0 calificaciones0% encontró este documento útil (0 votos)
107 vistas43 páginas
Este documento presenta diferentes formalismos para la representación de conocimientos, incluyendo lógica formal, redes semánticas y marcos. Describe los componentes clave de un sistema experto, como la base de conocimientos y el motor de inferencias. Explica conceptos como la hipótesis simbolista, la adquisición y formalización de conocimientos, y diferentes pasos en el desarrollo de sistemas basados en el conocimiento. También introduce la lógica de predicados de primer orden como formalismo para la representación de conocimientos.
Este documento presenta diferentes formalismos para la representación de conocimientos, incluyendo lógica formal, redes semánticas y marcos. Describe los componentes clave de un sistema experto, como la base de conocimientos y el motor de inferencias. Explica conceptos como la hipótesis simbolista, la adquisición y formalización de conocimientos, y diferentes pasos en el desarrollo de sistemas basados en el conocimiento. También introduce la lógica de predicados de primer orden como formalismo para la representación de conocimientos.
Este documento presenta diferentes formalismos para la representación de conocimientos, incluyendo lógica formal, redes semánticas y marcos. Describe los componentes clave de un sistema experto, como la base de conocimientos y el motor de inferencias. Explica conceptos como la hipótesis simbolista, la adquisición y formalización de conocimientos, y diferentes pasos en el desarrollo de sistemas basados en el conocimiento. También introduce la lógica de predicados de primer orden como formalismo para la representación de conocimientos.
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 Representacin de Conocimientos: Lgica formal, redes semnticas y marcos 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 Representacin de Conocimientos: Lgica formal, redes semnticas y marcos 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 Representacin de Conocimientos: Lgica formal, redes semnticas y marcos Escenario Conocimientos de dominios concretos Implementacin Adquisicin de Conocimientos Conceptualizacin Formalizacin Si .....Entonces Representacin de Conocimientos: Lgica formal, redes semnticas y marcos 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 .... Representacin de Conocimientos: Lgica formal, redes semnticas y marcos Formalizacin en lgica de predicados de primer orden Oscar Corcho (basado en transparencias de Mariano Fernndez Lpez) ocorcho@fi.upm.es Facultad de Informtica Universidad Politcnica de Madrid Campus de Montegancedo sn. Boadilla del Monte, 28660. Madrid. Spain Representacin de Conocimientos: Lgica formal, redes semnticas y marcos ndice 1. Sintaxis 2. Significado 3. Formalizacin 4. Deduccin 5. Implementacin en PROLOG Representacin de Conocimientos: Lgica formal, redes semnticas y marcos Sintaxis (I) 1. Sintaxis 2. Significado 3. Formalizacin 4. Deduccin 5. Implementacin en PROLOG Representacin de Conocimientos: Lgica formal, redes semnticas y marcos 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 Representacin de Conocimientos: Lgica formal, redes semnticas y marcos 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 )) Representacin de Conocimientos: Lgica formal, redes semnticas y marcos 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) Representacin de Conocimientos: Lgica formal, redes semnticas y marcos 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 Representacin de Conocimientos: Lgica formal, redes semnticas y marcos Sintaxis (IV) Ejemplo de frmula x (p(x) q (x)) Representacin de Conocimientos: Lgica formal, redes semnticas y marcos 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 Representacin de Conocimientos: Lgica formal, redes semnticas y marcos Significado (I) 1. Sintaxis 2. Significado 3. Formalizacin 4. Deduccin 5. Implementacin en PROLOG Representacin de Conocimientos: Lgica formal, redes semnticas y marcos 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) Representacin de Conocimientos: Lgica formal, redes semnticas y marcos 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 Representacin de Conocimientos: Lgica formal, redes semnticas y marcos Formalizacin (I) 1. Sintaxis 2. Significado 3. Formalizacin 4. Deduccin 5. Implementacin en PROLOG Representacin de Conocimientos: Lgica formal, redes semnticas y marcos 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 Representacin de Conocimientos: Lgica formal, redes semnticas y marcos 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. Representacin de Conocimientos: Lgica formal, redes semnticas y marcos 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)? Representacin de Conocimientos: Lgica formal, redes semnticas y marcos Deduccin (I) 1. Sintaxis 2. Significado 3. Formalizacin 4. Deduccin 5. Implementacin en PROLOG Representacin de Conocimientos: Lgica formal, redes semnticas y marcos 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 Representacin de Conocimientos: Lgica formal, redes semnticas y marcos 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 Representacin de Conocimientos: Lgica formal, redes semnticas y marcos 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 Representacin de Conocimientos: Lgica formal, redes semnticas y marcos 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 Representacin de Conocimientos: Lgica formal, redes semnticas y marcos 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? Representacin de Conocimientos: Lgica formal, redes semnticas y marcos Deduccin (VII) Se hace un encadenamiento hacia atrs 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 Representacin de Conocimientos: Lgica formal, redes semnticas y marcos Deduccin (VII) Se hace un encadenamiento hacia atrs 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 Paso 2. T S T ---------- S Representacin de Conocimientos: Lgica formal, redes semnticas y marcos Deduccin (VII) Se hace un encadenamiento hacia atrs 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 Paso 2. T S T ---------- S Paso 3. S P S ---------- P Representacin de Conocimientos: Lgica formal, redes semnticas y marcos Deduccin (VII) Se hace un encadenamiento hacia atrs 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 Paso 2. T S T ---------- S Paso 3. S P S ---------- P Paso 4. P P ----------
Representacin de Conocimientos: Lgica formal, redes semnticas y marcos
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) Representacin de Conocimientos: Lgica formal, redes semnticas y marcos 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 Representacin de Conocimientos: Lgica formal, redes semnticas y marcos Implementacin en PROLOG (I) 1. Sintaxis 2. Significado 3. Formalizacin 4. Deduccin 5. Implementacin en PROLOG Representacin de Conocimientos: Lgica formal, redes semnticas y marcos 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: Representacin de Conocimientos: Lgica formal, redes semnticas y marcos Formalizacin con redes semnticas, marcos y sistemas de produccin Oscar Corcho (basado en transparencias de Asuncin Gmez Prez) ocorcho@fi.upm.es Facultad de Informtica Universidad Politcnica de Madrid Campus de Montegancedo sn. Boadilla del Monte, 28660. Madrid. Spain Representacin de Conocimientos: Lgica formal, redes semnticas y marcos 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 Representacin de Conocimientos: Lgica formal, redes semnticas y marcos 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 Representacin de Conocimientos: Lgica formal, redes semnticas y marcos 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) Representacin de Conocimientos: Lgica formal, redes semnticas y marcos Sistemas de Produccin 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 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 Representacin de Conocimientos: Lgica formal, redes semnticas y marcos Sistemas de Produccin 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 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 Representacin de Conocimientos: Lgica formal, redes semnticas y marcos Sistemas de Produccin 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 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 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