SISTEMAS BASADOS EN

CONOCIMIENTO
POR: MANUEL ALCANTARA RAMIREZ
 2
SILABO DEL CURSO

• Instrumento de gestión académica

• Contenido:
• Información del curso
• Sumilla
• Competencias
• Programación académica
• Evaluación
• Bibliografía
 3
COMPETENCIAS A LOGRAR

• Resolver casos prácticos utilizando las técnicas de los sistemas

basados en conocimiento e Inteligencia Artificial
• Hacer un proyecto de investigación utilizando las técnicas de los
sistemas basados en conocimiento e Inteligencia Artificial.
 4
TEMAS DEL CURSO

1. INTELIGENCIA ARTIFICIAL vs INGENIERIA DEL CONOCIMIENTO.

2. LOGICA Y REPRESENTACION DEL CONOCIMIENTO.
3. SISTEMAS BASADOS EN REGLAS. REDES SEMANTICAS
4. ONTOLOGIAS
5. SISTEMAS BASADOS EN MODELOS PROBABILISTICOS
6. CONJUNTOS BORROSOS
7. TECNICAS DE BUSQUEDA
8. COMPUTACION EVOLUTIVA
9. REDES NEURONALES
10.TECNICAS DE AGRUPAMIENTO
11.PROCESAMIENTO DE LENGUAJE NATURAL
 5
PROYECTO DE INVESTIGACIÓN FORMATIVA

Formar grupos y elegir uno de los siguientes temas:

• Implementar un sistema que aplique técnicas de agrupamiento
para segmentación de clientes según sus preferencias y
preferencias de afines.
• Implementar un sistema que aplique técnicas de reconocimiento
de lenguaje natural para autocorrección de texto.
• Implementar un sistema difuso para predecir el número de
postulantes a la Universidad Nacional del Callao.
INTELIGENCIA ARTIFICIAL
 7
¿Qué es IA?

PENSAR COMO
HUMANO MAQUINAS PENSAR
Emulan la toma de RACIONALMENTE
decisiones, resolución de Imitan el pensamiento
problemas y aprendizaje lógico racional del ser
humano, sentir, razonar
y actuar.

ACTUAR COMO
HUMANO ACTUAR
Imitan el comportamiento
RACIONALMENTE
humano y realizan tareas Imitan conductas inteligentes
que por ahora los humanos de los humanos
hacen mejor
 8
IA es desarrollar:

Los procedimientos Las estrategias de

Modelos
conceptuales + de reescritura formal
de estos modelos
+ programación +
Las máquinas
físicas

Para

Reproducir de la forma más eficiente y completa posible las

tareas cognitivas y científico-técnicas más genuinas de los
sistemas biológicos a los que hemos etiquetado de inteligentes.
 9
Tareas de la IA

Modelar
Pe
rc ns ión
e pc p re je
m
Co ngua
ió le
n Formalizar de ral
u
nat
m ie nto
on a
Raz
Programar
Pr
Apre de oduc
nd izaje na len ción
tu gu
r a aj e
Implementar l
 10
Hipótesis de la IA

SE PUEDEN
SINTETIZAR LOS
PROCESOS
COGNITIVOS Y
CONSEGUIR
INTELIGENCIA
GENERAL EN LAS
MAQUINAS
 11
Desarrollo de la IA

La primera ola (1950-1960): Los investigadores se centraron en desarrollar sistemas de IA que pudieran
simular el razonamiento humano. Los primeros programas de IA, como Logical Theorist y General
Problem Solver, fueron desarrollados en esta época.

La segunda ola (1960-1980): Los investigadores se centraron en desarrollar sistemas de IA que pudieran
aprender de los datos. Los lenguajes de programación de alto nivel, como Lisp y Prolog, fueron
desarrollados en esta época.

La tercera ola (1980-2000): Los investigadores se centraron en desarrollar sistemas de IA que pudieran
imitar el funcionamiento del cerebro humano. Las redes neuronales artificiales (ANNs) fueron
desarrolladas en esta época.

La cuarta ola (2000-presente): Los investigadores se han centrado en desarrollar sistemas de IA que
puedan aprender de grandes cantidades de datos. El aprendizaje profundo es una técnica de
aprendizaje automático que se ha utilizado para desarrollar sistemas de IA muy precisos, como los que
se utilizan en la conducción autónoma y el reconocimiento de imágenes.
 12
¿INTELIGENCIA ?

