Universidad Autnoma del Estado de Mxico Centro Universitario

  • Slides: 51
Download presentation
Universidad Autónoma del Estado de México Centro Universitario UAEM Valle de México Ingeniería en

Universidad Autónoma del Estado de México Centro Universitario UAEM Valle de México Ingeniería en Sistemas y Comunicaciones Unidad de Aprendizaje Inteligencia Artificial Unidad de Competencia Representación del Conocimiento y Razonamiento Profesor: Saturnino Job Morales Escobar Elaboración: Agosto de 2017 04/11/2020 S. Job Morales Escobar 1

04/11/2020 S. Job Morales Escobar 2

04/11/2020 S. Job Morales Escobar 2

04/11/2020 S. Job Morales Escobar 3

04/11/2020 S. Job Morales Escobar 3

ESTRUCTURA DE LA UNIDAD DE APRENDIZAJE 1. Introducción a la Inteligencia Artificial 2. Resolución

ESTRUCTURA DE LA UNIDAD DE APRENDIZAJE 1. Introducción a la Inteligencia Artificial 2. Resolución de problemas mediante la búsqueda 3. Representación del Conocimiento y Razonamiento 4. Ingeniería Computacional 5. Áreas de la Inteligencia Artificial 04/11/2020 S. Job Morales Escobar 4

EVALUACIÓN DE LA UNIDAD DE COMPETENCIA EXAMEN 50% EJERCICIOS 50% 04/11/2020 S. Job Morales

EVALUACIÓN DE LA UNIDAD DE COMPETENCIA EXAMEN 50% EJERCICIOS 50% 04/11/2020 S. Job Morales Escobar 5

Nota sobre el contenido. Esta presentación, es la segunda parte del material de apoyo

Nota sobre el contenido. Esta presentación, es la segunda parte del material de apoyo de la unidad de competencia Representación de Conocimiento. De esta manera, se abordan otras formas de representación de conocimiento y algunos métodos de razonamiento. 04/11/2020 S. Job Morales Escobar 6

CONOCIMIENTO PROCEDIMENTAL Y CONOCIMIENTO DECLARATIVO • Como se ha visto en las sesiones anteriores,

CONOCIMIENTO PROCEDIMENTAL Y CONOCIMIENTO DECLARATIVO • Como se ha visto en las sesiones anteriores, la representación de conocimiento es fundamental para el proceso de la emulación o simulación del razonamiento que realizan los seres humanos. • Una forma de representar conocimiento y cómo utilizarlo la proporciona la Lógica Matemática, en particular la representación de conocimiento utilizando clausulas de Horn. • Esto es la base para la programación lógica, la cual se abordará en las siguientes diapositivas. 04/11/2020 S. Job Morales Escobar 7

PROGRAMACIÓN LÓGICA (PROLOG) En prolog, cada aserción lógica es representada por predicados (Lógica de

PROGRAMACIÓN LÓGICA (PROLOG) En prolog, cada aserción lógica es representada por predicados (Lógica de primer orden) como cláusula de Horn. De esta menera un programa en Prolog, consiste de un conjunto de sentencias ( o fórmulas) de la forma: A: - B 1, B 2, …, Bn. con n ≥ 0. Cuando n>0, la sentencia A: - B 1, B 2, …, Bn. se denomina regla. si n=0, se escribe A. y se denomina hecho. 04/11/2020 S. Job Morales Escobar 8

PROGRAMACIÓN LÓGICA (PROLOG) Entre las ventajas por usar cláusulas de Horn y no expresiones

PROGRAMACIÓN LÓGICA (PROLOG) Entre las ventajas por usar cláusulas de Horn y no expresiones lógicas arbitrarias en los programas en prolog, están: • se puede escribir un sencillo y potente intérprete que resulte eficaz debido a la representación uniforme. • la lógica de los sistemas de cláusulas de Horn, es decidible, a diferencia de la lógica completa de primer orden. 04/11/2020 S. Job Morales Escobar 9

