Representaciones del conocimiento

Incertidumbre e impresición:
Hasta ahora se ha manejado conocimiento categórico:
- El conocimiento siempre era Verdadero o Falso.
- Razonamiento exacto en el mundo real
- El conocimiento es dudoso y/o incompleto
- El sistema inteligente puede no tener acceso a toda la información necesaria.
- El razonamiento es inexacto.

Incertidumbre: Falta de información adecuada para tomar una decisión o realizar un

razonamiento. Puede impedir llegar a una conclusión correcta.

Causas:
- Falta de conocimiento o conocimiento incompleto.
- Ignorancia.
- Inexactitud del conocimiento.
- Manejo de conocimiento erróneo.
- Inferencias previas incorrectas
- Conocimientos contradictorios.

Técnicas para manejar la incertidumbre:

- Idea Básica: asociar a los elementos del formalismo de representación
- Información Adicional: que indique su grado de certeza y manejar esa información en
las inferencias.
- Grados de certidumbre.
- Probabilidades
- Grados de Verdad

Teoría de las probabilidades:

- La probabilidad resume en un número la incertidumbre respecto a un hecho.
- Modelo teórico sólido y bien conocido.

Problemas:
- En ocasiones poco intuitivo: en algunos dominios puede no ser natural pensar en
términos de probabilidades.
- Restrictivo: para su aplicación práctica necesita asumir ciertas propiedades que no
siempre se ajustan a la realidad.

Lógica difusa:
- Orientada a dar soporte a razonamiento con imprecisión.
 - Uso de grados de verdad, los elementos de la lógica no son totalmente verdaderos o
falsos, se establece una gradación.
- Reglas de inferencia: combinan esos grados de verdad.

Teoría de la probabilidad:
Variables aleatorias representan características del dominio, pueden ser:
- Proposiciones: Verdadero/Falso
- Medidas físicas: valor numérico
- Categorías: color, tamaño

Toma de la probabilidad:

- Probabilidad a priori (incondicional): Probabilidad de que determinadas variables

aleatorias tomen un conjunto determinado de valores, sin ningún conocimiento previo
de otras situaciones.
o Mediante técnicas estadísticas (muestreo)
o Basándose en reglas generales (modelos estadísticos)
o De forma subjetiva (asignadas por expertos)

- Probabilidad a posteriori (condicional): Probabilidad de que determinadas variables

aleatorias tomen un conjunto determinado de valores, en función de conocimiento
sobre los valores tomados por otro conjunto de variables en situaciones previas.

Conocimiento y razonamiento: Agentes que razonan de manera lógica

Objetivo Particular:

Diseñar agentes capaces de elaborar representaciones del mundo, aplicar un proceso de

inferencia para obtener nuevas representaciones del mundo, aplicar un proceso de
inferencia para obtener nuevas presentaciones del mundo y utilizarlas para deducir que
hacer.

Introducción:

Un agente basado en conocimiento es aquel que posee un conocimiento de su mundo y

que también es capaz de razonar sobre las posibles acciones que puede emprender.
Los elementos básicos para el diseño de un agente de este tipo son:
- Un lenguaje formal para expresar el conocimiento.
- Formas de efectuar razonamientos usando ese mismo lenguaje.
Ambos elementos constituyen la llamada lógica. Se utilizará principalmente la lógica
propositiva.
Agente basado en el conocimiento:

El componente principal de un ABC, es su base de conocimiento. Una BC es un conjunto de

representaciones de ciertos hechos acerca del mundo. Cada una de estas representaciones
es llamada oración. Las oraciones se expresan en un lenguaje para representación de
conocimiento.
La BC debe actualizarse mediante un procedimiento de interrogación y adición de nuevas
oraciones. Otro elemento importante es el mecanismo de inferencia que deduce
consecuencias lógicas de la BC. En la BC puede existir un conocimiento previo formado por
antecedentes.
Siempre que se ejecuta un programa de ABC, se realizan dos acciones:
- El programa informa a la BC lo que percibe.
- El programa le pregunta a la BC cuál es la acción que debe emprender. Aquí se usa el
razonamiento lógico para determinar la mejor acción, dadas las metas.
El ABC se caracteriza por tres niveles:
- Nivel de conocimiento o epistemológico: El más abstracto de los tres, es lo que el
agente sabe por defecto.
- Nivel lógico: Es donde el conocimiento se codifica mediante oraciones.
- Nivel de implantación: Es el que opera la arquitectura del agente y es donde se
encuentran las representaciones físicas de las oraciones correspondientes al nivel
lógico.
Se puede construir un agente basado en el conocimiento informándole todo lo que necesita
saber. Si el lenguaje de representación facilita expresar este conocimiento mediante
oraciones, el problema de la construcción se simplifica enormemente. A esto se le llama
enfoque declarativo de la construcción de un sistema.

