Inteligencia Artificial y Redes Neuronales

M.C. Fco. Javier de la Garza S.

Unidad Temtica 2.- Representacin y validez de razonamientos, haciendo uso de la lgica de

predicados
Existen una gran cantidad de problemas que nos gustara resolver en IA. Cada uno de estos problemas
representa un reto en cuanto a la informacin y al manejo de esta informacin. No sabemos la manera en
que se llevan a cabo los procesos mentales bsicos. Antes se pensaba que la manera correcta de leer para
comprender un texto se relacionaba con tomar las palabras y buscar su significado en el cerebro, hasta
que recibimos un mail:
Sgeun un etsduio de una uivenrsdiad ignlsea, no ipmotra el odren en el que las ltears etsan ersciats, la
uicna csoa ipormtnate es que la pmrirea y la utlima ltera esetn ecsritas en la psiocion cocrrtea
Este correo rompe los paradigmas que pensbamos obvios para la lectura de un texto y nos abre un
sinnmero de interrogantes, pero nos deja algo bastante claro: No conocemos como funciona nuestro
cerebro.
Para trabajar con los objetos del mundo en una computadora buscamos una forma de representarlos.
Dependiendo de las necesidades que tengamos podemos buscar una representacin adecuada. Los
objetos que queremos representar son los Hechos y la representacin interna se lleva a cabo utilizando un
formalismo especfico que crea los elementos que seremos capaces de manipular.
Si decidimos representar a las frutas podramos escoger la siguiente representacin:
Nombre
Color
Forma
Tamao

Limn
Verde
Redondo
Pequeo

Naranja
Naranja
Redondo
Mediano

Sanda
Verde
Ovalada
Grande

Esta representacin sera suficiente para describir a los objetos, si estos fueran los nicos elementos que
nos interesan. Si sobre esta base de conocimiento se nos hicieran preguntas, los nicos elementos que
podramos contestar son los expresados en ella. Si se pregunta sobre el sabor, textura, olor u otro
parmetro relacionado seran preguntas que no podramos contestar pues se desconocen.

Hechos: Verdades en un cierto mundo. Es aquello que queremos representar.

Representacin Interna: Representacin de los hechos con un determinado formalismo. Estas son las
entidades que realmente seremos capaces de manipular.

Hechos

Representacin
Interna

Proceso

Pag. 16/29

Inteligencia Artificial y Redes Neuronales

M.C. Fco. Javier de la Garza S.

Podemos clasificar las entidades en dos niveles:

El nivel del conocimiento: Donde se describen los hechos - incluyendo el comportamiento y el objetivo
de cada agente.
El nivel Simblico: donde se describen los objetos del nivel del conocimiento en trminos de smbolos
manipulables por programas.

Un buen sistema de representacin del conocimiento debe tener la capacidad de:

Representar todos los tipos de conocimiento necesarios.

Manipular las estructuras de la representacin.
Incorporar informacin adicional en las estructuras de conocimiento.
Adquirir nueva informacin con facilidad.

Formas de representacin del conocimiento

Existen 4 formas bsicas para representar el conocimiento.
1.- Conocimiento relacional simple
Matrcula
1548617
1483519

Nombre
Juan
Luis

Calificacin
90
80

2.- Conocimiento heredable. Programacin orientada a objetos.

UANL
FIME
Listos
1548617

Matrcula

90

IMTC

IEC

Juan

Luis

Calificacin

Calificacin

Dedicados
Matrcula

1483519

80

Pag. 17/29

Inteligencia Artificial y Redes Neuronales

M.C. Fco. Javier de la Garza S.

3.- Conocimiento deductivo

A partir del conocimiento actual se llega a nueva informacin.
Motita es un perro
Todos los perros tienen rabo

Motita tiene rabo

4.- Conocimiento procedimental

A partir del conocimiento actual se realiza una accin.
El bote de 4 litros no est lleno
Tenemos agua disponible

Llenar el bote de 4 litros

Pag. 18/29

Inteligencia Artificial y Redes Neuronales

M.C. Fco. Javier de la Garza S.

ATRIBUTOS IMPORTANTES
Existen dos atributos que encontramos con mucha frecuencia: Instancia y Es-un. Estos atributos son
importantes pues en ellos se apoya la herencia de propiedades.
Instancia = Pertenencia a una clase.
Es-un = Inclusin de una clase en otra.

