MATERIA

INTELIGENCIA ARTIFICIAL

NOMBRE DEL CATEDRATICO:

M.C. FERNANDO VERA PRIEGO

NOMBRE DE LA ALUMNO:
FLORENCIO LVAREZ VZQUEZ

GRADO
8T0 SEMESTRE

GRUPO
VESPERTINO

CARRERA:
ING. SISTEMAS COMPUTACIONALES

BALANCAN, TABASCO 14/03/2012

UNIDAD 2.

Representacin del conocimiento y el razonamiento

Historia Representacin del conocimiento es un trmino comnmente usado para referirse a representaciones pensadas para el procesamiento por ordenadores modernos, y en particular, para representaciones compuestas por objetos explcitos (la clase que contiene a todos los elefantes, o Jacobo un individuo en concreto), y de afirmaciones sobre ellos ('Jacobo es un elefante', o 'todos los elefantes son grises'). Representar el conocimiento en un a forma explicita como esta permite a los ordenadores sacar conclusiones de conocimiento previamente almacenado ('Jacobo es gris').

Muchos mtodos de representacin del conocimiento fueron probados a lo largo de la dcada de 1970 hasta principios de los aos 80, cmo responder a preguntas usando heursticas, redes neuronales, demostraciones de teoremas, y sistemas expertos, con un grado variable de xito. La diagnosis mdica (por ejemplo Mycin) fue un rea importante de aplicacin, al igual que lo fueron juegos como el ajedrez.
Intentar codificar grandes masas de conocimiento general, por ejemplo, el proyecto "Cyc" (todava activo) tom una gran enciclopedia codificando no la informacin en s, sino la informacin que un lector necesitara para poder entender la enciclopedia: fsica elemental, nociones de tiempo, causalidad, motivacin; objetos comunes y clases de objetos. A travs de dicho trabajo, se apreci mejor la dificultad de la representacin del conocimiento. En lingsticas computacionales, mientras tanto, se estaban construyendo bases de datos de informacin lingstica mucho ms grande, y estas, junto con los grandes incrementos en velocidad y capacidad de computacin, hicieron las representaciones de los conocimientos ms profundos ms factibles. Se han desarrollado diversos lenguajes de programacin orientados a la representacin del conocimiento. Prolog, desarrollado en 1972, pero popularizado mucho despus, representa proposiciones y lgica bsica, y puede derivar conclusiones de premisas conocidas. KL-ONE (aos 80) est ms orientado a la representacin del conocimiento en s. En 1995, se desarroll el estndar de metadato Dublin Core. En el mundo de los documentos electrnicos, se estaban desarrollando lenguajes para representar la estructura de los documentos, como el SGML (del que desciende el HTML) y ms tarde XML. Estos facilitaron los esfuerzos de recuperacin de informacin y minera de datos, que en aos recientes comenzaron a relacionarse a la representacin del

conocimiento. El desarrollo de la web semntica, ha incluido el desarrollo de lenguajes de representacin del conocimiento y estndares basados en XML, incluyendo RDF, RDF Schema, DARPA Agent Markup Language (DAML), y Web Ontology Language (OWL). REPRESENTACION DEL CONOCIMIENTOS La representacin del conocimiento y el razonamiento es un rea de la inteligencia artificial cuyo objetivo fundamental es representar el conocimiento de una manera que facilite la inferencia (sacar conclusiones) a partir de dicho conocimiento. Analiza cmo pensar formalmente - cmo usar un sistema de smbolos para representar un dominio del discurso (aquello de lo que se puede hablar), junto con funciones que permitan inferir (realizar un razonamiento formal) sobre los objetos. Generalmente, se usa algn tipo de lgica para proveer una semntica formal de como las funciones de razonamiento se aplican a los smbolos del dominio del discurso, adems de proveer operadores como cuantificadores, operadores modales, etc. Esto, junto a una teora de interpretacin, da significado a las frases en la lgica. El principal problema es encontrar una representacin del conocimiento y un sistema de razonamiento que la soporte que pueda hacer las inferencias que necesite tu aplicacin dentro de los lmites de recursos del problema a tratar. Los desarrollos recientes en la representacin del conocimiento han sido liderados por la web semntica, y han incorporado el desarrollo de lenguajes y estndares de representacin del conocimiento basados en XML, que incluyen Resource Description Framework (RDF), RDF Schema, DARPA Agent Markup Language (DAML), y Web Ontology Language (OWL).

Caractersticas Bsicas
Cobertura, que significa que la representacin del conocimiento cubre la informacin en anchura y profundidad. Sin una cobertura amplia, la representacin del conocimiento no puede determinar nada ni resolver ambigedades. Comprensible por humanos. La representacin del conocimiento es vista como un lenguaje natural, as que la lgica debera fluir libremente. Debera soportar la modularidad y la jerarqua de clases (los osos polares son osos, que son animales). Debera adems contar con primitivas simples que se combinen de forma compleja. Consistencia. Si Pedro ha cerrado la puerta, tambin puede ser interpretado como la puerta ha sido cerrada por Pedro. Siendo consistente, la representacin del conocimiento puede eliminar conocimiento redundante o conflictivo.

Eficiencia.

Facilidad de modificacin y actualizacin. Soporte de la actividad inteligente que usa la base de conocimiento. Para entender mejor porque estas caractersticas representan una buena representacin del conocimiento, piensa en como una enciclopedia (por ejemplo, Wikipedia) est estructurada. Hay millones de artculos (cobertura), que estn organizados en categoras, tipos de contenido, y temas similares (comprensible por humanos). Re direcciona diferentes ttulos pero mismo contenido al mismo artculo (consistencia). Es eficiente, es fcil aadir o actualizar pginas, y permite a los usuarios consultar la base de conocimiento en sus telfonos u ordenadores de escritorio.

2.1 Mapa conceptual

Mapa conceptual es una tcnica usada para la representacin grfica del conocimiento. Como se ve, un mapa conceptual es una red de conceptos. En la red, los nodos representan los conceptos, y los enlaces las relaciones entre los conceptos en forma de flechas etiquetadas.