Ejemplo de cambio de representación En lógica • • x: mascota (x) Λ pequeño

Ejemplo de cambio de representación En lógica • • x: mascota (x) Λ pequeño (x) →animal_de_compañia(x) x: gato (x) v perro (x) → mascota (x) x: caniche (x) →perro (x) Λ pequeño (x) caniche (peluso) Representación en prolog • • • Animal_de _ compañía (x): - mascota(x), pequeño(x). mascota (x): - gato (x) mascota (x): - perro(x) perro (x): - caniche (x) pequeño (x): - caniche (x) caniche (peluso) 04/11/2020 S. Job Morales Escobar 10

Hechos y reglas en prolog Reglas: Son sentencias que definen la relación a partir

Hechos y reglas en prolog Reglas: Son sentencias que definen la relación a partir de otras reglas o hechos Animal_de _ compañía (X): - mascota(X), pequeño(X). mascota(X): - gato(X). mascota(X): - perro(X): - caniche(X). pequeño(X): - caniche(X). Hechos: Estable que se cumple la relación (predicado) sobre el objeto caniche(peluso). 04/11/2020 S. Job Morales Escobar 11

Diferencias sintácticas entre las representaciones Las variables en prolog están cuantificadas de manera implícita,

Diferencias sintácticas entre las representaciones Las variables en prolog están cuantificadas de manera implícita, comienzan con mayúsculas, las minúsculas son constantes. En prolog “, ” representa conjunción y la disyunción se expresa mediante una lista de sentencias alternativas separadas por punto y coma, o lista de sentencias alternativas donde cualquiera puede dar la base para una conclusión. La implicación se representa con : -, así p→q se expresa por q: p, el interprete siempre trabaja hacia atrás sobre un objetivo. Se le llama cabeza al primer componente de la regla. 04/11/2020 S. Job Morales Escobar 12

La estrategia de control de prolog es la siguiente: Comienza con una sentencia problema,

La estrategia de control de prolog es la siguiente: Comienza con una sentencia problema, considerada el objetivo a probar. Busca las sentencias que pueden probar el objetivo, para lo cual considera hechos directamente y además cualquier regla cuya cabeza coincida con el objetivo. Para decidir cuando aplicar una regla o hecho al problema utiliza el procedimiento de unificación estándar 04/11/2020 S. Job Morales Escobar 13

La estrategia de control de prolog es la siguiente(cont. ) Razonará hacia atrás desde

La estrategia de control de prolog es la siguiente(cont. ) Razonará hacia atrás desde ese objetivo hasta terminar con afirmaciones (hechos) en el programa. Considera los caminos utilizando la estrategia de la búsqueda primero en profundidad, con vuelta atrás (backtrack) En donde puede elegir considera las opciones de acuerdo al orden en que aparecen en el programa. 04/11/2020 S. Job Morales Escobar 14

Hechos que contienen un predicado dado, se escriben antes que las reglas de ese

Hechos que contienen un predicado dado, se escriben antes que las reglas de ese predicado. • Primero hechos • Reglas solamente cuando los hechos no están disponibles inmediatamente En el ejemplo de: ? Animal_de_compañia(X) • aplica la primera regla • Debe verificar que las dos sentencias del lado derecho, probará cada una de ellas según el orden en el que aparecen. 04/11/2020 S. Job Morales Escobar 15

La primera fallará ya que para mascota(X) no existen aserciones del predicado gato. La

La primera fallará ya que para mascota(X) no existen aserciones del predicado gato. La segunda tendrá éxito ya que utilizará las reglas referidas a perro y en concreto a caniche y usará caniche (peluso) X se enlazará directamente al término peluso. Ahora pequeño(X) debe satisfacerse y ya que X está ligada a peluso, debe probarse pequeño (peluso) Conclusión: animal de compañía(peluso) Así, el resultado que mostrará es: peluso 04/11/2020 S. Job Morales Escobar 16

DIFERENCIAS ENTRE RAZONAMIENTO HACIA ADELANTE Y HACIA ATRÁS El objetivo de un procedimiento de

DIFERENCIAS ENTRE RAZONAMIENTO HACIA ADELANTE Y HACIA ATRÁS El objetivo de un procedimiento de búsqueda es descubrir un camino a través de un espacio del problema partiendo de un estado inicial y terminando en un estado objetivo. Prolog solamente efectuará la búsqueda a partir de un estado objetivo. Existen dos direcciones hacia las que se puede dirigir la búsqueda • hacia adelante, a partir de los estados iniciales • hacia atrás, partiendo de los estados objetivos 04/11/2020 S. Job Morales Escobar 17

