Formalism Os Represent Ac I On

Representacin de Conocimientos: Lgica formal, redes semnticas y marcos
Facultad de Informtica. Universidad Politcnica de Madrid

Formalismos de Representacin de
Conocimientos
Oscar Corcho Garca
ocorcho@fi.upm.es
Despacho 2107
Departamento de Inteligencia Artificial
Facultad de Informtica
Universidad Politcnica de Madrid
Campus de Montegancedo sn,
28660 Boadilla del Monte, Madrid, Spain
Arquitectura de un Sistema Inteligente
Sistemas con los
que interacciona
Redes
Bases de Datos
...
Interfaz
con
otros
Sistemas
CONTROL
BC MI
Herramientas de SBC
Lenguajes de Programacin
Entorno de desarrollo
IU
- Hacer inferencias visibles a
los usuarios
- Explicacin
- Automtico / manual
Hiptesis Simbolista
Percibir
Actuar
Mundo
Externo
EXPECTATIVAS
Razonar
Modelo
Interno
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.
A partir de los datos y conocimientos de entrada el sistema pueda producir una salida.
El mdulo de la BC del sistema est separado del mdulo de razonamiento
Escenario
Conocimientos
de dominios concretos
Implementacin
Adquisicin de
Conocimientos
Conceptualizacin
Formalizacin
Si .....Entonces
Pasos en el desarrollo de un SBC
Estudio Viabilidad
Adquisicin Conocimientos
Conceptualizacin
Formalizacin
Evaluacin
Implementar
- Modelos Formal
- Reglas
- Redes Semnticas
- Lgica
- Marcos
- Guiones
- Restricciones
-....
- Representar Conocimientos Inciertos
-Entrevistas: abiertas, cerradas
-Anlisis de Protocolos
-Emparrillado
-...
-Modelo Conceptual
- Conocimientos Fcticos
- Conocimientos Tcticos
- Conocimientos Estratgicos
- Metaconocimientos
- MYCIN
- PROSPECTOR
- Dempster Shaffer
- Redes Bayesianas
- Log. Fuzzy
-Tcnicas de control
- Metarreglas
- Agendas
- Pizarras
-...
a) Lenguaje de Programacin
C
C++
Modula
....
b) Entorno o Herramienta
KEE
ART
KAPPA
....
Formalizacin en lgica de predicados de primer
orden
Oscar Corcho (basado en transparencias de Mariano Fernndez Lpez)
ocorcho@fi.upm.es
Campus de Montegancedo sn.
Boadilla del Monte, 28660. Madrid. Spain
ndice
1. Sintaxis
2. Significado
3. Formalizacin
4. Deduccin
5. Implementacin en PROLOG
Sintaxis (I)
1. Sintaxis
2. Significado
3. Formalizacin
4. Deduccin
Sintaxis versus Semntica
Sintaxis:
Smbolos que se utilizan para representar
Aspectos de Notacin
Cada formalismo tiene su sintaxis
Semntica:
Significado de lo que se ha representado utilizando una sintaxis determinada
Sintaxis (II)
1. Trminos
- Un smbolo de constante es un trmino
- Un smbolo de variable es un trmino
- Si f es un smbolo de funcin, y t1, t2, ..., tn son
trminos, entonces f(t1, t2, ..., tn) es un trmino
Ejemplo:
f (x, a, g(y ))
Sintaxis (II)
1. Trminos
- Un smbolo de constante es un trmino
- Un smbolo de variable es un trmino
- Si f es un smbolo de funcin, y t1, t2, ..., tn son
trminos, entonces f(t1, t2, ..., tn) es un trmino
Ejemplo:
f ( x, a, g( y ) )
Trmino
(smbolo
de variable)
Trmino
(smbolo
de constante)
Smbolo
de funcin
