1Tcnicas de representacin del conocimiento:

Tripleta Objeto, Atributo, Valor y Hechos

Jorge Chagi Romero & Emmanuel Martnez Franco.

Marzo 2016.

Universidad de Cartagena.

Programa de Ingeniera de Sistemas.

Inteligencia Artificial
 2

Abstract

Este documento busca hacer un bosquejo general de lo que son y cules son las tcnicas

de representacin del conocimiento, con nfasis en la Tripleta objeto, atributo, valor y los hechos

ciertos e inciertos. Para hacer la profundizacin necesaria en cada uno de estos se har una

divisin de los aspectos ms importantes de cada una y adems se tratarn ejemplos terico-

prcticos usando herramientas para la creacin de sistemas expertos como CLIPS y Prolog. Las

dems tcnicas de representacin del conocimiento no sern abordadas con tanto empeo, pero

sern discutidas brevemente.

 3

Tabla de Contenidos

Captulo 1 Introduccin e informacin general...............................................................................1

Introduccin.................................................................................................................................1

Tripleta objeto, atributo y valor...................................................................................................1

Definiciones.............................................................................................................................1

Caractersticas..........................................................................................................................1

Ventajas y desventajas.............................................................................................................1

Ejemplo prctico con problema a representar..........................................................................1

Solucin del problema.............................................................................................................1

Generacin de inferencia.........................................................................................................1

Generacin de Reglas..............................................................................................................1

Generacin de la Base de conocimientos a partir de la solucin (CLIPS)..............................1

Hechos ciertos o inciertos............................................................................................................1

Definiciones.............................................................................................................................1

Caractersticas..........................................................................................................................1

Ventajas y desventajas.............................................................................................................1

Ejemplo prctico con problema a representar..........................................................................2

Solucin del problema.............................................................................................................2

Generacin de inferencia.........................................................................................................2

Generacin de Reglas..............................................................................................................3

Generacin de la Base de conocimientos a partir de la solucin (Prolog)..............................3

 4

Hechos imprecisos o hechos inciertos.....................................................................................4

Representacin Formal................................................................................................................4

Hechos Difusos............................................................................................................................5

Reglas (Rules) de produccin......................................................................................................5

Marcos (Frames)..........................................................................................................................5

Redes Semnticas........................................................................................................................5

Ontologas....................................................................................................................................5

Diagrama Causa y Efecto............................................................................................................5

Mapas Mentales y Cuadro Sinptico...........................................................................................5

ARE rbol De Representaciones Y Explicaciones.....................................................................5

Diagramas De Flujo.....................................................................................................................5

Guion y Listas..............................................................................................................................5

ndices y Tablas...........................................................................................................................5

rboles de Decisin.....................................................................................................................5

Autmatas Finitos........................................................................................................................5

Captulo 2 Resultados y discusin...................................................................................................6

Lista de referencias..........................................................................................................................7
 1

Captulo 1

Introduccin e informacin general

Introduccin

La representacin del conocimiento tiene como objetivo organizar este de manera que sea

mucho ms fcil el proceso de inferencia al apropiarse de l. Cuando diseamos una

representacin del conocimiento tenemos que hacer elecciones a lo largo de un nmero de

mbitos de diseo sin embargo ha de tenerse siempre en cuenta la expresividad de este debido a

que cuanto ms expresivo es un lenguaje, ms difcil es derivar inferencias automticamente de

l. Por estas y dems razones el objetivo principal del presente trabajo es estudiar a fondo

algunas de las tcnicas de representacin ms importantes.

Tripleta objeto, atributo y valor

Definiciones.

Esta tcnica se usa para representar hechos acerca de objetos, sus atributos y el valor de

estos. Tambin es conocida como Modelo OAV.

Un objeto podra ser definido como todo aquello que puede ser conocido o sentido por

una persona, estos pueden ser fsicos o conceptuales. Un atributo es una caracterstica

relacionada a un objeto. Y un valor es la medida o estimacin de un atributo en una situacin

especfica.

Caractersticas.

Para representar la relacin entre estos elementos se usan grafos, en los que objetos y

valores son representados como nodos en forma de elipse y los atributos se muestran como

caminos (arcos) entre ellos. El enlace de Objeto a Atributo hace referencia a tiene un y el de
 2

Valor a Atributo a es un. La informacin de la tripleta tambin puede mostrarse por medio de

tablas por lo que puede ser usada en bases de datos. En la Figura 1 se muestra explcitamente

cmo.