Mapa Jerrquico: En el que a partir del concepto principal (situado en la parte superior) va descendiendo verticalmente segn el orden de importancia.
Ventajas de los mapas conceptuales o mapas escriturales Aprendizaje significativo Los mapas conceptuales fueron desarrollados en la dcada de 1960 por Joseph D. Novak, profesor emrito en la Universidad de Cornell, basndose en la teoras de David Ausubel del aprendizaje significativo. Segn Ausubel "el factor ms importante en el aprendizaje es lo que el sujeto ya conoce". Por lo tanto, el aprendizaje significativo ocurre cuando una persona consciente y explcitamente vincula esos nuevos conceptos a otros que ya posee. Cuando se produce ese aprendizaje significativo, se produce una serie de cambios en nuestra estructura cognitiva, modificando los conceptos existentes, y formando nuevos enlaces entre ellos. Esto es porque dicho aprendizaje dura ms y es mejor que la simple memorizacin: los nuevos conceptos tardan ms tiempo en olvidarse, y se aplican ms fcilmente en la resolucin de problemas. Segn Novak, los nuevos conceptos son adquiridos por descubrimiento, que es la forma en que los nios adquieren sus primeros conceptos y lenguaje, o por aprendizaje receptivo, que es la forma en que aprenden los nios en la escuela y los adultos. El problema de la mayor parte del aprendizaje receptivo en las escuelas, es que los estudiantes memorizan definiciones de conceptos, o algoritmos para resolver sus

problemas, pero fallan en adquirir el significado de los conceptos en las definiciones o frmulas. Aprendizaje activo Cuando se realiza un mapa conceptual, se obliga al estudiante a relacionarse, a jugar con los conceptos, a que se empape con el contenido. No es una simple memorizacin; se debe prestar atencin a la relacin entre los conceptos. Es un proceso activo. Usos
El mapa conceptual puede tener varios propsitos:

Generar ideas (brain storming, etc.)

Disear una estructura compleja (textos largos, hipermedia, pginas web grandes, etc.)
Comunicar ideas complejas Contribuir al aprendizaje integrando explcitamente conocimientos nuevos y antiguos Evaluar la comprensin o diagnosticar la incomprensin Explorar el conocimiento previo y los errores de concepto Fomentar el aprendizaje significativo para mejorar el xito de los estudiantes Medir la comprensin de conceptos Generar conceptos o ideas sobre algo o un tema

Cmo construir un mapa conceptual

Seleccionar

Agrupar
Ordenar Representar Conectar Comprobar Reflexionar

1. Seleccionar Despus de leer un texto, o seleccionando un tema concreto, seleccionar los conceptos con los que se va a trabajar y hacer una lista con ellos. Nunca se pueden repetir conceptos ms de una vez en una misma representacin. Puede ser til escribirlos en notas autoadhesivas (Post-it) para poder jugar con ellos. Por ejemplo, de hacer un sencillo estudio sobre los seres vivos:

2. Agrupar Agrupar los conceptos cuya relacin sea prxima. Aunque hay sitios donde se recomienda ordenar (paso nmero 3) antes que agrupar, es preferible hacerlo primero: a medida que agrupamos, habr conceptos que podamos meter en dos grupos al mismo tiempo. De esta forma aparecen los conceptos ms genricos.

3. Ordenar Ordenar los conceptos del ms abstracto y general, al ms concreto y especfico.

4. Representar Representar y situar los conceptos en el diagrama. Aqu las notas autoadhesivas pueden agilizar el proceso, as como las posibles correcciones. En este caso, no hace falta, puesto que se han representado los conceptos desde el principio. 5. Conectar Esta es la fase ms importante: a la hora de conectar y relacionar los diferentes conceptos, se comprueba si se comprende correctamente una materia. Conectar los conceptos mediante enlaces. Un enlace define la relacin entre dos conceptos, y este ha de crear una sentencia correcta. La direccin de la flecha nos dice cmo se forma la sentencia (p. ej. "El perro es un animal",...).

6. Comprobar Comprobar el mapa: ver si es correcto o incorrecto. En caso de que sea incorrecto corregirlo aadiendo, quitando, cambiando de posicin...los conceptos (otra tarea que facilitan los Post-its). 7. Reflexionar

Reflexionar sobre el mapa, y ver si se pueden unir distintas secciones. Es ahora cuando se pueden ver relaciones antes no vistas, y aportar nuevo conocimiento sobre la materia estudiada. Por ejemplo, nos damos cuenta de como los animales y las plantas estn relacionados, ya que la vaca come plantas.

Diferencias respecto al Mapa mental

El mapa mental o Mind Mapping es una tcnica popular, inventada (y con copyright) por el britnico Tony Buzan. Dice: "un mapa mental consta de una palabra central o concepto, en torno a la palabra central se dibujan de 5 a 10 ideas principales que se refieren a aquella palabra. Entonces, a partir de cada una de las palabras derivadas, se dibujan a su vez de 5 a 10 ideas principales que se refieren a cada una de esas palabras". Para muchas personas las dos tcnicas pueden parecer similares pero, gran parte de su diferencia estriba en la capacidad visual del mapa mental y las conexiones que realiza. El mapa mental busca y exige imgenes para su construccin. Las imgenes y dibujos tienen varias funciones, algunas nemotcnicas, otras para reducir las palabras manteniendo un concepto o idea compleja y tambin para buscar nuevas conexiones. Se sabe que las imgenes conectan rpidamente con otras ideas afines, por lo que parte de la potencia del mapa mental est en su capacidad visual para generar nuevas conexiones y retener las ideas con el hemisferio visual del cerebro.

Mapas Conceptuales

Por Juan C. Drsteler

Los mapas conceptuales son instrumentos de representacin del conocimiento sencillo y prctico, que permiten transmitir con claridad mensajes conceptuales complejos y facilitar tanto el aprendizaje como la enseanza. Para mayor abundamiento, adoptan la forma de grafos. Los mapas conceptuales son artefactos para la organizacin y representacin del conocimiento. Tienen su origen en las teoras sobre la psicologa del aprendizaje de David Ausubel enunciadas en los aos 60.

