PRESENTACIÓN DE CONOCIMIENTOS

En los primeros sistemas de Al, la representación de conocimientos no era una especialidad claramente diferenciada, aunque en algunos sistemas de los años sesenta se le reconocía una importancia fundamental. Es útil considerar una representación de conocimientos como una combinación de estructuras de datos y procedimientos interpretativos capaces de hacer que un programa exhiba un comportamiento “experto”. Uno de los temas centrales de la investigación en Al es desarrollar procedimientos capaces de manipular inteligentemente estructuras de datos. De este modo un ordenador puede pensar sobre su base de conocimientos. Entendiendo por pensamiento capacidad para traducir eficazmente estructuras de datos en conocimientos, en forma similar a como un lector transforma el contenido de un libro en fuente de conocimiento interno. La eficacia con que estos procedimientos actúan sobre las estructuras de datos para generar inferencias determina en gran medida la competencia, o nivel de inteligencia, del sistema. Esta es una de las razones por la que la representación de conocimientos es una de las áreas más activas de la investigación actual en Al.

Hay dos amplias categorías de conocimientos: “saber que…” y “saber cómo…”. La primera trata de la memoria de proposiciones ciertas, hechos. La última trata de la memorización de procedimientos y planes de acción. En realidad, las dos clases de conocimiento están íntimamente ligadas: por ejemplo, los hechos pueden facilitar un comportamiento inteligente. No se puede demostrar la posesión de conocimientos objetivos sin una manifestación comportamental.

Un sistema de Al necesita varios tipos de conocimiento para comportarse inteligentemente o de modo experto. Los tipos de conocimiento dependen del campo de conocimiento a considerar y del comportamiento requerido. Normalmente incluye:

— conocimiento de objetos (saber que…), donde se guardan los hechos relacionados con objetos;

— conocimiento de acciones y sucesos (otra versión de saber que…), donde se guardan los hechos sobre sucesos ocurridos;

— conocimientos sobre prestaciones (saber cómo…), donde se guardan habilidades (cómo montar una bicicleta, nadar, etc.);

— meta conocimientos, saber sobre lo que sabemos (v. g.: conocer las limitaciones de nuestros conocimientos).

Se puede argüir que los tipos enumerados no son realmente tipos diferentes de conocimiento y que pueden incluir otros saberes. Ello nos llevaría a cuestiones epistemológicas (teoría del conocimiento) que caen fuera del alcance de este libro. Sin embargo, vale la pena subrayar que lcs trabajos sobre Al han arrojado mucha luz tanto sobre cuestiones cognoscitivas tradicionales como sobre cuestiones epistemológicas. Es significativo, por ejemplo, que Sloman, 1978, en un libro sobre Al haga frecuentes referencias a filósofos tales como Kant, Hume, y Descartes

Es importante recordar que el propósito de la representación de conocimientos es permitir usar el saber de modo inteligente. Por ejemplo, los sistemas de Al se supone que pueden resolver problemas de ajedrez, estrategia comercial, planificación empresarial, etc., controlar robots en una fábrica o en la luna, comprender un idioma natural (español, ruso, japonés, etc.) y tomar las acciones más adecuadas en cada caso. El uso del saber tales casos supone extraer hechos relevantes de la base de conocimientos y pensar sobre los mismos antes de iniciar el programa de acción correspondiente.

Primero se adquieren los conocimientos y se representan de alguna forma. Normalmente un sistema de Al clasificada la nueva estructura de datos antes de añadirla a la base de conocimientos: de este modo los conocimientos se pueden reutilizar más fácilmente en el futuro. En ocasiones, la adquisición de nuevos conocimientos puede inferir con los procedimientos estándar de ejecución de tareas, los diseñadores de bases de conocimientos han de ser conscientes de esta posibilidad. Es decir, el sistema de Al puede precisar pensar sobre sus conocimientos, pasando por razonamiento de hechos adquiridos a nuevos conocimientos. Ya hemos visto en el capítulo 4 que existen diferentes clases de razonamiento. Algunos pueden resumirse así:

– razonamiento formal →v. g.: lógica matemática supone la manipulación de estructuras de datos según las reglas de inferencia;

— razonamiento de procedimiento (procedural) supone, por ejemplo, la utilización de un procedimiento basado en un modelo aritmético para resolver un problema aritmético;

— razonamiento analógico, implica llegar a conclusiones en nuevos casos en base a los conocimientos usados en otros casos:

— generalización, comprende la generalización de conceptos amplios a partir de ejemplos particulares;

— meta razonamiento, implica la utilización de conocimientos sobre lo que se sabe.

Una vez más tenemos que señalar que estos tipos de razonamiento están muy relacionados entre sí. De hecho, a menudo se pueden usar métodos formales para transponer un problema expresado en un modo de razonamiento. Diferentes tipos de problemas requieren diferente tipo de razonamiento, y cada modo de razonamiento precisa una adecuada representación de conocimientos.

Las diferentes representaciones posibles tienen varias características que pueden servir para su identificación. Podemos preguntarnos, por ejemplo, qué aspectos del mundo exterior se pueden representar en un sistema y el detalle que precisan los procedimientos de Inferencia. Diciéndolo de otro modo, tenemos que saber que el conocimiento requerido por el sistema se puede representar en el formalismo adoptado. Los hechos que necesita el sistema se pueden codificar de diferentes modos. Barry Feigenbaum (1981) citan un ejemplo sencillo -que los petirrojos tienen alas- para mostrar que una proposición tan sencilla puede ser representada por dos redes semánticas. Una establece directamente que las alas forman parte de todos los petirrojos, mientras la otra relaciona que “todos los petirrojos son pájaros” y “todos los pájaros tienen alas”. Podemos ver cómo representaciones de este tipo pueden resultar apropiadas para diferentes tipos de propósitos inferenciales.

Otras diferencias entre los métodos de representación son el modularidad ¿se puede ampliar fácilmente la base de conocimientos?, conocimientos explícitos ¿qué conocimientos del sistema son accesibles al programador y qué saber es implícito e inaccesible?, y que métodos son más efectivos, ¿los declarativos o los de procedimiento? Esta última cuestión estimuló en 1970 un debate que destacó la importancia de la representación de conocimientos en la investigación en AI. Más adelante se describen algunas características de los esquemas de representación. El conocimiento es esencial para los modernos sistemas de Al, y puede ser de varios tipos y representarse de varios modos. Hasta cierto punto, los diferentes enfoques del modelo de representación de conocimientos simulan los procesos que tienen lugar en la mente humana. No hay que olvidar la influencia recíproca entre la inteligencia artificial y sicología cognoscitiva humana. Antes de examinar en detalle lo diferentes formalismos de representación de conocimientos sistemas biológicos.