Post on 15-Jul-2020
Representación del Conocimiento
Otros formalismos
Introducción a la Inteligencia Artificial.
Licenciatura en Ciencias de la Computación.
Conocimiento – Definición
El conocimiento es una mezcla de experiencia,
información y “saber hacer” que actúa como marco para
la incorporación de nuevas experiencias y guia la acción.
Se utiliza para alcanzar una meta
Genera nuevo conocimiento
Resulta en gran medida dependiente de la tarea y del dominio de aplicación.
PREMISA FUNDAMENTAL DE IA:
Para que un sistema informático demuestre un
comportamiento “inteligente” en la solución
de problemas, debe poseer :
•gran cantidad de conocimientos
•un potente mecanismo de razonamiento.
IMPORTANCIA DE UNA ADECUADA REPRESENTACION DEL CONOCIMIENTO
Niveles de representación:
• La representación elegida influye directamente en la
eficacia y eficiencia de la solución lograda
�Nivel del conocimiento
�Nivel simbólico
Hechos, comportamiento y objetivos de los agentes.
Símbolos manipulables por un sistema
Debe existircorrespondencia
Adecuación representacional
Adecuación inferencial
Representación:Modelado de un sistemaAdquisición del conocimiento
Conceptos y
relacionesMétodos de
resolución
Modelo
Conceptual
Modelo
Formal
�Representa simbólicamente y organiza el conocimiento.
�Determina el mecanismo de inferencia adecuado.
Representación: Modelado de un sistema
Modelo
Computable
Operacional
� Bases de Conocimiento� Mecanismos de inferencia� Mecanismos de control
Las tareas de adquisición y modelado son difíciles y costosas.
Existen esquemas de representación útiles en dominios variados.
Los Sistemas Basados en Conocimiento los combinan.
DISTINTOS FORMALISMOS
�FORMALISMOS LOGICOS
�SISTEMAS DE PRODUCCION
�FORMALISMOS ESTRUCTURADOS:
• REDES SEMANTICAS
• FRAMES
• OBJETOS
OTROS FORMALISMOS Sistemas de producción
�Utilizan elementos de la lógica
�Salen del marco estrictamente formal
�más flexibles
�más eficientes
�Pierden propiedades fundamentales como la consistencia y completitud.
Newell & Simon - 1973
Sistemas de producción
�Los procesos del dominio se representan como acciones
independientes que son integradas por el mecanismo de
inferencias para resolver una tarea más general.
Motor de
Inferencias
BASE DE CONOCIMIENTO
Base de
Hechos
Base de
Reglas
ARQUITECTURA
Sistemas de producción�Se utilizan Reglas de Producción para
representar el conocimiento
�IF <premisa> THEN <conclusión y/o acción>
�Son los elementos de deducción básicos
�El proceso de inferencia se basa
fundamentalmente en la Regla de Inferencia
de la lógica denominada MP
�A →B, A / ∴B
Reglas de producción�Es el modelo formal para representar un
elemento mínimo de conocimiento
IF <premisa> THEN <conclusión y/o acción>
Conclusión
Puede especificar Acción
Estrategia
�La premisa puede tener conectivos lógicos
<premisa> = <cláusula1 AND/OR...AND/OR cláusulak>
Reglas de producción- Ejemplos
� Si un animal come carne entonces es
carnívoro.
� Si un animal tiene dientes agudos y garras
entonces es carnívoro.
� Si un animal es carnívoro y es de color
marrón-claro y tiene el pelaje franjas negras,
entonces es un tigre.
Reglas de producción- Ejemplos
Sintaxis Reglas en KAPPA-PC
MakeRule( Rtigre, [],
animal:grupo #= carnívoro Andanimal:color #= leonado And
animal:pelaje #= franjas_negras,
animal:especie = tigre );
Sistemas de producción
�Cada regla es independiente del resto de las reglas en la BC.
�Las reglas no tienen porque estar ordenadas en la BC.
�Las reglas se pueden agrupar por nociones semánticas en “módulos” o “grupos”.
�El metaconocimiento puede ser expresado
mediante reglas: metareglas
Sistemas de producción
Como razonamos???
� Utilizando un
MECANISMO DE INFERENCIA
(MOTOR DE INFERENCIA)
El cual determina de que forma utilizar las
reglas para alcanzar el objetivo planteado
Sistemas de producción
Motor de Inferencia
Direcciones de búsqueda:
� Hacia delante, Forward Chaining o guiada
por los hechos.
� Hacia atrás, Backward Chaining o guiada
por los objetivos.
Implementa alguna estrategia de búsqueda dónde los operadores a
aplicar son las reglas de producción.
Para seleccionar las reglas candidatas en cada estado utiliza el
EMPAREJAMIENTO, FILTRADO o MATCHING.
Sistemas de producción
Motor de Inferencia
Qué dirección de encadenamiento utilizar ???
