Introduccin

La forma en que los seres humanos representan y almacenan el conocimiento es un aspecto

bsico para el comportamiento inteligente.
El estudio de los simbolismos para representar conocimiento y de los distintos modos de
razonamiento, considerado como el mecanismo de generar conocimiento a partir del
conocimiento almacenado, es la base de buena parte de los sistemas funcionales que estn
teniendo una progresiva importancia en el mbito de las aplicaciones prcticas, ya sea en
forma de reglas lgicas caracteristicas de los sistemas expertos, o mecanismos de
representacin del conocimiento implicito no simblico, que tienen a las redes neuronales
como principal mtodo.
En las ltimas dcadas han sido desarrolladas muchas tcnicas y aplicaciones en el campo de la
computacin suave y la inteligencia artificial (IA).La mayora de los desarrollos pretenden
aprovechar las ventajas de cada tcnica para la solucin de los problemas reales, generalmente
complejos.
Numerosas aplicaciones de IA de hoy en da requieren funcionalidades explicitas para poder
razonar sobre la dinmica temporal, una aplicacin de tiempo real requiere manejar tiempos
absolutos, gestionar adecuadamente los eventos que se perciben del mundo exterior y razonar
sobre la informacion almacenada para deducir futuras consecuencias de la evolucion de la
aplicacion. Ademas, es necesario disear un conjunto de algoritmos que permitan el
procesamiento incremental de la informacion y que garanticen una respuesta en un tiempo
maximo de tiempo establecido.
Algunas de las ms ampliamente difundidas son: agentes inteligentes, redes neuronales, lgica
difusa, razonamiento basado en casos y sistemas expertos. La mayora de las investigaciones
han demostrado que con la unin de algunas de las tcnicas individuales mencionadas se
obtiene una mejor respuesta a la necesidad planteada por algn problema especfico. En la
literatura especializada, todo sistema que integra dos o ms tcnicas diferentes se conoce como
hbrido (Mora, 2003).










Representacin del Conocimiento y Razonamiento

Muchas de las actividades humanas consideradas inteligentes se basan en la explotacin de
gran cantidad de informacin, hechos, experiencias y conocimientos ms o menos especficos
de un mbito particular. En consecuencia, una parte importante de las labores de investigacin y
desarrollo, en el campo de la IA consiste en la concepcin de formalismos que permiten el
desarrollo de sistemas basados en conocimiento y, especficamente, el estudio de las distintas
maneras de definir y crear sus bases (Santos, 1998).
El proceso de conversin de los conocimientos acerca de un tema en un formato particular es
denominado representacin de conocimientos. Una vez el conocimiento ha sido representado
adecuadamente puede utilizarse en un sistema inteligente que con el empleo de herramientas de
anlisis, tratamiento y manipulacin automtica tiene la capacidad de inducir o deducir nuevos
conocimientos.



Aspectos Generales de la Representacin del Conocimiento
No podemos decir que algo se comporta de manera inteligente, si no es capaz de
manejar de manera eficaz un conjunto minimo de conocimientos.
Los programas de IA deben explotar eficazmente un conjunto de conocimientos de un
dominio concreto.
Encontramos dos entidades diferentes
Hechos o verdades del dominio
Representaciones internas de los hechos o verdades
Fase de codificacin-descodificacin
Perdida de informacin




TIPOS DE REPRESENTACION

Representacion procedural

La forma mas comn de representar el conocimiento en una computadora es usar el
SR, es decir de representar de forma implcita el conocimiento de un problema esn una
serie de procedimientos enunciados mediante sentencias en un determinado lenguaje de
programacin.

Representacion Relacional
Es otra forma de representar el conocimiento es mediante relaciones, De hecho,
se asemeja a la forma de almacen la informacin de los seres humanos para
algunas de sus aplicaciones, sobre todo en mbitos comerciales, negocios, etc.
Es fuertemente dependiente del tipo de informacin con el que se trabaje.

Representacion Jerarquico
Es un modelo de datos en el cual los datos son organizados en una estructura
parecida a un rbol. La estructura permite a la informacin que repite y usa
relaciones padre/hijo; cada padre puede tener muchos hijos, pero cada hijo solo
tiene un padre. Todo los atributos de un registro especifico son catalogados bajo
un tipo de entidad.

