Вы находитесь на странице: 1из 69

UNIVERSIDAD TECNOLÓGICA

AMÉRICA

FACULTAD DE CIENCIAS DE LA COMPUTACIÓN Y


ELECTRÓNICA

Hugo Leon

OCTAVO NIVEL
. 1 E l P ro b le m a d e la R e p re se n ta ció n d e l
o n o cim ie n to

3 . 1 . 1 A sp e cto s G e n e ra le s

Punto clave en la Inteligencia Artificial:


( a ) Jerarquía del Conocimiento
Uso del conocimiento en Inteligencia Artificial

Sistemas Basados en el Conocimiento: Sistemas de Inteligencia Artificial que


hacen un uso extensivo del conocimiento específico de un dominio.
• base de conocimiento: conjunto de representaciones de hecho y relaciones
relevantes en un dominio

Pasos Generales:

Identificar
conocimiento
necesario para
resolver un problema
Seleccionar un
lenguaje
con el que
representar
ese conocimiento
Traducir conocimiento
a
ese lenguaje de
representación

Usar las
consecuencias
derivadas de ese
conocimiento para
resolver el problema
3 . 1 . 2 Objetivos de los Métodos de Representación del
Conocimiento

Representación del conocimiento

Todo lenguaje de representación debe definir 2 aspectos

•sintaxis: • semántica:
posibles formas determina
de construir y la relación
combinar entre los
los elementos elementos del
del lenguaje para lenguaje
representar los y su
hechos interpretación en
del dominio real el dominio
3 . 1 . 3 Propiedades de los Esquemas de Representación
ADECUACIÓN DE LA
REPRESENTACIÓN: ADECUACIÓN INFERENCIAL:
Capacidad del esquema Posibilidad de
de manipular
representación para las estructuras de
representar representación de forma
adecuadamente que
todo el conocimiento se puedan derivar
pertinente de un nuevas
dominio estructuras asociadas
con nuevo conocimiento
inferido a partir del
antiguo

EFICIENCIA
INFERENCIAL:
Posibilidad de mejora EFICIENCIA
del proceso ADQUISICIONAL:
inferencial Capacidad del esquema
mediante la inclusión para incorporar
de heurísticas y fácilmente nuevo
guías conocimiento
que agilicen la
inferencia
. 1 Clasificación de los Esquemas de Representación
Tipos de modelos de representación del conocimiento
3 . 2 Representaciones Formales Lógica

Método de representación del conocimiento bien conocido y muy usado

base teórica muy sólida mecanismos inferencia conocidos y


VENTAJA potentes

S
Toda lógica que sea usada como mecanismo de representación deberá constar de 3 elementos:

1. Una sintaxis, que explica cómo construir los elementos del lenguaje de representación
(oraciones lógicas )

2. Una semántica, que asocia los elementos del lenguaje con los elementos reales del dominio

asocia una interpretación (significado) a los símbolos

3. Un conjunto de reglas de inferencia, que permiten inferir conocimiento nuevo a partir del ya
existente
TIPOS DE LÓGICAS
3 . 2 . 1 Lógica de Proposiciones

( a ) SINTAXIS
( b ) SEMÁNTICA

En todas las
lógicas
la semántica
de una oración
depende interpretación
de la concreta
que se le asigne a
los símbolos

(proposiciones /
Correspondencia entre predicados +
elementos del lenguaje conectivas),
y los elementos del semántica
mundo real que composicional.
representan

Interpretaci En lógica proposicional -> semántica directa

ón Interpretación = asignación valores de verdad a proposiciones

Una f.b.d. (oración) es verdadera o falsa según los valores


de verdad o falsedad de los símbolos que la componen
( c ) REGLAS DE INFERENCIA

•Representan patrones de inferencias usados


comúnmente
•Procedimientos formales: nuevas f.b.d. resultan de
transformar sintácticamente la forma de las f.b.d. de
partida
•No se tiene en cuenta el significado de los
elementos de la lógica (proposiciones en este caso)

