SlideShare une entreprise Scribd logo
1  sur  21
José M. Torres
C.I 19.106.680
El conocer es un hecho primario, espontáneo e instintivo, y
por ello no puede ser definido estrictamente. Se podría
describir como un ponerse en contacto con el ser, con el mundo
y con el yo; también podríamos decir que es un proceso en el
que están vinculados estrechamente las operaciones y
procedimientos mentales, subjetivos, con las operaciones y
formas de actividad objetivas prácticas, aplicadas a los
objetos.
El conocer se caracteriza como una presencia del objeto frente
al objeto: el sujeto se posesiona en cierta forma del objeto,
lo capta y lo hace suyo, reproduciéndolo de tal manera que
responda lo más fielmente posible a la realidad misma del
objeto. Por medio de esta reproducción, se tiene la imagen, no
física como sería una fotografía, sino psíquica, cognoscible,
intencional.
 Cobertura, significa que la representación del conocimiento
cubre la información en anchura y profundidad.
 Comprensible por humanos. La representación del conocimiento
es vista como un lenguaje natural, así que la lógica debería
fluir libremente.
 Consistencia. Siendo consistente, la representación del
conocimiento puede eliminar conocimiento redundante o
conflictivo.
 Eficiencia.
 Facilidad de modificación y actualización.
 Soporte de la actividad inteligente que usa la base de
conocimiento
 Cobertura, significa que la representación del conocimiento
cubre la información en anchura y profundidad.
 Comprensible por humanos. La representación del conocimiento
es vista como un lenguaje natural, así que la lógica debería
fluir libremente.
 Consistencia. Siendo consistente, la representación del
conocimiento puede eliminar conocimiento redundante o
conflictivo.
 Eficiencia.
 Facilidad de modificación y actualización.
 Soporte de la actividad inteligente que usa la base de
conocimiento
Voluminoso
Difícil
Caracterización
Impreciso
Indeciso
Actualiza
Constantemente
Para representar algo necesitamos saber su forma o estructura:
Que uso le dan los seres inteligentes
Que uso le dará una inteligencia artificial
Como adquirir el conocimiento
Como almacenarlo y manipularlo.
 Conocimiento Declarativo
 Conocimiento Procedimental
 Conocimiento Heurístico
Conocimiento Declarativo:
Son hechos sobre objetos o situaciones. Posee mayor
capacidad expresiva, menor capacidad creativa o
computacional. es conocimiento pasivo, expresado como
sentencias acerca de los hechos del mundo que nos rodea. La
información personal en una base de datos es un típico
ejemplo de conocimiento declarativo. Tales tipos de datos
son piezas explícitas de conocimiento independiente.
El conocimiento declarativo puede ser representado con
modelos relacionales y esquemas basados en lógica. Los
modelos relacionales pueden representar el conocimiento en
forma de árboles, grafos o redes semánticas. Los esquemas
de representación lógica incluyen el uso de lógica
proposicional y lógica de predicados.
 Conocimiento relacional: conjunto de relaciones expresables
mediante tablas como en una Base de Datos. Hemos de aportar
procedimientos que lo enriquezcan Motor de inferencia:
genera conocimiento a partir de información. Ej.: media de
compras en una población, mejor cliente, tipología de
cliente.
 Conocimiento heredable: Estructuración jerárquica del
conocimiento taxonomía jerárquica. Se trata de construir un
árbol o grafo de conceptos basado en la generalización o
especialización
 Conocimiento inferible: Conocimiento descrito mediante
lógica. Se puede utilizar la semántica de los operadores y
el Modus Ponens para inferir nuevo conocimiento.
Es aquel conocimiento compilado que se refiere a la forma
de realizar una cierta tarea el saber cómo hacerlo. Por
ejemplo, los pasos necesarios para resolver una ecuación
algebraica son expresados como conocimiento procedimental.
Los modelos procedimentales y sus esquemas de
representación almacenan conocimiento en la forma de cómo
hacer las cosas. Pueden estar caracterizados por gramáticas
formales, usualmente implantadas por sistemas o lenguajes
procedimentales y sistemas basados en reglas sistemas de
producción. Por ejemplo, los pasos necesarios para resolver
una ecuación algebraica son expresados como conocimiento
procedimental.
Es un tipo especial de conocimiento usado por los humanos
para resolver problemas complejos.
El adjetivo heurístico significa medio para descubrir. Está
relacionado con la palabra griega heuriskein que significa
descubrir, encontrar. Se entiende por heurístico a un
criterio, estrategia, método o truco utilizado para
simplificar la solución de problemas.
La norma ISO 9241 en su parte número 12 (ISO 9241-12) nos
introduce como Etiqueta (Label) “Título descriptivo corto
para una entrada o campo de texto de solo lectura, tablas,
controles u objeto (…) Etiqueta incluye encabezamientos,
campos de aviso, textos descriptivos ejemplo: etiquetas de
iconos
Al respecto, esta misma norma nos propone algunos
consejos:
Las etiquetas deben explicar el propósito y el contenido
del ítem de información designado.
 Las etiquetas deben ser gramaticalmente consistentes.
 Las etiquetas deben estar localizadas adyacentemente al
ítem de información designado.
Son una estructura de datos compleja que representa una
situación estereotipada, en la que se organizar el
conocimiento como una colección de características comunes al
concepto, objeto, situación o sujeto.
Características Principales:
Precisión: se precisan los objetos, las relaciones entre
objetos y sus propiedades; en ausencia de evidencia contraria
se usan valores por omisión
Activación dinámica de procesos (Triggering): se pueden
adjuntar procedimientos a un marco o alguno de sus componentes
y ser llamados y ejecutados automáticamente tras la
comprobación de cambio de alguna propiedad o valor.
Herencia por defecto no-monotónica: los marcos están
conceptualmente relacionados, permitiendo que atributos de
objetos sean heredados de otros objetos predecesores en la
jerarquía
Modularidad: la base de conocimiento está organizada en
componentes claramente diferenciados
Estructura de un Slot:
Nombre: Cada slot debe tener un nombre único dentro del frame,
pero son propios de cada slot es decir dos o más frames pueden
coincidir en los nombres de los slots.
Valor del slot: Puede ser asignado inicialmente o estar vacío
para añadirle valor en procesos de búsqueda y razonamiento.
Procedimientos anexos: Estos son opcionales.
If – needed <procedimiento>: significa que antes de obtener el
valor del slot respectivo en una consulta, se ejecuta el
procedimiento adjunto y solo si tiene éxito se podrá obtener
el valor.
If – added <procedimiento>: significa que antes de asignarle
el valor al respectivo slot, debe ejecutarse con éxito el
procedimiento; de otra manera no se realizara acción alguna.
If – deleted <procedimiento>: Significa que antes de borrar el
valor del slot, debe ejecutarse con éxito el procedimiento; de
otra manera no se borrara el valor del slot.
Es un método procedimental de representación del conocimiento,
pone énfasis en representar y soportar las relaciones
inferenciales del algoritmo, en contraposición a los métodos
declarativos (hechos).
La estructura de una regla es:
SI <antecedentes>
ENTONCES <consecuentes>
Están basadas en la idea de que los objetos o los
conceptos pueden ser unidos por alguna relación. Estas
relaciones se representan usando una liga que conecte dos
conceptos.
Los nodos y las ligas pueden ser cualquier cosa,
dependiendo de la situación a modelar.
Una relación muy común que une a dos conceptos es la
relación es-un: A es-un B, la cual significa que A es un
concepto menos general que B.
Ejemplo: X es-un humano es-un animal
Existen otras relaciones comunes, como:
Tiene, es, causa, etc. Más aparte las que pudiera definir
el modelador de la red semántica.
 Captar generalizaciones.
 Ser comprensible.
 Fácilmente modificable, incrementable.
Ser usado en diversas situaciones y propósitos.
 Permitir diversos grados de detalle.
 Captar la incertidumbre, imprecisión.
 Representar distinciones importantes.
 Focalizar el conocimiento relevante.