Objeto Atributo Valor

Casa Color Blanco
Cuenta-Bancaria Saldo 100.000
Jorge Edad 65
Juan Padre-de Mara
Figura 1. Ejemplos de representaciones del modelo OAV.

Ventajas y desventajas.

Ventajas:

Muestran orden e interrelacin.

Permite modelar de una mejor forma espacial a entidades cuyo nmero de atributos es

potencialmente grande.
Permite una asociacin de la informacin para desarrollar sistemas expertos desde la

POO.
Puede ser usada por otras tcnicas de representacin del conocimiento para resolver

problemas o mostrar la informacin.

Desventajas:
No muestran herencias, slo relaciones causales o partes.
La asociacin que permite con la POO no es la ms completa debido a lio mencionado en

el tem anterior.

Ejemplo prctico con problema a representar.

 3

Se quiere saber el documento de identidad de todas las personas que ingresen a un

almacn cuyo nombre sea Juan para que participen en una rifa. Ya que la tripleta OAV suele

usarse ms que todo para la creacin de hechos se le puede dar solucin al problema como se

muestra a continuacin.

Solucin del problema.

Podemos usar la tripleta para agrupar los datos as:

Figura 2. Ejemplo tripletas para la agrupacin de datos.

Podramos plantear los hechos (ya habiendo definido los templates) as:

(persona (nombre Juan) (edad 15) (cedula 101010))

(persona (nombre Adriana) (edad 25) (cedula 292929))

(persona (nombre Manuel) (edad 30) (cedula 383838))

Y la regla tomar los datos de dichas personas y los identificar como participantes de la

rifa en los hechos.

Generacin de inferencia.
 4

La inferencia, siendo la habilidad de deducir algo o sacarlo como conclusin de otra cosa,

es algo nativo de la mente humana. Se puede emular usando programas como Prolog o CLIPS

bajo la lgica de predicados teniendo en cuenta que lo explcito o certero son los Hechos, que, en

los sistemas expertos diseados en CLIPS, son ms fcilmente agrupados siguiendo la tcnica de

la tripleta OAV. Adems, en estos la inferencia se hace con la ayuda de un motor de inferencia

programable.

Generacin de Reglas.

Si Persona(X) y Valida(X,Juan) e Id(X,Y) entonces Participante_Rifa(Y)

Generacin de la Base de conocimientos a partir de la solucin (CLIPS).

(deftemplate persona (slot nombre) (slot edad) (slot id))

(deftemplate encontrar-nombre (slot nombre))

(deftemplate participantes (slot id))

(assert (persona (nombre Juan) (edad 15) (id 101010)))

(assert (persona (nombre Adriana) (edad 25) (id 292929)))

(assert (persona (nombre Manuel) (edad 30) (id 383838)))

(assert (encontrar-nombre (nombre Juan)))

(defrule seleccionar (encontrar-nombre (nombre ?nombre)) (persona (nombre ?nombre) (id ?

id))

=> (assert (participantes (id ?id)))) (run)

Hechos ciertos o inciertos.

Definiciones.
 5

Afirmacin que describe la realidad, generalmente son los datos iniciales del problema.

Tambin podemos decir que es un acontecimiento que puede ser descrito de manera verificable y

objetiva.

Pueden ser: Definiciones, tipos, restricciones, valores por defecto, etc.

Caractersticas.

2 tipos de Hechos:

Sin etiqueta:
o (<objeto> <atributo> <valor>) Ej: (juan persona s)
Con etiqueta, registros o template:
o (deftemplate Persona (field Nombre) (field Edad) (field Sexo) (field EstadoCivil))

Ventajas y desventajas.

Ventajas:sa

Pueden representar fcilmente la realidad.

Son fciles de crear en cualquier lenguaje.
Desventajas:
El sentido semntico se puede confundir

Ejemplo prctico con problema a representar.

Crear un conjunto de reglas que nos permitan saber cundo se puede servir una bebida a

una persona en un bar. Podramos describir el problema de la siguiente manera:

UPC (2009/2010) dice Toda persona mayor de 18 aos es mayor de edad. Toda bebida

que contenga alcohol es una bebida restringida a mayores de edad. Se puede servir a una persona

una bebida restringida a mayores de edad si es mayor de edad (p. 74).

Solucin del problema.

Podramos entonces plantear el problema con un conjunto de hechos:

Persona(juan)
 6

Edad(juan,25)

Bebida(cubata)

Contiene(cubata,alcohol)

Y entonces preguntarnos si le podemos servir un cubata a juan Servir(juan,cubata) = (juan servir

cubata).

