1.3. Análisis y representación del conocimiento

Anuncio
1.3. Análisis y representación
del conocimiento
M.C. Ana Cristina Palacios García
Introducción (1)

Exploraremos algunas técnicas usadas para representar el conocimiento de un
dominio de la realidad en la computadora.

El conocimiento desempeña una papel fundamental en las aplicaciones de la
IA, y su representación sigue siendo un campo de continuo interés por parte
de los investigadores de esta área.

En principio es necesario conocer los distintos tipos de conocimiento
existentes en la naturaleza para posteriormente determinar qué tipo de
representación usar.

El tema de representación de conocimiento se considera crucial en los
sistemas inteligentes, mismos que trabajan con heurísticas.
Introducción (2)
Definiciones de conocimiento según la IA

“Hecho o situación de conocer con familiaridad a través de la experiencia y
de la asociación”.


Los seres vivos adquieren conocimiento del mundo que les rodea a través de la
experiencia, mediante los sentidos.
“Ser conscientes de algo”.

Cuando soy consciente, sé, conozco, intuyo o deduzco.

Exige un grado de abstracción mayor y por lo cual es más complejo representarlo
en una máquina.
Introducción (3)
¿Es posible saber cómo almacena información nuestro cerebro?

Podemos almacenarlo en una computadora, pero ¿almacenamos la
información de la misma manera?, ¿está esa información disponible en
cualquier momento ?

Lo único que sí sabemos es que dependiendo de la forma en cómo se
represente el conocimiento se va a facilitar o dificultar su acceso
Base de conocimiento (1)

Generalmente es un depósito de la información que poseemos sobre unos
objetos y sus relaciones, dentro de un dominio específico del mundo real.

El conocimiento almacenado en una base de conocimientos es generalmente
de distintos tipos, y por tanto admiten diversas formalizaciones para su
representación y manipulación.

Al proceso de representar el conocimiento sobre un dominio particular y
convertirlo en una base de conocimientos, junto con los procesos que
permiten su manipulación y transformación se conoce como Ingeniería del
Conocimiento.
Base de conocimiento (2)

La adquisición del conocimiento es esencial en el diseño de sistemas inteligentes pero
tiene como inconveniente que es una tarea ardua y costosa en tiempo.

Debido a la gran cantidad de inconvenientes que se generan al intentar obtener una
base de conocimientos, es decir, problemas técnicos, inclusive problemas con los
operadores expertos que ven peligrar su trabajo al compartir el conocimiento que
adquirieron por años de experiencia.

Hay dos grandes aproximaciones para abordar la representación del conocimiento:

Simbólica

No simbólica
Procesamiento simbólico

Se inspira en la lógica matemática.

Generalmente, los símbolos son números o cadenas de caracteres que representan
objetos del mundo real o ideas.

En este contexto, los problemas se representan como una colección de símbolos y se
desarrollan algoritmos apropiados para procesar estos símbolos.

Algunas técnicas empleadas para manipular símbolos son por ejemplo: las técnicas de
razonamiento, basadas en reglas; o las redes de conocimiento que se pueden utilizar
para establecer nuevas relaciones.

Este procesamiento simbólico representa un nivel alto de proceso cognitivo.

Corresponde al pensamiento consciente, don de el conocimiento se
explícitamente, y el mismo conocimiento puede ser manipulado y examinado.
representa
Aproximación no simbólica (1)

Es otra perspectiva para modelar la inteligencia del cerebro.

Conocido como paradigma conexionista, ya que emplea más comúnmente
redes neuronales.

Tiene que ver menos con la computación simbólica y más con la inteligencia
natural o humana.

Los seres humanos tenemos redes neuronales en nuestro cerebro:

Se forman por muchas neuronas que están conectadas entre si por sinapsis
adaptativas que actúan como sistemas de conexión entre neuronas.
Aproximación no simbólica (2)
Aproximación no simbólica (3)

Las redes neuronales humanas se basan en el alto grado de paralelismo de
nuestra arquitectura cerebral.


Las neuronas procesan información no manipulando símbolos sino procesando una
gran cantidad de datos de forma paralela.
Las redes neuronales artificiales

Se forman por unidades de procesamiento que emulan las operaciones básicas de
una neurona real para construir estructuras de red que permiten resolver con gran
eficiencia problemas de clasificación, identificación, prediccón, etc .

Las redes neuronales pueden aprender algo para lo cual requieren de
entrenamiento.
Representación del conocimiento


La forma más rápida para representar el conocimiento de forma adecuada
para ser tratado computacionalmente es a través de símbolos.

Símbolo: número o cadena de caracteres que representan un objeto o idea.

Requiere del uso de sistemas para convertir de un nivel superior a otros inferiores
el conocimiento para su comprensión.
Las representaciones matemáticas y lógicas han sido dos de las primeras
formas de representación del lenguaje.


La lógica es una primera aproximación a la representación del conocimiento.
Por otro lado, hay distintos tipos de conocimiento que se puede querer
representar: desde hechos simples hasta relaciones complejas, fórmulas
matemáticas o reglas que siguen la sintaxis del lenguaje natural.
Referencia

Gonzalo
Pajares
Martinsanz
y
Matilde
Santos
Peñas
(2006).
Inteligencia artificial e ingeniería del conocimiento. México D.F: Alfaomega
Ra-MA. Capítulo 3.
Descargar
Colecciones de estudio