismo?

Completud:

Todos los conocimientos conceptualizados pueden representar

Puedo expresar TODO lo que conozco?

Adecuacin:

al tipo de conocimientos que se va a representar:

taxonomas, clases, relaciones, ...
Al tipo de razonamiento que se va a simular

Rendimiento del sistema inteligente

Facultad de Informtica. Universidad Politcnica de Madrid

Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Introduccin a la
Representacin de Conocimientos
Asuncin Gmez-Prez
asun@delicias.dia.fi.upm.es
Departamento de Inteligencia Artificial
Facultad de Informtica
Universidad Politcnica de Madrid
Campus de Montegancedo sn,
28660 Boadilla del Monte, Madrid, Spain

Facultad de Informtica. Universidad Politcnica de Madrid

Asuncin Gmez Prez