IV Unidad PDF

SEGUNDA UNIDAD:
REPRESENTACIÓN DEL CONOCIMIENTO

2.1. Formalismos para la representación del conocimiento: listas y árboles, redes
semánticas, frames, scripts.
2.2. Fundamentos lógicos en inteligencia artificial: Lógica proposicional y de predicados.

Sistemas conjuntivos, Forma de Skolen
2.3. Inferencia
a) Reglas de producción.
b) Cláusulas de Horn.
Introducción.
Desde el punto de vista de ingeniería, la mayor parte del trabajo requerido para construir sistemas de
IA, está basado en el desarrollo de adecuadas representaciones de conocimiento y sus
correspondientes estrategias de manipulación. No se puede manipular conocimiento a menos que
esté adecuadamente representado. En consecuencia, las siguientes tres preguntas claves pueden
guiarnos en el estudio de la IA.
• ¿Qué es el conocimiento?
• ¿Cómo se puede representar el conocimiento?
• ¿Cómo se podría manipular el conocimiento?
A continuación, se dan respuestas parciales a estas preguntas planteadas. En los capítulos

posteriores se presenta un estudio más formal y detallado acerca del conocimiento, su
representación y manipulación.
Conocimiento
Puede ser definido como el conjunto de hechos y principios acumulados por la humanidad, o el
acto, hecho o estado de conocer. Es la familiaridad con el lenguaje, conceptos, procedimientos,
reglas, ideas, abstracciones, lugares, costumbres y asociaciones, unida a la habilidad de utilizar
estas nociones en forma efectiva para modelar diferentes aspectos del universo que nos rodea.
Los conceptos de conocimiento e inteligencia están íntimamente ligados. La inteligencia requiere de

la posesión y acceso al conocimiento. Conocimiento no debe ser confundido con datos o
información. El conocimiento incluye y requiere del uso de datos e información. Además, combina
relaciones, dependencias, y la noción del saber con datos e información.
A veces es también útil o más aun necesario distinguir entre conocimiento y otros términos como
creencia e hipótesis.
Universidad Nacional de Ingeniería.

Facultad de Ciencias y Sistemas.
Inteligencia Artificial.
Esencialmente, se define como creencia a toda expresión que tiene significado, que es coherente
y puede ser representada. En consecuencia una creencia puede ser verdadera o falsa. Hipótesis
se define como una creencia justificada que no se conoce sea verdadera. Una hipótesis es una
creencia que está respaldada por cierta evidencia, pero todavía puede resultar falsa. Finalmente,
se puede también decir que conocimiento es una creencia justificada como verdadera.
Otros términos relacionados con el conocimiento y que son ocasionalmente empleados son
epistemología y metaconocimiento. Epistemología es el estudio de la naturaleza del conocimiento,
mientras que metaconocimiento es conocimiento acerca del conocimiento, esto es, conocimiento
acerca de lo que se conoce.
El conocimiento puede ser de tipo procedimental, declarativo o heurístico. Conocimiento

procedimental es aquel conocimiento compilado que se refiere a la forma de realizar una cierta
tarea (el saber cómo hacerlo). Por ejemplo, los pasos necesarios para resolver una ecuación
algebraica son expresados como conocimiento procedimental.
Por otro lado, el conocimiento declarativo es conocimiento pasivo, expresado como sentencias
acerca de los hechos del mundo que nos rodea (el saber que hacer). La información personal en una
base de datos es un típico ejemplo de conocimiento declarativo. Tales tipos de datos son piezas
explícitas de conocimiento independiente.
El conocimiento heurístico es un tipo especial de conocimiento usado por los humanos para
resolver problemas complejos. El adjetivo heurístico significa medio para descubrir. Está
relacionado con la palabra griega heuriskein que significa descubrir, encontrar. Se entiende por
heurístico a un criterio, estrategia, método o truco utilizado para simplificar la solución de
problemas. El conocimiento heurístico usualmente se lo adquiere a través de mucha experiencia.
El proceso de organizar y coleccionar el conocimiento es llamado ingeniería del

conocimiento. Es tal vez la parte más difícil y la que consume más tiempo en cualquier
proceso que desarrolla software de IA.
Dado que el conocimiento es importante y primordial para el comportamiento inteligente, su

representación constituye una de las máximas prioridades de la investigación en IA. El
conocimiento puede ser representado como imágenes mentales en nuestros pensamientos, como
palabras habladas o escritas en algún lenguaje, en forma gráfica o en imágenes, como cadenas de
caracteres o colecciones de señales eléctricas o magnéticas dentro de un computador. En nuestro
estudio de IA, consideraremos las representaciones escritas y sus correspondientes estructuras de
datos utilizadas para su almacenamiento en un computador. La forma de representación que se
escoja dependerá del tipo de problema a ser resuelto y de los métodos de inferencia disponibles.
Existen diferentes esquemas de representar el conocimiento, abordaremos algunas formas de

representarlo y aplicarlo de una manera adecuada para su manipulación en
computadoras.
Los esquemas de representación del conocimiento han sido categorizados como

declarativos o procedimentales. Los métodos de representación declarativos se usan para
representar factores y aserciones; y un esquema de representación procedimental trata con
acciones descritas paso a paso para llegar a un resultado final.
Los métodos de representación del conocimiento declarativos incluyen lógica, listas,

árboles, redes semánticas, marcos y libretos.