Contenu connexe

Tendances

Listas en prolog
Listas en prologListas en prolog
Listas en prologJeffoG92
 
Estructura de Datos, Multilistas
Estructura de Datos, MultilistasEstructura de Datos, Multilistas
Estructura de Datos, MultilistasCristhian Rosales
 
3. Representación del conocimiento y razonamiento.
3. Representación del conocimiento y razonamiento.3. Representación del conocimiento y razonamiento.
3. Representación del conocimiento y razonamiento.Humberto Chalate Jorge
 
La organización como sistema, teoría general de sistemas (tgs) y sistemas de ...
La organización como sistema, teoría general de sistemas (tgs) y sistemas de ...La organización como sistema, teoría general de sistemas (tgs) y sistemas de ...
La organización como sistema, teoría general de sistemas (tgs) y sistemas de ...3677903
 
Teoría general de sistemas
Teoría general de sistemasTeoría general de sistemas
Teoría general de sistemasJORGE MONGUI
 
3.1 Representación de conocimiento mediante reglas.pptx
3.1 Representación de conocimiento mediante reglas.pptx3.1 Representación de conocimiento mediante reglas.pptx
3.1 Representación de conocimiento mediante reglas.pptxRam Vazquez
 
Búsqueda no informada - Búsqueda bidireccional
Búsqueda no informada - Búsqueda  bidireccionalBúsqueda no informada - Búsqueda  bidireccional
Búsqueda no informada - Búsqueda bidireccionalLaura Del Pino Díaz
 
Archivos Secuenciales Indexados
Archivos Secuenciales IndexadosArchivos Secuenciales Indexados
Archivos Secuenciales Indexadosjennifergu17
 
EL PRINCIPIO DE LA ORGANICIDAD
EL PRINCIPIO DE LA ORGANICIDAD EL PRINCIPIO DE LA ORGANICIDAD
EL PRINCIPIO DE LA ORGANICIDAD innovalabcun
 
Bases de Datos Semanticas
Bases de Datos SemanticasBases de Datos Semanticas
Bases de Datos SemanticasErik Guerrero
 
HASH Organizacion de Archivos en Bases de Datos
HASH Organizacion de Archivos en Bases de DatosHASH Organizacion de Archivos en Bases de Datos
HASH Organizacion de Archivos en Bases de DatosAngel Feijo
 
