Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Representacion Del Conocimiento Razonamiento y Los Aspectos Metodologicos en Inteligencia Artificial
Representacion Del Conocimiento Razonamiento y Los Aspectos Metodologicos en Inteligencia Artificial
En las ciencias de la computación comprenden una amplia variedad de tópicos, que van
desde el análisis abstracto de algoritmos, teoría de la computación y gramáticas formales,
hasta temas como lenguajes de programación, software y hardware.
Los sistemas inteligentes son parte de las ciencias de computación, que cubren una serie de
tópicos teóricos – experimentales que sirven de base para la ingeniería de aplicaciones
inteligentes.
En un campo de investigación tan amplio y relativamente joven como la Inteligencia
Artificial, no es raro que prevalezcan muchas controversias, tanto científicas como
filosóficas. Según lo señala Margaret Goden47, actualmente, la mayoría de investigadores
en IA utilizan ya sea el modelo clásico o el modelo conexionista. Sin embargo, debido a que ambos
modelos tienen debilidades y fortalezas complementarias, hay un creciente interés en los modelos
híbridos que tratan de obtener lo mejor de ambos mundos.
La IA a inicios del Siglo XXI es intrigantemente diversa. Varias apuestas científicas se están
realizando y no es obvio si alguna propuesta híbrida eventualmente resultará ganadora.
Además, a medida que avance la investigación, nuevos conceptos de IA, surgirán sin lugar
a dudas. Por otro lado, tampoco está claro cómo las dificultades filosóficas afectarán la
investigación científica de IA, en términos de su relación con la sociedad y la naturaleza.
Teoría de la Complejidad
En el proceso de observación inscrito en los fundamentos de la ciencia clásica se considera
al sujeto cognoscente como un observador neutro, separado del objeto y despojado de sus
emociones, intereses y creencias.
Desde este paradigma, el objeto por conocer, es entendido de forma múltiple y diversa
(multidisciplinar), como las disciplinas que lo abordan, y aún más, en el interior de cada
disciplina se presentan divergencias para entenderlo.
La complejidad surgió, a fines de los años 60, a partir de la Teoría de la Información, la
Cibernética y la Teoría de Sistemas. Importantes avances en los más diversos dominios
científicos en las últimas décadas, han puesto en evidencia que la realidad lejos de ser un
simple agregado de partes en el que se puede ir añadiendo o quitando elementos para
explicar sus características y construir totalidades ordenadas y predecibles, es más bien una
trama de relaciones en dinámica permanente, regida por la incertidumbre y el caos.
Efectivamente, el saber contemporáneo se presenta al observador como una torre de
babel, cuya multitud de objetos, métodos, posiciones, perspectivas, teorías, concepciones
sobre el mundo y lenguas en las que se describen unos y otras, convierten el panorama en
algo complejo.
Edgar Morin65, sociólogo y filósofo francés, sostiene que el pensamiento complejo está
basado en dos aspectos clave:
•Integra todos los elementos que puedan aportar orden, claridad, distinción, precisión en
el conocimiento, pero rechaza las consecuencias mutilantes, reduccionistas,
unidimensionalizantes que puede producir una simplificación que oculte todos los vínculos,
las interactuaciones, las interferencias que hay en el mundo real.
La mayor parte de los problemas son de naturaleza hibrida, por lo que su solución
tendrá que ser también hibrida. Surge así el PARADIGMA HIBRIDO (IAH). Es decir, en
el control de un robot podremos necesitar técnicas simbólicas, difusas y neuronales.
(Ortiz, 2006) nos indica que dentro de los paradigmas se encuentra EL PARADIGMA
DISTRIBUIDA (IAD) está aparece en la década de los 80's donde intenta resolver
problemas en donde una conducta colectiva es más eficiente que una conducta
individual, como lo estudia la inteligencia artificial que hace el análisis de un único
agente que se encuentra en un ambiente no cambiante y que intenta resolver todo
el problema con solo esta entidad.
En la red, los nudos representan los conceptos, y los enlaces las relaciones entre los
conceptos en forma de flechas etiquetadas El mapa conceptual pueden tener varios
propósitos:
Los conceptos: Desde el punto de vista gramatical los conceptos se identifican como
nombres, adjetivos y pronombres, los que representan hechos, objetos, ideas, etc.
Palabras de enlace: Que se utilizan para unir los conceptos y para indicar el tipo de
relación que se establece entre ellos.
Las proposiciones: Dos o más términos conceptuales unidos por palabras para
formar una unidad semántica.
