Bases de datos vs Bases de conocimiento

ÍNDICE

1. ANTECEDENTES 2
2. DEFINICIONES 3
3. DIFERENCIAS 3
4. APLICACIONES 4
5. CONCLUSIÓN 4
6. BIBLIOGRAFÍA 4
1. ANTECEDENTES

Las bases de datos son anteriores cronológicamente a las bases de conocimiento.

Surgieron a mediados de los años 50 y fueron una de las herramientas principales
de los ordenadores digitales. Tienen sus orígenes como extensiones de programas
Fortran que permitían acceso compartido a los datos. Entre finales de los 50 y
principios de los 60, se desarrollan métodos de acceso directo y secuencial que
estaban soportados por el sistema operativo y maduran con los sistemas operativos
de 2ª y 3ª generación. Durante este tiempo se desarrollan bases de datos
estructuradas jerárquicamente y las bases de datos de red. Por aquel entonces, no
se distinguía entre bases de datos e IA. Ted Codd, investigador de IBM, a finales de
60, desarrolló la “programación relacional” consistente en un lenguaje de
programación de propósito general que estaba basado en la teoría de conjuntos y la
lógica y que contenía la raíz de lo que sería el más extendido de los sistemas de
bases de datos hasta entonces, las bases de datos relacionales.

Las bases de datos tienen como objetivo el almacenamiento de grandes cantidades

de datos organizados siguiendo un orden (“modelo de datos”) que facilite su
recuperación, modificación y almacenamiento.

Las bases de conocimiento son de una época posterior y surgen a partir de la

investigación en IA como solución a las necesidades que las aplicaciones de la IA
planteaban. Son la evolución lógica de las bases de datos tradicionales en el intento
de plasmar los elementos de conocimiento y la manera en la que el conocimiento
debe ser utilizado. También se les trata de implantar conocimientos sobre sí
mismas, es decir, una KB debe “saber lo que sabe”.Por ejemplo, ante una pregunta
del tipo "¿Tienen todos los empleados de Microsoft un CI de más de 100?", una
base de datos tras consultar la información relacionada con la altura de los
empleados de esta empresa, daría una respuesta afirmativa o negativa,
independientemente de que tenga o no la información correspondiente a estos
trabajadores; en cambio, una KB respondería "sí", "no" o "no lo sé", en el caso de
que le faltase información relativa a la altura sobre alguno de los empleados o de
que no tuviese información sobre "todos" los empleados.

El problema de la “información faltante” ha sido el objeto de investigación en el

campo de las bases de datos relacionales, aunque sin ningún éxito aparente en
cuanto a su tratamiento.

Ambos sistemas disponen de sus gestores correspondientes para simplificar al

administrador las tareas comunes de mantenimiento: DBMS y KBMS. En este
aspecto también hallamos diferenciales, los DBMSs de hoy en día están
estandarizados ofreciendo una cantidad de características y metodologías comunes
que facilitan la comunicación entre diversos tipos y productos comerciales. La
comercialización de los KBMSs no tiene ningún estándar debido a que son
anecdóticas.
La autonomía de los sistemas basados en el conocimiento, que históricamente no
permitían la integración de información por aplicaciones externas. En contraste, las
bases de datos facilitan la conectividad y reutilización de datos, evitando la
dependencia exclusiva de un sistema particular. La elección de bases de datos para
almacenar información léxica se basa en su capacidad para adaptarse a
necesidades cambiantes y evitar posibles limitaciones de los sistemas de
conocimiento.

2. DEFINICIONES

Bases de datos: Una base de datos es una recopilación de datos sistemática y

almacenada electrónicamente. Puede contener cualquier tipo de datos, incluidos
palabras, números, imágenes, vídeos y archivos. Puede usar un software
denominado sistema de administración de bases de datos (DBMS) para almacenar,
recuperar y editar datos.