Reglas más comunes


DEMOSTRACIÓN
METATEOREMAS

Teoremas a cerca del cálculo proposicional ( no son parte de la


lógica de proposiciones )
COMPLETITUD Y SOLIDEZ ( propiedades reglas de inferencia )

en resumen:
”Una regla de inferencia R Si una regla R es sólida y completa
es solida si siempre que podremos determinar todas las f.b.d. que
`R , son consecuencia lógica de (base de
Entonces |= ” conocimiento actual), mediante la búsqueda
Solido Correcto (sound) de una demostración.
La regla sólo genera/demuestra
f.b.d. que son consecuencia
lógica
de
Genera oraciones que siempre
son verdaderas en el dominio
actual

”Si siempre que |= existe


una demostración
que usando R permite que `R
, se diría que R es
completa” La regla R es capaz
de proporcionar
una demostración a todas las
f.b.d.
que son consecuencia lógica de
.
Representando para resolver
 Tengo 5 pesos, si compro dos manzanas a 1 peso
c/u
¿Cuánto me queda?

 Tenemos datos y aplicamos una serie de
operaciones sobre ellos para resolverlo

 En este caso realizamos una abstracción y
tomamos los datos importantes para resolver el
problema
 ¿Cuánto dinero tengo inicialmente?
 ¿Cuántas manzanas quiero y cuanto cuestan?
 Multiplicamos y restamos
Representando para resolver
 No fue necesario pensar en manzanas para
resolverlo, sólo en enteros y a ellos les aplicamos
una serie de operaciones bien conocidas

 El verbo [comprar] estrictamente hablando nunca
fue representado pero fue indispensable para
saber lo que se deseaba hacer con los datos.

 Necesitamos conocimiento y mecanismos para
manipularlo y así resolver el problema
 en el caso de los humanos esta distinción no es fácil, es
por ello que no es algo obvio para nosotros hacer esta
diferencia
Dos niveles:
El nivel delE conocimiento
sq u e m a g–e nreal
e ra ld e la
El nivel delreformalismo
p re se n ta
– ción
abstracción
Hechos: verdades en un cierto mundo.
Es aquello que queremos representar.

E sq u e m a g e n e ra ld e la
re p re se n ta ció n
Hechos: verdades en un cierto mundo.
Es aquello que queremos representar.

Representaciones de los hechos en


un determinado formalismo. Éstas son
las entidades que realmente seremos
capaces de manipular.

E sq u e m a g e n e ra ld e la
re p re se n ta ció n
Caso concreto: la programación
E sq u e,mloaanalizamos
tenemos un problema g e n e ra,ld e la
proponemos un algoritmo,
re penreun
lo programamos selenguaje
n ta ció ne interpretamos los resultados
Propiedades de un Sistema de
Representación completo
Suficiencia de la representación: La
capacidad de representar todos los tipos de
conocimiento necesarios en el dominio.

Suficiencia deductiva: La capacidad para
manipular las estructuras de la
representación con el fin de obtener nuevas
estructuras que correspondan con un nuevo
conocimiento deducido a partir del antiguo.
Propiedades de un Sistema de
Representación completo
Eficiencia deductiva: La capacidad de
incorporar información adicional en las
estructuras de conocimiento con el fin de que
los mecanismos de inferencia puedan seguir
las direcciones más prometedoras.

Eficiencia en la adquisición: La capacidad
de adquirir nueva información con facilidad.
 El caso más simple es aquél en el que una
persona inserta directamente el
conocimiento en la base de datos.
 Idealmente, el programa sería capaz de
controlar la adquisición de conocimiento por
sí mismo.
Algunos ejemplos
Conocimiento relacional
Marco – conocimiento heredable
Redes semánticas
Conocimiento Deductivo



Conocimiento relacional
simple
 Columnas que identifican atributos de un objeto
(fila)
 Problemas: altamente estructurado
Conocimiento heredable
Se trata de un sistema de marcos o una red
semántica
Es a través de atributos especiales como
instancia-de, es-un, tipo-de que podemos
mejorar la propagación del conocimiento
Lo que tenemos es una jerarquía
de especialización-
generalización
¿cuál es la altura de Pee Wee
Reese?
¿cuál es la altura de Pee Wee
Reese?