Cantidad de estados iniciales vs. objetivos
Factor de ramificación
Necesidad de justificar el razonamientoDirección
natural para el
problema
A veces es conveniente encarar partes del problema con cada una
El menor
�Factores a tener en cuenta
Sistemas de producción
� Flexibles.
� Sencillos de modificar y extender.
� A los expertos les resulta simple “pensar en reglas”.
� Completitud y consistencia.
� El conocimiento se separa
en pequeños “gránulos”.
VENTAJAS
PROBLEMASEs común que se los
combine con otros
formalismos.
Sistemas estructurados
� ESTRUCTURAS DE RANURA Y RELLENO (slot and filler)
�REDES SEMANTICAS (Quillan 67/68)
� FRAMES (Minsky, 75)
� OBJETOS ( Década 80)
Redes semánticas� Idea: el significado de un concepto
depende del modo en que se encuentre conectado a otros conceptos
� Representación: mediante un grafo dirigido donde
� los nodos representan objetos y � los arcos relaciones entre los conceptos
REX PERRO MAMIFERO
INSTANCIA ES-UN
Redes semánticas - Ejemplo
ES-UN
ES-UN
ES-UN
TIENEEstudiante -FCEIA
Estudiante -UNR
Estudiante -LCC Estudiante -IEca
Juan PerezPedro García Legajo P-1233/5
Legajo
Prom1 Prom2
Promedio
TIENE
INSTANCIA
INSTANCIAINSTANCIA
TIENETIENE
INSTANCIAINSTANCIA
Redes semánticas - Arcos
Etiquetas de los arcos
� “es-un” relación subclase-clase
�“instancia” relación objeto-clase
� “parte-de” relación componente-objeto
� definidas por el usuario
Dominio de
aplicación
Generalización
Instanciación
Agregación
Descripción
Sistemas basados en
Redes semánticas
Base de conocimiento
� En esta representación una BC es una colección de estos grafos
� Las modificaciones se refieren a inserción o eliminación de nodos y sus relaciones.
Redes semánticas
Como razonamos???
�Búsqueda de intersecciónEncontrando relaciones entre objetos
�Cual es la conexión entre Rex y mamífero?
�Es Juan Pérez un estudiante de la UNR?
�Cuál es el promedio de Pedro García?
� Utiliza fundamentalmente la estructura jerárquica
Marcos (frames)�Una red semántica representa conexiones entre
entidades
Problemas más complejos
�Asignar más estructura a los nodos y a las conexiones
Marcos �No existe una distinción clara entre una Red
semántica y un sistema de Marcos
Marcos (frames)
� Idea: Estructura para atender la representación del conocimiento asociado a situaciones estereotipadas (Minsky)
� Representación: Es una colección de atributos (ranuras - slots) con valores asociados (y posibles restricciones entre valores, llamados facetas)
Marcos - Estructura
NOMBRE
ENCABEZADO ES-UN
INSTANCIA
ATRIBUTO1 VALOR1
ATRIBUTOn VALORn
•valores pordefecto•procedimientos•relación con otros marcos
(slots)
Marcos - EjemploEstudiante FCEIA
ES-UN Estudiante UNR
TIENE Legajo (letra/numerodigito)
TIENE Promedio (procedimiento)
Estudiante Ing.Eca.
ES-UN ESTUDIANTE FCEIA
Juan Perez
INSTANCIA Estudiante Ing.Eca.
TIENE Promedio = 6,80
DIRECCION ...... (Defecto Rosario)
TEL .....
TRABAJA NO (Defecto No)
Sistemas de MarcosMC ActoresInterpreta: Si
(*)Nombre: Conj Caracteres
(*)Peliculas: (0..100)
(*)Fecha1aPelicula:
MC Fecha(*)Dia: (1..31)
(*)Mes: (0..12)
(*)Año: 1900..2006
MC ActorSexo: H
(*)ParejaMiticaCon:
MC ActrizSexo: M
(*)ParejaMiticaCon:
MI - 7543Nombre: H.Bogart
Fecha1aPelicula:
ParejaMiticaCon:
MI - 8832Nombre:L.Bacall
Peliculas: 42
ParejaMiticaCon:
MI - 2232Dia: 27
Mes: 3
Año: 1944
Instancia
Instancia
Instancia
InstanciaInstancia
Sistemas de Marcos
Marcos Clase
Marcos Instancia
Representan conceptos, o situaciones genéricas
descriptos por propiedades comunes
Elementos específicos. Sus propiedades se
asocian con información de cada individuo
Propiedades
De Clase: Atributos genéricos de un concepto,
con valores comunes a todas sus ocurrencias.
De Instancia: Atributos con valores particulares
para cada ocurrencia del concepto (*).
Slots definidos en
los marcos Clase
Sistemas de Marcos
Consideraciones al definir los Slots:
Evitar redundancias aprovechando la herencia.