FIME
IMTC
JUAN

Es-un

Instancia

RELACION ENTRE ATRIBUTOS

-

Inversos
Las entidades del mundo se pueden relacionar de muy diversas maneras. Sin embargo, en el
momento que decidimos describir esas relaciones como atributos nos restringimos a una perspectiva.
Jerarqua de atributos Es-un

Estatura

Fsico
Peso

Color Piel
Complexin

Tcnicas para razonar sobre valores

Tipos de valor. Numricos, string, etc.

Restricciones sobre el valor. Rangos de validacin.
Reglas para calcular valores cuando se requiera. Bajo demanda.
Reglas que describen acciones cuando se conoce un valor. Reactivos.

Atributos univaluados
Son atributos que tiene un nico valor.
Granularidad de la representacin
Qu tan detalladas se deben representar las cosas?

Pag. 19/29

Inteligencia Artificial y Redes Neuronales

M.C. Fco. Javier de la Garza S.

LA LOGICA DE PREDICADOS.
Haciendo uso de la lgica de predicados intentamos dar solucin a cierto tipo de problemas. Con los
predicados lgicos intentamos convertir nuestro lenguaje cotidiano en funciones matemticas. As, cuando
hablamos en una charla cotidiana, o incluso en un texto cientfico, nuestras palabras pueden ser
interpretadas de muchas maneras. Sin embargo, cuando convertimos nuestras frases en funciones les
damos un solo sentido y un solo significado.
Operadores Lgicos:

AND
OR
NOT
IMPLICACIN

Operadores Cuantitativos:

PARA TODO. UNIVERSAL.

SI EXISTE. EXISTENCIAL.

Esta lloviendo
Esta soleado

LLOVIENDO
SOLEADO

Si est lloviendo no est soleado.

Equivocado
LLOVIENDO_NO_SOLEADO
Correcto
LLOVIENDO

SOLEADO

Motita es un perro
Equivocado
Motita_perro
Correcto
Perro(Motita)
Juan juega con la pelota.
Jugar(Juan, Pelota).
Todos los perros tienen rabo.
x: Perro(x) tiene_rabo(x)
Algunos perros muerden
x: Perro(x) muerde(x)

Pag. 20/29

Inteligencia Artificial y Redes Neuronales

M.C. Fco. Javier de la Garza S.

EJEMPLO:
1. Marco era un hombre.
Hombre (Marco)
2. Marco era un pompeyano.
Pompeyano (Marco)
3. Todos los pompeyanos eran Romanos.
x: Pompeyano(x) Romano(x)
4. Csar fue un gobernante.
Gobernante (Csar)
5. Todos los Romanos o eran leales a Csar o lo odiaban.
x: Romano(x) Leal(x,Csar) v Odia(x,Csar)
6. Todos somos leales a alguien.
x: y : Leal(x,y)
7. Las personas solo intentan asesinar a los gobernantes a los que no son leales.
x: y: Persona(x) Gobernante(y) IntentaAsesinar(x,y) Leal(x,y)
8. Marco intent asesinar a Csar.
IntentaAsesinar(Marco,Csar)

AXIOMAS:
1.
2.
3.
4.
5.
6.
7.
8.

Hombre(Marco)
Pompeyano(Marco)
x: Pompeyano(x) Romano(x)
Gobernante(Csar)
x: Romano(x) Leal(x,Csar) v Odia(x,Csar)
x: y: Leal(x,y)
x: y: Persona(x) Gobernante(y) IntentaAsesinar(x,y) Leal(x,y)
IntentaAsesinar(Marco,Csar)

Pag. 21/29

Inteligencia Artificial y Redes Neuronales

M.C. Fco. Javier de la Garza S.

Era Marco leal a Csar ?

Leal(Marco,Csar)

Leal(Marco,Csar)

Sustituyendo en 7.
Persona(Marco) Gobernante(Csar) ^ IntentaAsesinar (Marco,Csar) Leal(Marco,Csar)

Segn 4.

Gobernante(Csar)

Persona(Marco) IntentaAsesinar(Marco,Csar)

Segn 8.

