Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Investigacion Unidad 3 I.A.
Investigacion Unidad 3 I.A.
TUXTLA
INTELIGENCIA ARTIFICIAL
UNIDAD 3
DOCENTE:
NDICE
INTRODUCCIN .................................................................................................................................. 2
ELEMENTOS DE LOS SISTEMAS BASADOS EN CONOCIMIENTOS ......................................... 2
CLASE DE MTODO: RESOLUCIN Y UNIFICACIN .................................................................. 5
CONCEPTOS DE APRENDIZAJE, RAZONAMIENTO PROBABILSTICO, LGICAS,
MULTIEVALUADAS, LGICA DIFUSA ............................................................................................ 10
Aprendizaje ...................................................................................................................................... 10
Razonamiento Probabilstico.......................................................................................................... 12
Razonamiento Lgico ..................................................................................................................... 12
Lgica difusa.................................................................................................................................... 13
CONCLUSIN .................................................................................................................................... 14
BIBLIOGRAFA ................................................................................................................................... 15
INTRODUCCIN
Bajar costos.
Facilitar la tarea del usuario.
Ofrecer informacin: completa, eficiente, veraz, oportuna.
Manipular grandes volmenes de informacin.
Satisfacer las necesidades del usuario.
EXTENSIN A LOS SISTEMAS BASADOS EN CONOCIMIENTO
Los sistemas basados en conocimiento se consideran una extensin - un paso
tecnolgico - de los sistemas de informacin cuyos alcances y complejidad son
mayores. Entre sus propsitos destacan:
Aprender.
Evolucionar.
Adaptar.
Razonar.
Tomar decisiones.
Contener conocimiento emprico, mundano y del lenguaje.
Analizar problemas.
Generar alternativas de solucin.
Emular al experto humano.
Generar conocimiento a partir del que ya se posee.
PROPIEDADES DE LOS SISTEMAS BASADOS EN CONOCIMIENTO
Entre las caractersticas ms relevantes de los sistemas basados en
conocimiento estn:
Procedimientos no algortmicos.
Manejo de incertidumbre.
0 , 1 mltiples soluciones.
Conocimiento tcnico y cientfico.
Busca generar la solucin ptima.
Manipulacin de conocimiento no monofnico.
3
Procesos interactivos.
Aprendizaje de los fracasos.
Empleo de mtodos para la representacin del conocimiento.
Capacidad para explicar su propio razonamiento, cuestionamiento y emisin de
conclusiones.
Uso de bsquedas heursticas.
Representacin de conocimiento especializado del campo de aplicacin.
Pueden utilizar razonamiento con base en probabilidades, creencias, pertenencias y
suposiciones.
Procesamiento simblico.
Utilizan sistema de mantenimiento de la verdad
para afirmaciones y negaciones cambiantes.
Datos cualitativos ms que cuantitativos.
TIPOS DE APLICACIONES DE LOS SISTEMAS BASADOS EN CONOCIMIENTO
El mbito de aplicacin de los sistemas basados en conocimiento incluye:
Lenguaje natural.
Realidad virtual.
Redes neuronales.
Juegos.
Sistemas expertos.
Robtica.
Sistemas de planeacin.
Reconocimiento de imgenes.
Traductores.
Solucin de problemas.
Sistemas evolutivos.
CAM Manufactura. Llevado a mquinas de control numrico.
Aprendizaje.
Sistemas Tutoriales.
2.
3.
Forma Prenexa
Una frmula est en Forma Normal Prenexa si es de la forma: Q1x1...QnxnY
donde Y es una frmula desprovista de cuantificadores y escrita como conjuncin de
disyunciones, Q1,...,Qn {" , $ } y x1,..., xn son variables.
Funciones de Skolem
El siguiente paso es convertir las frmulas de Forma Normal Prenexa a Frmulas
de Skolem, que se caracterizan por no estar cuantificadas existencialmente. Por tanto,
antes de Qrxr, tomar un nuevo smbolo de funcin f distinto a todos los que
aparecen en Y y reemplazar cada ocurrencia de xr por f(xs1,xs2,...,xsk). Borrar Qrxr
del prefijo de la frmula.
Representacin en forma de clusulas: El ltimo paso ser convertir las
funciones de Skolem a clusulas. Tenemos las frmulas cuantificadas universalmente,
entonces podemos eliminar todos los prefijos, de tal manera que la frmula resultante
est en forma de conjuncin de disyunciones (forma normal conjuntiva): (a b c)
(d e) (j l m). Finalmente, por cada conjuncin obtenemos una clusula: (a b
c), (d e) y (j l m).
Algoritmo de Unificacin.