Bases de conocimientos: Una base de conocimiento es un conjunto organizado y

estructurado de información que se utiliza para almacenar, gestionar y acceder a
conocimientos específicos en un determinado dominio o campo. En el ámbito de la
tecnología de la información, las bases de conocimiento son herramientas
fundamentales para recopilar, organizar y compartir información relevante. Estas
bases pueden ser utilizadas en diversos contextos, como soporte técnico, atención
al cliente, gestión de proyectos, educación y más

3. CARACTERÍSTICAS Y DIFERENCIAS

Hoy en día, todos los conceptos relacionados con las bases de datos están
definidos de forma más clara y formal que las bases de conocimiento. La tecnología
de gestión de bases de datos se encuentra en una etapa muy madura. Durante los
últimos 30 años, las bases de datos han evolucionado desde simples sistemas de
archivos hasta sistemas que gestionan estructuras de datos complejas y
proporcionan una variedad de funciones. Los principales propósitos del DBMS son:
Independencia de datos lógica y física: esto significa la capacidad de cambiar la
definición del esquema en un nivel de la arquitectura sin afectar los niveles
inmediatamente superiores. Para ello, los elementos externos del esquema externo
no deben ser idénticos a los elementos correspondientes del esquema conceptual.

1. Redundancia mínima: el desafío es utilizar la base de datos como un almacén de

datos compartido para varias aplicaciones.

2. Acceso simultáneo de varios usuarios: control paralelo mediante bloqueo o cierre

de métodos para los datos disponibles.
3. Distribución espacial de los datos: La independencia lógica y física promueve la
posibilidad de sistemas de bases de datos distribuidos. Los datos pueden estar en
otra habitación, otro edificio o incluso otro país. Los usuarios no tienen que
preocuparse por la ubicación espacial de los datos a los que acceden.

4. Integridad de los datos: se refiere a las medidas de seguridad que evitan el

ingreso incorrecto de datos. Esto puede suceder por razones físicas (fallo de
hardware, actualización incompleta debido a razones externas) y operativas
(entrada de datos inconsistente).

5. Consultas complejas optimizadas: la optimización de consultas garantiza una

ejecución de consultas más rápida.

6. Seguridad de acceso y auditoría: se refiere a los derechos de individuos y

organizaciones a acceder a los datos de una base de datos. Una pista de auditoría
proporciona control de acceso a la base de datos para determinar cuándo y quién
realizó ciertos cambios.

7. Copia de seguridad y recuperación: se refiere a la función de restaurar el estado

del sistema de base de datos al punto anterior a la pérdida de datos.

8. Acceso al lenguaje de programación estándar: se refiere al acceso a datos en una

base de datos a través de un lenguaje de programación distinto al sistema de base
de datos mencionado anteriormente. Una base de datos típica conlleva la existencia
de tres tipos de usuario con relación a su diseño, desarrollo y uso:

1. El administrador de bases de datos (DBA: Database Administrator): diseña y

mantiene la DB.

2. El desarrollador de aplicaciones (programador): implementa las transacciones e

interfaces.

3. Los usuarios finales: consultan y editan los datos de la DB mediante un lenguaje

de consulta de alto nivel.

No cabe duda de que la parte más importante es la llevada a cabo por el DBA. A él
le corresponde la elección de un determinado modelo de datos y el diseño de la DB.
La fase de diseño es la más importante. Esto se debe a que el significado de la
información contenida en la base de datos se expresa en el llamado sistema
conceptual. Cubriremos este tema cuando estudiemos el modelado de datos.

En general, podemos decir que el propósito de una base de datos es doble:

1. Responder a consultas sobre los datos que contiene.

2. Ejecutar transacciones.

Las preguntas se expresan como expresiones lógicas de objetos y relaciones

definidas en un sistema conceptual. El resultado es la definición de un subconjunto
lógico de la base de datos. Una transacción consta de múltiples solicitudes al
esquema interno y operaciones de cambio o actualización. Las transacciones son,
por definición, atómicas. Todos los pasos de una transacción deben ejecutarse
correctamente y validarse como condición para la operación general. En caso
contrario deberá ser invalidado. Para realizar estas tareas, los DBA cuentan con la
herramienta de base de datos más importante: un sistema de gestión de bases de
datos (DBMS). Realiza todas las operaciones con los datos (consultas y
transacciones), lo que permite al DBA centrarse en los aspectos conceptuales de
diseño, desarrollo y mantenimiento en lugar de preocuparse por cómo se almacenan
físicamente los datos. Un DBMS típico combina los siguientes componentes:

• Un lenguaje de definición de datos (DDL: Data Definition Language).

• Un lenguaje de manipulación de datos (DML: Data Manipulation Language)

• Un lenguaje de consulta (QL: Query Language).

• De forma accesoria, pero ya casi obligada, los DBMS modernos añaden un interfaz
de usuario gráfico (GUI: Graphical User Interface).