Naturaleza abstracta
• Carácter general precientífico
• Diferencias entre “conocer humano” y
la implementación en las máquinas

Discutible dentro de la
Psicología
• Inteligencias múltiple
• Inteligencia colectiva
 13
Avances en IA

• Representación e inferencia
• Aprendizaje
• Robótica
• Visión artificial
• Sistemas basados en conocimiento
• Técnicas de representación formal (Lógica, reglas, marcos, objetos,
agentes, redes causales, etc.)
• Tratamiento de la incertidumbre(redes bayesianas, sistemas borrosos)
• Soluciones cuando se tiene mas datos que conocimiento( redes
neuronales, etc. )
 14
Integración de la IA con otras disciplinas

• Computación de membranas
• Computación cuántica
• Nanotecnología
• Biomateriales
• Robótica industrial
• La medicina
• El arte
• La educación
• La Web
 15
IA : resumen

AUTOMATIZACION DE PROCESOS CON ALTO CONTENIDO

COGNITIVO
LA IA COMO CIENCIA Y COMO IC

16
 17
IA vs IC

• Urge entonces distinguir entre los objetivos de la IA como ciencia e IA como ingeniería (IC) para que se sepa de qué hablamos cuando

usamos estos conceptos (cuál es su referente) y evitar así los equívocos asociados a suponer que la semántica y la causalidad del

lenguaje natural y la neurofisiología son equivalentes a la semántica y la causalidad de un lenguaje formal y del hardware que lo

soporta.

• Esta mezcla de entidades cognitivas y biológicas con otras formales y abstractas, junto con la asignación arbitraria de significados (el

“no saber llevar bien la contabilidad”, nos dice Maturana [Maturana, 1975]) es una de las causas fundamentales de la disparidad entre el

optimismo excesivo de los objetivos iniciales y los nada despreciables resultados actuales de la IA.

• Una visión más realista de los problemas y un lenguaje más ajustado a las matemáticas, la lógica y la ingeniería electrónica ayuda a

plantear los problemas y a resolver aquellos para los que tenemos solución en el estado actual de conocimiento.
 18
IA como Ciencia

Entendida como ciencia la IA comprende tareas de análisis:

Su fenomenología engloba el conjunto de hechos asociados a la neurología y la cognición

desde los niveles subcelular y neuronal a los mecanismos y organizaciones superpuestas de las
que emergen las funciones globales de percepción, memoria, lenguaje, decisión, emoción y
acción que han dado lugar a lo que llamamos comportamiento inteligente en humanos.
 19
IA como Ingeniería (IC)

IC es La rama aplicada de la IA.

2.- No puede apoyarse en una
Tiene grandes dificultades 1.- El nuevo objeto formal de sólida teoría del conocimiento
comparada con las otras la IC es el conocimiento. porque todavía no se dispone
ingenierías de la materia y la de esa teoría
energía por dos razones:
 20
Diferencia entre IA como ciencia e IA como
Ingeniería (IC)
 21
Sistemas Basados en el Conocimiento (SBCs)
Experto humano que realiza una Entorno concreto donde el experto
tarea en un medio concreto humano desarrolla la tarea

OBSERVADOR EXTERNO
Descripciones en lenguaje natural de la tarea y el método

Marcos de Modelado
Restricciones en implementación o Simbólico
Diseñar o
(interfaz humano o robot) Conexionista
o Situado
o Híbrido
Modelo Conceptual

Operadores Formales
• Balance Datos/Conocimiento Seleccionar/ • Lógico-Matemáticos
• Ontologías del Dominio Componer • Inferenciales
• RNSa (MLP, RBF, BP, …)
Modelo Formal
(computable)
 22

Paradigmas actuales en IA
 23
PARADIGMAS DE LA IA

Paradigma es sinónimo de
forma de abordar la Simbólico o representacional
solución de un problema.

Situado o reactivo

Paradigma según Kunh, es una Conexionista

aproximación metodológica a
la IA y a la IC que la considera
como la forma normal de
hacer ciencia o ingeniería. Híbrido
 24
EL PARADIGMA SIMBÓLICO

Este paradigma ha sido el dominante desde

1956 hasta 1986, y en su evolución se
observa una tendencia progresiva a separar
los aspectos genéricos de los conocimientos
específicos de cada dominio de aplicación.

Es usual distinguir tres tipos de tareas, de

análisis, de síntesis, y de modificación
 25
EL PARADIGMA SITUADO

Llamado reactivo o “basado en conductas”,

enfatiza que toda percepción y toda acción
están estructuralmente acopladas, a través
de sensores, a un medio externo e interno
también concretos.