Técnica de construcción de los mapas conceptuales
Es muy sencilla pero compleja a la vez, porque requiere realizar varias operaciones
mentales. Se puede utilizar didácticamente para desarrollar ideas y mostrar las relaciones
que hay entre ellas.
La técnica consta de los siguientes pasos:
Los conceptos son como nodos, con varias relaciones que se ramifican hacia fuera de ellas.
Pueden incluir relaciones tipo todo-parte, causa-efecto, padre-niño. Existen diversos tipos
de relaciones semánticas como la hiponimia, hiperonimia, la meronimia. Dado un conjunto
de conceptos, elementos semánticos o términos relacionados semánticamente mediante
alguna relación semántica, una red semántica representa estas relaciones en forma de
grafo.
Los responsables de los primeros esquemas de representación formalizados fueron Quillian
(1968) y Shapiro & Woddmansee (1971). Los esquemas de redes semánticas tienen una
fundamentación psicológica muy sólida
Las redes semánticas han sido muy utilizadas en IA para representar el conocimiento y por
tanto ha existido una gran diversificación de técnicas. Los elementos básicos que
encontramos en todos los esquemas de redes son:
Estructuras de datos en nodos, que representan conceptos, unidas por arcos que
representan las relaciones entre los conceptos.
Un conjunto de procedimientos de inferencia que operan sobre las estructuras de
datos.
Redes IS-A, en las que los enlaces entre nodos están etiquetados.
Grafos conceptuales: en los que existen dos tipos de nodos: de conceptos y de
relaciones
Redes de marcos: en los que los puntos de unión de los enlaces son parte de la
etiqueta del nodo.
Redes IS-A
Sin duda el tipo de red semántica por excelencia es el de redes IS-A. De hecho muchas
veces se menciona este tipo como sinónimo de "red semántica", y los restantes tipos
también incorporan este tipo de enlaces o arcos (links). Esto ha dado lugar a que existan
casi tantos significados para un enlace IS-A como los hay para sistemas de KR (Brachman,
1983).
Una red IS-A es una jerarquía taxonómica cuya espina dorsal está constituida por un
sistema de enlaces de herencia entre los objetos o conceptos de representación,
conocidos como nodos. Estos enlaces o arcos pueden estar etiquetados "IS-A", también
"SUPERC", "AKO", "SUBSET", etc. Los restantes tipos de redes semánticas son en realidad
especializaciones de redes IS-A, por lo que siguen y amplían los conceptos fundamentales
que exponemos en este apartado.
Las redes IS-A son el resultado de la observación de que gran parte del conocimiento
humano se basa en la adscripción de un subconjunto de elementos como parte de otro
más general. Las taxonomías clásicas naturales son un buen ejemplo: un perro es un
cánido, un cánido es un mamífero, un mamífero es un animal. Obteniendo un número de
proposiciones:
Subconjunto/superconjunto
Generalización/especificación
AKO, esto es, "a kind of"
Contenido conceptual
Restricción de valores
Tipo característico del conjunto
Pertenencia al conjunto
Predicación
Contenido conceptual
Abstracción
Grafos conceptuales
Los grafos conceptuales (conceptual graphs), propuestos por Sowa (1984), se diferencian
de las redes IS-A en que los arcos no están etiquetados, y los nodos son de dos tipos:
Nodos de concepto, que pueden representar tanto una entidad como un estado o
proceso.
Nodos de relación, que indican cómo se relacionan los nodos de concepto.
Por tanto, son los nodos de relación los que hacen el papel de enlaces entre las entidades.
Esquemas de marcos
Los marcos (frames), también conocidos como «estructuras» o «unidades», introducidos
por Minsky (1974) [66], son una forma de expresar las redes semánticas textualmente,
pero además pueden incluir representaciones de conocimiento procedimental. En efecto,
cada nodo correspondiente a un objeto o a una clase se convierte en un marco, que
consta de una primera línea con el nombre del marco y una sucesión de líneas, llamadas
«ranuras» (slots) con la sintaxis:
<ranura> ::= <nombre de relación>: <objeto relacionado> |
<nombre de relación>: <clase relacionada> |
<nombre de propiedad>: <valor de la propiedad> |
<nombre de propiedad>: (excep) <valor de la propiedad> |
<nombre de propiedad>: if_needed <procedimiento> |
<nombre de propiedad>: if_added <procedimiento>
<nombre de relación> ::= es_un |
tipo_de |
<relacion específica de la aplicación>
Precisión (Explicitness): se precisan los objetos, las relaciones entre objetos y sus
propiedades; en ausencia de evidencia contraria se usan valores por omisión