La forma en que los seres humanos representan y almacenan el conocimiento es un aspecto
bsico para el comportamiento inteligente. El estudio de los simbolismos para representar conocimiento y de los distintos modos de razonamiento, considerado como el mecanismo de generar conocimiento a partir del conocimiento almacenado, es la base de buena parte de los sistemas funcionales que estn teniendo una progresiva importancia en el mbito de las aplicaciones prcticas, ya sea en forma de reglas lgicas caracteristicas de los sistemas expertos, o mecanismos de representacin del conocimiento implicito no simblico, que tienen a las redes neuronales como principal mtodo. En las ltimas dcadas han sido desarrolladas muchas tcnicas y aplicaciones en el campo de la computacin suave y la inteligencia artificial (IA).La mayora de los desarrollos pretenden aprovechar las ventajas de cada tcnica para la solucin de los problemas reales, generalmente complejos. Numerosas aplicaciones de IA de hoy en da requieren funcionalidades explicitas para poder razonar sobre la dinmica temporal, una aplicacin de tiempo real requiere manejar tiempos absolutos, gestionar adecuadamente los eventos que se perciben del mundo exterior y razonar sobre la informacion almacenada para deducir futuras consecuencias de la evolucion de la aplicacion. Ademas, es necesario disear un conjunto de algoritmos que permitan el procesamiento incremental de la informacion y que garanticen una respuesta en un tiempo maximo de tiempo establecido. Algunas de las ms ampliamente difundidas son: agentes inteligentes, redes neuronales, lgica difusa, razonamiento basado en casos y sistemas expertos. La mayora de las investigaciones han demostrado que con la unin de algunas de las tcnicas individuales mencionadas se obtiene una mejor respuesta a la necesidad planteada por algn problema especfico. En la literatura especializada, todo sistema que integra dos o ms tcnicas diferentes se conoce como hbrido (Mora, 2003).
Representacin del Conocimiento y Razonamiento
Muchas de las actividades humanas consideradas inteligentes se basan en la explotacin de gran cantidad de informacin, hechos, experiencias y conocimientos ms o menos especficos de un mbito particular. En consecuencia, una parte importante de las labores de investigacin y desarrollo, en el campo de la IA consiste en la concepcin de formalismos que permiten el desarrollo de sistemas basados en conocimiento y, especficamente, el estudio de las distintas maneras de definir y crear sus bases (Santos, 1998). El proceso de conversin de los conocimientos acerca de un tema en un formato particular es denominado representacin de conocimientos. Una vez el conocimiento ha sido representado adecuadamente puede utilizarse en un sistema inteligente que con el empleo de herramientas de anlisis, tratamiento y manipulacin automtica tiene la capacidad de inducir o deducir nuevos conocimientos.
Aspectos Generales de la Representacin del Conocimiento No podemos decir que algo se comporta de manera inteligente, si no es capaz de manejar de manera eficaz un conjunto minimo de conocimientos. Los programas de IA deben explotar eficazmente un conjunto de conocimientos de un dominio concreto. Encontramos dos entidades diferentes Hechos o verdades del dominio Representaciones internas de los hechos o verdades Fase de codificacin-descodificacin Perdida de informacin
TIPOS DE REPRESENTACION
Representacion procedural
La forma mas comn de representar el conocimiento en una computadora es usar el SR, es decir de representar de forma implcita el conocimiento de un problema esn una serie de procedimientos enunciados mediante sentencias en un determinado lenguaje de programacin.
Representacion Relacional Es otra forma de representar el conocimiento es mediante relaciones, De hecho, se asemeja a la forma de almacen la informacin de los seres humanos para algunas de sus aplicaciones, sobre todo en mbitos comerciales, negocios, etc. Es fuertemente dependiente del tipo de informacin con el que se trabaje.
Representacion Jerarquico Es un modelo de datos en el cual los datos son organizados en una estructura parecida a un rbol. La estructura permite a la informacin que repite y usa relaciones padre/hijo; cada padre puede tener muchos hijos, pero cada hijo solo tiene un padre. Todo los atributos de un registro especifico son catalogados bajo un tipo de entidad.
