Representación de Conocimientos

Transcripción

1 Representación de Conocimientos Asunción Gómez-Pérez Despacho 2104 Departamento de Inteligencia Artificial Facultad de Informática Universidad Politécnica de Madrid Campus de Montegancedo sn, Boadilla del Monte, Madrid, Spain Indice 1. Introducción. (1 hora) 2. Sistemas de Producción. (7 horas) 3. Lógica. (2 horas) 4. Redes Semánticas (1 hora) 5. Marcos. (10 horas) 6. Guiones. (1 hora) 7. Restricciones. (4 horas) 1

2 Bibliografía Ingeniería del Conocimiento (ED Ceura) A. Gómez, N. Juristo, C. Montes, J. Pazos Inteligencia Artificial (ED Ceura) D. Borrajo, N. Juristo, V. Martínez, J. Pazos Reglas, Marcos, Guiones, Redes Semánticas Reglas Sistemas Inteligentes: Conceptos, Técnicas y Métodos de Construcción Cuena. Disponible en el Servicio de Publicaciones de la Facultad. Restricciones Artificial Intelligence Rich and Knight Libro de Consulta Introducción a la Representación de Conocimientos Asunción Gómez-Pérez asun@fi.upm.es Departamento de Inteligencia Artificial Facultad de Informática Universidad Politécnica de Madrid Campus de Montegancedo sn, Boadilla del Monte, Madrid, Spain 2

3 Indice 1. Ciclo básico de un sistema inteligente 2. Pasos en el desarrollo de un SBC 3. Sistemas tradicionales versus SS.BB.CC. 4. La Hipótesis Simbolista 5. Arquitectura de un Sistema Inteligente 6. Sintaxis versus Semántica 7. Clasificación de los formalismos y ejemplos 8. Criterios para seleccionar los formalismos Ciclo Básico de un Sistema Inteligente Yo Conozco y Razono Motor de Inferencias Yo Intento Conocer y Razonar Base de Conocimientos Cómo? Modelo Interno EXPECTATIVAS Percibir Razonar Actuar Mundo Externo 3

4 Escenario Conocimientos de dominios concretos Modelo Computable Aprender Modelos no computables que modelicen el problema y su solución Modelos semi-computables Escenario Conocimientos de dominios concretos Implementación Adquisición de Conocimientos Conceptualización Formalización Si...Entonces 4

5 Indice 1. Ciclo básico de un sistema inteligente 2. Pasos en el desarrollo de un SBC 3. Sistemas tradicionales versus SS.BB.CC. 4. La Hipótesis Simbolista 5. Arquitectura de un Sistema Inteligente 6. Sintaxis versus Semántica 7. Clasificación de los formalismos y ejemplos 8. Criterios para seleccionar los formalismos Pasos en el desarrollo de un SBC Estudio Viabilidad Evaluación Adquisición Conocimientos -Entrevistas: abiertas, cerradas -Análisis de Protocolos -Emparrillado -... Conceptualización - Conocimientos Fácticos - Conocimientos Tácticos -Modelo Conceptual - Conocimientos Estratégicos - Metaconocimientos Formalización - Reglas - Redes Semánticas - Modelos Formal - Lógica - Marcos - Guiones - Restricciones - Representar Conocimientos -... Inciertos - Metarreglas -Técnicas de control - Agendas - Pizarras -... Implementar C C++ a) Lenguaje de Programación Modula... KEE ART b) Entorno o Herramienta KAPPA... - MYCIN - PROSPECTOR - Dempster Shaffer - Redes Bayesianas - Log. Fuzzy 5

6 Numerosas Alternativas para Modelizar la Realidad Conceptualización Formalización Implementación MC 1 MC 2 Objeto-Atributo-Valor Marcos Herramientas C, C++ ME... MC 3... Redes Semánticas Lógica Restricciones Reglas Guiones... Lisp, CLOS Prolog Pascal Logicas Descriptivas. Etc. Indice 1. Ciclo básico de un sistema inteligente 2. Pasos en el desarrollo de un SBC 3. Sistemas tradicionales versus SS.BB.CC. 4. La Hipótesis Simbolista 5. Arquitectura de un Sistema Inteligente 6. Sintaxis versus Semántica 7. Clasificación de los formalismos y ejemplos 8. Criterios para seleccionar los formalismos 6

7 Sistemas Tradicionales versus SS.BB.CC. (Secc , pág. 13) 1. Ingeniería de Software Ingeniería del Conocimiento 2. TIPOS DE PROBLEMAS Sistemáticos Procedimientales Heurísticos Declarativos - Especificaciones muy completas - Los datos, funcionamiento esperado y técnicas de resolución se conocen - Existe documentación - Casi no existe una especificación - Los conocimientos y métodos de resolución son de los expertos - No existe documentación Datos + procedimientos mezclados Separar conocimientos de los métodos de razonamiento Rígidos o deterministas: Producir la misma salida para la misma entrada No deterministas Indice 1. Ciclo básico de un sistema inteligente 2. Pasos en el desarrollo de un SBC 3. Sistemas tradicionales versus SS.BB.CC. 4. La Hipótesis Simbolista 5. Arquitectura de un Sistema Inteligente 6. Sintaxis versus Semántica 7. Clasificación de los formalismos y ejemplos 8. Criterios para seleccionar los formalismos 7

8 Hipótesis Simbolista El módulo de la BC del sistema está separado del módulo de razonamiento Base de Conocimientos: Contienen conocimientos del dominio: conceptos taxonomías relaciones a medida entre conceptos propiedades de conceptos hechos heurísticas Restricciones... Modelo Interno EXPECTATIVAS Percibir Razonar Mundo Externo Actuar Motor de Inferencias: Permite que el sistema razone. Apartir de los datos y conocimientos de entrada el sistema pueda producir una salida. Representar y Razonar Representar Formalismos + Motor de Inferencia Razonar Estrategia de Control Formalismos Representar declarativamente los conceptos de un dominio, sus propiedades, relaciones (de clasificación, de agregación, etc.) entre conceptos así como los elementos individuales que aparecen en el dominio 8

9 Formalización Representar Razonar Formalismos + Motor de Inferencia Estrategia de Control Cada formalismo de representación tiene Motores de Inferencia asociados, independientes del dominio de la aplicación, capaces de razonar con cualquier conjunto de conocimientos representados mediante su formalismo propietario La estrategia de control gobierna el sistema y decide qué hacer en cada momento Representar Razonar + Formalismos Motor de Inferencia Estrategia de Control Reglas C.P.P.O Algoritmo RETE Encadenamiento Algoritmos de Búsqueda Resolución.- Metarreglas.- Agendas.- Pizarras.- Control Distribuído.-... Redes Semánticas Equiparación Herencia de Propiedades Marcos Equiparación Herencia de Propiedades Valores Activos Métodos Guiones Equiparación Restricciones Algoritmo de Waltz Lógicas Descriptivas Clasificación 9

10 Qué es Representar Conocimientos? Representar simbólicamente los conocimientos del dominio Integrarlos en un modelo de diseño Determinar los métodos de inferencia para manejar los conocimientos Determinar los métodos de control para gobernar el sistema Indice 1. Ciclo básico de un sistema inteligente 2. Pasos en el desarrollo de un SBC 3. Sistemas tradicionales versus SS.BB.CC. 4. La Hipótesis Simbolista 5. Arquitectura de un Sistema Inteligente 6. Sintaxis versus Semántica 7. Clasificación de los formalismos y ejemplos 8. Criterios para seleccionar los formalismos 10

11 Arquitectura de un Sistema Inteligente Sistemas con los que interacciona Redes Bases de Datos... Interfaz con otros Sistemas CONTROL IU - Hacer inferencias visibles a los usuarios - Explicación - Automático / manual BC MI Entorno de desarrollo Herramientas de SBC Lenguajes de Programación Indice 1. Ciclo básico de un sistema inteligente 2. Pasos en el desarrollo de un SBC 3. Sistemas tradicionales versus SS.BB.CC. 4. La Hipótesis Simbolista 5. Arquitectura de un Sistema Inteligente 6. Sintaxis versus Semántica 7. Clasificación de los formalismos y ejemplos 8. Criterios para seleccionar los formalismos 11

12 Sintaxis versus Semántica Sintaxis: Símbolos que se utilizan para representar Aspectos de Notación Cada formalismo tiene su sintaxis Semántica: Significado de lo que se ha representado utilizando una sintaxis determinada Indice 1. Ciclo básico de un sistema inteligente 2. Pasos en el desarrollo de un SBC 3. Sistemas tradicionales versus SS.BB.CC. 4. La Hipótesis Simbolista 5. Arquitectura de un Sistema Inteligente 6. Sintaxis versus Semántica 7. Clasificación de los formalismos y ejemplos 8. Criterios para seleccionar los formalismos 12

13 Clasificación de los Formalismos Representar Conceptos: Objeto-Atributo-Valor Marcos Redes Semánticas Lógicas Descriptivas Representar Relaciones entre conceptos Marcos Redes Semánticas Representar Heurísticas Sistemas de Producción Objeto-Atributo-Valor Para cada objeto existen tantas ternas como atributos se quieran representar (Objeto, Atributo, Valor) (Vertebrado, Esqueleto, Sí) (Invertebrado, Esqueleto, No) (Perro-1, Nombre, Tucky) (Perro-1, Peso, 25) (Perro-1, Altura, 50) Inconvenientes: No se pueden definir relaciones entre conceptos: Vertebrado subclase de animal No se puede definir el tipo de una propiedad en un concepto... 13

14 Marcos Se representa utilizando taxonomías de conceptos en tiempo de diseño Conocimiento declarativo y procedimental Propiedades Subclase Vertebrados Esqueleto: si Nº patas: [0...4] Animal Altura: número Peso: número Nombre: string Facetas Subclase Invertebrados Esqueleto: no Nº patas: [0...4] Instancia Instancia Perro - 1 Altura: 50 Peso: 25 Nombre: Tuky Gusano - 1 Altura: 5 Peso: 3 Nombre: A Redes Semánticas Grafos unidireccionales etiquetados Nodos: Conceptos y valores de propiedades Arcos: relaciones y propiedades Esqueleto Si Tuky Nombre Peso Animal SC Vertebrado Instancia Perro 1 Altura SC Esqueleto Invertebrado No Instancia Gusano1 Nombre A Peso Altura Inconveniente: no se pueden representar los tipos de las propiedades, ni conocimientos procedimentales 14

15 Calculo de Predicados de Primer Orden Relaciones y propiedades Conceptos y valores de propiedades Predicados Argumentos SUBCLASE (Vertebrado, Animal) SUBCLASE (Invertebrado, Animal) INSTANCIA (Perro-1 Vertebrado) INSTANCIA (Gusano-1 Invertebrado) Taxonomía "x Vertebrado (x) Animal (x) ESQUELETO (Vertebrado, Si) ESQUELETO (Invertebrado, no) Propiedades de cada concepto ALTURA (Perro1 50) PESO (Perro1 25) NOMBRE (Perro1Tuky) PESO (Gusano-1, 80) ALTURA (Gusano-1, 20) NOMBRE (Gusano-1, A) Propiedades de cada individuo Lógicas Descriptivas Clasificación automática realizada por el motor de inferencias del lenguaje En tiempo de Ejecución Ser vivo Subclass of Subclass of Subclass of Invertebrado Vertebrado Plantas Subclass of Subclass of Perro Gato Invertebrado Vertebrado Ser vivo Planta Gato Perro Clasificación automática Tiempo diseño 15

16 Sistemas de Producción Si cond1 ^ cond2 ^ cond3^... Antecedentes Entonces Acc1 ^ Acc2 ^... Consecuentes R1: Si (Animal $A) ^ (Esqueleto $A sí) Entonces (Vertebrado $A) R2: Si (Animal $A) ^(Esqueleto $A no) Entonces (Invertebrado $A) R3: Si (Vertebrado $A) (Ladra $A) Entonces (Perro $A) Base de Reglas R1: Si (Animal $A) ^ (Esqueleto $A sí) Entonces (Vertebrado $A) R2: Si (Animal $A) ^(Esqueleto $A no) Entonces (Invertebrado $A) R3: Si (Vertebrado $A) (Ladra $A) Entonces (Perro $A) Estrategia de Control: Priority (R1, R2, R3) Sistemas de Producción Base de Hechos (Animal Tucky) (Animal Piolín) (Esqueleto Piolín sí) (Esqueleto Tucky sí) (ladra Tucky) Ciclo 1: R1, $A= Tucky R1, $A= Piolín (Animal Tucky) (Animal Piolín) (Esqueleto Piolín sí) (Esqueleto Tucky sí) (ladra Tucky) (Vertebrado Tucky) 16

17 Base de Reglas R1: Si (Animal $A) ^ (Esqueleto $A sí) Entonces (Vertebrado $A) R2: Si (Animal $A) ^(Esqueleto $A no) Entonces (Invertebrado $A) R3: Si (Vertebrado $A) (Ladra $A) Entonces (Perro $A) Sistemas de Producción Base de Hechos (Animal Tucky) (Animal Piolín) (Esqueleto Piolín sí) (Esqueleto Tucky sí) (ladra Tucky) (Vertebrado Tucky) Estrategia de Control Ciclo 2: R1, $A= Tucky R1, $A= Piolín R3, $A= Tucky (Animal Tucky) (Animal Piolín) (Esqueleto Piolín sí) (Esqueleto Tucky sí) (ladra Tucky) (Vertebrado Tucky) (Vertebrado Piolín) Base de Reglas R1: Si (Animal $A) ^ (Esqueleto $A sí) Entonces (Vertebrado $A) R2: Si (Animal $A) ^(Esqueleto $A no) Entonces (Invertebrado $A) R3: Si (Vertebrado $A) (Ladra $A) Entonces (Perro $A) Sistemas de Producción Base de Hechos (Animal Tucky) (Animal Piolín) (Esqueleto Piolín sí) (Esqueleto Tucky sí) (ladra Tucky) (Vertebrado Tucky) (Vertebrado Piolín) Estrategia de Control Ciclo 3: R1, $A= Tucky R1, $A= Piolín R3, $A= Tucky (Animal Tucky) (Animal Piolín) (Esqueleto Piolín sí) (Esqueleto Tucky sí) (ladra Tucky) (Vertebrado Tucky) (Vertebrado Piolín) (Perro Tucky) 17

18 Indice 1. Ciclo básico de un sistema inteligente 2. Pasos en el desarrollo de un SBC según IDEAL 3. Sistemas tradicionales versus SS.BB.CC. 4. La Hipótesis Simbolista 5. Arquitectura de un Sistema Inteligente 6. Clasificación de los formalismos y ejemplos 7. Sintaxis versus Semántica 8. Criterios para seleccionar los formalismos Criterios para Seleccionar un Formalismo Expresividad: hacer distinciones sutiles y precisas Qué es lo que puedo decir con ese formalismo? Completud: Todos los conocimientos conceptualizados pueden representar Puedo expresar TODO lo que conozco? Adecuación: al tipo de conocimientos que se va a representar: taxonomías, clases, relaciones,... Al tipo de razonamiento que se va a simular Rendimiento del sistema inteligente 18

19 Introducción a la Representación de Conocimientos Asunción Gómez-Pérez asun@fi.upm.es Departamento de Inteligencia Artificial Facultad de Informática Universidad Politécnica de Madrid Campus de Montegancedo sn, Boadilla del Monte, Madrid, Spain 19