eduardo morales / l. enrique súcar representaciones estructuradas sesión 06 inteligencia...
TRANSCRIPT
![Page 1: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/1.jpg)
Eduardo Morales / L. Enrique SúcarEduardo Morales / L. Enrique Súcar
Representaciones EstructuradasRepresentaciones Estructuradas
Sesión 06Sesión 06
INTELIGENCIA ARTIFICIAL
![Page 2: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/2.jpg)
Las limitaciones de las representaciones en base a reglas, en particular, la necesidad de representar aspectos como estructura y relaciones, llevaron a otros esquemas que en general englobamos como representaciones estructuradas.
Las limitaciones de las representaciones en base a reglas, en particular, la necesidad de representar aspectos como estructura y relaciones, llevaron a otros esquemas que en general englobamos como representaciones estructuradas.
IntroducciónIntroducción
![Page 3: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/3.jpg)
Dentro de este tipo de representaciones las dos más significativas, son:
Dentro de este tipo de representaciones las dos más significativas, son:
• Redes Semánticas• Prototipos o Marcos (frames)• Redes Semánticas• Prototipos o Marcos (frames)
IntroducciónIntroducción
![Page 4: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/4.jpg)
Estas representaciones se basan en el uso de grafos, es decir, en representaciones en base a nodos y sus relaciones.
Estas representaciones se basan en el uso de grafos, es decir, en representaciones en base a nodos y sus relaciones.
IntroducciónIntroducción
![Page 5: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/5.jpg)
• Representación de relaciones entre conceptos (redes semánticas o asociativas).
• Representación de jerarquías para discriminación y clasificación (sistemas de frames).
• Representación de relaciones entre conceptos (redes semánticas o asociativas).
• Representación de jerarquías para discriminación y clasificación (sistemas de frames).
Representación con grafos Representación con grafos
![Page 6: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/6.jpg)
Redes Semánticas
Redes Semánticas
Modelo de memoria humana para capturar la semántica de las palabras y lograr un uso del significado parecido a los humanos
[Quillian'66].
Modelo de memoria humana para capturar la semántica de las palabras y lograr un uso del significado parecido a los humanos
[Quillian'66].
![Page 7: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/7.jpg)
Un tipo de red en la cual los nodos representan objetos, conceptos o situaciones y los arcos representan relaciones entre ellos.
Se llama red semántica porque se usaron originalmente para representar el sentido en expresiones de lenguaje natural.
Un tipo de red en la cual los nodos representan objetos, conceptos o situaciones y los arcos representan relaciones entre ellos.
Se llama red semántica porque se usaron originalmente para representar el sentido en expresiones de lenguaje natural.
![Page 8: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/8.jpg)
Ejemplo: Definición en un Diccionario Ejemplo: Definición en un Diccionario
PLANTA(1) cosa viviente con hojas y raíces(2) fábrica o edificio industrial
FÁBRICAlugar donde se fabrican bienes con máquinas
PLANTA(1) cosa viviente con hojas y raíces(2) fábrica o edificio industrial
FÁBRICAlugar donde se fabrican bienes con máquinas
![Page 9: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/9.jpg)
SERVIVO
HOJAS
PLANTA
RAICES
PLANTA
FABRICA EDIFICIO
Es un
Es un
Es un
tienetiene
![Page 10: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/10.jpg)
Representación Representación
• Los nodos: conceptos de palabras• Los arcos: ligan conceptos para
establecer la definición
• Los nodos: conceptos de palabras• Los arcos: ligan conceptos para
establecer la definición
• Cada palabra o nodo conceptual se consideraba la cabeza de un “plano” que tiene su definición (v.g., si banco tiene 3 significados, entonces existen 3 planos para él).
• Cada palabra o nodo conceptual se consideraba la cabeza de un “plano” que tiene su definición (v.g., si banco tiene 3 significados, entonces existen 3 planos para él).
![Page 11: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/11.jpg)
Las ligas en el plano representan su definición.
Apuntadores fuera del plano hacen referencia a otros objetos (y planos) en donde se definen.
Las ligas en el plano representan su definición.
Apuntadores fuera del plano hacen referencia a otros objetos (y planos) en donde se definen.
