fundamentos de inteligencia artificial (representación de conocimiento) e. morales/l.e. sucar...
TRANSCRIPT
![Page 1: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/1.jpg)
Fundamentos de Inteligencia Artificial
(Representación de Conocimiento)
E. Morales/L.E. Sucar
Departamento de Computación
ITESM Campus Cuernavaca
![Page 2: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/2.jpg)
a) Habilidades
Intenciones Educativas
• análisis y comparación • lectura crítica • autoestudio • resolución de problemas/aplicación de conocimientos
![Page 3: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/3.jpg)
b) Valores
Intenciones Educativas
• trabajo en grupo • responsabilidad
![Page 4: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/4.jpg)
Conceptual:
Identificar los componentes para representar el conocimiento en una aplicación, utilizar una o varias de las técnicas de representación que sean más adecuadas, y decidir sobre los mecanismos de inferencia y control
Objetivos
![Page 5: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/5.jpg)
Procedimental:
Aprender a analizar y comparar las diferentes técnicas y aplicarlas a la solución de problemas.
Aprender a leer, analizar y criticar por cuenta propia artículos científicos.
Objetivos
![Page 6: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/6.jpg)
Actitudinal:
Aprender a trabajar en grupo y fomentar actitudes críticas bien fundamentadas.
Promover responsabilidad y profesionalismo.
Objetivos
![Page 7: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/7.jpg)
1. Introducción a Inteligencia Artificial 2. Introducción a la Representación de Conocimiento* 3. Búsqueda* 4. Lógica* 5. Reglas de producción* 6. Objetos estructurados* 7. Representaciones Híbridas 8. Inteligencia artificial distribuida
Estructuración del contenido
![Page 8: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/8.jpg)
9. Modelos cualitativos* 10. Razonamiento temporal* 11. Representación de Incertidumbre * 12. Adquisición de conocimiento y aprendizaje 13. Ontologías 14. Desarrollos recientes y tendencias futuras
Estructuración del contenido
![Page 9: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/9.jpg)
Reglas
Ontología Lógica
RedesSemánticasClásica
es una
es una
es unaIdentificar
Técnicas de Representación
e Inferencia
tipo
Híbridatipo
Representaciónde
Conocimiento
aplicar
Alternativa
Cualitativatipo
Temporal
es una
es una
Manejo deintercertidumbreBasadas en
aprendizajeEstrategiasde control
es unaDiseñar
Pizarrón
Capas
DAI
tipo
tipo
tipo
Representación
Mecanismoinferenciadecidir
Control
resolver
Problema
Frames/objetos
es una
Figura 0.1: Mapa Conceptual del Cursocenital
![Page 10: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/10.jpg)
• Cada alumno debe de escoger un problema desde el principio de la clase al cual va a estar aplicando y evaluando algunas de las técnicas vistas en clase para representarlo y resolverlo.
Estrategia de Enseñanza y Aprendizaje
• Algunas clases se van a impartir siguiendo el formato de la representación vista en clase.
![Page 11: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/11.jpg)
• Representación del problema para cada una de las técnicas marcadas con “*”(25%)
Evaluación
La evaluación consiste de:
![Page 12: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/12.jpg)
• Examen a mediados del curso (30%).
Evaluación
• Participación en grupos de discusión y presentación artículos en equipo (20%).
![Page 13: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/13.jpg)
• Realización de un proyecto resolviendo el problema planteado (25%)
Evaluación
![Page 14: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/14.jpg)
1. Entregar un documento, en formato de artículo técnico, que contenga (por lo menos) las siguientes secciones:
Proyecto Final de Representación de Conocimiento
![Page 15: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/15.jpg)
a) El problema a resolver y las principales carácterísticas del mismo.
b) Qué elementos están considerando en la representación del problema
c) Qué técnica(s) de representación y qué método(s) de inferencia (y control), y porqué?