TIPOS DE RAZONAMIENTO

Deductivo, progresivo, encadenamiento hacia delante, dirigido por hechos
evidencias, sntomas, datos conclusiones
Inductivo, regresivo, encadenamiento hacia atrs, dirigido por objetivos
conclusiones datos, evidencias, sntomas
Mixto, encadenamiento hbrido

Encadenamiento hacia delante

Basado en modus ponens: A, AB |- B
La base de hechos (BH) se inicializa con los hechos conocidos inicialmente.
Se obtienen las consecuencias derivables de la BH:
se comparan los hechos de la BH con la parte izquierda de las reglas; se
seleccionan las reglas aplicables: las que tienen antecedentes conocidos (que
estn en la BH);
las nuevas conclusiones de las reglas aplicadas se aaden a la BH (hay que
decidir cmo);
se itera hasta encontrar una condicin de finalizacin.
Problemas:
No focaliza en el objetivo
Explosin combinatoria
Ventajas:
Deduccin intuitiva
Facilita la formalizacin del conocimiento al hacer un uso natural del mismo
Ejemplo de lenguaje: CLIPS

Encadenamiento hacia atrs

Basado en el mtodo inductivo:
guiado por un objetivo que es la conclusin que se trata de validar
reconstruyendo la cadena de razonamiento en orden inverso.
Cada paso implica nuevos sub-objetivos: hiptesis que han de validarse.
Funcionamiento:
se inicializa la BH con un conjunto inicial de hechos;
se inicializa el conjunto de hiptesis (CH) con los objetivos a verificar;
mientras existan hiptesis a validar en CH se escoge una de ellas y se valida:
se comparan los hechos de la BH y la parte derecha de las reglas con
las hiptesis;
si una hiptesis est en BH eliminarla de CH;
si no: buscar reglas que tengan como conclusin la hiptesis;
seleccionar una y aadir las premisas a CH.

El encadenamiento hacia atrs es un tipo de razonamiento dirigido por el objetivo.
Slo se considera lo necesario para la resolucin del problema.
El proceso de resolucin consiste en la exploracin de un rbol.
Ejemplo de lenguaje: Prolog
W. F. Clocksin y C. S. Mellish . Programming in Prolog: Using the ISO Standard.
Springer, 2003 (primera edicin de 1981).




JERARQUIA DEL CONOCIMIENTO






Metaconocimiento: Conocimiento acerca del conocimiento y la experiencia
Conocimiento: Informacin especializada que nos es til
Informacin: Datos procesados que resultan de inters
Datos: Elementos de inters potencial
Ruido: Elementos de poco inters y que ocultan datos
Condiciones Mnimas de cualquier esquema de Representacin del Conocimiento
Transparencia: Podemos identificar fcilmente el conocimiento representado?
Naturalidad: Podemos representar el conocimiento en su forma original?
Claridad: Podemos representar directamente el conocimiento?
Eficiencia: Podemos acceder fcilmente a conocimientos especficos durante la
ejecucin de un programa?
Adecuacin: El esquema de representacin elegido es capaz de representar
convenientemente todos los conocimientos y tipos de conocimientos que se requieren?
Modularidad: Podemos fragmentar los distintos tipos de conocimientos?