Generacin de inferencia.

La inferencia puede ser la capacidad de obtener informacin o establecer conclusiones

que no estn expresadas de forma explcita. Tambin pudiera ser el acto o proceso de sacar

conclusiones lgicas a partir de premisas que se saben o suponen que son verdaderas. Esas

premisas que se saben que son verdaderas son los Hechos, entonces a partir de los hechos se

sacan conclusiones.

Figura 3. Inferencia del ejemplo de Hechos.

Generacin de Reglas.
 7

Y lo podramos describir mediante reglas de como la siguiente base de reglas:

si Persona(X) y Edad(X,Y) y Mayor(Y,18) entonces Mayor_de_edad(X)

si Bebida(X) y Contiene(X,alcohol) entonces Restringida_a_mayores(X)

si Mayor_de_edad(X) y Restringida_a_mayores(Y) entonces Servir(X,Y)

Generacin de la Base de conocimientos a partir de la solucin (Prolog).

Persona(juan)

Edad(juan,25)

Bebida(cubata)

Contiene(cubata,alcohol)

Mayor(Y,18):-Y>18.

Mayor_de_edad(X):-Persona(X),Edad(X,Y),Mayor(Y,18).

Restringida_a_mayores(X):-Bebida(X),Contiene(X,alcohol).

Servir(X,Y):-Mayor_de_edad(X),Restringida_a_mayores(Y)

Hechos imprecisos o hechos inciertos

Para asociar una medida de imprecisin o de incertidumbre a un hecho se puede manejar

valores numricos como los siguientes: entre 0 y 1 (medida de posibilidad de lgica difusa),

entre 1 y 1 (factor de certeza), etc. Dicha medida se asocia al valor:

fiebre(paciente) = {normal[0.0], baja[0.3], alta[0.7]}

enfermedad(paciente) = {hepatitis[0.8], colestasis[-1.0]}

Representacin Formal

Se habla de representacin formal del conocimiento cuando se aplica lgica de predicados,

lgica modal o difusa. La forma general de cualquier proceso lgico se ilustra en la figura 4. Las
 8

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.

Figura 4. Proceso lgico.

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.

Hechos Difusos

La lgica difusa es til para aquellos casos en los que el conocimiento solo es verdadero

hasta cierto grado. Es decir, que en teora se le maneja por medio de 2 estados (binario) pero en

realidad no pertenece completamente a ninguno de los 2 sino a ambos en cierta cantidad. Por

ejemplo, cuando se habla de que algo es viejo o nuevo. Esto no puede ser representado de una

mejor forma por otras tcnicas de representacin del conocimiento, mas es un caso que en el que

puede intervenir la lgica difusa puesto que algo no pasa a ser viejo de un da a otro. Si

dijramos que 0 es nuevo y 1 es viejo entonces debera haber un momento en que algo no sea

nuevo, pero tampoco viejo, ms bien es un poco de ambos, pero solo en cierto grado, como decir

que un carro que se le d un valor de 0,4 sera ms nuevo que viejo en la realidad.
 9

Reglas de produccin

Las reglas de produccin son reglas del tipo Si-Entonces. Son muy comnmente usados y

su popularidad se debe parcialmente al hecho de que han sido usadas exitosamente en la

construccin de sistemas expertos por sus simplicidad y similitud con el razonamiento humano.

Se utilizan las reglas para examinar un conjunto de datos y solicitar nueva informacin para

llegar a una conclusin por medio de la inferencia.

Debido al tipo de reglas que son entonces tiene un formato compuesto de 2 partes:

Si, el antecedente, premisa o condicin.

Entonces, el consecuente, conclusin o respuesta.

Cabe resaltar que este mtodo enfatiza en las relaciones inferenciales del algoritmo, en

contraposicin a los mtodos declarativos.

Marcos (Frames)

Esta tcnica es muy similar a la utilizada en programacin orientada a objetos, donde se

hace una plantilla con un conjunto de slots (semejante a una clase). Tambin son otra forma de

expresar las redes semnticas textualmente. Asi, cada nodo correspondiente a un objeto o a una

clase se convierte en un marco. Gracias a la forma en que estn diseados, los marcos, permiten

a los sistemas basados en estos la posibilidad de mezclar conocimiento procedimental con el

declarativo.

Tambin es fcil introducir en la representacin meta-conocimiento, es decir,

conocimiento sobre el marco mismo.

