00-1-Introduccion a AI.pdf - Departamento de Ciencias e Ingeniería ...
00-1-Introduccion a AI.pdf - Departamento de Ciencias e Ingeniería ...
00-1-Introduccion a AI.pdf - Departamento de Ciencias e Ingeniería ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
AArgumentation t ti<br />
in Artificial Intelligence:<br />
Theoretical Foundations and<br />
Technological Applications<br />
Carlos Chesñevar & Guillermo Simari<br />
CONICET and Laboratory of R&D in A.I.<br />
Department of Computer Science and<br />
Engineering<br />
Universidad Nacional <strong>de</strong>l Sur<br />
Bahía Blanca, Argentina
¿Qué Q é es<br />
Inteligencia?
¿Qué es Inteligencia?<br />
(1) La habilidad <strong>de</strong> manejarse en situaciones nuevas<br />
<strong>de</strong> manera exitosa ajustando el comportamiento.<br />
(2) La habilidad <strong>de</strong> percibir las interrelaciones entre<br />
los hechos en fforma<br />
tal <strong>de</strong> guiar la acción hacia una<br />
meta <strong>de</strong>seada.<br />
(Diccionario)<br />
La primera <strong>de</strong> las frases pue<strong>de</strong> asociarse con la i<strong>de</strong>a<br />
<strong>de</strong> “aprendizaje” aprendizaje y la segunda con “resolución resolución <strong>de</strong><br />
problemas”, “comportamiento orientado a las metas” o<br />
“comprensión”. p<br />
Sin embargo, parecería haber más que <strong>de</strong>cir acerca<br />
<strong>de</strong> la Inteligencia.<br />
3
¿Qué es Inteligencia?<br />
Es la facultad o habilidad <strong>de</strong> comprehen<strong>de</strong>r y razonar<br />
con hechos, verda<strong>de</strong>s o proposiciones. Racionalidad.<br />
(Diccionario)<br />
La inteligencia es la parte computacional <strong>de</strong> la<br />
habilidad <strong>de</strong> lograr alcanzar metas en el mundo.<br />
(J (John h MMcCarthy) C th )<br />
“Enten<strong>de</strong>mos los procesos mentales humanos<br />
apenas mejor que lo que un pez entien<strong>de</strong> los<br />
procesos involucrados en la natación”.<br />
(John McCarthy)<br />
¿?<br />
4
¿Qué es Inteligencia?<br />
<br />
<br />
<br />
El “paseo <strong>de</strong>l caballo” consiste en recorrer todo el tablero<br />
comenzando <strong>de</strong>s<strong>de</strong> una esquina y visitando las casillas<br />
utilizando tili d movidas id llegales l d<strong>de</strong>l l caballo.<br />
b ll<br />
<br />
5
¿Qué es Inteligencia?<br />
¿Es posible cubrir el tablero con piezas <strong>de</strong> dominó?<br />
6
¿Qué es Inteligencia?<br />
Y ahora, ¿es posible cubrir el tablero con piezas <strong>de</strong> dominó?<br />
7
Atributos <strong>de</strong> una Entidad Inteligente<br />
Actitu<strong>de</strong>s mentales (creencias, <strong>de</strong>seos, intenciones)<br />
Aprendizaje (capacidad <strong>de</strong> adquirir conocimiento nuevo)<br />
Capacidad para resolver problemas, incluyendo la<br />
hhabilidad bilid d d<strong>de</strong> d<strong>de</strong>scomponer problemas bl complejos l j en<br />
otros más simples.<br />
Comprensión (incluyendo la habilidad <strong>de</strong> para encontrar<br />
sentido en información ambigua o contradictoria).<br />
Capacidad <strong>de</strong> planear y pre<strong>de</strong>cir las consecuencias <strong>de</strong><br />
las acciones consi<strong>de</strong>radas (incluyendo la habilidad para<br />
evaluar y comparar p alternativas). )<br />
Compren<strong>de</strong>r los límites <strong>de</strong> su conocimiento y<br />
habilida<strong>de</strong>s.<br />
8
Atributos <strong>de</strong> una Entidad Inteligente<br />
Po<strong>de</strong>r distinguir entre situaciones similares. similares<br />
Ser original, po<strong>de</strong>r sintetizar conceptos e i<strong>de</strong>as nuevas<br />
y po<strong>de</strong>r d d<strong>de</strong>sarrollar ll y emplear l analogías. l í<br />
Generalizar, es <strong>de</strong>cir ser capaz <strong>de</strong> encontrar un patrón<br />
subyacente común en un conjunto <strong>de</strong> situaciones<br />
aparentemente distintas.<br />
Percibir y mo<strong>de</strong>lar el mundo.<br />
Compren<strong>de</strong>r y utilizar lenguaje y otras herramientas<br />
simbólicas.<br />
9
Teorías <strong>de</strong> Inteligencia<br />
Una Teoría <strong>de</strong> Inteligencia se refiere a la i<strong>de</strong>ntificación <strong>de</strong><br />
los principales componentes in<strong>de</strong>pendientes <strong>de</strong>l<br />
comportamiento inteligente.<br />
A partir <strong>de</strong> esta i<strong>de</strong>ntificación se <strong>de</strong>termina la importancia<br />
<strong>de</strong> los componentes <strong>de</strong> los mecanismos <strong>de</strong>l<br />
comportamiento p inteligente g se <strong>de</strong>termina la importancia p<br />
<strong>de</strong> cada uno y las interacciones entre el mecanismo y<br />
Conocimiento Co oc e o necesario ecesa o pa para a eel co comportamiento<br />
po a e o<br />
Representación <strong>de</strong> ese conocimiento<br />
Procesos requeridos para efectivizarlo<br />
Metas <strong>de</strong>l comportamiento.<br />
A continuación se mencionan algunos tipos <strong>de</strong> Teorías <strong>de</strong><br />
Inteligencia.<br />
10
Teorías <strong>de</strong> Inteligencia<br />
Teorías <strong>de</strong> Desempeño: ¿Como pue<strong>de</strong> testearse la<br />
presencia y/o grado <strong>de</strong> inteligencia? inteligencia?, ¿Cuáles son los<br />
componentes funcionales esenciales <strong>de</strong> un sistema<br />
capáz p <strong>de</strong> exhibir inteligencia? g<br />
Teorías Estructurales/Funcionales: ¿Cuáles son los<br />
mecanismos por los que pue<strong>de</strong> lograrse inteligencia?<br />
Teorías Contextuales: ¿Cuál es la relación entre el<br />
comportamiento inteligente y el entorno con el que la<br />
entidad inteligente <strong>de</strong>be conten<strong>de</strong>r?<br />
Teorías Existenciales: ¿Cuáles son las condiciones<br />
necesarias y/o suficientes para producir<br />
comportamiento inteligente?<br />
11
Racionalidad<br />
Racional:<br />
1. Fundado o ajustado a la Razón.<br />
22. Dotado <strong>de</strong> Razón Razón.<br />
Razón:<br />
11. Facultad <strong>de</strong> discurrir (pensar). (pensar)<br />
2. Argumento que tien<strong>de</strong> a justificar una cosa.<br />
33. Causa o motivo motivo.<br />
4. Facultad por la que la persona conoce, or<strong>de</strong>na sus<br />
experiencias experiencias, ten<strong>de</strong>ncias y conducta en su relación<br />
con la totalidad <strong>de</strong> lo real.<br />
12
Conocimiento<br />
Acción o efecto <strong>de</strong> conocer conocer.<br />
Entendimiento, Inteligencia, Razón<br />
natural.<br />
Conciencia <strong>de</strong> la propia existencia.<br />
Noción, Ciencia, Sabiduría.<br />
Relaciones conocidas.<br />
Verdad aprehendida.<br />
aprehendida<br />
Lo contrario <strong>de</strong> opinión.<br />
13
Epistemología y Ontología<br />
Epistemología (griego: Epistéme, Conocimiento +<br />
LLogos, TTeoría): í ) Teoría T í <strong>de</strong>l d l Conocimiento.<br />
C i i t<br />
• Rama <strong>de</strong> la Filosofía que estudia el origen, la<br />
estructura, los métodos y la vali<strong>de</strong>z <strong>de</strong>l<br />
conocimiento.<br />
• Sistema que explica las relaciones entre el<br />
pensamiento y los objetos, y entre el hombre y el<br />
mundo. d<br />
Ontología (Del griego Ontos (ὄν, ὄντος), el ser, y -logía,<br />
Logos, Teoría):<br />
• Rama <strong>de</strong> la Filosofía que estudia el ente (lo ( que es) )<br />
en cuanto a tal y <strong>de</strong> sus propieda<strong>de</strong>s transcentales.<br />
14
Racionalidad<br />
La visión filosófica se inclina a estudiar el problema<br />