El ambiente del mundo de wumpus:

Es un problema conocido, con un ambiente sencillo, ideal para observar el desempeño de
un agente basado en conocimiento.
El mundo de wumpus es un antiguo juego de computadora que consiste en un agente que
entra a explorar una cueva en done hay habitabiones conectadas entre sí por pasadizos.
En algún sitio de la cueva acecha el wumpus, que es una bestia que devora al que entre en
su habitación.
El problema se complica debido a que en algunas habitaciones hay precipicios, donde
caerá el agente si entra en una de dichas habitaciones. Para el agente, existe como
motivación la posibilidad de encontrar una pila de oro.
Especificación del ambiente:
 El ambiente del wumpus consta de una cuadrícula circunscrita por muros. En cada
cuadro puede estar el agente, el wumpus u otros objetos. El agente comienza siempre
por la esquina inferior izquierda, que será el cuadrado marcado como [1,1], mirando a
la derecha.
 La tarea del agente consiste en encontrar el oro, regresar a [1,1] y salir de la cueva.
Percepciones:
 En el cuadro donde está el wumpus y los cuadros directament contiguos el agente
alcanza a percibir un olor desagradable.
 En los cuadros directamente contiguos a un precipico, el agente percibe una brisa.
 En el cuadro donde está el oro, el agente percibe un resplandor.
 Si al caminar, el agente topa con un muro, percibirá un golpe.
 Si el agente mata al wumpus, percibirá un fuerte gemido que se escuchará por toda
la cueva.
 El agente recibirá las percepciones a través de una lista de cinco símbolos, por ejemplo:
si en un cuadro hay hedor, brisa y resplandor, pero no se dio ningún golpe y no escuchó
ningún gemido, el agente percibirá (hedor, brisa, resplandor, nada, nada).
Acciones:
 Desplazarse hacia delante
 Girar 90º a la derecha
 Girar 90º a la izquierda
 Recoger un objeto en el cuadro donde se encuentra
 Disparar una flecha en línea recta desde donde se encuentre.
 Salir de la cueva.

Metas
El agente muere si entra a un cuadro con un precipicio o con el wumpus vivo. No hay peligro
si entra a un cuadro donde el wumpus está muerto.
La meta del agente es encontrar el oro, y llevarlo al punto de partida lo más rápido posible,
sin morir en el intento.

Representación, Razonamiento y Lógica:

El objetivo de la representación del conocimiento es expresar éste en forma manejable por
la computadora, de manera que se le pueda utilizar como un auxiliar para el buen
desempeño de los agentes.
Un lenguaje para la representación del conocimiento consta de dos aspectos:
1. Sintaxis: la sintaxis del lenguaje explica las posibles configuraciones mediante las cuales
se forman las oraciones.
2. Semántica: La semántica determina los hechos del mundo a los que hacen alusión las
oraciones.
Si la sintaxis y la semántica están definidas de manera precisa, se dice que el lenguaje es una
lógica.
Puesto que las oraciones son configuraciones físicas de las partes de un agente, el
razonamiento debe ser un proceso para construir nuevas configuraciones físicas a partir de
otras anteriores. Un adecuando razonamiento deberá garantizar que las nuevas
configuraciones representen hechos derivados de aquellos representados por
configuraciones previas.
Lo que se desea es generar nuevas oraciones que necesariamente sean verdaderas,
suponiendo que las previas también lo sean. A este tipo de relación que guardan las
oraciones se le denomina consecuencia o implicación.
A un procedimiento de inferencia que genere sólo oraciones implicadas se le denomina
fidedigno o protector de la verdad.
A un procedimiento de inferencia i se le puede describir por las oraciones que pueden
derivarse a partir de él. Si mediante i puede obtener a desde la BC, se expresa como BC|=a
El testimonio de la manera de operar de un procedimiento de inferencia confiable se
denomina demostración.
Se considera que un procedimiento de inferencia es completo si es capaz de encontrar la
demostración respectiva de toda oración implicada.
La clave para lograr una inferencia segura consiste en que los pasos de inferencia respeten
la semántica de las oraciones sobre las que se aplican tales pasos. Es decir dada una base
de conocimientos BC, mediante los pasos de inferencia se deberán obtener solamente
nuevas oraciones que representen hechos derivados de los hechos representados por la BC.
Mediante una revisión de la semántica de los lenguajes lógicos se obtiene lo que se conoce
como teoría de la demostración del lenguaje, en la que se especifican los pasos de
razonamiento que son confiables.

