3.1 SISTEMAS BASADOS EN CONOCIMIENTO O
AGENTES BASADOS EN CONOCIMIENTO
Concepto de conocimiento.
El
conocimiento es un conjunto de información
almacenada mediante la experiencia o el aprendizaje (a posteriori), o a través
de la introspección (a priori).
El
conocimiento puede ser:
"A priori": cuando no
necesita de la experiencia, solo le
basta la razón para llegar a un
conocimiento.
"A posteriori": cuando
necesita de la experiencia para llegar a un conocimiento válido.
El
conocimiento tiene su origen en la percepción sensorial,
después llega al entendimiento y concluye finalmente en la razón.
La percepción sensorial obedece a los estímulos cerebrales logrados a través de los 5 sentidos, vista, olfato, tacto, auditivo, gusto, los cuales dan una realidad física del ambiente.
Los conceptos de interés para la Inteligencia artificial son:
“La representación del
conocimiento y los procesos de razonamiento que permiten que ésta evolucione”
Nota: Una inferencia es
una evaluación que realiza la mente entre proposiciones.
El papel que pretende la representación del conocimiento en
Inteligencia Artificial es reducir problemas de acción inteligente en meros problemas de búsqueda.
ANALOGÍA
ENTRE PROGRAMACIÓN Y LOS PROCESOS DE INTELIGENCIA ARTIFICIAL
LA META DE LOS “AGENTES
BASADOS EN CONIOCIMIENTO” CONSISTE EN:
a) Que el conocimiento aparezca
explícitamente en una base.
b) Que se logren conclusiones del
conocimiento declarado en la base.
Para ello es indispensable la
LÓGICA, que utiliza la notación
matemática para gestionar el conocimiento o puede ser representado en lenguaje natural (español, inglés,
entre otros).
Tanto en el Lenguaje Natural
como en la Lógica, la unidad es la oración (Sentence), llamada también
“Sentencia”, la cual debe cumplir con:
- Una Sintaxis
- Una semántica
- Validez
- La inferencia
El conocimiento y el
razonamiento juegan un papel importante cuando se trata con entornos
parcialmente observables. Un agente
basado en conocimiento puede cambiar el conocimiento general con las
percepciones reales para inferir aspectos ocultos del estado del mundo, antes
de seleccionar cualquier acción.
Por ejemplo, un médico
diagnostica a un paciente (es decir, infiere una enfermedad que no es
directamente observable) antes de seleccionar un tratamiento.
Parte del conocimiento que
utiliza el médico está en forma de reglas que ha aprendido de los libros de
texto y sus profesores, y parte en forma de patrones de asociación que el
médico no es capaz de describir explícitamente.
Si este conocimiento está en la cabeza del médico, es su conocimiento.
El entendimiento del lenguaje
natural también necesita inferir estados ocultos, en concreto, la intención del
que habla. Cuando escuchamos, “Juan vió el diamante a través de la ventana y lo
codició”, sabemos que “lo” se refiere al diamante y no a la ventana. (quizá de
forma inconsciente, razonamos en nuestro conocimiento acerca del papel relativo
de las cosas). De forma similar, cuando escuchamos, “Juan lanzó el ladrillo a
la ventana y se rompió”, sabemos que “se” se refiere a la ventana.
“El razonamiento nos permite hacer frente a una variedad virtualmente
infinita de manifestaciones utilizando un conjunto finito de conocimiento de
sentido común”
Los agentes (sistemas) que
resuelven problemas presentan dificultades con este tipo de ambigüedad debido a
que su representación de los problemas con contingencias es exponencial y la
lógica no puede representar bien esta incertidumbre.
LA RAZÓN PARA ESTUDIAR A LOS AGENTES BASADOS EN CONOCIMIENTO ES SU
FLEXIBILIDAD.
