Professional Documents
Culture Documents
3
Representacin de conocimiento y razonamiento[1] [2]
El rea de representacin de conocimiento y razonamiento (KR&R por sus siglas en
ingles Knowledge Representation & Reasoning, KR&R) trata fundamentalmente del
problema de desarrollar principios, conceptos y tcnicas, tanto generales como
especficas, para representar, mantener y manipular conocimiento en dominios
particulares. Es una de las subdisciplinas histricamente ms importantes de la IA, junto
con la resolucin de problemas. Se cree en general que para que un agente pueda actuar
de forma inteligente debe tener el conocimiento apropiado y debe poder razonar con l.
Adems de su centralidad en IA, KR&R ((Knowledge Representation & Reasoning, KR&R) tuvo una
influencia importante en la computacin en general. El desarrollo de los lenguajes orientados a
objetos y los lenguajes de especificacin diseados con Prolog como modelo son dos ejemplos de
esta influencia. Morgenstern y Thomason (2000) dicen que Un buen curso de KR puede ser un
abridor de ojos intelectual. Ofrece a los estudiantes una excelente oportunidad
frecuentemente nica de ver cmo interactan las ideas de la ciencia de la computacin con el
desarrollo de sistemas. Los estudiantes tpicos de ciencia de la computacin llegan a su primer
curso de IA con buenas destrezas de programacin y una razonable cantidad de experiencia en
proyectos de pequea escala. Pero sin KR, es improbable que comprendan la importancia de
analizar la tarea de razonamiento que enfrentan, de separar los elementos declarativos, o de
modularizar el diseo del sistema. KR no solo sirve como un tema importante por derecho propio,
al introducir los temas de investigacin tradicionalmente cubiertos por KR, sino que tambin hace
posible la transicin de una comprensin ingenua a una ms sofisticada del diseo de sistemas.
Sandewall (2000) compara el papel de la representacin de conocimiento en IA y la ciencia de la
computacin en general con el del anlisis matemtico en ingeniera: ambos seran herramientas
conceptuales y notacionales para modelizar fenmenos. Morgenstern y Thomason (2000)
sostienen que KR&R es importante para un currculo equilibrado y exitoso de ciencia de la
computacin, principalmente debido a que sera uno de los modos ms eficientes de ilustrar la
importancia de las ideas cientficas en el desarrollo de software.
http://campus07.unadvirtual.org/moodle/file.php/59/DocumentosAct/imagenes/lep1.JPG
atributo potente
Fuzzy Facts o Hechos Difusos: permiten representar conocimiento impreciso o ambiguo.
Por ejemplo, la expresin Juan es viejo, en comparacin con Juan es joven o Juan es
de mediana edad, puede no ser sencilla de representar con otras tcnicas, ya que la edad es
algo gradual, no se pasa de ser joven un da a ser de mediana edad al siguiente. Esta tnica
lo que permite es definir funciones de membresa que asignan un valor entre 0 y 1 a cada
valor. As por ejemplo, la funcin de membresa de edad, asignara un 1 a joven si la
persona tiene 10 aos, pero este valor ira decreciendo conforme aumentase la edad hasta
llegar a 0, pero teniendo en cuenta que antes de eso se habra ido incrementando el valor de
membresa de mediana edad e incluso de viejo, pudiendo haber edades como los 45, en
los que se podra decir que con una persona es joven con un 0.2, vieja con un 0.2 y de
mediana edad con un 0.6.
Rules: esta tcnica representa el conocimiento presentando unas premisas o condiciones y
las conclusiones o acciones que de ellas se derivan. Se suelen representar de la forma IF THEN -. Las premisas se colocan a continuacin del IF en forma normalmente de tripletas
O-A-V y utilizando operadores booleanos, mientras que las conclusiones definiran nuevos
hechos o realizaran acciones. Por ejemplo, podramos tener la siguiente regla para
representar que si hay que ir a trabajar y est lloviendo hay que coger el paraguas: IF es
hora de ir a trabajar AND est lloviendo THEN tengo que coger el paraguas.