• Consultas mediante ejemplo (posiblemente gráficas) ((G)QBE: (Graphical) Query

By Example)

El texto aborda la evolución y características de las bases de datos, comparándolas

con las bases de conocimiento, y destaca los objetivos principales de un Sistema de
Gestión de Bases de Datos (DBMS). Además, se presenta la estructura típica de
una base de datos y la importancia del rol del Administrador de Bases de Datos
(DBA) en su diseño y mantenimiento. También se menciona el propósito dual de las
bases de datos: responder a consultas sobre los datos y ejecutar transacciones. Se
resalta la importancia de la independencia lógica y física de los datos, la reducción
de redundancia, el acceso concurrente por múltiples usuarios, la distribución
espacial de datos, la integridad de datos, la optimización de consultas, la seguridad
de acceso y auditoría, el respaldo y recuperación, y el acceso a través de lenguajes
de programación estándar como objetivos clave de un DBMS.

El texto clasifica a los usuarios en tres categorías: el administrador de bases de

datos, el desarrollador de aplicaciones y los usuarios finales. Se destaca la
responsabilidad del DBA en la elección del modelo de datos y el diseño de la base
de datos, resaltando la importancia de la etapa de diseño y el esquema conceptual.
El propósito fundamental de una base de datos se desglosa en la capacidad de
responder a consultas sobre los datos y ejecutar transacciones. Se explica que una
consulta se formula como una expresión lógica sobre los objetos y relaciones en el
esquema conceptual, mientras que una transacción involucra consultas y
operaciones de modificación sobre un subesquema. Se subraya la naturaleza
atómica de las transacciones, donde todos los pasos deben ejecutarse y
confirmarse antes de completar la transacción.

Se introduce el papel crucial del Sistema Gestor de Bases de Datos (DBMS) como
la herramienta principal para realizar operaciones con los datos, permitiendo al DBA
centrarse en aspectos conceptuales en lugar de preocuparse por la ubicación física
de los datos. Se describen los componentes típicos de un DBMS, incluyendo
lenguajes de definición de datos, manipulación de datos, consulta y, en algunos
casos, interfaces gráficas.

Se mencionan estándares de consulta como SQL para bases de datos relacionales

y OQL para bases de datos orientadas a objetos, así como la posibilidad de acceso
a través de lenguajes de programación de propósito general. Se aborda la
representación de información léxica y los problemas asociados con las bases de
datos tradicionales al almacenar información compleja. Se concluye mencionando la
necesidad de prestar mayor atención al diseño lógico de las bases de datos,
influenciado por la investigación en Inteligencia Artificial (IA), a medida que las
bases de datos se utilizan para tareas más allá de almacenar datos empresariales,
como evidencia de una fase de evolución más allá de las dificultades técnicas
iniciales.

En cuanto a las bases de conocimiento, no hay un estándar definido. Se espera que

un Sistema de Gestión de Base de Conocimiento (KBMS, por sus siglas en inglés)
ofrece dos funciones principales:

1. Mecanismos de razonamiento: Capacidad para deducir conclusiones lógicas a

partir de la información y reglas almacenadas en la base de conocimiento.
2. Mecanismos de explicación: Permiten al usuario comprender cómo se llegó a una
conclusión y obtener justificaciones.

Aunque no hay arquitecturas genéricas estándar para los KBMS, se pueden

categorizar según su funcionalidad en diferentes aplicaciones de IA:
1. Sistemas expertos: Utilizados para resolver problemas complejos en dominios
específicos como medicina o aeronáutica, requieren una gran cantidad de
conocimiento experto.
2. Sistemas de procesamiento de lenguaje natural: Se enfocan en la interacción
hombre-máquina a través del lenguaje natural, como los interfaces de lenguaje
natural (NLI).
3. Sistemas de visión robótica: Utilizados para reconocimiento de patrones en
imágenes y visión artificial.
4. Entornos de desarrollo: Herramientas utilizadas para crear y desarrollar sistemas
de IA.

Los sistemas expertos son particularmente importantes y exitosos en IA, ya que

pueden manejar temas complejos y ofrecer soluciones confiables y prácticas. La
comunicación con estos sistemas se ha mejorado mediante interfaces de lenguaje
natural, que pueden construirse para interactuar con KBMS específicos o para
implementar sistemas de NLP basados en el conocimiento.

