qwertyuiopasdfghjklzxcvbnmqwertyui opasdfghjklzxcvbnmqwertyuiopasdfgh jklzxcvbnmqwertyuiopasdfghjklzxcvb nmqwertyuiopasdfghjklzxcvbnmqwer 2da Unidad: Representacin del tyuiopasdfghjklzxcvbnmqwertyuiopas Conocimiento dfghjklzxcvbnmqwertyuiopasdfghjklzx cvbnmqwertyuiopasdfghjklzxcvbnmq wertyuiopasdfghjklzxcvbnmqwertyuio pasdfghjklzxcvbnmqwertyuiopasdfghj klzxcvbnmqwertyuiopasdfghjklzxcvbn

mqwertyuiopasdfghjklzxcvbnmqwerty uiopasdfghjklzxcvbnmqwertyuiopasdf ghjklzxcvbnmqwertyuiopasdfghjklzxc vbnmqwertyuiopasdfghjklzxcvbnmrty uiopasdfghjklzxcvbnmqwertyuiopasdf ghjklzxcvbnmqwertyuiopasdfghjklzxc

Inteligencia Artificial
29/07/2011 DSAG

Contenido
Representacin del Conocimiento .................................................................................................. 3 REDES SEMNTICAS ....................................................................................................................... 4 RAZONAMIENTO MONTONO ....................................................................................................... 5 Lgica de Predicados ...................................................................................................................... 5 Proposiciones y Predicados ........................................................................................................ 5 Aplicaciones ............................................................................................................................... 6 Semntica .................................................................................................................................. 6 Estructura .................................................................................................................................. 6 Interpretacin Lgica Proposicional. ........................................................................................... 6 Satisfaccin en Lgica Proposicional. ...................................................................................... 6 Satisfaccin en Lgica de Predicados. ..................................................................................... 6 Cuantificadores ...................................................................................................................... 7 LA DEMOSTRACIN Y SUS MTODOS ..................................................................................... 7 CONOCIMIENTO NO-MONTONO Y OTRAS LGICAS ..................................................................... 8 Red de creencias: caractersticas ................................................................................................ 8 Representacin de tablas de probabilidad condicional ............................................................... 8 Posibles usos de las redes de creencias ...................................................................................... 8 Inferencia en redes de creencias con mltiples conexiones .................................................... 8 REDES BAYESIANAS ........................................................................................................................ 9 Probabilidad Incondicional ......................................................................................................... 9 Probabilidad Condicional ............................................................................................................ 9 Distribucin de probabilidad conjunta ........................................................................................ 9 Ejercicio ....................................................................................................................................... 10

Representacin del Conocimiento

Las caractersticas ms importantes que deben de tener todo Sistemas Inteligente (SI) son: y y y La forma de representar el conocimiento La forma en cmo se recupera la informacin La forma en como se puede adquirir nuevo conocimiento (aprendizaje).

Siempre que se desarrolla un modelo se tiene dos representaciones: lgica y fsica. Las redes semnticas son una forma sencilla de explicitar conocimiento, estn conformadas por grafos que codifican el conocimiento en forma taxonmica. Los nodos nos representan categoras y las aristas relaciones entre esas categoras. Existen dos tipos de relaciones muy especiales Is-A y la Have-A. Los guiones (script) son otra forma de representar conocimiento. Estn conformados por componentes llamados ranuras (slots) que es un conjunto de pares atributo-valor. Los guiones son ms fciles de introducir en muchos casos que un mapa conceptual. La representacin del conocimiento tiene una gran importancia a tal punto de actualmente se habla de la Ingeniera del Conocimiento. Los frames son una estructura en la cual se pueden representar valores, restricciones, procesos, tienen relaciones de pertinencia y herencia El mtodo descripcin y pareamiento se utiliza para solucionar problemas de IA y es de los ms bsicos. y y El primer paso consiste en identificar todas las caractersticas de un objeto. Despus se realiza una bsqueda con un conjunto de objetos ya definidos.

En realidad se utilizan dos mtodos muy importantes: el extractor y el evaluador de conocimientos. Otra forma de resolucin de problemas utilizado en la IA consiste en las Analogas. Las analogas son un tipo especial de relacin que define como estn representados los objetos de una categora y como obtener sus predecesores y antecesores inmediatos.

