Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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?
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.
A veces es también útil o más aun necesario distinguir entre conocimiento y otros términos como
creencia e hipótesis.
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.
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.
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.
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).
Existen tres paradigmas que los investigadores han utilizado tradicionalmente para la resolución de
problemas de IA:
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
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
Nodo = objeto
1. ISA (Es-un): El cual usa para identificar que un cierto pertenece a una clase mayor de
objeto.
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.
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:
Es_un
Ejemplo de Red Semántica: Lassie.
tiene
ANIMAL
Es del tipo Es del tipo
respira come
tiene
Esta formado por
CANARIO Un representante
ARTURO
color Trabaja en
Ejercicios:
FRAMES (MARCOS)
Modo de transporte
Carro Ranura
Auto Ranura
Motor Ranura
- 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.
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)
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.
Requerimiento de Entrada:
- Hay un cliente que tiene hambre.
- El cliente tiene dinero.
Roles o Papeles:
- Hay un cliente (C)
- Recepcionista (R)
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.
-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 ...................
• RESULTADOS:
Lógica proposicional
Ejemplo:
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.
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.
Las variables, también pueden ser cuantificadas. Los cuantificadores que típicamente se utilizan en
lógica de predicados son:
∀ X ........
∃ X .......
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.
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.
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:
Instanciando tenemos:
Todos los elementos del dominio cumplen la forma proposicional, esto se indica de la
manera siguiente:
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
Ejemplo:
Operaciones lógicas:
^ : = AND
v : = OR
~ ¬ : = NOT
=> : = Implicación
:= Doble implicación ∀ :
= Para todo
∃ : = Existe
- variables x, y, z
- funciones f, g, h
- constantes a, b, c
-Símbolo de predicado P, Q, R, S, T
-Símbolos de apuntación "(", ")", ","
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.
SENTENCE: Las expresiones son FBF donde el alcance de las variables esta
perfectamente bien definido mediante cuantificadores o bien UNIVERSALES ó bien
EXISTENCIALES.
CLAUSULA: Es una disyunción de literales (una cláusula es una disyunción de predicados y/o
predicados negados.
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]
Universidad Nacional de Ingeniería.
Facultad de Ciencias y Sistemas.
Inteligencia Artificial.
A B = A=> B ^ B => A
Av1=1
A^1=A
Av0=A
A^0=0
A^~A=0
Ejemplos:
Convertir las siguientes proposiciones a lógica de predicados (FBF). (Sistema que describe parte
del mundo Romano).
Formas de Skolem
1. Eliminar todas las implicaciones.
Ejemplo:
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
a) Reglas de Producción
• 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).
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.
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).
(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