Algoritmo: Herencia de propiedades


lPara acceder al valor V de un atributo A en una
instancia I:
1.Encontrar I en la base de
conocimiento.
2.Si el atributo A tiene algún valor
asignado, devolver ese valor.
3.En caso contrario, comprobar si el
atributo instancia tiene
algún valor asignado. Si no lo
tiene entonces fallar.
4.En caso contrario, ir al nodo
identificado por ese valor y
comprobar si allí existe
algún valor para el atributo
A. Si lo hay, devolverlo.
5.En caso contrario, repetir hasta que
el atributo es-un no tenga
valor asignado o hasta
encontrar una respuesta:
lObtener el valor del atributo
es-un e ir a ese nodo.
lComprobar si el atributo A
tiene algún valor. Si lo
tiene, devolverlo.
l
l
Conocimiento Deductivo
• 1. Marco era un hombre.
• hombre(Marco)
• 2. Marco era un pompeyano.
• pompeyano(Marco)
• 3. Todos los pompeyanos eran romanos.
• ∀x : romano(x) → romano(x)
• 4. César fue un gobernante.
• gobernante(César)
• 5. Todos los romanos o eran leales a César o le
odiaban.
• ∀x : romano(x) → leal(x, César) ∨ odia(x,
César)
• 6. Todo el mundo es leal a alguien.
• ∀x : ∃ y : leal(x, y)
• 7. La gente sólo intenta asesinar a los
gobernantes a los que no es leal.
• ∀x : ∀y : persona(x) ∧ gobernante(y) ∧
intenta_asesinar(x,y) →
• ¬leal(x, y)
• 8. Marco intentó asesinar a César.
• intenta_asesinar(Marco, César).
Conocimiento Deductivo

Lógica de predicados de primer orden
El proceso de inferencia más usado se llama
resolución
Conocimiento deductivo
heredable
Conocimiento Procedural
l
lExisten formalismos que nos permiten expresarse el
conocimiento a través de procedimientos
llas reglas de producción
l
lNo son mejores ni peores sólo más adecuados para
ciertos problemas
Conocimiento Procedural
Problemas: la Granularidad
¿a qué nivel representar nuestro dominio?

 Queremos resolver el problema de los


caníbales con sus nombres, o no?
 Podemos representar el hecho que un caníbal
es un ser humano que como seres humanos
 Podemos representar el concepto de
misionero… como?
 Podemos representar el río… a que nivel es un
cauce de agua
Problemas: la Granularidad
Juan vislumbro a María

 Vislumbrar( Juan, María )
 Vislumbrar(x,y)  ver(x,y)
 Ver(Juan, María, breve)
 Y breve?
Problemas: la Granularidad
Usar primitivas de bajo nivel nos acerca a una

forma canónica ganamos en generalidad


PERO

 La cantidad de espacio para almacenar un hecho


simple
 El enorme trabajo a realizar en la transformacion
de una representación en alto nivel a su forma
primitiva
 No siempre es claro que primitivas vamos a
utilizar
 Por ejemplo en el de parentesco: padre, hermano,
hijo
 Pero como representar primo…
 Hija(hermano(madre(pedro)))
 Hija(hermano(padre(pedro)))
Adecuar la estructura…
… a la circunstancia

Fui a la Oriental ayer por la noche, pedí de comer y


pagué la cuenta

• ¿cené ayer?
• ¿iba acompañado?
• ¿qué comí?

Seleccionar la estructura más apropiada


dependiendo de objetivo, de la tarea a resolver.


