RAZONAMIENTO EN CONDICIONES DE INCERTIDUMBRE: USO DE REDES SEMNTICAS

El razonamiento humano se caracteriza por incluir en numerosas ocasiones componentes de incertidumbre: informacin ausente, ambigua, imprecisa, etc. En el razonamiento hay que trabajar con la incertidumbre: La informacin puede no existir o no estar disponible La informacin puede ser ambigua La representacin puede ser imprecisa o inconsciente Los datos pueden ser meras interpretaciones hechas por las personas. INCERTIDUMBRE Todo enunciado es incierto respecto a una informacin cuando no es posible determinar con seguridad su validez (Verdadero o Falso) La incertidumbre es pues un concepto relativo enunciado/informacin. INTRODUCCIN AL RAZONAMIENTO CON INCERTIDUMBRE 1) INCERTIDUMBRE E IMPRESICION Preposicin incierta: Su valor de verdad o falsedad no se conoce o no se puede determinar Preposicin imprecisa: Aquella referida a una variable cuto valor no puede determinarse con exactitud Una preposicin incierta puede ser precisa. Una preposicin imprecisa puede ser incierta.

Grado de creencia y grado de gravedad: En la incertidumbre, la preposicin es verdadera o es falsa, solo que no se sabe.

GRADO DE CREENCIA

GRADO DE VERDAD (SUBJETIVO)

En la imprecisin abemos que la variable tiene un valor, pero no lo conocemos

Informacin imperfecta: La informacin imperfecta se puede modelar computacionalmente extendiendo el modelo tpico de objeto-atributo-valor aadiendo un factor de confianza en el tem de informacin (su fiabilidad). tem de informacin = (atributo, objeto, valor, confianza) Atributo: Funcin vincula a un valor o valores Objeto: Entienda a la que se refiere la informacin Valor: Subconjunto del dominio de referencia asociado al atributo Confianza: Fiabilidad del tem de informacin

2) RAZONAMIENTO DEDUCTIVO A partir de cierta informacin (premisas, ) intentamos obtener nueva informacin (conclusin, ) Mediante la aplicacin de un mecanismo de inferencia (Modus ponens)

Premisas: Proposiciones sobre un solo objeto (Llueve, hace calor) Relaciones entre varios objetos (Los coches potentes corren mucho).

Razonamiento basado en reglas de produccin:

Las relaciones entre objetos se expresan mediante reglas Si Entonces (A B) Si llueve me mojo Si un coche es potente, corre mucho

El razonamiento con incertidumbre como tratamiento de excepciones: Las aves tienen alas Los animales con alas vuelan El pingino es un ave

3) LA INCERTIDUMBRE Y LA LGICA DE PRIMER ORDEN (LPO): En la Lgica de primer orden los hechos son ciertos, falsos o desconocidos. La inferencia con la LPO nicamente es posible con hechos ciertos: No puede expresar la incertidumbre. No puede hacer deducciones lgicamente incorrectas pero probables No puede revisar sus conclusiones a la luz de nuevo conocimiento

Limitacin: casi todos los dominios reales tienen incertidumbre El razonamiento con incertidumbre como tratamiento de excepciones, razonar con incertidumbre es el arte de representar y razonar con resmenes de excepciones: Compromiso entre seguridad en el razonamiento y eficiencia del proceso. Necesidad del razonamiento con incertidumbre: El modelo ideal del razonamiento (humano o no) es el razonamiento exacto: Verdadero Falso? En el mundo real es necesario tomar decisiones y deducir nueva hechos a partir de informacin con alguna de las siguientes caractersticas: Parcial o incompleta Incierta Imprecisa _ Conflictiva

4) USO DE LAS REDES SEMNTICAS EN BASE AL RAZONAMIENTO EN CONDICIONES DE INCERTIDUMBRE El objetivo de las redes semnticas es desarrollar una infraestructura para generar datos que las computadoras puedan entender, de tal forma que puedan ser compartidos y procesados no slo por personas sino tambin por herramientas automatizadas. RED SEMANTICA

EJEMPLOS DE REDES SEMANTICAS A. REPRESENTE UTILIZANDO CONOCIMIENTO REDES SEMANTICAS EL SIGUIENTE

Las aves tienen plumas y tienen alas. El canario es una ave y come semillas Pioln es un canario El halcn es un ave y tiene patas Pedro es un Halcn

B. REPRESENTE UTILIZANDO CONOCIMIENTO

REDES

SEMANTICAS

EL

SIGUIENTE

Los animales pueden respirar Un ave es un animal, vuela bien, tiene plumas y pone huevos Los mamferos son animales , tiene pelo La ballena es un mamfero, tiene piel y vive en el mar El tigre es un mamfero y come carne

EJEMPLO SENCILLO DE RED SEMANTICA

puede("ANIMAL,respirar). tiene("ANIMAL",piel). come("ANIMAL",alimentos). es_un(PERSONA,ANIMAL). es_un("PAJARO","ANIMAL"). puede("PAJARO",volar). tiene("PAJARO",alas). pone("PAJARO,huevos). es("CANARIO,"PAJARO"). puede(CANARIO,cantar). es("CANARIO,amarillo). es_un("PIOLIN,"CANARIO"). tiene("PERSONA,piernas). es("PERSONA,inteligente). es_una("JUAN, "PERSONA").