(PRIVADO) 2. Representación Del Conocimiento

{PRIVADO }
{PRIVADO }2. Representación del conocimiento
Procesos que se adelantan en las investigaciones de IA determinan que el desarrollo de

sistemas inteligentes requieren adecuadas representaciones del conocimiento para que
imiten la inteligencia. Conocimiento no debe ser confundido con datos o información.
El conocimiento incluye y requiere el uso de datos e información. Además, combina
relaciones, dependencias, y la noción del saber con datos e información. El
conocimiento posee ciertas propiedades: voluminoso, difícil de caracterizarlo,
dinámico, con incertidumbres, y debe estructurarse de la manera como se va a utilizar.
La IA busca representar generalizaciones, es decir, no representar cada situación

individual, sino agrupar las situaciones que comparten propiedades importantes. De tal
forma que pueda: a) ser entendido por las personas que lo provean; b) ser modificado
para corregir errores y reflejar cambios en el mundo; c) usarse en muchas situaciones
aun sin ser totalmente exacto o completo; d) caracterizarse las técnicas de IA con
independencia del problema a tratar; e) usarse superando su propio volumen, y
disminuir el rango de posibilidades que normalmente deben considerarse. La IA
determina que deberían generarse grandes bases de conocimiento, bases de los
sistemas para expertos.
El conocimiento puede ser de tipo procedimiental, declarativo o heurístico.

Conocimiento procedimental es aquel que es compilado que se refiere a la forma de
realizar una cierta tarea (el saber cómo hacerlo). Por ejemplo, el proceso estándar para
el ensamble de un vestido, un computador, una máquina; la realización de cierta
pintura, la resolución de ecuaciones algebráicas.
El conocimiento declarativo es conocimiento pasivo, sentencias que expresan hechos

del mundo que nos rodea (el saber que hacer). Por ejemplo, la información en una base
de datos.
El conocimiento heurístico es algo especial para resolver problemas complejos. Es un

criterio, estrategia, método o proceso que simplifica resolver problemas.
Una base de conocimieto (BC) consiste de esquemas y estructuras de representación y

organización del conocimiento suficientemente amplias de una determinada área, a fin
de resolver problemas. Por ejemplo, si se tiene un archivo con los datos azul, rojo y
amarillo, lo mismo que los valores 10, 20 y 30, entonces las personas que lo lean harán
diferentes asociaciones, como color de lápices y su tamaño o volumen, o color de
carros y cantidad, o color de luces e intensidad, etcétera. Pero si el archivo contiene
además la sentencia flores(color, cantidad), entonces se tiene conocimiento. La
Inteligencia artificial
representación del conocimiento para sistemas inteligentes parte de considerar el
manejo simbólico, la abducción o extracción de patrones dados, y extrapolación en
términos del contenido. El significado y la pragmática de un texto son aproximaciones
al pensamiento al efectuar un razonamiento. El razonamiento, dicen algunos autores,
es difuso, ambiguo, de mucha vaguedad; sea que se realice inductiva o
deductivamente. Formaliza1, representar o estructurar el conocimiento lleva a
especificar adecuadas relaciones para reducir la ambigüedad, la vaguedad, la difusidad
en un grado alto y considerar los métodos de inferencia dsiponibles.
Una representación de conocimiento puede ser un esquema o dispositivo para capturar

los elementos esenciales del dominio de un problema, es decir, se hace para:
* Manipular conocimiento cualitativo.
* Estructurar el conocimiento.
* Capturar significado complejo.
* Procesar interpretaciones del conocimiento.
* Inferir conocimiento a partir de hechos establecidos.
* Representar tanto principios generales como específicos.
Por ello, el conocimiento se organiza en una o más configuraciones. Claro está que no
puede separarse la representación del conocimiento del uso posterior de ese
conocimiento.
El conocimiento para involucrar en los esquemas o estructuras se encontraría

clasificado en las siguientes categorías:
* Objetos. Todo sistema debería tener información de las propiedades físicas de

objetos y conceptos.
* Eventos. Importante especificar las acciones que pueden llevar a cabo los
objetos.
* Desempeño. Información sobre cómo realizar ciertas tareas.
* Metaconocimiento. Es conocimiento acerca del mismo conocimiento.
Las representaciones combinan declaraciones y procedimientos; el principio de

organización fundamental, al hablar de marcos, es el empaquetamiento del
conocimiento. Los guiones (script, en inglés) permiten razonamiento basado en
expectación acerca de situaciones para tener. Un guión es una secuencia de episodios
de cierto tipo. Esta secuencia tiene dos propósitos: (1) organizar un conjunto de
acciones; (2) predecir la presencia de actividades que no se dan específicamente.
Los métodos orientados a objetos2 para representación de conocimiento proveen una

1
Determinar cómo formalizar el conocimiento es algo que tiene discusión científica desde el ámbito
filosófico, sicológico, neurológico, sistémico y holístico; ante esto no nos queda otra alternativa que
cuestionarnos cómo realizar la mejor estructuración y en particular, para el desarrollo de sistemas
inteligentes.
2
En el paradigma orientado a objetos, cada objeto se comunica con otro enviando y/o recibiendo
30 Luis Carlos Torres Soler
Representación del conocimiento
metodología para compartir características con marcos y redes semánticas. El
conocimiento está en términos de un conjunto de objetos, cada uno de los cuales posee
capas que exhiben ciertas características. Cada objeto se sitúa jerárquicamente en una
red y accede a propiedades de otros.
Cuando se trata una nueva clase de problemas, siempre resulta un conjunto de

preguntas acerca del conocimiento, como:
¿Qué clase de conocimiento está comprometido?

¿Cómo será el conocimiento representado?
¿Cuánto conocimiento se requiere?
¿Qué exactitud del conocimiento se requiere?
Unas características de la representación del conocimiento son:
∗ Alcance y granularidad. El alcance de la representación del conocimiento es la

medida del dominio. La resolución o detalle que está en el conocimiento
representado es la granularidad.
∗ Modularidad y entendimiento.
∗ Conocimiento explícito y conocimiento implícito.
Las situaciones particulares en las cuales el conocimiento se usa son:

∗ Adquisición. Integración de nueva información al sistema.
∗ Recuperación. Clasificar conocimiento para obtener hechos y relaciones
particulares asociados a una tarea específica.
∗ Razonamiento. Proceso en que se combina el conocimiento almacenado.
{PRIVADO }2.1. TRIPLETA OBJETO, ATRIBUTO Y VALOR
Una forma común de representar conocimiento es usar la tripleta objeto, atributo y

valor (OAV). Los objetos son físicos o son conceptuales. Un objeto puede tener varios
atributos. Los atributos son elementos que caracterizan un objeto. Los valores son las
medidas específicas de los atributos en una situación dada (ver tabla 2.1).
Para la representación OAV se usan nodos y relaciones (redes) o tablas conceptuales

(ver figura 2.1). Objetos y valores se designan como nodos, mientras los atributos se
designan como enlaces (arcos) de ellos. La representación OAV se usa para mostrar
orden e interrelación. Las tripletas OAV no muestran herencias, sólo relaciones
causales o enlaces, partes o subpartes.
Objeto Atributo Valor
mensajes. Un objeto que recibe un mensaje chequea la base de datos y decide qué acción tomar. Las
acciones se realizan invocando un método.
Universidad Nacional de Colombia 31
Objeto Atributo Valor
Casa Alcoba 2, 3, 4, etc
Casa Color Verde, rosa, gris
Inventarios nivel 15, 20, 30
Alcoba área 9'*10' o 15*20 m
María esposa Ingeniera
Luis padre Médico
Figura 2.1. Ejemplos de representación de OAV.
{PRIVADO }2.2. REDES SEMÁNTICAS
0Figura 2.2. Red semántica: relaciones familiares.
Las redes semánticas (Semantic networks) son representaciones básicas de

conocimiento, compuestas por nodos y enlaces que muestran relaciones entre objetos
(ver figuras 2.2, 2.3 y 2.4). Los objetos pueden ser cualquier elemento físico: un libro,
un carro, un escritorio, una tela o una persona. También pueden ser conceptos, eventos
o acciones. Los conceptos se representan en el modelo como unidades independientes
que expresan relaciones de inclusión (es...) y de propiedad (tiene...). Un concepto

puede ser una relación de oferta y demanda en economía, una elección o una acción tal
como producir un vestido. En general, una red semántica es un conjunto de OAV,
donde los atributos generalmente representan tamaño, color, clase, origen u otras
cualidades3.
En una red semántica los atributos son los enlaces (arcos) entre objetos. Los enlaces
muestran las relaciones o el vínculo entre un objeto y otro; describen factores. En sí,
una red semántica es una representación en la cual:
1. Léxicamente, hay nodos y enlaces entre nodos especificando una aplicación.

