Unidad II: Representacin del conocimiento y razonamiento

Instituto Tecnolgico 2.1. MAPAS CONCEPTUALES Veracruz de los mapas conceptuales Origen

de

Los mapas conceptuales tienen su origen en los trabajos que Novak y sus colaboradores de la Universidad de Cornell. Estos autores comparten la idea, de la importancia de la actividad constructiva del alumno en el proceso de aprendizaje, y consideran que los conceptos y las proposiciones que forman los conceptos entre s son elementos centrales en la estructura del conocimiento y en la construccin del significado.

Asignatura:

Qu son Artificial Inteligencia los mapas conceptuales? Los mapas conceptuales o mapas de conceptos son un medio para visualizar ideas o conceptos y las relaciones jerrquicas entre los mismos.

Catedrtico:

MSI. Patricia Horta Rosado Presentado por: Alarcn Barradas Andrs Alberto Aparicio Gutirrez Abraham Montenegro Fierro Sandra Glenda Renteral Olivos Brenda Guadalupe Grupo: 8H5A (09:00 10:00 Hrs.) Semestre: la elaboracin de estos mapas se aprovecha la gran capacidad humana para Con
reconocer pautas en Enero - Junio 2010 las imgenes visuales, con lo que se facilitan el aprendizaje y el recuerdo de lo aprendido. Elementos de los mapas conceptuales

Veracruz, Ver., 12 de Marzo de 2010

Los conceptos: Desde el punto de vista gramatical los conceptos se identifican como nombres, adjetivos y pronombres, los que representan hechos, objetos, ideas, etc. Palabras de enlace: Que se utilizan para unir los conceptos y para indicar el tipo de relacin que se establece entre ellos. Las proposiciones: Dos o ms trminos conceptuales unidos por palabras para formar una unidad semntica.

Utilizacin de los mapas conceptuales La tcnica de elaboracin de mapas conceptuales es un medio didctico poderoso para organizar informacin, sintetizarla y presentarla grficamente. Tambin nos permite apreciar el conjunto de la informacin que contiene un texto y las relaciones entre sus componentes, lo que facilita su comprensin, que es el camino ms satisfactorio y efectivo para el aprendizaje. Otra utilidad es que pueden servir para relatar oralmente o para redactar textos en los que se maneje lgica y ordenadamente cierta informacin; de ah que sean considerables como organizadores de contenido de gran valor para diversas actividades acadmicas y de la vida prctica. Tcnica de construccin de los mapas conceptuales Es muy sencilla pero compleja a la vez, porque requiere realizar varias operaciones mentales. Se puede utilizar didcticamente para desarrollar ideas y mostrar las relaciones que hay entre ellas. La tcnica consta de los siguientes pasos: 1. Leer cuidadosamente el texto y entenderlo claramente. En caso de haber palabras que no se comprendan o no conozcan, habr que consultarlas y comprobar cmo funcionan en el contexto en que se encuentran.
2.

Localizar y subrayar las ideas o palabras ms importantes (palabras clave) con las que se construir el mapa; por lo general, son nombres o sustantivos.

3. Determinar la jerarquizacin de dichas ideas o palabras clave.

4. Establecer las relaciones entre ellas. 5. Utilizar correctamente la simbologa: a) Ideas o conceptos: Cada una se presenta escribindola encerrada en un valo o en un rectngulo; es preferible utilizar valos.
Concepto Idea

b) Conectores: La conexin o relacin entre dos ideas se representa por medio de una lnea inclinada, vertical u horizontal llamada conector o lnea ramal que une ambas ideas.

Para conexiones y relaciones

c) Flechas: se pueden utilizar en los conectores para mostrar que la relacin de significado entre las ideas o conceptos unidos se expresa primordialmente en un solo sentido; tambin se usan para acentuar la direccionalidad de las relaciones, cuando se considera indispensable.

Para indicar la direccionalidad de las relaciones

d) Descriptores: son la palabra (s) que describen la conexin; se escriben cerca de los conectores o sobre ellos. Estos descriptores sirven para "etiquetar" las relaciones. Tiene gran importancia elegir la palabra correcta; o sea, la que mejor caracterice la relacin de que se trate, de acuerdo con el matiz de significado que debe darse con precisin.

Procedimiento general para construir un mapa conceptual

Primero: Leer un texto e identificar en l las palabras que expresen las ideas principales o las palabras clave. No se trata de incluir mucha informacin en el mapa, sino que sta sea la ms relevante o importante que contenga el texto. Segundo: Cuando se haya terminado, subrayar las palabras se identificaron; asegurndonos de que, en realidad, se trata de lo ms importante y de que nada falte ni sobre. Hay que recordar que, por lo general, estas palabras son nombres o sustantivos comunes, trminos cientficos o tcnicos. Tercero: Indicar el tema o asunto general y escribirlo en la parte superior del mapa conceptual, encerrado en un valo o rectngulo. Cuarto: Identificar las ideas que constituyen los subtemas qu dice el texto del tema o asunto principal? Hay que escribirlos en el segundo nivel, tambin encerados en valos. Quinto: Trazar las conexiones correspondientes entre el tema principal y los subtemas. Sexto: Seleccionar y escribir el descriptor de cada una de las conexiones que se acaban de trazar. Sptimo: En el tercer nivel se deben colocar los aspectos especficos de cada idea o subtema, encerrados en valos. Octavo: Trazar las conexiones entre los subtemas y sus aspectos. Noveno: Escribir los descriptores correspondientes a este tercer nivel. Dcimo: Considerar si se requieren flechas y, en caso afirmativo, trazar las cabezas de flecha en los conectores correspondientes. A continuacin se incluye el mapa conceptual del procedimiento anterior de manera simplificado.