Su objetivo es representar relaciones entre conceptos en forma de proposiciones. Los conceptos estn incluidos en cajas o crculos, mientras que las relaciones entre ellos se Mapa Conceptual de la definicin de explicitan mediante lneas que unen sus cajas respectivas. Las lneas, a su vez, tienen palabras Grafo Fuente: por el autor usando asociadas que describen cul es la naturaleza de la relacin que liga los conceptos. CmapTools. Pulse sobre la imagen para En este contexto Joseph D. Novak en agrandarla el artculo The Theory Underlying Concept Maps and How To Construct Them define concepto como una regularidad percibida en sucesos u objetos o registros de sucesos u objetos, designado por una etiqueta. La etiqueta de un concepto es usualmente una palabra Una proposicin es una frase acerca de cierto objeto o suceso en el universo, que ocurre de forma natural o artificial. Las proposiciones contienen dos o ms conceptos conectados con otras palabras que forman una frase coherente. Se las suele llamar unidades semnticas. Conceptos enlazados por relaciones, cajas y lneas que las unen... No nos suena mucho esto?. Efectivamente, como tantas otras cosas los mapas conceptuales se pueden representar, y de hecho se representan, mediante grafos (vase el articulo numero 137) en los que los nodos son los conceptos y los arcos las relaciones entre ellos.

Los mapas conceptuales se estructuran en forma jerrquica en la que los conceptos ms generales estn en la raz del rbol y a medida que vamos descendiendo por el mismo nos vamos encontrando con conceptos ms especficos. Probablemente la mejor manera de entenderlos es ver un mapa conceptual sobre los mapas conceptuales como el que adjuntamos.

Mapa conceptual sobre los mapas conceptuales. Transcripcin traducida al espaol por el autor del mapa existente en el artculo "The Theory Underlying Concept Maps and How To Construct Them" por J.D.Novak, usando la herramientaCmapTools. Pulse sobre el mapa para agrandarlo. Dicho mapa conceptual se ha elaborado partiendo de su versin inglesa existente en el artculo antes mencionado con la herramienta CmapTools desarrollada por el Institute for Human and Machine Cognition asociado a la West Florida University en USA. Esta es una herramienta de descarga gratuita, de gran sencillez de uso y versatilidad. Existe tambin una herramienta de uso libre creada en la Universitat Pompeu Fabra de Barcelona por el profesor Cristfol Rovira que genera automticamente el cdigo necesario para incluirlo en formato XML usando el standard Topic Maps (vase el numero 26, sobre la Web semntica). Es muy recomendable probar ambas herramientas y

percatarse de lo fcil e instructivo que resulta poner nuestras ideas en forma de mapa conceptual. Y es que los mapas conceptuales se desarrollaron para comprender los cambios en el tiempo del conocimiento que los nios tenan de la Ciencia. La idea de Ausubel es que el aprendizaje tiene lugar gracias a la asimilacin de nuevos conceptos y proposiciones en marcos de referencia proposicionales ya existentes en la mente del aprendiz.

Por contraposicin con el aprendizaje puramente memorstico Ausubel considera que el aprendizaje coherente (meaningful learning) requiere tres condiciones:
El contenido ha de estar conceptualmente claro y ser presentado con lenguaje y ejemplos que el aprendiz pueda relacionar con su base de conocimiento existente.

El aprendiz debe tener un conocimiento previo relevante.

Motivacin. El aprendiz debe elegir aprender de forma coherente. Este tipo de instrumentos, bien diseados teniendo en cuenta el contexto y la motivacin de su audiencia, constituyen tanto una herramienta de enseanza como de aprendizaje que facilita la comprensin y asimilacin de los conceptos y sus relaciones. Aunque su origen est ligado a la enseanza, su aplicacin en la visualizacin de informacin los configura como una herramienta til para transmitir de forma clara mensajes complejos. Me atrevera a decir que, adems, contribuyen notablemente a clarificar las ideas del que construye el mensaje. Caractersticas del mapa conceptual Hay tres caractersticas que diferencian los mapas conceptuales de otros recursos grficos:

1. Jerarquizacin:
En la parte superior de la estructura del mapa, van los conceptos ms importantes y amplios y que incluyen a los otros. En la parte inferior, van los dems conceptos, de acuerdo a cun importantes y especficos sean. No hay repeticin de conceptos. 2. Seleccin:

El mapa contiene lo ms significativo de un tema;

Puede ser ampliado en subtemas y Puede variar de acuerdo con el proceso de la investigacin. 3. Impacto Visual: Sencillo y gil para captar la observacin visual El uso de mapas conceptuales en los sistemas de hipertexto permite 4 objetivos fundamentales: Disear el hipertexto: Facilitar la navegacin Representar el conocimiento Evaluar dicho conocimiento

2.2 Redes semntica

Una red semntica o esquema de representacin en Red 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.

Un ejemplo de red semntica. En un grafo o red semntica los elementos semnticos se representan pornodos. Dos elementos semnticos entre los que se admite se da la relacin semntica que representa la red, estarn unidos mediante una lnea, flecha o enlace o arista. Cierto tipo de relaciones no simtricas requieren grafos dirigidos que usan flechas en lugar de lneas. Definicin Existen diversos tipos de relaciones semnticas como la hipo nimia, hiperonimia, la meronimia, etc. Dado un conjunto de conceptos, elementos semnticos o trminos relacionados semnticamente mediante alguna relacin semntica, una red semntica representa estas relaciones en forma de grafo. Explcitamente, dado un conjunto de trminos {t1, t2,..., tn} y cierta relacin semntica simtrica entre ellos se construye un grafo G = (V,A) cumpliendo las siguientes condiciones: El conjunto V es el conjunto de vrtices o nodos del grafo. Este conjunto estar formado por n elementos (tantos vrtices como trminos relacionables). A cada uno de los vrtices del grafo representar uno de los trminos, por tanto los vrtices del grafo se llamarn: t1, t2,..., tn. El conjunto A es el conjunto de aristas o lneas del grafo. Dados dos vrtices (trminos) del grafo ti y tj existir una lnea aij que une los vrtices ti y tj si y slo si los trminos ti y tj estn relacionados.