2. Estructuralmente, cada enlace conecta un nodo con otro en un orden especial.
3. Semánticamente, los nodos y los enlaces denotan una aplicación específica.
4. Procedimentalmente, existen procesos para:
i) Construir nodos.
ii) Construir enlaces entre nodos con un nombre.
iii) Deducir conocimiento.
La figura 2.2 muestra una estructura de relaciones que existe en un conjunto de

personas; de ella puede extractarse los enlaces como {madre_de, hermano_de,
padre_de}, de las que se deduce que la aplicación es: relaciones familiares.
0Figura 2.3. Red semántica con atributo "es_un".
Los nombres dados a cada enlace indican la clase de vínculo que hace corresponder un
objeto a una categoría. El enlace tiene-un se usa para identificar características o
atributos de un objeto. Otros enlaces se usan para definir propósitos. Como puede
observarse en la figura 2.3, el dominio del conocimiento es el concepto "proceso"; en
3
El concepto de red semántica fue introducido en 1968 por Ross Quilliam. Fue diseñada como un
modelo sicológico de la memoria humana asociativa. Las redes semánticas fueron desarrollándose por
quienes trabajaban en el área de IA. El objetivo de estas redes es la organización y representación del
conocimiento general acerca del mundo. El objetivo inicial para el desarrollo de las redes semánticas fue
entender el lenguaje natural, más que la clasificación de los datos
la figura 2.4 se ven muchas relaciones y, por tanto, el dominio es más amplio4. La
unidad del conocimiento es un enlace y dos nodos. Una red semántica ofrece la visión
sobre las relaciones y dependencias de un área de conocimiento (dominio) y es muy
apropiada para la estructuración del conocimiento. Sin embargo, los enunciados de las
relaciones mencionadas en los arcos deben formularse fuera de la red. La red
semántica no da información sobre el procesamiento de la red. Algunos nodos y
enlaces pueden mostrar otras características acerca de cada uno de los procesos que
están tratándose.
Uno de los factores interesantes y útiles sobre las redes semánticas es que a través de
ellas pueden verse las características que algunos nodos heredan de otros.
Características:
a. Diferencian entre tipos de objetos de los casos. Así, se llama clasificación al
proceso de ir de ejemplos de objetos a tipos de objetos.
b. Se introduce el concepto de distancia semántica: cantidad de enlaces que
separan un nodo de otro.
0Figura 2.4 Red semántica con diferentes relaciones.
En las redes semánticas, la distancia puede ser importante, se utiliza para localizar
objetos poco o muy relacionados, dependiendo de la distancia. En algunos casos,
puede disminuirse la distancia eliminando enlaces.
4
Las unidades conceptuales se organizan en la memoria en niveles que van de los subordinados (más
especifico) a lo superordinado (más abstracto). El concepto más general e inclusivo se ubica en el tope de
la estructura (red) y mantiene, con el resto de los conceptos, relaciones indirectas subordinadas.
c. En las redes semánticas también se tiene la idea de partición: es el contexto de una
red, en el sentido de tener una subred.
d. Existen jerarquías en las redes semánticas5. Las principales son: parte_de y es_un.
La existencia de jerarquías permite la herencia en la que un objeto que pertenece a una
clase hereda todas las propiedades de la clase.
6
{PRIVADO }2.3. REGLAS DE PRODUCCIÓN
Para un programa de cálculo numérico no cabe pensar que funcione con parte del
programa o con datos incompletos; esto no es posible sino que además da error. Sin
embargo, en un SE esto es posible y además es correcto; es decir, debe funcionar con
BC incompletas (éstas, poco a poco, van completándose). Esto hace que las funciones
de control, la BC y las reglas sean completamente independientes. La BC es la
estructura de conocimiento central para desarrollar una tarea particular. Dependiendo
de la aplicación, la base de conocimiento puede ser una simple matriz de números o
una compleja estructura de archivos indexados relacionados o un conjunto de bases de
datos definidas separadamente.
En los sistemas de producción (SP), cada regla tiene una precondición (parte
izquierda), y una parte derecha que describe la operación que debe llevarse a cabo si se
aplica la regla. Es decir, los sistemas de producción (SP) están compuestos de reglas de
producción y hechos.
Los SP fueron desarrollados por Newell y Simons, para modelar el conocimiento

humano. La idea básica en estos sistemas es que el conocimiento sea representado
como reglas en forma de pares condición-acción:
SI ( condiciones/premisas ) "hechos".
ENTONCES acción-a-ejecutar "conclusión/acción".
Cada regla contempla premisas que pueden modificarse independientemente de otras

reglas. Cuando se combina y alimenta el MI por el conjunto de reglas funcionales, se
producen mejores resultados porque se parte de la suma de resultados por reglas
individuales7. Los SP poseen claramente la separación de los elementos
computacionales y en los que se observa la esencia de operación de los sistemas de IA.
5
Un principio organizativo importante en este modelo es el de la "economía cognitiva". Cada concepto
articula su significado al asociarse con los nodos de propiedades, pero éstas no se repiten en todos los
niveles de jerarquía.
6
Los teóricos del procesamiento de la información sostienen que el conocimiento se adquiere por la
construcción de una representación del mundo exterior. El ser humano reconstruye la realidad
elaborando representaciones mentales precisas como las redes de proposiciones, esquemas y reglas de
producción condición-acción.
7
Por tanto, se entiende por SP el conjunto de reglas organizadas que garantizan las transformaciones
que el sujeto lleva a cabo para solucionar un problema.
Existen dos tipos comunes de SP:

a) Conocimiento declarativo, el cual hace énfasis en la representación del
conocimiento como una acumulación de hechos estáticos junto con una
información limitada que describe cómo se va a emplear el conocimiento.
b) Conocimiento procedimental, que enfatiza la representación en forma de reglas
describiendo los procesos en el momento de usar el conocimiento. El SP advierte
al usuario cómo solucionar un problema con base en hechos conocidos.
Considérense los siguientes ejemplos:
1. SI máquinas de corte inactivas,

ENTONCES programar producción.
SI orden compra de materia prima aprobada,

& necesidad de materia prima,
ENTONCES solicitar envío de materia prima.
SI materia prima ordenada,

& inconvenientes de transporte,
ENTONCES buscar viabilidad de transporte.
2. SI fiebre & infección,

ENTONCES gripe.
SI temblor & dolor huesos,

ENTONCES infección.
La estrategia de control del motor de inferencia escoge las reglas a aplicar, resuelve los
conflictos que surjan cuando varias reglas pueden ser aplicadas a la vez y deja el
proceso cuando una condición de terminación se satisface. Esta estrategia
repetidamente aplica reglas a la descripción de estados hasta que la descripción del
estado meta se produce. También se guardan datos de las reglas que han sido aplicadas
para evitar secuencias repetitivas que no lleven a la condición final.
En muchas aplicaciones con técnicas de IA, la información disponible no es suficiente

para permitir la selección de la regla más apropiada. La operación de un SP puede
entonces caracterizarse como un proceso de búsqueda en el que las reglas son usadas
hasta que alguna secuencia de ellas encuentre la condición de terminación8.
Se distinguen dos grandes estrategias de control: irrevocable y tentativa.
Irrevocable: una regla aplicable es seleccionada, se aplica sin opción para ser
8
Solucionar problemas aplicando una inapropiada regla puede sustancialmente retrasar la terminación.
En esos casos se prefiere una estrategia de control que puede validar una regla y, si más tarde descubre
que esta regla fue inapropiada, puede retornar y validar otra.
reconsiderada. (A primera vista, puede verse que este tipo de control no es apropiado
para solucionar problemas).
Tentativa: una regla aplicable es seleccionada, la regla se aplica, pero se tiene

previsión para retornar a un punto de rompimiento (backtracking) y aplicar otra regla
"mejor". Se establece un punto de selección de reglas, si siguientes computaciones
encuentran dificultad en producir una solución; el sistema se devuelve al punto previo
de rompimiento, donde otra regla se selecciona para continuar el proceso.
{PRIVADO }Tabla 2.2 Diferencias en tipos de sistemas.
Sistema inteligente Sistema computacional convencional
Estructurado en módulos. Estructurado en módulos jerárquicamente.