![Page 12: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/12.jpg)
![Page 13: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/13.jpg)
Ejemplo de Diferentes Planos
![Page 14: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/14.jpg)
RelacionesRelaciones
• subclase (is-a): las clases de “arriba” están definidas en términos de conceptos generales que se asumen que se cumplen en todas sus subclases
• modificadores: propiedades particulares de conceptos específicos.
• subclase (is-a): las clases de “arriba” están definidas en términos de conceptos generales que se asumen que se cumplen en todas sus subclases
• modificadores: propiedades particulares de conceptos específicos.
Existen 2 ligas principales: Existen 2 ligas principales:
![Page 15: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/15.jpg)
Pueden existir apuntadores a: superclases (is-a), modificaciones, disjunciones, conjunciones y sujeto/objeto.
Puede existir herencia (v.g., un canario es un animal) y herencia de propiedades (v.g., un canario come).
Pueden existir apuntadores a: superclases (is-a), modificaciones, disjunciones, conjunciones y sujeto/objeto.
Puede existir herencia (v.g., un canario es un animal) y herencia de propiedades (v.g., un canario come).
![Page 16: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/16.jpg)
CaseFrame
![Page 17: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/17.jpg)
Case Frames Case Frames
El permitir tener un conjunto de arcos de salida se llama “case frame”,el cual agrupa información de un concepto
posesión es una instancia de pertenencia y hereda los arcos del “case frame”.
Las redes semánticas permiten tener valores por default y cierta expectación acerca de los posibles valores de un atributo.
El permitir tener un conjunto de arcos de salida se llama “case frame”,el cual agrupa información de un concepto
posesión es una instancia de pertenencia y hereda los arcos del “case frame”.
Las redes semánticas permiten tener valores por default y cierta expectación acerca de los posibles valores de un atributo.
![Page 18: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/18.jpg)
La idea es tratar de tener un conjunto adecuado (pequeño) de nodos y de “case frames” genéricos.
La idea es tratar de tener un conjunto adecuado (pequeño) de nodos y de “case frames” genéricos.
![Page 19: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/19.jpg)
InferenciaInferencia
La idea de ésta representación fué originalmente la interpretación del lenguaje.
Quillian describe dos formas de uso: encontrar las similitudes y diferencias entre palabras, y expresar oraciones congruentes en base a la información en la red.
La idea de ésta representación fué originalmente la interpretación del lenguaje.
Quillian describe dos formas de uso: encontrar las similitudes y diferencias entre palabras, y expresar oraciones congruentes en base a la información en la red.
En general podemos usar este tipo de estructuras para diferentes tipos de razonamiento.
En general podemos usar este tipo de estructuras para diferentes tipos de razonamiento.
![Page 20: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/20.jpg)
Tipos de Razonamiento
Tipos de Razonamiento
1. Búsqueda asociativa:
Encontrar si están relacionados dos o más conceptos, y su tipo de relación mediante el seguimiento de la red hasta encontrar las interacciones.
1. Búsqueda asociativa:
Encontrar si están relacionados dos o más conceptos, y su tipo de relación mediante el seguimiento de la red hasta encontrar las interacciones.
![Page 21: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/21.jpg)
2. Reconocimiento:
Dada una serie de características (nodos “token”) encontrar el concepto (nodo clase) que mejor las define mediante su búsqueda y seguimiento en la red (reconocimiento de imágenes).
2. Reconocimiento:
Dada una serie de características (nodos “token”) encontrar el concepto (nodo clase) que mejor las define mediante su búsqueda y seguimiento en la red (reconocimiento de imágenes).
![Page 22: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/22.jpg)
3. Descripción:
Expresar un concepto en base a sus componentes y relaciones entre ellas (lenguaje natural).
3. Descripción:
Expresar un concepto en base a sus componentes y relaciones entre ellas (lenguaje natural).
![Page 23: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/23.jpg)
Ejemplos de Inferencia
![Page 24: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/24.jpg)
SCHOLAR (Carbonell): Uno de los primeros sistemas que usaron redes semánticas. Se aplicó para enseñar la geografía de Sudamérica.
Carbonell distingue entre:
unidades conceptuales (clases) y unidades de ejemplos (instancias).
SCHOLAR (Carbonell): Uno de los primeros sistemas que usaron redes semánticas. Se aplicó para enseñar la geografía de Sudamérica.
Carbonell distingue entre:
unidades conceptuales (clases) y unidades de ejemplos (instancias).