Si la relacin no es simtrica, entonces se usan grafos dirigidos para representar la relacin.

Historia 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. 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: Estructuras de datos en nodos, que representan conceptos, unidas por arcos que representan las relaciones entre los conceptos. Un conjunto de procedimientos de inferencia que operan sobre las estructuras de datos.
Bsicamente, podemos distinguir tres categoras de redes semnticas:

Redes IS-A, en las que los enlaces entre nodos estn etiquetados.
Grficos conceptuales: en los que existen dos tipos de nodos: de conceptos y de relaciones Redes de marcos: en los que los puntos de unin de los enlaces son parte de la etiqueta del nodo OTRAS DEFINICIONES DE REDES SEMNTICAS 1. Una Red Semntica es un conjunto de Nodos y Arcos

2. Una Red Semntica es una representacin grafica del conocimiento. 3. Una Red Semntica es una representacin grafica del conocimiento en la que existe una jerarqua de Nodos. Definicin de Nodo. Un Nodo es identificado por un objeto. Nodo = objeto Donde un Objeto puede ser representado por: 1. Personas 2. Animales 3. Eventos 5. Acciones 6. Conceptos

7. Atributos o caracteristicas que identifican a un objeto. Nota. Los Nodos de un Red Semantica estan unidos por arcos, los cuales indican la relacion que existe entre ellos. Existen ciertos tipos de Arcos tipicos entre los cuales estan.

Es-un: el cual usa para identificar que un cierto pertenece a una clase mayor de objeto.

Tiene-un: este tipo de arcos se utiliza para identificar que un cierto nodo tiene o pase una cierta caracterstica o atributo o propiedad.

Ejemplo Propiedades de las Redes Semnticas

Las redes Semnticas posen la propiedad de la Herencia; en la que unos nodos heredaron las propiedades o atributos de Nodos de una clase mayor. As por ejemplo en la siguiente red semntica:

Nota: A travs de la caracterstica de la herencia, las Redes Semnticas tienen la capacidad de inferir conocimiento. Ejemplo de Redes Semnticas.

Considera la siguiente Red Semntica acerca de SAM y su familia. 1. Necesita Sam alimento Si, por la herencia que recibe de los seres humanos.

2. Trabaja SAM para AJAX

Si por caracterstica o por propiedades de herencia ya que CME pertenece AJAX. Nota. En Redes Semnticas las inferencias de informacin o respuestas o preguntas se hacen en base a las propiedades de herencia que existen entre los Nodos.

Razonamiento montono
La programacin lgica Mquina convencional (von Neumann) algoritmo datos resultados Sistema Basado en Conocimiento especificacin (reglas) datos (hechos) resultados

Algoritmo = lgica + control

Lgica de predicados de primer orden Un predicado representa una propiedad o relacin de un determinado objeto del universo del discurso Un predicado de primer orden es aquel que se refiere a propiedades de objetos y relaciones entre ellos rubia (Sara). Moreno (Carlos). Noviazgo (Sara, Carlos). Primos(X, Y):progenitor(A,X),progenitor(B,Y),hermanos(A,B). El ra z ona m ie nt o m o nt on o, e s e l q ue ut i liz a c ont ra d icci one s pa ra proce s a r. E lim i na un he c ho (fa ct or d e conoc im ie nt o) obt e nie ndo la cont ra d icci n ha s t a que l le g a a una conc lus in fi na l. EJ EM P L O: C ua ndo s e v e a una pe rs ona t i rando ba s ura e n la cal le y pe ns amos e n lo m a l que s e v e , la c rit ica m os , pe ro c ua n do re a l iz a m os e l m is m o a ct o s in pe ns a r, ca e m os e n una c ont ra d icc in y concl uim os q ue s om os ig ua l a la pe rs ona q ue e s t a ba t ira nd o ba s u ra e n la ca lle . El ra z o namie nt o m ont o no e s part e de la lg ica c ls ica y abarca t e ma s de la m is m a los c ua le s s on: Lg ica P r opos ic iona l, D e du cci n Lg ica y L g ica de P r im e r Orde n. L g ica pr opos i cio na l L a lg ica pr opos i cio na l e s u n s is t e m a form a l d is e a do pa ra a na l iz a r cie rt os t ipos de arg ume nt os . En la l g ica prop os ici onal , las frm ulas

re pre s e nt a n pro pos ic ione s y la s cons t a nt e s lg ica s s on ope ra cione s s obre la s frm u la s que prod uce n ot ra s frm u la s de m a y or com ple j i da d. C omo ot ros s is t e m a s lg icos , la l g ica prop os ici ona l int e nt a es clare ce r nue s t ra com pre ns in de la noc i n de c ons e cue ncia lg ica pa ra e l ra ng o de a rg um e nt os que a na liz a . D e ducci n l g ica

La de ducc in l g ica c ons is t e e n qu e a pa rt i r de una s p re m is a s , re pre s e nt a da s con s m b ol os , y a t ra v s de una s re g la s , obt e ne m os una concl us in (de du cimos la co ncl us in ).
D e m a ne ra g e ne ra l, e n lg i ca s e cons ide ra s ie m p re un co nj unt o (conj un ci n) de prop os ici one s P = { C 1 , C 2 ,. . . , C n } que cons t it ui rn lo que s e de nom ina una t e ora , una ba s e de conocim ie nt os o un prog ra m a lg ico. El o bje t iv o e s e s t able ce r que una cie rt a pro pos ic in T e s una cons e cue ncia l g ica (e s de d uci ble ) (e s un t e ore m a ) de P lo cua l de not a re m os p or: C 1, C 2, , C n | = T S e le e T e s u na co ns e cue ncia lg ica de C 1, C 2 , , C n . S e a , P 1, P 2, P 3, , P n | = Q S e de f ine c om o corre ct a , cuan do no e x is t e ning una int e rp re t a ci n q ue s im ult n e a m e nt e ha g a P 1, P 2 , P 3 , , P n v e rdade r os y Q fals o, e s de ci r, cuan do t odo mode lo de las pre mis a s , e s un m ode l o de la c onc lus i n. L g ica de p rim e r o rde n

La lg ica de pr im e r o rde n , t a m bi n l la m a da lg i ca de p re dica dos o c lcul o de p re di ca dos , e s un s is t e m a f orm a l dis e a do pa ra e s t udia r la infe re n cia e n l os le ng ua j e s de p rim e r or de n.
La lgica de predicados de primer orden estudia razonamientos de tipo deductivo, exactos true/false) y basados en predicados de primer orden (Clculo de predicados como lenguaje de programacin, Kowalski 1974) S int ct ica m e nt e L c ons t a de un alfabe t o y de dos cla s e s de e x pre s ione s bie n de f in ida s a pa rt i r de l os s m bol o s de e s t e a lfa be t o: t rm inos y frm u la s .