<strong>de</strong>s<strong>de</strong> el punto <strong>de</strong> vista <strong>de</strong> producir estándares <strong>de</strong><br />
racionalidad, y a partir p <strong>de</strong> ellos comparar p como los<br />
seres humanos piensan con la forma como <strong>de</strong>berían<br />
pensar.<br />
Una visión ingenieril propone tomar una postura <strong>de</strong><br />
diseño en la que la racionalidad surge <strong>de</strong> proponer<br />
una solución a ciertos problemas <strong>de</strong> diseño.<br />
Una visión <strong>de</strong> teoría <strong>de</strong> la <strong>de</strong>cisión propone p p qque<br />
la<br />
racionalidad surge al actuar con el objetivo <strong>de</strong><br />
maximizar la utilidad esperada.<br />
15
Entonces ¿qué es Inteligencia Artificial?<br />
Resulta muy difícil lograr una <strong>de</strong>finición precisa <strong>de</strong>l<br />
objeto bj t d<strong>de</strong> estudio t di y esto t por sí í mismo i resulta lt en un<br />
atractivo para este campo <strong>de</strong> la ciencia.<br />
El problema bl <strong>de</strong> d la l d<strong>de</strong>finición fi i ió tiene, i al l menos, ddos<br />
partes:<br />
• La calidad <strong>de</strong> ser Artificial<br />
• La Inteligencia que se <strong>de</strong>be lograr<br />
Será Artificial por ser un producto <strong>de</strong> la creación<br />
artesanal humana.<br />
La Inteligencia así producida será Artificial en<br />
oposición a la Inteligencia producida en forma Natural.<br />
16
El Problema<br />
<strong>de</strong> la<br />
Definición
¿Qué es Inteligencia Artificial?<br />
Es la Ciencia e <strong>Ingeniería</strong> <strong>de</strong> construir artefactos<br />
inteligentes inteligentes, en especial programas inteligentes <strong>de</strong><br />
computadora.<br />
Por analogía, se relaciona con el uso <strong>de</strong> computadoras<br />
para enten<strong>de</strong>r la inteligencia humana por medio <strong>de</strong> la<br />
simulación simulación, pero la IA no tiene que limitarse a métodos<br />
que sean biológicamente observables.<br />
What is ArtificiaI Intelligence?<br />
JJohn h MMcCarthy C th<br />
http://www-formal.stanford.edu/jmc/<br />
John McCarthy<br />
18
¿Qué es Inteligencia Artificial?<br />
Es el estudio <strong>de</strong> los procesos computacionales que<br />
hacen posible percibir, razonar y actuar.<br />
Patrick Winston<br />
Es el estudio <strong>de</strong> como lograr que las máquinas<br />
hagan g cosas qque ppor<br />
el momento los seres<br />
humanos hacen mejor.<br />
Elaine Rich, Kevin Knight<br />
Es la rama <strong>de</strong> las <strong>Ciencias</strong> <strong>de</strong> la Computación que<br />
se ocupa <strong>de</strong> la automatización <strong>de</strong>l comportamiento<br />
iinteligente. t li t<br />
George Luger, William Stubblefield<br />
19
Pensar Racionalmente<br />
Se consi<strong>de</strong>ra que q el ppensamiento es ggobernado ppor<br />
leyes formales.<br />
Aristóteles parece haber sido el primero en<br />
intentar codificar el “pensamiento correcto”.<br />
Para él, “pensar” es un proceso y este<br />
proceso pue<strong>de</strong> ser formalizado.<br />
De hecho, esta forma <strong>de</strong> ver al<br />
pensamiento ha alimentado primero el<br />
progreso <strong>de</strong> la Lógica y luego el <strong>de</strong> las<br />
<strong>Ciencias</strong> <strong>de</strong> la Computación.<br />
Aristoteles (384-322 ac)<br />
20
Pensar Racionalmente<br />
Gottfried Wilhelm Leibniz<br />
(1646-1716)<br />
Hilbert, David<br />
(1862-1943)<br />
Bertrand Russell<br />
(1872-1970)<br />
Carnap, Rudolf<br />
(1891-1970)<br />
21
Pensar Racionalmente<br />
EEn 1854 1854, GG.Boole B l publicó bli ó un ttrabajo b j seminal i l en<br />
Lógica Matemática titulado “An Investigation of the<br />
Laws of Thought on Which Are Foun<strong>de</strong>d the<br />
Mathematical Theories of Logic and Probabilities”.<br />
Este trabajo dió un impulso<br />
enorme al tratamiento formal <strong>de</strong><br />
la Lógica.<br />
George Boole<br />
(1815-1864)<br />
22
Lograr g<br />
Inteligencia<br />
Atifi Artificial<br />
i l
Inteligencia Artificial<br />
¿Inteligencia Artificial Artificial o Sintética?<br />
• Artificial sugiere algo cuya calidad es diferente <strong>de</strong><br />
lo natural (Corazón Artificial)<br />
• Sintético solo sugiere algo manufacturado<br />
(Perla <strong>de</strong> Cultivo)<br />
Una analogía sugerente:<br />
Máquinas voladoras y<br />
Máquinas q ppensantes<br />
24
Inteligencia Artificial<br />
Se distinguen dos metas que se entrelazan fuertemente:<br />
La Meta Científica <strong>de</strong> <strong>de</strong>terminar cuales son las i<strong>de</strong>as y<br />
principios para la Representación <strong>de</strong> Conocimiento,<br />
para el uso <strong>de</strong>l Conocimiento y para el ensamblaje <strong>de</strong><br />
Sistemas que explican los diversos tipos <strong>de</strong><br />
Inteligencia<br />
Inteligencia.<br />
La Meta Ingenieríl <strong>de</strong> resolver problemas en el mundo<br />
real usando herramientas <strong>de</strong> IA para la Representación<br />
<strong>de</strong> Conocimiento, para el uso <strong>de</strong>l Conocimiento y para<br />
el ensamblaje <strong>de</strong> Sistemas en el mundo real (Artefactos<br />
útiles, inteligentes).<br />
25
Inteligencia Artificial<br />
¿Inteligencia Computacional?<br />
Esta <strong>de</strong>nominación claramente hace explicito un<br />
Propósito y una Metodología.<br />
El propósito es enten<strong>de</strong>r como es posible producir<br />
comportamiento inteligente.<br />
LLa metodología t d l í es di diseñar, ñ construir t i y experimentar i t<br />
con Sistemas Computacionales que realicen tareas<br />
que se consi<strong>de</strong>ran inteligentes<br />
inteligentes.<br />
26
Inteligencia Computacional<br />
Se aceptan dos supuestos fundamentales:<br />
La hipótesis <strong>de</strong>l Sistema <strong>de</strong> Símbolos Físicos:<br />
1. La condición necesaria y suficiente para que<br />
un Sistema Físico exhiba actividad inteligente<br />
es que sea un Sistema <strong>de</strong> Símbolos Físicos Físicos.<br />
A. Newell y H. Simon (1976)<br />
La Tesis <strong>de</strong> Church-Turing:<br />
22. Cualquier manipulación algorítmica <strong>de</strong><br />
símbolos pue<strong>de</strong> realizarse sobre una Máquina<br />
<strong>de</strong> Turing.<br />
27
Inteligencia Computacional<br />
Observemos que la máquina <strong>de</strong> Turing es el mo<strong>de</strong>lo<br />
teórico ói d<strong>de</strong> llas computadoras d actuales. l<br />
Luego, aceptando la Tesis <strong>de</strong> Church-Turing,<br />
Church Turing,<br />
cualquier clase <strong>de</strong> manipulación <strong>de</strong> símbolos pue<strong>de</strong><br />
realizarse en una computadora.<br />
(<strong>de</strong> tamaño apropiado)<br />
Así la conjunción <strong>de</strong> los supuestos (1) y (2)<br />
implicará que cualquier clase actividad inteligente<br />
pue<strong>de</strong> realizarse en una computadora.<br />
(<strong>de</strong> tamaño apropiado)<br />
Es <strong>de</strong>cir, <strong>de</strong>cir la inteligencia es algorítmica algorítmica.<br />
28
Inteligencia Computacional<br />
Es interesante remarcar que la afirmación<br />
prece<strong>de</strong>nte no es formalmente <strong>de</strong>mostrable<br />
dado que se funda en supuestos que no<br />
son en si mismos <strong>de</strong>mostrables.<br />
Al aceptar esos supuestos se condiciona <strong>de</strong><br />
fuertemente la forma <strong>de</strong> resolver el<br />
problema <strong>de</strong> lograr razonamiento<br />
inteligente.<br />
29