Ejemplos de sistemas basados en redes semánticas.
Ejemplos de sistemas basados en redes semánticas.
![Page 25: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/25.jpg)
Explota el uso de etiquetas (tags). Por ejemplo, la etiqueta de irrelevancia aumenta la distancia semántica y guía hacia los atributos más relevantes.
También utilizó etiquetas temporales y permitió poner procedimientos mezclados dentro de la red
(para inferir hechos).
Explota el uso de etiquetas (tags). Por ejemplo, la etiqueta de irrelevancia aumenta la distancia semántica y guía hacia los atributos más relevantes.
También utilizó etiquetas temporales y permitió poner procedimientos mezclados dentro de la red
(para inferir hechos).
![Page 26: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/26.jpg)
SCHOLAR continent
latitude
country
superconcept
superpart
examples
...
Argentina
superconcept
location
Latitude22 to 55
BorderingCountries:eastern
...... Brazil... Uruguay...
South America
superconcept
...
countries
...
state
...
...
...
![Page 27: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/27.jpg)
Otro Ejemplo Otro Ejemplo
ARCH (Winston): sistema para aprender conceptos de estructuras físicas a partir de ejemplos de estructuras descritos en forma de redes semánticas.
El proceso de generalización permite cambiar relaciones entre objetos.
ARCH (Winston): sistema para aprender conceptos de estructuras físicas a partir de ejemplos de estructuras descritos en forma de redes semánticas.
El proceso de generalización permite cambiar relaciones entre objetos.
![Page 28: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/28.jpg)
ARCH E312
a b c
polygon object
blank
texturesize
medium
HAS-AS-PART
A-KIND-OF
A-KIND-OFA-KIND-OF
HAS-PROPERTY-OF
ON-TOP
BENEATH
![Page 29: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/29.jpg)
Redes Semánticas en el Web
• Incoporar “significado” a la información en el WWW:– Ontologías de conceptos en diversos dominios– Relaciones entre conceptos
• Esto facilitará a agentes el “entender” la información y hacer búsquedas mucho más sofisticadas
• Uso de estándares como XML y RDF
![Page 30: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/30.jpg)
Ventajas Ventajas • Representación “estructurada” del
conocimiento.• Economía cognoscitiva: no es necesario
representar en forma explícita todas las propiedades.
• Representación “estructurada” del conocimiento.
• Economía cognoscitiva: no es necesario representar en forma explícita todas las propiedades. • Definición de distancia semántica entre conceptos (número de ligas a recorrer).
• Representación “analógica” de conocimiento.
• Definición de distancia semántica entre conceptos (número de ligas a recorrer).
• Representación “analógica” de conocimiento.
![Page 31: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/31.jpg)
Problemas
Problemas
• Las redes semánticas no son muy escrupulosas en cuanto al significado de los nodos (v.g., perro se refiere a la clase, el concepto o un perro en particular).
• Las redes semánticas no son muy escrupulosas en cuanto al significado de los nodos (v.g., perro se refiere a la clase, el concepto o un perro en particular).
![Page 32: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/32.jpg)
• Para establecer si existe relación entre dos conceptos, se sigue un proceso de búsqueda de intersección. Esto, sin embargo, no evita la explosión combinatoria.
• Para establecer si existe relación entre dos conceptos, se sigue un proceso de búsqueda de intersección. Esto, sin embargo, no evita la explosión combinatoria.
Problemas
Problemas
![Page 33: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/33.jpg)
Problemas
Problemas • Finalmente una red semántica tiene:
nodos, arcos y reglas de combinación (sintáxis) y lo que significan (semántica).
• El problema es por falta de distinción entre lo intensional (sense/meaning) y extensional (reference/denotation), por ejemplo:
• Finalmente una red semántica tiene: nodos, arcos y reglas de combinación (sintáxis) y lo que significan (semántica).
• El problema es por falta de distinción entre lo intensional (sense/meaning) y extensional (reference/denotation), por ejemplo:
![Page 34: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/34.jpg)
rojo: todas las cosas rojas (extensional) la propiedad de ser rojo (intensional)rojo: todas las cosas rojas (extensional) la propiedad de ser rojo (intensional)
![Page 35: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/35.jpg)
Implementación
Implementación
Representación alternativa a lógica en forma de cláusulas restringidas a predicados binarios.