Redes Semnticas o Mapas Conceptuales: se basa en la utilizacin de grafos que
representan conceptos, objetos y relaciones entre ellos. Estas relaciones pueden ser de
cualquier tipo, pero predominan las relaciones de tipo kind-of, part-of y is-a, que
permiten representar estructuras jerrquicas de conocimiento. Estn relacionadas tambin
con las tripletas O-A-V, ya que en las redes semnticas se suelen incluir tambin estas
estructuras para dar informacin sobre los atributos de los diferentes objetos.
Frames o Marcos: es una tcnica de representacin muy similar a la utilizada en la
programacin orientada a objetos. Consta de class frames , similares a las clases, que
representan conjuntos de objetos con caractersticas similares. A partir de ellas se crean las
instance frames que representan elementos concretos de esa clase. Por ejemplo, podramos
tener el marco de clase Persona y la instancia Juan. Cada frame dispone por otra parte
de una serie de slots equivalentes a los atributos y propiedades en orientacin a objetos.
Existe tambin la posibilidad, a diferencia de en las redes semnticas, de definir lo que se
llaman facets sobre estos slots, de forma que se les aporte comportamiento procedural. Por
ejemplo, sobre un slot edad podramos aadir el facet if-changed, para comprobar el
valor introducido.
La tcnica Fuzzy Facts o Hechos Difusos permite representar el conocimiento
presentando unas premisas o condiciones y las conclusiones o acciones que de ellas se
derivan. Se suelen representar de la forma IF - THEN
Su respuesta :
Falso
Correcto !!!
No es una tcnica utilizada para representar el conocimiento
Su respuesta :
Pistas
Correcto !!!
Por favor realizar el emparejamiento de las siguientes definiciones:
Su respuesta :
En cuanto a los dos nuevos operadores, y , permiten delimitar el alcance de las variables
en las sentencias, de forma que X se leera como para toda x y X como existe un
x tal que.
X puedeLeer(X, libro)
X puedeLeer(X, libro)
KIF
KIF es un lenguaje lgico basado en lgica de primer orden que fue creado con el objetivo
de actuar como interlingua entre diferentes formalismos y lenguajes de representacin, de
forma que para pasar de un lenguaje A a B no hiciera falta crear un mapeo especfico, sino
que fuera suficiente con existir los mapeos A-Kif y Kif-B.
KIF dispone de su propia sintaxis y algunos aadidos semnticos sobre la lgica de primer
orden.
Lgicas Descriptivas
Las lgicas descriptivas estn muy relacionadas con el desarrollo de las ontologas tal como
se usan en la actualidad en la web semntica. La lgica descriptiva se basa en representar el
conocimiento utilizando por una una terminologa o vocabulario del dominio (TBOX) y por
otra un conjunto de afirmaciones (ABOX).
El vocabulario consiste en conceptos y roles. Los conceptos corresponden a conjuntos de
elementos y los roles a relaciones binarias entre elementos. Existen conceptos y roles
atmicos y complejos.
Por ejemplo, si tenemos como conceptos atmicos Persona y Hembra y como role
atmico tieneHijo, podramos tener como TBOX representando las relaciones familiares
algo como lo siguiente:
Mujer Persona Hembra
Hombre Persona Mujer
Madre Mujer tieneHijo.Persona
Padre Hombre tieneHijo.Persona
Progenitor Madre Padre
Esposa Mujer tieneMarido.Hombre
Marido Hombre tieneEsposa.Mujer
Se pueden construir y existen razonadores que permiten razonar sobre las TBOX y ABOX,
pudiendo determinar por ejemplo si el contenido de la TBOX es factible, o qu relaciones
estn incluidas en otras. Al trabajar sobre el ABOX, un razonador puede indicar que a partir
aplicaciones de comercio electrnico. Para ello se ha creado una iniciativa Rule Markup
Initiative que ha diseado el lenguaje RuleML , basado en XML y que por lo tanto est
pensado desde su concepcin para garantizar la interoperabilidad necesaria en el web.
Este nuevo lenguaje incluye las siguientes caractersticas:
Reglas de pruduccin: reglas del tipo IF-THEN habituales en los sistemas expertos.