Inteligencia Computacional<br />
¿Cuáles son las consecuencias <strong>de</strong> esta<br />
visión computacional <strong>de</strong>l razonamiento?<br />
No <strong>de</strong>be interpretarse que cada función en<br />
nuestro cerebro sea <strong>de</strong> naturaleza<br />
simbólica.<br />
Solo se asume que en el nivel <strong>de</strong><br />
abstracción a<strong>de</strong>cuado el razonamiento<br />
inteligente pue<strong>de</strong> consi<strong>de</strong>rarse como una<br />
manipulación p<br />
<strong>de</strong> símbolos.<br />
30
Inteligencia Computacional<br />
Es Ciencia e <strong>Ingeniería</strong>.<br />
Se <strong>de</strong>ben crear y verificar teorías refutables,<br />
pero p ...<br />
Las teorías son exploradas y explotadas en<br />
fforma empírica í i a partir ti <strong>de</strong> d su iimplementación. l t ió<br />
Tanto el aspecto científico como el ingenieríl<br />
son absolutamente inseparables.<br />
31
Líneas <strong>de</strong> Investigación y Desarrollo<br />
Hay dos líneas <strong>de</strong> trabajo:<br />
Una es biológica y se basa en la i<strong>de</strong>a <strong>de</strong> que dado<br />
que los seres humanos son inteligentes, la ciencia<br />
<strong>de</strong> IA <strong>de</strong>be estudiarlos e imitar su fisiología y/o<br />
sicología.<br />
La otra es fenomelógica fenomelógica, orientada a la reproducción<br />
<strong>de</strong> los fenómenos inteligentes y basada en el<br />
estudio y formalización <strong>de</strong>l uso <strong>de</strong>l sentido común<br />
acerca <strong>de</strong>l mundo.<br />
32
Inteligencia Artificial<br />
Tomaremos la siguiente como <strong>de</strong>finición<br />
operativa <strong>de</strong> Inteligencia Artificial:<br />
“ … es el estudio <strong>de</strong>l diseño e implementación<br />
<strong>de</strong> Agentes Inteligentes y la teoría asociada<br />
con esta actividad.”<br />
33
Razonamiento <strong>de</strong><br />
Sentido Común
Algunos Escenarios *<br />
En el living, Lisa tomó un diario y caminó hacia la cocina.<br />
¿Don<strong>de</strong> terminó el diario?<br />
Marta <strong>de</strong>jó un libro sobre la mesita <strong>de</strong>l living y salió <strong>de</strong>l<br />
cuarto. cuarto Cuando volvió el libro no estaba estaba.<br />
¿Qué sucedió con el libro?<br />
Guillermo se acerca a la p pileta <strong>de</strong> la cocina, , coloca el tapón, p ,<br />
abre la canilla y sale <strong>de</strong> la cocina.<br />
¿Qué suce<strong>de</strong>rá como resultado <strong>de</strong> esto?<br />
Sonia acciona la tecla <strong>de</strong> encendido <strong>de</strong>l ventilador.<br />
¿Qué suce<strong>de</strong>rá a continuación?<br />
UUn gato t hambriento h b i t ve comida id en una mesa próxima ó i a él él.<br />
El gato salta a una silla cercana a la mesa.<br />
¿Qué ¿Q está p por hacer el g gato?<br />
* Extraído <strong>de</strong>: Commonsense Reasoning, Erik T. Muller, Elsevier 2<strong>00</strong>6<br />
35
Observaciones Iniciales<br />
Al analizar los ejemplos anteriores utilizamos una<br />
herramienta natural en nuestro pensamiento a la que<br />
usualmente <strong>de</strong>scribimos como Sentido Común.<br />
Podría <strong>de</strong>scribirse con más precisión como<br />
Razonamiento <strong>de</strong> Sentido Común (Common Sense<br />
Reasoning).<br />
A pesar <strong>de</strong> ser algo que los seres humanos poseen<br />
como parte <strong>de</strong> su “equipamiento básico”, y parece<br />
simple, es en realidad extremadamente complejo.<br />
36
Observaciones Iniciales<br />
De todos los posibles componentes * De todos los posibles componentes <strong>de</strong>l sentido común<br />
que podrían mencionarse, dos <strong>de</strong> ellos se <strong>de</strong>stacan<br />
<strong>de</strong> manera singular: g<br />
Representación: Para po<strong>de</strong>r aplicar el razonamiento<br />
en llos ejemplos j l anteriores, t i necesitamos it que el l<br />
escenario se mapee en una representación que<br />
podamos manipular manipular.<br />
Razonamiento: Dada esa representación p<br />
resulta<br />
posible realizar inferencias a partir <strong>de</strong> la misma.<br />
* Ver otros componentes en Commonsense Reasoning, Erik T. Muller, Elsevier 2<strong>00</strong>6<br />
37
Observaciones Iniciales<br />
Al hablar <strong>de</strong> representación algunos elementos <strong>de</strong> la<br />
misma aparecen como simples: el diario diario, el libro libro, el living living,<br />
la cocina, etc.<br />
Sin embargo, otras partes son más complicadas: el gato y<br />
los seres humanos involucrados.<br />
Estos últimos parecen tener una característica que los<br />
hace capaces <strong>de</strong> ejecutar acciones por su propia voluntad.<br />
Si a<strong>de</strong>más <strong>de</strong> representar queremos también pre<strong>de</strong>cir esas<br />
acciones necesitamos consi<strong>de</strong>rar como estos “agentes” agentes<br />
llegan a seleccionar las mismas.<br />
Necesitamos consi<strong>de</strong>rar sus Estados Mentales.<br />
38
Abstracción Basada en Posturas<br />
La i<strong>de</strong>a es que cuando explicamos y pre<strong>de</strong>cimos el<br />
comportamiento <strong>de</strong> un objeto, po<strong>de</strong>mos elegir hacerlo a<br />
diferentes niveles <strong>de</strong> abstracción.<br />
Cuanto más concreto sea el nivel más precisas serán,<br />
en principio, nuestras predicciones. Cuanto más<br />
abstracto sea el nivel mayor será la capacidad<br />
computacional ganada al alejarse eliminando <strong>de</strong>talles<br />
irrelevantes<br />
irrelevantes.<br />
Daniel Dennett <strong>de</strong>fine tres niveles o posturas (stances)<br />
d<strong>de</strong> abstracción. b t ió<br />
Ver: http://en.wikipedia.org/wiki/Intentional_stance<br />
39
Postura Física<br />
La más concreta es la postura física que representa el<br />
nivel <strong>de</strong> las ciencias físicas y químicas químicas.<br />
En este nivel nos preocupamos <strong>de</strong> cosas como la masa,<br />
lla energía, í velocidad, l id d composición i ió química, í i etc. t<br />
Cuando arrojamos un objeto y pre<strong>de</strong>cimos don<strong>de</strong> va a<br />
tterminar i bbasandonos d en su ttrayectoria t i actual t l estamos t<br />
utilizando la postura física.<br />
OOtro<br />
ejemplo, <strong>de</strong> este tipo <strong>de</strong> análisis se da cuando<br />
consi<strong>de</strong>ramos un par <strong>de</strong> cintas metálicas, <strong>de</strong> diferentes<br />
metales metales, pegadas una a la otra y la predicción <strong>de</strong>l<br />
comportamiento al cambiar la temperatura se basa en<br />
las propieda<strong>de</strong>s p p<br />
físicas <strong>de</strong> los metales.<br />
40
Postura <strong>de</strong> Diseño<br />
Esta postura p se encuentra a nivel más abstracto, , este<br />
es el nivel <strong>de</strong> la ingeniería y la biología.<br />
Aquí nos preocupamos <strong>de</strong> <strong>de</strong>talles como el propósito propósito, la<br />
función, y el diseño a<strong>de</strong>cuado para ese propósito y/o<br />
función.<br />
Cuando pre<strong>de</strong>cimos que un pájaro se dispone a volar<br />
cuando comienza a agitar sus alas alas, tomamos una<br />
postura <strong>de</strong> diseño basandonos en que las alas tienen la<br />
función <strong>de</strong> habilitar el vuelo.<br />
Algo similar ocurre cuando observamos que un avión<br />
encien<strong>de</strong> sus motores y se dirije a la pista.<br />
41
Postura <strong>de</strong> Diseño<br />
Analogamente, po<strong>de</strong>mos enten<strong>de</strong>r la cinta bimetálica<br />
como un ti tipo particular ti l <strong>de</strong> d termómetro t ó t sin i consi<strong>de</strong>rar id llos<br />