2.2 REDES SEMNTICAS Historia sobre las redes semnticas Los responsables de los primeros esquemas de representacin formalizados fueron Quillian (1968) y Shapiro & Woddmansee (1971). Los esquemas de redes semnticas tienen una fundamentacin psicolgica muy slida, por lo que se han realizado numerosos esfuerzos por llevar a cabo implementaciones importantes basadas en ellas. Muchas disciplinas han desarrollado tcnicas de realizacin de diagramas que constituyen lenguajes formales visuales que representan el conocimiento operacional en forma esquemtica. El filsofo y lgico Charles S. Pierce desarroll sus grafos existenciales como una tcnica formal de razonamiento para la inferencia lgica. Qu son las redes semnticas? Es una forma de representacin de conocimiento lingstico en la que los conceptos y sus interrelaciones se representan mediante un grafo. En caso de que no existan ciclos, estas redes pueden ser visualizadas como rboles. Las redes

semnticas son usadas, entre otras cosas, para representar mapas conceptuales y mentales. En un grafo o red semntica los elementos semnticos se representan por nodos, dos elementos semnticos entre los que se admite se da la relacin semntica que representa la red, estarn unidos mediante una lnea, flecha o arista. Cierto tipo de relaciones no simtricas requieren grafos dirigidos que usan flechas en lugar de lneas. Las redes semnticas han sido muy utilizadas en Inteligencia Artificial para representar el conocimiento y por tanto ha existido una gran diversificacin de tcnicas. Los elementos bsicos que encontramos en todos los esquemas de redes son: 1. Estructuras de datos en nodos, que representan conceptos, unidas por arcos que representan las relaciones entre los conceptos. 2. Un conjunto de procedimientos de inferencia que operan sobre las estructuras de datos. Partes de una red semntica Nodos: Es un concepto y se encierra en un crculo o elipse. Relaciones: Es una propiedad del concepto y pueden ponerse de dos formas: Implcitas: Es una flecha que no especifica su contenido Explcitas: Es una flecha en donde se especifica su contenido

2.3. Razonamiento montono

2.4. La lgica de predicados: sintaxis, semntica, validez e inferencia. 2.4.1 Lgica Resumiendo, diremos que una lgica consta de lo siguiente: 1. Un sistema formal para describir lo que est sucediendo en un momento determinado, y que consta de : a) La sintaxis del lenguaje, que explica cmo construir oraciones, y b) La semntica del lenguaje, que especifica las restricciones sistemticas sobre cmo se relacionan las oraciones con aquello que est sucediendo.

1.

La teora de la demostracin: un conjunto de reglas para deducir las implicaciones de un conjunto de oraciones.

Nos concentraremos en dos tipos de lgica: la propositiva o lgica booleana y la lgica de primer orden (ms exactamente, el clculo de predicado de primer orden con igualdad). En la lgica propositiva los smbolos representan proposiciones completas (hechos. Los smbolos de proposiciones pueden combinarse usando los conectivos booleanos para generar oraciones de significado ms complejo. Una lgica como esta poco se preocupa por la manera de representar las cosas, por ello no es sorprendente que no ofrezca mucho como lenguaje de representacin. La lgica de primer orden (tambin conocida como clculo de predicados de primer orden) se preocupa por la representacin de los mundos en trminos de objetos y predicados sobre objetos (es decir, propiedades de los objetos o relaciones entre los objetos), as como del uso de conectivos y cuantificadores, mediante los cuales se pueden escribir oraciones sobre todo lo que pasa en el universo, a un mismo tiempo. 2.4.1.1Lgica propositiva La lgica propositiva permite ilustrar muchos de los conceptos de la lgica as como tambin la lgica de primer orden. Se explicar su sintaxis, semntica y respectivos procedimientos de inferencia. Sintaxis La sintaxis de la lgica propositiva es sencilla. Los smbolos utilizados en la lgica propositiva son las constantes lgicas Verdadero y Falso, smbolos de proposiciones tales como P y Q, los conectivos lgicos , , , , y y parntesis ( ). Todas las oraciones se forman combinando los signos anteriores mediante las siguientes reglas:

Las constantes lgicas Verdadero y Falso constituyen oraciones en s mismo. Encerrar entre parntesis una oracin produce tambin una oracin, por ejemplo (PQ). Una oracin se forma combinando oraciones ms sencillas con uno de los cinco conectores lgicos: (y). Se le denomina conjuncin (lgica). (o). Se le denomina disyuncin. (implica). Se conoce como implicacin (o condicional). (equivalente). La oracin es una equivalencia (tambin conocida como bicondicional). (no). Se le conoce como negacin.