Para que un programa pueda considerarse un Interface de Lenguaje Natural (NLI),

debe cumplir dos condiciones:

1. Utilizar lenguaje natural en parte del input o el output del sistema.

2. Basar el procesamiento del input en conocimientos sintácticos, semánticos y/o
pragmáticos.

Los tres enfoques mencionados para el uso del lenguaje natural en IA reflejan
diferentes etapas de investigación. Inicialmente, se buscaba un análisis simplista del
lenguaje, pero ante su complejidad, se reconoció la necesidad de estudiar el
lenguaje humano en profundidad para usarlo eficazmente en la interacción
hombre-máquina. Esto condujo al reconocimiento de que un sistema KBMS para
NLI debe integrar varios tipos de conocimiento:

1. Conocimiento lingüístico: Relativo a la gramática, la sintaxis y otros aspectos del

lenguaje natural.
2. Conocimiento conceptual: Referente a los conceptos y significados expresados
en el lenguaje.
3. Conocimiento inferencial: Relacionado con la capacidad de deducir conclusiones
lógicas a partir de la información.
4. Conocimiento del usuario: Información sobre las preferencias, necesidades y
características del usuario para mejorar la interacción.

En el ámbito de la Inteligencia Artificial, se identifican algunas características clave

que una Base de Conocimiento (KB) necesita para el procesamiento del lenguaje
natural:
1. Representación de conocimiento: La KB debe contar con un esquema híbrido que
incluya subesquemas basados en marcos, hechos de la base de datos y reglas de
deducción. Estos esquemas contienen unidades de conocimiento que se agregan a
una fuente de conocimiento más amplia (lingüística, conceptual, etc.), que luego se
integra en la base de conocimiento global.

2. Organización del conocimiento: Para un sistema basado en Interfaz de Lenguaje

Natural (NLI), la KB debe organizar al menos dos bases de conocimiento: la KB del
lenguaje natural (NL KB) y la KB a la que el NLI brinda acceso. La NLKB se
organiza distinguiendo entre conocimiento de entorno, conocimiento específico de
trabajo y conocimiento específico de diálogo.

3. Entorno de integración: El KB debe proporcionar un entorno que permita la

entrada de datos para las distintas KBs. La adquisición de conocimiento puede
realizarse mediante el NLI una vez que se haya construido parcialmente.
Idealmente, la creación de la base de conocimiento de lenguaje natural requiere la
colaboración de expertos en lingüística y IA.

Las diferencias entre las bases de datos y las bases de conocimiento son
significativas en términos de descripción detallada. Las bases de datos son sistemas
bien establecidos con reglas claras sobre lo que pueden o no pueden hacer y cómo
hacerlo. Por otro lado, el trabajo en bases de conocimiento está en una etapa inicial
y generalmente se enfoca en sistemas específicos para necesidades particulares.
La literatura sobre bases de conocimiento aún está en desarrollo, con diferentes
enfoques y definiciones. A pesar de esto, se continúa trabajando en establecer las
bases de lo que estos sistemas serán capaces de lograr.

4. APLICACIONES

Tanto las bases de datos como las bases de conocimientos tienen muchas
aplicaciones en la vida cotidiana.

Algunos ejemplos de bases de datos son:

Archivos personales. El conjunto de los escritos de vida de un autor, investigador o

intelectual a menudo son preservados en un archivo, que se organiza en base a la
preservación y reproducción de los originales, permitiendo su consulta sin poner en
riesgo el documento original.

Bibliotecas públicas. El perfecto ejemplo de bases de datos, pues contienen miles o

cientos de miles de registros pertenecientes a cada título de libro disponible para su
préstamo, ya sea en sala o circulante, y del que puede haber más de un mismo
ejemplar en el depósito.

Registros de transacciones. Las operaciones realizadas con una tarjeta de crédito,

así como las llamadas realizadas con un celular, u otro tipo de transacciones
comerciales cotidianas, generan todas un conjunto de registros que van a dar a una
base de datos de la empresa.

Historial médico. Cada vez que acudimos al doctor o a un hospital, se actualiza la

información respecto a nuestra salud, al tratamiento recibido y demás detalles
médicos en un archivo que lleva registro de nuestra historia médica, en caso de que
a futuro se requiere conocer datos específicos, como operaciones o tratamientos
recibidos.

Las bases de conocimiento se utilizan en una variedad de aplicaciones en diversos

campos. Aquí hay algunas aplicaciones comunes de las bases de conocimiento:

1. Sistemas de Gestión de Bases de Datos (SGBD): Las bases de conocimiento son

esenciales para almacenar y organizar información de manera estructurada. Los
SGBD utilizan bases de conocimiento para gestionar grandes cantidades de datos
de manera eficiente.