RAZONAMIENTO HACIA ADELANTE Conclusión Hechos inferidos Hechos 04/11/2020 S. Job Morales Escobar 18

RAZONAMIENTO HACIA ADELANTE Conclusión Hechos inferidos Hechos 04/11/2020 S. Job Morales Escobar 18

RAZONAMIENTO HACIA ADELANTE Construye un árbol de secuencia de acciones que se puedan representar

RAZONAMIENTO HACIA ADELANTE Construye un árbol de secuencia de acciones que se puedan representar como soluciones, empezando por las configuraciones iniciales en la raíz del árbol. El siguiente nivel del árbol es generado encontrado todas las reglas cuyos lados izquierdos se relaciona con el nodo raíz y se utilizan sus lados derechos para crear nuevas configuraciones. Se creará el siguiente nivel considerando cada nodo generado en el nivel anterior y aplicando cada regla cuyo lado izquierdo se relacione con este, etc. Hasta encontrar una configuración que coincidan con el estado objetivo. 04/11/2020 S. Job Morales Escobar 19

RAZONAMIENTO HACIA ADELANTE p → q p ____ q Elefante(x) → mamifero(x) → animal(x)

RAZONAMIENTO HACIA ADELANTE p → q p ____ q Elefante(x) → mamifero(x) → animal(x) Elefante(maya) Animal(maya) 04/11/2020 S. Job Morales Escobar 20

RAZONAMIENTO HACIA ATRÁS Hipótesis (meta) Hipótesis intermedias Hechos 04/11/2020 S. Job Morales Escobar 21

RAZONAMIENTO HACIA ATRÁS Hipótesis (meta) Hipótesis intermedias Hechos 04/11/2020 S. Job Morales Escobar 21

RAZONAMIENTO HACIA ATRÁS Comienza construyendo un árbol de secuencia de movimiento que ofrezcan soluciones,

RAZONAMIENTO HACIA ATRÁS Comienza construyendo un árbol de secuencia de movimiento que ofrezcan soluciones, empezando con las configuraciones objetivo en la raíz del árbol. Se genera el siguiente nivel encontrado todas las reglas cuyos lados derechos estén ligados con el nodo raíz. Estas serán las reglas que si son las únicas que se aplican generarán el estado deseado. Se utilizará el lado izquierdo de las reglas para generar los nodos en el segundo nivel del árbol 04/11/2020 S. Job Morales Escobar 22

RAZONAMIENTO HACIA ATRÁS Se generará el siguiente nivel del árbol tomando cada nodo del

RAZONAMIENTO HACIA ATRÁS Se generará el siguiente nivel del árbol tomando cada nodo del nivel previo y encontrando todas las reglas cuyos lado derecho este ligado con éste. Entonces se utilizaran los correspondientes lados izquierdos para generar los nuevos nodos. Se continuará hasta alcanzar un nodo que coincida con el estado inicial. Este método de razonamiento hacia atrás a partir del estado final se denomina también razonamiento dirigido al objetivo. 04/11/2020 S. Job Morales Escobar 23

REDES SEMÁNTICAS (RS) Utilizada en IA para información relativa a proposiciones, una RS también

REDES SEMÁNTICAS (RS) Utilizada en IA para información relativa a proposiciones, una RS también se le llama red de proposiciones. Proposición. - es una fase que puede ser considerada verdadera o falsa. Ejemplo: “todos los perros son animales”. Son formas de conocimiento declarativo porque establecen hechos. En términos matemáticos, una (RS) es una gráfica rotulada y con dirección (grafo dirigido). 04/11/2020 S. Job Morales Escobar 24

REDES SEMÁNTICAS De acuerdo con Quillian, las RS se desarrollan en IA para representar