El sistema se realimenta mediante sensores y

efectores específicos. Todo lo que no puedan
representar esos sensores no existe para el
sistema.
 26
EL PARADIGMA SITUADO
 27

EL PARADIGMA CONEXIONISTA

• Uso de Redes Neuronales Artificiales (RNA), el

problema de la representación del conocimiento
se realiza mediante el uso de líneas numéricas
etiquetadas para la entrada y salida de la red.
• Los datos no etiquetados se usan para un
preproceso y para el aprendizaje
autoorganizativo, en donde la red trata de hacer
explícito todo el conocimiento de esos datos.
 28

EL PARADIGMA CONEXIONISTA
 29
EL PARADIGMA HÍBRIDO

El criterio general siempre es el balance

La mayor parte de los problemas son de naturaleza entre datos y conocimiento y la decisión
híbrida, por lo que su solución también deberá ser entre métodos, técnicas y operadores
híbrida representativos de los distintos
paradigmas.
 30
EL PARADIGMA HÍBRIDO
EL CONOCER HUMANO Y EL CONOCER DE LAS
MÁQUINAS

31
•

PRIMERA DISPARIDAD
32

HUMANO IA
• El soporte neurofisiológico del • En los computadores
comportamiento inteligente es programables convencionales
autónomo, dinámico y adaptivo. usamos símbolos fríos,
Su arquitectura siempre está descriptivos, estáticos y
inacabada, es única e sintácticos, con una gramática
irrepetible para cada ser vivo. rígida.
•
33
SEGUNDA DISPARIDAD TERCERA DISPARIDAD
• H. Procede del desconocimiento de • H. Procede de la falta de
la fisiología y la lógica de la herramientas formales y nuevos
cognición. Faltan datos y teorías modelos de computación adecuados
sobre el conocer humano. para modelar los procesos cognitivos.
• IA. El conocer de las máquinas se • IA. Las herramientas formales son o
conocen perfectamente porque han no suficientes para describir los
sido diseñados. procesos cognitivos.
 34
RESUMEN

En este capítulo se ha explorado el concepto de Inteligencia

Artificial (IA) considerada como ciencia y como ingeniería del
Conocimiento (IC).

Después, se ha reflexionado sobre los paradigmas de la IA y las

diferencias constitutivas entre el conocer humano y el conocer
de las máquinas.

Finalmente, la IA y la IC se encuentran en pleno desarrollo,

teniendo en cuenta la disparidad existente entre la IA y el ser
humano.
LOGICA Y REPRESENTACION
DEL CONOCIMIENTO
 36
OBJETIVOS DE LA IA

MODELAR

La IA es el conjunto de técnicas,
métodos, herramientas y
metodologías
que nos ayudan a construir sistemas
que se comportan de manera IMPLEMENTAR FORMALIZAR

similar
a un humano en la resolución de
problemas concretos.

PROGRAMAR
 37
RAZONAMIENTO AUTOMÁTICO

RAZONAR Significa obtener conclusiones (correctas) a partir de

ciertas premisas (que consideramos correctas)

LA Si el método (sea cual sea) que utilicemos nos devuelve

siempre conclusiones correctas, entonces diremos que

CORRECCION el método (de deducción) es correcto

LA Si el método es capaz de devolvernos todas las

COMPLETITUD conclusiones correctas,entonces lo llamamos completo.
 38
RAZONAMIENTO AUTOMÁTICO

RAZONAMIENTO EN LENGUAJE FORMAL

Silogismo
hipotético
(Modus
Ponens)
 39
RAZONAMIENTO AUTOMÁTICO
REGLAS DE INFERENCIA EN UN LENGUAJE DE
PROPOSICIONES
 40
RAZONAMIENTO AUTOMÁTICO NOTACION
 41
RAZONAMIENTO AUTOMÁTICO NOTACION
 42
RAZONAMIENTO AUTOMÁTICO NOTACION
 43
RAZONAMIENTO AUTOMÁTICO

LOGICA PROPOSICIONAL (DE ORDEN 0)