Representación:
Lenguajes de programación ( c#, java, php)
- Son idóneos para representar algoritmos y estructuras de datos concretas
- El problema es que están diseñados para describir cabalmente el estado de la
computadora y de como cambia ésta conforme el programa se va ejecutando.
Lenguajes naturales (español, inglés, francés)
- Son expresivos
- El significado de una oración depende tanto de la oración como del contexto en que
se produce.
- Son ambiguos (peqeños perros y gatos)
Un buen lenguaje para representar el conocimiento debe combinar las ventajas de los
lenguajes naturales y las de los lenguajes formales:
- Debe ser lo suficiente expresivo y conciso para que nos permita expresar de manera
sucinta todo lo que hay que decir
- Debe ser inequívoco (no ambiguo) e independiente del contexto para su
interpretación.
- Debe ser eficiente en el sentido de que debe existir un procedimiento de inferencia
que permita obtener nuevas inferencias a partir de oraciones en nuestro idioma.
Semántica: en lógica, el significado de una oración es aquello que se afirma del mundo, que
el mundo sea de esta forma y no de otra. Para entender una oración, quien la escriba tiene
que proporcionar su respectiva interpretación, aclarar a qué hecho corresponde. Ninguna
oración tiene significado por sí misma. Los lenguajes que nos interesan son todos compositivos
o de composición, el significado de una oración es función del significado de sus partes. Una
vez que mediante la semántica se interpreta una oración, ésta puede ser cierta o falsa. Una
oración es cierta dentro de una interpretación determinada si el estado de asuntos que
representa es el caso.

Inferencia:
La inferencia lógica o deducción es un proceso mediante el que se implanta la relación que
existe entre oraciones. Hay diversas maneras de realizar el diseño de sistemas de inferencia
lógica. Se empezará por la ida de la oración necesariamente verdadera.
Validez y satisfacción:
Una oración es válida o necesariamente verdadera si y solo sí es verdadera en todas las
posibles interpretaciones de todos los mundos posibles, las oraciones válidas son también
llamadas oraciones analíticas o tautologías.
Se considera que una oración es satisfactible si y solo sí existe una interpretación en algún
mundo para la que es válida. Las oraciones contradictorias son insatisfactibles.

