Representación del Conocimiento y Razonamiento
La representación del conocimiento y el razonamiento es la rama de la inteligencia artificial que se ocupa de codificar hechos sobre el mundo en una forma que una computadora pueda usar, y de derivar nuevas conclusiones a partir de ese conocimiento codificado.
Definition
La representación del conocimiento y el razonamiento es el estudio de cómo expresar lo que un agente sabe en un lenguaje formal y cómo calcular las consecuencias lógicas de ese conocimiento, para que el agente pueda responder preguntas y decidir cómo actuar.
Scope
Esta área cubre los formalismos utilizados para representar el conocimiento simbólicamente y los procedimientos de inferencia que operan sobre ellos: lógica proposicional y de primer orden con demostración de teoremas y resolución, redes semánticas, marcos y ontologías, lógicas de descripción, y razonamiento no monótono y por defecto. Trata cómo la expresividad de una representación se equilibra con la tratabilidad del razonamiento, y cómo se consultan y mantienen las bases de conocimiento. Las representaciones estadísticas y aprendidas del conocimiento pertenecen al subcampo del aprendizaje automático, y el razonamiento específicamente sobre probabilidad se trata bajo el razonamiento bajo incertidumbre.
Sub-topics
Core questions
- ¿Cómo se pueden expresar hechos, reglas y relaciones sobre un dominio en un lenguaje formal y utilizable por máquinas?
- ¿Qué procedimientos de inferencia derivan nuevos hechos que se desprenden de una base de conocimiento, y son estos sólidos y completos?
- ¿Cómo se equilibra la expresividad de una representación con el costo computacional de razonar con ella?
- ¿Cómo debe manejar el razonamiento la información incompleta y las suposiciones por defecto que pueden ser retractadas posteriormente?
Key concepts
- lógica proposicional y de primer orden
- implicación e inferencia
- resolución y demostración de teoremas
- redes semánticas y marcos
- ontologías
- lógicas de descripción
- razonamiento no monótono y por defecto
- el problema del marco
- compensación entre expresividad y tratabilidad
Key theories
- La lógica como lenguaje de representación
- La lógica proposicional y de primer orden proporcionan una sintaxis formal y una semántica de teoría de modelos en la que la implicación captura la inferencia correcta, dando a la representación del conocimiento una noción rigurosa de qué conclusiones están justificadas por una base de conocimiento.
- Resolución y deducción automatizada
- El principio de resolución de Robinson reduce la inferencia lógica a una regla única y mecanizable sobre cláusulas, haciendo posible la demostración de teoremas completa por refutación para la lógica de primer orden y sustentando la programación lógica y los sistemas de razonamiento automatizado.
- El problema del marco y el razonamiento de sentido común
- McCarthy y Hayes identificaron la dificultad de representar lo que cambia y lo que no cambia cuando ocurren acciones (el problema del marco), exponiendo profundos desafíos en la formalización del conocimiento de sentido común que motivaron gran parte del trabajo posterior en lógica no monótona.
Clinical relevance
La representación del conocimiento subyace a los sistemas expertos, la Web Semántica y los datos enlazados, las aplicaciones impulsadas por ontologías en biomedicina e ingeniería, la respuesta a consultas sobre bases de conocimiento estructuradas y la verificación formal de sistemas; las ontologías construidas sobre lógicas de descripción son centrales para los grafos de conocimiento a gran escala.
History
La representación del conocimiento basada en la lógica comenzó con la propuesta de McCarthy en 1959 de un 'consejero' (advice taker) y fue profundizada por el análisis del problema del marco de McCarthy-Hayes (1969) y el principio de resolución de Robinson (1965). Enfoques estructurados paralelos dieron lugar a las redes semánticas y los marcos de Minsky en la década de 1970, formalizados más tarde como lógicas de descripción que sustentan las ontologías modernas.
Debates
- Representaciones logicistas vs. procedimentales y estructuradas
- Un debate de larga data contrasta la representación declarativa del conocimiento en lógica, con inferencia de propósito general, frente a representaciones estructuradas o procedimentales (marcos, redes semánticas, guiones) que se argumenta que capturan mejor la organización del sentido común; las lógicas de descripción reconciliaron parcialmente ambas al dar a las representaciones estructuradas una semántica lógica.
Key figures
- John McCarthy
- Patrick J. Hayes
- John Alan Robinson
- Ronald J. Brachman
- Hector J. Levesque
- Marvin Minsky
Related topics
Seminal works
- mccarthy1969
- robinson1965
- brachman2004
Frequently asked questions
- ¿Cuál es la diferencia entre la representación del conocimiento y una base de datos?
- Una base de datos almacena hechos explícitos y responde preguntas sobre ellos, mientras que un sistema de representación del conocimiento también codifica reglas y relaciones generales y utiliza la inferencia para derivar hechos que nunca se almacenaron explícitamente. El énfasis en la representación del conocimiento está en el razonamiento, no solo en la recuperación.
- ¿Por qué existe una compensación entre la expresividad y la tratabilidad?
- Los lenguajes más expresivos pueden establecer hechos más sutiles, pero generalmente hacen que la inferencia sea computacionalmente más difícil, a veces indecidible. La investigación en representación del conocimiento busca lenguajes, como ciertas lógicas de descripción, que sean lo suficientemente expresivos para ser útiles mientras mantienen el razonamiento decidible y eficiente.