 44
RAZONAMIENTO AUTOMÁTICO
LOGICA PROPOSICIONAL (DE ORDEN 0) : FORMALIZACION
 45
RAZONAMIENTO AUTOMÁTICO

LOGICA PROPOSICIONAL (DE ORDEN 0) : FORMULAS

SATISFACIBLES
 46
RAZONAMIENTO AUTOMÁTICO

FORMALIZACION DEL RAZONAMIENTO

 47
RAZONAMIENTO AUTOMÁTICO
FORMALIZACION DEL RAZONAMIENTO
 48
RAZONAMIENTO AUTOMÁTICO

FORMALIZACION DEL RAZONAMIENTO: METODOS DEDUCTIVOS

 49
METODOS DEDUCTIVOS SEMANTICOS

METODO DEL ARBOL

SEMANTICO
 50
METODOS DEDUCTIVOS SEMANTICOS

METODO DEL ARBOL

SEMANTICO
 51
METODOS DEDUCTIVOS SEMANTICOS

METODO DEL ARBOL

SEMANTICO
 52
METODOS DEDUCTIVOS SEMANTICOS

METODO DEL ARBOL

SEMANTICO
 53
METODOS DEDUCTIVOS SEMANTICOS

METODO DEL ARBOL

SEMANTICO
 54
METODOS DEDUCTIVOS SEMANTICOS

METODO DEL ARBOL

SEMANTICO

EJERCICIO: USANDO
ARBOL SEMANTICO
PROBAR QUE CADA
RAZONAMIENTO ES
SATISFACIBLE O VALIDO
 55
METODOS DEDUCTIVOS SEMANTICOS

METODO DEL ARBOL

SEMANTICO

EJERCICIOS: Probar
si los siguientes
razonamientos son
válidos
 56
METODOS DEDUCTIVOS SEMANTICOS

METODO DE RESOLUCION
 57
METODOS DEDUCTIVOS SEMANTICOS

METODO DE
RESOLUCION
 58
METODOS DEDUCTIVOS SEMANTICOS

METODO DE
RESOLUCION
 59
METODOS DEDUCTIVOS SEMANTICOS

METODO DE
RESOLUCION
 60
METODOS DEDUCTIVOS SEMANTICOS METODO DE
RESOLUCION
 61
METODOS DEDUCTIVOS SEMANTICOS METODO DE
RESOLUCION
 62
METODOS DEDUCTIVOS SEMANTICOS

METODO DE
RESOLUCION

EJERCICIO: USANDO EL
METODO DE
RESOLUCION PROBAR
QUE CADA
RAZONAMIENTO ES
SATISFACIBLE O VALIDO
 63
METODOS DEDUCTIVOS SEMANTICOS

METODO DE
RESOLUCION

EJERCICIOS: Probar
si los siguientes
razonamientos son
válidos USANDO EL
METODO DE
RESOLUCION
 64
LOGICA DE PRIMER ORDEN(DE PREDICADOS)

UNA GRAMATICA
ABSTRACTA
PARA LA LOGICA
DE PRIMER
ORDEN
 65
LOGICA DE PRIMER ORDEN(DE PREDICADOS)

UNA GRAMATICA
ABSTRACTA
PARA LA LOGICA
DE PRIMER
ORDEN
 66
LOGICA DE PRIMER ORDEN(DE PREDICADOS)

UNA GRAMATICA ABSTRACTA PARA LA LOGICA DE PRIMER ORDEN

 67
LOGICA DE PRIMER ORDEN(DE PREDICADOS)

UNA GRAMATICA ABSTRACTA PARA LA LOGICA DE PRIMER ORDEN

 68
LOGICA DE PRIMER ORDEN(DE PREDICADOS)

ARBOL SEMANTICO PARA LA LOGICA DE PRIMER ORDEN

 69
LOGICA DE PRIMER
ORDEN(DE PREDICADOS)

ARBOL
SEMANTICO
PARA LA LOGICA
DE PRIMER ORDEN
 70
LOGICA DE PRIMER METODO DE RESOLUCION PARA LA
LOGICA DE PRIMER ORDEN
ORDEN(DE PREDICADOS)
 71
LOGICA DE PRIMER METODO DE RESOLUCION PARA LA
LOGICA DE PRIMER ORDEN
ORDEN(DE PREDICADOS)
 72
LOGICA DE PRIMER METODO DE RESOLUCION PARA LA
LOGICA DE PRIMER ORDEN
ORDEN(DE PREDICADOS)
 73
LOGICA DE PRIMER METODO DE RESOLUCION PARA LA
LOGICA DE PRIMER ORDEN
ORDEN(DE PREDICADOS)
 74

LOGICA DE ORDEN SUPERIOR (>=2)

 75

LOGICA DE ORDEN SUPERIOR (>=2)

 76

LOGICA DE ORDEN SUPERIOR (>=2)

 77

FRAGMENTOS DE LPO
 78

EXTENSIONES DE LAS LOGICAS CLASICAS

 79
CUESTIONAMIENTOS A LA LOGICA
CLASICA
 80
SOLUCIONES A LOS CUESTIONAMIENTOS A
LA LOGICA CLASICA
 81
SOLUCIONES A LOS CUESTIONAMIENTOS A
LA LOGICA CLASICA