Una base de conocimiento consiste de esquemas y estructuras de representacin y organizacin
del conocimiento suficientemente amplio de una determinada rea, a fin de resolver problemas.
Por ejemplo, si se tiene un archivo con los datos azul, rojo y amarillo, lo mismo que los valores
10, 20 y 30, entonces las personas que lo lean harn diferentes asociaciones, como color de
lpices y su tamao o volumen, o color de carros y cantidad, o color de luces e intensidad,
etctera. Pero si el archivo contiene adems la sentencia flores (color, cantidad), entonces se
tiene conocimiento. La representacin del conocimiento para sistemas inteligentes parte de
considerar el manejo simblico, la abduccin o extraccin de patrones dados, y extrapolacin en
trminos del contenido. El significado y la pragmtica de un texto son aproximaciones al
pensamiento al efectuar un razonamiento. El razonamiento, dicen algunos autores, es difuso,
ambiguo, de mucha vaguedad; sea que se realice inductiva o deductivamente. Formaliza1,
representar o estructurar el conocimiento lleva a especificar adecuadas relaciones para reducir la
ambigedad, la vaguedad, la difusidad en un grado alto y considerar los mtodos de inferencia
dsiponibles.
Una representacin de conocimiento puede ser un esquema o dispositivo para capturar los
elementos esenciales del dominio de un problema, es decir, se hace para:
* Manipular conocimiento cualitativo.
* Estructurar el conocimiento.
* Capturar significado complejo.
* Procesar interpretaciones del conocimiento.
* Inferir conocimiento a partir de hechos establecidos.
* Representar tanto principios generales como especficos.
Por ello, el conocimiento se organiza en una o ms configuraciones. Claro est que no puede
separarse la representacin del conocimiento del uso posterior de ese conocimiento.
El conocimiento para involucrar en los esquemas o estructuras se encontrara clasificado en las
siguientes categoras:
* Objetos. Todo sistema debera tener informacin de las propiedades fsicas de objetos y
conceptos.
* Eventos. Importante especificar las acciones que pueden llevar a cabo los objetos.
* Desempeo. Informacin sobre cmo realizar ciertas tareas.
* Metaconocimiento. Es conocimiento acerca del mismo conocimiento.
Las representaciones combinan declaraciones y procedimientos; el principio de organizacin
fundamental, al hablar de marcos, es el empaquetamiento del conocimiento. Los guiones (script,
en ingls) permiten razonamiento basado en expectacin acerca de situaciones para tener. Un
guin es una secuencia de episodios de cierto tipo. Esta secuencia tiene dos propsitos: (1)
organizar un conjunto de acciones; (2) predecir la presencia de actividades que no se dan
especficamente.
Unas caractersticas de la representacin del conocimiento son:
Alcance y granularidad. El alcance de la representacin del conocimiento es la medida del
dominio. La resolucin o detalle que est en el conocimiento representado es la granularidad.
Modularidad y entendimiento.
Conocimiento explcito y conocimiento implcito.
Las situaciones particulares en las cuales el conocimiento se usa son:
Adquisicin. Integracin de nueva informacin al sistema.
Recuperacin. Clasificar conocimiento para obtener hechos y relaciones particulares asociados
a una tarea especfica.
Razonamiento. Proceso en que se combina el conocimiento almacenado.

Definiciones de Conocimiento
El conocimiento es la sumatoria de las representaciones abstractas que se poseen sobre
un aspecto de la realidad. En este sentido, el conocimiento es una suerte de mapa
conceptual que se distingue del territorio o realidad. Todos los procesos de
aprendizajes a los que una persona se expone durante su vida no son sino un agregar y
resignificar las representaciones previas a efecto de que reflejen de un modo ms
certero cualquier rea del universo.
Es todo lo que adquirimos mediante nuestra interaccion con el entorno, es el resultado
de la experiencia organizada y almacenada en la mente del individuo de una forma que
es nica para cada persona.
Conciencia o familiaridad adquirida por la experiencia de un hecho o situacin.
Representa toda certidumbre cognitiva mensurable segn la respuesta a: Por qu?,
Cmo?, Cundo?, Dnde?
No existe una nica definicin de "Conocimiento". Sin embargo existen muchas perspectivas
desde las que se puede considerar el conocimiento, siendo la consideracin de su funcin y
fundamento, un problema histrico de la reflexin filosfica y de la ciencia. La rama de la
filosofa que estudia el conocimiento es la epistemologa o teora del conocimiento. La teora del
conocimiento estudia las posibles formas de relacin entre el sujeto y el objeto. Se trata por lo
tanto del estudio de la funcin del entendimiento propia de la persona.



Diferencia entre Datos, Informacion y Conocimiento
En una conversacin informal, los tres trminos suelen utilizarse indistintamente y esto puede
llevar a una interpretacin libre del concepto de conocimiento. Quizs la forma ms sencilla de
diferenciar los trminos sea pensar que los datos estn localizados en el mundo y el
conocimiento est localizado en agentes de cualquier tipo (personas, empresas, mquinas...),
mientras que la informacin adopta un papel mediador entre ambos.
Los conceptos que se muestran a continuacin se basan en las definiciones de Davenport y
Prusak (1999).


En el articulo Knowledge Management: a Strategic Agenda, los autores presentan la
siguiente definicin que permite comprender la relacin entre estos tres conceptos: La
informacin esta compuesta de datos y hechos organizados, el conocimiento consiste en
verdades y creencias, perspectivas y conceptos, juicios y expectativas, metodologas y
know-how.

