24
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (DECANA DE AMERICA) FACULTAD DE INGENIERIA DE SISTEMAS E INFORMATICA INTELIGENCIA ARTIFICIAL

Inteligencia Artificial - Semana 2

Embed Size (px)

DESCRIPTION

www.inteligenciaartificial.comoj.com

Citation preview

Page 1: Inteligencia Artificial - Semana 2

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS(DECANA DE AMERICA)

FACULTAD DE INGENIERIA DE SISTEMAS E INFORMATICA

INTELIGENCIA ARTIFICIAL

Page 2: Inteligencia Artificial - Semana 2

REPRESENTACION DEL CONOCIMIENTO

Clasificación de problemas

Page 3: Inteligencia Artificial - Semana 2

META CONOCIMIENTO

CONOCIMIENTO

INFORMACIÓN

RUIDO

DATOS

JERARQUÍA DEL CONOCIMIENTO

Page 4: Inteligencia Artificial - Semana 2

Ruido:Esta conformado por todos los elementos asociado a un evento, que son de poco interés y que ocultan datos

Datos:Esta conformado por los elementos de interés potencial asociado a un evento y por lo cual se registra.

Información:Datos procesados de interés.

Conocimiento: Información muy especializada.

Meta conocimiento:Es el conocimiento acerca del conocimiento y la experiencia

JERARQUÍA DEL CONOCIMIENTO

Page 5: Inteligencia Artificial - Semana 2

Definición

Son métodos usados para "modelar" en forma eficiente los conocimientos de especialistas en alguna área del saber, de forma que pueda ser usado por el usuario de un sistema inteligente.

El conocimiento puede ser considerado como una entidad simbólica -> Procesamiento simbólico

REPRESENTACIÓN DEL CONOCIMIENTO

Page 6: Inteligencia Artificial - Semana 2

Formas de Representación

• Red Semántica o Grafo• Registro • Predicado• Relación objeto-atributo-valor• Esquemas• Marcos• Lógica de predicado• Otros

REPRESENTACIÓN DEL CONOCIMIENTO

Page 7: Inteligencia Artificial - Semana 2

Red Semántica

Los nodos representan objetos y los arcos la relación entre los objetos

REPRESENTACIÓN DEL CONOCIMIENTO

Page 8: Inteligencia Artificial - Semana 2

Red Semántica

Ejemplo- Juan es hijo de Raúl y Susy- Juan estudia informática

SusyJuan

Informática

RaúlEs hijo

Es hijo

Estudia

REPRESENTACIÓN DEL CONOCIMIENTO

Page 9: Inteligencia Artificial - Semana 2

Registro

Los objetos y relaciones se representan mediante una colección de datos simples llamados campos o átomos. Un campo o

átomo puede ser una colección de campos.

REPRESENTACIÓN DEL CONOCIMIENTO

Page 10: Inteligencia Artificial - Semana 2

Registro

Ejemplo- Juan es hijo de Raúl y Susy- Juan estudia informática

(Juan (es hijo de Raúl) (es hijo de Susy)

(estudia Informática))

REPRESENTACIÓN DEL CONOCIMIENTO

Page 11: Inteligencia Artificial - Semana 2

Predicado

Cada relación se representa como un predicado o función de valores lógicos y con

argumentos los objetos:

Relación (objeto1, objeto2,...,)

Esta función asume valor verdadero o falso, según se verifique o

no para los objetos involucrados.

REPRESENTACIÓN DEL CONOCIMIENTO

Page 12: Inteligencia Artificial - Semana 2

Predicado

Ejemplo- Juan es hijo de Raúl y Susy- Juan estudia informática

Hijo (Juan, Susy, Raúl) Verdadero

Estudia (Juan, Informática) Verdadero

Hijo (Juan, Maria, Raúl) Falso

REPRESENTACIÓN DEL CONOCIMIENTO

Page 13: Inteligencia Artificial - Semana 2

CLASIFICACION DE PROBLEMAS ALGORTIMICOS

Por su Naturaleza Los problemas algorítmicos son clasificados de acuerdo a su naturaleza intrínseca respecto a la posibilidad y dificultad de resolverlos.

Por el tipo de RespuestaLos problemas son clasificados de acuerdo a la respuesta requerida por el problema.

Por su Tratabilidad Los problemas que admiten solución son

clasificados de acuerdo a la complejidad que presentan los algoritmos para resolverlos.

Page 14: Inteligencia Artificial - Semana 2

CLASIFICACIÓN POR SU NATURALEZA

Los problemas de naturaleza algorítmica que no admiten solución por algoritmo son llamados no - computables.