REDES SEMÁNTICAS De acuerdo con Quillian, las RS se desarrollan en IA para representar la memoria y la comprensión de lenguaje del ser humano. Las utilizó para analizar el significado de palabras en frases. Se ha aplicado a muchos problemas relacionados con la representación del conocimiento. 04/11/2020 S. Job Morales Escobar 25

REDES SEMÁNTICAS La estructura de una red semántica se muestra gráficamente en términos de

REDES SEMÁNTICAS La estructura de una red semántica se muestra gráficamente en términos de nodos y los arcos que los conectan. • Nodos: suelen denominárseles como objetos, conceptos o situaciones. • Arcos: vínculos o bordes para representar relaciones Los arcos proporcionan la estructura básica para la organización del conocimiento. 04/11/2020 S. Job Morales Escobar 26

RED SEMÁNTICA DE RELACIONES FAMILIARES 04/11/2020 S. Job Morales Escobar 27

RED SEMÁNTICA DE RELACIONES FAMILIARES 04/11/2020 S. Job Morales Escobar 27

REDES SEMÁNTICAS Con el conocimiento representado en la red semántica anterior, se puede obtener

REDES SEMÁNTICAS Con el conocimiento representado en la red semántica anterior, se puede obtener o inferir conocimiento nuevo, por ejemplo, la relación abuelo de a partir de la relación padre de. Es de notar que, sin relaciones el conocimiento es una simple colección de hechos inconexos. Francisco Raquel Héctor 04/11/2020 S. Job Morales Escobar 28

REDES SEMÁNTICAS Vínculos utilizados con frecuencia • Es_un : normalmente “caso de “, miembro

REDES SEMÁNTICAS Vínculos utilizados con frecuencia • Es_un : normalmente “caso de “, miembro de una clase • Relaciona un caso o un individuo con una clase genérica. • Clase: relacionado con el concepto matemático de conjunto, que alude a un grupo de objetos que tienen una relación entre sí. • Aviones, obreros, alumnos, etc. • Un_tipo_de: para relacionar clases • Clase padre a la que pertenece una clase hijo. • Relaciona nodos genéricos con nodos genéricos. 04/11/2020 S. Job Morales Escobar 29

RED SEMÁNTICA PARA AERONAVES 04/11/2020 S. Job Morales Escobar 30

RED SEMÁNTICA PARA AERONAVES 04/11/2020 S. Job Morales Escobar 30

Ejercicio: desarrollar una RS y hacer la narración de lo que se representa con

Ejercicio: desarrollar una RS y hacer la narración de lo que se representa con la red. Los objetos de una clase tienen uno o más atributos en común y cada atributo tiene un valor. La combinación de atributo y valor es una propiedad. Ejemplo: Un dirigible tiene atributos de tamaño, peso, forma, color, etc. • El valor del atributo forma es elipsoidal, como una de sus propiedades. • Como goodyear es un dirigible y los dirigibles tienen forma elipsoidal entonces goodyear es elipsoidal. 04/11/2020 S. Job Morales Escobar 31

VÍNCULOS EN LAS REDES SEMÁNTICAS El vínculo “es”, define un valor Causa, expresa conocimiento

VÍNCULOS EN LAS REDES SEMÁNTICAS El vínculo “es”, define un valor Causa, expresa conocimiento causal. • Ejemplo: el aire caliente causa que un globo se eleve. A la duplicación de las características de un nodo por parte de un descendiente se le llama herencia. Todos los miembros de una clase heredarán todos los atributos de sus superclases. 04/11/2020 S. Job Morales Escobar 32

TRIPLETA OBJETO_ATRIBUTOS_VALOR (OAV) es_un: relaciona un valor con un atributo tiene_un: relaciona objetos con

TRIPLETA OBJETO_ATRIBUTOS_VALOR (OAV) es_un: relaciona un valor con un atributo tiene_un: relaciona objetos con un atributo Las tripletas OAV, puede usarse para caracterizar todo el conocimiento de una RS. Se uso en MYCIN- para diagnosticar enfermedades infecciosas La representación del trío OAV, es conveniente para ordenar el conocimiento en forma de tabla y luego traducirlo al código de una computadora mediante reglas. 04/11/2020 S. Job Morales Escobar 33

Ejemplos de ternas objeto atributo valor Objeto Atributo Valor Manzana color rojo Manzana tipo