David B. Harris presenta otra definicin que ayuda a comprender los diferentes niveles
en los que se encuentran los tres: El nivel mas bajo de los hechos conocidos son los
datos. Los datos no tienen un significado intrnseco. Deben ser ordenados, agrupados,
analizados e interpretados. Cuando los datos son procesados de esta manera , se
convierten en informacin. La inforamcion tiene una esencia y un propsito. Cuando la
informacin es utilizada y puesta en el contexto o marco de referencia de una persona,
se transforma en conocimiento. El conocimiento es la combinacin de informacin,
contexto y experiencia.

Datos

Los datos son la mnima unidad semntica, y se corresponden con elementos primarios de
informacin que por s solos son irrelevantes como apoyo a la toma de decisiones. Tambin se
pueden ver como un conjunto discreto de valores, que no dicen nada sobre el por qu de las
cosas y no son orientativos para la accin.
Un nmero telefnico o un nombre de una persona, por ejemplo, son datos que, sin un propsito,
una utilidad o un contexto no sirven como base para apoyar la toma de una decisin. Los datos
pueden ser una coleccin de hechos almacenados en algn lugar fsico como un papel, un
dispositivo electrnico (CD, DVD, disco duro...), o la mente de una persona. En este sentido las
tecnologas de la informacin han aportado mucho a recopilacin de datos.
Como cabe suponer, los datos pueden provenir de fuentes externas o internas a la organizacin,
pudiendo ser de carcter objetivo o subjetivo, o de tipo cualitativo o cuantitativo, etc.
Informacin

La informacin se puede definir como un conjunto de datos procesados y que tienen un
significado (relevancia, propsito y contexto), y que por lo tanto son de utilidad para quin debe
tomar decisiones, al disminuir su incertidumbre. Los datos se pueden transforman en informacin
aadindoles valor:
Contextualizando: se sabe en qu contexto y para qu propsito se generaron.
Categorizando: se conocen las unidades de medida que ayudan a interpretarlos.
Calculando: los datos pueden haber sido procesados matemtica o estadsticamente.
Corrigiendo: se han eliminado errores e inconsistencias de los datos.
Condensando: los datos se han podido resumir de forma ms concisa (agregacin).
Por tanto, la informacin es la comunicacin de conocimientos o inteligencia, y es capaz de
cambiar la forma en que el receptor percibe algo, impactando sobre sus juicios de valor y sus
comportamientos.
Informacin = Datos + Contexto (aadir valor) + Utilidad (disminuir la incertidumbre)


Conocimiento

El conocimiento es una mezcla de experiencia, valores, informacin y know-how que sirve como
marco para la incorporacin de nuevas experiencias e informacin, y es til para la accin. Se
origina y aplica en la mente de los conocedores. En las organizaciones con frecuencia no slo se
encuentra dentro de documentos o almacenes de datos, sino que tambin esta en rutinas
organizativas, procesos, prcticas, y normas.
El conocimiento se deriva de la informacin, as como la informacin se deriva de los datos. Para
que la informacin se convierta en conocimiento es necesario realizar acciones como:
Comparacin con otros elementos.
Prediccin de consecuencias.
Bsqueda de conexiones.
Conversacin con otros portadores de conocimiento.






Tipos de Conocimiento
El conocimiento puede ser de tipo procedimental, declarativo o heurstico.
Conocimiento procedimental es aquel que es compilado que se refiere a la forma de realizar
una cierta tarea (el saber cmo hacerlo). Por ejemplo, el proceso estndar para el ensamble de
un vestido, un computador, una mquina; la realizacin de cierta pintura, la resolucin de
ecuaciones algebricas.
El conocimiento declarativo es conocimiento pasivo, sentencias que expresan hechos del
mundo que nos rodea (el saber que hacer). Por ejemplo, la informacin en una base de datos.

El conocimiento heurstico es algo especial para resolver problemas complejos. Es un criterio,
estrategia, mtodo o proceso que simplifica resolver problemas.