En la gramtica se representan oraciones atmicas, que en la lgica propositiva se representan mediante un solo signo (por ejemplo, P) y las oraciones complejas, que constan de conectores o parntesis (por ejemplo, P Q). Tambin se utiliza el trmino literal, que representa oraciones atmicas o una oracin atmica negada.

Oracin Oracin atmica Oracin compleja

Oracin atmica Oracin compleja Verdadero / Falso P Q R (Oracin) Oracin Conector Oracin Oracin

Conector

En rigor, la gramtica en ambigua: una oracin como P QR se poda entender como (P Q)R o como P (QR). Lo anterior es semejante a la ambigedad aritmtica de expresiones tales como P+Q*R, ambigedad que tambin se resuelve de la misma manera; se considera un orden de precedencia para los operadores, pero si hay confusin, se utilizan los parntesis. El orden de precedencia lgica propositiva es (de mayor a menor); , y . , , Por lo tanto, la oracin: P QRS Equivale a la oracin: ((P) (QR))S Semntica La semntica de la lgica propositiva tambin es bastante directa. Se define especificando la interpretacin de los signos de proposicin y de las constantes y especificando el significado de los conectores lgicos. Un signo de proposicin significa que cualquier hecho arbitrario puede ser su interpretacin. Las oraciones que contienen solo un signo de proposicin son satisfactibles pero no vlidas: son verdaderas solo cuando el hecho al que aluden es relevante en un momento dado. En el caso de las constantes lgicas no hay opcin: la oracin Verdadero siempre quiere decir aquello que sucede en la realidad: el hecho de la verdad. La oracin Falso siempre quiere decir aquello que no existe en el mundo.

Una manera de definir una funcin es construir una tabla mediante la que se obtenga el valor de salida de todos los valores de entrada posibles. A este tipo de tablas se les conoce como tablas de verdad. Mediante las tablas de verdad se define la semntica de las oraciones.
P Falso Falso Verdadero Verdadero Q Falso Verdadero Falso Verdadero P Verdader o Verdader o Falso Falso PQ Falso Falso Falso Verdader o PQ Falso Verdader o Verdader o Verdader o PQ Verdader o Falso Falso Verdader o PQ Verdader o Falso Falso Verdader o

Validez e inferencia Las tablas de verdad sirven no solo para definir los conectores, sino tambin para probar la validez de las oraciones. Si se desea considerar una oracin, se construye una tabla de verdad con una hilera por cada una de las posibles combinaciones de valores de verdad correspondientes a los signos propositivos de la oracin. Se calcula el valor de verdad de toda la oracin, en cada una de las hileras. Si la oracin es verdadera en cada una de las hileras, la oracin es vlida. Por ejemplo: ((P H)P H)
P Falso Falso Verdadero Verdadero H Falso Verdadero Falso Verdadero PH Falso Verdadero Verdadero Verdadero (P H) H) Falso Falso Verdadero Falso ((P H)P H) Verdadero Verdadero Verdadero Falso

Reglas de inferencia El procedimiento que mediante tablas de verdad permite cerciorarse de la confiabilidad de una inferencia podra ampliarse a clases enteras de inferencias. Existen ciertos patrones de inferencias que se presentan una y otra vez, lo que permite establecer de una vez por todas su confiabilidad. De esta manera se aprende el patrn respectivo en algo que se conoce como regla de inferencia. Una vez establecida una regla, se le puede emplear para hacer ms inferencias sin necesidad de pasar por el tedioso procedimiento de la construccin de las tablas de verdad.

Madus Ponens o Implicacin-Eliminacin: (A partir de una implicacin y la premisa de la implicacin, se puede inferir la conclusin). , Y-Eliminacin: (A partir de una conjuncin se puede inferir cuales son los coyuntos). 1 2 n i Y-Introduccin: (A partir de una lista de oraciones es posible inferir su conjuncin). 1, 2,,n 1 2 n

O-Introduccin: (a partir de una oracin, es posible inferir su disyuncin con todo lo dems). i 1 2 n

Doble Negacin-Eliminacin: (A partir de una oracin doblemente negada, es posible inferir una oracin positiva). Resolucin unitaria: (A partir de una disyuncin, si uno de los disyuntos es falso, entonces se puede inferir que el otro es verdadero). , Resolucin: (Es la ms difcil. Puesto que no puede ser al mismo tiempo verdadera ni falsa, uno de los otros disyuntos debe ser en una de las premisas. O, tambin, que la implicacin es transitiva). , o equivalente ,

Se considera confiable una regla de inferencia si la conclusin en verdadera en todos aquellos casos en donde las premisas tambin son vlidas. Para probar la confiabilidad se construye una tabla de verdad con una lnea del por cada modelo posible de los signos de proposicin de la premisa, y se demuestra que para todos los modelos en los que la premisa es verdadera, la conclusin tambin lo es.
Falsa Falsa Falsa Falsa Verdadera Verdadera Verdadera Verdadera Falsa Falsa Verdadera Verdadera Falsa Falsa Verdadera Verdadera Falsa Verdadera Falsa Verdadera Falsa Verdadera Falsa Verdadera Falsa Falsa Verdadera Verdadera Verdadera Verdadera Verdadera Verdadera