<strong>de</strong>talles <strong>de</strong> como funciona.<br />
TTambién bié po<strong>de</strong>mos d reconocer el l propósito ó i que este<br />
termómetro tiene como parte <strong>de</strong> un termostato, e incluso<br />
po<strong>de</strong>mos generalizarlo a otros tipos <strong>de</strong> termostatos que<br />
pue<strong>de</strong>n usar otros tipos <strong>de</strong> termómetros.<br />
A<strong>de</strong>más A<strong>de</strong>más, es posible explicar el termostato en términos<br />
<strong>de</strong> su utilidad diciendo que mantiene registro <strong>de</strong> la<br />
temperatura p y qque<br />
encien<strong>de</strong> el calefactor cuando la<br />
temperatura baja <strong>de</strong> un mínimo y lo apaga cuando llega<br />
a un máximo.<br />
42
Postura Intencional<br />
Primero se <strong>de</strong>ci<strong>de</strong> tratar a un objeto cuyo comportamiento<br />
se quiere pre<strong>de</strong>cir como si fuera un agente racional racional.<br />
Luego se postula que creencias <strong>de</strong>be tener este agente<br />
dado su propósito y su lugar en el mundo mundo.<br />
A continuación, se postulan los <strong>de</strong>seos que <strong>de</strong>bería tener<br />
basandose en las mismas consi<strong>de</strong>raciones<br />
consi<strong>de</strong>raciones.<br />
Finalmente, se predice que este agente racional actuará<br />
d<strong>de</strong> manera d<strong>de</strong> alcanzar l sus metas t en el l contexto t t <strong>de</strong> d sus<br />
creencias.<br />
PPartiendo ti d d<strong>de</strong>l l conjunto j t d<strong>de</strong> creencias i y d<strong>de</strong>seos, un poco d<strong>de</strong><br />
razonamiento práctico ,en la mayoria <strong>de</strong> los casos<br />
permitirá pre<strong>de</strong>cir que es lo que el agente <strong>de</strong>bería hacer hacer.<br />
De: Daniel Dennett, The Intentional Stance, MIT Press, 1989 p. 17<br />
43
Postura Intencional<br />
En este nivel, se consi<strong>de</strong>ran cosas tales como creencias,<br />
pensamientos i t e intención. i t ió<br />
Cuando pre<strong>de</strong>cimos que un pájaro volará alejandose<br />
porque sabe b que el l gato se acerca, estamos tomando d lla<br />
postura intencional.<br />
Tomando la postura intencional, se pue<strong>de</strong> pre<strong>de</strong>cir que<br />
el gato hambriento que saltó a la silla cercana a la mesa<br />
con comida lo hizo para tratar <strong>de</strong> comersela comersela.<br />
Pre<strong>de</strong>cir que María, que sabemos está hambrienta, al<br />
terminar la película <strong>de</strong>jará el cine e irá a un restaurant restaurant,<br />
es un ejemplo similar.<br />
44
Representación y Razonamiento<br />
Recapitulando<br />
Recapitulando,<br />
Para po<strong>de</strong>r razonar sobre un escenario<br />
es necesario representarlo.<br />
Razonamos para po<strong>de</strong>r pre<strong>de</strong>cir el<br />
comportamiento <strong>de</strong>l escenario.<br />
Estos dos procesos están íntimamente ligados<br />
y <strong>de</strong>pen<strong>de</strong>n p uno <strong>de</strong>l otro.<br />
45
Representación <strong>de</strong><br />
Conocimiento y<br />
Razonamiento
Ramón Lull<br />
Arbol Naturalis<br />
et Logicalis<br />
Siglo XIII
Gottfried Wilhelm Leibniz [1646-1716]<br />
“Cuando todavía era un niño con conocimiento<br />
solo <strong>de</strong> la lógica g común, , y sin instrucción<br />
matemática, vino a mi el pensamiento, no sé<br />
<strong>de</strong> don<strong>de</strong>, que podría crearse un análisis <strong>de</strong><br />
las i<strong>de</strong>as <strong>de</strong> manera tal que en alguna forma<br />
combinatoria las verda<strong>de</strong>s podrían aparecer y<br />
ser evaluadas como si fueran números<br />
(Elementa Rationis)” Rationis) *<br />
Leibniz se ocupó constantemente <strong>de</strong> tales<br />
nociones y trató <strong>de</strong> construir un alfabeto <strong>de</strong>l<br />
pensamiento (Characteristica Universalis),<br />
para representar las i<strong>de</strong>as en una manera<br />
lógica, g qque fueran operables p mecánicamente,<br />
en forma inambigua y no cuantitativa.<br />
* The Encyclopedia of Philosophy, Vol 4, p. 538, traducción propia.<br />
49
Representación <strong>de</strong> Conocimiento<br />
La noción <strong>de</strong> Representación <strong>de</strong> Conocimiento<br />
(K (Knowledge l d RRepresentation t ti o KR en iinglés) lé ) resulta l<br />
engañosamente simple.<br />
La estructuración <strong>de</strong>l conocimiento y el acceso<br />
posterior al mismo es uno <strong>de</strong> los aspectos más<br />
iimportantes t t en <strong>Ciencias</strong> Ci i d<strong>de</strong> lla CComputación. t ió<br />
En Inteligencia Artificial este problema se estudia<br />
en su forma general.<br />
Como dijimos, su importancia surge <strong>de</strong>l hecho que<br />
un comportamiento inteligente necesita disponer <strong>de</strong><br />
un repositorio <strong>de</strong> conocimiento para realizarse.<br />
50
Representación <strong>de</strong> Conocimiento<br />
En principio, consiste en realizar, en algún lenguaje,<br />
<strong>de</strong>scripciones que se correspondan <strong>de</strong> alguna manera<br />
con el mundo, o con algún estado particular <strong>de</strong>l mismo.<br />
Esta <strong>de</strong>finición informal, informal que correspon<strong>de</strong> a una noción<br />
muy general, se particulariza en IA con el propósito <strong>de</strong><br />
dar a un agente g autónomo la capacidad <strong>de</strong> internalizar<br />
una “imágen” <strong>de</strong> su entorno (su mundo) y por la<br />
manipulación estas <strong>de</strong>scripciones obtener conclusiones<br />
acerca d<strong>de</strong>l l mismo. i<br />
La dificultad no se encuentra solo en el acto <strong>de</strong><br />
d<strong>de</strong>scribir ibi el l conocimiento, i i t sino i que comienza i a<br />
manifestarse al tratar <strong>de</strong> <strong>de</strong>scubrir qué es lo que hay<br />
que <strong>de</strong>scribir <strong>de</strong>scribir.<br />
51
Representación <strong>de</strong> Conocimiento<br />
La propia noción <strong>de</strong> conocimiento es<br />
controversial t i l entre t los l especialistas i li t en <strong>AI</strong> y<br />
ha sido estudiada en Filosofía <strong>de</strong>s<strong>de</strong> la<br />
antigüedad antigüedad.<br />
La Epistemología, o Teoría <strong>de</strong>l Conocimiento,<br />
es lla rama d<strong>de</strong> lla Fil Filosofía fí que ttrata t los l<br />
problemas filosóficos <strong>de</strong>l conocimiento.<br />
La Epistemología se ocupa <strong>de</strong> la <strong>de</strong>finición <strong>de</strong>l<br />
conocimiento y los conceptos relacionados, las<br />
clases l d<strong>de</strong> conocimiento i i posibles ibl y el l grado d en<br />
que estas clases son ciertas, y la relación entre<br />
el que conoce y el objeto conocido conocido.<br />
52
Conocimiento<br />
¿Qué es conocimiento?<br />
Esta pregunta ha sido pon<strong>de</strong>rada <strong>de</strong>s<strong>de</strong> la<br />
Grecia antigua y sigue siendolo en el<br />
presente tanto en Filosofía como en IA.<br />
Por supuesto, aquí no daremos la respuesta<br />
pero si exploraremos la i<strong>de</strong>a <strong>de</strong> qué<br />
consi<strong>de</strong>ramos conocimiento.<br />
Una forma <strong>de</strong> compren<strong>de</strong>r mejor la pregunta<br />
es observar el uso corriente <strong>de</strong>l término<br />
conocimiento<br />
conocimiento.<br />
53
Cuando <strong>de</strong>cimos:<br />
Conocimiento<br />
“Juan conoce que …”<br />
la sentencia se pue<strong>de</strong> completar con una<br />