Representación alternativa a lógica en forma de cláusulas restringidas a predicados binarios.
![Page 36: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/36.jpg)
Predicados binarios representan las relaciones correspondientes a los arcos en el grafo: el símbolo del predicadocorresponde a la etiqueta del arco, los argumentos del predicado corresponden
a los vértices incidentes de dicho arco.
Predicados binarios representan las relaciones correspondientes a los arcos en el grafo: el símbolo del predicadocorresponde a la etiqueta del arco, los argumentos del predicado corresponden
a los vértices incidentes de dicho arco.
![Page 37: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/37.jpg)
La dirección del arco se expresa
en el orden de los argumentos.
Ejemplos:
isa(tanque, componente)
pared(tanque, acero)
La dirección del arco se expresa
en el orden de los argumentos.
Ejemplos:
isa(tanque, componente)
pared(tanque, acero)
![Page 38: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/38.jpg)
Implementación Implementación
Esta representación se puede extender utilizando variables y predicados no aterrizados. De esta forma una cláusularepresenta una “subred”.
Esta representación se puede extender utilizando variables y predicados no aterrizados. De esta forma una cláusularepresenta una “subred”.
![Page 39: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/39.jpg)
Ejemplos:
pared(X, acero) isa(X, tanque)
contenido(X, agua) isa(X, tanque)
isa(X, tanque) isa(X, tanque-domo)
Ejemplos:
pared(X, acero) isa(X, tanque)
contenido(X, agua) isa(X, tanque)
isa(X, tanque) isa(X, tanque-domo)
En principio no es un problema la restricción a predicados binarios, ya que un predicado de grado n > 2 se puede representar como n + 1 predicados binarios.
En principio no es un problema la restricción a predicados binarios, ya que un predicado de grado n > 2 se puede representar como n + 1 predicados binarios.
![Page 40: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/40.jpg)
FRAMES FRAMES
Frames: estructuras de datos representando situaciones prototípicas (Minsky '75)
Una de las ideas intuitivas detrás de los Frames, es que la memoria se basa mucho en estereotipos (propiedades típicas de los objetos)
Frames: estructuras de datos representando situaciones prototípicas (Minsky '75)
Una de las ideas intuitivas detrás de los Frames, es que la memoria se basa mucho en estereotipos (propiedades típicas de los objetos)
![Page 41: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/41.jpg)
Los sistemas de frames razonan acerca de clases de objetos usando representaciones prototípicas, pero que pueden modificarse para capturar las complejidades del mundo real.
Los sistemas de frames razonan acerca de clases de objetos usando representaciones prototípicas, pero que pueden modificarse para capturar las complejidades del mundo real.
![Page 42: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/42.jpg)
Representación Representación
Idea: tener una sola estructura de datos para poner el conocimiento relevante acerca de una clase de objetos, en lugarde tener el conocimiento distribuido en forma de reglas o fórmulas lógicas.
Idea: tener una sola estructura de datos para poner el conocimiento relevante acerca de una clase de objetos, en lugarde tener el conocimiento distribuido en forma de reglas o fórmulas lógicas.
Permite construir conocimiento declarativo y procedural en un registro con slots y fillers o facets.
Permite construir conocimiento declarativo y procedural en un registro con slots y fillers o facets.
![Page 43: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/43.jpg)
(frame (nombre camión) (is-a objeto) (color rojo) (llantas 10) ...)
Los slots pueden tener valores múltiples
(frame (nombre camión) (is-a objeto) (color rojo) (llantas 10) ...)
Los slots pueden tener valores múltiples
Los slots son atributos y los fillers o facets son los valores, v.g.,
Los slots son atributos y los fillers o facets son los valores, v.g.,
![Page 44: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/44.jpg)
Jerarquías de Frames Jerarquías de Frames
Frames están puestos en una jerarquía en donde los frames de “abajo” pueden heredar los valores de los slots de los frames de “arriba” Normalmente la herencia se hace por medio de los arcos: is-a (al final instance-of )
Frames están puestos en una jerarquía en donde los frames de “abajo” pueden heredar los valores de los slots de los frames de “arriba” Normalmente la herencia se hace por medio de los arcos: is-a (al final instance-of )
![Page 45: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/45.jpg)
En general los frames de “arriba” tienen información típica (poco variable) mientras que los de “abajo” tienen información más específica. En ausencia de ésta, se utiliza la de los padres.