Formas de Representacion del Conocimiento

1. TRIPLETA OBJETO, ATRIBUTO Y VALOR
Una forma comn de representar conocimiento es usar la tripleta objeto, atributo y valor
(OAV). Los objetos son fsicos o son conceptuales. Un objeto puede tener varios atributos.
Los atributos son elementos que caracterizan un objeto. Los valores son las medidas
especficas de los atributos en una situacin dada.
Para la representacin OAV se usan nodos y relaciones (redes) o tablas conceptuales.
Objetos y valores se designan como nodos, mientras los atributos se designan como enlaces
(arcos) de ellos. La representacin OAV se usa para mostrar orden e interrelacin. Las
tripletas OAV no muestran herencias, slo relaciones causales o enlaces, partes o
subpartes.



2. REDES SEMNTICAS
Las redes semnticas (Semantic networks) son representaciones bsicas de conocimiento,
compuestas por nodos y enlaces que muestran relaciones entre objetos. Los objetos pueden
ser cualquier elemento fsico: un libro, un carro, un escritorio, una tela o una persona.
Tambin pueden ser conceptos, eventos o acciones. Los conceptos se representan en el
modelo como unidades independientes que expresan relaciones de inclusin (es...) y de
propiedad (tiene...). Un concepto puede ser una relacin de oferta y demanda en economa,
una eleccin o una accin tal como producir un vestido. En general, una red semntica es un
conjunto de OAV, donde los atributos generalmente representan tamao, color, clase, origen
u otras cualidades.
En una red semntica los atributos son los enlaces (arcos) entre objetos. Los enlaces
muestran las relaciones o el vnculo entre un objeto y otro; describen factores. En s, una red
semntica es una representacin en la cual:
1. Lxicamente, hay nodos y enlaces entre nodos especificando una aplicacin.
2. Estructuralmente, cada enlace conecta un nodo con otro en un orden especial.
3. Semnticamente, los nodos y los enlaces denotan una aplicacin especfica.
4. Procedimentalmente, existen procesos para:
i) Construir nodos.
ii) Construir enlaces entre nodos con un nombre.
iii) Deducir conocimiento.
Uno de los factores interesantes y tiles sobre las redes semnticas es que a travs de ellas
pueden verse las caractersticas que algunos nodos heredan de otros.
Caractersticas:
a. Diferencian entre tipos de objetos de los casos. As, se llama clasificacin al proceso de
ir de ejemplos de objetos a tipos de objetos.
b. Se introduce el concepto de distancia semntica: cantidad de enlaces que separan un
nodo de otro.



3. REGLAS DE PRODUCCIN
En los sistemas de produccin (SP), cada regla tiene una precondicin (parte izquierda),
y una parte derecha que describe la operacin que debe llevarse a cabo si se aplica la
regla. Es decir, los sistemas de produccin (SP) estn compuestos de reglas de
produccin y hechos.
Los SP fueron desarrollados por Newell y Simons, para modelar el conocimiento
humano. La idea bsica en estos sistemas es que el conocimiento sea representado
como reglas en forma de pares condicin-accin:
SI ( condiciones/premisas ) "hechos".
ENTONCES accin-a-ejecutar "conclusin/accin".
Existen dos tipos comunes de SP:
a) Conocimiento declarativo, el cual hace nfasis en la representacin del conocimiento
como una acumulacin de hechos estticos junto con una informacin limitada que
describe cmo se va a emplear el conocimiento.
b) Conocimiento procedimental, que enfatiza la representacin en forma de reglas
describiendo los procesos en el momento de usar el conocimiento. El SP advierte al
usuario cmo solucionar un problema con base en hechos conocidos.

En muchas aplicaciones con tcnicas de IA, la informacin disponible no es suficiente
para permitir la seleccin de la regla ms apropiada. La operacin de un SP puede
entonces caracterizarse como un proceso de bsqueda en el que las reglas son
usadas hasta que alguna secuencia de ellas encuentre la condicin de terminacin8.
Se distinguen dos grandes estrategias de control: irrevocable y tentativa.
Irrevocable: una regla aplicable es seleccionada, se aplica sin opcin para ser
reconsiderada. (A primera vista, puede verse que este tipo de control no es apropiado
para solucionar problemas).
Tentativa: una regla aplicable es seleccionada, la regla se aplica, pero se tiene previsin
para retornar a un punto de rompimiento (backtracking) y aplicar otra regla "mejor". Se
establece un punto de seleccin de reglas, si siguientes computaciones encuentran
dificultad en producir una solucin; el sistema se devuelve al punto previo de
rompimiento, donde otra regla se selecciona para continuar el proceso.