sentencia <strong>de</strong>clarativa (proposición) tal como:<br />
“María María irá a la fiesta” fiesta<br />
formando la sentencia:<br />
“Juan conoce que María irá a la fiesta”<br />
Esto sugiere, g , entre otras cosas, , que q el<br />
conocimiento es una relación entre el que<br />
conoce y lo que es conocido.<br />
54
Cuando <strong>de</strong>cimos:<br />
Conocimiento<br />
“Juan conoce bien a José” o<br />
“Juan Juan conoce como tocar la guitarra” guitarra<br />
no parece estar involucrada una proposición.<br />
En esta presentación, dada la complejidad <strong>de</strong>l<br />
tema, no discutiremos el tipo <strong>de</strong> conocimiento<br />
<strong>de</strong>l que hablan estas sentencias.<br />
Existen otras nociones relacionadas con la <strong>de</strong><br />
conocimiento, entre ellas la <strong>de</strong> creencia que<br />
será explorada más a<strong>de</strong>lante a<strong>de</strong>lante.<br />
55
Representación<br />
Informalmente, Representación es una relación entre<br />
ddos ddominios i i ddon<strong>de</strong> d uno d<strong>de</strong> ellos ll se bbusca que ttome<br />
el lugar <strong>de</strong>l otro.<br />
UUsualmente, l el l ddominio i i que representa es un ddominio i i<br />
más concreto (o inmediato o accesible) que el dominio<br />
que es representado<br />
representado.<br />
Por ejemplo, el dígito “4” representa el número 4 <strong>de</strong> la<br />
misma forma que lo hace el grupo <strong>de</strong> letras “IV” IV<br />
cuando se usa la numeración romana.<br />
Este ejemplo utiliza un dominio símbolico (dígitos)<br />
para representar el dominio abstracto <strong>de</strong> los números.<br />
56
Representación <strong>de</strong> Conocimiento<br />
Es el campo <strong>de</strong> estudio <strong>de</strong>dicado al uso <strong>de</strong> símbolos<br />
formales para representar una colección <strong>de</strong><br />
proposiciones p p qque se creídas ppor un agente. g<br />
Esto no quiere <strong>de</strong>cir que esa colección <strong>de</strong> símbolos<br />
representa todas las posibles proposiciones que es<br />
posible creer.<br />
Claramente, es posible que el número <strong>de</strong> proposiciones<br />
no sea fi finito it y solo l una cantidad tid d fi finita it podrá d á ser<br />
representada.<br />
El razonamiento ra onamiento será el encargado <strong>de</strong> obtener las<br />
proposiciones que son creídas a partir <strong>de</strong> las que son<br />
representadas<br />
representadas.<br />
57
La Hipótesis <strong>de</strong> Representación <strong>de</strong> Conocimiento<br />
Es la siguiente presuposición metodológica:<br />
Cualquier proceso inteligente corporizado (embodied)<br />
compren<strong>de</strong>rá componentes estructurales tales que:<br />
a) Un observador externo pue<strong>de</strong> interpretarlos como<br />
una <strong>de</strong>scripción proposicional <strong>de</strong>l conocimiento que<br />
tal proceso exhibe en conjunto.<br />
b) In<strong>de</strong>pendientemente <strong>de</strong> esta atribución semántica<br />
externa, estos elementos juegan un rol formal, pero<br />
causal y esencial, , en la generación g <strong>de</strong>l<br />
comportamiento que pone <strong>de</strong> manifiesto este<br />
conocimiento.<br />
58
La Hipótesis <strong>de</strong> Representación <strong>de</strong> Conocimiento<br />
En otras palabras, esta hipótesis implica que los<br />
sistemas i t a construir, t i por su di diseño, ñ establecen t bl una<br />
postura intencional (Intentional Stance) a partir <strong>de</strong><br />
representaciones simbólicas (discretas) (discretas).<br />
Tales sistemas reciben el nombre <strong>de</strong> Sistemas Basados<br />
en Conocimiento<br />
Conocimiento.<br />
Las representaciones simbólicas involucradas serán sus<br />
BBases <strong>de</strong> d CConocimiento i i t ( KB ) ).<br />
La Hipótesis p fue introducida ppor<br />
Brian C. Smith en el<br />
Prólogo a su tesis doctoral “Reflection and Semantics in<br />
a Procedural Language” en 1982, MIT TR-272.<br />
59
La Hipótesis <strong>de</strong>l Mo<strong>de</strong>lo<br />
Una versión más compatible con la visión mo<strong>de</strong>rna <strong>de</strong><br />
los sistemas inteligentes se expresa en la Hipótesis <strong>de</strong>l<br />
Mo<strong>de</strong>lo <strong>de</strong> Kenneth Craik:<br />
“Si Si un organismo lleva un mo<strong>de</strong>lo a escala <strong>de</strong> la realidad<br />
externa y <strong>de</strong> sus posibles acciones en su cabeza, será<br />
capaz consi<strong>de</strong>rar varias alternativas, <strong>de</strong>cidir cual <strong>de</strong> ellas<br />
es la mejor, reaccionar a futuras situaciones antes <strong>de</strong><br />
que aparezcan, utilizar su conocimiento <strong>de</strong> evantos en el<br />
pasado para <strong>de</strong>sempeñarse en el presente y en el<br />
futuro, y en todo caso reaccionar en una manera más<br />
completa completa, segura y competente a las situaciones<br />
emergentes que enfrente.”<br />
Observemos que este mo<strong>de</strong>lo no necesita ser discreto discreto.<br />
60
Representación <strong>de</strong> Conocimiento<br />
La hipótesis que subyace en el trabajo en esta área es<br />
que se construirán sistemas que contendrán<br />
representaciones simbólicas con dos propieda<strong>de</strong>s<br />
importantes: p<br />
• Des<strong>de</strong> el exterior es posible enten<strong>de</strong>rlos como representando<br />
proposiciones.<br />
• El sistema está diseñado para comportarse en la forma en que<br />
lo hace por esta representación simbólica.<br />
Esto es, la postura intencional está basada en<br />
representaciones simbólicas.<br />
Estos sistemas se <strong>de</strong>nominarán Sistemas Basados en<br />
Conocimiento y las representaciones simbólicas serán<br />
sus Bases <strong>de</strong> Conocimiento.<br />
Conocimiento<br />
61
Razonamiento<br />
Es la manipulación <strong>de</strong> los símbolos que representan una<br />
colección <strong>de</strong> proposiciones para producir nuevas<br />
proposiciones.<br />
p p<br />
En esta frase está escondida la suposición <strong>de</strong> que los<br />
símbolos son más sencillos <strong>de</strong> acce<strong>de</strong>r que las<br />
proposiciones mismas.<br />
Estos símbolos <strong>de</strong>berán ser accesibles para po<strong>de</strong>r<br />
manipularlos en tal forma <strong>de</strong> construír representaciones<br />
<strong>de</strong> nnuevas e as proposiciones<br />
proposiciones.<br />
62
Razonamiento
¿Qué es Razonamiento Inteligente?<br />
Existen varias formas diferentes <strong>de</strong> consi<strong>de</strong>rar la<br />
naturaleza <strong>de</strong> lo que pue<strong>de</strong> consi<strong>de</strong>rarse<br />
Razonamiento Inteligente. g<br />
Estas conceptualizaciones provienen <strong>de</strong><br />
disciplinas que han consi<strong>de</strong>rado el problema<br />
<strong>de</strong>s<strong>de</strong> el comienzo <strong>de</strong>l pensamiento filosófico<br />
primero y más tar<strong>de</strong> <strong>de</strong>l pensamiento científico.<br />
La Lógica, la Sicología, la Biología, la Estadística<br />
ylaEconomía y la Economía han aportado visiones diferentes<br />
pero complementarias <strong>de</strong> este problema.<br />
64
¿Qué es Razonamiento Inteligente?<br />
La Lógica g toma como punto p <strong>de</strong> ppartida la hipótesis p <strong>de</strong><br />
que el razonamiento inteligente es alguna forma <strong>de</strong><br />
cálculo formal.<br />
Estos cálculos involucran alguna forma <strong>de</strong> <strong>de</strong>ducción.<br />
La Psicología ve al razonamiento como un<br />
