Para iniciar es importante saber que la representación del conocimiento es la forma en que los sistemas de IA almacenan, organizan y utilizan la información sobre el universo para razonar y tomar decisiones. Esto puede incluir datos, hechos, y relaciones entre ellos. El propósito de representar el conocimiento es la comprensión y manipulación de información compleja, permitiendo que las computadoras realicen inferencias y resuelvan problemas.
Para poder representar el conocimiento, veremos el proceso denominado Ingeniería de conocimiento que en resumidas cuentas se inicia investigando el dominio o universo concreto, aprendiendo los conceptos importantes de ese dominio para luego crear una representación formal de los objetos y relaciones del dominio.
Cada proyecto en el que se representa conocimiento varía en su contenido, alcance y dificultad. Pero todos esos proyectos incluyen los siguientes pasos:
En este paso se delinean el rango de preguntas que la base de conocimientos debe debe soportar y los tipos de hechos que estarán disponibles para cada instancia del problema en particular. La tarea determinará qué conocimiento deberá ser presentado para conectar las instancias de los problemas a las respuestas.
Es la parte donde se debe recopilar el conocimiento relevante. Aquí pueden ocurrir dos cosas, que la persona que representa el conocimiento sea ya un experto en el dominio o bien que se necesite la ayuda de un experto real para extraer el conocimiento que ellos poseen (adquisición del conocimiento). La idea es entender el dominio y el alcance de la base de conocimiento. Aún no se representa formalmente el conocimiento.
Es la parte donde se debe recopilar el conocimiento relevante. Aquí pueden ocurrir dos cosas, que la persona que representa el conocimiento sea ya un experto en el dominio o bien que se necesite la ayuda de un experto real para extraer el conocimiento que ellos poseen (adquisición del conocimiento). La idea es entender el dominio y el alcance de la base de conocimiento. Aún no se representa formalmente el conocimiento.
Como vemos en los pasos anteriores, antes de poder representar el conocimiento, primero es necesario identificar el problema y seleccionar el dominio que será base para construir la representación. Para poder explicarlo mejor te mostraré un ejemplo sencillo que permita darte pistas del uso práctico de los primeros pasos.
Imagina que queremos crear un robot que nos recomiende vinos. ¿Por dónde podemos empezar?
Primero deberíamos decidir qué queremos que sepa el robot. En este caso el robot debería conocer los diferentes tipos de uva, las regiones vitivinícolas, las características de cada vino(sabor, aroma, cuerpo), las combinaciones ideales con la comida. De igual forma debería ser capaz de entender nuestras preferencias personales.
Ejemplo:
Como podemos darnos cuenta, no sabemos nada de vinos. Por ello podemos consultar a un experto, alguien que nos ayude con el tema. Para ello están los sommeliers profesionales. Ellos nos explicarían cómo describen los vinos, qué factores consideran al hacer una recomendación, cómo maridar los vinos con los alimentos y qué tendencias hay en el mundo del vino.
Una vez que tengamos toda esta información, la organizaríamos en una base de datos.
Ejemplo:
Una vez organizada elegiríamos la técnica que más nos convenga para representar el conocimiento. Redes semánticas, Marcos, reglas de producción entre otros que ya hemos abarcado en la unidad 2 de esta asignatura. Sin embargo, para este subtema nos enfocaremos en la representación del conocimiento mediante reglas. Por ello nos centramos en las reglas o expresiones básicas de la forma Si condición – ENTONCES acción.
Por ejemplo, si el cliente prefiere vinos con cuerpo y va a comer carne, recomendar vino tinto con cuerpo. Podríamos definir reglas para recomendar vinos en función de las preferencias del cliente, la comida que va a acompañar y otras variables.
SI el cliente prefiere vinos blancos y va a comer pescado.
ENTONCES Recomendar un vino Sauvignon Blanco.
Si el cliente prefiere vinos ligeros Y la comida es pescado blanco
ENTONCES recomendar un Pinot Grigio.
SI el cliente prefiere vinos con cuerpo Y la comida es carne roja a la parrilla.
ENTONCES recomendar un Cabernet Sauvignon.
SI el cliente prefiere vinos dulces Y el postre es un pastel de chocolate.
ENTONCES recomendar un Porto Tawny.
SI la ocasión es una cena romántica.
ENTONCES recomendar un vino espumoso o un Pinot Noir.
SI la ocasión es una comida informal con amigos.
ENTONCES recomendar una cerveza artesanal o un vino blanco afrutado.
SI la ocasión es una celebración especial.
ENTONCES recomendar un vino añejo o un Champagne.
A modo de introducción general, hemos dado un primer vistazo a los principales componentes de esta unidad. En los próximos subtemas, abordaremos cada elemento en profundidad, desglosando no solo los principios fundamentales de los sistemas de producción y las reglas, sino también las técnicas avanzadas para optimizar el proceso de inferencia. Exploraremos métodos detallados para el diseño de reglas de forma que nos permitirán entender cómo llegar a conclusiones mediante el uso de reglas de producción.
Para este subtema se requiere contestar un cuestionario autoevaluable, el cual se encuentra en el apartado de recursos.
Cuestionario del subtema 3.1.
Recursos: 0 Descargables
Duración: 1.5 Horas
Departamento de Sistemas e Informatica
sistemas@itistmo.edu.mx
“Por una tecnología propia como principio de libertad®️”