Ellos son capaces de aceptar
tareas nuevas en forma de objetivos
descritos explícitamente, pueden obtener rápidamente competencias informándose
acerca del conocimiento del entorno o
aprendiéndolo, y pueden adaptarse a los cambios del entorno actualizando el
conocimiento relevante.
AGENTES BASADOS EN CONOCIMIENTO
El componente principal de un
agente basado en conocimiento es su BASE DE DATOS, o BC. Informalmente, una base de conocimiento es un conjunto
de sentencias. Cada sentencia se expresa en un lenguaje denominado: LENGUAJE DE
REPRESENTACIÓN DEL CONOCIMIENTO.
Debe haber un mecanismo para añadir sentencias nuevas a la base
de conocimiento, y uno para preguntar qué
se sabe en la base de conocimiento.
Los nombres para estas dos tareas son: DECIR Y PREGUNTAR. Ambas tareas
requieren realizar inferencia, es decir, derivar nuevas sentencias de las
antiguas.
¿CÓMO FUNCIONA?
El agente recibe una percepción como entrada y devuelve una acción.
El agente mantiene una Base de
Conocimientos, BC, que inicialmente contiene algún conocimiento de antecedentes. Cada vez que el programa del agente
es invocado, realiza dos cosas. Primero, DICE a la base de conocimiento lo que ha percibido. Segundo, PREGUNTA
a la base de conocimiento qué acción
debe ejecutar. En este segundo proceso de responder a la pregunta, se debe
realizar un razonamiento extensivo acerca del estado actual del
mundo, de los efectos de las
posibles acciones, entre otros. Una vez se ha escogido la acción, el agente graba su elección mediante un
DECIR y ejecuta la acción. Este segundo DECIR es necesario para permitirle a la
base de conocimiento saber que la acción hipotética realmente se ha ejecutado (Ver figura 1).
Figura 1. Un agente basado en conocimiento genérico.
“Uno puede construir un agente basado en conocimiento simplemente
DICIÉNDOLE al agente lo que necesita saber”
LA CONSTRUCCIÓN DE UN AGENTE
BASADO EN CONOCIMIENTO SE PUEDE HACER EN DOS ENFOQUES:
a) ENFOQUE DECLARATIVO: El
programa del agente, inicialmente, antes de que empiece a recibir percepciones,
se construye mediante la adición, una a una, de las sentencias que
representan el conocimiento del entorno que tiene el diseñador.
b) ENFOQUE PROCEDURAL: Se
codifican los comportamientos que se desean obtener directamente en código de
programación. Mediante la minimización del papel de la representación
explícita y del razonamiento se pueden obtener sistemas mucho más eficientes.
Además de DECIRLE al agente lo
que necesita saber, podemos proveer a un agente basado en conocimiento de los mecanismos que le permitan
aprender por sí mismo. Estos mecanismos crean un conocimiento general acerca del entorno con
base en un conjunto de percepciones. Este conocimiento se puede incorporar a la
“base de conocimiento” del agente y utilizar para su toma de decisiones . De
esta manera, el agente puede ser totalmente autónomo.
Todas estas capacidades
(representación, razonamiento y aprendizaje) se apoyan en la teoría y
tecnología de la lógica, pero antes veamos “El mundo de wumpus” que nos
permitirá ilustrar estos mecanismos.
Revisa el material marcado como: "Inteligencia Artificial, un enfoque moderno". Imprime las hojas numeradas de 217 al 235 (Tema: Agentes lógicos) y llévalas a clase para su revisión.
3.2 MAPAS CONCEPTUALES
3.3 REDES SEMÁNTICAS
PARA REALIZAR EN CASA.
Para atender
los puntos del temario 3.2 “Mapas conceptuales”
y 3.3 “Redes semánticas” de la Unidad III, busca información sobre los
temas y revisa los vÍdeos y material de los siguientes enlaces para
complementar:
ACTIVIDAD: En forma
individual, elabora un mapa conceptual de algún tema visto en clase. Del mismo
tema elabora una red semántica. El mapa
y la red pueden ser realizados a mano, o bien, mediante el uso de una
herramienta de software. Se revisará que incluyan los componentes propios de
cada representación gráfica. Entrega al docente el día indicado en clase.