![Page 16: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/16.jpg)
d) Mostrar los resultados obtenidos y analizarlos
e) Hacer una breve análisis de las ventajas/desventajas de la representación y método de inferencia utilizado.
f) Dar conclusiones e ideas de posibles extensiones
![Page 17: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/17.jpg)
Proyecto Final (continuación)
2. Realizar una implementación que resuelve su problema (en cualquier lenguaje):
b) Mandar ejecutable
a) Entregar listado de código junto con manual de usuario
![Page 18: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/18.jpg)
3. Hacer una presentación breve que explique el punto (1) y los resultados obtenidos
![Page 19: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/19.jpg)
Lucas, P. y Van der Gaag, L. Principles of Expert Systems. Addison Wesley, 1991. Russel, S., Norvig, P., Artificial Intelligence: A Modern Approach, Prentice-Hall, 1995.
BibliografíaTexto
![Page 20: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/20.jpg)
BibliografíaConsulta
Brachman, R y Levesque, H. Readings in Knowledge Representation. Morgan Kaufmann, 1985.
Jackson, P. Introduction to Expert Systems. Addison-Wesley, 1990 (2a. edición).
![Page 21: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/21.jpg)
Winston, P., Artificial Intelligence. Addison-Wesley (Tercera Edición) 1992.
BibliografíaConsulta
Shapiro, S.C. Encyclopedia of Artificial Intelligence. Wiley, New York (segunda edición), 1992.
![Page 22: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/22.jpg)
“... diseño de sistemas inteligentes, es decir, que exhiben características que asociamos con la inteligencia humana - entender lenguaje natural, aprendizaje, razonamiento, etc.” [Feigenbaum].
Inteligencia Artificial
![Page 23: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/23.jpg)
“... programar computadoras para que realicen tareas que actualmente son hechas mejor por los seres humanos, ... , aprendizaje perceptual, organización de la memoria, razonamiento” [Jackson].
Inteligencia Artificial
![Page 24: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/24.jpg)
“... hacer computadoras más útiles y entender los principios que hacen posible la inteligencia” [Winston].
Inteligencia Artificial
![Page 25: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/25.jpg)
“... es un campo de la ciencia y de la ingeniería que se ocupa de la comprensión a través de la computadora de lo que comunmente llamamos comportamiento inteligente y de la creación de herramientas que exhiben tal comportamiento” [Shapiro].
Inteligencia Artificial
![Page 26: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/26.jpg)
1. Entender y modelar sistemas “inteligentes”
Dos aspectos básicos:
2. Construir máquinas “inteligentes”
(ciencia)
(ingeniería)
![Page 27: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/27.jpg)
habilidad de razonar, adquirir y aplicar conocimiento, percibir y manipular objetos, ...
Pero, qué es inteligencia?
![Page 28: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/28.jpg)
• Sistemas que piensan como humanos (ciencia cognitiva).
Enfoques:
• Sistemas que actuan como humanos (prueba de Turing).
![Page 29: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/29.jpg)
• Sistemas que piensan racionalmente (lógica).
• Sistemas que actuan racionalmente (teoría de decisiones).
Enfoques:
![Page 30: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/30.jpg)
• Comprensión de lenguaje natural. • Interpretación de imágenes. • Manipulación y navegación. • Matemáticas simbólicas. • Planeación. • Solución de problemas complejos.
Tipo de aplicaciones:
![Page 31: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/31.jpg)
• Simbólicos (Lisp) • Lógicos (Prolog)
Tipo de técnicas :
Tipo de lenguajes :
• Manipulación simbólica. • Aprendizaje. • Razonamiento. • Búsqueda heurística.
![Page 32: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/32.jpg)
IA tiene sus fundamentos en áreas tales como:
• Filosofía • Matemáticas • Psicología • Ingeniería Computacional • Linguística
Es multidisciplinaria:Computación + otras áreas
..
![Page 33: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/33.jpg)
• Gestación (1943-1956) • Entusiasmo y grandes espectativas (1952-1969) • Dosis de realidad (1966-1974) • Sistemas basados en conocimiento (1969-1979)
Desarrollo Histórico
Según [Russell, Norvig 95]:
![Page 34: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/34.jpg)
• IA como industria (1980-1988) • Regreso de redes neuronales (1986-presente) • Eventos recientes (1987-presente)
Según [Russell, Norvig 95]:
Desarrollo Histórico
![Page 35: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/35.jpg)
• GPS - Newell, Shaw y Simon • Perceptrón - Minsky y Papert • Chekers - A. Samuel • MACSYMA • AM - D. Lenat • ELIZA - Weisenbaum
Sistemas y/o Desarrollos Importantes
Sistemas históricos
![Page 36: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/36.jpg)
Sistemas y/o Desarrollos Importantes
Sistemas históricos
• Shakey - SRI • SHRDLU - Winogard • MYCIN - E. Shortliffe • Prospector - Duda, Hart • Hearsay II - Erman, Hayes-Roth, Lesser, Reddy • CYC - D. Lenat, R. Guha • ...