Ejemplos de ternas objeto atributo valor Objeto Atributo Valor Manzana color rojo Manzana tipo California Uvas color verde Uvas tipo con semilla Enfermedad Atributo Valor Deficiencia renal Presión alta Deficiencia renal Glucosa mayor a 120 04/11/2020 S. Job Morales Escobar 34

Ejemplos de representación de redes semánticas a prolog Se puede cambiar la representación de

Ejemplos de representación de redes semánticas a prolog Se puede cambiar la representación de conocimiento de una manera directa, por ejemplo: Es_un (goodyear, dirigible), se obtiene de la relación es_un entre los nodos goodyear y dirigible de la misma manera: Tiene_forma(dirigible, elipsoidal) 04/11/2020 S. Job Morales Escobar 35

MARCOS Es un tipo de esquema usado en IA (Introducidos por Minsky). Son útiles

MARCOS Es un tipo de esquema usado en IA (Introducidos por Minsky). Son útiles para simular conocimiento de sentido común. A diferencia de las RS que son representaciones bidimensionales, en los marcos se agrega otra dimensión para permitir que los nodos tengan estructuras que pueden ser valores simples u otros marcos. 04/11/2020 S. Job Morales Escobar 36

Característica básica de los marcos • Representa conocimiento relacionado con un tema concreto que

Característica básica de los marcos • Representa conocimiento relacionado con un tema concreto que cuenta con mucho conocimiento predeterminado. Un sistema de marcos sería una buena elección para describir un dispositivo mecánico como un automóvil, porque sus componentes como motor, carrocería, etc. Se relacionan entre sí para dar una visión general de sus vínculos. 04/11/2020 S. Job Morales Escobar 37

Característica básica de los marcos Un marco es análogo a la estructura de registro

Característica básica de los marcos Un marco es análogo a la estructura de registro en un lenguaje de alto nivel como pascal o un átomo con su lista de propiedades en LISP. Correspondiendo a los campos y los valores de un registro, son las ranuras y sus rellenos de un marco. Un marco es básicamente un grupo de ranuras y rellenos que definen un objeto. 04/11/2020 S. Job Morales Escobar 38

Ejemplo: Marco de un automóvil Ranura Relleno Fabricante GM Modelo Astra Año 2001 Transmisión

Ejemplo: Marco de un automóvil Ranura Relleno Fabricante GM Modelo Astra Año 2001 Transmisión Automática Motor A gasolina Ruedas 4 Color Rojo 04/11/2020 S. Job Morales Escobar 39

En OAV automóvil es el objeto, Nombre de la ranura es el atributo y

En OAV automóvil es el objeto, Nombre de la ranura es el atributo y el valor es el relleno. Su utilidad recae en los sistemas jerárquicos y en la herencia. Los marcos se diseñan generalmente para representar conocimiento genérico o específico. 04/11/2020 S. Job Morales Escobar 40

Marco genérico para el concepto de propiedad: Ranura Nombre Especificación_de Tipos Propietario Ubicación Estado

Marco genérico para el concepto de propiedad: Ranura Nombre Especificación_de Tipos Propietario Ubicación Estado regular) Bajo_garantia 04/11/2020 Relleno propiedad un tipo de objeto (automóvil, bote, casa) predeterminado: particular (casa, trabajo, móvil) (desconocido, bueno, malo, (si, no) S. Job Morales Escobar 41

Los rellenos pueden ser: • Valores como propiedad en la ranura de nombre. •

Los rellenos pueden ser: • Valores como propiedad en la ranura de nombre. • Rangos de valores: como en la ranura de tipos. Ranuras pueden contener: • Procedimientos adjuntos o llamados anexos de procedimientos. A menudo se utilizan opciones predeterminadas para representar el conocimiento de sentido común. 04/11/2020 S. Job Morales Escobar 42

Ejemplo de marco específico Ranura Nombre Especificación_de Propietario Fabricante Transmisión Motor Estado Bajo_garantia 04/11/2020

Ejemplo de marco específico Ranura Nombre Especificación_de Propietario Fabricante Transmisión Motor Estado Bajo_garantia 04/11/2020 Relleno Automóvil de Juan es un automóvil Juan Pérez GM Automática gasolina bueno si S. Job Morales Escobar 43