Requieren BC y reglas de producción.
Representan el problema.
Solucionan diferentes tipos de En general solucionan un único problema.
problemas.
Explican su razonamiento
En algunos problemas, se desea la solución sujeta a restricciones adicionales. Por

ejemplo, la solución del rompecabezas teniendo el menor número de movimientos,
porque cada movimiento tiene asociado un costo y por tanto se requiere el mínimo
costo.
Hay muchas diferencias entre la estructura de SI y los sistemas computacionales

convencionales.
{PRIVADO }Tabla 2.3 Ventajas y limitaciones de las reglas de producción.
Ventajas Limitaciones
Son fácilmente entendibles. Conocimiento complejo requiere muchas (miles

de) reglas. Problemas para el desarrollo del
sistema.
La inferencia y explicación se deducen Búsqueda en el programa de control.

fácilmente.
Modificación y conservación relativamente Requerimiento de amplio conocimiento y

sencilla. experiencia en conocimiento complejo.
La incertidumbre es fácilmente imple- Las inferencias al no estar claramente definidas

mentada. no son entendibles para el usuario.
Cada regla es independiente de las demás. Dependencia de reglas en conocimiento

complejo.
Los cambios o adiciones en los sistemas convencionales pueden requerir extensiva
labor en la adecuación de los programas, estructurar datos u organizar módulos
(subrutinas).
Métodos de prueba y error son inherentes para solucionar rompecabezas, por ejemplo,
puede argumentarse que si una estrategia de un SP posee suficiente conocimiento
acerca del rompecabezas para aplicar una regla a cada estado de descripción, entonces
él construye una solución.
Tal argumento falla por desconocer la distinción entre conocimiento local explícito,
acerca de cómo proceder para localizar un estado y el conocimiento global implícito de
una solución completa.
El algoritmo básico del sistema de producción para solucionar problemas es:
Algoritmo()
R: regla
CR: conjunto de reglas
DATOS <-- BC inicial
HQ DATOS satisface la condición de meta:
SELECIONAR R de CR y aplicar a DATOS.
DATOS <-- aplicar(R, DATOS)
FHQ
FIN Algoritmo()
El procedimiento anterior es nodeterminado porque aún no se especifica cómo se va a

seleccionar una regla.
{PRIVADO }Tabla 2.4 Características de las reglas.
Primera parte Segunda parte
Nombre Premisa conclusión

Antecedente consecuente
Situación acción
IF x THEN y
Naturaleza Condiciones, similar a conocimiento Resolución, similar a conocimiento

declarativo procedimental.
Tamaño Puede haber muchos IF Usualmente una conclusión.
Conector AND Todas las premisas deben ser verdaderas

para que la conclusión sea verdadera.
OR Si cualquier premisa es verdadera, la
conclusión es verdadera.
La representación por reglas es aplicable especialmente cuando hay necesidad de

recomendar un curso de acción basado en eventos observados. Las reglas poseen
ventajas y limitaciones sobresalientes; algunas de ellas se presentan en la tabla 2.3.
Las principales características de las reglas se resumen en la tabla 2.4.

{PRIVADO }2.4. REPRESENTACIÓN FORMAL
Algunos métodos en IA se usan para convertir declaraciones y procesos de

razonamiento en una forma que sea conveniente para la computación. El resultado es
la representación de conocimiento utilizando una lógica.
Se habla de representación formal del conocimiento cuando se aplica lógica de

predicados, lógica modal, multivaluada o difusa. La forma general de cualquier
proceso lógico se ilustra en la figura 2.5. Primero se da información, se hacen
declaraciones y se anotan observaciones. Las entradas a los procesos lógicos se llaman
premisas o antecedentes; la salida se llama inferencia. En estos procesos, los hechos
verdaderos se usan para derivar nuevos hechos que también son verdaderos.
Figura 2.5 Proceso lógico.
La lógica de predicados, en primer nivel, representa hechos o datos y los expresa como
estructuras. Toda proposición lógica se trata explícitamente como una estructura. La
lógica de predicados se ocupa de las relaciones entre antecedentes y consecuentes. De
otra manera, la lógica tiene sentido cuando se elaboran argumentos y en ellos se
analiza si de algunas suposiciones o antecedentes se derivan conclusiones; por
ejemplo:
H1: Felipe_Alejandro es el padre de María_Lucía

H2: María_Lucía es hermana de Luis_Carlos.
H3: Una persona X es hija de otra Y, si X es hermana de alguna hija Z de la
persona Y.
implicación: Luis_Carlos es hijo de Felipe_Alejandro9.
Una de las formas más sencillas de representación de los componentes de una

implicación es la sentencia atómica. Una sentencia atómica se compone de una
relación y un conjunto de argumentos entre los cuales se da una relación. La tabla 2.5
muestra ejemplos de sentencias representadas en lógica de predicados.
Tabla 2.5 Proposiciones en lógica de predicados.
9
En la realidad, esta implicación puede no ser siempre cierta, pero las hipótesis planteadas aquí (sin
mirar entornos mayores) nos dicen que la conclusión es verdadera.
Sentencia Representación
María es la profesora de Juan. Profesora(maría, juan)
El cobre es un metal. Metal(cobre)
García Márquez escribió en Escribió_en(garcía_márquez, aracataca)

Aracataca.
El presidente Samper es del Valle y Presidente(samper,del_valle, 2_hijos, 12_15_años)

tiene dos hijos de 12 y 15 años.
Puede hallarse sentencias moleculares como estructuras compuestas de sentencias

atómicas y conectores lógicos (AND "&", OR "v", NOT "~", THEN "->").
Para hacer inferencia se necesitan hechos. Éstos son afirmaciones generales o

particulares. La tabla 2.6 registra ejemplos de representación en la lógica de
predicados.
{PRIVADO }Tabla 2.6 Ejemplos de hechos.

Relación o predicado Argumentos Hecho Significado
Llamarse director, Jaime llamarse(director, jaime) El director llamarse

Jaime
ser_mayor_que Andrés, Miguel, 10 ser_mayor_que(andrés, Andrés ser mayor que

miguel, 10) Miguel en 10 años.
Libro Eneida, ~libro(eneida, Es falso que el libro la

García Márquez, garcía_márquez, Eneida sea de García
colombiano colombiano) Márquez, colombiano
Los hechos de la misma clase son siempre isomórficos, es decir, tienen la misma
estructura. Tener la misma estructura en este caso significa que la relación es la misma,
el número de argumentos es igual y los tipos de argumentos se corresponden.
Los componentes elementales del cálculo de predicados son objetos. Un "OBJETO"

puede ser expresado como:
Variable. Es un término que permite identificar diferentes entidades o individuos de

una clase; por ejemplo: X, Y, Z.
Constante. Es un término que identifica un único objeto o entidad de una clase; por
ejemplo: Juan, Bogotá, 124, casa.
Función. Es una representación de transformaciones del dominio; por ejemplo: t(x),

madre(f(X)), marido(x,g(x)).