En general los frames de “arriba” tienen información típica (poco variable) mientras que los de “abajo” tienen información más específica. En ausencia de ésta, se utiliza la de los padres.
Se pueden hacer deducciones a través de la jerarquía (se distinguen entre los frames clases o genéricos y los framesinstancias).
Se pueden hacer deducciones a través de la jerarquía (se distinguen entre los frames clases o genéricos y los framesinstancias).
![Page 46: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/46.jpg)
Ejemplo de Jerarquía
P rin c ip a l
A u xilia r F lech a C orrien ted irec ta
S ecu n d aria
B om b a
C on ace ite
Tan q u e
C on tro l S a lid a
V á lvu la
C on ace ite
S is tem a d een friam ien to
C on ace ite
A ltap res ió n
C on ag u a C on ace ite
A u xilia r C on vap or
B a jap res ió n
Tu b o
C om p on en tes
Jerarquía de los componentes de los sistemas de lubricación de una
planta de energía.
![Page 47: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/47.jpg)
Excepciones, Defaults y Demons (facets/fillers)
Excepciones, Defaults y Demons (facets/fillers)
El permitir que un slot esté presente en más de un frame nos permite manejar excepciones (v.g., pingüino).
El permitir que un slot esté presente en más de un frame nos permite manejar excepciones (v.g., pingüino).
![Page 48: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/48.jpg)
Se puede tener información adicional, como: procedimientos para calcular el valor de un slot cuando no se tiene,procedimientos para actualizar valores de un slot cuando un valor de otro slot es actualizado, restricciones en losvalores que puede tener un slot, etc.
Se puede tener información adicional, como: procedimientos para calcular el valor de un slot cuando no se tiene,procedimientos para actualizar valores de un slot cuando un valor de otro slot es actualizado, restricciones en losvalores que puede tener un slot, etc.
![Page 49: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/49.jpg)
Procedimientos
Procedimientos
Datos, definiciones y procedimientos están agrupados en módulos que pueden compartir información y procedimientos por medio de mecanismos de herencia.
Datos, definiciones y procedimientos están agrupados en módulos que pueden compartir información y procedimientos por medio de mecanismos de herencia.
![Page 50: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/50.jpg)
Los fillers o facets pueden tener varias formas de calcular un valor: value, default y demons.
Pegados a los slots pueden existir procedimientos que se activan cuando el slot es accesado o actualizado.
Los fillers o facets pueden tener varias formas de calcular un valor: value, default y demons.
Pegados a los slots pueden existir procedimientos que se activan cuando el slot es accesado o actualizado.
![Page 51: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/51.jpg)
Ejemplo - VALUE/DEFAULT VALUE: (color (valor rojo)) DEFAULT: si no tiene un valor, toma el de default, e.g., (frame coche (color (valor ?)) (llantas (valor ?) (default 4)))
Ejemplo - VALUE/DEFAULT VALUE: (color (valor rojo)) DEFAULT: si no tiene un valor, toma el de default, e.g., (frame coche (color (valor ?)) (llantas (valor ?) (default 4)))
![Page 52: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/52.jpg)
Ejemplo - DEMONS/MÉTODOS
Ejemplo - DEMONS/MÉTODOS
IF-NEEDED: si no tiene un valor y se necesita, se invoca al procedimiento escrito en el facet if-needed (éste podríaser preguntarle al usuario, por ejemplo)
IF-NEEDED: si no tiene un valor y se necesita, se invoca al procedimiento escrito en el facet if-needed (éste podríaser preguntarle al usuario, por ejemplo)
![Page 53: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/53.jpg)
(frame tanque (largo (valor 3)) (ancho (valor 5)) (area (valor ?) (if-needed (func-area (ancho largo)))))
(frame tanque1 (is-a tanque) (largo (valor 2)) (ancho (valor ?)) (area (valor ?)))