Verdadera Verdadera Falsa Verdadera Verdadera Verdadera Falsa Verdadera

Falsa Verdadera Falsa Verdadera Verdadera Verdadera Verdadera Verdadera

1.4.1.2 Lgica de primer orden (calculo de predicados de primer orden) La lgica de primer orden considera que el mundo est constituido por objetos, es decir, entes con identidades individuales y propiedades que los distinguen de otros objetos. Entre estos objetos, existen diversos tipos de relaciones. Algunas de estas son las funciones: relaciones en que una entrada corresponde un solo valor. No es

difcil ofrecer una lista de ejemplos de objetos, propiedades, relaciones y funciones:

Objetos: gente, casas, nmeros, teoras, Ronald McDonald, colores, juegos de beisbol, guerras, siglos Relaciones: hermano de, mayor que, dentro de, parte de, de color, sucedi luego de, es el dueo de Propiedades: rojo, redondo, de varios pisos, falso, lo mejor Funciones: padre de, mejor amigo de, tercer tiempo de, uno ms que

De hecho, prcticamente cualquier hecho se refiere a los objetos y a propiedades y relaciones. Veamos algunos ejemplos: Uno ms Dos es igual a tres. Objetos: uno, dos, tres, uno ms dos. Relacin: es igual a. Funcin: ms. (Uno ms dos es el nombre del objeto que se obtiene al aplicar la funcin suma a los objetos uno y dos. Tres es otro de los nombres de tal objeto). Los cuadros cercanos al wumpus apestan Objetos: wumpus, cuadros. Relacin: cercana. Propiedades: apestosos. El malvado rey Juan gobern Inglaterra en 1200 Objetos: Juan, Inglaterra, 1200. Relacin: gobern. Propiedades: malvado, rey. La lgica de primer orden ha cobrado tanta importancia en matemticas, filosofa e inteligencia artificial precisamente porque resulta muy prctico concebir que esos campos as como en muchas reas de la vida cotidiana de los humanos ocupan de objetos y de las relaciones que stos guardan entre s. se Si bien la lgica de primer orden se ocupa de la existencia de objetos y relaciones, su alcance ontolgico no abarca cosas tales como categoras, tiempo y acontecimientos, aspectos que forman tambin buena parte del mundo.
Oracin

Sintaxis y semntica

En la lgica proposicional representa un hecho. En la lgica de primer orden hay oraciones, pero tambin hay trminos. Estos ltimos Oracin atmicaobjetos. Los Predicado(trmino,) Trmino=Trmino las representan signos que representan constantes, variables y los signos de funciones sirven todos para construir trminos; los Funcin(Trmino,) cuantificadoresTrmino y los signos de predicados sirven para construir oraciones. Constante
Variable Conector Cuantificador Constante Variable Predicado Funcin A X1 Juan a x s Antes TieneColor Lloviendo Madre PiernaIzquierdaDe

cada

Oracin atmica Oracin Conector Oracin Cuantificador Variable, Oracin Oracin expresin es una oracin, que (Oracin)

Signos de constantes: A, B, C, Juan En la interpretacin respectiva deber especificarse a qu objeto del mundo se est haciendo referencia mediante el signo de una constante. Si bien este signo nombra justamente un solo objeto, no todos los objetos necesitan tener nombre, aunque algunos pueden llegar a tener varios. Por ejemplo, el signo Juan, en el caso de una interpretacin en particular se referir al malvado rey Juan, quien fuera rey de Inglaterra desde 1199 hasta 1216, y hermano menor de Ricardo Corazn de Len. El signo Rey podra referirse en esa misma interpretacin al mismo objeto/persona. Signos de predicados: Redondo, Hermano, Una interpretacin especifica que mediante un signo de predicado se hace referencia a una relacin particular de un modelo. Por ejemplo, el signo Hermano hace referencia a una relacin de hermandad. Hermano es un signo de predicado binario, por lo que la hermandad es una relacin que vincula (o desvincula) pares de objetos. En cualquier modelo dado, la relacin se define mediante un conjunto de tuplas que la satisfacen. Una tupla es un conjunto de objetos clasificados de una manera determinada y en orden fijo. Se escriben entre parntesis angulares. En un modelo que contenga los tres objetos rey Juan, Robin Hood y Ricardo Corazn de Len, la relacin de hermandad se define mediante el conjunto de tuplas. {<Rey Juan, Ricardo Corazn de Len,> <Ricardo Corazn de Len, rey Juan>} Es decir, desde el punto de vista formal, hermano hace referencia a este conjunto de tuplas, bajo la interpretacin que hemos escogido para este caso. Signos de funciones: Coseno, PadreDe, PiernaIzquierdaDe Algunas relaciones son funcionales, es decir, un determinado objeto est relacionado justamente con otro objeto mediante relacin. Por ejemplo, a un ngulo le corresponde slo un nmero que es un coseno; toda persona