Podemos definir la Unificacin como un procedimiento de emparejamiento que
compara dos literales y descubre si existe un conjunto de sustituciones que los haga
idnticos. La idea bsica de la unificacin es muy sencilla. Para unificar dos literales
vamos recorrindolos de izquierda a derecha. En primer lugar se comprueba si los
predicados coinciden. Si es as, seguimos adelante; si no es que no son unificables. Si
el predicado concuerda, comenzamos a comparar los argumentos. Si el primero de
ellos coincide en ambos literales, continuamos con el siguiente... y as hasta completar
todos los argumentos. Como resulta obvio, ambos literales deben tener el mismo
nmero de argumentos.
Para conseguir que cada argumento de un literal sea coincidente con su
homlogo en el otro literal, debemos buscar una sustitucin que nos permita
emparejarlos. La nica condicin que debe reunir esta sustitucin es que ha de
aplicarse a todo el literal, es decir, que la sustitucin afecta a todo el literal, y no slo al
argumento en cuestin. Por decirlo de una manera sencilla, las sustituciones se van
arrastrando a lo largo del proceso de unificacin.
Ejemplo:
Vamos a unificar P(x, x) con P(y, z):
Que tambin deber ser verdadera, pues hemos seguido puntualmente todas las
propiedades de la lgica de primer orden.
La resolucin opera tomando dos clusulas tales que cada una contenga un
mismo literal, en una clusula en forma positiva y en la otra en forma negativa. El
resolvente se obtiene combinando todos los literales de las clusulas padres y
eliminando aquellos que se cancelan.
Si la clusula resultante es la clusula vaca (), entonces es que hemos llegado
a una contradiccin.
El algoritmo que acabamos de ver est definido de una forma muy general. Sin
embargo, para su uso cotidiano se pueden hacer una serie de sugerencias que, si bien
en la mayora de los casos no estn basadas en aserciones infalibles, pueden facilitar el
proceso general de resolucin:
a resolver por las clusulas de mayor tamao, es decir, las que poseen mayor nmero
de literales.
teora, se puede continuar el proceso tomando dos clusulas padre cualesquiera. Sin
embargo, al igual que en el caso anterior, suele dar buen resultado continuar el proceso
de resolucin a partir de la nueva clusula resultante.
de veces que se puede usar una clusula para resolver, se recomienda probar primero
a no usar dos veces la misma clusula antes de usar todas las clusulas disponibles.
clusulas del conjunto inicial sin usar en ningn momento la o las clusulas
provenientes de la hiptesis, es porque existe una inconsistencia dentro del conjunto
inicial de clusulas. sta puede ser una forma de detectar errores en el diseo de la
base de conocimiento.
simplificar eliminando uno de los dos literales. Puede ser necesaria una sustitucin
previa a fin de que esos literales sean unificables y, por tanto, completamente iguales.
la mayora de los casos basta con usar algunas de las clusulas de la base de
conocimiento y alguna o algunas de las clusulas proveniente de la hiptesis.
Aprendizaje
10
11
Razonamiento Probabilstico
Razonamiento Lgico
razonamiento nos permite demostrar lo que sabemos; es que aqu hace falta el
razonamiento cuantitativo
El termino razonamiento es el punto de separacin entre el instinto y el
pensamiento, el instinto es la reaccin de cualquier ser vivo. Por otro lado el razonar
nos hace analizar,y desarrollar un criterio propio, el razonar es a su vez la separacin
entre un ser vivo y el hombre.
Lgica difusa
La lgica difusa (tambin llamada lgica borrosa o lgica heurstica) se basa en
lo relativo de lo observado como posicin diferencial. Este tipo de lgica toma dos
valores aleatorios, pero contextualizados y referidos entre s. As, por ejemplo, una
persona que mida 2 metros es claramente una persona alta, si previamente se ha
tomado el valor de persona baja y se ha establecido en 1 metro. Ambos valores estn
contextualizados a personas y referidos a una medida mtrica lineal.
13
CONCLUSIN
14
BIBLIOGRAFA
http://ccc.inaoep.mx/~emorales/Cursos/Representa/node14.html
http://www.nebrija.es/~cmalagon/inco/Apuntes/sistemas_basados_en_conocimie
nto.pdf
http://www.uhu.es/nieves.pavon/pprogramacion/temario/anexo/anexo.html
http://inteligenciaartificialudb.blogspot.mx/2008/01/concepto-caractersticas-ymetodologas.html
http://inteligencia-artificial802-a.blogspot.mx/2013/04/sistemas-de-razonamientoprobabilistico.html
http://ingenieriacusa.blogspot.mx/2010/07/inteligencia-artificial-razonamiento.html
http://sindominio.net/~apm/articulos/ia/index.html
15