![Page 37: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/37.jpg)
• PEGASUS [Zue et al. 94] • MARVEL [Schwuttke 92] • Diagnóstico médico [Heckerman 91] • NAVLAB [Pomerlau 93] • Monitoreo de tráfico [Koller 94] • DEEP BLUE [IBM 97] • TD-Gammon [Tesaruro 94] • Trains/Trips [Allen 95/98]• Ayudante de ventas en LN [Chai 01]
Sistemas actuales
![Page 38: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/38.jpg)
VIDEOS:
SISTEMA TRIPS DE JAMES ALLEN
ROBOTÍCA
![Page 39: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/39.jpg)
IA: áreas actuales de investigación(IJCAI 01)
• Representación y razonamiento (31)– Robótica cognitiva– Causalidad y acción (planes)– Razonamiento espacial– Razonamiento cualitativo– Razonamiento temporal– Revisión de conocimiento– Lógica, grafos conceptuales– Análisis de complejidad– Ontologías
![Page 40: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/40.jpg)
• Búsqueda y satisfacción de restricciones (19)• Modelos cognitivos (6)• Planeación (15)• Juegos (3)• Diagnóstico (6)• Programación lógica y prueba de teoremas (10)• Incertidumbre y razonamiento probabilístico (12)
IA: áreas actuales de investigación(continuación)
![Page 41: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/41.jpg)
• Redes neuronales y algoritmos genéticos (8)
• Aprendizaje y minería de datos (23)
• Razonamiento basado en casos (5)
• Sistemas multi-agente (27)
• Procesamiento de lenguaje natural (14)
• Robótica y percepción (14)
IA: áreas actuales de investigación(continuación)
![Page 42: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/42.jpg)
Disputas internas: lógicos/teóricos vs. prácticos
Disputa externa: ¿se puede lograr una verdadera IA?
Cuestionamientos
![Page 43: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/43.jpg)
Existen dos posiciones:- IA débil- IA fuerte.
• Débil: ¿podemos lograr crear máquinas que actuen como si fueran inteligentes? • Fuerte: ¿podemos tener máquinas inteligentes? (i.e., conciencia...)
![Page 44: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/44.jpg)
• Gödel (teorema de incompletés)
• Dreyfus (la manipulación simbólica no es fundamento de inteligencia) • Winograd y Flores (mejor enfocarse a problemas prácticos)
Críticas
![Page 45: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/45.jpg)
• Searle (pensamiento real y simulado)
Críticas
•Penrose (se requiere conocimiento de física no incluído en las máquinas)
![Page 46: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/46.jpg)
Discusión sobre los aspectos de IA que aparecen en la película y sobre los avances actuales con respecto a la película
Presentación de Video 2001: Odisea del espacio
![Page 47: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/47.jpg)
• Jugar ajedrez () • Síntesis de voz ()• Reconocimiento de voz () • Lectura de labios () • Planificación ()
2001: Odisea del Espacio
![Page 48: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/48.jpg)
• Visión ( X ) • Procesamiento de lenguaje natural ( X ) • Sentido común ( X ) • Emociones ( X )
Stork (ed.), HAL's Legacy, MIT Press, 1997
2001: Odisea del Espacio
![Page 49: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/49.jpg)
Representaciones básicas:
• Reglas de producción • Redes semánticas • Frames (prototipos o marcos) • Lógica de predicados
Técnicas de Representación
![Page 50: Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca](https://reader036.vdocuments.pub/reader036/viewer/2022062519/5665b4671a28abb57c913ff6/html5/thumbnails/50.jpg)
Representaciones avanzadas:
• Modelos cualitativos, temporales, causales • Manejo de incertidumbre • Sistemas híbridos, capas, pizarrón • Sistemas multiagentes• Razonamiento basado en casos • Redes neuronales • Sistemas multifuncionales
Técnicas de Representación