1

INFORME 3 PROGRAMACION DE SISTEMAS INTELIGENTES

Miguel Andrés Galeano Delgado

Jaiden Cortés Rodríguez
José Iván Martínez Saavedra
Kevin Mauricio Ceballos Mora

Universidad Del Tolima.

Ingeniería de Sistemas
Programación De Sistemas Inteligentes
 2

Tabla de contenido

Introducción:................................................................................................................................3

Representación del conocimiento:...............................................................................................4

Características de la Representación de Conocimiento:..............................................................5

Adquisición del conocimiento:....................................................................................................6

Construcción de la Base de Conocimiento:.................................................................................6

Agentes basados en conocimiento:..............................................................................................6

Estructura de los agentes basados en conocimiento:...................................................................7

Funcionamiento básico de los agentes basados en conocimiento:..............................................8

Aprendizaje en agentes basados en conocimiento:......................................................................9

Representación del conocimiento en lógica:.............................................................................10

Lógica:.......................................................................................................................................11

Conclusión:................................................................................................................................12

WEBGRAFIA:..........................................................................................................................13
 3

Introducción:

El presente informe que se apreciara a continuación se hizo en base a una indagación y

recolección de información sobre la representación del conocimiento y sus diferentes

características, pues es necesario saber como se puede representar el conocimiento mediante la

lógica y así aplicarla a la computación inteligente.

La información aquí recolectada sirve como una base para poder afianzar las habilidades de

análisis de problemas y poder representarlos y darles solución haciendo uso de la inteligencia

artificial, pues podremos entender mas a fondo como funciona el mecanismo de solución de las

tecnologías inteligentes.
 4

Representación del conocimiento:

La representación del conocimiento y el razonamiento es un área de la inteligencia artificial

que tiene como objetivo fundamental representar el conocimiento de una manera que facilite la

inferencia. Esto es, sacar conclusiones a partir de dicho conocimiento.

Esta noción se puede entender mejor en términos de los cinco posibles roles que desempeña,

todos ellos cruciales para el objetivo de comprender qué es una representación del conocimiento:

Una representación del conocimiento es fundamentalmente un sustituto, un reemplazo de la

cosa misma, utilizado para permitir a una entidad determinar consecuencias pensando en lugar de

actuar, es decir, razonando sobre el mundo en lugar de actuando en él.

Es un conjunto de compromisos ontológicos, es decir, una respuesta a la pregunta: ¿en qué

términos debo pensar sobre el mundo?

Es una teoría parcial del razonamiento inteligente, expresada en términos de tres componentes:

la concepción fundamental de la representación del razonamiento inteligente;

el conjunto de inferencias que la representación establece; y

el conjunto de inferencias que recomienda.

Es un medio para la computación pragmáticamente eficiente, es decir, el entorno

computacional en el que se realiza el pensamiento. Una contribución a esta eficiencia pragmática

es la que aporta la orientación que proporciona una representación para organizar la información

a fin de facilitar la realización de las inferencias recomendadas.

Es un medio de expresión humana, es decir, una lengua en la que decimos cosas sobre el

mundo.
 5

Características de la Representación de Conocimiento:

Una buena representación del conocimiento cubre seis características básicas:

1. Cobertura: significa que la representación del conocimiento cubre la información a lo ancho

y en lo profundo. Sin una cobertura amplia, la representación del conocimiento no puede

determinar nada ni resolver ambigüedades.

2. Ser comprensible por humanos. La representación del conocimiento es aceptada como un

lenguaje natural, por lo que la lógica debería fluir de manera libre. Debería estar en condiciones

de soportar la modularidad y jerarquía de clases (Ejemplo, los osos polares son osos, que,

primero, son animales).

3. Consistencia. Si Pedro cerró la puerta, el acto también puede ser interpretado como que la

puerta fue cerrada por Pedro. Si es consistente, la representación del conocimiento puede eliminar

el conocimiento tanto redundante como conflictivo.

4. Eficiencia

5. Facilidad de modificación y actualización

6. Soporte de la actividad inteligente que usa la base de conocimiento

Para entender mejor por qué estas seis características conforman una buena representación del

conocimiento, hay que pensarlo como una enciclopedia. Tomemos con ejemplo Wikipedia: está

estructurada, hay millones de artículos (cobertura) organizados en categorías, tipos de contenido

y temas similares (comprensible por humanos), redirecciona diferentes títulos, pero con el mismo

contenido al mismo artículo (consistencia), es eficiente, se pueden añadir o actualizar páginas

fácilmente y permite a los usuarios consultar la base de conocimiento en sus teléfonos u

ordenadores de escritorio.
 6

Adquisición del conocimiento:

Se llama adquisición de conocimiento al proceso de, por un lado, agregar nuevos saberes a

una base de conocimiento y por otro lado, refinar o mejorar el conocimiento adquirido

previamente. A la adquisición de conocimiento, se la suele asociar con algún propósito, por caso,

ampliar las capacidades de un sistema o mejorar su rendimiento en alguna tarea específica. La

adquisición de conocimiento, también es creación orientada a objetivos y refinamiento del

conocimiento. Puede consistir en hechos, reglas, conceptos, procedimientos, fórmulas, relaciones,

estadísticas u otra información útil.