tiene alguien que es su padre. En estos casos, es ms prctico definir un signo de la funcin (por ejemplo, Coseno) para referirse a esa relacin especial entre ngulos y nmeros. En el modelo, la correlacin es precisamente un conjunto de n + 1 tuplas, con una propiedad en especial, es decir, que el ltimo elemento de cada tupla sea el valor de la funcin correspondiente a los primeros n elementos; cada combinacin de los primeros n elementos aparece exactamente en una tupla. Una tupla de cosenos es precisamente un conjunto de tuplas: por cada posible ngulo que interese, proporciona el coseno del angulo. A diferencia de los signos de predicado, utilizados para decir que entre ciertos objetos existen determinadas relaciones, los signos de funcin se emplean para referirse a objetos particulares sin utilizar su nombre. Trminos Un trmino es una expresin lgica que se refiere a un objeto. Por lo tanto, los signos de constante son trminos. A veces es ms prctico utilizar una expresin para referirse a un objeto. Por ejemplo, en espaol se utilizara la expresin La pierna izquierda del rey Juan, en vez de asignar un nombre a su pierna. Para eso son los signos de funciones: en vez de utilizar un signo de constante, se emplea PiernaIzquierdaDe(Juan). La semntica formal de los trminos es muy directa. Mediante una interpretacin se especifica la relacin funcional a la que alude el signo de funcin y los objetos a los que se alude mediante los trminos que son sus argumentos. As, el trmino complejo se refiere al objeto que aparece en la entrada nmero (n+1) de esa tupla en la relacin cuyos primeros n elementos son los objetos a que aluden los argumentos. Es decir, el signo de funcin PiernaIzquierdaDe podra hacer referencia a las siguiente relacin funcional: {<Juan, pierna izquierda del rey Juan,> <Ricardo Corazn de Len, pierna izquierda de Ricardo>} Y si el Rey Juan se refiere al rey Juan, entonces PiernaIzquierdaDe(ReyJuan) se refiere, de acuerdo con la relacin, a la pierna izquierda del rey Juan. Oraciones atmicas Ahora que ya contamos con trminos para referirnos a objetos y signos de predicado para referirnos a relaciones, combinmoslos para formar oraciones atmicas, mediante las que se afirman hechos. Una oracin atmica est formada por un signo de predicado y por una lista de trminos entre parntesis. Por ejemplo: Hermano(Ricardo,Juan)

afirma, de acuerdo con la interpretacin establecida anteriormente, que Ricardo Corazn de Len es el hermano del rey Juan. Las oraciones atmicas pueden llegar a tener argumentos que son trminos complejos: Casado(PadreDe(Ricardo),MadreDe(Juan)) afirma que el padre de Ricardo Corazn de Len est casado con la medre del rey Juan (nuevamente de acuerdo con la interpretacin correspondiente). Se dice que una oracin atmica es verdadera si la relacin a la que alude el signo de predicado es vlida para los objetos a los que aluden los argumentos. La relacin se cumple solo en caso de que la tupla de objetos est en la relacin. Por lo tanto, la validez de una oracin depender tanto de la interpretacin como del mundo. Oraciones complejas Mediante los conectores lgicos se pueden construir oraciones ms complicadas, como en el clculo proposicional. La semntica de las oraciones formadas utilizando los conectores lgicos es idntica a la del caso de las proposiciones. Por ejemplo:

Hermano(Ricardo, Juan) Hermano(Juan, Ricardo) es verdadera slo cuando Juan es el hermano de Ricardo y Ricardo es el hermano de Juan. Mayor(Juan, 30) Menor(Juan, 30) es verdadera slo cuando Juan es mayor de 30 o Juan es ms joven de 30. Mayor(Juan, 30) Menor(Juan, 30) est diciendo que si Juan tiene ms de 30, entonces no tiene menos de 30 aos. Hermano(Robin, Juan) es verdadera slo si Robin no es hermano de Juan.

Cuantificadores Ahora que ya contamos con una lgica que admite objetos, es natural el deseo de expresar propiedades de grupos complejos de objetos en vez de enumerarlos por su nombre. Los cuantificadores nos permiten hacer esto. La lgica de primer orden contiene dos cuantificadores estndar, denominados universales y existenciales. Cuantificacin universal ()