Los problemas de decisión y no-computables son llamados de indecidíbles.

Los problemas para los cuales existen algoritmos de complejidad polinomial para resolverlos son llamados de tratables.

Los problemas que admiten solución y para los cuales comprobadamente no pueden ser resueltos por algoritmos de complejidad polinomial son rotulados de intratables.

Page 15: Inteligencia Artificial - Semana 2

CLASIFICACIÓN POR SU NATURALEZA

No computableProblemas que no admitenSolución algorítmica Indecidíble

TratableProblemas que admitenSolución algorítmica Intratable

Page 16: Inteligencia Artificial - Semana 2

CLASIFICACIÓN POR EL TIPO DE RESPUESTALos Problemas por el tipo de respuesta

se clasifican en:

Problemas de Decisión Problemas de Localización Problemas de Optimización 

Page 17: Inteligencia Artificial - Semana 2

CLASIFICACIÓN POR EL TIPO DE RESPUESTAProblemas de DecisiónObjetivo:

Responder SI o NO a una determinada indagación.

Problemas de LocalizaciónObjetivo:

Encontrar, caso exista, una estructura que verifique las restricciones del problema, dicha estructura es denominada de solución viable.

Problemas de Optimización Objetivo:

Encontrar una estructura que verifique las restricciones del problema y optimice un criterio pre-definido. Esto es, encontrar una solución viable que optimice un criterio pre-determinado

Page 18: Inteligencia Artificial - Semana 2

CLASIFICACIÓN POR SU TRATABILIDAD: P Y NP

La Clase P

Está constituida por todos los problemas comprobadamente tratables, esto es, problemas que pueden ser resueltos por algoritmos de complejidad polinomial.

Page 19: Inteligencia Artificial - Semana 2

CLASIFICACIÓN POR SU TRATABILIDAD: P Y NPAlgunos Problemas de la Clase P

Resolución de Sistemas de Ecuaciones Lineales

Contabilidad (registrar y/o modificar transacciones)

Ordenar números, buscar palabras en un texto

Juntar Archivos En general los sistemas operacionales

(facturación, control de almacenes, planillas, ventas, etc.) Cualquier problema de la Programación

Lineal Sistemas de transacciones bancarias En general los sistemas de información

gerencial

Page 20: Inteligencia Artificial - Semana 2

CLASIFICACIÓN POR SU TRATABILIDAD: P Y NP

La Clase NP

Está constituido por todos los problemas que pueden ser resueltos por algoritmos enumerativos, cuya búsqueda en el espacio de soluciones es realizada en un árbol con profundidad limitada por una función polinomial respecto al tamaño de la instancia del problema y con ancho eventualmente exponencial.

Page 21: Inteligencia Artificial - Semana 2

CLASIFICACIÓN POR SU TRATABILIDAD: P Y NPRelación P y NP

Ciertamente la clase NP incluye todos los problemas intratables. Además los problema de la clase P pueden ser resueltos también por algoritmos enumerativos. Por consiguiente se puede afirmar que:

NP - P

Page 22: Inteligencia Artificial - Semana 2

CLASIFICACIÓN POR SU TRATABILIDAD: P Y NPAlgunos Problemas de la Clase NP-difícil

Clique Cobertura de Vértices y Aristas Coloración de Grafos Mochila Lineal y Cuadrática Optimización de Desperdicios Agente Viajero Gestión Optima de cortes Programación de Tareas Aprendizaje

Page 23: Inteligencia Artificial - Semana 2

EJEMPLOS : TIPO DE RESPUESTAEjemplo: El Problema de los Misioneros y Caníbales

Considere tres misioneros, tres caníbales y una canoa de

capacidad máxima de dos pasajeros; todos ellos se encuentran en una de las orilla de un río. El problema

consiste en encontrar una secuencia de viajes quepermita trasladar a todos los misioneros y caníbales alotro lado de la orilla del río. Se debe respetar que en

cada orilla el número de misioneros (si lo hubiera) debe ser

siempre no menor al número de caníbales

Page 24: Inteligencia Artificial - Semana 2

EJEMPLOS : TIPO DE RESPUESTAAsociado al problema de los Misioneros y Caníbales,

tenemos los siguientes problemas:

Problema 1:Determinar una secuencia de viajes que permita trasladar a

todos los misioneros y caníbales a la otra orilla del río.

Problema 2:Existirá una secuencia de viajes que permita trasladar a

todos los misioneros y caníbales a la otra orilla del río.

Problema 3:Determinar la menor secuencia de viajes que permita

trasladar a todos los misioneros y caníbales a la otra orilla

del rio.