(defun func-area (A L) (* A L))
![Page 54: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/54.jpg)
Ejemplo - DEMONS/MÉTODOS Ejemplo - DEMONS/MÉTODOS
IF-ADDED: al añadir un valor en un slot se puede activar un procedimiento (el cual puede afectar el valor de otro slot)
IF-ADDED: al añadir un valor en un slot se puede activar un procedimiento (el cual puede afectar el valor de otro slot)
(frame tanque1 (área (valor ?) (if-added (mult*2 área) (imprime: el doble del área))))
(frame tanque1 (área (valor ?) (if-added (mult*2 área) (imprime: el doble del área))))
![Page 55: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/55.jpg)
IF-REMOVED: al quitar un valor de un slot se activa un procedimiento.
También se puede tener: before y after, los cuales se activan antes y despuésde obtener un valor.
IF-REMOVED: al quitar un valor de un slot se activa un procedimiento.
También se puede tener: before y after, los cuales se activan antes y despuésde obtener un valor.
![Page 56: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/56.jpg)
Inferencia Inferencia 1. Reconocimiento: dados ciertos valores
(atributos) encontrar el Frame. 2. Valores típicos/Demons: deducir información faltante de un Frame 3. Herencia: obtener información de instancias o subclases a partir de sus ascendientes.
1. Reconocimiento: dados ciertos valores (atributos) encontrar el Frame. 2. Valores típicos/Demons: deducir información faltante de un Frame 3. Herencia: obtener información de instancias o subclases a partir de sus ascendientes.
![Page 57: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/57.jpg)
Estrategias Estrategias
1. Valores, defaults, demons en un nivel, y luego hacia arriba (herencia-Z).
Idea: los valores que se puedan obtener en un nivel son más confiables que los de sus niveles superiores.
1. Valores, defaults, demons en un nivel, y luego hacia arriba (herencia-Z).
Idea: los valores que se puedan obtener en un nivel son más confiables que los de sus niveles superiores.
![Page 58: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/58.jpg)
2. Valores hacia arriba, defaults hacia arriba y demons hacia arriba (herencia-N).
Idea: si se puede obtener un valor es más confiable del que se obtenga por default o por medio de los demons.
2. Valores hacia arriba, defaults hacia arriba y demons hacia arriba (herencia-N).
Idea: si se puede obtener un valor es más confiable del que se obtenga por default o por medio de los demons.
![Page 59: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/59.jpg)
Procedimiento de Herencia
Sea F un frame y S un slot UNTIL se encontró un valor para S o F = nil IF F tiene un valor para S acaba ELSE sea F = superclase de F por medio del slot IS-A
Con default o demon sería:
Sea F un frame y S un slot UNTIL se encontró un valor para S o F = nil IF F tiene un (demon/default) para S Then (ejecuta el demon/asigna el default) y acaba
ELSE sea F = superclase de F por medio del slot IS-A
![Page 60: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/60.jpg)
Herencia-Z:
Para combinar: valor, demon, default
Sea F un frame y S un slot UNTIL se encontró un valor para S o F = nil IF F tiene un valor para S Then asigna el valor
ELSE IF F tiene un demon, Then ejecuta el demon.
ELSE IF F tiene un default para S, Then usa el default ELSE sea F = superclase de F por medio del slot IS-A
cenital
![Page 61: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/61.jpg)
Herencia-N:
Realiza:
Herencia-N:
Realiza:
• herencia con valor • herencia con demons • herencia con defaults
• herencia con valor • herencia con demons • herencia con defaults
![Page 62: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/62.jpg)
Perspectivas Perspectivas
Un objeto puede verse desde varias perspectivas:
Un objeto puede verse desde varias perspectivas:
• ladrillo - estructural - función = soporte• ladrillo - juguete - función = juego• ladrillo - regalo - función = adorno• ladrillo - arma - función = romper cabezas• ladrillo - cultural - función = detener libros• ...
• ladrillo - estructural - función = soporte• ladrillo - juguete - función = juego• ladrillo - regalo - función = adorno• ladrillo - arma - función = romper cabezas• ladrillo - cultural - función = detener libros• ...
![Page 63: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/63.jpg)
Herencia Múltiple y AmbigüedadHerencia Múltiple y Ambigüedad
A veces se quiere heredar información de más de un frame (la organización se vuelve más una red que un árbol).
A veces se quiere heredar información de más de un frame (la organización se vuelve más una red que un árbol).
Con herencias múltiples no se tiene problemas mientras no exista conflicto en la información.
Con herencias múltiples no se tiene problemas mientras no exista conflicto en la información.
En herencia múltiple se tiene que incluir un método que decida de donde heredar.