comportamiento característico <strong>de</strong> los seres humanos.<br />
El estudio <strong>de</strong> este comportamiento ha dado<br />
nacimiento a un área <strong>de</strong> investigación enorme en<br />
Resolución <strong>de</strong> Problemas y Sistemas Basados en<br />
Conocimiento.<br />
65
¿Qué es Razonamiento Inteligente?<br />
Otro camino para aproximarse a este problema es<br />
tomado <strong>de</strong>s<strong>de</strong> la Biología.<br />
El presupuesto p p fundamental es qque<br />
la clave <strong>de</strong>l<br />
razonamiento está en la arquitectura <strong>de</strong> la maquinaria<br />
que realiza esta tarea.<br />
Luego, el razonamiento es caracterizado por un<br />
comportamiento p <strong>de</strong> estímulo/respuesta p emergente g <strong>de</strong><br />
la interacción <strong>de</strong> una enorme cantidad <strong>de</strong><br />
procesadores muy simples conectados en paralelo.<br />
El área recibe el nombre <strong>de</strong> Coneccionismo.<br />
66
¿Qué es Razonamiento Inteligente?<br />
Un cuarto punto <strong>de</strong> vista vista, <strong>de</strong>rivado <strong>de</strong> la teoría <strong>de</strong> la<br />
probabilidad agrega a la lógica la noción <strong>de</strong><br />
incertidumbre.<br />
Así, razonar inteligentemente significaría obe<strong>de</strong>cer<br />
alguna g forma <strong>de</strong> los axiomas <strong>de</strong> la pprobabilidad.<br />
Finalmente, la visión <strong>de</strong> la Economía agrega la<br />
noción <strong>de</strong> valor y preferencia<br />
p<br />
Luego, el razonamiento inteligente sería el que<br />
obe<strong>de</strong>ciera a los principios <strong>de</strong> la teoría <strong>de</strong> la<br />
utilidad.<br />
67
Componentes<br />
<strong>de</strong> un<br />
Sistema <strong>de</strong> RC&R
Representación y Razonamiento<br />
En el análisis y la resolución <strong>de</strong> los problemas que se<br />
abordan en IA es necesario una cantidad masiva <strong>de</strong><br />
conocimiento y, en consonancia con este<br />
requerimiento, q , los mecanismos para p manipularlo p se<br />
vuelven complejos.<br />
A lo largo <strong>de</strong>l <strong>de</strong>sarrollo <strong>de</strong> la disciplina, se han<br />
propuesto una gran diversidad <strong>de</strong> formas <strong>de</strong><br />
representación <strong>de</strong> conocimiento.<br />
Todas ellas presentan alguna habilidad especial en<br />
relación a un clase particular <strong>de</strong> dominios.<br />
Esto es natural dado que pue<strong>de</strong>n aprovechar las<br />
características particulares <strong>de</strong>l dominio.<br />
69
Representación y Razonamiento<br />
Las diferentes tecnologías comparten los elementos<br />
para d<strong>de</strong>finirlos. fi i l<br />
En un sistema <strong>de</strong> Representación <strong>de</strong> Conocimiento y<br />
Ra Razonamiento onamiento se disting distinguen en los sig siguientes ientes<br />
componentes.<br />
1. Un Lenguaje Formal.<br />
22. Una Semántica Semántica.<br />
3. Una Teoría <strong>de</strong> Razonamiento o<br />
Teoría <strong>de</strong> Prueba o<br />
Procedimento <strong>de</strong> Prueba.<br />
70
1. Un Lenguaje Formal<br />
Este se utiliza para <strong>de</strong>scribir las fórmulas<br />
legales utilizables para expresar conocimiento<br />
acerca <strong>de</strong>l dominio (“mundo”) ( mundo ).<br />
El lenguaje <strong>de</strong>fine los símbolos legales y como<br />
pue<strong>de</strong>n formarse expresiones a partir <strong>de</strong> ellos.<br />
Un lenguaje se específica por medio <strong>de</strong> una<br />
gramática.<br />
UUna BBase d<strong>de</strong> CConocimiento i i t es un conjunto j t d<strong>de</strong><br />
sentencias legales <strong>de</strong>l lenguaje.<br />
71
2. Una Semántica<br />
Esta especifica el significado <strong>de</strong> las<br />
sentencias <strong>de</strong>l lenguaje.<br />
Explicita un compromiso en la relación <strong>de</strong><br />
los símbolos <strong>de</strong>l lenguaje con el dominio.<br />
Este compromiso semántico permite discutir<br />
la correctitud y/o la veracidad <strong>de</strong>l<br />
conocimiento <strong>de</strong> manera in<strong>de</strong>pendiente <strong>de</strong>l<br />
uso que <strong>de</strong> él se haga. haga<br />
72
3. Teoría <strong>de</strong> Razonamiento<br />
Especifica como se obtiene una respuesta <strong>de</strong> una<br />
Base <strong>de</strong> Conocimiento.<br />
Típicamente, esta teoría consiste <strong>de</strong> un conjunto <strong>de</strong><br />
Reglas <strong>de</strong> Inferencia <strong>de</strong> algún tipo.<br />
Es posible que la Teoría <strong>de</strong> Razonamiento y la<br />
Semántica no se a<strong>de</strong>cuen.<br />
Si la Teoría <strong>de</strong> Razonamiento solo infiere respuestas<br />
correctas en acuerdo con la Semántica se dice que es<br />
Sana o Sensata.<br />
Si genera todas las respuestas correctas se dice que<br />
es Completa. p<br />
73
Implementación<br />
En la creación <strong>de</strong> un sistema <strong>de</strong> RC y R se <strong>de</strong>ben<br />
<strong>de</strong>finir al menos dos entida<strong>de</strong>s:<br />
Un procesador <strong>de</strong> lenguaje que distingue las<br />
sentencias legales g y pproduce<br />
estructuras <strong>de</strong><br />
almacenamiento a partir <strong>de</strong> ellas.<br />
Un procedimiento o proceso <strong>de</strong> razonamiento<br />
que implementa, <strong>de</strong> alguna forma, la teoría <strong>de</strong><br />
razonamiento.<br />
74
Proceso <strong>de</strong> Razonamiento<br />
Una <strong>de</strong> las dificulta<strong>de</strong>s <strong>de</strong> las teorías <strong>de</strong><br />
razonamiento es la presencia <strong>de</strong>l<br />
no<strong>de</strong>terminismo en su especificación.<br />
especificación<br />
De esta manera, al llegar a la efectivización<br />
computacional t i l d<strong>de</strong> una tteoría í dada d d en un<br />
procedimiento se <strong>de</strong>be resolver este<br />
problema problema.<br />
Usualmente, esto <strong>de</strong>fine una estrategia <strong>de</strong><br />
búsqueda.<br />
75
Proceso <strong>de</strong> Razonamiento<br />
Dada una teoría <strong>de</strong> razonamiento pue<strong>de</strong>n existir una<br />
variedad i d d d<strong>de</strong> procedimientos di i o procesos d<strong>de</strong><br />
razonamiento asociados a ella.<br />
Esto pue<strong>de</strong> aparecer al utilizar diferentes estrategias<br />
<strong>de</strong> búsqueda, diferentes estructuras <strong>de</strong> respaldo, etc.<br />
Un procedimiento particular pue<strong>de</strong> ser incompleto por<br />
diferentes razones.<br />
Por ejemplo, la teoría pue<strong>de</strong> ser incompleta o el<br />
procedimiento <strong>de</strong> búsqueda pue<strong>de</strong> serlo, entre otras<br />
posibilida<strong>de</strong>s.<br />
76
Representaciones y Mapeos<br />
Al <strong>de</strong>finir una representación particular se <strong>de</strong>ben<br />
tener en cuenta dos clases <strong>de</strong> entida<strong>de</strong>s diferentes:<br />
• Hechos que son verda<strong>de</strong>s en el mundo en<br />
consi<strong>de</strong>ración.<br />
• Representaciones <strong>de</strong> esos hechos según algún<br />
formalismo.<br />
LLos hhechos h son llas<br />
cosas que queremos<br />
representar.<br />
Las representaciones son las cosas que podremos<br />
manipular.<br />
77
Representaciones y Mapeos<br />
Una forma <strong>de</strong> consi<strong>de</strong>rar estas dos entida<strong>de</strong>s en dos<br />
niveles i l es lla siguiente: i i<br />
