UNIDAD 2.

- REPRESENTACION DEL CONOCIMIENTO Y RAZONAMIENTO

2.1.- MAPAS CONCEPTUALES
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. Mapa conceptual es una tcnica usada para la representacin grfica del conocimiento. Un mapa conceptual es una red de conceptos. En la red, los nudos representan los conceptos, y los enlaces las relaciones entre los conceptos en forma de flechas etiquetadas El mapa conceptual pueden tener varios propsitos: Generar ideas (lluvia de ideas, 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. Clasificar de forma similar a las palabras las cuales se encuentran en las diferentes temticas que se puedan utilizar en el tema dado.

2.2.- REDES SEMANTICAS

Estos sistemas de organizacin del conocimiento estructuran conceptos, no como jerarqua sino como una red o una web. Los conceptos son como nodos, con varias relaciones que se ramifican hacia fuera de ellas. Pueden incluir relaciones tipo todo-parte, causa-efecto, padre-nio, es un o es parte. Las redes semnticas son grafos orientados que proporcionan una representacin declarativa de objetos, propiedades y relaciones. Existen diversos tipos de relaciones semnticas como la hiponimia, 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: 1. 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. 2. 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: 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. Bsicamente, podemos distinguir tres categoras de redes semnticas:

1. Redes IS-A, en las que los enlaces entre nodos estn etiquetados. 2. Grafos conceptuales: en los que existen dos tipos de nodos: de conceptos y de relaciones 3. Redes de marcos: en los que los puntos de unin de los enlaces son parte de la etiqueta del nodo.

2.3.- RAZONAMIENTO MONOTONO

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). 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)

2.4.- LA LOGICA DE PREDICADOS

El lenguaje es el instrumento que se usa para la comunicacin entre humanos. El lenguaje est formado por frases, entre ellas podemos distinguir: frases imperativas, frases interrogativas y frases declarativas. La definicin de lgica, disciplina que estudia mtodos de formalizacin del conocimiento humano "de los mtodos de formalizacin de frases declarativas. La lgica se clasifica: Lgica proposicional o lgica de enunciados: Se parte de un elemento simple, las frases declarativas simples, las cuales tienen significado ellas mismas o la unin entre ellas, forman una frase. Esto inicia una unidad de comunicacin de conocimientos, las cuales se les denomina proposiciones, y toman el valor verdadero o falso.

Lgica de predicados: Estudia las frases declarativas, teniendo en cuenta la estructura interna de las proposiciones. Los objetos y las relaciones entre los objetos sern los elementos bsicos. Podemos distinguir: - Qu se afirma: relacin - De quin se afirma: objeto. Con la lgica de predicados intentamos conseguir sistemas de demostracin automtica de teoremas. Partimos de elementos bsicos como las frases declarativas simples o proposiciones que son aquellos elementos de una frase que constituyen por s solos una unidad de comunicacin de conocimientos y pueden ser considerados Verdaderos y Falsos. La lgica de predicados estudia las frases declarativas con mayor grado de detalle, considerando la estructura interna de las proposiciones. Se tomarn como elemento bsico los objetos y las relaciones entre dichos objetos. Se distingue: "Qu se afirma (predicado o relacin) De quin se afirma (objeto) Definimos a continuacin las reglas sintcticas para construir frmulas: Definicin 1: El alfabeto de la lgica de predicados estar formado por los siguientes conjuntos simblicos: Conjunto de Smbolos de Variables (VAR): Es un conjunto de las ltimas letras del alfabeto en minsculas. Se utilizan subndices, por ejemplo: Conjunto de smbolos de Constantes (CONS): Este conjunto lo forman las primeras letras del alfabeto en minsculas, tambin utilizaremos subndices: Conjunto de letras de funcin (FUNC): Representaremos a este conjunto por las letras f, g, h, L. Incluimos subndices para poder diferenciar las funciones: Conjunto de letras de Predicado (PRED): Se representan mediante letras maysculas, Smbolos de conectivas: = Negacin = Conectiva "o" = Conectiva "y" = implicacin = Doble implicacin o equivalencia

Cuantificadores: =existencial =Universal Signos de puntuacin: Parntesis ( ) y coma.

2.5.- LA DEMOSTRACION Y SUS METODOS

Qu es una demostracin? 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. 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 est 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 invlido. 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.

2.6.- EL METODO DE RESOLUCION 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.

2.7.- CONOCIMIENTO NO- MONOTONO Y OTRAS LOGICAS

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.

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 ampla 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 - 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.

2.8.- RAZONAMIENTO PROBABILISTICO

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 no-montonas. (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.

2.9.- 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.