Teoria general-de-sistemas y ejercicios
Teoria general-de-sistemas y ejerciciosTeoria general-de-sistemas y ejercicios
Teoria general-de-sistemas y ejerciciosrodolfo2006
 
Introduccion a la teoria general de sistemas
Introduccion a la teoria general de sistemasIntroduccion a la teoria general de sistemas
Introduccion a la teoria general de sistemasmenamigue
 
3.4 Sintaxis de las reglas de producción.pptx
3.4 Sintaxis de las reglas de producción.pptx3.4 Sintaxis de las reglas de producción.pptx
3.4 Sintaxis de las reglas de producción.pptxRam Vazquez
 

Tendances (20)

Listas en prolog
Listas en prologListas en prolog
Listas en prolog
 
Estructura de Datos, Multilistas
Estructura de Datos, MultilistasEstructura de Datos, Multilistas
Estructura de Datos, Multilistas
 
Programación Orientada a Objetos
Programación Orientada a ObjetosProgramación Orientada a Objetos
Programación Orientada a Objetos
 
Tecnología Orientada a Objetos
Tecnología Orientada a ObjetosTecnología Orientada a Objetos
Tecnología Orientada a Objetos
 
3. Representación del conocimiento y razonamiento.
3. Representación del conocimiento y razonamiento.3. Representación del conocimiento y razonamiento.
3. Representación del conocimiento y razonamiento.
 
Sistemas duros y suaves
Sistemas duros y suavesSistemas duros y suaves
Sistemas duros y suaves
 
Representación del Conocimiento
Representación del ConocimientoRepresentación del Conocimiento
Representación del Conocimiento
 
La organización como sistema, teoría general de sistemas (tgs) y sistemas de ...
La organización como sistema, teoría general de sistemas (tgs) y sistemas de ...La organización como sistema, teoría general de sistemas (tgs) y sistemas de ...
La organización como sistema, teoría general de sistemas (tgs) y sistemas de ...
 
Teoría general de sistemas
Teoría general de sistemasTeoría general de sistemas
Teoría general de sistemas
 
3.1 Representación de conocimiento mediante reglas.pptx
3.1 Representación de conocimiento mediante reglas.pptx3.1 Representación de conocimiento mediante reglas.pptx
3.1 Representación de conocimiento mediante reglas.pptx
 
Búsqueda no informada - Búsqueda bidireccional
Búsqueda no informada - Búsqueda  bidireccionalBúsqueda no informada - Búsqueda  bidireccional
Búsqueda no informada - Búsqueda bidireccional
 
Archivos Secuenciales Indexados
Archivos Secuenciales IndexadosArchivos Secuenciales Indexados
Archivos Secuenciales Indexados
 
EL PRINCIPIO DE LA ORGANICIDAD
EL PRINCIPIO DE LA ORGANICIDAD EL PRINCIPIO DE LA ORGANICIDAD
EL PRINCIPIO DE LA ORGANICIDAD
 
UNIDAD 2. Teoría General de Sistemas
UNIDAD 2. Teoría General de SistemasUNIDAD 2. Teoría General de Sistemas
UNIDAD 2. Teoría General de Sistemas
 
Bases de Datos Semanticas
Bases de Datos SemanticasBases de Datos Semanticas
Bases de Datos Semanticas
 
HASH Organizacion de Archivos en Bases de Datos
HASH Organizacion de Archivos en Bases de DatosHASH Organizacion de Archivos en Bases de Datos
HASH Organizacion de Archivos en Bases de Datos
 
Estructura de datos
Estructura de datosEstructura de datos
Estructura de datos
 
Teoria general-de-sistemas y ejercicios
Teoria general-de-sistemas y ejerciciosTeoria general-de-sistemas y ejercicios
Teoria general-de-sistemas y ejercicios
 
Introduccion a la teoria general de sistemas
Introduccion a la teoria general de sistemasIntroduccion a la teoria general de sistemas
Introduccion a la teoria general de sistemas
 
3.4 Sintaxis de las reglas de producción.pptx
3.4 Sintaxis de las reglas de producción.pptx3.4 Sintaxis de las reglas de producción.pptx
3.4 Sintaxis de las reglas de producción.pptx
 

Similaire à Representacion de Conocimiento en I.A

Representación del conocimiento
Representación del conocimientoRepresentación del conocimiento
Representación del conocimientohitwinenze
 
Conocimiento Inteligencia Artificial
Conocimiento Inteligencia ArtificialConocimiento Inteligencia Artificial
Conocimiento Inteligencia ArtificialMiguel Medina
 
Representación del Conocimiento en Inteligencia Artificial
Representación del Conocimiento en Inteligencia ArtificialRepresentación del Conocimiento en Inteligencia Artificial
Representación del Conocimiento en Inteligencia Artificialadrrog
 
Representación del Conocimiento en Inteligencia Artificial
Representación del Conocimiento en Inteligencia ArtificialRepresentación del Conocimiento en Inteligencia Artificial
Representación del Conocimiento en Inteligencia ArtificialEsaú SitiOficial
 