REDES SEMNTICAS
Las representaciones lgicas surgieron para caracterizar los principios del razonamiento correcto Los lgicos (matemticos y filsofos) se centraron en lenguajes de representacin con reglas de inferencia correctas y completas, que preservan la verdad. Hay una lnea alternativa ms preocupada por caracterizar la naturaleza de la comprensin humana. A psiclogos y lingistas les interesa, no tanto el razonamiento correcto, sino describir cmo el ser humano adquiere y usa el conocimiento. Esta lnea ha resultado de mucha utilidad en el rea de tratamiento del lenguaje natural, y en los razonamientos de sentido comn. Una red semntica representa conocimiento mediante un grafo nodos: conceptos arcos etiquetados: relaciones entre conceptos Por red semntica actualmente se entiende toda una familia de representaciones basadas en grafos que difieren entre s en los nombres que se permiten para nodos y arcos, y en las inferencias que pueden hacerse Grafos conceptuales: lenguaje de representacin basado en redes ms moderno (Sowa, 1984) Grafos dirigidos finitos bipartitos Los nodos son de dos tipos: los que representan conceptos, y los que representan relaciones entre conceptos Los conceptos slo tienen arcos hacia relaciones y las relaciones slo tienen arcos hacia conceptos. Los arcos no tienen etiquetas Tcnica de representacin declarativa a travs de grafos dirigidos etiquetados Utilizada inicialmente para representar la semntica de los lenguajes naturales, especialmente en los sistemas de traduccin automtica (como lenguaje intermedio interlingua) Idea principal: el significado de un concepto se especifica a travs sus conexiones con otros conceptos Nodos: representan conceptos (entidades, atributos, sucesos y estados) Arcos: representan relaciones conceptuales (asocian conceptos). La etiqueta identifica el tipo de relacin (espacial, temporal, causal, rol desempeado, etc.) Arcos estructurales (semntica independiente del dominio) Arcos descriptivos (semntica dependiente del dominio)

RAZONAMIENTO MONTONO
Un razonamiento se llama montono cuando a lo largo del proceso el conjunto de cosas sabidas es siempre creciente. Pero en la realidad suele ocurrir que, a medida que avanza el proceso de inferencias, nuevas evidencias o acciones del mismo sistema anulan premisas o conclusiones anteriores, y para formalizar esto se necesita una lgica no montona. Un proceso frecuente es el razonamiento por defecto: suponer que algo es verdadero (o falso) mientras no haya evidencia de lo contrario. El sistema que razona debe tener en cuenta que la aparicin de esa evidencia puede tener un efecto retroactivo sobre las conclusiones obtenidas anteriormente, para lo que debe incluir un sistema de mantenimiento de la verdad.

Lgica de Predicados
Tiene Lgica de primer orden. Es una lgica con suficiente expresividad para representar nuestro sentido comn. La lgica de predicados tiene alcances ontolgicos ms amplios. Considera el mundo constituido por objetos y propiedades que los distingan, a diferencia de la lgica proposicional que slo permite representar hechos. Est basada en la idea de que las sentencias realmente expresan relaciones entre objetos, as como tambin cualidades y atributos de tales objetos. Los objetos pueden ser personas, objetos fsicos, o conceptos. Las cualidades, relaciones o atributos, se denominan predicados. Los objetos se conocen como argumentos o trminos del predicado. Al igual que las proposiciones, los predicados tienen un valor de veracidad, pero a diferencia de las preposiciones, su valor de veracidad, depende de sus trminos. Un predicado puede ser verdadero para un conjunto de trminos, pero falso para otro.

Proposiciones y Predicados
Un proposicin es una oracin completa donde se afirma algo acerca de un sujeto identificado. Una sentencia en lgica de predicados es una oracin completa donde se afirma algo acerca de un sujeto. El sujeto puede ser una constante o una variable.

Aplicaciones
Especificacin formal de programas, la cual permite describir lo que el usuario desea que un programa realice, mediante piezas de cdigo. 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.

Semntica

En lgica de proposiciones para definir la semntica nos apoyamos en los conceptos de interpretacin y satisfaccin. En lgica de predicados se debe de aadir el de asignacin, que consiste en dar valores a las variables y, en general, a los trminos.

Estructura
Una estructura est constituida por un conjunto que se designa como universo U y la interpretacin I de las relaciones que actan sobre los elementos de dicho universo, su notacin es: < U, I>

Interpretacin Lgica Proposicional.

Una frmula tiene una interpretacin cuando al asignar valores de verdad a sus tomos se obtiene un valor de verdad (cierto o falso) para la frmula completa. Interpretacin Lgica de Predicados. Una interpretacin est asociada a un dominio, que es un conjunto de valores que las variables pueden tomar. Para cualquier interpretacin de una frmula sobre un dominio, la frmula puede ser evaluada como cierta o falsa. Asignacin de variable: Una asignacin es una funcin que va desde el conjunto de las variables a un determinado universo.
Satisfaccin en Lgica Proposicional.

La satisfaccin de una sentencia es relativa a la interpretacin.

Satisfaccin en Lgica de Predicados.

Las satisfaccin es relativa a la asignacin de trminos. En lugar de variables proposicionales hay tomos formados con predicados, y un predicado representa a una relacin de la conceptuacin.

