IIA-6 - Representacion del Conocimiento 2024-1.pptx

.

1. Presentación Generada Progresivamente a Partir la Versión Base de Juan David Rodríguez C. y Juliana Valdés J. Contribuciones de Estudiantes de Maestría y Pregrado de la PUJ Inteligencia Artificial Representación de Conocimiento Redes Semánticas Ing. Enrique González, PhD Departamento de Ingeniería de Sistemas

2. Agenda – RdK + Redes Semánticas 1 - Representación del Conocimiento Conceptos y Definiciones 2 - Tipos de Representación Conocimiento Relacional Conocimiento Heredable Conocimiento Deductivo Conocimiento Procedimental 3 - Problemas de Representación Atributos – Primitivas - Conjuntos Problema Marco 4 - Taller Redes Semánticas

3. Introducción – Semántica vs Sintaxis Semántica relación entre una palabra y aquello a lo que se refiere Sintaxis la forma en que las palabras se organizan margarita es una flor flor(margarita) margarita tiene tallo tienetallo (margarita) tiene( margarita,tallo ) toda flor tiene tallo  x: flor(x)  tienetallo (x) SI x es una flor ENT x tiene tallo  x: flor(x)  tiene( x,tallo )

4. Introducción – Correspondencia RdK Hechos iniciales Representación interna de los hechos finales Representación interna de los hechos iniciales Hechos finales Semántica en el Mundo Real Correspondencia hacia Adelante Correspondencia hacia Atrás Razonamiento Simbólico

5. RdK – Tipos de Representación Propiedades Deseables RdK Suficiencia de la Representación poder representar todos los tipos de conocimiento Suficiencia Deductiva capacidad para generar nuevas estructuras de conocimiento Eficiencia Deductiva poder agregar información a las estructuras de deducción Eficiencia en la Adquisición facilidad para obtener información

6. RdK – Tipos de Representación Conocimiento Relacional Bases de Datos tuplas que asocian datos en forma estructurada queries sobre un modelo relacional Características posee poca suficiencia deductiva simple de entender y usar soporte para otros mecanismos más complejos Nombre Altura Peso Patea Miguel 1.80 60 Derecha Adith 1.78 63 Derecha Juan Pablo 1.75 58 Derecha Oscar 1.81 65 Izquierda jugador( Miguel,1.80,60,Derecha ) nombre peso altura patea Jugador

7. RdK – Tipos de Representación Conocimiento Heredable Estructuras de Ranura y Relleno Redes Semánticas Sistemas de Marcos Guiones Inferencia por Herencia Objetos organizados en clases asimilables a conjuntos “ es-un ” → relación de subconjunto “ instancia-de ” → relación de pertenencia a un conjunto personas mujeres las-estudiantes ana pao es-un(mujer, persona) es-un(la-estudiante, mujeres) instancia-de( ana , la-estudiante) instancia-de( pao , la-estudiante)

8. RdK – Tipos de Representación Conocimiento Deductivo Lógica de Predicados descripción formal mediante hechos y reglas para realizar inferencia lógica adecuada para expresar propiedades de los objetos apropiada para describir relaciones entre los objetos facilita representación mediante reglas  x: hombre(x)  mortal(x) Todos los hombres son mortales  x,y : golpea( x,y )  hacefoul (x) Si x golpea a y entonces x hace foul

9. RdK – Tipos de Representación Conocimiento Procedimental Reglas de Producción – Sistemas Expertos conjunto de reglas SI condición ENT acción evaluadas simultáneamente disparo selectivo encadenamiento genera proceso de inferencia Programación Procedural secuencia operativa a realizar lenguajes imperativos (Java, C++, etc ) BASE DE CONOCIMIENTO MOTOR DE INFERENCIA BASE DE HECHOS USUARIO INTERFAZ MÓDULO DE EXPLICACION

10. RdK – Problemas de Representación Características de los Atributos ¿Existen atributos generales? atributos especiales: “instancia-de” y “es-un” herencia de propiedades ¿Existen relaciones entre atributos? atributos pueden ser a la vez entidades representables Inversos Jerarquía de atributos es-un Razonar sobre los valores tipo de valor restricción del valor reglas de cómputo reglas que describen acciones si se conoce un valor Atributos univaluados atributos que toman un solo valor Padre Hijo Edad Atributo-físico Tamaño-físico Altura Es-un Es-un

11. RdK – Problemas de Representación Granularidad ¿A qué nivel se debe representar el conocimiento? primitivas de bajo nivel de granularidad primitivas que generan todas las posibilidades padre(John, Susan ) hijo( Susan,John ) vislumbró(John, Susan ) ver(John, Susan , duracion (breve), tiempo(pasado))