TIPOS DE RAZONAMIENTO
Deductivo, progresivo, encadenamiento hacia delante, dirigido por hechos evidencias, sntomas, datos conclusiones Inductivo, regresivo, encadenamiento hacia atrs, dirigido por objetivos conclusiones datos, evidencias, sntomas Mixto, encadenamiento hbrido
Encadenamiento hacia delante
Basado en modus ponens: A, AB |- B La base de hechos (BH) se inicializa con los hechos conocidos inicialmente. Se obtienen las consecuencias derivables de la BH: se comparan los hechos de la BH con la parte izquierda de las reglas; se seleccionan las reglas aplicables: las que tienen antecedentes conocidos (que estn en la BH); las nuevas conclusiones de las reglas aplicadas se aaden a la BH (hay que decidir cmo); se itera hasta encontrar una condicin de finalizacin. Problemas: No focaliza en el objetivo Explosin combinatoria Ventajas: Deduccin intuitiva Facilita la formalizacin del conocimiento al hacer un uso natural del mismo Ejemplo de lenguaje: CLIPS
Encadenamiento hacia atrs
Basado en el mtodo inductivo: guiado por un objetivo que es la conclusin que se trata de validar reconstruyendo la cadena de razonamiento en orden inverso. Cada paso implica nuevos sub-objetivos: hiptesis que han de validarse. Funcionamiento: se inicializa la BH con un conjunto inicial de hechos; se inicializa el conjunto de hiptesis (CH) con los objetivos a verificar; mientras existan hiptesis a validar en CH se escoge una de ellas y se valida: se comparan los hechos de la BH y la parte derecha de las reglas con las hiptesis; si una hiptesis est en BH eliminarla de CH; si no: buscar reglas que tengan como conclusin la hiptesis; seleccionar una y aadir las premisas a CH.
El encadenamiento hacia atrs es un tipo de razonamiento dirigido por el objetivo. Slo se considera lo necesario para la resolucin del problema. El proceso de resolucin consiste en la exploracin de un rbol. Ejemplo de lenguaje: Prolog W. F. Clocksin y C. S. Mellish . Programming in Prolog: Using the ISO Standard. Springer, 2003 (primera edicin de 1981).
JERARQUIA DEL CONOCIMIENTO
Metaconocimiento: Conocimiento acerca del conocimiento y la experiencia Conocimiento: Informacin especializada que nos es til Informacin: Datos procesados que resultan de inters Datos: Elementos de inters potencial Ruido: Elementos de poco inters y que ocultan datos Condiciones Mnimas de cualquier esquema de Representacin del Conocimiento Transparencia: Podemos identificar fcilmente el conocimiento representado? Naturalidad: Podemos representar el conocimiento en su forma original? Claridad: Podemos representar directamente el conocimiento? Eficiencia: Podemos acceder fcilmente a conocimientos especficos durante la ejecucin de un programa? Adecuacin: El esquema de representacin elegido es capaz de representar convenientemente todos los conocimientos y tipos de conocimientos que se requieren? Modularidad: Podemos fragmentar los distintos tipos de conocimientos?
Una base de conocimiento consiste de esquemas y estructuras de representacin y organizacin del conocimiento suficientemente amplio de una determinada rea, a fin de resolver problemas. Por ejemplo, si se tiene un archivo con los datos azul, rojo y amarillo, lo mismo que los valores 10, 20 y 30, entonces las personas que lo lean harn diferentes asociaciones, como color de lpices y su tamao o volumen, o color de carros y cantidad, o color de luces e intensidad, etctera. Pero si el archivo contiene adems la sentencia flores (color, cantidad), entonces se tiene conocimiento. La representacin del conocimiento para sistemas inteligentes parte de considerar el manejo simblico, la abduccin o extraccin de patrones dados, y extrapolacin en trminos del contenido. El significado y la pragmtica de un texto son aproximaciones al pensamiento al efectuar un razonamiento. El razonamiento, dicen algunos autores, es difuso, ambiguo, de mucha vaguedad; sea que se realice inductiva o deductivamente. Formaliza1, representar o estructurar el conocimiento lleva a especificar adecuadas relaciones para reducir la ambigedad, la vaguedad, la difusidad en un grado alto y considerar los mtodos de inferencia dsiponibles. Una representacin de conocimiento puede ser un esquema o dispositivo para capturar los elementos esenciales del dominio de un problema, es decir, se hace para: * Manipular conocimiento cualitativo. * Estructurar el conocimiento. * Capturar significado complejo. * Procesar interpretaciones del conocimiento. * Inferir conocimiento a partir de hechos establecidos. * Representar tanto principios generales como especficos. Por ello, el conocimiento se