En términos generales, se debe tratar que el conocimiento esté representado de tal forma que:
• Capture generalizaciones.
• Pueda ser comprendido por todas las personas que vayan a proporcionarlo y procesarlo.
• Pueda ser fácilmente modificado.
• Pueda ser utilizado en diversas situaciones aun cuando no sea totalmente exacto o
completo.
• Pueda ser utilizado para reducir el rango de posibilidades que usualmente debería
considerarse para buscar soluciones.
El conocimiento declarativo puede ser representado con modelos relacionales y esquemas

basados en lógica. Los modelos relacionales pueden representar el conocimiento en forma de
árboles, grafos o redes semánticas. Los esquemas de representación lógica incluyen el uso de lógica
proposicional y lógica de predicados.
Los modelos procedimentales y sus esquemas de representación almacenan conocimiento en la

forma de cómo hacer las cosas. Pueden estar caracterizados por gramáticas formales, usualmente
implantadas por sistemas o lenguajes procedimentales y sistemas basados en reglas (sistemas de
producción).
Las representaciones declarativas son usualmente más expansivas y costosas, en el sentido que
la enumeración puede ser redundante e ineficiente. Sin embargo, la modificación de las
representaciones declarativas es usualmente muy fácil; simplemente se agrega o se elimina
conocimiento. Las representaciones procedimentales, en cambio, pueden ser más compactas,
sacrificando flexibilidad. Representaciones prácticas pueden incluir elementos tanto declarativos
(listado de hechos conocidos), como procedimentales (un conjunto de reglas para manipular los
hechos).

Manipulación del conocimiento
Existen tres paradigmas que los investigadores han utilizado tradicionalmente para la resolución de
problemas de IA:
• Programación Heurística.- Está basado en el modelo de comportamiento humano y su

estilo para resolver problemas complejos. Existen diversos tipos de programas que
incluyen algoritmos heurísticos. Varios de ellos son capaces de aprender de su
experiencia.
• Redes Neuronales Artificiales.- Es una representación abstraída del modelo neuronal del
cerebro humano. Las redes están formadas por un gran número de elementos simples y
por sus interconexiones. Una red neuronal artificial puede ser simulada o ser real. Al
elemento procesador de la red, se lo denomina neurona artificial.
• Evolución Artificial.- Su modelo está basado en el proceso genético de evolución natural,
propuesto por Charles Darwin. Se utilizan sistemas simulados en computador que
evolucionan mediante operaciones de reproducción, mutación y cruce (Algoritmos
Genéticos).
Cada paradigma comprende una colección de métodos, configuraciones y técnicas desarrolladas para
manipular el conocimiento. En general, una técnica de IA está caracterizada por incluir los siguientes
componentes:
• Procesos de Búsqueda.- Proporciona una forma de resolver problemas para los cuales no
hay un método más directo, así como también se constituye en un marco de trabajo dentro
del cual cualquier técnica directa puede ser incorporada.
• Uso del Conocimiento.- Proporciona una forma de resolver problemas
FUNDAMENTOS LÓGICOS EN INTELIGENCIA ARTIFICIAL

Tal vez la forma más antigua de representar el conocimiento es la lógica. Esta trata el
estudio científico de los procesos de razonamientos, de sistemas de reglas y procedimientos
que ayudan al pensamiento adecuado. La lógica es considerada una subdivisión de la
filosofía, su desarrollo y el refinamiento de sus procesos son generalmente acreditados a los
griegos.
La forma general de cualquier proceso lógico consiste de información dada, juicios hechos o de
observaciones que son notadas; esto constituye las entradas al proceso lógico y son llamadas
premisas. Las premisas son empleadas por el procesamiento lógico para crear las salidas que
constituyen las conclusiones llamadas inferencias. Esto constituye hechos que son conocidos como
verdaderos y pueden ser usados para derivar nuevos hechos que también deben ser verdaderos.

FORMALISMOS PARA REPRESENTAR DEL CONOCIMIENTO
LISTAS Y ÁRBOLES
Son las estructuras más sencillas que se usan para representar un conocimiento jerárquico. Listas:
Una lista es una serie de elementos del mismo tipo.
Ejemplo:
a) [Juan, Roberto, Ana, Inés ]: Lista de personas.
b) [caramelos, galletas, bombones]: Cosas que se compran en una miscelánea.
c) [clavos, bloques, cemento]: Productos de construcción.
Lista 1
Cuadernos
Libros
Libros Escritorio Escritorio
Madera
Filosofía Metal
Matemáticas Madera
Historia Caoba
Pino
Representación gráfica y jerárquica de una lista.
Árbol: Es una forma sencilla de ilustrar las listas y otros tipos de conocimiento jerárquicos.
Ejemplo:
Los nodos están representados por los círculos y las líneas que los unen son los arcos.
REDES SEMÁNTICAS
Es la representación esquemática del conocimiento mediante descripciones graficas que

muestra una jerarquía relacional entre objetos. Se le denomina nodo a la representación de
elementos del dominio y se muestran como rectángulos o círculos y son rotulados con los
nombres de los elementos representados; y se denominan arcos a los enlaces desde un
nodo a otro, se representan como un vector y se rotula con el nombre de las relaciones
representadas.