CONCEPTOS FUNDAMENTALES DE LA LÓGICA
En esta sección se conocerán los
conceptos fundamentales de la representación y el razonamiento lógico, que son
más generales y bellos de lo que se piensa.
SINTAXIS
Las bases de conocimiento se
componen de sentencias. Estas sentencias se expresan de acuerdo a la sintaxis
del lenguaje de representación que especifica todas las sentencias que están bien formadas.
Por ejemplo:
En la aritmética la sentencia: “x +
y = 4” es una sentencia bien formada.
Mientras que “2y+=” no lo es.
Las sentencias de la base de
conocimientos son configuraciones sintácticas bien formadas. El razonamiento implica generar y
manipular estas configuraciones.
SEMÁNTICA
Si lo relacionamos con el lenguaje
hablado, la semántica trata el “Significado” de las sentencias. En lógica esta
definición es más precisa. La semántica del lenguaje define el valor de verdad de cada sentencia
respecto a cada mundo posible o
entorno real en los que el agente pueda o no estar.
Utilizaremos la palabra modelo como sinónimo de mundo posible.
También utilizaremos la frase “m es un modelo de α” para indicar
que la sentencia α es verdadera en el modelo m.
Por ejemplo:
La sentencia x + y = 4, es verdadera
cuando, formalmente, los modelos posibles son justamente todas aquellas
posibles asignaciones de números a las variables x e y en donde la suma es
igual a 4.
En el razonamiento lógico, este
requiere de la relación de implicación lógica entre las sentencias, es decir,
la idea de que una sentencia se sigue
lógicamente de otra sentencia. Su notación matemática es:
α|= β
Lo que significa que la sentencia α implica
la sentencia β. La definición formal de implicación es esta: α|= β si y solo si
en cada modelo en el que α es verdadera, β también lo es. Otra forma de
definirla es que si α es verdadera, β también lo debe ser.
Revisa el material proporcionado por el docente: "El mundo de wumpus"
3.4 LÓGICA PROPOSICIONAL O DE
PREDICADOS
SINTAXIS
La sintaxis de la Lógica proposicional nos define las sentencias que
se pueden construir. Las sentencias
atómicas (es decir, los elementos sintácticos indivisibles) se componen de
un único símbolo proposicional. Cada
uno de estos símbolos representa una proposición que puede ser verdadera o
falsa. Utilizaremos letras mayúsculas para estos símbolos: P, Q, R, y
siguientes.
Por ejemplo:
W13 para representar que el wumpus se encuentra en la casilla [1,3].
Hay dos símbolos proposicionales con
significado fijo:
1)
Verdadero,
que es la proposición que siempre es verdadera.
2)
Falso,
que es la proposición que siempre es falsa.
Las sentencias
complejas se construyen a partir de sentencias más simples mediante el uso
se las conectivas lógicas, que son
las siguientes cinco:
Gramática Formal de una Lógica Proposicional
TABLA DE VERDAD O VALIDEZ
EQUIVALENCIA LÓGICA.
ACTIVIDAD: Desarrollar el punto 3.5 de su temario dado al inicio de curso, es decir: Tomando en cuenta el tema de la unidad 3. "REPRESENTACIÓN DEL CONOCIMIENTO Y RAZONAMIENTO", desarrollar el punto 3.5: "RAZONAMIENTO CON INCERTIDUMBRE", que incluya también los subtemas:
3.5.1 Aprendizaje,
3.5.2 Razonamiento Probabilístico
3.5.3 Lógicas multivaluadas.
Les recuerdo que el trabajo se debe realizar de manera individual, formal y para entregar el día 6 de abril.