Lógica de Proposiciones
Lógica de Proposiciones
Lógica en Wumpus
Lógica en Wumpus
Cuando hay brisa en una casilla implica que en
una casilla contigua hay un pozo:
E2: B11 ⇔ P12 v P21

Ahora agregamos la primera percepción, no se
percibe brisa en la celda (1,1): E3: ~B11

¿Cómo relacionar los enunciados 2 y 3 para
obtener nuevo conocimiento?
Lógica de Proposiciones
Cuando los resultados de una Tabla de Verdad son
todos verdaderos, a esa proposición compuesta
se le llama Tautología. Como ejemplo tenemos a:
(p v ~p)

Cuando los resultados de una Tabla de Verdad son
todos falsos, a esa proposición compuesta se le
llama Contradicción. Como ejemplo tenemos a:
(p ^ ~p)
Lógica de Proposiciones
Básicamente la inferencia es la implementación de
una implicación.

Los enunciados conocidos como verdaderos
forman parte del antecedente.

El consecuente es un nuevo enunciado cuya
veracidad se desprende de los anteriores.
Simbólicamente se representa así:
antecedente :: consecuente
Lógica de Proposiciones
La equivalencia lógica se presenta cuando dos
enunciados α y β tienen los mismos valores de
verdad para el mismo conjunto de modelos.

A continuación mostramos una tabla con las
equivalencias lógicas más comunes:

Doble Negación: ~( ~p ) ≡ p
Lógica de Proposiciones
Leyes Conmutativas
• (pvq)≡(qvp)
• (p^q)≡(q^p)

Leyes Asociativas
• (pvq)vr≡pv(qvr)
• (p^q)^r≡p^(q^r)

Lógica de Proposiciones
Leyes Distributivas
• pv(q^r)≡(pvq)^(pvr)
• p^(qvr)≡(p^q)v(p^r)

Leyes de Idempotencia
• (pvp)≡p
• (p^p)≡p
Lógica de Proposiciones
Leyes de DeMorgan
• ~( p v q ) ≡ ~p ^ ~q
• ~( p ^ q ) ≡ ~p v ~q

Leyes de Identidad
• ( p v ~p ) ≡ t
• ( p ^ ~p ) ≡ f
• ( p v f ) ≡ p

• ( p v t ) ≡ t
Lógica de Proposiciones
Leyes de Identidad
• (pvf)≡f
• ( p v t ) ≡ p

Leyes de la Implicación
• (p ⇔ q) ≡ (p ⇒ q) ^ (q ⇒ p)

• (p ⇒ q) ≡ (~q ⇒ ~p)

• (q ⇒ p) ≡ (~p ⇒ ~q)

• (p ⇒ q) ≡ (~p v q)
Lógica de Proposiciones
Reglas de Inferencias
La siguiente implicación lógica se llama Modus
Ponens y corresponde a la siguiente inferencia:
• p ^ ( p ⇒ q ) :: q


Ejemplo:
•p: Estudio
•p ⇒ q: Si estudio aprobaré Matemáticas

•q: Entonces, Aprobaré Matemáticas


Lógica de Proposiciones
La siguiente implicación lógica se llama Modus
Tollens y corresponde a la siguiente inferencia:
• ( p ⇒ q ) ^ ~q :: ~p


Ejemplo:
•p ⇒ q: Si estudio apruebo Matemáticas
•~q: No aprobé Matemáticas

•~p: Entonces, no Estudié


Lógica de Proposiciones
La siguiente implicación lógica se llama Silogismo
Hipotético y corresponde a la siguiente
inferencia:
• ( p ⇒ q ) ^ ( q ⇒ r ) :: ( p ⇒ r )

Ejemplo:
•p ⇒ q: Si estudio apruebo Matemáticas
•q ⇒ r: Si apruebo Matemáticas me regalan un auto

•p ⇒ r: Entonces, Si estudio me regalan un auto


Lógica de Proposiciones
La siguiente implicación lógica se llama Silogismo
Disyuntivo y corresponde a la siguiente
inferencia:
• ( p v q ) ^ ~p :: q

Ejemplo:
•p v q: Hay que estudiar Francés o Alemán
•~p: No estudio Francés

•q: Entonces, Estudio Alemán


Lógica de Proposiciones
La simplificación conjuntiva consiste en eliminar
uno de los términos de una conjunción:
• ( p ^ q ) :: q o también: ( p ^ q ) :: p