El Nivel <strong>de</strong>l Conocimiento es el nivel en que q se<br />
consi<strong>de</strong>ra el lenguaje <strong>de</strong> representación y su<br />
semántica. En este nivel se <strong>de</strong>scriben los hechos,<br />
iincluyendo l d llos posibles ibl comportamientos t i t y metas t d<strong>de</strong>l l<br />
agente.<br />
El Nivel Simbólico en el cual las representaciones <strong>de</strong><br />
los objetos conceptualizados al Nivel <strong>de</strong> Conocimiento<br />
se <strong>de</strong>finen en términos <strong>de</strong> símbolos que pue<strong>de</strong>n ser<br />
manipulados en forma computacional.<br />
78
Nivel N <strong>de</strong> Conocimien<br />
C nto<br />
Nivel <strong>de</strong>e<br />
Simbólicco<br />
Propieda<strong>de</strong>s<br />
A<strong>de</strong>cuación Representacional: Poseer la habilidad <strong>de</strong><br />
representar todos los tipos <strong>de</strong> conocimiento necesario en<br />
el dominio.<br />
A<strong>de</strong>cuación Inferencial: Poseer la habilidad <strong>de</strong> manipular p las<br />
estructuras <strong>de</strong> representación en tal forma <strong>de</strong> po<strong>de</strong>r<br />
<strong>de</strong>rivar nuevas estructuras correspondientes al nuevo<br />
conocimiento inferido inferido.<br />
Eficiencia Inferencial: Poseer la habilidad <strong>de</strong> incorporar en la<br />
estructura <strong>de</strong> conocimiento información adicional que<br />
pueda ser usada para enfocar la atención <strong>de</strong>l mecanismo<br />
inferencial.<br />
Eficiencia Adquisitiva: Poseer la habilidad <strong>de</strong> adquirir<br />
facilmente nueva información.<br />
79
AAgente t Basado B d<br />
en Conocimiento
Agente Basado en Conocimiento<br />
El objetivo es implementar una concepción <strong>de</strong> agente<br />
en la que estos pue<strong>de</strong>n pensarse como si tuvieran<br />
conocimiento acerca <strong>de</strong>l mundo y tuvieran la capacidad p<br />
<strong>de</strong> razonar acerca <strong>de</strong> sus posibles acciones.<br />
Un agente g Basado en Conocimiento es capaz p <strong>de</strong><br />
aceptar nuevas tareas en la forma <strong>de</strong> metas <strong>de</strong>scriptas<br />
en forma explícita.<br />
Pue<strong>de</strong>n <strong>de</strong>sarrollar nuevas habilida<strong>de</strong>s por adquisición<br />
<strong>de</strong> nuevo conocimiento.<br />
Se pue<strong>de</strong> adaptar a los cambios en el entorno<br />
actualizando el conocimiento relevante.<br />
81
Agente Basado en Conocimiento<br />
A este tipo p <strong>de</strong> agente g le resulta necesario<br />
conocer el estado actual <strong>de</strong>l mundo.<br />
TTambién bié necesita it ttener lla hhabilidad bilid d d<strong>de</strong> iinferir f i<br />
propieda<strong>de</strong>s <strong>de</strong>l entorno utilizando sus<br />
percepciones. i<br />
A<strong>de</strong>más <strong>de</strong> poseer una variedad <strong>de</strong> acciones<br />
que pue<strong>de</strong>n afectar el entorno, necesita<br />
conocer o inferir cuales serían los efectos <strong>de</strong><br />
esas acciones si estas son ejecutadas.<br />
82
Agente Basado en Conocimiento<br />
La parte más relevante <strong>de</strong> un agente <strong>de</strong> este tipo es<br />
la Base <strong>de</strong> Conocimiento (KB).<br />
Ésta está formada por representaciones <strong>de</strong> los<br />
hechos <strong>de</strong>l mundo que q se consi<strong>de</strong>ran relevantes.<br />
Cada hecho individual se <strong>de</strong>nomina Sentencia.<br />
Estas sentencias están expresadas en un lenguaje<br />
d<strong>de</strong>nominado i d LLenguaje j d<strong>de</strong> RRepresentación t ió d<strong>de</strong><br />
Conocimiento.<br />
83
Agente Basado en Conocimiento<br />
El agente <strong>de</strong>be tener la habilidad <strong>de</strong> actualizar<br />
y consultar su Base <strong>de</strong> Conocimiento.<br />
La forma <strong>de</strong> incorporar información a KB es<br />
utilizando la primitiva Tell. ( * )<br />
La manera <strong>de</strong> consultar a KB isatravés<strong>de</strong>laprimitiva<br />
is a través <strong>de</strong> la primitiva<br />
Ask. ( * )<br />
Una restricción importante sobre el comportamiento <strong>de</strong><br />
Ask es que siempre las respuestas sean coherentes con<br />
lo que se le ha informado a través <strong>de</strong> Tell o <strong>de</strong> lo que se<br />
siga <strong>de</strong> ello.<br />
( * ) Para mantener las referencias al texto mantendremos los nombres en inglés.<br />
84
Terminología<br />
El término Inferencia tiene un significado g ggenérico<br />
que se refiere casi a cualquier forma <strong>de</strong> obtener<br />
ciertas expresiones a partir <strong>de</strong> otras.<br />
Como se ha dicho, es importante conocer las<br />
propieda<strong>de</strong>s <strong>de</strong> este mecanismo<br />
mecanismo.<br />
Las diferentes Tecnologías <strong>de</strong> Representación <strong>de</strong><br />
CConocimiento i i t nos proveerán á d<strong>de</strong> llas hherramientas i t<br />
para efectivizar la representación <strong>de</strong> la Base <strong>de</strong><br />
Conocimiento<br />
Conocimiento.<br />
85
BBases <strong>de</strong> d<br />
Conocimiento
Sentencias<br />
Sentencias<br />
Se Se infiere<br />
Hechos Se siguen<br />
Hechos<br />
¿≡?<br />
?
Extensional<br />
Base <strong>de</strong> Conocimiento<br />
Sentencias<br />
Se infiere<br />
Entorno<br />
Sentencias<br />
Intensional
Máquina <strong>de</strong> Inferencia<br />
Consultas Respuestas<br />
Algoritmos In<strong>de</strong>pendientes <strong>de</strong>l Dominio<br />
Base <strong>de</strong> Conocimiento<br />
Contenido correspondiente al Dominio<br />
Actualización
Máquina <strong>de</strong> Inferencia<br />
Al Algoritmos it IIn<strong>de</strong>pendientes d di t d<strong>de</strong>l l DDominio i i<br />
Base <strong>de</strong> Conocimiento<br />
Contenido correspondiente p al Dominio<br />
Tell se usa para <strong>de</strong>cirle lo que<br />
necesita saber (contenido <strong>de</strong> la<br />
KB).<br />
Enton<strong>de</strong>s utiliza Ask para<br />
preg preguntarse ntarse que q e hacer, hacer y las<br />
respuestas <strong>de</strong>ben inferirse <strong>de</strong> la<br />
KB.<br />
Una Base <strong>de</strong> Conocimiento es<br />
un conjunto <strong>de</strong> sentencias<br />
<strong>de</strong>scriptas p en algún g lenguaje g j<br />
formal (el nivel Lógico).<br />
Este es la forma <strong>de</strong>clarativa <strong>de</strong><br />
construir un agente. agente<br />
Los agentes pue<strong>de</strong>n verse al Nivel<br />
<strong>de</strong> Conocimiento, es <strong>de</strong>cir, qué<br />
conocen, sin tener en cuenta como<br />
se implementan.<br />
OalNivel O al Nivel <strong>de</strong> Implementación, Implementación es<br />
<strong>de</strong>cir, las estructuras <strong>de</strong> datos <strong>de</strong> la<br />
KB y los algoritmos que las<br />
implementan
Agente Basado en Conocimiento<br />
function KB-Agent( KB Agent( Percept ) returns an Action<br />
static KB, a Knowledge Base<br />
T T, a counter counter, initially in 0 0, indicating time. time<br />
tell ( KB KB, make make-percept-sentence( percept sentence( Percept Percept, T ) )<br />
Action ← ask ( KB, make-action-query ( T ) )<br />
tell ( KB KB, make make-action-sentence( action sentence( Action Action, T ) )<br />
T ← T + 1<br />
return Action<br />
De: Artificial Intelligence: A Mo<strong>de</strong>rn Approach. S. Russell, P. Norvig. Prentice Hall. 2<strong>00</strong>3<br />
91
Bases <strong>de</strong> Conocimiento<br />
El Lenguaje <strong>de</strong> Representación:<br />
