Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
2 Características y objetivos
Todos los conceptos referentes a las bases de datos están hoy muy claros y
definidos formalmente, al contrario que los de las bases de conocimiento. La
tecnología de gestión de bases de datos se halla en una etapa muy madura. Las
bases de datos han evolucionado durante los pasados 30 años desde sistemas de
archivos rudimentarios hasta sistemas gestores de complejas estructuras de datos
que ofrecen un gran número de posibilidades. Los principales objetivos de un
DBMS son los siguientes:
No cabe duda de que la parte más importante es la llevada a cabo por el DBA.
A él le corresponde la elección de un determinado modelo de datos y el diseño de
la DB. La etapa de diseño es la más importante, ya que es ahí donde se refleja la
semántica7 de la información contenida en la DB a través del
denominado esquema conceptual. Nos detendremos sobre este tema cuando
estudiemos el modelado de datos.
Una consulta (query) se expresa como una expresión lógica sobre los objetos y
relaciones definidos en el esquema conceptual; el resultado es la identificación de
un subconjunto lógico de la base de datos. Una transacción consiste en un
número de consultas y operaciones de modificación o actualización sobre un
subesquema. Las transacciones son atómicas8 por definición: todos los pasos de
una transacción han de ser debidamente ejecutados y confirmados como requisito
previo para que la transacción pueda ser llevada a cabo en su conjunto, en caso
contrario ha de ser invalidada.
Sin embargo, como venimos diciendo, esto no fue siempre así. De hecho,
podemos distinguir cuatro fases o "categorías históricas" (Barr &
Feigenbaum 1981) en el estudio del lenguaje natural por parte de los
investigadores de IA:
4. El último tipo son los sistemas de que venimos hablando, los basados en el
conocimiento, cuyo desarrollo está íntimamente ligado a la investigación de
IA sobre representación del conocimiento. Estos sistemas intentan
almacenar una gran cantidad de información para usarla de modos
diferentes con el objeto de "entender" el lenguaje natural, generarlo,
deducir, etc. Se basan en la idea básica, ya mencionada de que para la
resolución de un problema complejo dentro de un determinado ámbito, es
preciso un conocimiento experto sobre ese ámbito.
Como esta evolución implica, los sistemas de lenguaje natural de IA hoy día
están casi exclusivamente basados en el conocimiento. Éste, por otra parte,
necesita ser estructurado y debidamente modelado para poder almacenarlo bajo
una notación apropiada como repositorio de información. De hecho, podemos
afirmar que la representación de conocimiento es el hilo conductor de los
diferentes campos que abarca la IA (McCalla & Cercone 1983).
Sistemas expertos
Sistemas de procesamiento de lenguaje natural
Sistemas de visión robótica
Entornos de desarrollo
Son los segundos los que nos interesan, aunque en realidad la mayoría de los
sistemas de IA toman la forma de sistemas expertos. Las relaciones entre el
procesamiento del lenguaje natural y los KBMS han estado siempre motivadas por
los intereses de los investigadores en IA, no por los de lingüistas o lexicógrafos. La
aplicación de sistemas basados en el conocimiento a la TA es muy novedosa, y,
según pensamos, los clásicos sistemas de KBMS no se adaptan a las
necesidades de este tipo de aplicaciones, al no conceder la importancia necesaria
a la información detallada en general ni a los aspectos procedimentales. El interés
de los investigadores de IA por el lenguaje natural está centrado casi
exclusivamente en la comunicación hombre-máquina, por tanto su objetivo es la
construcción de interfaces en lenguaje natural que faciliten esta interacción. Éstos
son los denominados interfaces de lenguaje natural (NLI: Natural Language
Interfaces).
Las tareas para las que estos sistemas se desarrollan son, casi por definición,
complejas (Walker et al. 1987). Por tanto, un sistema experto es un sistema
computacional capaz de representar y razonar sobre un dominio determinado que
precisa de gran cantidad de conocimiento, tal como la aeronáutica o la medicina.
Se puede distinguir de otros tipos de aplicaciones de IA en que (Jackson 1986):
Para que un programa pueda ser calificado de NLI debe cumplir las dos
condiciones siguientes:
Conocimiento lingüístico.
Conocimiento conceptual.
Conocimiento inferencial.
Conocimiento del usuario.