L a lg ica de pr im e r orde n t ie ne e l pode r e x p re s iv o s ufic ie nt e pa ra de fin ir a pr ct ica m e nt e t oda s la s m a t e m t ica s . Una lg ica de pr ime r o rde n ( L P O) c ons t a de un le ng uaje L y un con ce pt o de infe re ncia C , c on la s ig uie nt e ca ract e riz aci n: El le ng ua j e L s e de s cri be e n s us dos dime ns ione s fundame nt ale s : S int ax is y S e m nt ica.

2.4 La lgica de predicados

SINTAXIS Un buen lenguaje de representacin de conocimiento debe de combinar las ventajas de los lenguajes naturales (espaol, quechua, ingles, etc.) y lenguajes formales (C,pascal,lisp, etc.): Debe ser lo suficiente expresivo y conciso para que nos permita expresar de manera sucinta todo lo que hay que decir.

Debe ser inequvoco (no ambiguo) e independiente del contexto para su interpretacin.
Debe ser eficiente en el sentido de que debe existir un procedimiento de inferencia que permita obtener nuevas inferencias a partir de oraciones en nuestro idioma. SEMNTICA En lgica, el significado de una oracin es aquello que se afirma del mundo que el mundo sea de una forma. Una vez que mediante la semntica se interpreta una oracin, sta puede ser cierta o falsa. Una oracin es cierta dentro de una interpretacin determinada si el estado de asuntos que representa es cierto. El significado de una oracin depende tanto de la oracin como del contexto en que se produce. LGICA PROPOSICIONAL La lgica proposicional es una rama de la lgica clsica que estudia las proposiciones o sentencias lgicas, sus posibles evaluaciones de verdad y en el caso ideal, su nivel absoluto de verdad. La lgica proposicional se preocupa por la manera de representar las cosas.

Proposicin: se define una proposicin como un enunciado declarativo que puede ser verdadero o falso, pero no ambos a la vez. Las proposiciones se representan mediante variables proposicionales simbolizadas mediante letras. SINTAXIS DE LA LGICA DE PROPOSICIONAL Los patrones o expresiones de la lgica proposicional se construyen a partir de un alfabeto que consta de los siguientes smbolos: Las constantes lgicas Verdadero () y F a l s o Los smbolos de variables tales como y Q. Los conectivos lgicos , , , , y Smbolos de puntuacin: parntesis ( ), corchetes [ ] y llaves { } para evitar ambigedades. Todas las oraciones se forman combinando los smbolos anteriores mediante ciertas reglas. ( ) Tambin pueden ser V o F

Las constantes lgicas Verdadero y Falso constituyen oraciones en s mismas

Las variables proposicionales P, Q, R, son oraciones Encerrar entre parntesis una oracin produce tambin una oracin, por ejemplo (P Q). Combinar oraciones con los conectadores lgicos siguientes forma una oracin

Oraciones: son Un conjunto de palabras con sentido gramatical. La oracin es la mnima unidad comunicacional, con significado completo. La oracin en la lgica, es la unidad de anlisis fundamental. Conjuncin () (y). A la oracin cuyo conector principal es (y) se le llama conjuncin, y a sus partes se les llama coyuntos.

Disyuncin (V) (o). A la oracin cuyo conector principal es (o) se le llama disyuncin, y a sus partes se les llama disyuntos. Implicacin (). Una oracin como P R se conoce como implicacin (o condicional), su premisa o antecedente es P y su conclusin o consecuente es R. A las implicaciones tambin se les llama reglas o aseveraciones si- entonces. Premisas. Son los antecedentes de una implicacin. Equivalencia. Dos sentencias y son equivalentes lgicamente si es que son verdaderas con el mismo conjunto de hechos.

Negacin () (no).
A una oracin como P se le llama negacin de P. es el nico de los conectores que funcionan como una sola oracin. EJERCICIOS FORMALIZAR LOS RAZONAMIENTOS: 1. " Si el resultado obtenido es superior al previsto en 5 unidades, ser debido a no haber realizado el proceso a la temperatura adecuada o a la existencia de errores en los clculos finales." Solucin p = Resultado obtenido menor al previsto en 5 unidades .q = Haber realizado el proceso a la temperatura adecuada .r = Existencia de errores en los clculos finales. q rp 2) " El anlisis realizado, innecesario si nos dejamos llevar por la precipitacin, se torna necesario si nos paramos a reflexionar sobre el mensaje que se pretende transmitir." Solucin p = Anlisis realizado es necesario.

q = Nos dejamos llevar por la precipitacin.

r = Nos paramos a reflexionar sobre el mensaje que se pretende transmitir. q pr p 3)" El cncer no lograr curarse a no ser que se logre determinar su causa y se consiga encontrar frmacos adecuados o bien para prevenirlo o para curarlo." Solucin

p =El cncer lograr curarse

.q = Se logra determinar su causa .r = Se consigue encontrar frmacos adecuados para prevenirlo

.s = Se consigue encontrar frmacos adecuados para curarlo.