• Expresividad: ¿Qué tan expresivo es?<br />
• Habilidad: ¿Qué ¿ pue<strong>de</strong> p y qqué no ppue<strong>de</strong><br />
<strong>de</strong>cirse?<br />
El Procedimiento <strong>de</strong> inferencia:<br />
• Sanidad: ¿Las conclusiones siguen racionalmente<br />
<strong>de</strong> los os hechos ec os y las as reglas? eg as<br />
• Completitud: Si una conclusión sigue racionalmente<br />
<strong>de</strong> la KB, , ¿es ¿ posible p <strong>de</strong>ducirla?<br />
• Eficiencia: ¿Cuál es la complejidad <strong>de</strong>l<br />
procedimiento?<br />
92
RRepresentación t ió<br />
<strong>de</strong><br />
Conocimiento<br />
y<br />
Razonamiento
Razonamiento<br />
Existen diferentes maneras en las que un ser<br />
hhumano mano obtiene información util til a partir <strong>de</strong> lo<br />
que consi<strong>de</strong>ra su cuerpo <strong>de</strong> conocimiento.<br />
Ll Llamaremos a este t repositorio it i BBase <strong>de</strong> d<br />
Conocimiento y usaremos KB para referirnos al<br />
mismo mismo.<br />
El dispositivo por el que logra elaborar<br />
información a partir <strong>de</strong> KB se <strong>de</strong>nomina<br />
Mecanismo Inferencial o Máquina <strong>de</strong> Inferencia.<br />
El proceso que utiliza el mecanismo inferencial<br />
se <strong>de</strong>nomina Razonamiento.<br />
94
Razonamiento<br />
El Razonamiento permite obtener información que se<br />
encuentra t explícita lí it en KB o que se hhalla ll iimplícita lí it en<br />
KB.<br />
El siguiente sig iente es un n ejemplo <strong>de</strong> base <strong>de</strong> conocimiento<br />
expresada en términos <strong>de</strong>l lenguaje <strong>de</strong> la Lógica<br />
Proposicional:<br />
KB = { a, a → b }<br />
Si suponemos que su mecanismo <strong>de</strong> inferencia se<br />
basa en Modus Ponens po<strong>de</strong>mos ver que:<br />
KB a (trivial ( y explícitamente)<br />
p )<br />
KB a → b (trivial y explícitamente)<br />
KB b (por (p aplicación p <strong>de</strong> Modus Ponens) )<br />
95
Representación y Razonamiento<br />
Al realizar la introducción <strong>de</strong> la problemática <strong>de</strong> los<br />
Sistemas <strong>de</strong> Representación <strong>de</strong> Conocimiento y<br />
Razonamiento vimos que en ellos se distinguen<br />
llos siguientes i i t componentes. t<br />
1. Un Lenguaje g j Formal <strong>de</strong> Representación.<br />
p<br />
2. Una Semántica que vincula la representación con<br />
su significado significado.<br />
3. Una Teoría <strong>de</strong> Razonamiento o Teoría <strong>de</strong> Prueba<br />
o Procedimento <strong>de</strong> Prueba que implementa la<br />
máquina <strong>de</strong> inferencia.<br />
96
Bases <strong>de</strong> Conocimiento<br />
Lenguaje <strong>de</strong> Representación:<br />
• ¿Qué tan expresivo es?<br />
• ¿Qué pue<strong>de</strong> y qué no pue<strong>de</strong> <strong>de</strong>cirse?<br />
Procedimiento <strong>de</strong> inferencia:<br />
• Sanidad: ¿Las conclusiones siguen racionalmente<br />
<strong>de</strong> los hechos y las reglas?<br />
• Completitud: Si una conclusión sigue racionalmente<br />
<strong>de</strong> la KB KB, ¿es posible <strong>de</strong>ducirla?<br />
• Eficiencia: ¿Cuál es la complejidad computacional<br />
<strong>de</strong>l procedimiento<br />
procedimiento.<br />
97
Suposición <strong>de</strong>l Mundo<br />
Cerrado
Suposición <strong>de</strong> Mundo Cerrado (CWA)<br />
Esta suposición se basa en asumir que toda la<br />
información positiva que es necesario saber está en<br />
la KB.<br />
Al asumir esto resulta posible obtener la información<br />
negativa. g<br />
La información que no es mencionada en la KB se<br />
toma como falsa, , esto es, , si no se encuentra una<br />
instancia positiva en KB entonces se supone que<br />
vale la negación.<br />
Suposición <strong>de</strong>l Mundo Cerrado =<br />
Close World Assumption.<br />
99
Suposición <strong>de</strong> Mundo Cerrado (CWA)<br />
Supongamos la siguiente base <strong>de</strong> datos sobre<br />
vuelos entre Aeroparque y Bahía Blanca:<br />
Parte Arriba Hora<br />
AEP BHI 08 08:10 10<br />
AEP BHI 19:25<br />
BHI AAEP<br />
09:50<br />
BHI AEP 21:15<br />
Una consulta sobre la existencia <strong>de</strong> un vuelo <strong>de</strong> AEP a<br />
BHI a las 08:10 se respon<strong>de</strong>rá afirmativamente.<br />
Una consulta sobre la existencia <strong>de</strong> un vuelo <strong>de</strong> AEP a<br />
BHI a las 17:<strong>00</strong> se respon<strong>de</strong>rá negativamente, i.e. la<br />
negación ió d<strong>de</strong> lla existencia i t i es cierta.<br />
i t<br />
1<strong>00</strong>
Suposición <strong>de</strong> Mundo Cerrado (CWA)<br />
Formalmente:<br />
CWA(KB) = KB ∪ { ¬p(t) (t) si iKB KB p(t) (t) }<br />
don<strong>de</strong> p(t) es una instancia fija (ground), y el operador<br />
CWA(⋅) representa la clausura <strong>de</strong> KB por la Suposición<br />
<strong>de</strong> Mundo Cerrado.<br />
Notemos que este tipo <strong>de</strong> razonamiento no es<br />
monótono, , i.e. pue<strong>de</strong> p suce<strong>de</strong>r qque KB 1 ⊆ KB 2 y sin<br />
embargo CWA(KB1) CWA(KB2). En nuestro ejemplo <strong>de</strong> los vuelos si se agregará el vuelo<br />
<strong>de</strong> las 17:<strong>00</strong> <strong>de</strong> AEP a BHI ya no se podría inferir la<br />
negación.<br />
101
Suposición <strong>de</strong> Mundo Cerrado (CWA)<br />
Si se incluye información disjuntiva pue<strong>de</strong>n existir<br />
problemas problemas.<br />
Sea KB = { a ∨ b }, <strong>de</strong> esta base <strong>de</strong> conocimiento no se<br />
pue<strong>de</strong> d iinferir f i ni i a ni i bb.<br />
La CWA(KB) = KB ∪ { ¬p(t) si KB p(t) }, esto es<br />
{ a ∨ b } ∪ { ¬a, ¬b } ∪ N = { a ∨ b, ¬a, ¬b } ∪ N<br />
don<strong>de</strong> N es el resto <strong>de</strong> los literales ¬p(t) tales que<br />
KB p(t)<br />
Luego Luego, <strong>de</strong> la CWA(KB) que incluye tanto ¬aa como ¬bb se<br />
pue<strong>de</strong> inferir a y b.<br />
EEs d<strong>de</strong>cir, i CWA(KB) es iinconsistente i t t en este t caso.<br />
102
Suposición <strong>de</strong> Mundo Cerrado (CWA)<br />
Existe una relación aparente entre la Suposición <strong>de</strong>l<br />
Mundo C Cerrado ( (CWA) ) y la Negación por Falla ( (NAF ) ).<br />
En el caso <strong>de</strong> tener un programa p g lógico g <strong>de</strong>finido P y<br />
un elemento A <strong>de</strong> la base <strong>de</strong> Herbrand <strong>de</strong> P si la<br />
consulta A tiene un árbol SLD que falla finitamente<br />
entonces A no es consecuencia <strong>de</strong> P y se pue<strong>de</strong><br />
inferir ¬A.<br />
Si P es { p(a) → p(a) }entonces p(a) no se <strong>de</strong>duce <strong>de</strong><br />
P y por esa razón ¬p(a) ∈ CWA(P).<br />
Por otro lado, la consulta a P por p(a) tiene una única<br />
rama infinita y entonces ¬p(a) ∉ NAF(P) NAF(P).<br />
103
Suposiciones Adicionales<br />
Domain Closure Assumption, DCA, o Suposición <strong>de</strong><br />
Dominio Cerrado postula que el dominio <strong>de</strong>l sistema<br />
lógico se restringe a los objetos que es posible <strong>de</strong>finir<br />
con las constantes y letras funcionales que aparecen en<br />
la Base <strong>de</strong> Conocimiento.<br />
UUnique i NName AAssumption, ti UNA UNA, o SSuposición i ió d<strong>de</strong><br />
Nombres Únicos estipula que los nombres diferentes<br />
representan objetos diferentes y solo se tomarán como<br />
iguales cuando se pueda probar que lo son.<br />
PPara po<strong>de</strong>r d aplicar li lla UNAA es necesario i axiomatizar i ti lla<br />
relación <strong>de</strong> igualdad.<br />
104