Recurdese las dificultades que se presentaron con el problema de expresin de reglas generales en lgica proposicional. Reglas tales como Todos Los gatos son mamferos son el pan cotidiano de la lgica de primer orden. Para expresar esta regla particular se emplearn los predicadores unarios Gato y Mamfero; en consecuencia, Mancha es un gato se representa de la siguiente manera: Gato(Mancha); y Mancha es mamfero por: Mamfero(Mancha). En espaol, lo que se intenta expresar es que por cualquier objeto x, si x es un gato, entonces x es un mamfero. La lgica de primer orden nos permite realizar lo anterior de la siguiente manera: xGato(x)Mamfero(x) en general se lee como Para Todo Recuerde que esta A invertida representa todo. Por ejemplo, la oracin xP, en donde P es cualquier expresin lgica, equivaldra a la conjuncin (es decir, a de todas las oraciones que se ) obtiene al sustituir el nombre de un objeto por la variable x, siempre que aparezca en P. Por lo tanto, la oracin anterior equivale a : Gato(Mancha)Mamfero(Mancha) Gato(Rebeca)Mamfero(Rebeca) Gato(Flix)Mamfero(Flix) Gato(Ricardo)Mamfero(Ricardo) Gato(Juan)Mamfero(Juan) . . . Por lo tanto ser vlida si y slo si todas estas oraciones tambin son verdaderas, es decir, si P es verdadera para todos los objetos x del universo. Por lo tanto, a se le denomina cuantificador universal. Cuantificador existencial ( ) En el caso de la cuantificacin existencial se hacen afirmaciones sobre cualquier objeto. Asimismo, tambin se pueden hacer afirmaciones acerca de algn objeto en el universo sin tener que nombrarlo, mediante un cuantificador existencial. Para afirmar, por ejemplo, que Mancha tiene una hermana que es gato, escribiremos: xHermana(x, Mancha) Gato(x) se lee: Existe en general, xP es verdadero si P es verdadero para cierto objeto del universo. Por lo tanto, se le podra considerar equivalente a la disyuncin (es decir, de todas las oraciones obtenidas al sustituir el nombre de ) un objeto por la variable x. Al efectuar esta sustitucin en el caso de la oracin anterior se obtiene:

(Hermana(Mancha, Mancha) Gato(Mancha)) (Hermana(Rebeca, Mancha) Gato(Rebeca)) (Hermana(Flix, Mancha) Gato(Flix)) (Hermana(Ricardo, Mancha) Gato(Ricardo)) (Hermana(Juan, Mancha) Gato(Juan)) . . . La oracin existencialmente cuantificada es verdadera slo cuando al menos una de estas disyunciones es verdadera. Si Mancha tuviera dos hermanas que fuesen gatos, entonces dos de las disyunciones serian verdaderas, con lo que toda la disyuncin es tambin verdadera. Lo anterior es congruente con la oracin original: Mancha tiene una hermana que es gato.

2.5. La demostracin y sus mtodos. 2.6. El mtodo de resolucin de Robinson. 2.7. Conocimiento no-montono y otras lgicas.

2.8. Razonamiento probabilstico. Un agente lgico se puede considerar como una entidad que posee conocimiento de su mundo, y que tambin es capaz de razonar sobre las posibles acciones que puede emprender para el logro de sus objetivos, adems que tienen la posibilidad

de aceptar nuevas tareas. Una de las limitaciones de la lgica de primer orden y, por lo tanto, del mtodo del agente lgico, es que los agentes casi nunca tienen acceso a toda la verdad acerca de su ambiente. En algunos casos las soluciones a las tareas que debe realizar el agente se averiguan directamente a partir de las percepciones del agente, en tanto que otras se infieren a partir de percepciones actuales y previas junto con lo que se sabe sobre las propiedades del ambiente. Habr preguntas importantes a las que el agente no pueda dar una respuesta categrica. Por lo tanto el agente debe actuar bajo condiciones de incertidumbre.

Qu es incertidumbre? Se entiende por incertidumbre una situacin en la cual no se conoce completamente la probabilidad de que ocurra un determinado evento.

Por lo tanto para que el agente realice lo correcto, es decir tome una decisin racional, depender tanto de la importancia relativa de las diversas metas as como de la posibilidad y grado correspondiente en que esperamos que sean logradas. Manejo del conocimiento incierto (Teora de la probabilidad) Ejemplo Si nos interesara elaborar un sistema para diagnsticos odontolgicos recurriendo a la lgica pondramos reglas como:
p Sntomap,DolorDientesPadecimiento(p,Caries)

El problema es que esta regla est equivocada. No todos los pacientes que tienen dolor de dientes, tambin tienen caries; algunos quiz tengan algn padecimiento de las encas, o muelas del juicio afectadas. Esto provoca que tengamos una lista casi ilimitada de posibles causas. En este caso el empleo de la lgica de primer

orden en un dominio como el del diagnostico mdico es un intento fallido, debido a las siguientes tres razones: Pereza: El listar el conjunto completo de antecedentes o consecuencias necesarios para garantizar una regla sin excepciones implica demasiado trabajo, y tambin sera muy difcil emplear las enormes reglas resultantes. Ignorancia terica: La ciencia mdica no cuenta an con una teora completa de este dominio. Ignorancia prctica: Aun conociendo todas las reglas, cuando no es posible realizar en un paciente todas las pruebas que sea necesario hacer, albergaramos ciertas dudas en el caso particular de ese paciente. La relacin entre dolor de diente y caries no implica una consecuencia lgica en ambos sentidos. En estos casos lo que el agente puede ofrecer es solo un grado de creencia en las oraciones correspondientes. La herramienta para manejar los grados de creencia es la teora de la probabilidad, mediante la que se le asigna a las oraciones un grado numrico de creencia entre 0 y 1. La probabilidad 0 asignada a una determinada oracin corresponde a la inequvoca creencia de que la oracin es falsa, en tanto que una probabilidad de 1 corresponde a la creencia de que la oracin es verdadera. Las probabilidades situadas entre 0 y 1 correspondes a grados intermedios de creencia en la verdad de la oracin. Si un agente asigna una probabilidad de 0.8 a una oracin, entonces espera que en el 80% de los casos indiferenciables de la situacin actual por lo que al conocimiento del agente se refiere, la oracin resultara en efecto verdadera. La teora de la probabilidad parte de los mismos supuestos ontolgicos que los de la lgica, es decir, que los hechos en realidad son o no son validos. La probabilidad que un agente asigna a una proposicin depender de las percepciones que ste haya recibido hasta ese momento. Por lo tanto en todas las afirmaciones probabilsticas deber indicarse la evidencia en la que se basa la probabilidad que se est calculando. Conforme el agente vaya recibiendo nuevas percepciones los clculos de probabilidad se van actualizando, de manera que reflejen nuevas evidencias.