Conocimiento en la inteligencia artificial
Conocimiento en la inteligencia artificialConocimiento en la inteligencia artificial
Conocimiento en la inteligencia artificialarianny lopez
 
Representación del Conocimiento
Representación del ConocimientoRepresentación del Conocimiento
Representación del Conocimientodansua07
 
El conocimiento en Inteligencia Artificial
El conocimiento en Inteligencia ArtificialEl conocimiento en Inteligencia Artificial
El conocimiento en Inteligencia Artificialwarrionet
 
Inteligencia artificial. Representacion del Conocimiento
Inteligencia artificial. Representacion del ConocimientoInteligencia artificial. Representacion del Conocimiento
Inteligencia artificial. Representacion del Conocimientoclaudiarussos
 
Mecanismo de representación del conocimiento artificial
Mecanismo de representación del conocimiento artificial Mecanismo de representación del conocimiento artificial
Mecanismo de representación del conocimiento artificial GerimarAndrade
 
Sem.investigac.encuentro 3. matrices de datos
Sem.investigac.encuentro 3. matrices de datosSem.investigac.encuentro 3. matrices de datos
Sem.investigac.encuentro 3. matrices de datosAny Multirubro
 
El desarrollo de habilidades del pensamiento
El desarrollo de habilidades del pensamientoEl desarrollo de habilidades del pensamiento
El desarrollo de habilidades del pensamientoMarco Antonio López
 
Ccnn deber para el jueves
Ccnn deber para el juevesCcnn deber para el jueves
Ccnn deber para el juevesjustin bieber
 
Tema iv organización lógica.1 b
Tema iv organización lógica.1 b Tema iv organización lógica.1 b
Tema iv organización lógica.1 b Di Delphis
 

Similaire à Representacion de Conocimiento en I.A (20)

Representación del conocimiento
Representación del conocimientoRepresentación del conocimiento
Representación del conocimiento
 
Conocimiento Inteligencia Artificial
Conocimiento Inteligencia ArtificialConocimiento Inteligencia Artificial
Conocimiento Inteligencia Artificial
 
Representación del Conocimiento en Inteligencia Artificial
Representación del Conocimiento en Inteligencia ArtificialRepresentación del Conocimiento en Inteligencia Artificial
Representación del Conocimiento en Inteligencia Artificial
 
Cap 3
Cap 3Cap 3
Cap 3
 
Representación del Conocimiento en Inteligencia Artificial
Representación del Conocimiento en Inteligencia ArtificialRepresentación del Conocimiento en Inteligencia Artificial
Representación del Conocimiento en Inteligencia Artificial
 
Conocimiento en la inteligencia artificial
Conocimiento en la inteligencia artificialConocimiento en la inteligencia artificial
Conocimiento en la inteligencia artificial
 
Representación del Conocimiento
Representación del ConocimientoRepresentación del Conocimiento
Representación del Conocimiento
 
El conocimiento en Inteligencia Artificial
El conocimiento en Inteligencia ArtificialEl conocimiento en Inteligencia Artificial
El conocimiento en Inteligencia Artificial
 
Inteligencia artificial. Representacion del Conocimiento
Inteligencia artificial. Representacion del ConocimientoInteligencia artificial. Representacion del Conocimiento
Inteligencia artificial. Representacion del Conocimiento
 
Inteligencia Artificial
Inteligencia ArtificialInteligencia Artificial
Inteligencia Artificial
 
Mecanismo de representación del conocimiento artificial
Mecanismo de representación del conocimiento artificial Mecanismo de representación del conocimiento artificial
Mecanismo de representación del conocimiento artificial
 
Conocimiento en Inteligencia Artificial
Conocimiento en Inteligencia ArtificialConocimiento en Inteligencia Artificial
Conocimiento en Inteligencia Artificial
 
Trabajo Modulo 5
Trabajo Modulo 5Trabajo Modulo 5
Trabajo Modulo 5
 
Representacion del conocimiento Edwin Mogollon
Representacion del conocimiento Edwin MogollonRepresentacion del conocimiento Edwin Mogollon
Representacion del conocimiento Edwin Mogollon
 
Sem.investigac.encuentro 3. matrices de datos
Sem.investigac.encuentro 3. matrices de datosSem.investigac.encuentro 3. matrices de datos
Sem.investigac.encuentro 3. matrices de datos
 
El desarrollo de habilidades del pensamiento
El desarrollo de habilidades del pensamientoEl desarrollo de habilidades del pensamiento
El desarrollo de habilidades del pensamiento
 
Ccnn deber para el jueves
Ccnn deber para el juevesCcnn deber para el jueves
Ccnn deber para el jueves
 
Representación del conocimiento
Representación del conocimientoRepresentación del conocimiento
Representación del conocimiento
 
Tema iv organización lógica.1 b
Tema iv organización lógica.1 b Tema iv organización lógica.1 b
Tema iv organización lógica.1 b
 
Gestion del conocimiento
Gestion del conocimientoGestion del conocimiento
Gestion del conocimiento
 

Plus de Jose Miguel Torres Mendoza (8)

Diseño de software
Diseño de softwareDiseño de software
Diseño de software
 
Diseño de software
Diseño de softwareDiseño de software
Diseño de software
 
Mantenimiento de sistemas
Mantenimiento de sistemasMantenimiento de sistemas
Mantenimiento de sistemas
 