4. 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.



5. REPRESENTACIN FORMAL
Algunos mtodos en IA se usan para convertir declaraciones y procesos de
razonamiento en una forma que sea conveniente para la computacin. El resultado es la
representacin de conocimiento utilizando una lgica.
Se habla de representacin formal del conocimiento cuando se aplica lgica de
predicados, lgica modal, multivaluada o difusa. La forma general de cualquier proceso
lgico se ilustra en la figura 2.5. Primero se da informacin, se hacen declaraciones y se
anotan observaciones. Las entradas a los procesos lgicos se llaman premisas o
antecedentes; la salida se llama inferencia. En estos procesos, los hechos verdaderos
se usan para derivar nuevos hechos que tambin son verdaderos.


La lgica de predicados, en primer nivel, representa hechos o datos y los expresa como
estructuras. Toda proposicin lgica se trata explcitamente como una estructura. La
lgica de predicados se ocupa de las relaciones entre antecedentes y consecuentes. De
otra manera, la lgica tiene sentido cuando se elaboran argumentos y en ellos se analiza
si de algunas suposiciones o antecedentes se derivan conclusiones; por ejemplo:






6. OTRAS REPRESENTACIONES
a. GUION, LISTAS
Un guin es la representacin de conocimiento por medio de descripciones de una
secuencia de eventos. Un guin es una estructura que organiza informacin
describiendo una secuencia estereotipada de eventos en un contexto concreto11.
Los elementos de un guin tpico incluyen: condiciones de entrada, apoyos,
funciones, rutas y escenas. Las condiciones de entrada describen situaciones que
deben satisfacerse antes de los eventos, que pueden ocurrir y ser vlidos de
acuerdo con el proceso a seguir. Los apoyos se refieren a objetos que se usan en la
secuencia de eventos que ocurren. Las funciones se refieren al personal involucrado
en los guiones.
El resultado es hallar condiciones viables que existan despus de los eventos de
acuerdo con el guin. Las rutas se refieren a alternativas que se dan en un guin
particular. Finalmente, la escena describe la secuencia de eventos que deberan
ocurrir.



b. NDICES,TABLAS Y ARBOLES DE DECISIN
Los ndices, las tablas y los rboles, son herramientas muy tiles para analizar la
informacin o el conocimiento que tiene que ver con las situaciones que se
presentan para solucionar un problema, o para relacionar los diferentes eventos que
se mezclan en esa solucin.

ndices. En un ndice de decisin el conocimiento se organiza en un formato
extendido, usando columnas y filas. El ndice se divide en dos partes: 1) lista de
atributos; 2) valores posibles de asociacin. Las diferentes configuraciones de
atributos se emparejan hacia una conclusin.
El conocimiento para utilizar en el ndice se rene en secciones de conocimiento.
Una vez se detalle el conocimiento para el ndice, puede usarse como una entrada a
otro mtodo de representacin de conocimiento. (No es posible hacer inferencias
con el dominio de ndices por s mismos, excepto cuando se usan reglas de
inferencia).

Tablas de decisin. En una tabla de decisin, el conocimiento se organiza en un
formato, usando columnas y filas. La tabla se divide en varias partes: 1) atributos; 2)
valores o elementos; 3) lista de conclusiones. Una vez est construida una tabla, el
conocimiento en ella puede utilizarse como entrada a otras representaciones de
conocimiento. (No es posible hacer inferencias con el dominio de las tablas por s
mismo, excepto cuando una regla de induccin se usa).


rboles de decisin. Los rboles de decisin estn muy relacionados con las
tablas y se usan frecuentemente para anlisis de sistemas. Un rbol de decisin
puede verse como una red semntica jerrquica limitada por una serie de reglas,
que se acoplan para la bsqueda estratgica con las relaciones de conocimiento.
Los rboles son similares a los rboles de decisin usados en la teora de las
decisiones.
Los rboles estn compuestos de nodos que son metas. La raz del rbol es la
primera de arriba (o a la izquierda13) y los niveles estn abajo (o a la derecha).
Todos los nodos terminales, excepto el nodo raz, son ejemplos de posibles metas.