La figura 2.2 puede escribirse también en forma de predicados:

madre_de(maría, paola)
madre_de(paola, mariela)
madre_de(mariela, luisa)
hermano_de(paola, juana)
hermano_de(juana, pedro)
hermano_de(maría, josefa)
hermano_de(luisa, teresa)
hermano_de(teresa, sandra)
hermano_de(luisa, myriam)
padre_de(pedro, tita)
padre_de(pedro, carlos)
Esta red escrita en Prolog10, queda:
/*****************************************************
Ejemplo: de relaciones familiares
******************************************************/
DOMAINS
persona = symbol
PREDICATES
madre_de(persona, persona)
hermano_de(persona, persona)
padre_de(persona, persona)
padre(persona, persona)
madre(persona, persona)
hermano(persona, persona)
abuela(persona, persona)
CLAUSES
madre_de(maría, paola).
madre_de(paola, mariela).
madre_de(mariela, luisa).
hermano_de(paola, juana).
hermano_de(juana, pedro).
hermano_de(maría, josefa).
hermano_de(luisa, teresa).
hermano_de(teresa, sandra).
hermano_de(luisa, myriam).
padre_de(pedro, carlos).
padre_de(pedro, tita).
abuela(X , Y) :- madre(X , Z), madre(Z , Y).
madre(X , Y) :- madre_de(X , Z), hermano_de(Z , Y), Z <> Y
OR madre_de(X , Y).
hermano(X , Y) :- hermano_de(Y , X), X <> Y
10
Las redes semánticas pueden implementarse en casi cualquier lenguaje de computación. LISP y
PROLOG son los más populares pero existen facilidades para implementarlas con FORTRAN, SNOBOL,
PL/I, PASCAL, APL. C++, KES, KNOWLEDGE PRO, NEXPERT OBJECT, OPS5, SMALLTALK,
VISUAL BASIC. Se requiere memoria amplia para almacenar nodos y enlaces.
OR madre_de(Z , X), madre_de(Z , Y).
padre(X , Y) :- padre_de(X , Z), hermano_de(Z , Y), Z <> Y.
El programa en Prolog cuenta con reglas adicionales para hacer inferencias con el fin
de proveer otras relaciones.
{PRIVADO }2.5. OTRAS REPRESENTACIONES
También existen representaciones del conocimiento que ayudan enormemente cuando

se usan para configurar las anteriormente mencionadas, pues dan mayor aplicación que
al tratarse aisladamente.
{PRIVADO }2.5.1. Guión, Listas
Un guión es la representación de conocimiento por medio de descripciones de una

secuencia de eventos. Un guión es una estructura que organiza información
describiendo una secuencia estereotipada de eventos en un contexto concreto11. Los
elementos de un guión típico incluyen: condiciones de entrada, apoyos, funciones,
rutas y escenas. Las condiciones de entrada describen situaciones que deben
satisfacerse antes de los eventos, que pueden ocurrir y ser válidos de acuerdo con el
proceso a seguir. Los apoyos se refieren a objetos que se usan en la secuencia de
eventos que ocurren. Las funciones se refieren al personal involucrado en los guiones.
El resultado es hallar condiciones viables que existan después de los eventos de
acuerdo con el guión. Las rutas se refieren a alternativas que se dan en un guión
particular. Finalmente, la escena describe la secuencia de eventos que deberían ocurrir.
Un guión es útil prediciendo qué sucederá en una situación específica, aunque ciertos
eventos no se hayan observado. La entrada original permite predecir qué sucederá y
cuándo. Si el computador sigue un guión, las preguntas existentes buscan deducir de
acuerdo con las limitaciones.
Restaurante:
Objetos: (restaurante, dinero, comida, menú, mesas, ...)
Roles: (personas, meseros, cocineros)
Punto de vista: personas
Tiempo de ocurrencia: 1 p.m.
Lugar de ocurrencia: restaurante Doña Alicia
Secuencia:
1o: entrar al restaurante
..: Buscar mesa
11
El concepto de guión surge del trabajo de Schank y Abelson en la Universidad de Yale. El objetivo fue
desarrollar el entendimiento cognitivo en el computador. El conocimiento es generalmente tomado a
partir de situaciones en la solución de problemas; tal conocimiento debe simularse con frecuencia para
resolver un problema particular utilizando IA.
..: Ordenar comida
..: comida
..: salir del restaurante
Los programas que utilizan guiones almacenan la información mediante los grafos12 de
dependencia conceptual. Sin embargo, la representación en guiones va más allá de la
representación de frases aisladas. A parte que los guiones enlazan causalmente
secuencias de acciones, la diferencia principal consiste en que cada guión posee roles
corrrespondientes a las personas que intervienen. Los roles y algunos de los objetos se
representan mediante variables y esto permite que puedan ser asignados a diferentes
personas o cosas. El imponer restricciones sobre el tipo de personas que pueden
desempeñar ciertos roles y sobre el tipo de objetos que cumplen cierta función será de
gran utilidad en el proceso de interpretación de textos.
Un guión completo se compone principalmente de los siguientes elementos:

Escenas: los sucesos descritos en el guión, enlazados causalmente en forma de
secuencia.
Roles y objetos: corresponden las personas y las cosas que intervienen; incluyen
restricciones para indicar qué personas u objetos pueden ser asignados a las variables.
Cabeceras: además de la que da nombre al guión, hay otras que representan
condiciones, instrumentos y lugares; su misión es activar el guión en el momento
oportuno.
El objetivo de utilizar guiones está orientado ante todo a la comprensión del lenguaje
natural (a la interpretación de textos escritos). En la práctica, para comprobar que el
sistema ha "comprendido" el texto, suele seguirse uno de estos dos métodos:
1) Formularle preguntas concretas y ver si responde adecuadamente.
2) Pedirle que repita el mismo texto con otras palabras (paráfrasis).
En el proceso de inferencia, el primer paso consiste en seleccionar el guión que mejor

explica la historia que se desea analizar. Posteriormente, hay que asignar las variables
(identificar los roles, objetos y lugares que interviene). A partir de ahí, el guión
"instanciado" (dependiente) permite extraer la información que no aparecía
explícitamente en la historia escrita; en esto consiste precisamente la inferencia.
En general, la interpretación de una historia no activa un solo guión sino varios de

ellos, por lo que se hace necesario un proceso de selección posterior con el fin de
determinar cuál o cuáles de ellos son válidas y cuáles se rechazan.
Una de las cuestiones básicas de la interpretación de un texto es averiguar los

referentes de los pronombres y el sujeto de la frase cuando éste se ha omitido. La
concordancia de género y número es una condición que limita el espacio de búsqueda,
12
La función principal del grafo es ilustrar una idea y aclarar un concepto, pero pueden tener distintas
lecturas ya que el lenguaje gráfico no dispone de reglas concretas.
pero en muchos casos los criterios sintácticos son insuficientes.
Otro tipo de inferencia consiste en dar por supuesto que han ocurrido los demás
sucesos que se encuentran en el guión, aunque no aparezcan explícitamente en la
historia escrita.
Por último, señalar que existen dos métodos básicos de afrontar el problema de la
compresión de textos mediante guiones:
El método ascendente consiste en analizar palabra por palabra, activando los marcos
que mejor explican toda la información que va apareciendo.
El método descendente selecciona un marco y trata de "encajar" en él la información

de forma predictiva. Este segundo método se utiliza cuando solamente se quiere
extraer la información más relevante, pues tiene la ventaja de ser más eficiente y más
robusto.
Figura 2.6 Ejemplo de una lista.
Ventajas:
- Poder "leer" textos relativamente breves sobre temas concretos, extrayendo
información.
- Representar el conocimiento sin depender de ningún idioma particular: muy
importante para los "traductores automáticos".
- Permiten integrar la información con el fin de formar una historia coherente,

y realizan solamente las inferencias relativas a la cadena causal de sucesos.
Inconvenientes:
- Rigidez del mecanismo de representación: cada guión representa una
secuencia fija de acciones.
- Incapacidad para compartir información entre ellos: sería deseable que se
combinarán entre sí de forma dinámica.
- Incapacidad para expresar las "motivaciones e intenciones": se observa la
necesidad de comprender una historia desde distintos puntos de vista.
Extensiones:
Una solución aportada por Schank para superar la rigidez de los marcos
consiste en representar el conocimiento en forma de "paquetes de
organización de memoria o MOPs", del inglés, memory organization packets.
Una lista es una serie de nodos (información) relacionados entre sí. Puede ser una lista
de nombres de personas que se conocen, de cosas para comprar en la tienda, de una
relación de asuntos para esta semana o de productos en un catálogo.
Las listas se usan normalmente para representar conocimiento jerárquico, cuando los
objetos están agrupados o categorizados según un orden o relaciones (ver figura 2.6).
Los objetos se dividen en grupos o clases de elementos similares. Sus relaciones se

presentan por enlaces. La forma más simple de representar conocimiento es una lista,
pero debe existir una jerarquía cuando dos o más listas relacionadas se combinan.
{PRIVADO }2.5.2. Indices, tablas y árboles de decisión
Los índices, las tablas y los árboles, son herramientas muy útiles para analizar la
información o el conocimiento que tiene que ver con las situaciones que se presentan
para solucionar un problema, o para relacionar los diferentes eventos que se mezclan
en esa solución.
Índices. En un índice de decisión el conocimiento se organiza en un formato

extendido, usando columnas y filas. El índice se divide en dos partes: 1) lista de
atributos; 2) valores posibles de asociación. Las diferentes configuraciones de atributos
se emparejan hacia una conclusión.
El conocimiento para utilizar en el índice se reúne en secciones de conocimiento. Una

vez se detalle el conocimiento para el índice, puede usarse como una entrada a otro
método de representación de conocimiento. (No es posible hacer inferencias con el
dominio de índices por sí mismos, excepto cuando se usan reglas de inferencia).