12. RdK – Problemas de Representación Representación de Conjuntos ¿Cómo se representan los conjuntos de objetos? Problema de Ambigüedad Semántica propiedad del conjunto vs propiedad de los miembros elefante(grande) Definición de un Conjunto por Extensión enumerar todos los elementos fácil determinar igualdad y pertenencia por Comprensión regla general que describe a los elementos no requiere conocer explícitamente todos los elementos

13. RdK – Problemas de Representación Problema Marco ¿Cómo se representan eficientemente de los hechos que cambian y de los que no al realizar una búsqueda? Ejemplos hecho que no puede cambiar debajo(suelo, techo) hechos que pueden cambiar izquierda(silla, mesa) frente(mesa, televisor)

14. RdK – Redes Semánticas Conocimiento Heredable Redes Semánticas Grafo que representa relaciones entre conceptos entre sí relaciones de herencia “es-un” e “ insancia -de” Grafo que asocia atributos a los conceptos arcos representan atributos nodos representan objetos y valores “es-un” se refiere a que una clase está contenida en otra “instancia-de” significa que un elemento pertenece a una clase Jorge Baier , Redes Semanticas y PLN en Prolog . PUC de Chile, http://jabaier.sitios.ing.uc.cl/iic2612/leng_natural1.pdf

15. RdK – Redes Semánticas Conocimiento Heredable - Redes Semánticas Ejemplo Persona Hombre Adulto 1.80 1.85 3 Es-un Es-un Defensa Delantero 5 1 Es-un Es-un Número de goles Número de goles Número de goles Altura Altura Pie hábil Balón patea Jugador de Fútbol Altura de Adith?? Instancia Instancia Miguel Adith Millonarios Equipo Equipo Derecho Patear un Balón?? Pertenecer a un Equipo??

16. Representación de Conocimiento Material Complementario 1 – Lectura Rusell N., Inteligencia Artificial: Un Enfoque Moderno, Prentice Hall, 2004. - Sección 10.1 – Ingeniería ontológica. - Sección 10.2 – Categoría y objetos. 2 – Videos Ontological Engineering in Artificial Intelligence | Dijital dream . https://www.youtube.com/watch?v=BrPRZLn-Zsk What is a Knowledge Graph? | IBM Technology | Martin Keen . https://www.youtube.com/watch?v=y7sXDpffzQQ

17. Taller 5 – Redes Semánticas Redes Semánticas en Prolog Las instancias se representan por constantes Las clases se representan por constantes Una constante debe representar la clase inicial de la jerarquía Las relaciones clase–superclase se representan por hechos es_un es_un (<clase>,< super -clase>) Las relaciones instancia–clases se representan por hechos inst inst (<instancia>,<clase>) Las propiedades de una instancia son una lista de pares atributo–valor Cada propiedad se representa por un predicado ternario prop (<instancia o clase>,<propiedad>,<valor>)

18. Taller 6 – Redes Semánticas Actividad - Implementar en Prolog el Mecanismo de Herencia de Redes Semánticas 1- Ampliar el ejemplo para crear una rama en la cual un equipo de fútbol es la instancia final de una jerarquía de al menos 3 niveles. Presentar el modelo en el PPT base que se descarga del buzón. 2- Ampliar el ejemplo del punto anterior para que los jugadores hereden el color de la camiseta de su equipo. Presentar el modelo en el PPT base que se descarga del buzón. 3- Diseñar el mecanismo de herencia de propiedades de una red semántica utilizando Prolog. Hay que tener en cuenta que a una instancia NO se le puede sacar herencia. 4- Validar el correcto funcionamiento con el ejemplo base visto en clase y con los modelos generados en los puntos 1 y 2 de este taller. Para el envío empaquetar en un archivo ZIP: el archivo PPT de los modelos punto 1 y 2, el código Prolog base que implementa la herencia, y el código que implementa el ejemplo y los modelos ampliados con los pantallazos demostrativos del funcionamiento correcto del programa. Se deben mostrar casos con herencia directa entre clases, entre instancia y su clase, y herencia con múltiples pasos.

19. Bibliografía Russell & Norvig , Artificial Intelligence : A Modern Approach . E. Rich . Inteligencia Artificial. 1994. Jorge Baier , Redes Semánticas y PLN en Prolog . PUC de Chile, http://jabaier.sitios.ing.uc.cl/iic2612/leng_natural1.pdf .

20. Inteligencia Artificial Representación de Conocimiento Redes Semánticas Ing. Enrique González, PhD [email protected] Departamento de Ingeniería de Sistemas