organiza en una o ms configuraciones. Claro est que no puede separarse la representacin del conocimiento del uso posterior de ese conocimiento. El conocimiento para involucrar en los esquemas o estructuras se encontrara clasificado en las siguientes categoras: * Objetos. Todo sistema debera tener informacin de las propiedades fsicas de objetos y conceptos. * Eventos. Importante especificar las acciones que pueden llevar a cabo los objetos. * Desempeo. Informacin sobre cmo realizar ciertas tareas. * Metaconocimiento. Es conocimiento acerca del mismo conocimiento. Las representaciones combinan declaraciones y procedimientos; el principio de organizacin fundamental, al hablar de marcos, es el empaquetamiento del conocimiento. Los guiones (script, en ingls) permiten razonamiento basado en expectacin acerca de situaciones para tener. Un guin es una secuencia de episodios de cierto tipo. Esta secuencia tiene dos propsitos: (1) organizar un conjunto de acciones; (2) predecir la presencia de actividades que no se dan especficamente. Unas caractersticas de la representacin del conocimiento son: Alcance y granularidad. El alcance de la representacin del conocimiento es la medida del dominio. La resolucin o detalle que est en el conocimiento representado es la granularidad. Modularidad y entendimiento. Conocimiento explcito y conocimiento implcito. Las situaciones particulares en las cuales el conocimiento se usa son: Adquisicin. Integracin de nueva informacin al sistema. Recuperacin. Clasificar conocimiento para obtener hechos y relaciones particulares asociados a una tarea especfica. Razonamiento. Proceso en que se combina el conocimiento almacenado.
Definiciones de Conocimiento El conocimiento es la sumatoria de las representaciones abstractas que se poseen sobre un aspecto de la realidad. En este sentido, el conocimiento es una suerte de mapa conceptual que se distingue del territorio o realidad. Todos los procesos de aprendizajes a los que una persona se expone durante su vida no son sino un agregar y resignificar las representaciones previas a efecto de que reflejen de un modo ms certero cualquier rea del universo. Es todo lo que adquirimos mediante nuestra interaccion con el entorno, es el resultado de la experiencia organizada y almacenada en la mente del individuo de una forma que es nica para cada persona. Conciencia o familiaridad adquirida por la experiencia de un hecho o situacin. Representa toda certidumbre cognitiva mensurable segn la respuesta a: Por qu?, Cmo?, Cundo?, Dnde? No existe una nica definicin de "Conocimiento". Sin embargo existen muchas perspectivas desde las que se puede considerar el conocimiento, siendo la consideracin de su funcin y fundamento, un problema histrico de la reflexin filosfica y de la ciencia. La rama de la filosofa que estudia el conocimiento es la epistemologa o teora del conocimiento. La teora del conocimiento estudia las posibles formas de relacin entre el sujeto y el objeto. Se trata por lo tanto del estudio de la funcin del entendimiento propia de la persona.
Diferencia entre Datos, Informacion y Conocimiento En una conversacin informal, los tres trminos suelen utilizarse indistintamente y esto puede llevar a una interpretacin libre del concepto de conocimiento. Quizs la forma ms sencilla de diferenciar los trminos sea pensar que los datos estn localizados en el mundo y el conocimiento est localizado en agentes de cualquier tipo (personas, empresas, mquinas...), mientras que la informacin adopta un papel mediador entre ambos. Los conceptos que se muestran a continuacin se basan en las definiciones de Davenport y Prusak (1999).
En el articulo Knowledge Management: a Strategic Agenda, los autores presentan la siguiente definicin que permite comprender la relacin entre estos tres conceptos: La informacin esta compuesta de datos y hechos organizados, el conocimiento consiste en verdades y creencias, perspectivas y conceptos, juicios y expectativas, metodologas y know-how.
David B. Harris presenta otra definicin que ayuda a comprender los diferentes niveles en los que se encuentran los tres: El nivel mas bajo de los hechos conocidos son los datos. Los datos no tienen un significado intrnseco. Deben ser ordenados, agrupados, analizados e interpretados. Cuando los datos son procesados de esta manera , se convierten en informacin. La inforamcion tiene una esencia y un propsito. Cuando la informacin es utilizada y puesta en el contexto o marco de referencia de una persona, se transforma en conocimiento. El conocimiento es la combinacin de informacin, contexto y experiencia.