Nodo = objeto
Donde un Objeto puede ser representado por:

1. Personas
2. Animales
3. Eventos
5. Acciones
6. Conceptos
7. Atributos o características que identifican a un objeto.
Existen ciertos tipos de Arcos típicos entre los cuales están.
1. ISA (Es-un): El cual usa para identificar que un cierto pertenece a una clase mayor de
objeto.
Ser _humano Es un Hombre Es un Manuel
2. HAVE-a (tiene-un), este tipo de arcos se utiliza para identificar que un cierto nodo tiene o pase
una cierta características o atributo o propiedad. También se puede utilizar para representar
situaciones, acciones y eventos.
Propiedades de las Redes Semánticas
Las redes Semánticas posen la propiedad de la Herencia; en la que unos nodos heredaron las
propiedades o atributos de Nodos de una clase mayor. Así por ejemplo en las siguientes Red
Semántica:

Nota: A través de la característica de la herencia, las Redes Semánticas tienen la capacidad de

inferir conocimiento.
Ejemplo de Red Semántica.
Considera la anterior Red Semántica acerca de SAM y su familia.

1. Necesita Sam Alimento
Si, por la herencia que recibe de los seres humanos.
2. Trabaja SAM para AJAX
Si por característica o por propiedades de herencia ya que CME pertenece AJAX.
Nota: En Redes Semánticas las inferencias de información o respuestas o preguntas se

hacen con base en las propiedades de herencia que existen entre los Nodos.

Ejemplo de Red Semántica: Roedor.
Es_un
Ejemplo de Red Semántica: Lassie.
tiene

Ejemplo de Red Semántica: Animal.

Ejemplo de Red Semántica: Animal2.
ANIMAL
Es del tipo Es del tipo
respira come
tiene
Esta formado por
Aire Masa Miembros Alimentos
PAJARO puede Alas PERSONA
Es del tipo Está formado por Está formado por

Un
Representante
Plumas Alas de Piernas Brazos
CANARIO Un representante
ARTURO
color Trabaja en
Amarillo Piolín NASA
Un animal come alimento,

respira aire, tiene masa y
está formado por miembros.
Una persona es del tipo
animal, la cual hereda todas
las características antes
descritas del animal. Así
también tenemos la
posibilidad de detallar más
sus cualidades como que
tiene piernas y brazos.

Ejercicios:
Dado el siguiente conocimiento construya la correspondiente Red Semántica.
- Los Jorobados son personas pequeñas.

- Bilbo es un jorobado.
- Los jorobados tienen dedos gordos.
- Bilbo posee un anillo mágico.
- El anillo fue encontrado en una cueva.
- Los jorobados son personas míticas y las personas míticas son estudiadas por los
estudiantes de literatura.
1. ¿Qué posee Bilbo? Un anillo mágico.

FRAMES (MARCOS)
Un Frames es una estructura de datos que contiene todo el conocimiento acerca de un

objeto. Los Frames son organizados en forma jerárquica y esta característica es utilizada
como medio para responder a Preguntas. Los Frames surgieron de la pregunta orientada a
objetos. Cada frames describe un objeto en particular. Por lo tanto cada frames me
representa una estructura de conocimiento en la cual se esta describiendo a un objeto, un
evento o una situación ó cualesquier otro elemento. En los frames se describe el
conocimiento acerca de un objeto utilizado SLOTS (Ranuras).
Representación del conocimiento en una jerarquía de frames que heredan propiedades de

frames del nivel superior.
Modo de transporte
Carro Ranura
Auto Ranura
Motor Ranura
Especificaciones del Automóvil
Tipos de SLOTS en los Frames
1. Hay Slot para describir Conocimiento Declarativo como lo es:
- Peso de un Objeto.
- La Altura
- La forma
- El color
- Hobbies (leer, nadar, trotar)
2. Hay slots para describir conocimiento procedural (el cual se refiere a pequeños
procesos que me identifica a ciertas funciones).Ejemplo: Velocidad, aceleración,
trabajo, cálculo de energía, etc.

3. Que identifican a las Reglas.

Ejemplo:
If máquina caliente THEN prender ventilador.
4. Un Slot puede indicar la conexión con otro FRAME
5. Un Slot puede indicar la conexión con otros frame de representación de

conocimiento como lo son con las Redes Semánticas.
FRAME de un Auto.
-Clase; transportación
-Nombre del fabricante; Audi
-Origen del fabricante
Nota: Una de las características de los frames es que un frame puede identificar a toda una
familia de objetos.
SCRIPT (LIBRETO)
Este tipo de Representación de conocimiento es utilizado para representar secuencias de

EVENTOS de tipo:
- Historias Visitas al:

- Dramas - Doctor.
- Visitas - Restaurante
- Viajes - Museo, etc.
- Estética
En los SCRIPTS o libretos intervienen elementos básicos como lo son:
1. Requerimientos de Entrada.
2. Roles o papeles de las personas o cosas que intervienen en el libreto.
3. Herramientas utilizadas por los diferentes participantes o actores.
4. Escenas.
5. Resultados.

