UNIDAD II. REPRESENTACION DEL CONOCIMIENTO

La representación del conocimiento se utiliza para la clasificación en bibliotecas y para procesar conceptos en un sistema de información. En el área de la inteligencia artificial, la resolución de problemas puede ser simplificada con la elección apropiada de representación del conocimiento.

2.1.- Logica, induccion, deduccion, abduccion, difusa, no monotomico. 

Deductiva

Es cuando a partir de un universo sacas conclusiones de un elemento del universo.
Ejemplo: “Todos los perros ladran. Por lo tanto, mi perro ladra”


Inductiva

Es cuando a partir de un elemento o unos pocos elementos obtienes conclusiones acerca del universo.
Ejemplo: “Mi perro ladra y el perro del vecino ladra. Por lo tanto todos los perros ladran”

Abductiva

Razonamiento que opera con una especie de silogismo en donde la premisia mayor es considerada cierta mientras que la premisia menor es solo probable, por este motivo la conclusión a la que se puede llegar tiene el mismo grado de probabilidad que la premisa menor.

Ejemplo
Regla: “Todas las bolillas de la bolsa X son blancas”.
Caso: “Estas bolillas son blancas”.
Abduccion: “Estas bolillas proceden de la bolsa X”.

No monotónica

La mayoría de las lógicas formales tienen una relación de consecuencia monotónica, lo que significa es que al agregar una formula a una teoría nunca produce una reducción de su conjunto de consecuencias. Indica que el agregar nuevos conocimientos no puede reducir el conjunto de las cosas conocidas. No puede manejar varios tipos de razonamiento tales como el razonamiento por defecto, el razonamiento abductivo, el razonamiento acerca del conocimiento y la revisión de creencias.
La lógica alternativa que tiene más aplicaciones en este momento en inteligencia artificial, y sobre la que ha habido más discusión en el último decenio, es la llamada lógica no monotónica.
Se trata de una especie de lógica modal, que permite derivar conclusiones plausibles, con la peculiaridad de que los teoremas introducidos con ayuda de los operadores o reglas agregados a la lógica clásica son retractables.

El resultado es que el conjunto de teoremas no crece monotónicamente, como en la lógica clásica, sino que crece y decrece, conforme los teoremas plausibles que se hayan probado deban ser retractados a la luz de nuevos elementos de juicio.

Difusa o Borrosa

Se basa en lo relativo de lo observado. Este tipo de lógica toma dos valores aleatorios, pero contextualizados y referidos entre si. Comprende los cuantificadores de nuestro lenguaje (ejemplo mucho, muy y un poco).

 

2.2.- Marcos, categorias cognitivas. 

MARCOS COGNITIVOS

  Un marco cognitivo es una interpretación que un movimiento social hace de un contexto en el que esta inmerso para establecer un diagnostico en el que tendrán que emerger diferentes actores que tienen que incidir en la estructuración social.

Los marcos se definen como patrones subyacentes de percepción cognitiva que codifican la experiencia física y mental En el nivel cognitivo.

PSICOLOGIA COGNITIVA

 
Pueda servir de base para el mejoramiento del aprendizaje, incorpora las ideas sobre el modo en que los estudiantes organizan y representan internamente el conocimiento, y el modo en que estas representaciones cambian o resisten al cambio cuando deben integrar nueva información.


La psicología cognitiva tiene en cuenta y estudia como factores fundamentales:

• La memoria (su extensión, su capacidad de almacenamiento y la recuperación de los elementos memorizados).
• La percepción.
• Las capacidades para la interpretación visual y auditiva.
• La capacidad de atención (selectiva, focalizada y compartida).
• Las discapacidades (y los diferentes modos de aprender).
• La carga cognitiva.
• El pensamiento crítico.
• La toma de decisiones (o como se llega a una decisión).
• El razonamiento.
• La comprensión de lenguaje.
• La formación de los conceptos (sus características, protocolos y ejemplos)
• La categorización.

 La proyección de cualquier tecnología para la comunicación de información destinada al aprendizaje debe tener en cuenta:

• Como las personas perciben.
• El proceso de comunicación.
• Como las personas aprenden y recuerdan.
• Las fuentes de información. 

2.4.- Red Semantica de la Web. 

Estos sistemas de organización del conocimiento estructuran conceptos, no como jerarquía sino como una red o una web.

Los conceptos son como nodos, con varias relaciones que se ramifican hacia fuera de ellas.

Las relaciones van generalmente más allá del BT, del NT y del RT estándares, pueden incluir relaciones tipo todo-parte, causa-efecto, padre-niño, es_un o es_parte. Las redes semánticas son grafos orientados que proporcionan una representación declarativa de objetos, propiedades y relaciones. Existe diversos tipos de relaciones semánticas como la hiponimia, hiperonimia, la meronimia, etc. Dado un conjunto de conceptos, elementos semánticos o términos relacionados semánticamente mediante alguna relación semántica, una red semántica representa estas relaciones en forma de grafo. Explícitamente, dado un conjunto de términos {t1, t2, …, tn} y cierta relación semántica simétrica entre ellos se construye un grafo G = (V,A) cumpliendo las siguientes condiciones:

1. El conjunto V es el conjunto de vértices o nodos del grafo. Este conjunto estará formado por n elementos (tantos vértices como términos relacionables). A cada uno de los vértices del grafo representará uno de los términos, por tanto los vértices del grafo se llamarán: t1, t2, …, tn.

2. El conjunto A es el conjunto de aristas o líneas del grafo. Dados dos vértices (términos) del grafo ti y tj existirá una línea aij que une los vértices ti y tj si y sólo si los términos ti y tj están relacionados. Si la relación no es simétrica, entonces se usan grafos dirigidos para representar la relación.

Historia

Los responsables de los primeros esquemas de representación formalizados fueron Quillian (1968) y Shapiro & Woddmansee (1971). Los esquemas de redes semánticas tienen una fundamentación psicológica muy sólida, por lo que se han realizado numerosos esfuerzos por llevar a cabo implementaciones importantes basadas en ellas.

Las redes semánticas han sido muy utilizadas en Inteligencia Artificial para representar el conocimiento y por tanto ha existido una gran diversificación de técnicas. Los elementos básicos que encontramos en todos los esquemas de redes son:

1. Estructuras de datos en nodos, que representan conceptos, unidas por arcos que representan las relaciones entre los conceptos.

2. Un conjunto de procedimientos de inferencia que operan sobre las estructuras de datos. Básicamente, podemos distinguir tres categorías de redes semánticas:

• Redes IS-A, en las que los enlaces entre nodos están etiquetados.
• Grafos conceptuales: en los que existen dos tipos de nodos: de conceptos y de relaciones
• Redes de marcos: en los que los puntos de unión de los enlaces son parte de la etiqueta del nodo.