Cuantificadores

Los cuantificadores permiten expresar propiedades de grupos completos de objetos en vez de enumerarlos por sus nombres. La lgica de primer orden contiene dos cuantificadores estndar, denominados universales y existenciales.
LA DEMOSTRACIN Y SUS MTODOS

Proceso de transformacin del conocimiento de un dominio a un lenguaje simblico para ser procesado computacionalmente Planteamiento simblico de resolucin de problemas (maneja smbolos) En IA su simblica no existe relacin directa entre el conocimiento y su representacin Cada elemento de la representacin (smbolo) se refiere a un objeto/hecho/relacin de inters perteneciente al dominio a representar Todo lenguaje de representacin debe definir 2 aspectos Sintaxis: posibles formas de construir y combinar los elementos del lenguaje para representar los hechos del dominio real Semntica: determina la relacin entre los elementos del lenguaje y su interpretacin en el dominio Dos fases en la representacin y Fase de codificacin (representacin): conversin de hechos reales a su representacin interna y Fase de descodificacin (interpretacin): los resultados de los procesos inferenciales realizados sobre la representacin interna del conocimiento vuelven a convertirse en hechos del mundo real Tipos de modelos de representacin del conocimiento y Modelos formales y lgica clsica y no clsica y Modelos estructurados y Redes semnticas, y Marcos y guiones, y Sistemas basados en reglas de produccin

CONOCIMIENTO NO-MONTONO Y OTRAS LGICAS

Red de creencias: caractersticas
La principal ventaja del razonamiento probabilstico sobre el razonamiento lgico es que el primero permite tomar decisiones racionales aun en casos en que no haya suficiente informacin para probar que cualquier accin dada funcionara. La red de creencias es un grafo dirigido y acclico en el cual: 1. Un conjunto de arcos dirigidos o flechas , conecta pares de nodos 2. Un conjunto de variables representa los nodos de la red 3. Cada nodo tiene una tabla de probabilidad condicional que cuantifica los efectos que los padres tienen sobre el nodo.

Representacin de tablas de probabilidad condicional

Nodo determinstico: su valor queda especificado exactamente por los valores de sus padres, sin incertidumbre. Las relaciones con incertidumbre pueden a veces ser caracterizadas por las llamadas relaciones con ruido. El ejemplo estndar es el llamado OR-ruidoso que es una generalizacin del OR lgico.

Posibles usos de las redes de creencias

Adems de permitir calcular la creencia en variables de Query, dados los valores definidos para variables de evidencia, las redes de creencias pueden ser usadas para lo siguiente: Tomar decisiones basadas en probabilidades en la red y en las utilidades del agente. Decidir qu variables de evidencia adicionales deberan ser observadas para ganar informacin til. Realizar anlisis de sensibilidad para entender qu aspectos del modelo tienen el mayor impacto sobre las probabilidades de las variables de Query. Explicar al usuario los resultados de la inferencia probabilstica.
Inferencia en redes de creencias con mltiples conexiones

Hay tres clases bsicas de algoritmos para evaluar redes de conexiones mltiples: Agrupamiento (clustering), mtodos que transforman la red en un polytree equivalente probabilstico (pero diferente topolgicamente), uniendo nodos ofensivos. Condicionamiento por conjunto de corte , mtodos que realizan la transformacin dando valores concretos a las variables, y luego evaluando un polytree para cada particularizacin posible. Simulacin estocstica, mtodos que usan la red para generar un gran nmero de modelos concretos del dominio que son consistentes con la distribucin de la red.

REDES BAYESIANAS
Probabilidad Incondicional
La probabilidad de que una variable aleatoria pueda o no ocurrir se conoce como probabilidad incondicional o a priori

Probabilidad Condicional
La probabilidad de que una variable aleatoria pueda o no ocurrir, dadas ciertas evidencias, se conoce como probabilidad condicional

Distribucin de probabilidad conjunta

Distribucin de probabilidad conjunta es una tabla en la que hay un valor en cada celda que especifica la probabilidad de que se produzcan dos eventos determinados. y y y y y Redes Bayesianas Red bayesiana Grafo dirigido que indica explcitamente influencia causal Modelo desarrollado por Judea Pearl El motor de inferencia se basa en el teorema de Bayes

Una red bayesiana es un grafo dirigido que muestra la dependencia entre las variables

Ejercicio

Considerando la siguiente tabla de probabilidad conjunta.

Calcular las probabilidades de: P(PasarIA)= 0.80+0.05 = 0.85 P(PasarIA| PasarUnidad2)= 0.05 / (0.05 + 0.05) 0.05 / 0.1 = 0.5 P(PasarIA| PasarUnidad2)= 0.10 / (0.80 + 0.10) 0.10 / 0.90 = 0.11111 P(PasarIA^ PasarUnidad2)= (0.80+0.10)+(0.80+0.05)-0.80=0.95 P(PasarIA v PasarUnidad2)=0.80