Ejemplo 1. SCRIPT correspondiente a una visita al Restaurante de Auto-Servicio.
Requerimiento de Entrada:
- Hay un cliente que tiene hambre.
- El cliente tiene dinero.
Herramientas que intervienen:

- carro - mostrador
- dinero - palillos
- bandeja - sal
- bote de basura - cuchillo
- alimentos - tenedor
- catsup - cuchara
- servilletas - mesa
Roles o Papeles:
- Hay un cliente (C)
- Recepcionista (R)
Escena 1: Entrada al Restaurante.

- El cliente para el carro.
- El (C) entra al Restaurante.
- El (C) hace fila en el mostrador.
- El (C) mira los distintos alimentos en la pared y decide cuales seleccionar.
Escena 2: Ordenar.
- El cliente lea la orden al (R).
- El (R) comienza a poner los alimentos a la bandeja.
- El (C) paga la orden.
Escena 3: Comer.
- El cliente toma servilletas, cuchillo, tenedor, cuchara, sal, palillos y salsa de tomate.
- El (C) busca mesa.
- El cliente consume los alimentos.
Escena 4: Salida.
- Recoge la basura de la mesa.
- Vacía el contenido de la vasija en el bote de la basura.
- Sale del restaurante.
- Toma su carro.
- Se va.
Resultados:
- Cliente ya no tiene hambre.
- El (C) tiene menos dinero.
- El (C) esta satisfecho.
- El (C) no esta satisfecho.
- El (C) trae dolor de estomago.

Ejemplo 2. SCRIPT correspondiente a una visita al cine.
• PAPELES: cinéfilo, taquillero, portero, acomodador

• CONDICIONES DE ENTRADA: cinéfilo desea ver película
• PROPIEDADES O HERRAMIENTAS: película, butaca, dinero, entrada
• ESCENAS:
-Sacar entrada
Cinéfilo: Deme butaca” a taquillero
Cinéfilo: Dinero a taquillero
Taquillero: Entrada a cinéfilo
-Entrar en sala
Cinéfilo: Entrada a portero
Portero: Entrada a cinéfilo
Cinéfilo: Cinéfilo a sala
-Acomodarse ...................
-Ver película ..................
-Salir de sala ..................
• RESULTADOS:
-Cinéfilo ha visto la película

-Taquillero tiene más dinero
-Cinéfilo tiene menos dinero.

Lógica proposicional
La lógica proposicional trata con unidades básicas denominadas proposiciones. Una

proporción es una expresión que tiene un valor de verdad (falso o verdadero, pero no ambos
a la vez).
Ejemplo:
Mozart fue un compositor. (Verdadero)

Todo compositor escribe música. (Verdadero)
Un perro es un animal. (Verdadero)
Un gato es un perro. (Falso)
Estas proposiciones se pueden representar mediante p, q, r, s, ... y se les llama

proposiciones simples o atómicas.
Las proposiciones simples o atómicas son vinculadas o modificadas por los llamados
conectores:
^ : = AND
v : = OR
~ ¬ : = NOT
=> : = Implicación
 := Doble implicación
Y son llamadas proposiciones compuestas o moleculares.
Ejemplo:
p: Mozart fue un compositor.
~ p : Mozart no fue un compositor. q:
Mozart escribió música.
p ^ q: Mozart fue un compositor y escribió música.
p v q: Mozart fue un compositor o escribió música.
p => q: Si Mozart fue un compositor entonces escribió música.
p  q: Mozart fue un compositor si y solo si escribió música.
En el caso de las proposiciones simples asignarles su valor de verdad es obvio, se requiere

tener un conocimiento claro de los hechos relacionados a la proposición. En cambio para
las proposiciones compuestas se deben seguir ciertas reglas que señalaremos en la tabla
siguiente:
p q ~p p^q pvq p => q pq

V V F V V V V
V F F F V F F
F V V F F V F
F F V F F V V
1 2 3 4 5 6 7
Negación: ~ p
Toma el valor de verdad opuesto al de la proposición p, o sea, si la proposición p es
verdadera la negación ~ p es falsa y viceversa. Como se observa en la columna 3.
Conjunción: p ^ q
Toma el valor de verdadero solo cuando ambas miembros son verdaderos. En cualquier otro
caso es falsa. Como se observa en la columna 4.
Disyunción: p v q
Toma el valor falso cuando ambos miembros son falsos. En cualquier otro caso es
verdadera. Como se observa en la columna 5.
Condicional: p => q
Si el antecedente es verdadero y el consecuente es falso, la condicional es falsa. En
cualquier otro caso es verdadera. Como se observa en la columna 6.
Bicondicional: p  q
Cuando ambos miembros tienen el mismo valor de verdad, la bicondicional es verdadera.
En cualquier otro caso es falsa. Como se observa en la columna 7.
Las variables, también pueden ser cuantificadas. Los cuantificadores que típicamente se utilizan en
lógica de predicados son:
• El cuantificador universal; ∀ indica que la fórmula bien formada, dentro de su alcance, es