Datos
Los datos son la mnima unidad semntica, y se corresponden con elementos primarios de informacin que por s solos son irrelevantes como apoyo a la toma de decisiones. Tambin se pueden ver como un conjunto discreto de valores, que no dicen nada sobre el por qu de las cosas y no son orientativos para la accin. Un nmero telefnico o un nombre de una persona, por ejemplo, son datos que, sin un propsito, una utilidad o un contexto no sirven como base para apoyar la toma de una decisin. Los datos pueden ser una coleccin de hechos almacenados en algn lugar fsico como un papel, un dispositivo electrnico (CD, DVD, disco duro...), o la mente de una persona. En este sentido las tecnologas de la informacin han aportado mucho a recopilacin de datos. Como cabe suponer, los datos pueden provenir de fuentes externas o internas a la organizacin, pudiendo ser de carcter objetivo o subjetivo, o de tipo cualitativo o cuantitativo, etc. Informacin
La informacin se puede definir como un conjunto de datos procesados y que tienen un significado (relevancia, propsito y contexto), y que por lo tanto son de utilidad para quin debe tomar decisiones, al disminuir su incertidumbre. Los datos se pueden transforman en informacin aadindoles valor: Contextualizando: se sabe en qu contexto y para qu propsito se generaron. Categorizando: se conocen las unidades de medida que ayudan a interpretarlos. Calculando: los datos pueden haber sido procesados matemtica o estadsticamente. Corrigiendo: se han eliminado errores e inconsistencias de los datos. Condensando: los datos se han podido resumir de forma ms concisa (agregacin). Por tanto, la informacin es la comunicacin de conocimientos o inteligencia, y es capaz de cambiar la forma en que el receptor percibe algo, impactando sobre sus juicios de valor y sus comportamientos. Informacin = Datos + Contexto (aadir valor) + Utilidad (disminuir la incertidumbre)
Conocimiento
El conocimiento es una mezcla de experiencia, valores, informacin y know-how que sirve como marco para la incorporacin de nuevas experiencias e informacin, y es til para la accin. Se origina y aplica en la mente de los conocedores. En las organizaciones con frecuencia no slo se encuentra dentro de documentos o almacenes de datos, sino que tambin esta en rutinas organizativas, procesos, prcticas, y normas. El conocimiento se deriva de la informacin, as como la informacin se deriva de los datos. Para que la informacin se convierta en conocimiento es necesario realizar acciones como: Comparacin con otros elementos. Prediccin de consecuencias. Bsqueda de conexiones. Conversacin con otros portadores de conocimiento.
Tipos de Conocimiento El conocimiento puede ser de tipo procedimental, declarativo o heurstico. Conocimiento procedimental es aquel que es compilado que se refiere a la forma de realizar una cierta tarea (el saber cmo hacerlo). Por ejemplo, el proceso estndar para el ensamble de un vestido, un computador, una mquina; la realizacin de cierta pintura, la resolucin de ecuaciones algebricas. El conocimiento declarativo es conocimiento pasivo, sentencias que expresan hechos del mundo que nos rodea (el saber que hacer). Por ejemplo, la informacin en una base de datos.
El conocimiento heurstico es algo especial para resolver problemas complejos. Es un criterio, estrategia, mtodo o proceso que simplifica resolver problemas.
Formas de Representacion del Conocimiento
1. TRIPLETA OBJETO, ATRIBUTO Y VALOR Una forma comn de representar conocimiento es usar la tripleta objeto, atributo y valor (OAV). Los objetos son fsicos o son conceptuales. Un objeto puede tener varios atributos. Los atributos son elementos que caracterizan un objeto. Los valores son las medidas especficas de los atributos en una situacin dada. Para la representacin OAV se usan nodos y relaciones (redes) o tablas conceptuales. Objetos y valores se designan como nodos, mientras los atributos se designan como enlaces (arcos) de ellos. La representacin OAV se usa para mostrar orden e interrelacin. Las tripletas OAV no muestran herencias, slo relaciones causales o enlaces, partes o subpartes.
