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 Inteligencia Artificial (ED Ceura) D. Borrajo, N. Juristo, V. Martnez, J. Pazos Artificial Intelligence Rich and Knight

Reglas, Marcos, Guiones, Redes Semnticas, Ontologas

Reglas

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

Motor de Inferencias

Yo Intento Conocer y Razonar

Cmo?
Modelo Interno

Percibir

Razonar
EXPECTATIVAS

Mundo Externo

Base de Conocimientos

Actuar

Facultad de Informtica. Universidad Politcnica de Madrid

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 Modelos semi-computables

Facultad de Informtica. Universidad Politcnica de Madrid

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

- Conocimientos Fcticos
- Conocimientos Tcticos - Conocimientos Estratgicos - Metaconocimientos

Evaluacin

Formalizacin
-

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

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

-Tcnicas de control - Agendas

- Metarreglas
- Pizarras -... C C++

Implementar

a) Lenguaje de Programacin Modula b) Entorno o

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

Facultad de Informtica. Universidad Politcnica de Madrid

Introduccin a la Representacin de Conocimientos

Numerosas Alternativas para Modelizar la Realidad

Conceptualizacin Formalizacin Implementacin

MC1 MC2 ME . . . MC3 . . .

Objeto-Atributo-Valor Marcos

Herramientas C, C++

Redes Semnticas Lgica Restricciones Reglas

Lisp, CLOS

. . .

Prolog

Pascal Guiones Logicas Descriptivas. Etc.

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

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

1. Ingeniera de Software 2. TIPOS DE PROBLEMAS Sistemticos Procedimientales Ingeniera del Conocimiento Heursticos Declarativos

- Especificaciones muy completas - Los datos, funcionamiento esperado y tcnicas de resolucin se conocen - Existe documentacin

- Casi no existe una especificacin - Los conocimientos y mtodos de resolucin son de los expertos - No existe documentacin

Datos + procedimientos mezclados

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 hechos heursticas Restricciones ..... Motor de Inferencias: Permite que el sistema razone. Apartir de los datos y conocimientos de entrada el sistema pueda producir una salida.
Modelo Interno Razonar EXPECTATIVAS Actuar Percibir Mundo Externo

Facultad de Informtica. Universidad Politcnica de Madrid

Asuncin Gmez Prez

Introduccin a la Representacin de Conocimientos

Representar y Razonar
Representar Razonar

+
Formalismos Motor de Inferencia Estrategia de Control

Formalismos

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

Representar + Formalismos Motor de Inferencia

Razonar

Estrategia de Control

Reglas

Algoritmo RETE Encadenamiento Algoritmos de Bsqueda

C.P.P.O

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

Resolucin Equiparacin Herencia de Propiedades Equiparacin Herencia de Propiedades Valores Activos Mtodos Equiparacin Algoritmo de Waltz Clasificacin
Asuncin Gmez Prez

Redes Semnticas

Marcos

Guiones Restricciones Lgicas Descriptivas

Facultad de Informtica. Universidad Politcnica de Madrid

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

CONTROL Sistemas con los que interacciona Redes Bases de Datos ... Interfaz con otros Sistemas BC MI

- Hacer inferencias visibles a los usuarios - Explicacin - Automtico / manual IU

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

es dad ie rop P
Subclase Vertebrados Esqueleto: si N patas: [0 ...4]

Animal Altura: nmero Peso: nmero Nombre: string

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

as cet Fa

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

Facultad de Informtica. Universidad Politcnica de Madrid

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 Si Tuky Nombre Peso 25 SC Vertebrado Instancia Perro 1 Altura 50 Peso 80 Esqueleto Invertebrado Instancia Serp 1 Nombre Altura 20 No SC

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
SUBCLASE (Vertebrado, Animal) SUBCLASE (Invertebrado, Animal) INSTANCIA (Perro-1 Vertebrado) INSTANCIA (Gusano-1 Invertebrado) ESQUELETO (Vertebrado, Si) ESQUELETO (Invertebrado, no) ALTURA (Perro1 50) PESO (Perro1 25) NOMBRE (Perro1Tuky) PESO (Gusano-1, 80) ALTURA (Gusano-1, 20) NOMBRE (Gusano-1, A)

Predicados Argumentos

Taxonoma
x Vertebrado (x) Animal (x)

Propiedades de cada concepto

Propiedades de cada individuo

Facultad de Informtica. Universidad Politcnica de Madrid

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 Vertebrado
Subclass of Subclass of Subclass of

Ser vivo Planta Gato Perro

Invertebrado

Vertebrado

Plantas

Subclass of

Subclass of

Clasificacin automtica

Perro

Gato

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^....
Antecendentes

Entonces Acc1 ^ Acc2 ^....

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

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) (Vertebrado Tucky)

Estrategia de Control R1, $A= Tucky Ciclo 2: R1, $A= Pioln R3, $A= Tucky (Animal Tucky) (Animal Pioln) (Esqueleto Pioln s) (Esqueleto Tucky s) (ladra Tucky) (Vertebrado Tucky) (Vertebrado Pioln)
Asuncin Gmez Prez

Facultad de Informtica. Universidad Politcnica de Madrid

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) (Vertebrado Pioln)

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

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

Facultad de Informtica. Universidad Politcnica de Madrid

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