Previo a la obtencin de evidencias se habla de probabilidad a priori o incondicional; despus de obtener evidencias se habla de probabilidad posterior o condicional. En la mayora de los casos, el agente contara con cierta evidencia que le aportan sus percepciones y le interesar calcular probabilidades condicionales de los resultados que son de su inters, en otros casos ser necesario calcular las probabilidades condicionales en relacin con la evidencia con la que se cuenta adems de la evidencia que se espera obtener durante el curso de la ejecucin de una determinada secuencia de acciones. Probabilidad y las decisiones racionales La Teora general de decisiones racionales conocida tambin como teora de decisiones se puede expresar con la siguiente frmula: Teora de decisiones = Teora de la probabilidad + Teora de la utilidad

La idea bsica de la teora de decisiones es que un agente ser racional si y solo si elige una accin que le produzca la mayor de las utilidades esperadas, tomando en cuenta todos los resultados posibles de la accin. Es decir, para evaluar una accin, probabilidades y utilidades se combinan ponderando la utilidad de un resultado en particular con base en la probabilidad de que este se produzca.

Probabilidad a priori o incondicional La notacin P(A) indica en la probabilidad a priori o incondicional que la proposicin A es verdadera. Por ejemplo, si Caries representa la proposicin de que un determinado paciente tiene una caries entonces:
PCaries= 0.1

Significa que, de no existir ms informacin, el agente asignar la probabilidad de 0.1 (10% de posibilidad) al evento de que el paciente tenga una caries.

Es importante destacar que P(A) se utiliza slo cuando no se dispone de ms informacin. En cuanto se disponga de informacin adicional B, ser necesario razonar con la probabilidad condicional de A considerando B. En las proposiciones puede tambin haber desigualdades que involucren lo conocido como variables aleatorias. Por ejemplo si nuestro objeto de atencin es la variable aleatoria EstadoDelTiempo, tendramos que:
PEstadoDelTiempo=Soleado= 0.7 PEstadoDelTiempo=Lluvia= 0.2 PEstadoDelTiempo=Nublado= 0.08 PEstadoDelTiempo=Nieve= 0.02

Los signos de las preposiciones pueden considerarse tambin como variables aleatorias, y se supone que su dominio es <verdadero,falso>. Por lo tanto, una expresin como P(Caries) podra considerarse como una abreviacin de P(Caries=verdadero). Por otra parte, P(Caries) es una abreviacin de P(Caries = falso). Podemos utilizar tambin expresiones como P(EstadoDelTiempo,Caries) para representar las probabilidades de todas las posibles combinaciones de valores de un conjunto de variables aleatorias. Adems podemos utilizar conectores lgicos para construir oraciones ms complejas y asignarles probabilidades por ejemplo:
PCaries Asegurado= 0.06

Dice que hay 6% de posibilidades de que un paciente tenga caries y no est asegurado. Probabilidad condicional Una vez que el agente cuenta con evidencias respecto a las proposiciones que constituyen el dominio, las probabilidades a priori pierden vigencia. En vez de stas, se utilizan las probabilidades condicionales o posteriores, representadas como P(A|B) y que se interpreta como la probabilidad de A, considerando que todo lo que sabemos es B. Por ejemplo:
PCariesDolorDientes= 0.8

Indica que si se descubre que un paciente padece de dolor dental, y todava no se dispone de mayor informacin, la probabilidad de que el paciente tenga una caries es de 0.8 (80% de posibilidad). Es importante tener presente que P(A|B) slo puede emplearse cuando todo lo que se sabe es B. En cuanto sabemos C, debemos calcular P(A|B C) en vez P(A|B). En el caso extremo C podra decirnos directamente si A es verdadera o falsa. Ejemplo: Si se consulta a un paciente que se queja de dolor dental, y se descubre una caries y contamos con la evidencia adicional Caries, concluimos (de manera trivial) que PCariesDolorDental Caries=1.0 La probabilidad condicional se obtiene a travs de la siguiente ecuacin:
PAB=P(AB)P(B) se cumple siempre que PB> 0

Esta ecuacin tambin puede escribirse de la siguiente manera:

PAB= PABPB se conoce como regla del producto

Esta ecuacin expresa que: Para que A y B sean ciertas, es necesario que B sea cierta, y luego que A sea cierta considerando B. Tambin se puede expresar como:
PA B= PBAP(A)