q r sp SEMNTICA DE LA LGICA DEL PROPOSICIONAL

Una interpretacin asocia cada variable proposicional con una proposicin sobre el mundo. Porque las proposiciones son o verdades o falso, podemos tambin especificar una interpretacin asignando los valores de verdad VERDAD y FALSO directamente a las variables proposicionales, sin importar qu proposicin cada uno denota.
Cada conector lgico es definido por una tabla de verdad Dado una interpretacin de las variables proposicionales, nosotros podemos utilizar una tabla de verdad para calcular el valor de verdad de cualquier oracin bajo esa interpretacin En trminos generales, un semntica permite atribuir un significado a las expresiones del lenguaje simblico considerado. En el caso de un lenguaje de programacin como C, esta semntica es procedural y consiste en describir el efecto que produce el programa sobre sus estructuras de datos. Para un lenguaje de representacin, lo que interesa es capturar una descripcin del universo modelado. La lgica permite hacer esto asignando un valor de verdad a cada expresin del lenguaje. La semntica de un lenguaje proposicional depende1. De la interpretacin de los conectivos lgicos, que tienen el mismo significado en todos los dominios, 2. Delos valores de verdad asignados a las variables proposicionales, distintos segn la situacin reflejada TABLAS DE VERDAD

Se emplean en la lgica para determinar los posibles valores de verdad de una expresin o proposicin. O si un esquema de inferencia, como argumento, es formalmente vlido mostrando que, efectivamente, es una tautologa .La tabla de verdad de una sentencia es una tabla en la que se presentan todas las posibles interpretaciones de las variables proposicionales que constituyen la sentencia y el valor de verdad de la sentencia para cada interpretacin. Dado que en el clculo proposicional se opera slo sobre dos valores de verdad, para cualquier expresin existe un

VALIDEZ E INFERENCIA Los trminos "razonamiento" e "inferencia" son utilizados para referirse a cualquier proceso mediante el que se obtienen conclusiones. 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 proposititos 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 valida. Las tablas nos manifiestan los valores de verdad de cualquier proposicin, as como el anlisis de los mismos, encontrndonos con los siguientes casos: Tautologa o validez: Se entiende por proposicin tautolgica, o tautologa, aquella proposicin que en todos los casos posibles de su tabla de verdad su valor siempre es V.

Contradiccin:
Se entiende por proposicin contradictoria, o contradiccin, aquella proposicin que en todos los casos posibles de su tabla de verdad su valor siempre es F Contingencia (verdad indeterminada) Se entiende por verdad contingente, o verdad de hecho, aquella proposicin que puede ser verdadera o falsa, o no se tiene suficiente informacin para llegar a una conclusin Satis factibilidad Si en la tabla de verdad se obtiene al menos una VERDAD

2.5 DEMOSTRACIONES: definicin, elementos (hiptesis, conclusiones)

Demostraciones.
Qu es una demostracin? Hiptesis. Conclusin. Mtodos Deductivos de demostracin. Segn el sistema aristotlico, el mtodo deductivo es un proceso que parte de un conocimiento general, y arriba a uno particular. La aplicacin del mtodo deductivo nos lleva a un conocimiento con grado de certeza absoluta, y esta cimentado en proposiciones llamadas SILOGISMOS. [El silogismo es una forma de razonamiento deductivo que consta de dos proposiciones como premisas y otra como conclusin, siendo la ltima una inferencia necesariamente deductiva de las otras dos. Fue formulado por primera vez por Aristteles, en su obra lgica recopilada como El Organon, de sus libros conocidos como Primeros Analticos (en griego, Proto Analytika, en latn idioma en el que se reconoci la obra en Europa Occidental-, Analytica Priora). Aristteles consideraba la lgica como lgica de relacin de trminos. Los trminos se unen o separan en los juicios. Los juicios aristotlicos son considerados bajo el punto de vista de unin o separacin de dos trminos, un sujeto y un predicado. Hoy se hablara de proposiciones.

La diferencia entre juicio y proposicin es importante. La proposicin afirma un hecho como un todo, que es o no es, como contenido lgico del conocimiento. El juicio, en cambio, atribuye un predicado a un sujeto lgico del conocimiento. Esto tiene su importancia en el concepto mismo del contenido de uno y otra, especialmente en los casos de negacin, como se ve en la problemtica de la lgica silogstica.
Mantenemos aqu la denominacin de juicio por ser lo ms acorde con lo tradicional, teniendo en cuenta que este tipo de lgica, como tal, est en claro desuso, sustituida por la lgica simblica en la que esta lgica es interpretada como lgica de clases. Ver clculo lgico.

La relacin entre los trminos de un juicio, al ser comparado con un tercero que hace de "trmino medio", hace posible la aparicin de las posibles conclusiones. As pues, el silogismo consta de dos juicios, premisa mayor y premisa menor, en los que se comparan tres trminos, de cuya comparacin se obtiene un nuevo juicio como conclusin. La lgica trata de establecer las leyes que garantizan que, de la verdad de los juicios comparados (premisas), se pueda obtener con garanta de verdad un nuevo juicio verdadero (conclusin).] He aqu un ejemplo: Todos las venezolanas son bellas, (Este es el conocimiento general) Marta Colomina es venezolana Luego: Marta Colomina es bella Se puede observar que partiendo de dos premisas, una de las cuales es una Hiptesis general se llega a una conclusin particular. Tambin es de hacer notar que en este ejemplo las premisas pueden ser verdaderas o pueden ser falsas, y por consiguiente la conclusin puede ser igualmente verdadera o falsa. En la lgica formal y sobre todo en el universo matemtico, el proceso Deductivo tiene un significado un poco diferente, pues esta basado en AXIOMAS, o proposiciones que son verdaderas por definicin. Por ejemplo, un axioma es: EL TODO ES MAYOR QUE LA PARTE, otro axioma es DOS COSAS IGUALES A UNA TERCERA SON IGUALES ENTRE SI. El primer axioma define el concepto de MAYOR, y el segundo el concepto de IGUAL. El mtodo deductivo nos permite partir de un conjunto de hiptesis y llegar a una conclusin, pudiendo ser esta inclusive que el conjunto de hiptesis sea invalido. Generalmente, en matemticas, la deduccin es un proceso concatenado del tipo "si A entonces B, si B entonces C, si C entonces D..." hasta llegar a una conclusin. Al conjunto de HIPOTESIS + DEMOSTRACION + CONCLUSIN se denomina TEOREMA.