0Figura 2.7 Tabla (matriz) de metas contra problemas.
Tablas de decisión. En una tabla de decisión, el conocimiento se organiza en un

formato, usando columnas y filas (ver figura 2.7).
0La tabla se divide en varias partes: 1) atributos; 2) valores o elementos; 3) lista de

conclusiones. Una vez esté construida una tabla, el conocimiento en ella puede
utilizarse como entrada a otras representaciones de conocimiento. (No es posible
hacer inferencias con el dominio de las tablas por sí mismo, excepto cuando una
regla de inducción se usa).
0Figura 2.8 Ejemplo de un árbol de decisión.
Árboles de decisión. Los árboles de decisión están muy relacionados con las tablas y
se usan frecuentemente para análisis de sistemas. Un árbol de decisión puede verse
como una red semántica jerárquica limitada por una serie de reglas (ver figura 2.8),
que se acoplan para la búsqueda estratégica con las relaciones de conocimiento. Los
árboles son similares a los árboles de decisión usados en la teoría de las decisiones.
Los árboles están compuestos de nodos que son metas. La raíz del árbol es la primera
de arriba (o a la izquierda13) y los niveles están abajo (o a la derecha). Todos los nodos
terminales, excepto el nodo raíz, son ejemplos de posibles metas.
13
También se construye un árbol de izquierda a derecha (el ejemplo de la figura 2.8 está arriba-abajo).
{PRIVADO }2.5.3. Objetos
La representación de conocimiento orientada a objetos suministra una alternativa, pero

cierra relativamente la metodología para representar conocimiento que comparten un
conjunto de estructuras como las redes semánticas y los marcos. Esta representación es
vista en términos de un conjunto de objetos, los cuales son capaces de seguir ciertas
conductas. Cada objeto se sitúa jerárquicamente en una red y puede acceder
propiedades e información de los objetos de un nivel superior.
Los argumentos hechos para los objetos como estructuras de conocimiento se

relacionan con el estilo de descripción inicialmente usado, más que las propiedades
fundamentales de objetos. El estilo de descripción de objetos es un proceso de
comparación, así que un nuevo objeto se describe para determinar la forma en que sea
similar o diferente a los objetos ya conocidos.
En el paradigma orientado a objetos, éstos se comunican unos con otros por envío y
recibo de mensajes.
• Un objeto, muy similar a los marcos, recibe mensajes de verificación de
conocimiento y decide qué acción tomar.
• La descripción para comparar muchas de las similitudes es mostrar una
especialización en casos usando los marcos.
• Los objetos usan atributos que están especificados en ranuras (slot, en inglés); se
organizan jerárquicamente de manera que los de menor nivel comparten
propiedades con los del nivel mayor (herencia).
• Los objetos contienen métodos, mientras los marcos tienen procedimientos
asociados.
• Los marcos pueden usar reglas para realizar cálculos.
Es necesario aclarar un conjunto de definiciones, con el fin de hacer más explícito el

concepto de representación orientada a objetos.
Objeto. Un objeto es una abstracción de un elemento de la realidad. Es una entidad

independiente, compuesta por datos (atributos) y procesos (objetos).
Atributo. Es una característica del elemento de la realidad, que se pretende

representar, la cual resulta de interés en el mundo del problema. Un atributo tiene un
nombre y un valor. El valor es otro objeto que representa la situación de esa
característica, en un momento dado. El estado de un objeto es la tupla de valores de sus
atributos14, dado por:
ATRIBUTO (variable_caso, miembro)
14
En los lenguajes de programación orientada a objetos, el polimorfismo se presenta como un resultado
natural de la relación es_un y de los mecanismos de paso de mensajes y relación.
Mensaje. Estímulo que recibe un objeto receptor de otro objeto del modelo, para que
genere una reacción. Estas reacciones se llaman métodos.
Método. Está compuesto por mensajes definidos por sus propios atributos, para
0Figura 2.9 Organización convencional versus encapsulamiento.

simular la reacción que tendría el elemento del mundo que representa. Son
dependientes del dominio o problema concreto que está tratándose, se activan
automáticamente al recibir un mensaje. Esta propiedad de un objeto se denomina
encapsulamiento, dado por:
MÉTODO (función_miembro, rutina, operación)
Existen dos clases básicas de métodos: los modificadores, que cambian el estado del
receptor y los analizadores, que sólo extraen información del objeto para contestar
mensajes.
Encapsulamiento. Un objeto del mundo se representa mediante una variable principal

que también a su vez se compone de variables y de funciones miembros, de manera
que se pueda afirmar que está encapsulado. Un objeto encapsulado trabaja como una
caja negra, es decir, las variables son independientes del diseño de las funciones que
las manejan.
Protocolo. Es el conjunto de mensajes a los cuales sabe responder un objeto; está dado
por:
PROTOCOLO (signatura, interfaz).
15
Clase. Una clase es un patrón para un objeto . Todo objeto es un ejemplo (caso) de
una clase. En el momento de reaccionar un objeto, revisa las características de su clase
y toma de allí el método adecuado. Una clase especifica la estructura y el
comportamiento de cada uno de sus casos; por eso, cada objeto tiene su propio
conjunto de atributos, aunque comparte los métodos de las demás casos de la misma
clase; está dada como:
CLASE (tipo).
15
Una clase es un tipo y un objeto es un ejemplo de clase.
Atributo de clase. Un atributo de clase es el que indica las características de una

misma clase. Esto implica que si algún objeto lo modifica, queda modificado para
todos los casos de dicha clase. Está dado por:
ATRIBUTO_DE_CLASE (variable_de_clase, miembro).
Herencia. La herencia se basa en propiedades que los miembros de un grupo

comparten. La herencia les permite a los objetos organizarse en taxonomías donde los
objetos especializados heredan las propiedades de objetos más generales. Las clases de
objetos comparten propiedades y funciones que pueden estar modeladas en alguna
superclase, las que definen las partes comunes y derivan clases especializadas
(subclase).
Ejemplo
Clase Criatura
Propiedades
tipo: string;
peso: real;
hábitat: (...algún hábitat...);
Operaciones
creación() ->criatura;
predador(criatura)->conjunto(criatura);
expectativa_de_vida(criatura) ->Entero;
...
Fin criatura.
Clase mamífero
Herencia criatura;
Propiedades
período_de_gestación: real;
Operaciones
...
Fin mamífero.
Clase persona
Herencia mamífero;
Propiedades
alias,primer_nombre: string;
fecha_nacimiento: fecha;
origen: País;
Fin persona.
Clase hombre
Herencia persona;
Propiedades
esposa: mujer;
...

Fin hombre.
Clase mujer
Herencia persona;
Propiedades
esposo: hombre;
...
Fin mujer.
En el ejemplo, la clase mamífero se define como una subclase de criatura; la clase

persona, como una subclase de mamífero; hombre y mujer, como una subclase de
persona.
{PRIVADO }2.6. MARCOS
Un marco (frame, en inglés) es una estructura de datos que posibilita "hablarle" al

computador e incluye conocimiento sobre un objeto en particular. Tal conocimiento se
organiza y con unos métodos para almacenamiento y recuperación de conocimiento
permite un diagnóstico independiente del conocimiento, e incluso permite la
combinación con la lógica de predicados para generar un razonamiento; llega así a
crear un motor de inferencia sobre el conocimiento y además permite realizar
construcciones jerárquicas basadas en la herencia.
Ejemplo.
Conferencia
Fecha:
Lugar:
Tema:
Expositor:
Hora:
Los marcos son básicamente principios de Programación Orientada a Objetos (POO)