verdadera para todos los valores posibles de la variable que es cuantificada. Por ejemplo:
∀ X ........
Establece que "para todo X, es verdad que . . . "
• El cuantificador existencial;∃ , indica que la fórmula bien formada, dentro de su alcance, es

verdadera para algún valor o valores dentro del dominio. Por ejemplo:
∃ X .......
Establece que "existe un X, tal que . . . "
A continuación se dan algunos ejemplos de predicados cuantificados:
∀ X, [niño (X) => le_gusta (X, helados)].

(∀X)(persona(X)) =>mortal(X)
∀ Y, [mamífero (Y) => nace (Y, vivo)].
(∀X)(perro(X)) =>mortal(X)
∃ Z, [cartero(Z) ^ mordió (boby, Z)].

Desde el punto vista de representación, los cuantificadores son difíciles de usar. Por lo que es
deseable reemplazarlos con alguna representación equivalente, más fácil de manipular. El caso del
cuantificador universal es más simple ya que se asume a todas las variables como universalmente
cuantificadas.
El cuantificador existencial es más difícil de reemplazar. El cuantificador existencial garantiza la

existencia de uno o más valores particulares (instancias) de la variable cuantificada, que hace a la
cláusula verdadera. Si se asume que existe una función capaz de determinar los valores de la
variable que hace la cláusula verdadera, entonces simplemente se remueve el cuantificador
existencial y se reemplaza las variables por la función que retorna dichos valores. Para la
resolución de problemas reales, esta función, llamada función de Skolem, debe ser conocida y
definida.
Forma proposicional o función: p(x)
Es aquella expresión que tiene un elemento desconocido, x , que al ser instanciado hace que la
expresión se convierta en una proposición. Ejemplo: p (x): x es un mamífero.
Si x se instancia con “clavo”, o sea, x = clavo. La forma proposicional se convierte en la

proposición: p (clavo): clavo es un mamífero. (Falso)
Si x se instancia con “gato”, o sea, x = gato. La forma proposicional se convierte en la

proposición: p (gato): gato es un mamífero. (Verdadero)
Los valores de x estan presente en un conjunto llamado dominio. Si todos los elementos del
dominio hacen verdadera la proposición se utiliza el cuantificador universal “∀”. Si solo
algunos elementos del dominio hacen verdadera la proposición se utiliza el cuantificador
existencial “∃”.
Ejemplo:
1. Sea la forma proposicional “p ( x ): x es una letra ”
Dominio: x = { (x, p ( x )) | p ( x ): x es una letra } = { a, b, c, d, e}
Instanciando tenemos:
x = a, p(a): a es una letra. (Verdadero)
x = e, p(e): e es una letra. (Verdadero)
Todos los elementos del dominio cumplen la forma proposicional, esto se indica de la
manera siguiente:
∀x, p( x ): para todo x, x es una letra.

2. Sea la forma proposicional “p (x ): x es un número par ”
Dominio: x = { (x, p ( x )) | p ( x ): x es un número par } = {1, 2, 5 }

Instanciando tenemos:
x = 1, p(1): 1 es un número par. (Falso)

x = 2, p(2): 2 es un número par. (Verdadero)
x = 5, p(5): 5 es un número par. (Falso)
Existen algunos elementos del dominio que cumplen la forma proposicional, esto se indica de la
manera siguiente:
∃x, p( x ): existe algún x, x es un numero par.
Lógica de predicados.
La lógica de predicados se refiere o sirve para identificar una relación existente entre
elementos llamados argumentos, entre paréntesis o bien identifica a la propiedad o
característica de los argumentos en el paréntesis, o bien identifica el nombre de la clase a la que
pertenecen los argumentos. Se expresa de la manera siguiente:
PREDICADO (ARG1,ARG2,...,ARGN)
NOMBRE NOMBRE
DEL DEL
PREDICADO ARGUMENTO
Nota: Los argumentos siempre (usualmente) son SUSTANTIVOS.
Ejemplo:
1 El limón y el chile serrano son verdes: Son_verde (limón, chile serrano)

2 La pitaya es roja y la manzana es roja: roja (pitaya, manzana)
3 El limón es verde: Verde (limón)
4 El perro ladra: ladra (perro)
5 Todos los mamíferos son de sangre caliente:
∀x [ mamíferos (x) => sangre _ caliente(x)]
6 Todo satélite terrestre tiene un punto sobre la Tierra:
∀x {satélite_terrestre(x) =>∃y [tiene (x, punto) ^ sobre(y, Tierra)]}
La lógica de predicados esta formado por un conjunto de predicados concatenados a través de

las operaciones lógicas:

Operaciones lógicas:
^ : = AND
v : = OR
~ ¬ : = NOT
=> : = Implicación
 := Doble implicación ∀ :
= Para todo
∃ : = Existe
Jerarquía de las operaciones lógicas (orden de mayor a menor)
1. Se ejecutan primero las agrupaciones: ( )

2. ~ : not
3. ^ : and
4. v : OR
5. => : Implicación (Si ... Entonces ... )
6.  := Doble implicación (... si y solo si ...)
Sintaxis en la lógica de Predicados.
Aquí se maneja la siguiente simbología.
- variables x, y, z
- funciones f, g, h
- constantes a, b, c
-Símbolo de predicado P, Q, R, S, T
-Símbolos de apuntación "(", ")", ","
Aunado a estos símbolos se utilizan los siguientes conceptos.
UNIVERSO: El cual identifica a la totalidad de los valores que puede tomar una variable.
TERMINO: Una variable es un termino, x, y, z. Así como f(t) donde f es una función y “t” es
una secuencia de uno o mas términos.
Ejemplo: f(x), h(y), g( x, y, h(x)), f( h(x, y), y(z, f(z) )
FORMULA ATOMATICA: Una formula automática es un predicado p(x), donde P es el

nombre del predicado y “x” es un termino.
Ejemplo: Es-verde (limón), mamífero (Pedro), mamífero (ballena, delfín, cabra)

LITERAL: Los literales son predicados o negaciones de predicados.
Ejemplo: mamífero (Pedro)

~ mamífero (vidrio)
FORMULAS BIEN FORMADAS (FBF): Una FBF es una secuencias de formulas

Atómicas (o predicados) concatenados por medio de operadores lógicos.
Ejemplo: P(x) v Q(y) ^ ~R (S) P(x) ^ Q(z) ==> ~R(s)

mamífero(perro) => tiene_sangre_caliente(perro)
SENTENCE: Las expresiones son FBF donde el alcance de las variables esta
perfectamente bien definido mediante cuantificadores o bien UNIVERSALES ó bien
EXISTENCIALES.
Símbolos: ∀ Para todo(cuantificador Universal)

∃ Existe(Cuantificadores Existencial)
~∃ ≡ ∀
~∀ ≡ ∃
Ejemplo: Todos los hijos tienen un padre y una Madre

∀x [mamífero(x) => tiene_sangre_caliente(x) ] ∀x
[hijo(x) => ∃y ( madre(y)^ padre(z)) ]
CLAUSULA: Es una disyunción de literales (una cláusula es una disyunción de predicados y/o
predicados negados.
Ejemplos. Conjunción: And (^)

Disyunción: OR (V)
P(x) v Q(y) v~ R(s)
R(y) v ~ Q(z)
Lógica de predicado de primer orden.
La lógica de predicados de primer orden esta formado por un conjunto de predicados

concatenados por operadores lógicos.
Ejemplo: Hermano (x, y ): x es hermano de y.

Hijo (x, y ): x es hijo de y.
Lógica de Predicado de Orden Superior: Es cuando una variable y una función toman sus
valores de un mismo dominio.
Ejemplo:
Hermano (x, hijo(a, y)): x es tío de a. [Predicado de Segundo Orden]
Colega (b, hermano (x, hijo(a, y))): “b” es colega del tío de “a”. [Tercer Orden]
Sistema: Un sistema en la lógica de predicados de primer orden esta formado por un

conjunto EXPRESIONES cada uno de los cuales tiene un valor de verdad (verdadero o
falso).
Operaciones relacionadas con la lógica de predicados.

La Asociatividad A v (B V C) = (A v B) v C
A ^ (B ^ C) = (A ^ B) ^ C
La Distributividad A ^ (B v C) = (A^ B) v (A ^ C) A
v (B ^ C) = (A v B ) ^ (A v C) ~
Leyes de Morgan. (A v B) = ~ A ^ ~ B
~ (A ^ B) = ~ A v ~B
Conmutativa AvB=BvA
A^ B = B ^ A
Ley de idempotencia A^A=A
AvA=A
Ley de la no contradicción ~ (A ^ ~ A) = 1
Ley del tercio excluso A v ~ A) = 1 A
Ley de la identidad => A = 1
AA=1
Definición de la equivalencia mediante la conjunción y la implicación:
A  B = A=> B ^ B => A
Av1=1
A^1=A
Av0=A
A^0=0
A^~A=0
Ley de la eliminación de la doble negación ~ ~ A = A
Ejemplos:
Convertir las siguientes proposiciones a lógica de predicados (FBF). (Sistema que describe parte
del mundo Romano).
1. Marco fue un hombre: hombre (Marco)

2. Marco fue pompeyano: pompeyano (Marco)
3. Todos los pompeyanos fueron Romanos: ∀x [Pompeyanos(x) => Romano(x)]
4. Cesar fue un rey: Rey (Cesar)
5. Todos los Romanos eran leales a Cesar o lo odiaban: ∀x [ Romanos(x) =>leal(x,Cesar)
v odiaba(x, Cesar) ]
6. Todos son leales a alguien: ∀x [∃y leal(x, y)]; ∀x[ (∃(alguien), leal (x, alguien)) ]
7. La gente que trata a los reyes son los no leales: ∀x ∀y [gente (x) ^ Rey (y) ^
trata_de_asesinar (x, y) => ~ leal(x, y) ]
8. Marco trata de Asesinar a Cesar: Trata_de_ Asesinar(Marco, Cesar)

Formas de Skolem
1. Eliminar todas las implicaciones.
Ejemplo: A=> B se convierten en ~A v B
2. Correr las negaciones hasta los predicados correspondientes

(Distribuir las negaciones entre los predicados)
Ejemplo: ~ ( P(x) ^ Q(y) ) eq ~ P(x) v ~Q(y)
3. Distribuir cuantificadores entre los predicados correspondientes.