2. REDES SEMNTICAS Las redes semnticas (Semantic networks) son representaciones bsicas de conocimiento, compuestas por nodos y enlaces que muestran relaciones entre objetos. Los objetos pueden ser cualquier elemento fsico: un libro, un carro, un escritorio, una tela o una persona. Tambin pueden ser conceptos, eventos o acciones. Los conceptos se representan en el modelo como unidades independientes que expresan relaciones de inclusin (es...) y de propiedad (tiene...). Un concepto puede ser una relacin de oferta y demanda en economa, una eleccin o una accin tal como producir un vestido. En general, una red semntica es un conjunto de OAV, donde los atributos generalmente representan tamao, color, clase, origen u otras cualidades. En una red semntica los atributos son los enlaces (arcos) entre objetos. Los enlaces muestran las relaciones o el vnculo entre un objeto y otro; describen factores. En s, una red semntica es una representacin en la cual: 1. Lxicamente, hay nodos y enlaces entre nodos especificando una aplicacin. 2. Estructuralmente, cada enlace conecta un nodo con otro en un orden especial. 3. Semnticamente, los nodos y los enlaces denotan una aplicacin especfica. 4. Procedimentalmente, existen procesos para: i) Construir nodos. ii) Construir enlaces entre nodos con un nombre. iii) Deducir conocimiento. Uno de los factores interesantes y tiles sobre las redes semnticas es que a travs de ellas pueden verse las caractersticas que algunos nodos heredan de otros. Caractersticas: a. Diferencian entre tipos de objetos de los casos. As, se llama clasificacin al proceso de ir de ejemplos de objetos a tipos de objetos. b. Se introduce el concepto de distancia semntica: cantidad de enlaces que separan un nodo de otro.
3. REGLAS DE PRODUCCIN En los sistemas de produccin (SP), cada regla tiene una precondicin (parte izquierda), y una parte derecha que describe la operacin que debe llevarse a cabo si se aplica la regla. Es decir, los sistemas de produccin (SP) estn compuestos de reglas de produccin y hechos. Los SP fueron desarrollados por Newell y Simons, para modelar el conocimiento humano. La idea bsica en estos sistemas es que el conocimiento sea representado como reglas en forma de pares condicin-accin: SI ( condiciones/premisas ) "hechos". ENTONCES accin-a-ejecutar "conclusin/accin". Existen dos tipos comunes de SP: a) Conocimiento declarativo, el cual hace nfasis en la representacin del conocimiento como una acumulacin de hechos estticos junto con una informacin limitada que describe cmo se va a emplear el conocimiento. b) Conocimiento procedimental, que enfatiza la representacin en forma de reglas describiendo los procesos en el momento de usar el conocimiento. El SP advierte al usuario cmo solucionar un problema con base en hechos conocidos.
En muchas aplicaciones con tcnicas de IA, la informacin disponible no es suficiente para permitir la seleccin de la regla ms apropiada. La operacin de un SP puede entonces caracterizarse como un proceso de bsqueda en el que las reglas son usadas hasta que alguna secuencia de ellas encuentre la condicin de terminacin8. Se distinguen dos grandes estrategias de control: irrevocable y tentativa. Irrevocable: una regla aplicable es seleccionada, se aplica sin opcin para ser reconsiderada. (A primera vista, puede verse que este tipo de control no es apropiado para solucionar problemas). Tentativa: una regla aplicable es seleccionada, la regla se aplica, pero se tiene previsin para retornar a un punto de rompimiento (backtracking) y aplicar otra regla "mejor". Se establece un punto de seleccin de reglas, si siguientes computaciones encuentran dificultad en producir una solucin; el sistema se devuelve al punto previo de rompimiento, donde otra regla se selecciona para continuar el proceso.
4. MAPAS CONCEPTUALES Los mapas conceptuales son instrumentos de representacin del conocimiento sencillo y prctico, que permiten transmitir con claridad mensajes conceptuales complejos y facilitar tanto el aprendizaje como la enseanza. Para mayor abundamiento, adoptan la forma de grafos. Mapa conceptual es una tcnica usada para la representacin grfica del conocimiento. Un mapa conceptual es una red de conceptos. En la red, los nudos representan los conceptos, y los enlaces las relaciones entre los conceptos en forma de flechas etiquetadas El mapa conceptual pueden tener varios propsitos: Generar ideas (lluvia de ideas, etc.); disear una estructura compleja (textos largos, hipermedia, pginas web grandes, etc.); comunicar ideas complejas; contribuir al aprendizaje integrando explcitamente conocimientos nuevos y antiguos; evaluar la comprensin o diagnosticar la incomprensin; explorar el conocimiento previo y los errores de concepto; fomentar el aprendizaje significativo para mejorar el xito de los estudiantes; medir la comprensin de conceptos. Clasificar de forma similar a las palabras las cuales se encuentran en las diferentes temticas que se puedan utilizar en el tema dado.