Ejemplo de probabilidad condicional: Se lanza un dado, si el nmero que se obtuvo es impar. Cul es la probabilidad de que sea primo? Solucin:

La probabilidad de que un nmero sea impar es de 12 dado que los nmeros impares pueden ser 1,3 y 5. Es decir Pimpar= 12 As mismo vemos que la probabilidad de que sea primo e impar es de 13 ya que se incluyen los nmeros 3 y 5. Es decir Pprimo impar=26= 13 Finalmente tenemos que:
Pprimoimpar= P(primo impar)P(impar)= 1312= 23=0.666 (66.6% de posibilidad)

Los axiomas de probabilidad Los 2 primeros axiomas sirven para definir la escala de la probabilidad. 1. Todas las probabilidades estn comprendidas entre 0 y 1.
0 PA1

2. La probabilidad de las proposiciones necesariamente verdaderas (es decir, validas) es de 1, y de las necesariamente falsas (es decir, la que no se pueden satisfacer) es de 0.
PVerdadero=1 PFalso= 0

3. La probabilidad de una disyuncin se expresa de la siguiente manera:

PA B= PA+ PB- P(AB)

En el tercer axioma se considera que la probabilidad total de (A B) es la suma de las probabilidades correspondientes a A y B, pero restando P(AB), con el fin de que estos casos no se tomen en cuanta dos veces. 2.9. Teorema de Bayes Thomas Bayes nacido en Londres en 1702 fue un matemtico britnico que estudi el problema de la determinacin de la probabilidad de las causas a travs

de los efectos observados. El teorema que lleva su nombre se refiere a la probabilidad de un suceso que se presenta como suma de diversos sucesos mutuamente excluyentes. Teorema de Bayes

Sea A1, A2,...,An un sistema completo de sucesos mutuamente excluyentes (no pueden ocurrir dos de ellos a la vez), tales que la probabilidad de cada uno de ellos es distinta de cero, y sea B un suceso cualquiera del que se conocen las probabilidades condicionales P(B/Ai). Entonces la probabilidad P(Ai/B) viene dada por la expresin:

Demostracin: Esto lo representamos grficamente en la siguiente figura.

El cuadrado corresponde a todas las situaciones posibles, que en este caso pueden dividirse en tres: A1, A2, A3. El suceso B se puede producir en cualquiera de las tres situaciones. Recordando las formulas de la probabilidad condicional tenemos que:
PAB= PABPB PAB= PBAP(A)

Si reescribimos la ecuacin anterior para A1:

PA1 B= PA1BPB= PBA1P(A1) PA1B= PBA1P(A1)PB PB= PA1 B + PA2 B+PA3 B =PBAi=P(B|Ai)P(Ai)

PA1B= PBA1P(A1)PBAiP(Ai)

Para cualquiera de las otras situaciones (A2, A3) la frmula es similar. Ejemplo: El parte meteorolgico ha anunciado tres posibilidades para el fin de semana: a) Que llueva: probabilidad del 50%. b) Que nieve: probabilidad del 30% c) Que haya niebla: probabilidad del 20%. Segn estos posibles estados meteorolgicos, la posibilidad de que ocurra un accidente es la siguiente: a) Si llueve: probabilidad de accidente del 20%. b) Si nieva: probabilidad de accidente del 10% c) Si hay niebla: probabilidad de accidente del 5%.

Resulta que efectivamente ocurre un accidente y como no estbamos en la ciudad no sabemos qu tiempo hizo (si llovi, nev o hubo niebla). El teorema de Bayes nos permite calcular estas probabilidades: Cabe recordar que las probabilidades que manejamos antes de conocer que ha ocurrido un accidente se denominan "probabilidades a priori" (lluvia con el 50%, nieve con el 30% y niebla con el 20%). Una vez que incorporamos la informacin de que ha ocurrido un accidente, las probabilidades del suceso A cambian: son probabilidades condicionadas P (A|B), que se denominan "probabilidades a posteriori". Vamos a aplicar la frmula:
PAiB= PBAiP(Ai)PBAiP(Ai)

a) Probabilidad de que estuviera lloviendo:

PA1B= 0.20*0.500.50*0.20+0.30*0.10+0.20*0.05=0.714

La probabilidad de que efectivamente estuviera lloviendo el da del accidente (probabilidad a posteriori) es del 71.4%. b) Probabilidad de que estuviera nevando:

PA2B= 0.10*0.300.50*0.20+0.30*0.10+0.20*0.05=0.214

La probabilidad de que estuviera nevando es del 21.4%. c) Probabilidad de que hubiera niebla:
PA3B= 0.20*0.050.50*0.20+0.30*0.10+0.20*0.05=0.0714

La probabilidad de que hubiera niebla es del 7.14% CONCLUSIN

Referencias y bibliografa http://redescolar.ilce.edu.mx/redescolar/biblioteca/articulos/pdf/mapas_conc eptuales.pdf 2. http://es.wikipedia.org/wiki/Red_sem%C3%A1ntica

1.