Calidad de software
Calidad de softwareCalidad de software
Calidad de software
 
Auditoria de sistemas
Auditoria de sistemasAuditoria de sistemas
Auditoria de sistemas
 
Diseño del proyecto sistemas II
Diseño del proyecto sistemas IIDiseño del proyecto sistemas II
Diseño del proyecto sistemas II
 
Arboles
ArbolesArboles
Arboles
 
Arboles
ArbolesArboles
Arboles
 

Dernier

4.3 Subestaciones eléctricas componentes principales .pptx
4.3 Subestaciones eléctricas componentes principales .pptx4.3 Subestaciones eléctricas componentes principales .pptx
4.3 Subestaciones eléctricas componentes principales .pptxEfrain Yungan
 
MEC. FLUIDOS - Análisis Diferencial del Movimiento de un Fluido -GRUPO5 sergi...
MEC. FLUIDOS - Análisis Diferencial del Movimiento de un Fluido -GRUPO5 sergi...MEC. FLUIDOS - Análisis Diferencial del Movimiento de un Fluido -GRUPO5 sergi...
MEC. FLUIDOS - Análisis Diferencial del Movimiento de un Fluido -GRUPO5 sergi...Arquitecto Alejandro Gomez cornejo muñoz
 
1. Cap. 4 Carga Axial (1).pdf237374335347
1. Cap. 4 Carga Axial (1).pdf2373743353471. Cap. 4 Carga Axial (1).pdf237374335347
1. Cap. 4 Carga Axial (1).pdf237374335347vd110501
 
Introduccion-a-los-tipos-de-cemento (1).pdf
Introduccion-a-los-tipos-de-cemento (1).pdfIntroduccion-a-los-tipos-de-cemento (1).pdf
Introduccion-a-los-tipos-de-cemento (1).pdfjhorbycoralsanchez
 
MUROS Y CONEXIONES NTC 2017 CONCRETO REFORZADO.pptx
MUROS Y CONEXIONES NTC 2017 CONCRETO REFORZADO.pptxMUROS Y CONEXIONES NTC 2017 CONCRETO REFORZADO.pptx
MUROS Y CONEXIONES NTC 2017 CONCRETO REFORZADO.pptxIcelaMartnezVictorin
 
trabajos en altura 2024, sistemas de contencion anticaidas
trabajos en altura 2024, sistemas de contencion anticaidastrabajos en altura 2024, sistemas de contencion anticaidas
trabajos en altura 2024, sistemas de contencion anticaidasNelsonQuispeQuispitu
 
CFRD simplified sequence for Mazar Hydroelectric Project
CFRD simplified sequence for Mazar Hydroelectric ProjectCFRD simplified sequence for Mazar Hydroelectric Project
CFRD simplified sequence for Mazar Hydroelectric ProjectCarlos Delgado
 
3.3 Tipos de conexiones en los transformadores trifasicos.pdf
3.3 Tipos de conexiones en los transformadores trifasicos.pdf3.3 Tipos de conexiones en los transformadores trifasicos.pdf
3.3 Tipos de conexiones en los transformadores trifasicos.pdfRicardoRomeroUrbano
 
594305198-OPCIONES-TARIFARIAS-Y-CONDICIONES-DE-APLICACION-DE-TARIFAS-A-USUARI...
594305198-OPCIONES-TARIFARIAS-Y-CONDICIONES-DE-APLICACION-DE-TARIFAS-A-USUARI...594305198-OPCIONES-TARIFARIAS-Y-CONDICIONES-DE-APLICACION-DE-TARIFAS-A-USUARI...
594305198-OPCIONES-TARIFARIAS-Y-CONDICIONES-DE-APLICACION-DE-TARIFAS-A-USUARI...humberto espejo
 
JimyPomalaza vivienda rural huancavelica .pdf
JimyPomalaza vivienda rural huancavelica .pdfJimyPomalaza vivienda rural huancavelica .pdf
JimyPomalaza vivienda rural huancavelica .pdfJimyPomalaza
 
Proyecto de Base de Datos de César Guzmán
Proyecto de Base de Datos de César GuzmánProyecto de Base de Datos de César Guzmán
Proyecto de Base de Datos de César Guzmáncesarguzmansierra751
 
METROLOGÍA ÓPTICA E INSTRUMENTACIÓN BÁSICA.pdf
METROLOGÍA ÓPTICA E INSTRUMENTACIÓN BÁSICA.pdfMETROLOGÍA ÓPTICA E INSTRUMENTACIÓN BÁSICA.pdf
METROLOGÍA ÓPTICA E INSTRUMENTACIÓN BÁSICA.pdfesparzadaniela548
 
5.1 MATERIAL COMPLEMENTARIO Sesión 02.pptx
5.1 MATERIAL COMPLEMENTARIO Sesión 02.pptx5.1 MATERIAL COMPLEMENTARIO Sesión 02.pptx
5.1 MATERIAL COMPLEMENTARIO Sesión 02.pptxNayeliZarzosa1
 