SISTEMAS DE MARCOS Los marcos más genéricos se encuentran el la parte superior de

SISTEMAS DE MARCOS Los marcos más genéricos se encuentran el la parte superior de la jerarquía. Se supone se pueden personalizar al modificar casos predeterminados y crear marcos más específicos. 04/11/2020 S. Job Morales Escobar 44

CLASIFICACIÓN DE MARCOS POR SUS APLICACIONES • Situacional: Contiene conocimiento sobre lo que se

CLASIFICACIÓN DE MARCOS POR SUS APLICACIONES • Situacional: Contiene conocimiento sobre lo que se espera en una situación determinada. • Acción: Contiene ranuras que especifican las acciones que se realizarán en una situación determinada. 04/11/2020 S. Job Morales Escobar 45

CLASIFICACIÓN DE MARCOS POR SUS APLICACIONES Los rellenos son procedimientos para realizar acciones, como

CLASIFICACIÓN DE MARCOS POR SUS APLICACIONES Los rellenos son procedimientos para realizar acciones, como eliminar una parte defectuosa de un cinturón. La combinación de estos dos puede utilizarse para describir relaciones de causa y efecto en forma de marcos de conocimiento causal. 04/11/2020 S. Job Morales Escobar 46

EN RESUMEN • Se estudiaron los métodos más comunes de representación de conocimiento: utilizando

EN RESUMEN • Se estudiaron los métodos más comunes de representación de conocimiento: utilizando Lógica Matemática, Redes Semánticas, Marcos y las ternas Objeto Atributo Valor. • De la misma manera se estudió cómo se realiza el razonamiento hacia adelante y hacia atrás y cómo se utilizan las claúsulas de Horn en la programación lógica. 04/11/2020 S. Job Morales Escobar 47

BIBLIOGRAFÍA • Russell Stuart J. & Norvig Peter, (2004) Inteligencia Artificial Un enfoque Moderno,

BIBLIOGRAFÍA • Russell Stuart J. & Norvig Peter, (2004) Inteligencia Artificial Un enfoque Moderno, Segunda Edición, Prentice Hall • Pajares M. Gonzalo & Santos P Matilde, (2006) Inteligencia Artificial e Ingeniería del Conocimiento, Alfaomega Grupo Editor S. A. de C. V. • Rich Elaine/ Knight, Kevin. , Inteligencia artificial. Mc Graw Hill, 1994. 04/11/2020 S. Job Morales Escobar 48

BIBLIOGRAFÍA Complementaria • Dubois & Prade, Fuzzy sets and systems; theory and applications, Academic

BIBLIOGRAFÍA Complementaria • Dubois & Prade, Fuzzy sets and systems; theory and applications, Academic press, inc. • Winston, Patrick H. , Inteligencia artificial, Addison Wesley, 1994. • Prolog, Programming for artificial intelligence, Addison Weseley, 1990. 04/11/2020 S. Job Morales Escobar 49

GUIÓN EXPLICATIVO • Este material está desarrollado como apoyo al curso presencial de la

GUIÓN EXPLICATIVO • Este material está desarrollado como apoyo al curso presencial de la unidad de competencia Representación de conocimiento y razonamiento de la UDA “Inteligencia Artificial”, correspondiente a la carrera de Ingeniería en Sistemas y Comunicaciones. • Esta unidad de competencia es la continuación de la unidad de competencia de Representación de conocimiento y resolución de problemas mediante la búsqueda. • Se recomienda estudiar el tema antes de la sesión presencial. 04/11/2020 S. Job Morales Escobar 50

GUIÓN EXPLICATIVO • Se recomienda seguir la secuencia en la que se presenta el

GUIÓN EXPLICATIVO • Se recomienda seguir la secuencia en la que se presenta el material para mayor comprensión de los temas. • Los temas se pueden consultar en extenso en las referencias proporcionadas en la bibliografía. • Se recomienda realizar ejercicios adicionales para complementar lo visto en clase y el material presentado. 04/11/2020 S. Job Morales Escobar 51