2. Sistemas Expertos: Se utilizan en inteligencia artificial para emular el

razonamiento humano en áreas específicas. Los sistemas expertos utilizan una
base de conocimientos para almacenar información experta y reglas lógicas que
guían la toma de decisiones.

3. Asistentes Virtuales y Chatbots: Las bases de conocimiento son fundamentales

para brindar respuestas coherentes y relevantes a las consultas de los usuarios. Los
asistentes virtuales y chatbots utilizan bases de conocimiento para comprender y
responder preguntas.

4. Gestión del Conocimiento Empresarial: Las organizaciones utilizan bases de

conocimiento para almacenar y compartir información interna. Facilitan la
colaboración, la toma de decisiones y la resolución de problemas dentro de la
empresa.

5. Sistemas de Recomendación: Las plataformas de recomendación, como las

utilizadas por servicios de transmisión de contenido y tiendas en línea, utilizan bases
de conocimiento para analizar el historial y las preferencias de los usuarios y ofrecer
recomendaciones personalizadas.
6. Educación y Entrenamiento: Las bases de conocimiento se utilizan para
almacenar material educativo, preguntas frecuentes, y otros recursos de
aprendizaje. También son fundamentales en sistemas de tutoría inteligente.

7. Diagnóstico Médico: En el campo de la medicina, las bases de conocimiento se

utilizan en sistemas de apoyo al diagnóstico para analizar síntomas, historiales
médicos y datos clínicos con el fin de sugerir posibles diagnósticos.

8. Automatización de Procesos Empresariales: Las bases de conocimiento son

esenciales en la automatización de procesos empresariales al proporcionar
información estructurada que permite a los sistemas tomar decisiones y realizar
tareas de manera autónoma.

9. Sistemas de Información Geográfica (SIG): En aplicaciones cartográficas y de

geolocalización, las bases de conocimiento ayudan a almacenar datos espaciales y
atributos asociados, permitiendo análisis y visualización de información geoespacial.

10. Análisis de Datos: En campos como la ciencia de datos, las bases de

conocimiento son utilizadas para almacenar y estructurar datos, facilitando análisis,
minería de datos y generación de informes.

Estas son solo algunas de las muchas aplicaciones de las bases de conocimiento
en diferentes campos, y la tecnología continúa evolucionando para aprovechar su
potencial en diversas áreas.

5. CONCLUSIÓN

En conclusión, las bases de datos y las bases de conocimientos son dos

herramientas fundamentales en el ámbito de la gestión de la información. Mientras
que las bases de datos están diseñadas principalmente para almacenar, organizar y
recuperar datos de manera eficiente, las bases de conocimientos van más allá al
incorporar la interpretación y relación de la información para generar un
entendimiento más profundo.

Las bases de datos son cruciales para aplicaciones que requieren una gestión
estructurada de datos, como sistemas de gestión empresarial, registros médicos o
plataformas de comercio electrónico. Por otro lado, las bases de conocimientos son
esenciales en contextos donde se busca no solo almacenar datos, sino también
capturar el conocimiento implícito, permitiendo la inferencia y la toma de decisiones
más avanzadas.
Ambas herramientas son complementarias y, en muchos casos, se integran para
potenciar la capacidad de las organizaciones para gestionar tanto la información
como el conocimiento. En un mundo cada vez más interconectado, el acceso rápido
y preciso a datos y conocimientos es esencial para impulsar la innovación, la toma
de decisiones informada y el progreso en diversos campos.

6. BIBLIOGRAFÍA

https://chat.openai.com/?model=text-davinci-002-render-sha

https://concepto.de/base-de-datos/#ixzz8QrGLhjoa

http://elies.rediris.es/elies.html

https://expedientescorp.blogspot.com/

https://www.epitech-it.es/base-de-datos/

https://aws.amazon.com/es/what-is/database/#:~:text=Una%20base%20
de%20datos%20es,almacenar%2C%20recuperar%20y%20editar%20da
tos.
Anexo I. Grupos MongoDB

Hugo Velasco Moreno - hvelascomoreno@gmail.com

Samuel Santamaría Calleja - samusaca2004@gmail.com
Paloma Vergara Unzurrunzaga - palverunz@gmail.com
Enrique López Peris - enriquelperis@gmail.com
Jorge García Hernández - pirri14gh@gmail.com
Sebastián Urbán Santos - sebas07012001.us@outlook.es