(Corregir cuantificadores o deslizarlos hasta los correspondientes predicados, considerando el
mismo orden)
Ejemplo: ∀x ∀y P(x) ^ Q(y) es equivalente a ∀x P(x) ^ ∀y Q(y)
4. Eliminar los Cuantificadores Existenciales

4.1 Convirtiéndolos a constantes cuando aparecen sin un cuantificador universal.
Ejemplo: ∃x p(x) equivale a p(pato)

∃x Ave(x) equivale a Ave(pato)
4.1 Convirtiéndolos a funciones cuando aparezcan acompañados de un cuantificador
universal.
Ejemplo: ∀x ∃y P(x, y) equivale a P(x, f(x) )

f:= {(x, y) / y = f(x) }
5. Eliminar todos los Cuantificadores Universales.
Ejemplo: ∀x ∀y P(x) ^ Q(y) equivale a P(x) ^ Q(y)
6. Convertir las conjunciones (AND'S) en disyunciones (OR'S).Obteniendo una cláusula por

cada elemento de la conjunción.
Ejemplo:
1. P(x) ^ Q(y) No concebimos la libertad sin cultura;

1.1 P(x) ni la cultura sin pan; ni el pan sin
1.2 Q(y) trabajo honrado; ni el trabajo honrado
2. P(x) ^ ( Q(y) v R(z) ) sin respeto a la dignidad del hombre;
2.1 P(x) ni el respeto a la dignidad del hombre
2.2 Q(y) v R(z) sin amor a Dios.
3. P(x) ^ ( Q(y) ^ R(z) )
3.1 P(x)
3.2 Q(y)
3.3 R(z)


2.3. Inferencia
La inferencia en la lógica formal es el proceso de generar nuevas formulas bien formadas (FBF)
a partir de FBF existentes, mediante la aplicación de las reglas de inferencias
Reglas para la extracción de conocimiento de sistemas en lógica de predicados.
1. Modus Ponens la cual dice que si:

A => B es verdadero y A es verdadero => B es verdadero
2. Modus Tolen. La cual dice que si:

A => B es verdadero y ~ B es verdadero => ~ A es verdadero.
3. La Regla de Resolución dice que si:

a1 v a2 es verdadero y ~ a2 v a3 es verdadero => a1 v a3 es verdadero
Nota: A => B es equivalente ~A V B
a) Reglas de Producción
Un sistema de producción proporciona una estructura que facilita la descripción y la ejecución de un

proceso de búsqueda. Un sistema de producción consiste de:
• Un conjunto de facilidades para la definición de reglas.

• Mecanismos para acceder a una o más bases de conocimientos y datos.
• Una estrategia de control que especifica el orden en el que las reglas son procesadas, y la
forma de resolver los conflictos que pueden aparecer cuando varias reglas coinciden
simultáneamente.
• Un mecanismo que se encarga de ir aplicando las reglas.
Dentro de esta definición general de sistema de producción, se incluyen:
• Lenguajes básicos para sistemas de producción (LISP, CLIPS, PROLOG). También se los
conoce como lenguajes de Inteligencia Artificial.
• Sistemas híbridos y sistemas vacíos (shells) para producción de sistemas basados en
conocimientos (VP-Expert, Expert Teach, Personal Consultant, Intelligence Compiler,
EXSYS).
• Arquitecturas generales para resolución de problemas (máquinas LISP, máquinas
PROLOG).

Características de los Sistemas de Producción
Un sistema de producción, al igual que los problemas, puede ser descrito por un conjunto de
características que permiten visualizar la mejor forma en que puede ser implementado.
Un sistema de producción se dice que es monotónico si la aplicación de un regla nunca evita que más
tarde se pueda aplicar otra regla que también pudo ser aplicada al momento en que la primera fue
seleccionada.
Un sistema de producción es parcialmente conmutativo si existe un conjunto de reglas que al

aplicarse en una secuencia particular transforma un estado A en otro B, y si con la aplicación de
cualquier permutación posible de dichas reglas se puede lograr el mismo resultado.
Un sistema de producción es conmutativo, si es monotónico y parcialmente conmutativo.
SISTEMA DE PRODUCCIÓN MONOTÓNICO NO-MONOTÓNICO