Trmino
Trmino
Smbolo
de funcin
Trmino
(smbolo
de variable)
Sintaxis (III)
2. Frmulas
- Si p es un smbolo de predicado, y t1, t2, ..., tn son
trminos, entonces p(t1, t2, ..., tn) es una frmula
- Si F es una frmula, entonces F es una frmula
- Si F y G son frmulas, entonces:
a) F . G es una frmula
b) F v G es una frmula
c) F G es una frmula
d) F es una frmula
- Si x es un smbolo de variable, y F es una frmula,
entonces:
a) x F es una frmula
b) - x F es una frmula
Sintaxis (IV)
Ejemplo de frmula
x (p(x) q (x))
Sintaxis (IV)
Ejemplo de frmula
x ( p( x) q ( x))
Smbolo de
predicado
Trmino
Frmula
Smbolo de
predicado
Trmino
Frmula
Frmula
Smbolo de
variable
Frmula
Significado (I)
1. Sintaxis
2. Significado
3. Formalizacin
4. Deduccin
Significado (II)
Universo del
discurso
Scrates
Aristteles
Platn
CONJUNTOS LPPO
a
b
c
Constantes
hombre = {Scrates, Platn, Aristteles}
mortal = {Scrates, Platn, Aristteles}
maestroDe= {(Scrates, Platn), (Platn, Aristteles)}
h
m
t
Smbolos de predicado
x (h (x) m (x))
- x - y (h (x) . h (y) . t(x, y))
h (a) . h (b) . h(c)
Frmulas
hombre c mortal
maestroDe = Cen el dominio de los hombres
Scrates, Platn, Aristteles e hombre
Se puede establecer una correspondencia entre los smbolos lgicos y los objetos de un dominio
(universo del discurso)
Significado (III)
Universo del
discurso
rotulador
lpiz
borrador
CONJUNTOS LPPO
a
b
c
Constantes
fungible = {rotulador, borrador, lpiz}
material = {rotulador, borrador, lpiz}
compradoAntes= {(rotulador, borrador), (borrador, lpiz)}
h
m
t
Smbolos de predicado
x (h (x) m (x))
- x - y (h (x) . h (y) . t(x, y))
h (a) . h (b) . h(c)
Frmulas
fungible c material
compradoAntes = Cen el dominio del fungible
rotulador, borrador, lpiz e fungible
Los mismos smbolos pueden tener una correspondencia con objetos diferentes
Formalizacin (I)
1. Sintaxis
2. Significado
3. Formalizacin
4. Deduccin
Formalizacin (II)
2. Asignacin de smbolos de constante
SINTAXIS
3. Identificacin de las relaciones entre objetos
4. Asignacin de smbolos de predicado
5. Elaboracin de frmulas
Precede a
1. Identificacin del universo del discurso
SEMNTICA
Inicio
Formalizacin (III)
Enunciado:
Se tiene un robot que distribuye paquetes en oficinas. Se sabe que:
Los paquetes de la habitacin 27 son ms pequeos que los de la habitacin 28.
Todos los paquetes de la misma habitacin son del mismo tamao.
En un instante concreto el robot sabe que:
i) El paquete A est en la habitacin 27 28 (pero no sabe en cul).
ii) El paquete B est en la habitacin 27.
iii) El paquete B no es ms pequeo que el A.
El robot quiere probar que el paquete A est en la habitacin 27.
Se pide:
a) Modelizar con lgica de predicados de primer orden.
Formalizacin (IV)
Enunciado:
Se tiene un robot que distribuye paquetes en oficinas. Se sabe que:
Los paquetes de la habitacin 27 son ms pequeos que los de la habitacin 28.
x y (paquete(x) . situadoEn (x,h27) . paquete(y) . situadoEn (y,h28) menor(x,y))