Por el otro lado, la amplificación disyuntiva
permite agregar un nuevo término:
• p :: ( p v q )
Lógica en Wumpus
Se tiene que:
E2: B11 ⇔ P12 v P21
E3: ~ B11

Por lo que tenemos el siguiente razonamiento:
E4: (B11 ⇒ (P12 v P21)) ^ ((P12 v P21) ⇒ B11)
E5: ((P12 v P21) ⇒ B11)
E6: ~B11 ⇒ ~(P12 v P21)
E7: ~(P12 v P21)
E8: ~P12 ^ ~P21
Lógica en Wumpus
Del razonamiento anterior concluimos que no hay
un pozo en la casilla (1,2) ni en la (2,1).

Ahora veamos el razonamiento cuando el agente
llega a la celda (1,2).

E9: ~B12
E10: B12 ⇔ P11 v P13 v P22
E12: ~P22
Lógica en Wumpus
Lógica en Wumpus
Dado que ya verificamos que no hay pozo en las
celdas (1,1) y (2,2), resulta evidente la
conclusión que:

E15: P31

Es conveniente que nuestra base de conocimiento
esté basada solamente en conjunciones y
disyunciones.
Lógica Proposicional
Lógica Proposicional
A continuación se describe un procedimiento para
convertir a nuestra FNC:

Eliminar ⇔ usando la equivalencia:
• (p ⇔ q) ≡ (p ⇒ q) ^ (q ⇒ p)

Eliminar ⇒ usando la equivalencia:
• (p ⇒ q) ≡ (~p v q)
Lógica Proposicional
Simplificar ~ usando las equivalencias:
• ~( ~p ) ≡ p
• ~( p v q ) ≡ ~p ^ ~q
• ~( p ^ q ) ≡ ~p v ~q

Finalmente, aplicar la ley distributiva donde sea
necesario.
• p v ( q ^ r ) ≡ ( p v q ) ^ ( p v r )
Lógica Proposicional
E2: B11 ⇔ (P12 v P21)

•(B11 ⇒ (P12 v P21)) ^ ((P12 v P21) ⇒ B11 )
•(~B11 v P12 v P21) ^ (~(P12 v P21) v B11 )

•(~B11 v P12 v P21) ^ ((~P12 ^ ~P21) v B11 )

• (~B11 v P12 v P21) ^ (~P12 v B11) ^ (~P21 v B11)


Lógica Proposicional
Para demostrar que una implicación BC :: α es
válida, se utiliza el método de reducción al
absurdo.

Esto es, probar que su negación: BC ^ ~α es una
contradicción.

Para ello se lleva a la FNC y luego se prueba que
es equivalente a una cláusula vacía.
Lógica Proposicional
Probar que: E2 ^ E4 :: ~P12.

(B11 ⇔ (P12 - P21)) ^ ~B11 :: ~P12

Se convierte a FNC:
(~B11 v P12 v P21) ^ (~P12 v B11) ^ (¿P21 v
B11) ^ ~B11 :: ~P12
Lógica Proposicional
Y para probar por reducción al absurdo, tenemos
la negación:
(~B11 v P12 v P21) ^ (~P12 v B11) ^ (~P21 v
B11) ^ ~B11 ^ P12

El proceso de simplificación funciona como sigue:

Si tomamos los primeros dos paréntesis,
observamos que contienen a: ~B11 y B11,
respectivamente.

Lógica Proposicional
Como no pueden ser ambos verdaderos
simultáneamente, entonces, o (P12 v P21) o bien
(~P12 ) son verdaderos, lo que se reduce a la
siguiente expresión:
(P12 v P21 v ~P12)

Como (P12 v ~P12 ) es una tautología, la
expresión anterior se reduce a: (P21)
Lógica Proposicional
Similarmente, los dos paréntesis siguientes,
también contienen a: ~B11 y B11, por lo que la
expresión simplificada queda: (~P21)

Como ambas no pueden ser verdaderas, la
conjunción resulta en una expresión nula.

A S
R A CI
G

Вам также может понравиться