Skip to the content ForoHackers
Log inJoin

Representación del conocimiento: por dónde empezar

Knowledge representation
#356 · Ophuscado · · Report

La representación del conocimiento es cómo escribir lo que se sabe de un dominio para que un programa pueda usarlo y razonar con ello: hechos, categorías, relaciones y reglas, en una forma precisa y consultable. Es el lado simbólico de la IA, y sigue importando donde las respuestas deben poder explicarse, contrastarse con reglas o construirse con conocimiento curado en lugar de patrones aprendidos.

Conceptos clave

  • Lógica: la lógica proposicional y la de primer orden dan a los enunciados un significado preciso y una noción de inferencia válida.
  • Ontologías: vocabularios compartidos de clases, propiedades y restricciones que definen qué existe en un dominio.
  • Grafos de hechos: tripletas de sujeto, predicado y objeto que enlazan entidades, la base de los grafos de conocimiento.
  • Reglas e inferencia: el encadenamiento hacia delante y hacia atrás deriva hechos nuevos a partir de reglas y hechos previos.
  • Lógicas de descripción: lógicas restringidas que mantienen decidible el razonamiento sobre clases y relaciones.

Vocabulario

  • Tripleta: un hecho escrito como sujeto, predicado, objeto.
  • Razonador: un programa que deriva las consecuencias de una base de conocimiento o detecta contradicciones.
  • Suposición de mundo cerrado: lo que no se sabe verdadero se toma por falso.
  • Taxonomía: una jerarquía de categorías enlazadas por relaciones «es un».
  • Lenguaje de consulta: una forma declarativa de preguntar a una base de conocimiento qué contiene, como SPARQL.

Qué estudiar, en orden

  1. Lógica proposicional y de primer orden: tablas de verdad, cuantificadores, implicación.
  2. Escribe hechos y reglas en un lenguaje de programación lógica como Prolog y consúltalos.
  3. Modela un dominio pequeño como una ontología y como una tabla de tripletas, y compara cómo se consulta cada una.
  4. Ejecuta un razonador sobre tu modelo y mira qué hechos añade y qué contradicciones encuentra.
  5. Estudia cómo se pueden combinar el conocimiento simbólico y los modelos aprendidos, y dónde es más fiable cada uno.

Etiquetas relacionadas

#logic #knowledge-graphs #databases #formal-methods #machine-learning

Log in or join to reply.