La prctica de los razonamientos deductivos en el proceso de desarrollo del pensamiento lgico matemtico es muy importante. Constituye una herramienta fundamental para el trabajo en la matemtica y otras ciencias.. Demostracin por el mtodo directo. Si tomamos una frase lgica condicional sencilla del tipo: PQ Que podemos analizar como si se cumple P entonces se cumple Q, esto lo hacemos de forma natural sin complicarnos en hacer anlisis mas intensivos o mas extensivos pues lo hacemos de una forma innata.

Si decimos: El cielo esta encapotado, va a llover estamos realizando una asociacin de causa y efecto. En la cual el cielo esta encapotado es la causa y el efecto lgico es que, va a llover.
Desde el punto de vista de la lgica esta relacin es irrevocable.

As mismo en una relacin matemtica se puede verificar esta sencilla relacin en la cual si se cumple la premisa P entonces se puede decir que se cumplir la consecuencia Q.
A este proceso formal se le denomina demostracin mediante el mtodo directo es innecesario decir que si no se cumple o verifica P entonces su consecuencia tampoco se verificar. P Q Supngase que P Q es una tautologa, en donde P y Q pueden ser proposiciones compuestas, en las que intervengan cualquier nmero de variables propositivas, se dice que q se desprende lgicamente de p. Supngase una implicacin de la forma. (P1 P2 P3 ... Pn) Q

Es una tautologa.
Entonces est implicacin es verdadera sin importar los valores de verdad de cualquiera de sus componentes. En este caso, se dice que q se desprende lgicamente de P1, P2,......, Pn. Se escribe.

El camino que se debe seguir para llevar a cabo una demostracin formal usando el mtodo directo. Significa que s se sabe que P1 es verdadera, P2 es verdadera,...... y Pn tambin es verdadera, entonces se sabe que Q es verdadera. La mayora de los teoremas matemticos cumplen con esta estructura bsica: (P1 P2 P3 ... Pn) Q Donde las Pi condiciones son llamadas hiptesis o premisas, y Q es la conclusin. Demostrar un teorema es demostrar que la condicional es una tautologa. Ojo, no se pide demostrar que la conclusin es verdadera, lo que se quiere es demostrar que Q es verdadera siempre y cuando todas las Pi condiciones son verdaderas. En conclusin podemos decir que: Cualquier demostracin, sea de enunciados o matemtica debe: a. Comenzar con las hiptesis.

b. Debe seguir con las tautologas y reglas de inferencias necesarias para...

c. Llegar a la conclusin. A continuacin se prueba un enunciado en donde se puede apreciar el uso tanto de las tautologas como de las reglas de inferencia. Sean p: Trabajo. q: Ahorro. r: Comprar una casa. s: Podr guardar el automvil en mi casa. Analizar el siguiente argumento: "Si trabajo y ahorro, entonces comprar una casa. Si compro una casa, entonces podr guardar el coche en mi casa. Por consiguiente, si no puedo guardar el coche en mi casa, entonces no ahorro". El enunciado anterior se puede representar como:

p q r; y r s; entonces s' q' Equivale tambin a probar el siguiente teorema: [(p q) r] [r s]; [s' q'] Como se trata de probar un teorema de la forma general: p1 p2 ...... pn entonces q Se aplica el procedimiento general para demostracin de enunciados vlidos. A continuacin se demuestra el teorema respaldando cada uno de sus pasos en tautologas o reglas de inferencia ya conocidas. 1.- (p q) r Hiptesis 2.- r s Hiptesis 3.- p q Silogismo Hipottico 4.- q r Silogismo Hipottico 5.- q s 6.- s q Conclusin.

2.6 EL PRINCIPIO DE RESOLUCIN DE ROBINSON

Para evitar las ineficiencias de las implementaciones directas del teorema de Herbrand (producida por la generacin sistemtica de conjuntos de clusulas bsicas y la posterior comprobacin de su insatisfacibilidad) introducimos el principio de resolucin de Robinson, que permite deducir consecuencias universales de enunciados universales, alejndose de los mtodos basados en el teorema de Herbrand, lo que reduce las instanciaciones. El principio de resolucin es una regla de inferencia que se aplica a frmulas en forma clausal y que, junto con el procedimiento de unificacin, constituye un sistema de inferenc iacompleto. Es ms adecuado para la mecanizacin que los sistemas de inferencia tradicio nales. El mtodo de resolucin de Robinson El Mtodo de Resolucin [Robinson, 1965], es un intento de mecanizar el proceso de deduccin natural de esa forma eficiente. Las demostraciones se consiguen utilizando el

mtodo refutativo (reduccin al absurdo), es decir lo que intentamos es encontrar contradicciones. Para probar una sentencia nos basta con demostrar que su negacin nos lleva a una contradiccin con las sentencias conocidas (es insatisfactible). Si la negacin de una sentencia entra en contradiccin con los hechos de nuestra base de conocimiento es porque lo contrario, es decir, la sentencia original era verdadera y se puede deducir lgicamente de las sentencias que componen dicha base de conocimientos. El Mtodo de Resolucin de Robinson La regla de resolucin para una frmula proposicional obtiene una nueva clusula C3 a partir de otras dos, C1 y C2. Esta nueva clusula es llamada resolvente de C1 y C2. Para hallar C3, C1 debe contener un literal L y C2 un literal L. La clusula C3 ser la disyuncin de todos los literales de C1 y de C2 menos los literales L y L. Con todo esto, a partir de un conjunto de clusulas C, si la clusula resolvente es la clusula vaca, C es insatisfacible, por tanto el razonamiento es correcto. Si no se encuentran clusulas resolventes, C no es insatisfacible.