Descubrimiento de la penicilina en la segunda guerra mundial
Descubrimiento de la penicilina en la segunda guerra mundialDescubrimiento de la penicilina en la segunda guerra mundial
Descubrimiento de la penicilina en la segunda guerra mundialyajhairatapia
 
Centro Integral del Transporte de Metro de Madrid (CIT). Premio COAM 2023
Centro Integral del Transporte de Metro de Madrid (CIT). Premio COAM 2023Centro Integral del Transporte de Metro de Madrid (CIT). Premio COAM 2023
Centro Integral del Transporte de Metro de Madrid (CIT). Premio COAM 2023ANDECE
 
Topografía 1 Nivelación y Carretera en la Ingenierías
Topografía 1 Nivelación y Carretera en la IngenieríasTopografía 1 Nivelación y Carretera en la Ingenierías
Topografía 1 Nivelación y Carretera en la IngenieríasSegundo Silva Maguiña
 
Edificio residencial Becrux en Madrid. Fachada de GRC
Edificio residencial Becrux en Madrid. Fachada de GRCEdificio residencial Becrux en Madrid. Fachada de GRC
Edificio residencial Becrux en Madrid. Fachada de GRCANDECE
 
LIQUIDACION OBRAS PUBLICAS POR CONTRATA.pdf
LIQUIDACION OBRAS PUBLICAS  POR CONTRATA.pdfLIQUIDACION OBRAS PUBLICAS  POR CONTRATA.pdf
LIQUIDACION OBRAS PUBLICAS POR CONTRATA.pdfManuelVillarreal44
 
lean manufacturing and its definition for industries
lean manufacturing and its definition for industrieslean manufacturing and its definition for industries
lean manufacturing and its definition for industriesbarom
 

Dernier (20)

4.3 Subestaciones eléctricas componentes principales .pptx
4.3 Subestaciones eléctricas componentes principales .pptx4.3 Subestaciones eléctricas componentes principales .pptx
4.3 Subestaciones eléctricas componentes principales .pptx
 
MEC. FLUIDOS - Análisis Diferencial del Movimiento de un Fluido -GRUPO5 sergi...
MEC. FLUIDOS - Análisis Diferencial del Movimiento de un Fluido -GRUPO5 sergi...MEC. FLUIDOS - Análisis Diferencial del Movimiento de un Fluido -GRUPO5 sergi...
MEC. FLUIDOS - Análisis Diferencial del Movimiento de un Fluido -GRUPO5 sergi...
 
1. Cap. 4 Carga Axial (1).pdf237374335347
1. Cap. 4 Carga Axial (1).pdf2373743353471. Cap. 4 Carga Axial (1).pdf237374335347
1. Cap. 4 Carga Axial (1).pdf237374335347
 
Introduccion-a-los-tipos-de-cemento (1).pdf
Introduccion-a-los-tipos-de-cemento (1).pdfIntroduccion-a-los-tipos-de-cemento (1).pdf
Introduccion-a-los-tipos-de-cemento (1).pdf
 
MUROS Y CONEXIONES NTC 2017 CONCRETO REFORZADO.pptx
MUROS Y CONEXIONES NTC 2017 CONCRETO REFORZADO.pptxMUROS Y CONEXIONES NTC 2017 CONCRETO REFORZADO.pptx
MUROS Y CONEXIONES NTC 2017 CONCRETO REFORZADO.pptx
 
trabajos en altura 2024, sistemas de contencion anticaidas
trabajos en altura 2024, sistemas de contencion anticaidastrabajos en altura 2024, sistemas de contencion anticaidas
trabajos en altura 2024, sistemas de contencion anticaidas
 
CFRD simplified sequence for Mazar Hydroelectric Project
CFRD simplified sequence for Mazar Hydroelectric ProjectCFRD simplified sequence for Mazar Hydroelectric Project
CFRD simplified sequence for Mazar Hydroelectric Project
 
presentación manipulación manual de cargas sunafil
presentación manipulación manual de cargas sunafilpresentación manipulación manual de cargas sunafil
presentación manipulación manual de cargas sunafil
 
3.3 Tipos de conexiones en los transformadores trifasicos.pdf
3.3 Tipos de conexiones en los transformadores trifasicos.pdf3.3 Tipos de conexiones en los transformadores trifasicos.pdf
3.3 Tipos de conexiones en los transformadores trifasicos.pdf
 
594305198-OPCIONES-TARIFARIAS-Y-CONDICIONES-DE-APLICACION-DE-TARIFAS-A-USUARI...
594305198-OPCIONES-TARIFARIAS-Y-CONDICIONES-DE-APLICACION-DE-TARIFAS-A-USUARI...594305198-OPCIONES-TARIFARIAS-Y-CONDICIONES-DE-APLICACION-DE-TARIFAS-A-USUARI...
594305198-OPCIONES-TARIFARIAS-Y-CONDICIONES-DE-APLICACION-DE-TARIFAS-A-USUARI...
 