En herencia múltiple se tiene que incluir un método que decida de donde heredar.
![Page 64: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/64.jpg)
Manejo de Conflictos
Manejo de Conflictos
Algunos sistemas no deciden (escépticos) por ser contradictorios.
Algunos permiten varias conclusiones (crédulos)
Se puede usar información adicional para resolver la ambigüedad (v.g., con un demonio: IF-NEEDED)
Algunos sistemas no deciden (escépticos) por ser contradictorios.
Algunos permiten varias conclusiones (crédulos)
Se puede usar información adicional para resolver la ambigüedad (v.g., con un demonio: IF-NEEDED)
![Page 65: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/65.jpg)
En algunos sistemas se permiten que los valores de slots apunten a otros frames
A veces se cancelan líneas de herencia para eliminar ambigüedades (preclusión).
En algunos sistemas se permiten que los valores de slots apunten a otros frames
A veces se cancelan líneas de herencia para eliminar ambigüedades (preclusión).
![Page 66: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/66.jpg)
Ejemplo de Herencia Múltiple
Vasosanguíneo
Arteria
Arteriapulmonar
Arteriapoco oxi.
![Page 67: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/67.jpg)
SCRIPTS
Los frames se pueden utilizar para entender historias (idea de los Scripts) v.g.,
SCRIPTS
Los frames se pueden utilizar para entender historias (idea de los Scripts) v.g.,
![Page 68: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/68.jpg)
(frame evento (frame desastre (lugar L) (es-un evento) (día D) (muertos N) (Tiempo T)) (heridos M) (sin-casa O)
(frame terremoto (daños P)) (magnitud X) (falla Y)) (frame inundación (is-a desastre)
(frame huracán (rio R)) (vel-viento V) (nombre N)) (frame evento-social (es-un evento)
(frame boda (invitados I) (es-un evento-social) (casa-de C)) (novia NA) (novio NO) (padres-novia PNA) (padres-novio PNO) (vestido-novia VN))
![Page 69: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/69.jpg)
AnálisisAnálisis Los Frames tienen ventajas y desventajas similares a las
redes semánticas. Los Frames tienen ventajas y desventajas similares a las
redes semánticas.
![Page 70: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/70.jpg)
Redes Semánticas – Frames • Se pueden ver los frames como una forma
modular de red semántica, con ligas a atributos (dentro del frame) y a super-clases (fuera del frame). Ejemplo:
SERVIVO
HOJAS
PLANTA
RAICES
Es un
tienetiene
PLANTA
SER VIVO
![Page 71: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/71.jpg)
Implementación Implementación
Podemos representar un “frame” en lógica como una serie de predicados aterrizados (hechos). Existen varias formas de hacerlo, tres posibles son:
1. frame(objeto,atributo,valor) 2. objeto(atributo,valor) 3. atributo(objeto,valor)
Podemos representar un “frame” en lógica como una serie de predicados aterrizados (hechos). Existen varias formas de hacerlo, tres posibles son:
1. frame(objeto,atributo,valor) 2. objeto(atributo,valor) 3. atributo(objeto,valor)
![Page 72: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/72.jpg)
Ejemplo de Frames en Prolog Ejemplo de Frames en Prolog
isa(tubo-alta-presión,tubo).isa(tubo,componente).
componente(uso,sistema-lubricación).
tubo(forma,tubular).tubo-alta-presión(pared,acero).tubo-alta-presión(contiene,aceite).
isa(tubo-alta-presión,tubo).isa(tubo,componente).
componente(uso,sistema-lubricación).
tubo(forma,tubular).tubo-alta-presión(pared,acero).tubo-alta-presión(contiene,aceite).
![Page 73: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/73.jpg)
Tarea
• Utilizar redes semánticas o frames para representar un aspecto de tu problema, incluyendo:– Los conceptos básicos de la representación y
sus relaciones– Ilustrar (red semántica / sistema de frames)– Las formas de inferencia que se utilizan
(ejemplos)
![Page 74: Eduardo Morales / L. Enrique Súcar Representaciones Estructuradas Sesión 06 INTELIGENCIA ARTIFICIAL](https://reader033.vdocuments.mx/reader033/viewer/2022051211/5528bde4497959977d8fba0b/html5/thumbnails/74.jpg)
FIN