Construcción de la Base de Conocimiento:

El conocimiento es una comprensión teórica o práctica de una materia o un dominio. También

la suma de lo que se conoce actualmente se denomina conocimiento y tenerlo, es tener poder.

Aquellos que poseen conocimiento se llaman expertos. Cualquiera que tenga un conocimiento

profundo (tanto de hechos como de reglas) y una sólida experiencia práctica en un dominio en

particular, puede ser considerado un experto. Su área de dominio también puede ser limitada. En

general, se describe a un experto como una persona hábil que está capacitado para hacer cosas

que otras personas no pueden.

Agentes basados en conocimiento:

Es posible diseñar agentes inteligentes bastante complejos usando múltiples técnicas del tipo

de búsqueda de soluciones, redes neuronales artificiales o cualquier otra técnica en el

arsenal de la Inteligencia Artificial moderna.

 7

Pero estos agentes estarán limitados siempre en el sentido de que no entienden lo que sucede ni lo

que ellos mismos hacen. Se limitan a ejecutar acciones en base a algoritmos o mecanismos que se

han creado para tratar de responder lo mejor posible (con mínimo coste) al tipo de situaciones a

las que se enfrentará el agente.

En situaciones con entornos difíciles el tipo de agente inteligente que incorpora un arsenal de

recetas va a tener problemas si el entorno se vuelve caprichoso y debe enfrentarse a situaciones

no previstas.

Por ejemplo, podemos enseñar a un automóvil autónomo a reconocer todas las señales de tráfico

existentes, pero siempre puede aparecer un artista que se dedique a modificar señales de

tráfico y en estas condiciones de entorno errático nuestro pobre automóvil autónomo no va a

saber qué sucede ni qué debe hacer.

Estructura de los agentes basados en conocimiento:

No sabemos cómo se representa el conocimiento ni cómo se desarrollan los procesos de

razonamiento en el cerebro humano. Pero sí que tenemos ideas de índole abstracta cómo debe

funcionar una combinación de conocimiento y razonamiento, las Matemáticas son un ejemplo de

ello.

En estas condiciones, un agente basado en conocimiento va a tener los siguientes componentes:

Lenguaje que nos permita representar el conocimiento

 8

Almacén de conocimiento compuesto por un conjunto de afirmaciones o sentencias,

expresadas en el lenguaje usado para representar el conocimiento

Un sistema de inferencia, compuesto por mecanismos que nos permitan deducir nuevas

sentencias a partir de las ya conocidas usando lógica de proposiciones

Un mecanismo estándar para añadir sentencias al almacén de conocimiento

Otro mecanismo estándar para interrogar al almacén de conocimiento

El componente fundamental de un agente basado en conocimiento es su almacén de

conocimiento, que puede serle dado inicialmente con un conjunto sencillo de sentencias y que el

agente deberá hacer crecer en base a lo que percibe del entorno y a su sistema de inferencia.

Funcionamiento básico de los agentes basados en conocimiento:

Los modelos vistos para programación de agentes inteligentes son compatibles con la idea

de agente basado en conocimiento. La diferencia de un agente basado en conocimiento con otros

agentes basados en algoritmos está en la forma en la que deciden qué acción deben tomar en cada

estado percibido del entorno.

En un agente basado en conocimiento, el proceso de elegir una acción se desarrolla en varias

etapas:

El agente obtiene el estado del entorno y lo codifica en forma de una o varias sentencias

El conocimiento sobre el estado del entorno se añade al almacén de conocimiento

Se interroga al almacén de conocimiento sobre la mejor acción posible, dado el estado del

entorno que se acaba de añadir al almacén de conocimiento

 9

El agente toma una decisión sobre la acción a tomar y la incorpora al almacén de

conocimiento en forma de sentencia

Un agente basado en conocimiento va a estar en condiciones de justificar de forma lógica sus

acciones, cosa que no sucede con agentes basados en algoritmos.

Aprendizaje en agentes basados en conocimiento:

En general, la capacidad de aprendizaje se puede incorporar a cualquier agente inteligente.

En el caso de los agentes basados en conocimiento también es posible y además resulta más

sencillo por la naturaleza del almacén de conocimiento. Por un lado, tiene capacidad innata para

adquirir nuevos conocimientos pero además es capaz de adquirir conocimientos por sí solo,

usando su sistema de inferencia.

De esta forma, por ejemplo, un agente que tome una decisión equivocada en un momento dado y

sea capaz de observar las consecuencias sobre el entorno de su acción, debería poder inferir

que su acción ha sido la causante de la situación actual del entorno y añadir ese conocimiento a

su base de conocimiento para no volver a repetir el error.