2.7 Conocimiento No Montono Y Otras Lgicas

La lgica clsica tiene un carcter montono. Es decir, dado un conjunto de sentencias S1 del que se puede inferir C, al aadir otro conjunto de sentencias S2, se tiene que seguir infiriendo C a partir de S1 Unin S2. Esto es un inconveniente en gran cantidad de problemas que se presentan en inteligencia artificial y que tienen carcter no montono. Ejemplo: Razonamiento de sentido comn, el cual establece conclusiones a partir de informacin parcial, que muchas veces se revisan o se desechan cuando se obtiene nueva informacin o evidencia del dominio. Ej. Se nos dice que alguien tiene un pjaro, pensamos que vuela, si luego nos dicen que es un pingino, ya no pensamos que vuela. Para resolver problemas para los que se carece de una teora slida y contrastada, se crean reglas o leyes que permiten realizar un tipo de razonamiento denominado razonamiento por defecto. Una de las posibles soluciones al razonamiento por defecto es la aplicacin de las denominadas lgicas no montonas. Las lgicas clsicas parten del carcter no excluyente de los nuevos axiomas aadidos a los ya existentes. Por el contrario, las lgicas no montonas tienen en cuenta la necesidad de detectar posibles inconsistencias con los nuevos axiomas. El rango definitorio es que se

tienen en cuenta lo que no se conoce, o lo que es lo mismo asume los lmites de su propio conocimiento. Formalismos Lgica no-montona: Poder representar leyes como Si x es un ser humano, entonces x puede andar, a menos que haya algo que lo contradiga. Para ello se amplia la lgica de primer orden introduciendo el operador modal M (es modal ya que indica una modalidad de verdad). Es necesario establecer un mecanismo de mantenimiento de coherencia generalmente traducido como mantenimiento de verdad (truth maintenance)- que permita eliminar el supuesto en cuanto se presente un hecho que lo invalide. Lgica por-defecto: Muy parecido al anterior, pero el operador M ya no hace la funcin de un operador modal capaz de formar sentencias Mp supuestamente vlidas en el sistema; en su lugar dicho operador slo aparece en las reglas de inferencia denominadas reglas por defecto definidas al efecto. Los enfoques presentados sobre el razonamiento no montono se pueden tildar de permisivos en el sentido de que posibilitan la obtencin de suposiciones cuando no existen evidencias que las contradigan. Es decir, El razonamiento montono, utiliza contradicciones para procesar. Elimina un hecho (factor de conocimiento) obteniendo la contradiccin hasta que llega a una conclusin final. Tambin puede realizarse un enfoque restrictivo del problema donde slo se considera vlido lo que se ha comprobado como cierto. Un ejemplo de este tipo es la consideracin de la circunscripcin de un predicado. Reglas no montonas

Disear reglas R que no sean correctas; es decir, que no Tengan la propiedad R

F = |= F.
I Usualmente, la aplicacin de este tipo de reglas depende del conjunto completo, no solo de un subconjunto de premisas.

I Propiedad de este tipo de reglas:

La base + {F} tienen menos modelos que .

I Los modelos de que no son modelos de F son descartados con + {F}.

I Las reglas que verican esta propiedad se llaman reglas no montonas.

2.8 Razonamiento Probabilstico

El razonamiento probabilstico es un caso dentro del razonamiento no montono. Cuando la probabilidad que la verdad de una oracin haya cambiado con respecto a su valor inicial (por ejemplo 1), otras oraciones que anteriormente tenan alta probabilidad pueden decaer hasta tener probabilidad pequea o nula. Cuando se configuran los modelos probabilsticos, esto es, cuando se define el espacio para una muestra de eventos susceptibles de recibir diferentes valores de probabilidad, se est apelando a un razonamiento no-montono ms general, pero la convencin es que esto no lo hace la computadora sino una persona que razona informalmente.
Resulta aparente que en una situacin informtica abierta de sentido comn, no existe espacio general alguno para una muestra de eventos. Apenas se le ponen lmites a dicho espacio general de eventos considerados y se le aplica alguna distribucin, se est procediendo a generar teoras probabilsticas. Las tcnicas de razonamiento no-montono consisten en tcnicas desarrolladas para limitar los fenmenos tenidos en cuenta. Si queremos limitar los fenmenos considerados, debemos recurrir a tcnicas nomontonas. (Estoy confesando que no s cules seran esas tcnicas). Al formar distribuciones, habra que introducir una regla por defecto por la cual dos eventos e1 y e2 se deben considerar independientes entre s salvo que haya alguna razn para el otro caso. No es posible que e1 y e2 sean eventos cualesquiera: tienen que ser dos eventos bsicos por lo menos en algn sentido.

Teorema De Bayes
El teorema de Bayes, enunciado por Thomas Bayes, en la teora de la probabilidad, es el resultado que da la distribucin de probabilidad condicional de un evento aleatorio A dado B en trminos de la distribucin de probabilidad condicional del evento B dado A y la distribucin de probabilidad marginal de slo A. El teorema de Bayes es vlido en todas las aplicaciones de la teora de la probabilidad. Sin embargo, hay una controversia sobre el tipo de probabilidades que emplea. En esencia, los seguidores de la estadstica tradicional slo admiten probabilidades basadas en experimentos repetibles y que tengan una confirmacin emprica mientras que los

llamados estadsticos bayesianos permiten probabilidades subjetivas. El teorema puede servir entonces para indicar cmo debemos modificar nuestras probabilidades subjetivas cuando recibimos informacin adicional de un experimento. La estadstica bayesiana est demostrando su utilidad en ciertas estimaciones basadas en el conocimiento subjetivo a priori y el hecho de permitir revisar esas estimaciones en funcin de la evidencia emprica es lo que est abriendo nuevas formas de hacer conocimiento. Una aplicacin de esto son los clasificadores bayesianos que son frecuentemente usados en implementaciones de filtros de correo basura o spam, que se adaptan con el uso.

BIBLIOGRAFIA
http://www.angelfire.com/journal/noemiparedes/red.htm http://www.ur.mx/cursos/diya/quimica/jescobed/diya/acad/cursos/sis/int art1/IA2/FORMAT.HTM es.wikipedia.org/wiki/Red semntica http://www.mitecnologico.com/Main/RazonamientoMonotono http://es.wikipedia.org/wiki/L%C3%B3gica_matem%C3%A1tica http://es.scribd.com/doc/52467955/UNIDAD-2-IA https://skydrive.live.com/?pdf http://inteligenciaartificialselem.obolog.com/unidad-2-representacionconocimiento-razonamiento-1043965