JimyPomalaza vivienda rural huancavelica .pdf
JimyPomalaza vivienda rural huancavelica .pdfJimyPomalaza vivienda rural huancavelica .pdf
JimyPomalaza vivienda rural huancavelica .pdf
 
Proyecto de Base de Datos de César Guzmán
Proyecto de Base de Datos de César GuzmánProyecto de Base de Datos de César Guzmán
Proyecto de Base de Datos de César Guzmán
 
METROLOGÍA ÓPTICA E INSTRUMENTACIÓN BÁSICA.pdf
METROLOGÍA ÓPTICA E INSTRUMENTACIÓN BÁSICA.pdfMETROLOGÍA ÓPTICA E INSTRUMENTACIÓN BÁSICA.pdf
METROLOGÍA ÓPTICA E INSTRUMENTACIÓN BÁSICA.pdf
 
5.1 MATERIAL COMPLEMENTARIO Sesión 02.pptx
5.1 MATERIAL COMPLEMENTARIO Sesión 02.pptx5.1 MATERIAL COMPLEMENTARIO Sesión 02.pptx
5.1 MATERIAL COMPLEMENTARIO Sesión 02.pptx
 
Descubrimiento de la penicilina en la segunda guerra mundial
Descubrimiento de la penicilina en la segunda guerra mundialDescubrimiento de la penicilina en la segunda guerra mundial
Descubrimiento de la penicilina en la segunda guerra mundial
 
Centro Integral del Transporte de Metro de Madrid (CIT). Premio COAM 2023
Centro Integral del Transporte de Metro de Madrid (CIT). Premio COAM 2023Centro Integral del Transporte de Metro de Madrid (CIT). Premio COAM 2023
Centro Integral del Transporte de Metro de Madrid (CIT). Premio COAM 2023
 
Topografía 1 Nivelación y Carretera en la Ingenierías
Topografía 1 Nivelación y Carretera en la IngenieríasTopografía 1 Nivelación y Carretera en la Ingenierías
Topografía 1 Nivelación y Carretera en la Ingenierías
 
Edificio residencial Becrux en Madrid. Fachada de GRC
Edificio residencial Becrux en Madrid. Fachada de GRCEdificio residencial Becrux en Madrid. Fachada de GRC
Edificio residencial Becrux en Madrid. Fachada de GRC
 
LIQUIDACION OBRAS PUBLICAS POR CONTRATA.pdf
LIQUIDACION OBRAS PUBLICAS  POR CONTRATA.pdfLIQUIDACION OBRAS PUBLICAS  POR CONTRATA.pdf
LIQUIDACION OBRAS PUBLICAS POR CONTRATA.pdf
 
lean manufacturing and its definition for industries
lean manufacturing and its definition for industrieslean manufacturing and its definition for industries
lean manufacturing and its definition for industries
 

