representación del conocimiento introducción inteligencia artificial luis villaseñor pineda

37
Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

Upload: guillermo-torrez

Post on 23-Jan-2016

228 views

Category:

Documents


0 download

TRANSCRIPT

Page 1: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

Representación del Conocimiento

Introducción

Inteligencia ArtificialLuis Villaseñor Pineda

Page 2: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

¿Conocimiento?

Definiciones de conocimiento m. Acción y resultado de conocer. Entendimiento, inteligencia. Facultad de entender y juzgar las cosas. Conciencia, sentido de la realidad:

perder alguien el conocimiento. pl. Ciencia, conjunto de nociones e ideas que se tiene sobre

una materia:tiene conocimientos básicos de alemán.

Page 3: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

¿Conocimiento?

Definiciones de conocimiento: es un conjunto de datos sobre hechos, verdades o de información

almacenada a través de la experiencia o del aprendizaje (a posteriori), o a través de introspección (a priori). El conocimiento es una apreciación de la posesión de múltiples datos interrelacionados que por sí solos poseen menor valor cualitativo. Significa, en definitiva, la posesión consciente de un modelo de la realidad.

es el conjunto organizado de datos e información destinados a resolver un determinado problema.

Page 4: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

¿Para qué?

Saber para actuar en consecuencia

Page 5: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

¿Para qué?

Saber para actuar en consecuencia

Page 6: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

Tipos de conocimiento

¿Existen tipos de conocimiento? Por cómo se percibe

Vista, Oído, Tacto, Gusto, Olfato Por cómo se modifica Por lo que representa etc. etc.

Page 7: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

Tipos de conocimiento

Lenguaje El vehículo de información más complejo Diferentes niveles de representación léxico, sintáctico, semántico, pragmático

Ontologías

Page 8: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

Tipos de conocimiento

La comunicación, el diálogo El lenguaje mismo, que términos y en que circunstancias usarlo La filosofía del lenguaje

Hablar es actuar !! Representar una intervención verbal como una acción

Page 9: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

Tipos de conocimiento

Revisión del conocimiento Conocimiento monótono/no-monótono Al agregar nuevo conocimiento se modifica el estado completo

Page 10: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

Tipos de conocimiento

Creencias La comunicación es la construcción de un conocimiento común Yo creo que tu crees lo que yo creo

Lógicas modales

Page 11: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

Tipos de conocimiento

Acción A toda acción corresponde una reacción Como representar las condiciones de éxito y sus consecuencias

Sistemas de reglas

Page 12: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

Tipos de representación

Si bien representar el conocimiento de una manera hace la solución más simple, elegir una representación inadecuada puede hacer que la solución sea difícil.

Por ejemplo, hacer cálculos con números arábigos es más simple que con números romanos.

No se conoce una representación que pueda servir para cualquier propósito. ¿Cómo representamos un número de teléfono? ¿Cómo representamos nuestro primer beso?

Page 13: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

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

Page 14: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

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

Page 15: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

Esquema general de la representaciónDos niveles:

El nivel del conocimiento – real

El nivel del formalismo – abstracción

Page 16: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

Esquema general de la representación

Hechos: verdades en un cierto mundo. Es aquello que queremos representar.

Page 17: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

Esquema general de la representación

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.

Page 18: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

Esquema general de la representaciónCaso concreto: la programación

tenemos un problema, lo analizamos, proponemos un algoritmo, lo programamos en un lenguaje e interpretamos los resultados

Page 19: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

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.

Page 20: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

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.

Page 21: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

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.

Desgraciadamente aún no existe dicho sistema

Page 22: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

Algunos ejemplos

Conocimiento relacional Marco – conocimiento heredable Redes semánticas Conocimiento Deductivo

Page 23: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

Conocimiento relacional simple

Columnas que identifican atributos de un objeto (fila) Problemas: altamente estructurado

Page 24: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

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

Page 25: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

Lo que tenemos es una jerarquía de especialización-generalización

Page 26: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

¿cuál es la altura de Pee Wee Reese?

Page 27: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

Algoritmo: Herencia de propiedades Para 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:

Obtener el valor del atributo es-un e ir a ese nodo. Comprobar si el atributo A tiene algún valor. Si lo

tiene, devolverlo.

¿cuál es la altura de Pee Wee Reese?

Page 28: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

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).

Page 29: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

Conocimiento Deductivo

Lógica de predicados de primer orden El proceso de inferencia más usado se llama

resolución

Page 30: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

Conocimiento deductivo heredable

Page 31: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

Conocimiento Procedural

Existen formalismos que nos permiten expresarse el conocimiento a través de procedimientos

las reglas de producción

No son mejores ni peores sólo más adecuados para ciertos problemas

Page 32: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

Conocimiento Procedural

Page 33: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

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

Page 34: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

Problemas: la Granularidad

Juan vislumbro a María

Vislumbrar( Juan, María ) Vislumbrar(x,y) ver(x,y) Ver(Juan, María, breve) Y breve?

Page 35: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

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)))

Page 36: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

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)))

La respuesta está generalmente en el dominio mismo:

¿para qué diablos nos sirve el conocimiento añadido?

Page 37: Representación del Conocimiento Introducción Inteligencia Artificial Luis Villaseñor Pineda

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.