Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Robótica
Sistemas Sistema de
Expertos visión
Agentes
Inteligentes I.A. Sistemas de
Aprendizaje
Algoritmos Redes
Genéticos Neuronales
Lógica
Difusa
¿Qué es una Técnica de IA?
La Inteligencia necesita Conocimiento, el cual posee las siguientes
propiedades:
Es voluminoso
Es difícil de caracterizar con exactitud
Cambia constantemente
Se distingue de los datos en que se organiza de tal forma que
se corresponde con la forma en que va ha ser utilizado.
Rígidos o deterministas:
Produce la misma salida para la misma entrada No deterministas
Sistemas Basados en el Conocimiento
Difícil de depurar,
mantener y reutilizar
Permite que el
conocimiento sea
independiente de
los datos y de la
inferencia
Sistemas Basados en el Conocimiento
Componentes
Explicación componentes
Un SE debe contar con una componente de explicación
– La respuesta puede ser potencialmente dañina
– Es una forma comprensible de chequear el comportamiento
SE
Conocimientos Modelo
de dominios concretos Computable
Aprender
Modelos Modelos /
no computables que Formalización
modelicen el problema y semi-computables
su solución
Clasificación de los Formalismos
Representar Conceptos:
– Lógicas Descriptivas
– Objeto-Atributo-Valor
– Redes Semánticas
– Marcos
Representar Heurísticas
Sistemas de Producción basados en Reglas
(IF <Condición> Then <Acción>)
Lógica de Predicados de Primer Orden
• Para cada objeto existen tantas ternas como atributos se quieran representar
Animal
SC
Esqueleto SC
Esqueleto
Si Vertebrado Invertebrado No
Instancia Instancia
Tuky Nombre Perro 1 Gusano1 Nombre A
Peso Altura Peso Altura
25 50 80 20
Altura: número
Peso: número
Subclase Nombre: string Subclase
Vertebrados Invertebrados
Esqueleto: si Esqueleto: no
Nº patas: [0 ...4] Nº patas: [0 ...4]
Instancia Instancia
Perro - 1 Gusano - 1
Altura: 50 Altura: 5
Peso: 25 Peso: 3
Nombre: Tuky Nombre: A
Sistemas de Producción basados en reglas
Base de Reglas
Base de Hechos
R1: Si (Animal $A) ^ (Esqueleto $A sí)
Entonces (Vertebrado $A)
(Animal Tucky)
(Animal Piolín)
R2: Si (Animal $A) ^(Esqueleto $A no)
(Esqueleto Piolín sí)
Entonces (Invertebrado $A)
(Esqueleto Tucky sí)
(ladra Tucky)
R3: Si (Vertebrado $A) (Ladra $A)
Entonces (Perro $A)
Base de Reglas
Base de Hechos
R1: Si (Animal $A) ^ (Esqueleto $A sí)
Entonces (Vertebrado $A) (Animal Tucky)
(Animal Piolín)
R2: Si (Animal $A) ^(Esqueleto $A no) (Esqueleto Piolín sí)
Entonces (Invertebrado $A) (Esqueleto Tucky sí)
(ladra Tucky)
R3: Si (Vertebrado $A) (Ladra $A) (Vertebrado Tucky)
Entonces (Perro $A)
Estrategia de Control
Base de Reglas
Base de Hechos
R1: Si (Animal $A) ^ (Esqueleto $A sí) (Animal Tucky)
Entonces (Vertebrado $A) (Animal Piolín)
(Esqueleto Piolín sí)
R2: Si (Animal $A) ^(Esqueleto $A no) (Esqueleto Tucky sí)
Entonces (Invertebrado $A) (ladra Tucky)
(Vertebrado Tucky)
R3: Si (Vertebrado $A) (Ladra $A) (Vertebrado Piolín)
Entonces (Perro $A)
IA simbólica IA conexionista
Representación
Nivel de conocimiento
Reducción o
interpretación
Nivel simbólico
análisis
síntesis
modificación/mantenimiento
El Paradigma Simbólico: Arquitectura Craik