pero aplicados en IA, porque su desarrollo se soporta con la idea básica que la
conducta humana se caracteriza por tomar estándares y proceder en situaciones
familiares para generar conocimiento a partir de inferencias.
Los marcos ofrecen una representación concisa y estructurada del conocimiento en una
forma natural. Los marcos16 constituyen de hecho un mecanismo general de
16
Para entender mejor el nombre de marco conviene recordar que el término original frame tiene
muchos significados, condición o estado, armazón, estructura básica alrededor de la cual se construye
"algo", conjunto de circunstancias que rodean un suceso, imagen en un rollo de película y de forma más
general, los objetos en que se centra la atención de una cámara de cine. Realmente frame, en el sentido
que le da Minsky, toma un poco de todos estos significados y por eso, al traducirlo por "marco" estamos
representación de conocimiento, ya que permiten usar el poder de los objetos
incluyendo a otros procesos y mecanismos. En contraste con otros métodos de
representación, los valores que describen un objeto están agrupados en una sola
unidad. Así, un marco abarca objetos complejos, situaciones completas, o el manejo de
problemas en una sola entidad. El conocimiento se particiona dentro de un marco por
ranuras. Una ranura puede tener conocimiento declarativo o procedimental.
Un marco es una estructura de datos para representar una situación

estereotipada. Cada marco lleva asociadas varias clases de información:
cómo usar el marco, qué se espera que suceda a continuación, qué hacer
cuando no se confirman tales expectativas.
Cada marco se caracteriza por un conjunto de campos o slots que sirven para
identificar los marcos. Los marcos están especialmente concebidos para tareas de
reconocimiento. El mecanismo es el siguiente, la información recibida hace que se
activen unos marcos y esta a su vez provoca la activación de otros marcos conectados
con los primeros, dando lugar así a una red de activación, cuyo objetivo es predecir y
explicar la información que se va a encontrar en esa situación. Este reconocimiento
basado en expectativas se denomina a veces reconocimiento descendente. Otra de las
ideas novedosas de Minsky es la posibilidad de tener distintos marcos para definir una
misma entidad desde distintos puntos de vista. El propósito de Minsky consistía en dar
sugerencias e ideas más que en concretar los detalles de un cierto tipo de
representación.
Los marcos tienen algunas capacidades que es importante resaltar, debido al gran uso
que está dándoseles en la actualidad; estas capacidades se resumen en:
a. Habilidad para documentar información acerca de un modelo; por ejemplo,

maquinaria de una planta y atributos asociados.
b. Habilidad para restringir posibles valores que un atributo puede tomar.
c. Modular la información, permitiendo facilidad de expandir y mantener el
sistema.
d. Sintaxis consistente y fácil de leer, para referenciar objetos del área.
e. Restringir la secuencia de hechos considerados durante encadenamientos.
f. Posibilitar acceso a mecanismos que soportan la herencia de información.
Los marcos se usan para representar conocimiento estereotipado o construido a partir

de experiencias y características bien conocidas. Todos tenemos gran cantidad de
perdiendo casi todos los matices del término original. También conviene señalar que, según Minsky, cada
marco posee varios slots o terminals que significan "ranura", es decir, un "hueco" destinado a contener
"algo que encaja alli". Un marco posee conocimiento sobre un objeto, evento, lugar, situación u otro; un
marco ofrece los medios para organizar conocimiento en ranuras que contienen características y
atributos. En forma física, un marco es algo como un recuento de categorías y subcategorías; el marco
puede describirse con gran detalle; el detalle se da en forma de ranuras que describen varios atributos o
características del objeto o situación.
conocimiento de sentido común y experiencias guardadas en el cerebro para analizar
un objeto o experiencia nueva al resolver un problema. La organización del
conocimiento jerárquicamente busca acople estructural a como se almacena, modifica
y recupera conocimiento de forma natural. La jerarquía y la herencia están en
evolución, en la forma de crear y almacenar conceptos, en el propio conocimiento que
se quiere modelar y en las configuraciones subjetivas que se derivan del modo humano
de organizar su percepción del mundo que lo rodea, clasificando los sucesos y
situándolos en una estructura multicapa organizada en clases de conceptos.
Ejemplo
Frame: Empleado
Hereda de: persona
Número_empleado: Valor:xx
SI adiciona: verifique secuencia: número
Salario Valor:yy
SI necesita: verifique palabra clave: Clav
Frame: Luis C. Torres S.

Hereda de: Empleado
Número_empleado Valor: 1320
Salario Valor: 1 475000
Los sistemas actuales basados en marcos se basan sobre todo en la herencia a partir de
una red jerárquica. El punto de partida consiste en la creación de una red de marcos.
Cada marco representa un concepto o una clase, y cada objeto (instancia) representa un
elemento dentro de la clase. En algunas herramientas cada caso (ejemplo, instancia)
puede pertenecer a varios marcos. Cada marco hereda los campos de todos sus
antepasados en la red, y cada objeto hereda campos y valores de todos los marcos a los
que pertenece. Algunas herramientas sólo permiten herencia descendente, mientras
que otras admiten herencia bidireccional (el valor asignado a un objeto puede
convertirse en valor por defecto del marco al que pertenece).
Facetas
Definen las propiedades de un campo:
- Valor por defecto: es el valor que toma el campo (salvo que se indique lo
contrario). En general se asigna al marco y es heredado por todas los casos
creados posteriormente dentro de él.
- Multivaluado: indica si el campo es univaluado (la introducción de un nuevo
valor desplaza el anterior) o multivaluado (pueden coexistir varios valores
simultáneamente).
- Restricciones: limitan el conjunto de valores que puede recibir el campo. El
sistema reconoce un error de asignación y toma las medidas oportunas.
- Certeza: indica la credibilidad del valor asignado al campo (es semejante al
factor de certeza asociado a cada proposición dentro de un sistema basado en
reglas).
- Facetas de interfaz: contienen texto, preguntas y mensajes destinados a la
interacción con el usuario.
Una de las características más importantes de los marcos es la posibilidad de asociar

procedimientos llamados demonios a cualquier elemento de la red jerárquica, los
cuales se ejecutan según las funciones especificadas. Algunos sucesos son:
a. De modificación. Siempre que varíe el valor del campo.
b. De borrado. Al ser eliminado el valor de un campo.
c. De necesidad. Cada vez que se requiere saber cuál es el valor de un campo y
éste no tiene ningún valor asignado.
d. De acceso. Cuando se solicita el valor de un campo, aunque ya tuviera un
valor asignado.
Los marcos pasan a ser considerados como objetos autónomos que tienen la capacidad
de comunicarse entre ellos mediante el paso de mensajes.
Ejemplo.
Suceso:
-lugar:
-día:
-hora:
Desastre natural:
-muertos:
-heridos:
-personas sin vivienda:
-daños materiales:
Terremoto:
-falla:
-magnitud:
Inundación:
-río:
Huracán:
-nombre:
-velocidad del viento:
Acontecimiento deportivo:
deporte:
-ganador:
-resultado:
Acontecimiento social:
-anfitrión:
-número de invitados:
Boda:
-novia:
-padres novia:
-novio:
-padres novio:
Cumpleaños:
-nombre:

-edad:
Julio Guarín -caso de:
-40
Claudia Tovar -caso de:
-22
Acontecimiento político:
-político:
-actividad:
Miguel García -caso de:
-reunión plaza CHE
Algunas herramientas avanzadas permiten que un campo tenga varios valores

correspondientes a distintos puntos de vista (el término original es views).
Veamos un ejemplo adaptado del sistema FRAME-KIT:

(definir-caso carne-de-vaca
(comestible (valor (general sí)
(hindú no))))
Su objetivo (mecanismo de control del razonamiento) es similar al que pretenden las

perspectivas que aparecen en el lenguaje KRL17, aunque la forma de implementación
es completamente diferente.
La determinación de cuál representación utilizar, ya se anotó, depende no sólo del

conocimiento sino de la herramienta de programación (el lenguaje de programación o
el Shell) que se emplee; si existe conocimiento puede representarse de diferentes
maneras.
Ejemplo de marco:
Clase Vaso_sanguíneo es:
subclase de nill;
contiene : sangre;
forma : tubular;
17
El propósito fundamental de KRL (Knowledge Representation Language) consistía en ofrecer los
mecanismos necesarios para una representación estructurada del conocimiento. Por ello la información
se agrupa en torno a los objetos o unidades, units, que constituyen el eje fundamental de la
representación del conocimiento. Los campos de una unidad pueden tener valores por defecto, que
provienen de la herencia de propiedades o bien de la existencia de prototipos (unidad que en vez de
corresponder a un objeto concreto representa un elemento típico de una clase). Otro mecanismo de
razonamiento muy importante es la comparación o ajuste ("matching", similar a la comparación de
patrones de las reglas). Entre los objetivos básicos de KRL es la eficiencia, a costa de perder elegancia
desde un punto de vista teórico. Una muestra de ello es la redundancia (incluir explícitamente cierta
información para no tener que deducirla). Además, ofrece numerosas posibilidades de controlar el
razonamiento. Una de ellas es la asignación de procedimientos o procedural attachment a los marcos o
a sus campos los cuales pueden ser de dos tipos: los sirvientes (que son procedimientos activados por el
marco para alcanzar cierto objetivo) y los demonios (se activan automáticamente en ciertas
circunstancias).
fin
Clase Arteria es:
subclase de: Vaso_sanguíneo;
tejido : muscular;
pobre en : oxígeno;
fin
Clase Vena es:
subclase de: Vaso_sanguíneo;
tejido : fibra;
rica en : oxígeno;
fin
Ejemplo Aorta es
caso de: Arteria;
diámetro : 2,3 mm;
fin
Ejemplo Arteria pulmonar izq. es
caso de: Arteria;
diámetro : 1,8 mm;
fin
Ejemplo Cava superior es
caso de: Vena;
diámetro : 1,7 mm;
fin
La red semántica que representa los marcos anteriores no son al azar, sino que deben
seguir la herencia establecida entre los diferentes marcos.
Figura 2.11 Red semántica.
En representación formal:
arteria(aorta)
diámetro(aorta, 2,3 mm)
diámetro(cava_superior, 1,7 mm)
diámetro(arteria_pulmonar_izq, 1,8 mm)
arteria(arteria_pulmonar_izq)
vena(cava_superior)
pobre_en(arteria, oxígeno)
rica_en(vena, oxígeno)
∀x arteria(x) => tejido(x,muscular)
∀x arteria(x) => rica_en(x,oxígeno)
∀x arteria(x) => vaso_sanguíneo(x)
∀x vena(x) => tejido(x,fibra)
∀x vena(x) => vaso_sanguíneo(x)
∀x vaso_sanguíneo(x) => contiene(x,sangre)
∀x vaso_sanguíneo(x) => forma(x,tubular)
Existen básicamente dos modos en que los marcos han sido y son utilizados:
Patrones para la comparación o pattern matching:

Cuando la información disponible indica que el problema planteado se ajusta a un
marco, el resto de la información contenida en dicho marco nos permite inferir la
presencia de otros elementos. El proceso de razonamiento puede resumirse en:
activación, reconocimiento y predicción.
Almacenes de información:
Aquí, los marcos significan ante todo una forma estructurada de almacenar
información. La distinción entre clases y objetos y su organización en forma de red
jerárquica permite utilizar la herencia de propiedades como mecanismo de
razonamiento por defecto. La capacidad de procesamiento asociada a cada marco varía
notablemente de un sistema a otro. En un extremo, los marcos constituyen una especie
de armario en cuyos cajones (los campos) se almacenan los datos (semejante a una
base de datos relacional). En el otro extremo, son los propios objetos quienes realizan
la inferencia (programación orientada a objetos).
La principal ventaja de los marcos frente a la lógica es que representan el

conocimiento de forma estructurada. Así, toda la información relativa a un objeto
queda reunida en un marco en vez de estar dispersa en un conjunto de proposiciones
sin ninguna estructura, y esto significa mayor eficiencia de cara al razonamiento y
mayor facilidad para mantener la base de conocimiento.
Nombre: Síndrome nefrótico

Es-un-tipo-de: Estado clínico
Hallazgo: Concentración de albúmina baja
...
Hallazgo: Lípidos en la orina presentes
No-debe-haber: Proteinuria ausente
Es-suficiente:
Edema masivo junto con proteinuria > 25g/24 horas
Criterios mayores:
Concentración de sero-albúmina
...
Proteinuria

...
Criterios menores:
Concentración de colesterol
...
Lípidos en la orina
...
Puede-estar-producido-por:
Clomerulonefritis
...
Puede-complicarse-por:
Hipovolemia
Celulitis
Puede-producir:
Retención de sodio
Diagnóstico-diferencial:
Si presión venosa yugular elevada,
Considerar: pericarditis constrictiva.
Si ascitis presente,
Considerar cirrosis.
{PRIVADO }2.7. AGENTES INTELIGENTES
Un agente puede considerarse como aquel objeto que percibe su ambiente y que
responde o actúa en dicho ambiente. Percibe por medio de sensores; en los humanos,
los sensores son: ojos, oídos, olfato, tacto,... Respondemos por medio de efectores
como: manos, pierna, boca. En una máquina, estos efectores son motores; en un
programa son acciones. Un agente robótico tiene como sensores cámaras y telémetros
infrarrojos, y los motores le sirven como efectores.
Un agente racional18 es aquel que hace lo correcto (de acuerdo con ciertos parámetros
o medidas de desempeño especificadas). Para determinar lo correcto hay que definir:
* Cuál es el criterio que sirve para definir qué tan exitoso es un agente.
* Cuándo evaluar el desempeño.
Hay que considerar que sería imposible diseñar un agente para que satisfaga
adecuadamente la realización de lo correcto siempre, a menos que conozcamos la
solución a todos los problemas. Con esto se dice: un agente racional deberá emprender
todas aquellas acciones que favorezcan obtener el máximo de su medida de
rendimiento, basándose en el conocimiento y en las percepciones. El concepto de
agente permite pensar en él como herramienta para el análisis de sistemas inteligentes.
Una vez que se ha visualizado que el comportamiento de un agente depende

exclusivamente de la secuencia de percepciones en un momento dado, podemos
18
Si un agente no puede percibir todos los elementos del entorno o no emprende una acción no
programada no significa que no sea racional.
elaborar una tabla de acciones que podría realizar un agente a partir de un conjunto de
percepciones. Especificar qué tipo de acción deberá emprender un agente como
respuesta a una determinada secuencia de percepciones constituye el diseño de un
agente.
Importante considerar si el agente debe basarse exclusivamente en el "conocimiento

integrado". En tal caso, se dice que el agente no tiene autonomía, pero podemos decir
que un sistema será autónomo en la medida en que su conducta está definida por su
propia experiencia. Así como la evolución nos ha dotado de eventos que facilitan
sobrevivir hasta aprender correctamente, también se crearán agentes inteligentes
(artificiales) con cierto conocimiento inicial y de capacidad para aprender.
La búsqueda y la planificación son áreas de la IA que se ocupan de encontrar las

secuencias de acciones que permiten alcanzar las metas de un agente.
La intención de la IA es diseñar agentes (programas) con autonomía, ejecutándose en

algún hardware (arquitectura). En general, el hardware pone al alcance del agente
percepciones obtenidas mediante los sensores; lo ejecuta y alimenta el efector con las
acciones elegidas.
El ambiente plantea tantos desafíos que algunas veces resulta muy difícil para un
software desempeñarse adecuadamente.
función agente(percepciones) retornar acción

memoria:
memoria <- actualizar_memoria(memoria, percepciones)
acción <- escojer_mejor_acción(memoria)
memoria <- actualizar_memoria(memoria, acción)
retornar acción
Ejercicio. Construir agentes teniendo como base la función agente, antes definida. Sea
un agente conducido por una tabla:
función agente_conducido_por_ tabla(percepciones) retornar acción

percepciones:
añadir percepción al final de la percepciones
acción <- consulta(percepciones, tabla)
retornar acción
Consideremos que el agente es un taxista (o taxi). Él requiere saber cómo es el

recorrido, quién más circula en la vía, a qué velocidad puede desplazarse. Claro que
esta información la obtiene de percepciones que ofrecen: cámaras, velocímetro,
contador. Sin olvidar que debe conocer el estado del vehículo, lo cual lo logra por
medio de sensores. También contará con dispositivos que le permiten comunicarse con
los pasajeros, quienes le informaran cuál es el destino.
Las acciones que ha de realizar este taxista deben concordar con las que efectúa un
conductor humano: acelerar, frenar, virar,...
¿Cuál sería la medida de desempeño? Entre las medidas deseables es llegar al destino
correcto, no realizar violaciones de tránsito ni molestias a otros conductores, ofrecer
seguridad y comodidad a los pasajeros,...
Sin embargo, es necesario definir el ambiente en el cual se ha de movilizar. ¿Calles

con huecos?, ¿vía circunvalar?, ¿autopista del norte?, ¿poco o mucho tránsito?, ¿con
semáforos o sin semáforos?
0Figura 2.12. Agente reflejo simple.
Al mirar con mucho cuidado estas consideraciones, podemos proponer diversos tipos
de programas agentes:
* Agentes de reflejo simple.
* Agentes bien informados.
* Agentes basados en metas.
* Agentes basados en utilidad.
Agentes de reflejo simple
En general, estarían estructurados por un conjunto de reglas de condición-acción, tal

como lo hacen los conductores humanos.
SI semáforo en amarillo ENTONCES empezar a frenar.