IntentaAsesinar(Marco,Csar)

* Persona(Marco)
Hombre(Marco) Persona(Marco)
* 9. Todos los hombres son personas.
x: Hombre(x) Persona(x)

CONVERSIN A FORMA CLASUAL

Todos los romanos que conocen a Marco o bien odian a Csar o piensan que cualquiera que odie esta
loco.
x: [ Romano(x) Conoce(x, Marco)] [ Odia(x, Csar) V (y: z: Odia(y,z) Cree_loco(x,y))]

1. Eliminar las implicaciones (), utilizando la igualdad.

a b=aVb
x: [ Romano(x) Conoce(x, Marco)] V
Cree_loco(x,y))]
x: [ Romano(x) Conoce(x, Marco)] V

[ Odia(x, Csar) V (y: z: Odia(y,z)

[ Odia(x, Csar) V (y: (z: Odia(y,z)) V Cree_loco(x,y))]

Pag. 22/29

Inteligencia Artificial y Redes Neuronales

M.C. Fco. Javier de la Garza S.

2. Reducir el mbito de las negociaciones ( ).

( P ) = P
( a b) = a V b
(a V b) = a V b

x: P(x) = x: P(x)
x: P(x) = x: P(x)
(x: P(x)) = x: P(x) = x: P(x)

x: [ Romano(x) V Conoce(x, Marco)] V [ Odia(x, Csar) V (y: z: Odia(y,z)) V Cree_loco(x,y))]

3. Normalizar las variables de forma que cada cuantificador este ligado a una nica variable.
x: P(x) V x: Q(x)
x: P(x) V y: Q(y)
4. Mover todos los cuantificadores a la izquierda de la funcin.
x: y: z: [ Romano(x) V Conoce(x, Marco)] V [ Odia(x,Csar) V ( Odia(y,z) V Cree_loco(x,y))]

5. Eliminar los cuantificadores existenciales: en una formula donde se incluye una variable cuantificada
existencialmente se afirma que existe un valor que puede sustituir a las variables y que hace verdadera
a la formula.
y: Presidente(y)
Presidente (F1)

x: y: Padre_de (y,x)
x: Padre_de(F2(x),x)

6. Dejar de escribir los cuantificadores universales (). En este punto todas las variables que quedan
estn cuantificadas universalmente.
[ Romano(x) V Conoce(x, Marco)]

V [ Odia(x,Csar) V ( Odia(y,z) V Cree_loco(x,y))]

7. Convertir la matriz en una conjuncin de disyunciones. Polinomios de operaciones OR (V) unidos a su

vez por ANDS().

Propiedad Asociativa
( a V b) V c = a V ( b V c) = a V b V c
Romano(x) V Conoce(x, Marco) V Odia(x,Csar) V Odia(y,z) V Cree_loco(x,y)

Pag. 23/29

Inteligencia Artificial y Redes Neuronales

M.C. Fco. Javier de la Garza S.

Propiedad Distributiva
( a b) V c = ( a V c) (b V c)
(invierno botas) V ( verano sandalias)
[invierno V (verano sandalias)] [botas V (verano sandalias)]
[(verano V invierno) (sandalias V invierno)] [(verano V botas) (sandalias V botas)]
8. Crear una clusula por cada conjuncin.
verano V invierno
sandalias V invierno
verano V botas
sandalias V botas
* Una clusula no tiene:
Implicaciones ()
Cuantificadores (, )
ANDS ()

Pag. 24/29

Inteligencia Artificial y Redes Neuronales

M.C. Fco. Javier de la Garza S.

Las bases de la resolucin

invierno V verano
invierno V fro

si invierno es verdadero
verdadero V verano = verdadero
verdadero V fro = fro

F
F
V
V

XVY

F
V
F
V

F
V
V
V

falso V fro = fro

si invierno es falso
falso V verano = verano
falso V fro = verdadero

clusula resultante
verano V fro
invierno
clusula vaca
invierno

RESOLUCIN EN LOGICA PROPOSICIONAL

Para producir una demostracin por resolucin de la proposicin P respecto a un conjunto de axiomas F
debemos:
1. Convertir todas las preposiciones de F a forma clausal.
2. Negar P y convertir el resultado a forma clausal. Aadir la clusula resultante al conjunto obtenido
en el paso 1.
3. Hasta encontrar una contradiccin o no se pueda continuar.
a) Seleccionar dos clusulas. Llamarlos clusulas padres.
b) Resolverlo por el mtodo visto anteriormente.
c) Si el resolvente es la clusula vaca. Se ha encontrado una contradiccin. Si no aadirla al
conjunto de clusulas disponibles.

Pag. 25/29