 10

Redes Semnticas

Es una tcnica que pretende materializar la idea de que la representacin y recuperacin

del conocimiento se realza a partir de sus relaciones. Las redes semnticas estn formadas por un

grafo donde los nodos son conceptos u objetos y los arcos dirigidos son las relaciones entre

estos. Representan un conjunto restringido de la lgica de predicados y es factible los

mecanismos de razonamiento especifico que permiten responder a preguntas a partir de la red.

Este lenguaje permite representaciones estructuradas, adems del conocimiento

taxonmico, del conocimiento factual y de ciertos tipos de conocimiento normativo, y se pueden

expresar de manera muy fcil las excepciones en los valores de propiedades heredadas.

Ontologas

El objeto de estudio de la ontologa son las entidades que existen en general o en un

dominio y como se pueden agrupar de manera jerrquica en una categora segn la comparacin

de estas. Tambin puede ser vista como un vocabulario, un conjunto de trminos que escogemos

para representar la realidad y a travs del cual comunicarnos con otras entidades que la

compartan.

El uso de ontologas permite el tratamiento ponderado del conocimiento, sirviendo como

herramienta para recuperar informacin de una manera automatizada.

Diagrama Causa y Efecto

El Diagrama Causa-Efecto es una representacin grfica que muestra la relacin

cualitativa e hipottica de los diversos factores que pueden contribuir a un efecto o fenmeno

determinado. Tambien se le entiende como la representacin de varios elementos (causas) de un

sistema que pueden contribuir a un problema (efecto).

 11

Adems, este es una herramienta efectiva para estudiar procesos y situaciones, y para

desarrollar un plan de recoleccin de datos. Esto con el fin de que se identifiquen las posibles

causas de un problema especfico.

El Diagrama de Causa y Efecto se debe utilizar cuando se pueda contestar s a una o a

las dos preguntas siguientes:

1. Es necesario identificar las causas principales de un problema?

2. Existen ideas y/u opiniones sobre las causas de un problema?

Mapas Mentales y Cuadro Sinptico

Mapas mentales.

Los mapas mentales son un mtodo muy eficaz para extraer y memorizar informacin.

Son una forma lgica y creativa de tomar notas y expresar ideas que consiste, literalmente, en

cartografiar sus reflexiones sobre un tema

Cuentan con una estructura orgnica radial a partir de un ncleo en el que se usan lneas,

smbolos, palabras, colores e imgenes para ilustrar conceptos sencillos y lgicos. Permiten

convertir largas y aburridas listas de datos en coloridos diagramas, fciles de memorizar y

perfectamente organizados, que funcionan de forma totalmente natural, del mismo modo que el

cerebro humano.

Cuadro sinptico

Los cuadros sinpticos proporcionan una estructura global coherente de una temtica y

sus mltiples relaciones. Sirven para estudiar un tema, una teora o una variable que tratan

diversos autores, porque su principal funcin es contrastar, o sea, encontrar semejanzas y

diferencias, entre una o varias variables de un mismo tema.

 12

ARE rbol De Representaciones Y Explicaciones

Tal como indica su nombre, un A.R.E. es un diagrama que posibilita representar y

explicar grficamente un contenido de estudio. En este esquema se evidencian las ideas

esenciales, as como sus diversas relaciones e interacciones.

Elementos grficos: Rectngulos, cuadrados, flechas, lneas curvas, discontinuas.

Contenido: Ideas, conceptos, relaciones entre ideas y conceptos, ejemplos.

Estructura: Diversificada, en funcin de la construccin de significados del lector. No

necesariamente jerrquica.

Posibilidades: Alteracin del plan lineal del discurso.

Establecimiento de relaciones no slo binarias, sino retroactivas e interactivas.

Diagramas De Flujo

Los diagramas de flujo representan la secuencia o los pasos lgicos para realizar una

tarea mediante unos smbolos. Dentro de los smbolos se escriben los pasos a seguir. Un

diagrama de flujo debe proporcionar una informacin clara, ordenada y concisa de todos los

pasos a seguir.

Cmo funciona un programa capaz de jugar a un juego de inteligencia, tal como el

ajedrez o las damas?

La palabra clave es programacin en rbol o diagramas de flujo.

Un diagrama de flujo es simplemente hacer un esquema de las posibles situaciones que

tendramos a la hora de resolver un problema.

 13

Normalmente para realizar un diagrama de flujo primero se hace lo que se llama el

algoritmo. Un algoritmo es una secuencia de PASOS a seguir para resolver un problema de

forma escrita.

Guion y Listas

Guin.