PARCIALMENTE CONMUTATIVO Demostración de Teoremas Navegación Robótica
PARCIALMENTE NO CONMUTATIVO Síntesis Química Juego de Ajedrez
La parte condicional de una regla de producción llamado Lado Izquierdo (LI), consiste en una
serie de elementos que describen las condiciones que deben ser verdaderas para que la regla
sea aplicable. La parte de la acción de la regla llamada Lado Derecha (LD), describe las
acciones que se van a llevar a cabo cuando se dispara la regla (ejecución).
Ejemplo: Desarrolle una regla de producción que represente:

1) “Al aplicar el freno el automóvil de Juan se detiene”.
(p accionar _ freno
(Automóvil de Juan ^ freno aplicado) 
(modificar ^ movimiento interrumpido))
Esta producción llamada accionar _ freno, indica que si el valor del atributo “freno” para el
elemento de memoria automóvil de Juan viene a ser igual al valor aplicado, entonces el valor
del atributo”movimiento” debe modificarse al valor de “interrumpido”.
Utilizando Reglas
Una regla es una representación del tipo If
condición 1
:
condición n
THEN conclusion 1
:
conclusión n
Ejemplo.
If esta lloviendo then saco mi paraguas.
If tengo hambre then como alimentos.
If tengo examen then debo estudiar OR Sentarme al lado de alguien.

Regla = Producción
Sistemas Basados en Reglas eq Sistemas de Producción.

IV Unidad PDF

Cargado por

Información del documento

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

IV Unidad PDF

Cargado por

Copyright:

Formatos disponibles

SEGUNDA UNIDAD:

REPRESENTACIÓN DEL CONOCIMIENTO

2.2. Fundamentos lógicos en inteligencia artificial: Lógica proposicional y de predicados.

A continuación, se dan respuestas parciales a estas preguntas planteadas. En los capítulos

Los conceptos de conocimiento e inteligencia están íntimamente ligados. La inteligencia requiere de

Universidad Nacional de Ingeniería.

El conocimiento puede ser de tipo procedimental, declarativo o heurístico. Conocimiento

El proceso de organizar y coleccionar el conocimiento es llamado ingeniería del

Dado que el conocimiento es importante y primordial para el comportamiento inteligente, su

Existen diferentes esquemas de representar el conocimiento, abordaremos algunas formas de

Los esquemas de representación del conocimiento han sido categorizados como

Los métodos de representación del conocimiento declarativos incluyen lógica, listas,

Universidad Nacional de Ingeniería.

El conocimiento declarativo puede ser representado con modelos relacionales y esquemas

Los modelos procedimentales y sus esquemas de representación almacenan conocimiento en la

Universidad Nacional de Ingeniería.

Manipulación del conocimiento

• Programación Heurística.- Está basado en el modelo de comportamiento humano y su

FUNDAMENTOS LÓGICOS EN INTELIGENCIA ARTIFICIAL

Universidad Nacional de Ingeniería.

FORMALISMOS PARA REPRESENTAR DEL CONOCIMIENTO

Es la representación esquemática del conocimiento mediante descripciones graficas que

Universidad Nacional de Ingeniería.

Donde un Objeto puede ser representado por:

Existen ciertos tipos de Arcos típicos entre los cuales están.

Ser _humano Es un Hombre Es un Manuel

Propiedades de las Redes Semánticas

Universidad Nacional de Ingeniería.

Nota: A través de la característica de la herencia, las Redes Semánticas tienen la capacidad de

Ejemplo de Red Semántica.

Considera la anterior Red Semántica acerca de SAM y su familia.

Nota: En Redes Semánticas las inferencias de información o respuestas o preguntas se

Universidad Nacional de Ingeniería.

Ejemplo de Red Semántica: Roedor.

Universidad Nacional de Ingeniería.

Ejemplo de Red Semántica: Animal.

Universidad Nacional de Ingeniería.

Ejemplo de Red Semántica: Animal2.

Aire Masa Miembros Alimentos

PAJARO puede Alas PERSONA

Es del tipo Está formado por Está formado por

Amarillo Piolín NASA

Un animal come alimento,

Universidad Nacional de Ingeniería.

Dado el siguiente conocimiento construya la correspondiente Red Semántica.

- Los Jorobados son personas pequeñas.

1. ¿Qué posee Bilbo? Un anillo mágico.

Universidad Nacional de Ingeniería.

Un Frames es una estructura de datos que contiene todo el conocimiento acerca de un

Representación del conocimiento en una jerarquía de frames que heredan propiedades de

Especificaciones del Automóvil

Tipos de SLOTS en los Frames

1. Hay Slot para describir Conocimiento Declarativo como lo es:

Universidad Nacional de Ingeniería.

3. Que identifican a las Reglas.

If máquina caliente THEN prender ventilador.

4. Un Slot puede indicar la conexión con otro FRAME

5. Un Slot puede indicar la conexión con otros frame de representación de

Este tipo de Representación de conocimiento es utilizado para representar secuencias de

- Historias Visitas al:

En los SCRIPTS o libretos intervienen elementos básicos como lo son:

Universidad Nacional de Ingeniería.

Ejemplo 1. SCRIPT correspondiente a una visita al Restaurante de Auto-Servicio.