Representacion de Conocimiento en I.A

  • 1. José M. Torres C.I 19.106.680
  • 2. El conocer es un hecho primario, espontáneo e instintivo, y por ello no puede ser definido estrictamente. Se podría describir como un ponerse en contacto con el ser, con el mundo y con el yo; también podríamos decir que es un proceso en el que están vinculados estrechamente las operaciones y procedimientos mentales, subjetivos, con las operaciones y formas de actividad objetivas prácticas, aplicadas a los objetos.
  • 3. El conocer se caracteriza como una presencia del objeto frente al objeto: el sujeto se posesiona en cierta forma del objeto, lo capta y lo hace suyo, reproduciéndolo de tal manera que responda lo más fielmente posible a la realidad misma del objeto. Por medio de esta reproducción, se tiene la imagen, no física como sería una fotografía, sino psíquica, cognoscible, intencional.
  • 4.  Cobertura, significa que la representación del conocimiento cubre la información en anchura y profundidad.  Comprensible por humanos. La representación del conocimiento es vista como un lenguaje natural, así que la lógica debería fluir libremente.  Consistencia. Siendo consistente, la representación del conocimiento puede eliminar conocimiento redundante o conflictivo.  Eficiencia.  Facilidad de modificación y actualización.  Soporte de la actividad inteligente que usa la base de conocimiento
  • 5.  Cobertura, significa que la representación del conocimiento cubre la información en anchura y profundidad.  Comprensible por humanos. La representación del conocimiento es vista como un lenguaje natural, así que la lógica debería fluir libremente.  Consistencia. Siendo consistente, la representación del conocimiento puede eliminar conocimiento redundante o conflictivo.  Eficiencia.  Facilidad de modificación y actualización.  Soporte de la actividad inteligente que usa la base de conocimiento
  • 7. Para representar algo necesitamos saber su forma o estructura: Que uso le dan los seres inteligentes Que uso le dará una inteligencia artificial Como adquirir el conocimiento Como almacenarlo y manipularlo.
  • 8.  Conocimiento Declarativo  Conocimiento Procedimental  Conocimiento Heurístico Conocimiento Declarativo: Son hechos sobre objetos o situaciones. Posee mayor capacidad expresiva, menor capacidad creativa o computacional. es conocimiento pasivo, expresado como sentencias acerca de los hechos del mundo que nos rodea. La información personal en una base de datos es un típico ejemplo de conocimiento declarativo. Tales tipos de datos son piezas explícitas de conocimiento independiente.
  • 9. El conocimiento declarativo puede ser representado con modelos relacionales y esquemas basados en lógica. Los modelos relacionales pueden representar el conocimiento en forma de árboles, grafos o redes semánticas. Los esquemas de representación lógica incluyen el uso de lógica proposicional y lógica de predicados.
  • 10.  Conocimiento relacional: conjunto de relaciones expresables mediante tablas como en una Base de Datos. Hemos de aportar procedimientos que lo enriquezcan Motor de inferencia: genera conocimiento a partir de información. Ej.: media de compras en una población, mejor cliente, tipología de cliente.  Conocimiento heredable: Estructuración jerárquica del conocimiento taxonomía jerárquica. Se trata de construir un árbol o grafo de conceptos basado en la generalización o especialización  Conocimiento inferible: Conocimiento descrito mediante lógica. Se puede utilizar la semántica de los operadores y el Modus Ponens para inferir nuevo conocimiento.
  • 11. Es aquel conocimiento compilado que se refiere a la forma de realizar una cierta tarea el saber cómo hacerlo. Por ejemplo, los pasos necesarios para resolver una ecuación algebraica son expresados como conocimiento procedimental. Los modelos procedimentales y sus esquemas de representación almacenan conocimiento en la forma de cómo hacer las cosas. Pueden estar caracterizados por gramáticas formales, usualmente implantadas por sistemas o lenguajes procedimentales y sistemas basados en reglas sistemas de producción. Por ejemplo, los pasos necesarios para resolver una ecuación algebraica son expresados como conocimiento procedimental.
  • 12. Es un tipo especial de conocimiento usado por los humanos para resolver problemas complejos. El adjetivo heurístico significa medio para descubrir. Está relacionado con la palabra griega heuriskein que significa descubrir, encontrar. Se entiende por heurístico a un criterio, estrategia, método o truco utilizado para simplificar la solución de problemas.
  • 13.
  • 14. La norma ISO 9241 en su parte número 12 (ISO 9241-12) nos introduce como Etiqueta (Label) “Título descriptivo corto para una entrada o campo de texto de solo lectura, tablas, controles u objeto (…) Etiqueta incluye encabezamientos, campos de aviso, textos descriptivos ejemplo: etiquetas de iconos Al respecto, esta misma norma nos propone algunos consejos: Las etiquetas deben explicar el propósito y el contenido del ítem de información designado.  Las etiquetas deben ser gramaticalmente consistentes.  Las etiquetas deben estar localizadas adyacentemente al ítem de información designado.
  • 15. Son una estructura de datos compleja que representa una situación estereotipada, en la que se organizar el conocimiento como una colección de características comunes al concepto, objeto, situación o sujeto. Características Principales: Precisión: se precisan los objetos, las relaciones entre objetos y sus propiedades; en ausencia de evidencia contraria se usan valores por omisión Activación dinámica de procesos (Triggering): se pueden adjuntar procedimientos a un marco o alguno de sus componentes y ser llamados y ejecutados automáticamente tras la comprobación de cambio de alguna propiedad o valor. Herencia por defecto no-monotónica: los marcos están conceptualmente relacionados, permitiendo que atributos de objetos sean heredados de otros objetos predecesores en la jerarquía Modularidad: la base de conocimiento está organizada en componentes claramente diferenciados
  • 16. Estructura de un Slot: Nombre: Cada slot debe tener un nombre único dentro del frame, pero son propios de cada slot es decir dos o más frames pueden coincidir en los nombres de los slots. Valor del slot: Puede ser asignado inicialmente o estar vacío para añadirle valor en procesos de búsqueda y razonamiento. Procedimientos anexos: Estos son opcionales. If – needed <procedimiento>: significa que antes de obtener el valor del slot respectivo en una consulta, se ejecuta el procedimiento adjunto y solo si tiene éxito se podrá obtener el valor. If – added <procedimiento>: significa que antes de asignarle el valor al respectivo slot, debe ejecutarse con éxito el procedimiento; de otra manera no se realizara acción alguna. If – deleted <procedimiento>: Significa que antes de borrar el valor del slot, debe ejecutarse con éxito el procedimiento; de otra manera no se borrara el valor del slot.
  • 17.
  • 18. Es un método procedimental de representación del conocimiento, pone énfasis en representar y soportar las relaciones inferenciales del algoritmo, en contraposición a los métodos declarativos (hechos). La estructura de una regla es: SI <antecedentes> ENTONCES <consecuentes>
  • 19. Están basadas en la idea de que los objetos o los conceptos pueden ser unidos por alguna relación. Estas relaciones se representan usando una liga que conecte dos conceptos. Los nodos y las ligas pueden ser cualquier cosa, dependiendo de la situación a modelar. Una relación muy común que une a dos conceptos es la relación es-un: A es-un B, la cual significa que A es un concepto menos general que B. Ejemplo: X es-un humano es-un animal Existen otras relaciones comunes, como: Tiene, es, causa, etc. Más aparte las que pudiera definir el modelador de la red semántica.
  • 20.
  • 21.  Captar generalizaciones.  Ser comprensible.  Fácilmente modificable, incrementable. Ser usado en diversas situaciones y propósitos.  Permitir diversos grados de detalle.  Captar la incertidumbre, imprecisión.  Representar distinciones importantes.  Focalizar el conocimiento relevante.