Reglas de integridad: afirmaciones que se deben cumplir en cualquier estado del sistema
Reglas reactivas: reglas que realizan acciones cuando se cumple un evento o se dan unas
determinadas circunstancias
Reglas de derivacin: reglas para definir conceptos derivados a partir de otros
Reglas de transformacin: permiten crear reglas a partir de un llamador, una condicin, y
una transformacin.
Podemos representar en RuleML la sentencia Si a alguien le gusta la lectura, entonces a
Juan le gusta esa persona de la siguiente forma:
<rulebase label="gustaLectura"> <imp> <_head><atom> <rel>gustar</rel>
<ind>Juan</ind> <var>x</var> </atom></_head> <_body><atom> <rel>gustar</rel>
<var>x</var> <ind>lectura</ind> </atom></_body> </imp> </rulebase>
Ontologas
El concepto de ontologa en el mbito de la informtica se obtuvo del campo de la filosofa,
con el objetivo de abarcar cualquier tipo de representacin de conocimiento. Es por esto
que el concepto de ontologa es muy amplio y se ha venido usando prcticamente para
cualquier tipo de modelado de dominio de conocimiento, y razn por la cual tambin, hay
multitud de definiciones que intentan acortar formalmente qu es una ontologa y qu no lo
es.
Una de las definiciones ms consensuadas es la proporcionada por Grubber, An ontology is
a formal explicit specification of a shared conceptualisation. En esta definicin, explicit
se refiere a la necesidad de detallar los diferentes conceptos que forman la ontologa,
formalindica que el conocimiento que modelemos debe representarse segn un lenguaje
formalizado e interpretable fcilmente y shared indica que la ontologa modela el
conocimiento comn sobre la materia, para las diferentes personas que deben usarla. Este
ltimo punto referido al conocimiento compartido es una de las principales diferencias
sobre otros modelos de conocimiento, en los que muchas veces no se tena en cuenta el
concepto de concocimiento compartido.
An as, esta definicin es muy amplia, y engloba el modelado de conocimiento con muy
diferentes tcnicas, formalismos y lenguajes. Dentro del mbito de la web semntica hay un
conjunto de lenguajes basados en XML que se han ido definiendo como estndares, como
son el caso de RDF , RDFS o DAML+OIL. A partir de estos el W3C creo la propuesta de
OWL, con sus 3 sublenguajes (OWL-Lite, OWL-DL y OWL-Full), como lenguaje para
modelar ontologas en el entorno de la web semntica, aunque es posible utilizar este
lenguaje para representar modelos de dominio en cualquier mbito que sea necesario, como
para la gestin de procesos, o incluso requisitos software, por poner un par de ejemplos.
En cuanto a la relacin de OWL con los formalismos de representacin que hemos visto,
una caracterstica importante es que el sublenguaje OWL-DL, es compatible con la lgica
descriptiva, de donde obtiene su nombre, teniendo por tanto su mismo poder expresivo.
Ms en concreto, es OWL-DL es equivalente a un tipo de lgica descriptiva denominado
SHOIN(D). OWL-Lite se corresponde tambin con una lgica descriptiva, pero de menor
poder expresivo, denominada SHIF(D).
Referencias:
Alberto Pacheco , http://www.socrates.itch.edu.mx/~apacheco/ai/repconoc.htm, Ultima actualizacin: Mzo 10, 1999
Dragan Gaevic, Dragan Djuric, Vladan Devedic, Bran Selic, Model Driven Architecture and Ontology Development , Springer, 2006.
http://www.eslomas.com/index.php/archives/2006/12/14/tecnicas-y-lenguajes-para-la-representacion-del-conocimiento/
es un lenguaje lgico basado en lgica de primer orden que fue creado con el objetivo de
actuar como interlingua entre diferentes formalismos y lenguajes de representacin, de
forma que para pasar de un lenguaje A a B no hiciera falta crear un mapeo especfico,
sino que fuera suficiente con existir los mapeos A-??? y ???-B.
Dispone de su propia sintaxis y algunos aadidos semnticos sobre la lgica de primer
orden.
Su respuesta :
KIF
Correcto