SI carro adelante prende stop ENTONCES empezar a frenar.
SI calle cerrada ENTONCES gire en dirección permitida.
SI dirección permitida es derecha ENTONCES girar derecha.
SI ambas direcciones permitidas ENTONCES girar lado inmediato.
En la figura 2.12 puede observarse cómo las reglas condición-acción le permiten al

agente establecer la conexión entre percepciones y acciones.
El programa agente de reflejo simple sería:

0Figura 2.13. Agente reflejo con estado interno.
función agente_reflejo_simple(percepciones) retornar acción

percepciones:
reglas:
estado <- interpretar_entrada(percepciones)
regla <- regla_coincidencia(estado, reglas)
acción <- regla_acción(regla)
retornar acción
La función interpretar_entrada genera una descripción abstracta del estado

prevaleciente de la percepción; y la función regla_coincidencia produce la primera
regla que hace juego con la descripción del estado ofrecida.
La figura 2.13 muestra la estructura del agente reflejo y también cómo se combinan las
percepciones prevalecientes con el estado interno anterior para generar la descripción
actualizada del estado prevaleciente.
Agentes bien informados
Sólo tomando la decisión adecuada con base en la percepción de un momento dado, se

entenderá que satisface el desempeño deseado.
Hay momentos en que el agente requiere actualizar algo de información en el estado

interno que le permita discernir entre estados del mundo que generan la misma entrada
de percepciones, pero que, son totalmente distintos; esto es, se requieren acciones
distintas, lo cual indica requerirse cierta información sobre cómo evoluciona el mundo,
independientemente del agente. También se requiere información sobre cómo las
acciones del agente mismo afectan al mundo.
El programa agente reflejo bien informado podría ser:
función agente_reflejo_con_estado(percepciones) retornar acción

percepciones:
reglas:
acción:
estado <- actualiza_estado(estado, percepciones)

regla <- regla_coincidencia(estado, reglas)
acción <- regla_acción(regla)
estado <- actualizar_estado(estado, acción)
retornar acción
La función actualizar_estado es la responsable de crear la nueva descripción del estado

interno.
Agentes basados en metas
En la regla, SI calle cerrada ENTONCES gire en dirección permitida, la decisión

adecuada dependerá de a dónde desee llegar el taxista, cuál es la dirección permitida o
cuál giro no obstaculiza ni comete algún error.
0Figura 2.14. Agente con metas explícitas.
El programa agente puede combinar lo anterior con la información relativa al resultado

que producirán las posibles acciones que se emprendan y de esta manera alcanzar la
meta deseada.
Un agente basado en metas razonaría considerando la forma como normalmente

evolucionan las cosas del mundo.
función agente_basado_metas(percepciones) retornar acción

percepciones:
acción:
estado <- actualiza_estado(estado, percepciones)
estado <- actualizar_estado(estado, meta)
retornar acción
Agentes basados en utilidad
Las metas no bastan por sí mismas para generar una conducta de alta calidad, son
muchas las acciones que permitirían que el agente llegue a la meta, pero de todas ellas,
algunas son más rápidas, seguras y confiables. Estas decisiones llevan a los agentes a
obtener mayor utilidad.

0Figura 2.15. Agente basado en utilidad.
La utilidad es una función que correlaciona un estado con un valor el cual caracteriza
el grado de satisfacción (desempeño). La estructura general de un agente basado en
utilidad se visualiza en la figura 2.15.
El criterio que sirve para definir qué tan exitoso es un agente en la elaboración de una
tarea encomendada es la medida del desempeño; es decir, es el medio de evaluación de
las acciones del agente. Sin embargo, no es posible utilizar una medida fija que pueda
aplicarse por igual a todos los agentes, ya que depende de la tarea (problema,
situación) y del criterio de cada evaluador.

(PRIVADO) 2. Representación Del Conocimiento

Cargado por

Copyright:

Formatos disponibles

(PRIVADO) 2. Representación Del Conocimiento

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

(PRIVADO) 2. Representación Del Conocimiento

Cargado por

Copyright:

Formatos disponibles

{PRIVADO }

{PRIVADO }2. Representación del conocimiento

Procesos que se adelantan en las investigaciones de IA determinan que el desarrollo de

La IA busca representar generalizaciones, es decir, no representar cada situación

El conocimiento puede ser de tipo procedimiental, declarativo o heurístico.

El conocimiento declarativo es conocimiento pasivo, sentencias que expresan hechos

El conocimiento heurístico es algo especial para resolver problemas complejos. Es un

Una base de conocimieto (BC) consiste de esquemas y estructuras de representación y

Una representación de conocimiento puede ser un esquema o dispositivo para capturar

El conocimiento para involucrar en los esquemas o estructuras se encontraría

* Objetos. Todo sistema debería tener información de las propiedades físicas de

Las representaciones combinan declaraciones y procedimientos; el principio de

Los métodos orientados a objetos2 para representación de conocimiento proveen una

Cuando se trata una nueva clase de problemas, siempre resulta un conjunto de

¿Qué clase de conocimiento está comprometido?

Unas características de la representación del conocimiento son:

∗ Alcance y granularidad. El alcance de la representación del conocimiento es la

Las situaciones particulares en las cuales el conocimiento se usa son:

{PRIVADO }2.1. TRIPLETA OBJETO, ATRIBUTO Y VALOR

Una forma común de representar conocimiento es usar la tripleta objeto, atributo y

Para la representación OAV se usan nodos y relaciones (redes) o tablas conceptuales

Casa Alcoba 2, 3, 4, etc

Casa Color Verde, rosa, gris

Inventarios nivel 15, 20, 30

Alcoba área 9'*10' o 15*20 m

María esposa Ingeniera

Luis padre Médico

Figura 2.1. Ejemplos de representación de OAV.

{PRIVADO }2.2. REDES SEMÁNTICAS

0Figura 2.2. Red semántica: relaciones familiares.

Las redes semánticas (Semantic networks) son representaciones básicas de

32 Luis Carlos Torres Soler

1. Léxicamente, hay nodos y enlaces entre nodos especificando una aplicación.

La figura 2.2 muestra una estructura de relaciones que existe en un conjunto de

0Figura 2.3. Red semántica con atributo "es_un".

0Figura 2.4 Red semántica con diferentes relaciones.

Los SP fueron desarrollados por Newell y Simons, para modelar el conocimiento

Cada regla contempla premisas que pueden modificarse independientemente de otras

Existen dos tipos comunes de SP:

Considérense los siguientes ejemplos:

1. SI máquinas de corte inactivas,

SI orden compra de materia prima aprobada,

SI materia prima ordenada,

2. SI fiebre & infección,

SI temblor & dolor huesos,

En muchas aplicaciones con técnicas de IA, la información disponible no es suficiente

Se distinguen dos grandes estrategias de control: irrevocable y tentativa.

Tentativa: una regla aplicable es seleccionada, la regla se aplica, pero se tiene

{PRIVADO }Tabla 2.2 Diferencias en tipos de sistemas.

Sistema inteligente Sistema computacional convencional

Estructurado en módulos. Estructurado en módulos jerárquicamente.

En algunos problemas, se desea la solución sujeta a restricciones adicionales. Por

Hay muchas diferencias entre la estructura de SI y los sistemas computacionales

Son fácilmente entendibles. Conocimiento complejo requiere muchas (miles

La inferencia y explicación se deducen Búsqueda en el programa de control.

Modificación y conservación relativamente Requerimiento de amplio conocimiento y

La incertidumbre es fácilmente imple- Las inferencias al no estar claramente definidas

Cada regla es independiente de las demás. Dependencia de reglas en conocimiento

Alcoba área 9'10' o 1520 m