Todos los paquetes de la misma habitacin son del mismo tamao.
x y h (paquete(x) . paquete(y) . habitacion(h) . situadoEn (x,h) . situadoEn (y,h)
igual(x,y))
En un instante concreto el robot sabe que:
i) El paquete A est en la habitacin 27 28 (pero no sabe en cul).
paquete(a) . habitacion(h27) . habitacion(h28) . (situadoEn(a,h27) v situadoEn(a,h28))
ii) El paquete B est en la habitacin 27.
paquete(b) . situadoEn(b,h27)
iii) El paquete B no es ms pequeo que el A.
menor(b,a)
El robot quiere probar que el paquete A est en la habitacin 27.
situadoEn(a,h27)?
Deduccin (I)
1. Sintaxis
2. Significado
3. Formalizacin
4. Deduccin
Deduccin (II)
Se trata de saber si una frmula Q es cierta conociendo:
1) Los axiomas lgicos, es decir, axiomas que son vlidos sea cual sea el significado de los
smbolos)
Por ejemplo, F v F
2) Los axiomas no lgicos, es decir, los que son vlidos slo suponiendo ciertos significados
de los smbolos.
3) Las reglas de inferencia
Por ejemplo (modus ponens)
P Q
P
----------
Q
Deduccin (III)
Una de las opciones a la hora de utilizar formas normales es las clusulas de Horn
Qu es una clusula? Es una disyuncin de cualquier nmero de frmulas atmicas
afirmadas o negadas
Las clusulas de Horn se caracterizan por tener uno y slo un tomo afirmado y
cualquier nmero de tomos negados
Por ejemplo:
P,
Q v P,
R v Pv Q
No todas las frmulas se pueden transformar en clusulas de Horn
Deduccin (IV)
R v Pv Q
Q P
Para realizar Q, es necesario
realizar P
Punto de vista lgico
Punto de vista
procedimental
R P . Q
Para realizar R, es necesario
realizar P y Q
Punto de vista lgico
Punto de vista
procedimental
Q v P
Deduccin (V)
Se puede hacer mediante resolucin de clusulas de Horn
F1, F2, ..., Fn, Q
Consulta:
Q?
Base de conocimientos
F1, F2, ..., Fn
Motor de inferencias
Interfaz de usuario
Sistema basado en conocimientos
Re-formulacin del problema
P v Q
P v R
----------
Q v R
Regla (resolucin)
Se busca una contradiccin:
, que es la clusula vaca
se obtiene de resolver F y F
Deduccin (VI)
Se hace un encadenamiento hacia atrs
P v S
S
----------
P
Modus tolens
P S
S
----------
P
Equivale a
Ejemplo:
Base de conocimientos: Q v T, T v S, S v P, P tambin se puede escribir como
Q T, T S, S P, P
Consulta: Q?
Deduccin (VII)
P v S
S
----------
P
Modus tolens
P S
S
----------
P
Equivale a
Ejemplo:
Base de conocimientos: Q T, T S, S P, P
Consulta: Q?
Paso 1. Q T
Q
----------
T
Deduccin (VII)
P v S
S
----------
P
Modus tolens
P S
S
----------
P
Equivale a
Ejemplo:
Consulta: Q?
Paso 1. Q T
Q
----------
T
Paso 2. T S
T
----------
S
Deduccin (VII)
P v S
S
----------
P
Modus tolens
P S
S
----------
P
Equivale a
Ejemplo:
Consulta: Q?
Paso 1. Q T
Q
----------
T
Paso 2. T S
T
----------
S
Paso 3. S P
S
----------
P
Deduccin (VII)
P v S
S
----------
P
Modus tolens
P S
S
----------
P
Equivale a
Ejemplo:
Consulta: Q?
Paso 1. Q T
Q
----------
T
Paso 2. T S
T
----------
S
Paso 3. S P
S
----------
P
Paso 4. P
P
----------