Poseer información suficiente para identificar el marco clase.
En un marco clase se puede definir un slot de instancia en base a otro marco clase.
Los slots de instancia pueden tener uno o varios valores.
En los marcos clase se pueden redefinir slots heredados para representar excepciones a la herencia.
Sistemas de Marcos
Facetas Modelan características de slots y relaciones
Algunas facetas declarativas usuales:
Tipo de Slot: Tipo de datos de los valores, puede apuntar a otro marco.
Cardinalidad: Cantidad de valores posibles.
Valores permitidos: tipo de datos, rango o puntero a otro marco.
Valores por defecto: Para slots de instancia si quedan sin definir.
Marcos – Facetas/Métodos
Hay facetas ligadas a métodos de uso frecuente, asociados
a cambios o utilización de los valores de las ranuras:
� When_needed: Formas de conseguir el valor cuando
se lo necesita y no está disponible.
� Before_changed: Restricciones propias del dominio.
� After_changed: Acciones pertinentes asociadas a los
cambios de valor de la ranura.
� When_accessed: Acciones pertinentes cuando la
ranura es accedida de alguna forma.
Sistemas de Marcos
BASE DE CONOCIMIENTO
�Conjunto de marcos relacionados mediante los valores de los slots (atributos)
INFERENCIA
�Utilizar la estructura jerárquica para heredar propiedades (valores de slots).
�Tener procedimientos (reglas) para hallar valores de los slots.
Sistemas de Marcos
Tienen mucha tradición en IA y es un formalismo aún vigente
Los sistemas de marcos agregan expresividad a las redes semánticas
y permiten representar conocimiento declarativo y procedimental.
Marcos (objetos) en Kappa-PC
Previos al formalismo de representación de Objetos.
Redes SemánticasSistemas de Marcos
Lógica de predicados
PODER EXPRESIVO
MAS CLAROS (GRAFICA)UTILIZAN HERENCIA
PRUEBAS DE COMPLETITUD YCONSISTENCIA
Expresividad Sistemas de Marcos - Redes
Objetos
Los vemos más como una forma de representar el mundo que como un paradigma de programación
IIA
Los encontramos en muchas herramientas dentro
del área.
Tienen ciertas características en común con los
agentes.
Objetos
Pensados como gran aporte para el Reuso
BALA DE PLATA
Década del 80
Actualmente se apunta a relaciones
arquitecturales entre clases para
lograr Evolución y Mantenibilidad
Patrones de diseño
Fantasías
Objetos OBJETO: Es una entidad que tiene un comportamiento.
ESTADO INTERNO MENSAJES que es
capaz de responder.
INTERFAZ
Un PROGRAMA OO es una red de objetos cooperantes,
que interactúan entre sí, enviándose mensajes.
ENCAPSULAMIENTO
Permite la utilización de clases con
implementaciones intercambiables.
Objetos
Una CLASE es una definición de las características
comunes de un conjunto de objetos semejantes.
CLASE
� INTERFAZ: conjunto de
métodos. Los objetos concretos
buscan en su clase la definición
cuando reciben un mensaje.
� ESTRUCTURA: Conjunto de
variables de clase e instancia.
Objetos
DISEÑO
Se crean clases
Se trabaja sobre abstracciones
EJECUCIÓNRed de objetos que
se envían mensajes
El significado y la implementación delos mensajes está a nivel de las clases
Objetos
Las CLASES se
organizan en jerarquías
modelizando el dominio
De Estructura: Más estática.
De Comportamiento: Ocurre en ejecución. HERENCIA
Esquema de colaboración entre objetos
(explícito en el código)
Cuando un objeto recibe un mensaje, busca el código en su clase, y si no lo encuentra recorre la jerarquía.
Objetos
POLIMORFISMO� Clases diferentes (polimórficas)
implementan métodos con el mismo
nombre.
Esto permite reducir el espacio de nombres y que el
código sea más genérico, conciso y comprensible.
Es aconsejable maximizarlo
Jerarquía de clases: Un ejemplo CuentaBancaria
número
titular
saldo
depositar
CajaAhorro
cantExtracciones
extraer
CuentaCorriente
rojoPermitido
extraer
Objetos
Una jerarquía de clases es “sana” cuando cada vez que en
una expresión un objeto de la clase más genérica recibe
un mensaje, ese mensaje se puede reemplazar en las
clases más específicas y la expresión sigue teniendo
sentido.
Aún en los problemas más simples, cuando se sale del
dominio del problema y se entra en el dominio de la
solución, aparecen jerarquías más complejas y que no
tienen contrapartida en el mundo real.
Cómo elegir la mejor representación???
No hay receta establecida !!!
�Analizar las características del conocimiento involucrado.
�Recurrir a la combinación de formalismos.
Frente a cada problema a resolver: