Representación del Conocimiento Otros formalismos

Transcripción

1 Representación del Conocimiento Otros formalismos Licenciatura en Ciencias de la Computación. Introducción a la Inteligencia Artificial.

2 Conocimiento Definición El conocimiento es una mezcla de experiencia, información y saber hacer que actúa como marco para la incorporación de nuevas experiencias y guia la acción. Se utiliza para alcanzar una meta Genera nuevo conocimiento Resulta en gran medida dependiente de la tarea y del dominio de aplicación.

3 PREMISA FUNDAMENTAL DE IA: Para que un sistema informático demuestre un comportamiento inteligente en la solución de problemas, debe poseer : gran cantidad de conocimientos un potente mecanismo de razonamiento. IMPORTANCIA DE UNA ADECUADA REPRESENTACION DEL CONOCIMIENTO

4 Niveles de representación: Nivel del conocimiento Hechos, comportamiento y objetivos de los agentes. Debe existir correspondencia Nivel simbólico Símbolos manipulables por un sistema Adecuación representacional Adecuación inferencial La representación elegida influye directamente en la eficacia y eficiencia de la solución lograda

5 Representación:Modelado de un sistema Modelo Conceptual Adquisición del conocimiento Conceptos y relaciones Métodos de resolución Modelo Formal Representa simbólicamente y organiza el conocimiento. Determina el mecanismo de inferencia adecuado.

6 Representación: Modelado de un sistema Modelo Computable Operacional Bases de Conocimiento Mecanismos de inferencia Mecanismos de control Las tareas de adquisición y modelado son difíciles y costosas. Existen esquemas de representación útiles en dominios variados. Los Sistemas Basados en Conocimiento los combinan.

7 DISTINTOS FORMALISMOS FORMALISMOS LOGICOS SISTEMAS DE PRODUCCION FORMALISMOS ESTRUCTURADOS: REDES SEMANTICAS FRAMES OBJETOS

8 OTROS FORMALISMOS Newell & Simon Sistemas de producción Utilizan elementos de la lógica Salen del marco estrictamente formal más flexibles más eficientes Pierden propiedades fundamentales como la consistencia y completitud.

9 Sistemas de producción Los procesos del dominio se representan como acciones independientes que son integradas por el mecanismo de inferencias para resolver una tarea más general. ARQUITECTURA BASE DE CONOCIMIENTO Base de Hechos Base de Reglas Motor de Inferencias

10 Sistemas de producción Se utilizan Reglas de Producción para representar el conocimiento IF <premisa> THEN <conclusión y/o acción> Son los elementos de deducción básicos El proceso de inferencia se basa fundamentalmente en la Regla de Inferencia de la lógica denominada MP A B, A / B

11 Reglas de producción Es el modelo formal para representar un elemento mínimo de conocimiento IF <premisa> THEN <conclusión y/o acción> Puede especificar Conclusión Acción Estrategia La premisa puede tener conectivos lógicos <premisa> = <cláusula 1 AND/OR...AND/OR cláusula k >

12 Reglas de producción- Ejemplos Si un animal come carne entonces es carnívoro. Si un animal tiene dientes agudos y garras entonces es carnívoro. Si un animal es carnívoro y es de color marrón-claro y tiene el pelaje franjas negras, entonces es un tigre.

13 Reglas de producción- Ejemplos Sintaxis Reglas en KAPPA-PC MakeRule( Rtigre, [], animal:grupo #= carnívoro And animal:color #= leonado And animal:pelaje #= franjas_negras, animal:especie = tigre );

14 Sistemas de producción Cada regla es independiente del resto de las reglas en la BC. Las reglas no tienen porque estar ordenadas en la BC. Las reglas se pueden agrupar por nociones semánticas en módulos o grupos. El metaconocimiento puede ser expresado mediante reglas: metareglas

15 Sistemas de producción Como razonamos??? Utilizando un MECANISMO DE INFERENCIA (MOTOR DE INFERENCIA) El cual determina de que forma utilizar las reglas para alcanzar el objetivo planteado

16 Sistemas de producción Direcciones de búsqueda: Motor de Inferencia Hacia delante, Forward Chaining o guiada por los hechos. Hacia atrás, Backward Chaining o guiada por los objetivos. Implementa alguna estrategia de búsqueda dónde los operadores a aplicar son las reglas de producción. Para seleccionar las reglas candidatas en cada estado utiliza el EMPAREJAMIENTO, FILTRADO o MATCHING.

17 Sistemas de producción Motor de Inferencia Qué dirección de encadenamiento utilizar??? Factores a tener en cuenta Cantidad de estados iniciales vs. objetivos Factor de ramificación Necesidad de justificar el razonamiento El menor Dirección natural para el problema A veces es conveniente encarar partes del problema con cada una

18 VENTAJAS Sistemas de producción Flexibles. Sencillos de modificar y extender. A los expertos les resulta simple pensar en reglas. PROBLEMAS Completitud y consistencia. El conocimiento se separa en pequeños gránulos. Es común que se los combine con otros formalismos.

19 Sistemas estructurados ESTRUCTURAS DE RANURA Y RELLENO (slot and filler) REDES SEMANTICAS (Quillan 67/68) FRAMES (Minsky, 75) OBJETOS ( Década 80)

20 Redes semánticas Idea: el significado de un concepto depende del modo en que se encuentre conectado a otros conceptos Representación: mediante un grafo dirigido donde los nodos representan objetos y los arcos relaciones entre los conceptos REX PERRO MAMIFERO INSTANCIA ES-UN

21 Redes semánticas - Ejemplo ES-UN Estudiante -LCC Estudiante -UNR ES-UN Estudiante -FCEIA ES-UN Estudiante -IEca TIENE Legajo INSTANCIA Pedro García Juan Perez Prom1 INSTANCIA TIENE INSTANCIA Promedio Prom2 INSTANCIA INSTANCIA TIENE TIENE Legajo P-1233/5

22 Redes semánticas - Arcos Etiquetas de los arcos es-un relación subclase-clase instancia relación objeto-clase parte-de relación componente-objeto Generalización Instanciación Agregación definidas por el usuario Descripción Dominio de aplicación

23 Sistemas basados en Redes semánticas Base de conocimiento En esta representación una BC es una colección de estos grafos Las modificaciones se refieren a inserción o eliminación de nodos y sus relaciones.

24 Redes semánticas Como razonamos??? Búsqueda de intersección Encontrando relaciones entre objetos Cual es la conexión entre Rex y mamífero? Es Juan Pérez un estudiante de la UNR? Cuál es el promedio de Pedro García? Utiliza fundamentalmente la estructura jerárquica

25 Marcos (frames) Una red semántica representa conexiones entre entidades Problemas más complejos Asignar más estructura a los nodos y a las conexiones Marcos No existe una distinción clara entre una Red semántica y un sistema de Marcos

26 Marcos (frames) Idea: Estructura para atender la representación del conocimiento asociado a situaciones estereotipadas (Minsky) Representación: Es una colección de atributos (ranuras - slots) con valores asociados (y posibles restricciones entre valores, llamados facetas)

27 Marcos - Estructura ENCABEZADO ATRIBUTO1 (slots) ATRIBUTOn NOMBRE ES-UN INSTANCIA VALOR1 valores por defecto procedimientos relación con otros marcos VALORn

28 Marcos - Ejemplo Estudiante FCEIA ES-UN Estudiante UNR TIENE Legajo (letra/numerodigito) TIENE Promedio (procedimiento) Estudiante Ing.Eca. ES-UN ESTUDIANTE FCEIA Juan Perez INSTANCIA Estudiante Ing.Eca. TIENE Promedio = 6,80 DIRECCION... (Defecto Rosario) TEL... TRABAJA NO (Defecto No)

29 Sistemas de Marcos MC Actores Interpreta: Si (*)Nombre: Conj Caracteres (*)Peliculas: (0..100) (*)Fecha1 a Pelicula: Instancia MC Actriz Sexo: M (*)ParejaMiticaCon: Instancia MI Nombre:L.Bacall Peliculas: 42 ParejaMiticaCon: Instancia MC Actor Sexo: H (*)ParejaMiticaCon: Instancia MI Nombre: H.Bogart Fecha1 a Pelicula: ParejaMiticaCon: MC Fecha (*)Dia: (1..31) (*)Mes: (0..12) (*)Año: MI Dia: 27 Mes: 3 Año: 1944 Instancia

30 Sistemas de Marcos Marcos Clase Marcos Instancia Propiedades Slots definidos en los marcos Clase Representan conceptos, o situaciones genéricas descriptos por propiedades comunes Elementos específicos. Sus propiedades se asocian con información de cada individuo De Clase: Atributos genéricos de un concepto, con valores comunes a todas sus ocurrencias. De Instancia: Atributos con valores particulares para cada ocurrencia del concepto (*).

31 Sistemas de Marcos Consideraciones al definir los Slots: Evitar redundancias aprovechando la herencia. Poseer información suficiente para identificar el marco clase. En un marco clase se puede definir un slot de instancia en base a otro marco clase. Los slots de instancia pueden tener uno o varios valores. En los marcos clase se pueden redefinir slots heredados para representar excepciones a la herencia.

32 Sistemas de Marcos Facetas Modelan características de slots y relaciones Algunas facetas declarativas usuales: Tipo de Slot: Tipo de datos de los valores, puede apuntar a otro marco. Cardinalidad: Cantidad de valores posibles. Valores permitidos: tipo de datos, rango o puntero a otro marco. Valores por defecto: Para slots de instancia si quedan sin definir.

33 Marcos Facetas/Métodos Hay facetas ligadas a métodos de uso frecuente, asociados a cambios o utilización de los valores de las ranuras: When_needed: Formas de conseguir el valor cuando se lo necesita y no está disponible. Before_changed: Restricciones propias del dominio. After_changed: Acciones pertinentes asociadas a los cambios de valor de la ranura. When_accessed: Acciones pertinentes cuando la ranura es accedida de alguna forma.

34 Sistemas de Marcos BASE DE CONOCIMIENTO Conjunto de marcos relacionados mediante los valores de los slots (atributos) INFERENCIA Utilizar la estructura jerárquica para heredar propiedades (valores de slots). Tener procedimientos (reglas) para hallar valores de los slots.

35 Sistemas de Marcos Tienen mucha tradición en IA y es un formalismo aún vigente Previos al formalismo de representación de Objetos. Los sistemas de marcos agregan expresividad a las redes semánticas y permiten representar conocimiento declarativo y procedimental. Marcos (objetos) en Kappa-PC

36 Expresividad Sistemas de Marcos - Redes PODER EXPRESIVO Redes Semánticas Sistemas de Marcos Lógica de predicados MAS CLAROS (GRAFICA) UTILIZAN HERENCIA PRUEBAS DE COMPLETITUD Y CONSISTENCIA

37 Objetos IIA Los vemos más como una forma de representar el mundo que como un paradigma de programación Los encontramos en muchas herramientas dentro del área. Tienen ciertas características en común con los agentes.

38 Década del 80 Objetos Pensados como gran aporte para el Reuso BALA DE PLATA Fantasías Actualmente se apunta a relaciones arquitecturales entre clases para lograr Evolución y Mantenibilidad Patrones de diseño

39 Objetos OBJETO: Es una entidad que tiene un comportamiento. ESTADO INTERNO MENSAJES que es capaz de responder. ENCAPSULAMIENTO Permite la utilización de clases con implementaciones intercambiables. INTERFAZ Un PROGRAMA OO es una red de objetos cooperantes, que interactúan entre sí, enviándose mensajes.

40 Objetos Una CLASE es una definición de las características comunes de un conjunto de objetos semejantes. CLASE INTERFAZ: conjunto de métodos. Los objetos concretos buscan en su clase la definición cuando reciben un mensaje. ESTRUCTURA: Conjunto de variables de clase e instancia.

41 Objetos Se trabaja sobre abstracciones DISEÑO Se crean clases El significado y la implementación de los mensajes está a nivel de las clases EJECUCIÓN Red de objetos que se envían mensajes

42 Objetos Las CLASES se organizan en jerarquías modelizando el dominio Esquema de colaboración entre objetos (explícito en el código) De Estructura: Más estática. HERENCIA De Comportamiento: Ocurre en ejecución. Cuando un objeto recibe un mensaje, busca el código en su clase, y si no lo encuentra recorre la jerarquía.

43 Objetos POLIMORFISMO Clases diferentes (polimórficas) implementan métodos con el mismo nombre. Esto permite reducir el espacio de nombres y que el código sea más genérico, conciso y comprensible. Es aconsejable maximizarlo

44 Jerarquía de clases: Un ejemplo CuentaBancaria depositar número titular saldo extraer CajaAhorro cantextracciones extraer CuentaCorriente rojopermitido

45 Objetos Una jerarquía de clases es sana cuando cada vez que en una expresión un objeto de la clase más genérica recibe un mensaje, ese mensaje se puede reemplazar en las clases más específicas y la expresión sigue teniendo sentido. Aún en los problemas más simples, cuando se sale del dominio del problema y se entra en el dominio de la solución, aparecen jerarquías más complejas y que no tienen contrapartida en el mundo real.

46 Cómo elegir la mejor representación??? No hay receta establecida!!! Frente a cada problema a resolver: Analizar las características del conocimiento involucrado. Recurrir a la combinación de formalismos.