Lógica:
Resumiendo una lógica consta de:
- Sistema formal para describir la realidad, que consta de:
o Sintaxis del lenguaje, que explica cómo construir oraciones,
o Semántica del lenguaje, que especifica las restricciones sistemáticas sobre cómo
se relacionan las oraciones con la realidad.
- La teoría de la demostración, un conjunto de reglas para deducir las implicaciones de
un conjunto de oraciones.
Lógica propositiva: en ella los símbolos representan proposiciones completas (hechos), los
cuales se pueden combinar con conectivos booleanos.
Lógica de primer orden: se preocupa por la representación de los mundos en términos de
objetos y predicados sobre objetos asi como del uso de conectivos y cuantificadores.
Para facilitar su comprensión, cada lógica tiene sus preocupaciones ontológicas y
epistemológicas.
- Las preocupaciones ontológicas se refieren a la naturaleza de la realidad, ejemplo:
o Lógica propositiva: en el mundo solo hay hechos verdaderos y falsos.
o Lógica de primer orden: el mundo está compuesto por objetos que guardan
entre sí ciertas relaciones que se cumplen o no se cumplen.
o Lógica temporal: el mundo se ordena mediante un conjunto de tiempos o
intervalos, en esta lógica se han incorporado mecanismos para razonar acerca
del tiempo.
- Las preocupaciones epistemológicas están relacionadas con los posibles estados de
conocimiento que se puede allegar un agente al utilizar diversos tipos de lógica,
ejemplo:
o Lógica propositiva: verdadero/falso/desconocido
o Lógica de primer orden: verdadero/falso/desconocido.
 o Lógica difusa: grado de certeza 0…1, donde 0 es incertidumbre total, y 1 es
certidumbre total.
Lógica propositiva:
Sintaxis: Los símbolos usados en la lógica propositiva son las constantes lógicas Verdadero y
Falso, símbolo de proposiciones tales como P y Q, los conectivos Lógicos ∧, ∨, ⇔, ⇒, ¬, ().
Todas las oraciones se forman combinando los símbolos anteriores mediante ciertas reglas.
Las constantes lógicas Verdadero y Falso constituyen oraciones en sí mismas
Un símbolo propositivo como P o Q es una oración en sí misma.
Encerrar entre paréntesis una oración produce también una oración, por ejemplo (P Q).
Una oración se forma combinando oraciones más sencillas con uno de los cinco conectores
lógicos:
-  (y) A la oración cuyo conector principal es (y) se le llama conjunción, y a sus partes
se les llama coyuntos.
-  (o) A la oración cuyo conector principal es (o) se le llama disyunción, y a sus partes
se les llama disyuntos.
-  (implica). Una oración como P R se conoce como implicación (o condicional), su
premisa o antecedente es P y su conclusión o consecuente es Q. A las implicaciones
también se les llama reglas o aseveraciones si-entonces.
-  (equivalente). La oración es una equivalencia (también conocida como
bicondicional).
-  (no). A una oración como P se le llama negación de P.  es el único de los
conectores que funcionan como una sola oración
- Para evitar ambigüedades, se considera un orden de precedencia de operadores y, si
aun hay confusión, se usan paréntesis. El orden de precedencia en la lógica propositiva
es, de mayor a menor, , , ,  y .
Semántica:
Un símbolo de proposición significa lo que se desee, ejemplo:
P = “París es la capital de Francia”
Q = “el wumpus está muerto”
Las oraciones que contienen un sólo argumento son satisfactibles pero no válidas: son
verdaderas sólo cuando el hecho al que aluden es relevante en un momento dado.
La oración Verdadero siempre quiere decir aquello que sucede en la realidad: el hecho de
la verdad. La oración Falso siempre quiere decir aquello que no existe en el mundo
El significado de una oración compleja se obtiene del significado de cada una de sus partes.
Una manera de definir una función es construir una tabla mediante la cual se obtenga el
valor de salida de todos los valores de entrada posible. A estas tablas se les llama tablas de
verdad
Existe otro tipo de conector denominado “o exclusivo” o “xo”, curo resultado es falso cuando
ambos disyuntivos son verdaderos. Se puede reprersentar con el síimbolo .
En el caso de la implicación, en la lógica propositiva no es necesario que exista una relación
de causa o pertinencia entre P y Q:
“5 es impar implica que Tokio es la capital de Japón” : Verdadera.
“5 es impar implica que Sam es inteligente” : Verdadera.
Es como decir “Si P es verdad, lo que afirmo es que Q es verdad. De lo contrario, no afirmo
nada.”

Modelos:
Un mundo en el que una oración es verdadera de acuerdo con determinada interpretación
se denomina modelo de dicha oración bajo tal interpretación.
Los modelos son muy importantes para la lógica, puesto que una oración a es implicación de
una base de conocimientos BC cuando los modelos de BC también son todos modelos de a.
Siendo este el caso, siempre que BC sea verdadera, también a será verdadera.

Reglas de inferencia:
Existen ciertos patrones de inferencia que se presentan una y otra vez, lo que permite
establecer de una vez por toda su confiabilidad. De esta manera, se aprehende el patrón
respectivo en algo que se conoce como regla de inferencia.
Modus Ponens o Implicación – Eliminación: A partir de una implicación y la
premisa, se puede inferir la conclusión
  ,  // 
Y-Eliminación: A partir de una conjunción se puede inferir cuáles son los
coyuntos.
1  2  …  n // i
O-Introducción: A partir de una oración, es posible inferir su disyunción con todo
lo demás.
i // 1  2  …  n
Doble Negación Eliminación: A partir de una oración doblemente negada, es
posible inferir una oración positiva
 // 
Resolución unitaria: A partir de una disyunción, si uno de los disyuntos es falso,
entonces se puede inferir que el otro es verdadero
  ,  // 
Resolución: Es la más difícil. Puesto que  no puede ser al mismo tiempo
verdadera ni falsa, uno de los otros disyuntos debe ser también una de las
premisas. En otras palabras, la implicación es transitiva.
  ,    //   
   ,    //    

La lógica propositiva es débil, que no puede manejar un dominio tan simple como el mundo de wumpus.
El problema es que hay demasiadas proposiciones que manejar. Una regla como “no avances si el wumpus está enfrente
de ti” se tiene que expresar mediante 64 reglas.
Es evidente que se necesitarían miles de reglas para un agente competente.
Otro problema es el elemento azar.
El problema con la lógica propositiva es que cuenta con sólo una herramienta de representación: la proposición.
Mediante la lógica de primer orden, es posible representar objetos y relaciones entre objetos, además de proposiciones.
Con ella, miles de reglas propositivas se pueden resumir a una sola.