Es la representacin de conocimiento por medio de descripciones de una secuencia de

eventos. Un guion es una estructura que organiza informacin describiendo una secuencia

estereotipada de eventos en un contexto concreto. Los elementos de un guion 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 validos 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 al guion.

Las rutas se refieren a alternativas que se dan en un guion particular. Finalmente, la escena

describe la secuencia de eventos que deberan ocurrir.

Listas.

Una lista es una serie de nodos relacionados entre s. Puede ser una lista de nombres de

personas que se conocen, de cosas para comprar en la tienda, de una relacin de asuntos para esta

semana o de productos en un catlogo.

Se usan normalmente para representar conocimiento jerrquico, cuando los objetos estn

agrupados o categorizados segn un orden o relaciones.

 14

ndices y Tablas

ndices.

Herramienta muy til 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.

En un ndice de decisin el conocimiento se organiza en un formato extendido, usando

columnas y filas. El ndice se divide en dos partes: lista de atributos y 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.

Tablas.

Herramienta muy til 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.

El conocimiento se organiza en un formato, usando columnas y filas.

La tabla se divide en varias partes: atributos, valores o elementos y lista de conclusiones.

Una vez est construida una tabla, el conocimiento en ella puede utilizarse como entrada a otras

representaciones de conocimiento.

rboles de Decisin

Los arboles de decisin estn muy relacionados con las tablas y se usan frecuentemente

para anlisis de un sistema. Un rbol de decisin puede verse como una red semntica jerrquica
 15

limitada por una serie de reglas, que se acoplan para la bsqueda estratgica con las relaciones de

conocimiento. Los rboles son similares a los arboles de decisin usados en la teora de las

decisiones.

Los arboles estn compuestos de nodos que son metas. La raz del rbol es la primera de

arriba o a la izquierda y los niveles estn abajo o a la derecha. Todos los nodos terminales,

excepto el nodo raz, son ejemplos de posibles metas.

Autmatas Finitos

Los primeros procedimientos que se emplearon para realizar el reconocimiento sintctico

fueron las Redes de Transicin RT (o Autmatas de Estados Finitos). La red consta de una serie

de nodos y una serie de arcos. El nodo origen aparece sealado con una flecha mientras que los

nodos finales aparecen sealados con un doble crculo. Los nodos representan estados y los arcos

transiciones entre estados. Los arcos estn etiquetados con nombres de categoras.

Cada transicin es aceptable si la palabra de la cadena de entrada tiene una categora

igual a la etiqueta del arco. El trnsito de un estado a otro hace que paralelamente se consuma

una palabra en la cadena a analizar. El proceso de reconocimiento comienza situndose la

ventana sobre la primera palabra y arrancando en el estado de inicio. El proceso contina,

realizndose transiciones vlidas entre estados y desplazndose paralelamente la ventana sobre la

cadena de entrada. Si al consumir completamente la cadena a analizar estamos en un estado final,

entonces la frase es correcta. Si no fuera as, o bien si en el curso del recorrido nos encontramos

en una situacin en que ninguna transicin es posible, entonces la frase es incorrecta. Podemos

admitir no-determinismo, bien porque exista ms de un estado de inicio, bien porque de un

estado a otro salgan varios arcos con la misma etiqueta o bien por que alguna de las palabras de
 16

la cadena de entrada sea ambigua (tenga ms de una categora). En este caso el algoritmo de

anlisis debera incluir un sencillo mecanismo de backtracking que gestionara el no-

determinismo.
 17

Lista de referencias

Annimo. (2009). Apuntes de Inteligencia Artificial. Palo Alto: Creattive Commons.

Ayala Pea, A. (2006). Sistemas basados en Conocimiento: Una Base para su Concepcin y

Desarrollo. Mexico, D.F.: INSTITUTO POLITCNICO NACIONAL.

Gonzlez Molina, M. (2006). Mtodos de resolucin de problemas: Aplicacion al diseo de

sistemas inteligentes. Madrid: Fundacin General de la U.P.M.

Harmon, P., & King, D. (1988). Sistemas Expertos: Aplicaciones de la inteligencia artificial en

la actividad empresarial. Madrid: Daz de Santos, S.A.

Pacheco, A. (10 de Marzo de 1999). Representacin del Conocimiento. Obtenido de

http://www.depi.itch.edu.mx/apacheco/ai/repconoc.htm

Universidad Politcnica de Valencia. (s.f.). Representacin del Conocimiento en IA: Sistemas

basados en reglas. Obtenido de http://personales.upv.es/ccarrasc/extdoc/Tema2_2.pdf