 10

Representación del conocimiento en lógica:

En principio, un lenguaje de representación del conocimiento consta de dos aspectos básicos:

Sintaxis: que explica cómo es la forma en que se construyen las oraciones como combinación

de estructuras más sencillas (por ejemplo, las palabras en un lenguaje natural). Así podemos decir

que la oración Un bueno será jefe justo está sintácticamente mal construida, debido a los signos o

elementos de esta oración están mal ordenados.

Semántica: que explica la correspondencia entre los elementos o signos que componen un

lenguaje y los objetos que representan. Por ejemplo, podemos decir que la palabra juez designa a

una persona que imparte justicia.

Podríamos hacer una analogía entre forma y contenido respectivamente.

Y a partir de aquí podemos definir el concepto de inferencia como el proceso que lleva de

unas premisas a una conclusión, y que en principio puede ser válida o no.

Pero, ¿qué entendemos por validez, o por una oración válida? Se dice que una oración es

válida si y sólo si es verdadera en todos y cada uno de los casos posibles, independientemente del

objeto que representen.

Así también se suele hablar de validez formal o de que un razonamiento es formalmente

válido cuando dadas una premisa necesariamente se obtiene una conclusión concreta. A estas

oraciones que son necesariamente verdaderas se les conoce con el nombre de tautologías.

Por ejemplo, si decimos que Todos los perros ladran y que Pipo es un perro, de esto podré

concluir que Pipo ladra.

 11

Lógica:

Podemos distinguir dos tipos dentro de lo que se llama lógica clásica (aquella que la

conclusión, si es verdadera lo es con certeza, es decir, sin ningún grado de probabilidad, mientras

que hay otros tipos de lógicas no clásicas, como puede ser la lógica difusa -o Fuzzy Logic en el

que una conclusión sólo es verdadera con un cierto grado de certeza)

Lógica propositiva o lógica de enunciados cuando los signos que manejamos son

proposiciones completas (por ejemplo, a podría significar el perro de Juan es negro, y usaremos

símbolos llamados conectores para hacer oraciones más complejas, como por ejemplo el perro de

Juan es negro y no lleva correa.

Lógica de predicados de primer orden, en el que manejamos objetos y predicados sobre

objetos, así como propiedades (hermano de, padre de), cuantificadores (algunos, todos, ningún) y

conectores.

Lógica de predicados de orden superior en el que podemos hacer inferencias sobre la lógica, es

decir, tener un conocimiento que podríamos llamar meta lógico.

Lógicas multivaluadas, en las que tratamos con varios valores de verdad, como por ejemplo

las trivaluadas de Kleen y de Lukasiewicz donde se introduce el valor 1/2 para las proposiciones

cuyo valor de verdad es indeterminado (por ejemplo, las proposiciones futuras).

Éstas serán las herramientas de que dispondremos para representar el conocimiento. Así que

vamos a ver cómo construir una base de conocimientos en base al lenguaje utilizado para

representar los conceptos. En principio elegiremos la lógica de predicados como un buen

lenguaje para hacerlo.

 12

Conclusión:

Hemos argumentado que la representación del conocimiento es la forma que tiene la rama de

la inteligencia artificial para representar el conocimiento y ayudar a que las maquinas tomen

decisiones tomando como referencia unos conocimientos o información previa;

Dicha representación del conocimiento desempeña cinco roles distintos, cada uno importante

para la naturaleza de la representación y sus tareas básicas. Esos roles crean demandas múltiples,

a veces en competencia, que requieren un equilibrio selectivo e inteligente entre las

características deseadas. Esas cinco funciones también ayudan a caracterizar claramente el

espíritu de las representaciones y tecnologías de representación que se han desarrollado.

 13

WEBGRAFIA:

Journalismcourses, Representación del conocimiento, (S.F), Tomado de:

https://journalismcourses.org/wp-content/uploads/2020/07/Nota-m1-5.pdf

Fernando Sancho Caparrini, Representación del conocimiento, (21/09/2019), Tomado de:

http://www.cs.us.es/~fsancho/?e=172

Revolución IA, Fernando P, Fundamentos, Agentes basados en conocimiento, (29/01/2018),

Tomado de:

https://www.revolucionia.com/2018/01/Agentes_basados_en_conocimiento.htm

l#:~:text=Un%20agente%20basado%20en%20conocimiento,combinaci%C3%B3n

%20de%20conocimiento%20y%20razonamiento.&text=No%20sabemos%20c

%C3%B3mo%20se%20representa,razonamiento%20en%20el%20cerebro

%20humano.

Nebrija.es, Anónimo, Representación del conocimiento mediante lógica formal, (S.F),

Tomado de:

https://www.nebrija.es/~cmalagon/ia/transparencias/representacion_del_conoci

miento_prolog.pdf