Deduccin (VIII)
Si la formalizacin se ha realizado en lgica de predicados de primer orden, entonces, en la
implementacin, adems de resolucin, tambin hay que aplicar sustitucin (e.g.)
Q(x) v T(x)
Q(a)
----------
T(a)
Ejercicio de formalizacin y deduccin
a) Formalizar el siguiente texto en lgica de primer orden
El que no estudia una asignatura no aprueba su examen
Hay alumnos que adems de no estudiar ninguna asignatura tienen mala suerte
en el examen de Inteligencia Artificial
El que estudia una asignatura y no se pone nervioso en su examen, lo aprueba a
no ser que tenga mala suerte en su examen
Juan ha aprobado Inteligencia Artificial
Luego Juan ha estudiado Inteligencia Artificial
b) Comprobar si la estructura deductiva anterior es correcta utilizando el mtodo de resolucin
Implementacin en PROLOG (I)
1. Sintaxis
2. Significado
3. Formalizacin
4. Deduccin
Implementacin en PROLOG (I)
Ejemplo:
Las clusulas de la forma
P,
Q v P,
R v Pv Q
se escriben en PROLOG como
p.
q :- p,
r:- p, q
Hay recursos para atenuar el inconveniente de que no todas
las frmulas lgicas se pueden expresar como clusulas de Horn
Se basa en la formalizacin en clusulas de Horn:
Formalizacin con redes semnticas, marcos y
sistemas de produccin
Oscar Corcho (basado en transparencias de Asuncin Gmez Prez)
ocorcho@fi.upm.es
Campus de Montegancedo sn.
Boadilla del Monte, 28660. Madrid. Spain
Redes Semnticas
Esqueleto
Tuky
Si
Nombre
Peso Altura
Peso Altura
No
Esqueleto
A
25 50
80 20
Nombre
Vertebrado
Animal
Perro 1
SC
Instancia
Invertebrado
Gusano1
Instancia
SC
Grafos unidireccionales etiquetados
Nodos: Conceptos y valores de propiedades
Arcos: relaciones y propiedades
Inconveniente: no se pueden representar los tipos de las propiedades,
ni conocimientos procedimentales
Animal
Marcos
Se representa utilizando taxonomas de conceptos en tiempo de diseo
Conocimiento declarativo y procedimental
Vertebrados
Esqueleto: si
N patas: [0 ...4]
Invertebrados
Esqueleto: no
N patas: [0 ...4]
Perro - 1
Altura: 50
Peso: 25
Nombre: Tuky
Gusano - 1
Altura: 5
Peso: 3
Nombre: A
Instancia
Subclase Subclase
Altura: nmero
Peso: nmero
Nombre: string
Instancia
Sistemas de Produccin
Si cond1 ^ cond2 ^ cond3^.... Entonces Acc1 ^ Acc2 ^....
Antecedentes Consecuentes
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)
Entonces (Perro $A)
Base de Reglas
Base de Hechos
(Animal Tucky)
(Animal Pioln)
(Esqueleto Pioln s)
(Esqueleto Tucky s)
(ladra Tucky)
Estrategia de Control: Priority (R1, R2, R3)
(Animal Tucky)
(Animal Pioln)
(Esqueleto Pioln s)
(Esqueleto Tucky s)
(ladra Tucky)
(Vertebrado Tucky)
Ciclo 1:
R1, $A= Pioln
R1, $A= Tucky
Entonces (Perro $A)
Base de Reglas
Base de Hechos
Estrategia de Control
Ciclo 2:
R1, $A= Tucky
R3, $A= Tucky
(Animal Tucky)
(Animal Pioln)
(Esqueleto Pioln s)
(Esqueleto Tucky s)
(ladra Tucky)
(Vertebrado Tucky)
(Animal Tucky)
(Animal Pioln)
(Esqueleto Pioln s)
(Esqueleto Tucky s)
(ladra Tucky)
(Vertebrado Tucky)
(Vertebrado Pioln)
R1, $A= Pioln
Entonces (Perro $A)
Base de Reglas
Base de Hechos
Estrategia de Control
Ciclo 3:
R1, $A= Tucky
R1, $A= Pioln
(Animal Tucky)
(Animal Pioln)
(Esqueleto Pioln s)
(Esqueleto Tucky s)
(ladra Tucky)
(Vertebrado Tucky)
(Vertebrado Pioln)
(Animal Tucky)
(Animal Pioln)
(Esqueleto Pioln s)
(Esqueleto Tucky s)
(ladra Tucky)
(Vertebrado Tucky)
(Vertebrado Pioln)
(Perro Tucky)
R3, $A= Tucky
Facultad de Informtica. Universidad Politcnica de Madrid
Formalismos de Representacin de
Conocimientos
Oscar Corcho Garca
ocorcho@fi.upm.es
Despacho 2107
Departamento de Inteligencia Artificial
Campus de Montegancedo sn,
28660 Boadilla del Monte, Madrid, Spain

Formalism Os Represent Ac I On

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Formalism Os Represent Ac I On

Cargado por

Copyright:

Formatos disponibles

Representacin de Conocimientos: Lgica formal, redes semnticas y marcos

Facultad de Informtica. Universidad Politcnica de Madrid

Representacin de Conocimientos: Lgica formal, redes semnticas y marcos

También podría gustarte