Download Representación de Conocimientos Asunción Gómez-Pérez

Introducción a la Representación de Conocimientos
Representación de Conocimientos
Asunción Gómez-Pérez
[email protected]
Despacho 2209
Departamento de Inteligencia Artificial
Facultad de Informática
Universidad Politécnica de Madrid
Campus de Montegancedo sn,
28660 Boadilla del Monte, Madrid, Spain
Facultad de Informática. Universidad Politécnica de Madrid
©Asunción Gómez Pérez
Introducción a la Representación de Conocimientos
Indice
1. Introducción. (1 hora)
2. Sistemas de Producción (6 horas)
3. Representaciones taxonómicas: Marcos. (8 horas)
3. Examen 15 de octubre a las 9.30.
Facultad de Informática. Universidad Politécnica de Madrid
©Asunción Gómez Pérez
Introducción a la Representación de Conocimientos
Bibliografía
• Ingeniería del Conocimiento (ED Ceura)
Reglas, Marcos,
Redes Semánticas
A. Gómez, N. Juristo, C. Montes, J. Pazos
• Inteligencia Artificial (ED Ceura)
D. Borrajo, N. Juristo, V. Martínez, J. Pazos
Reglas
• Artificial Intelligence
Rich and Knight
Libro de Consulta
Transparencias en http://delicias.dia.fi.upm.es/wiki/index.php/InteligenciaArtificial-grado-11-12
Facultad de Informática. Universidad Politécnica de Madrid
©Asunción Gómez Pérez
Introducción a la Representación de Conocimientos
Introducción a la
Representación de Conocimientos
Asunción Gómez-Pérez
[email protected]
Departamento de Inteligencia Artificial
Facultad de Informática
Universidad Politécnica de Madrid
Campus de Montegancedo sn,
28660 Boadilla del Monte, Madrid, Spain
Facultad de Informática. Universidad Politécnica de Madrid
©Asunción Gómez Pérez
Introducción a la Representación de Conocimientos
Indice
1. Ciclo básico de un sistema inteligente
2. Sistemas tradicionales versus sistemas inteligentes
3. La Hipótesis Simbolista
4. Sintaxis versus Semántica
5. Criterios para seleccionar los formalismos
Facultad de Informática. Universidad Politécnica de Madrid
©Asunción Gómez Pérez
Introducción a la Representación de Conocimientos
Ciclo Básico de un Sistema Inteligente
Yo
Conozco y Razono
Yo Intento
Conocer y Razonar
Motor de Inferencias
Percibir
¿Cómo?
Modelo
Interno
Razonar
Mundo
Externo
EXPECTATIVAS
Base de Conocimientos
Facultad de Informática. Universidad Politécnica de Madrid
Actuar
©Asunción Gómez Pérez
Introducción a la Representación de Conocimientos
Formalización
Razonar
Representar
+
Motor de
Inferencia
Estrategia
de Control
Formalismos
Representar declarativamente los conceptos de un dominio, sus propiedades,
Formalismos
relaciones (de clasificación, de agregación, etc.) entre conceptos
así como los elementos individuales que aparecen en el dominio
Cada formalismo de representación tiene Motores de Inferencia asociados,
Motor de Inferencia
independientes del dominio de la aplicación,
capaces de razonar con cualquier conjunto de conocimientos
representados mediante su formalismo propietario
La estrategia de control gobierna el sistema y decide qué hacer en cada momento
Facultad de Informática. Universidad Politécnica de Madrid
©Asunción Gómez Pérez
Introducción a la Representación de Conocimientos
Hipótesis Simbolista
El módulo de la BC del sistema está separado del módulo de razonamiento
Animal
Base de Conocimientos: Contienen conocimientos del dominio:
• conceptos
• taxonomías
• relaciones “a medida” entre conceptos
• propiedades de conceptos
• hechos
Subclase
Altura: número
Peso: número
Nombre: string
Vertebrados
Invertebrados
Esqueleto: si
Nº patas: [0 ...4]
• heurísticas
Subclase
Esqueleto: no
Nº patas: [0 ...4]
Instancia
Instancia
• Restricciones
• .....
Motor de Inferencias:
Perro - 1
Gusano - 1
Altura: 50
Peso: 25
Nombre: Tuky
Altura: 5
Peso: 3
Nombre: A
•Permite que el sistema razone.
•Apartir de los datos y conocimientos de entrada el sistema pueda producir una salida.
Facultad de Informática. Universidad Politécnica de Madrid
©Asunción Gómez Pérez
Introducción a la Representación de Conocimientos
Marcos
•
•
Se representa utilizando taxonomías de conceptos en tiempo de diseño
Conocimiento declarativo y procedimental
Animal
Subclase
Vertebrados
Esqueleto: si
Nº patas: [0 ...4]
Instancia
Perro - 1
Altura: 50
Peso: 25
Nombre: Tuky
Facultad de Informática. Universidad Politécnica de Madrid
Altura: número
Peso: número
Nombre: string
Subclase
Invertebrados
Esqueleto: no
Nº patas: [0 ...4]
Instancia
Gusano - 1
Altura: 5
Peso: 3
Nombre: A
©Asunción Gómez Pérez
Introducción a la Representación de Conocimientos
Sistemas de Producción
Si cond1 ^ cond2 ^ cond3^....
Entonces Acc1 ^ Acc2 ^....
Antecedentes
Consecuentes
R1: Si (Animal $A) ^ (Esqueleto $A sí)
Entonces (Vertebrado $A)
R2: Si (Animal $A) ^(Esqueleto $A no)
Entonces (Invertebrado $A)
R3: Si (Vertebrado $A) (Ladra $A)
Entonces (Perro $A)
Facultad de Informática. Universidad Politécnica de Madrid
©Asunción Gómez Pérez
Introducción a la Representación de Conocimientos
Sintaxis versus Semántica
•
•
Sintaxis:
–
Símbolos que se utilizan para representar
–
Aspectos de Notación
–
Cada formalismo tiene su sintaxis
Semántica:
–
Significado de lo que se ha representado utilizando una sintaxis determinada
Facultad de Informática. Universidad Politécnica de Madrid
©Asunción Gómez Pérez
Introducción a la Representación de Conocimientos
Criterios para Seleccionar un Formalismo
• Expresividad: hacer distinciones sutiles y precisas
¿Qué es lo que puedo decir con ese formalismo?
• Completud:
Todos los conocimientos conceptualizados pueden representar
¿Puedo expresar TODO lo que conozco?
• Adecuación:
al tipo de conocimientos que se va a representar:
taxonomías, clases, relaciones, ...
Al tipo de razonamiento que se va a simular
Rendimiento del sistema inteligente
Facultad de Informática. Universidad Politécnica de Madrid
©Asunción Gómez Pérez
Introducción a la Representación de Conocimientos
Introducción a la
Representación de Conocimientos
Asunción Gómez-Pérez
[email protected]
Departamento de Inteligencia Artificial
Facultad de Informática
Universidad Politécnica de Madrid
Campus de Montegancedo sn,
28660 Boadilla del Monte, Madrid, Spain
Facultad de Informática. Universidad Politécnica de Madrid
©Asunción Gómez Pérez