5. REPRESENTACIN FORMAL Algunos mtodos en IA se usan para convertir declaraciones y procesos de razonamiento en una forma que sea conveniente para la computacin. El resultado es la representacin de conocimiento utilizando una lgica. Se habla de representacin formal del conocimiento cuando se aplica lgica de predicados, lgica modal, multivaluada o difusa. La forma general de cualquier proceso lgico se ilustra en la figura 2.5. Primero se da informacin, se hacen declaraciones y se anotan observaciones. Las entradas a los procesos lgicos se llaman premisas o antecedentes; la salida se llama inferencia. En estos procesos, los hechos verdaderos se usan para derivar nuevos hechos que tambin son verdaderos.
La lgica de predicados, en primer nivel, representa hechos o datos y los expresa como estructuras. Toda proposicin lgica se trata explcitamente como una estructura. La lgica de predicados se ocupa de las relaciones entre antecedentes y consecuentes. De otra manera, la lgica tiene sentido cuando se elaboran argumentos y en ellos se analiza si de algunas suposiciones o antecedentes se derivan conclusiones; por ejemplo:
6. OTRAS REPRESENTACIONES a. GUION, LISTAS Un guin es la representacin de conocimiento por medio de descripciones de una secuencia de eventos. Un guin es una estructura que organiza informacin describiendo una secuencia estereotipada de eventos en un contexto concreto11. Los elementos de un guin tpico incluyen: condiciones de entrada, apoyos, funciones, rutas y escenas. Las condiciones de entrada describen situaciones que deben satisfacerse antes de los eventos, que pueden ocurrir y ser vlidos de acuerdo con el proceso a seguir. Los apoyos se refieren a objetos que se usan en la secuencia de eventos que ocurren. Las funciones se refieren al personal involucrado en los guiones. El resultado es hallar condiciones viables que existan despus de los eventos de acuerdo con el guin. Las rutas se refieren a alternativas que se dan en un guin particular. Finalmente, la escena describe la secuencia de eventos que deberan ocurrir.
b. NDICES,TABLAS Y ARBOLES DE DECISIN Los ndices, las tablas y los rboles, son herramientas muy tiles para analizar la informacin o el conocimiento que tiene que ver con las situaciones que se presentan para solucionar un problema, o para relacionar los diferentes eventos que se mezclan en esa solucin.
ndices. En un ndice de decisin el conocimiento se organiza en un formato extendido, usando columnas y filas. El ndice se divide en dos partes: 1) lista de atributos; 2) valores posibles de asociacin. Las diferentes configuraciones de atributos se emparejan hacia una conclusin. El conocimiento para utilizar en el ndice se rene en secciones de conocimiento. Una vez se detalle el conocimiento para el ndice, puede usarse como una entrada a otro mtodo de representacin de conocimiento. (No es posible hacer inferencias con el dominio de ndices por s mismos, excepto cuando se usan reglas de inferencia).
Tablas de decisin. En una tabla de decisin, el conocimiento se organiza en un formato, usando columnas y filas. La tabla se divide en varias partes: 1) atributos; 2) valores o elementos; 3) lista de conclusiones. Una vez est construida una tabla, el conocimiento en ella puede utilizarse como entrada a otras representaciones de conocimiento. (No es posible hacer inferencias con el dominio de las tablas por s mismo, excepto cuando una regla de induccin se usa).
rboles de decisin. Los rboles de decisin estn muy relacionados con las tablas y se usan frecuentemente para anlisis de sistemas. Un rbol de decisin puede verse como una red semntica jerrquica limitada por una serie de reglas, que se acoplan para la bsqueda estratgica con las relaciones de conocimiento. Los rboles son similares a los rboles de decisin usados en la teora de las decisiones. Los rboles estn compuestos de nodos que son metas. La raz del rbol es la primera de arriba (o a la izquierda13) y los niveles estn abajo (o a la derecha). Todos los nodos terminales, excepto el nodo raz, son ejemplos de posibles metas.