Las arquitecturas de sistemas de producción son otro destacado método de representación de conocimientos en sistemas de Al. Originalmente fueron propuestos por A. Newell, 1973, como modelos de razonamiento humano. El planteamiento de los sistemas de producción está ligado al concepto de “regla”, cada una de las cuales es esencialmente un par operativo “patrón → acción” en un entorno de conceptos relevantes. La idea ha demostrado ser especialmente fructífera para la manipulación de conocimientos en sistemas expertos. Un sistema de Al puede acumular conocimientos en forma de reglas de producción. Esto es muy útil porque el conocimiento de un especialista se puede aumentar incrementalmente, y puede expresarse de una forma fácilmente comprensible por un experto familiarizado con la ingeniería del conocimiento. Las reglas se recogen del experto, se comprueba su coherencia, y se programa en el sistema de Al. Simultáneamente se analiza qué reglas son apropiadas e inadecuadas.
Las reglas comprendidas en la base de conocimientos pueden tener diferentes formatos. La sección “entonces” representa inferencias, aserciones, preceptos, etc. De las varias condiciones asociadas a la regla una determina si ésta es potencialmente válida respecto al modelo domínate de la situación. Una regla puede exigir que se cumpla un número determinados de condiciones antes de que se siga una acción, inferencia, conclusión, etc. Por ejemplo, si a es el caso y se satisfacen las condiciones c y d, entonces d es el caso. En ocasiones la conclusión alcanzada (estado inferido) se complementa con un factor de probabilidad: por ejemplo, 0,7, que significaría que hay 7 posibilidades contra 10 de que dicha conclusión sea verdadera.
Las reglas se pueden manejar de diferentes organizaciones sistemáticas; por ejemplo:
– de arriba-abajo, donde los objetivos de nivel superior se examinan tratando de adaptar el lado derecho de la regla con el objetivo. Cuando se encuentra una coincidencia, los componentes de la izquierda se convierten en nuevos objetivos, y el proceso continúa.
– por modelación, si se utiliza un modelo del entorno relevante. Este enfoque permite predecir acontecimientos.
– pizarra, sillas reglas se organizan como “fuentes de conocimiento” expertas en determinadas especialidades. En este caso se formulan y modifican hipótesis.
Otras posibles organizaciones sistémicas para el manejo de reglas tratan de permitir que el ordenador piense en idioma natural, desarrolla de técnicas de razonamiento de sentido común, y estrategias. Los procedimientos de reglas de producción se utilizan para ampliar1a competencia de los sistemas de Al en general y de los sistemas expertos en particular. Bary Feigenbaum, 1981, dan una descripción detallada de los sistemas de producción y de las reglas asociadas junto con otros varios métodos de representación de conocimientos.
Lógica y programación
En 1960 resultó evidente que se podía utilizar lógica de primer orden como formalismo para la representación de conocimientos. Conclusión motivada por los trabajos en demostración automática de teoremas (ver encuesta en Nilsson, 1971). Ya hemos citado el interés por el principio de resolución como técnica de inferencia. Otras investigaciones tratan de refundir formalismos lógicos en estructuras computables. Como ejemplos citaremos el formalismo planificador, el paradigma de planificación de tiras, y el lenguaje de programación PROLOG (éste último muy importante para el desarrollo de los ordenadores de quinta generación). Se ha discutido muy ampliamente la importancia de los métodos lógicos de representación de conocimientos.
La lógica formal comenzó a desarrollarse en tiempos de Aristóteles por filósofos y matemáticos, y puede considerarse como un enfoque clásico de la representación de conocimientos sobre el mundo. Declaraciones tales como “todos los hombres son mortales” se refundieron con formulaciones matemáticas que facilitaron el análisis formal de las interrelaciones. Este planteamiento permite obtener conclusiones deductivamente y con una precisión no garantizada por otros procedimientos de representación de conocimientos. Además, el uso de representaciones basadas en la lógica se ha popularizado en la Investigación en Al, pues proporciona un medio directo de obtener nuevas facetas a partir de otras anteriores. Versiones automatizadas de las técnicas de demostración de teoremas han facilitado el desarrollo de programas que pueden determinar el valor verdadero de una nueva declaración en una base de datos tratando de demostrarla a parte de otras declaraciones ya existentes. Si el número de facetas es demasiado grande, se produce la denominada explosión combinatoria y habría que adoptar métodos de validación diferentes.
Minsky y otros han expresado sus dudas sobre la utilidad de los esquemas clásicos de representación lógica para hacer frente a la variedad y complejidad que requiere el pensamiento humano y sus versiones mecanizadas (parte de este debate tuvo lugar en Israel en 1983). En consecuencia, los esquemas clásicos de lógica de primer orden se han suplementado con una nueva gama de formalismos. El debate y evaluación de sus respectivos méritos continúa en la actualidad y no existe por el momento ningún método predominante de representación de conocimientos en sistemas de Al.
Belén Stettler, oriunda de Río Gallegos, Santa Cruz, Argentina, cuenta con 35 años y es Licenciada en Ciencias de la Comunicación Social por la Universidad de Buenos Aires (UBA). A lo largo de sus 13 años de trayectoria en comunicación política, ha trabajado como consultora en Buenos Aires, especializándose en estrategia, investigación y comunicación directa. Ha dirigido equipos de comunicación en diversas campañas. Su experiencia incluye roles importantes en la Obra Social del Personal de Seguridad Pública de Buenos Aires, la Vicejefatura de Gobierno de Buenos Aires, Claves Creativas, Ford Argentina y AkzoNobel, iniciando su carrera en Grupo Suessa Organización Empresaria.
