Tema 3: Representación del conocimiento estructurado

Transcripción

1 Inteligencia Artificial II Curso Tema 3: Representación del conocimiento estructurado José A. Alonso Jiménez Carmen Graciani Díaz Francisco Jesús Martín Mateos José Luis Ruiz Reina Dpto. de Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla IA-II CcIa Representación del conocimiento estructurado 3.

2 Clasificación de formalismos Conceptos Objeto atributo valor Relaciones entre conceptos Redes semánticas Marcos Lógicas descriptivas IA-II CcIa Representación del conocimiento estructurado 3.2

3 Redes semánticas C.S. Pierce, finales s. XIX: propone representar oraciones lógicas con grafos existenciales El uso de grafos es tradicional en Filosofía y Filología R. Quilliam, 968: representar la semántica de las palabras Lenguaje natural y traducción Redes asociativas: relaciones entre conceptos y/u objetos Precursoras de los marcos y estos, a su vez, de la programación orientada a objeto IA-II CcIa Representación del conocimiento estructurado 3.3

4 Definición básica Grafo dirigido y etiquetado Nodo: concepto (objeto o conjunto de objetos) Valores de propiedades Arco: relación o asociación parte-de: una clase de objetos es una subclase de otra, es-un: un objeto pertenece a una clase de objetos, relación: entre los conceptos asociados Propiedades Estructura jerárquica Transitividad No monótono IA-II CcIa Representación del conocimiento estructurado 3.4

5 Ejemplo parte de inicio persona ciudad Sevilla parte de es un profesor es un estado casado parte de es un alumno es un estado soltero Luis edad Juan ciudad edad Jaen Pedro edad Pablo estado edad casado IA-II CcIa Representación del conocimiento estructurado 3.5

6 Razonamiento Equiparación Construir una red con los elementos de la pregunta Cotejarla con la Base de Conocimiento equiparando los nodos Herencia Simple Con excepciones Herencia múltiple Herencia y cambios IA-II CcIa Representación del conocimiento estructurado 3.6

7 Herencia simple con excepciones FUNCIÓN PROP_ESPECÍFICAS_RS(CONCEPTO) Devolver el conjunto de pares (PROP, VAL) (con PROP distinto de es-un y parte-de) para los que CONCEPTO PROP VAL FUNCIÓN PROPIEDADES_RS(CONCEPTO). Sea PE el conjunto de PROP_ESPECÍFICAS_RS(CONCEPTO) 2. Sea PH el conjunto HERENCIA_RS(CONCEPTO, PE) 3. Devolver PE PH FUNCIÓN HERENCIA_RS(CONCEPTO, P_CONOCIDAS). Si CONCEPTO = inicio (es decir, se trata de la clase inicial) entonces. Devolver el conjunto vacío 2. Si CONCEPTO prop CLASE (donde prop es es-un o parte-de) entonces 2. Devolver PROPIEDADES_RS(CLASE) menos los pares (PROP, VAL) tales que exista un par (PROP, VAL ) P_CONOCIDAS IA-II CcIa Representación del conocimiento estructurado 3.7

8 Ejemplos?- [redes_semanticas]. %... Yes?- propiedades_rs(juan, P). P = [edad:44, ciudad:jaen, estado:casado] Yes?- propiedades_rs(pedro, P). P = [edad:24, estado:soltero, ciudad:sevilla] Yes?- propiedades_rs(pablo, P). P = [estado:casado, edad:9, ciudad:sevilla] Yes?- es_un(pablo, C). C = alumno Yes?- propiedades_rs(alumno, P). P = [estado:soltero, ciudad:sevilla] Yes IA-II CcIa Representación del conocimiento estructurado 3.8

9 Ventajas y desventajas Ventajas Explícito y condensado Reduce el tiempo de búsqueda Evitar repeticiones y compartir conocimiento Desventajas No se pueden representar negaciones, disyunciones, cuantificación No se pueden incluir conocimientos procedimentales Sin interpretación estándar Posibilidad de herencias inconsistentes en herencia múltiple Explosión combinatoria IA-II CcIa Representación del conocimiento estructurado 3.9

10 Marcos O. Selz, principios del siglo XX Resolver un problema es completar la información existente M. Minsky, 975 Control semántico en reconocimiento de patrones Construir ontologías Metodologías: Cyc, METHONTOLOGY, (KA) 2,... Lenguajes: LOOM, Ontolingua, RDF, OIL, DAML+OIL, OWL,... Herramientas: Ontolingua, WebODE, Protégé IA-II CcIa Representación del conocimiento estructurado 3.0

11 Definición Marco: conjunto de propiedades que caracterizan un concepto (objeto o conjunto de objetos) Los valores de las propiedades pueden ser procedimientos de cálculo de valores y actualización de información relacionada Sintaxis: nombre del marco + conjunto de pares atributo valor (slot fillers), donde cada valor puede ser: Dato Conjunto de pares faceta dato Rango Por defecto Acciones: si se necesita (If-Needed), si se añade (If-Added), si se cambia (If- Changed) IA-II CcIa Representación del conocimiento estructurado 3.

12 Ejemplo de marco Marco AUTOMOVIL Subclase de VEHICULO Supercalse de : {MONOVOLUMEN TURISMO DEPORTIVO} Fabricante: Rango: {BMW FIAT RENAULT SEAT} Por defecto: SEAT Pais-de-fabricacion: Rango: {ALEMANIA ITALIA FRANCIA ESPA~NA} Por defecto: ESPA~NA Modelo: Rango: {} Color: Rango: {ROJO BLANCO GRIS AZUL} Si-se-necesita: { CONSULTAR_FICHA CONSULTAR_FABRICANTE } A~no: Rango: Si-se-cambia: {ERROR: El valor no se puede modificar} Propietario: Si-se-a~nade: {COMPROBAR_PERMISO A~NADIR_MATRICULA INGRESAR_IMPUESTOS} IA-II CcIa Representación del conocimiento estructurado 3.2

13 Marcos: Jerarquía e inferencia Taxonomía: organización jerárquica de marcos (árbol) Usualmente sólo relaciones de jerarquía Inferencia Equiparación Herencia Simple Múltiple Gestión dinámica de valores IA-II CcIa Representación del conocimiento estructurado 3.3

14 Tipos de marcos Clase: Conceptos o situaciones genéricas Se describen por un conjunto de propiedades Instancia: Objetos concretos o individuos Relacionados con un marco clase Heredan propiedades Propiedades Marcos superiores : sus características se consideran fijas Marcos inferiores : sus características pueden variar, siguen el esquema de las superiores IA-II CcIa Representación del conocimiento estructurado 3.4

15 Ejemplo MC Inicio MC Persona Ciudad Por defecto: Sevilla Estado Rango: Soltero, Casado Edad Rango: 0 00 MC Profesor Estado Por defecto: Casado Categoria MI MC Juan Edad: 44 Ciudad: Jaen Categoria: Asociado Alumno Estado Por defecto: Soltero Titulacion MI MI Luis Edad: 47 Categoria: Catedratico Pedro Edad: 24 Titulacion: ITIS MI Pablo Estado: Casado Edad: 9 Titulacion: II IA-II CcIa Representación del conocimiento estructurado 3.5

16 Inferencia Equiparación Pregunta en forma de marco: conjunto de pares atributo valor Marcos clase en los que se encuentra definida alguno de los atributos Descender en el árbol equiparando los restantes pares Valores activos Al añadir: permite deducir valores de otras propiedades a partir del valor de la propiedad asociada Al modificar: permite modificar otros valores en función del valor de la propiedad asociada... IA-II CcIa Representación del conocimiento estructurado 3.6

17 Herencia simple con excepciones (sin facetas) FUNCIÓN PROPIEDADES_MARCO(CONCEPTO). Sea PE el conjunto de pares (PROP, VAL) tales que PROP es una propiedad del marco CONCEPTO y es posible obtener el valor asociado VAL a partir de la información almacenada en el marco 2. Sea PH el conjunto HERENCIA_MARCO(CONCEPTO, PE) 3. Devolver PE PH FUNCIÓN HERENCIA_MARCO(CONCEPTO, P_CONOCIDAS). Si CONCEPTO = inicio (es decir, se trata del marco inicial) entonces. Devolver el conjunto vacío 2. Si CONCEPTO CLASE entonces 2. Devolver PROPIEDADES_MARCO(CLASE) menos los pares (PROP, VAL) tales que exista un par (PROP, VAL ) P_CONOCIDAS IA-II CcIa Representación del conocimiento estructurado 3.7

18 Ejemplo?- [marcos]. %... Yes?- propiedades_marco(juan, P). P = [edad:44, ciudad:jaen, categoria:asociado, estado:casado] Yes?- propiedades_marco(pedro, P). P = [edad:24, titulacion:itis, estado:soltero, ciudad:sevilla] Yes?- propiedades_marco(pablo, P). P = [edad:9, estado:casado, titulacion:ii, ciudad:sevilla] Yes?- pertenece_a(pablo, C). C = alumno Yes?- propiedades_marco(alumno, P). P = [estado:soltero, ciudad:sevilla] Yes IA-II CcIa Representación del conocimiento estructurado 3.8

19 Ventajas y Desventajas Ventajas Facilita el procesamiento de la información Organización del conocimiento Capacidad de almacenar valores dinámicos Desventajas Excepciones de los prototipos Acomodación a nuevas situaciones Uso de conocimiento heurístico IA-II CcIa Representación del conocimiento estructurado 3.9

20 Objetos Objeto: conjunto de información que describe una entidad y descripción de cómo manipularla Propiedades Abstracción: en los datos y procedimientos Encapsulamiento: ocultación de información Herencia Polimorfismo: varios significados para un mismo operador y posibilidad de hacer referencia a diversas clases IA-II CcIa Representación del conocimiento estructurado 3.20

21 Lógica Descriptiva Permite definir categorías en términos de relaciones Inferencia Subsunción: determinar si una categoría es subclase de otra, en función de sus descripciones Clasificación: determinar si un objeto pertenece a una determinada categoría siguiendo su descripción Polinomial en el tamaño de la descripción de una consulta Classic: Borgida, 989 IA-II CcIa Representación del conocimiento estructurado 3.2

22 Bibliografía Flach, P. Simply Logical (Intelligent Reasoning by Example) (John Wiley, 994) Lucas, P. y Gaag, L. v. d. Principles of Expert Systems (Addison Wesley, 99) Poole, D.; Mackworth, A. y Goebel, R. Computational Intelligence (A Logical Approach) (Oxford University Press, 998) Russell, S y Norvig, P. Inteligenica artificial (Un enfoque moderno) (Prentice Hall Hispanoamerica, 996) Gonzalez, A. J. y Dankel, D. D. The engineering of knowledge based systems (Theory and practice) (Prentice-Hall International Editions, 993) IA-II CcIa Representación del conocimiento estructurado 3.22

23 Inteligencia Artificial II Curso Tema 3 (anexo): Implementaciones en Prolog Dpto. de Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla IA-II CcIa Representación del conocimiento estructurado 3.23

24 Redes semánticas (nodos y arcos) % Relaciones entre clases: parte_de(clase, SUPERCLASE) parte_de(persona,inicio). parte_de(alumno, persona). parte_de(profesor, persona). % Relaciones entre objeto y clase: es_un(objeto, CLASE) es_un(juan, profesor). es_un(luis, profesor). es_un(pablo, alumno). es_un(pedro, alumno). % Propiedades de un objeto o clase: prop(concepto, ATRIBUTO, VALOR) prop(persona, ciudad, sevilla). prop(alumno, estado, soltero). prop(profesor, estado, casado). prop(juan, edad, 44). prop(pablo, estado, casado). prop(juan, ciudad, jaen). prop(pablo, edad, 9). prop(luis, edad, 47). prop(pedro, edad, 24). IA-II CcIa Representación del conocimiento estructurado 3.24

25 Redes semánticas (herencia simple con excepciones) I % propiedades_rs(+concepto,?propiedades) propiedades_rs(conc, PROPS) :- propiedades_especificas_rs(conc, PE), herencia_rs(conc, PE, PH), append(pe, PH, PROPS). % propiedades_especificas_rs(+concepto,?propiedades) propiedades_especificas_rs(conc, PE) :- findall(atr:valor, prop(conc, Atr, Valor), PE). % herencia_rs(+objeto, +P_CONOCIDAS,?PROPIEDADES) herencia_rs(obj, PC, PROPS) :- es_un(obj, CLASE), propiedades_rs(clase, PROPCL), elimina(propcl, PC, PROPS). IA-II CcIa Representación del conocimiento estructurado 3.25

26 Redes semánticas (herencia simple con excepciones) II % herencia_rs(+clase, +P_CONOCIDAS,?PROPIEDADES) herencia_rs(inicio, _PC, []). herencia_rs(clase, PC, PROPS) :- parte_de(clase, SUPERCLASE), propiedades_rs(superclase, PROPCL), elimina(propcl, PC, PROPS). % elimina(+lp, +LP2,?PROPS) elimina([], LP2, []). elimina([atr:_valor LP], LP2, PROPS) :- member(atr:_v, LP2), elimina(lp, LP2, PROPS). elimina([atr:_valor LP], LP2, [Atr:_Valor PROPS]) :- not(member(atr:_v, LP2)), elimina(lp, LP2, PROPS). IA-II CcIa Representación del conocimiento estructurado 3.26

27 Marcos (nodos y arcos) % Marcos: marco(concepto, PROPIEDADES) % Sólo se implementan marcos sin facetas, sólo recoge pares (PROP, VALOR) marco(inicio, []). marco(persona, [ciudad:sevilla]). marco(alumno, [estado:soltero]). marco(profesor, [estado:casado]). marco(juan, [edad:44, ciudad:jaen, categoria:asociado]). marco(luis, [edad:47, categoria:catedratico]). marco(pablo, [edad:9, estado:casado, titulacion:ii]). marco(pedro, [edad:24, titulacion:itis]). % Relaciones entre marcos: pertenece_a(concepto, CLASE) pertenece_a(persona, inicio). pertenece_a(alumno, persona). pertenece_a(profesor, persona). pertenece_a(juan, profesor). pertenece_a(pablo, alumno). pertenece_a(luis, profesor). pertenece_a(pedro, alumno). IA-II CcIa Representación del conocimiento estructurado 3.27

28 Marcos (herencia) % propiedades_marco(+concepto,?propiedades) propiedades_marco(conc, PROPS) :- marco(conc, PE), herencia_marco(conc, PE, PH), append(pe, PH, PROPS). % herencia_marco(+objeto, +P_CONOCIDAS,?PROPIEDADES) herencia_marco(inicio, _PC, []). herencia_marco(concepto, PC, PROPS) :- pertenece_a(concepto, CLASE), propiedades_marco(clase, PROPCL), elimina(propcl, PC, PROPS). IA-II CcIa Representación del conocimiento estructurado 3.28