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
Indice
1. Introduccin. 2. Sistemas de Produccin. 3. Redes Semnticas. 4. Marcos. 5. Guiones. 6. Restricciones. 7. Lgicas Descriptivas 8. Ontologas
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
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
Motor de Inferencias
Cmo?
Modelo Interno
Percibir
Razonar
EXPECTATIVAS
Mundo Externo
Base de Conocimientos
Actuar
Escenario I
Modelo Computable
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
Escenario II
Modelo Computable
Escenario II
Implementacin
Conocimientos de dominios concretos
Si .....Entonces
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
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
- Metarreglas
- Pizarras -... C C++
Implementar
Objeto-Atributo-Valor Marcos
Herramientas C, C++
Lisp, CLOS
. . .
Prolog
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
- 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
No deterministas
Asuncin Gmez Prez
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
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
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
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
Razonar
Estrategia de Control
Reglas
C.P.P.O
Resolucin Equiparacin Herencia de Propiedades Equiparacin Herencia de Propiedades Valores Activos Mtodos Equiparacin Algoritmo de Waltz Clasificacin
Asuncin Gmez Prez
Redes Semnticas
Marcos
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
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
CONTROL Sistemas con los que interacciona Redes Bases de Datos ... Interfaz con otros Sistemas BC MI
Entorno de desarrollo
Herramientas de SBC Lenguajes de Programacin
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
Semntica:
Significado de lo que se ha representado utilizando una sintaxis determinada
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
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 .....
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]
Subclase Invertebrados Esqueleto: no N patas: [0 ...4] Instancia Gusano - 1 Altura: 5 Peso: 3 Nombre: A
as cet Fa
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
Predicados Argumentos
Taxonoma
x Vertebrado (x) Animal (x)
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
Invertebrado
Vertebrado
Plantas
Subclass of
Subclass of
Clasificacin automtica
Perro
Gato
Tiempo diseo
Sistemas de Produccin
Si cond1 ^ cond2 ^ cond3^....
Antecendentes
R1: Si (Animal $A) ^ (Esqueleto $A s) Entonces (Vertebrado $A) R2: Si (Animal $A) ^(Esqueleto $A no) Entonces (Invertebrado $A)
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)
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
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
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
Completud:
Adecuacin:
al tipo de conocimientos que se va a representar: taxonomas, clases, relaciones, ... Al tipo de razonamiento que se va a simular