Vous êtes sur la page 1sur 18

Que es la representacin del conocimiento?

Aunque la representacin del conocimiento es uno de los conceptos asociados a la IA, surge una pregunta
acerca de qu es la representacin del conocimiento?, la cual no ha sido contestada con claridad.
Numerosos artculos han tratado de abarcar, algunos otros han argumentado varias propiedades
representaciones que debe tener y algunos han se han enfocado en las propiedades que son importantes
para la representacin en general.
En este articulo, se enfoca directamente a esta pregunta. Creemos que la respuesta puede ser entendida
en trminos de cinco importantes y diferentes roles que la presentan, cada una en diferente lugar, tiempo y
conflictos que demandan la propiedad de representacin que debe tener. Si mantenemos en mente estos 5
roles, proveemos una completa perspectiva acerca de este tema.
Qu es representacin del conocimiento? Argumentamos que la nocin puede ser entendida en trminos
de cinco distintos roles, cada una con un aspecto crucial en la tarea que maneja.
Primero, una representacin del conocimiento es fundamentalmente es un sustituto, el cual es usado para
habilitar una entidad que determina consecuencias por pensar en lugar de actuar, esto es, es mejor razonar
acerca del mundo que ejecutar una accin en l.
Segundo, hay un conjunto de compromisos ontolgicos, esto es, una respuesta a la pregunta, en qu
trminos debo pensar acerca del mundo?
Tercero, existe una teora de razonamiento inteligente la cual est expresada en trminos de tres
componentes: 1) LA representacin fundamental de razonamiento inteligente, 2) un conjunto de inferencias
que representan sanciones y 3) un conjunto de inferencias que recomiendan.
Cuarto, hay un medio computacional pragmtico eficiente, esto es, el ambiente computacional en el cual el
pensar es logrado. Una contribucin a esta eficiencia pragmtica es suministrar la gua que proporciona
informacin organizada para facilitar la realizacin de inferencias.
Quinto, es un medio de expresin humana, esto es, un lenguaje en el cual podemos expresar cosas acerca
del mundo.
Entender los roles y reconocer su diversidad lleva a varias consecuencias.
Primero, cada rol requiere alguna variacin para una representacin; cada una lleva a una interesante
propiedad que queremos representar.
Nos con llevan a varias consecuencias
Segundo, creemos que los roles proveen a framework que es de utilidad para caracterizar una amplia
variedad de representaciones. Sugerimos que un conjunto fundamental de una representacin puede ser
capturada entendiendo como cada una vista sobre los roles y esto puede revelar sus similitudes y
diferencias.
Tercero, creemos que algunos desacuerdos acerca de la representacin son tiles cuando los cinco roles
emiten una consideracin correcta. Demostramos la claridad revisando y discerniendo los argumentos
previos.
Finalmente, creemos que las vistas de representacin de esta forma tienen consecuencias para investigar y
practicar. Para investigacin, esta vista provee una directa respuesta a la pregunta del significado
fundamental del campo. Tambin sugiere adoptar una perspectiva sobre lo que es importante acerca de la
representacin, y hace del caso una parte significativa de la representacin del esfuerzo capturando y
representando la riqueza del mundo natural- recibiendo suficiente atencin. Creemos que esta vista puede
mejorar la prctica recordando a los practicantes acerca de que la inspiracin es una importante fuente de
poder a una variedad de representaciones.
Terminologa y Perspectiva
Dos puntos de terminologa se presentan en este texto. Primero, usamos el trmino inferencia en un
sentido genrico para indicar una forma en la cual obtenemos nuevas expresiones a partir de las
anteriores. Rara vez hablamos de un sonido de inferencia lgica, cuando lo hacemos, nos referimos
explicita mente a eso.
Segundo, para dar un nombre colectivo, nos referimos a un conjunto familiar de representaciones como
herramientas, tales como lgica, reglas, frames, y redes semnticas, como una representacin de
tecnologas de conocimiento.
Tambin prueba el uso de notas explicitas de prcticas comunes en la construccin de representaciones de

conocimiento en mltiples niveles de lenguajes, tpicamente, con unas de las tecnologas de


representacin de conocimiento en los niveles inferiores. La ontologa de lquidos de Hayes (1978), por
ejemplo, es en el primer nivel una representacin compuesta de conceptos como piezas de espacio, con
portales, caras, lados, y ms.
Esta vista es til en parte porque permite un anlisis y una discusin amplia sobre las tecnologas de
representacin del conocimiento. Como una representacin primitiva de las bases de la representacin del
conocimiento en el lenguaje, estas tecnologas. Estas son un buen ejemplo porque son familiares en el
campo.
Qu es presentacin del conocimiento?
La pregunta ms fundamental acerca del concepto de representacin del conocimiento es, qu es?
Creemos que la respuesta es un buen entendimiento en base a los 5 trminos fundamentales.
Roll 1: La representacin del conocimiento es un sustituto.
Cualquier entidad inteligente que quiera razonar acerca del mundo es importante. Un programa o persona
que desea ensamblar una bicicleta, debe emitir un razonamiento acerca de las llantas, cadenas, pedales,
ya que esas cosas existen solo en el mundo externo.
Esta inevitable diferencia es fundamentalmente racional en el rol para una representacin: su funcin es un
sustituto dentro del razonamiento, un sustituto para las cosas que existen en el mundo. Operaciones sobre
las representaciones sustitutas sobre las cosas reales, esto es, sustituir la directa interaccin con el mundo.
El razonamiento mismo es en parte, un suplente para una accin en el mundo cuando no podemos o no
queremos realizar una accin.
Si vemos la representacin como un sustituto natural esto nos lleva a dos importantes preguntas. La
primera pregunta es: Para qu se hace una sustitucin (subrogante)? Debe existir una correspondencia
entre la sustitucin y su propsito referente en el mundo; la correspondencia es la semntica para la
representacin.
La segunda pregunta es referente a la fidelidad. Qu tan preciso es la sustitucin con las cosas reales?
Qu atributos de la forma original es capturado y lo hace explicito, y cuales son omitidos?, en un principio
esto es imposible porque cualquier cosa es diferente una de otra (en su ubicacin o cualquier otra cosa).
La nica precisa representacin de un objeto es el objeto mismo. Todas las dems representaciones
son imprecisas, las cuales contienen hiptesis y artefactos.
Primero, parece funcionar de la misma forma para objetos intangibles como para objetos tangibles,
representacin funciona como un sustituto para las nociones de abstraccin, tales como acciones,
procesos, creencias, usabilidad, y categoras permitiendo describir una entidad que puede ser razonada
acerca de esto. Segundo, objetos formales pueden existir dentro de la maquina con alta fidelidad:
Entidades matemticas, por ejemplo, pueden ser capturadas exactamente, precisamente porque son
objetos formales. Porque casi cualquier tarea de razonamiento encontrar la necesidad de tratar con
objetos naturales (esto es, los encontrados en el mundo real) como un objeto formal, sustituciones
imperfectas son pragmticamente inevitables.
Esto se da de forma natural, ya que cualquier
Dos importantes consecuencias surgen de la sustitucin imperfecta, una consecuencia es en la
descripcin del mundo natural, inevitablemente debemos omitir algo. En un mnimo, podremos omitir
algunos de los lmites en el mundo natural; adems, nuestra descripcin puede introducir artefactos no
presentes en el mundo real.
La segunda y ms importante es que el razonamiento eventualmente puede alcanzar conclusiones
incorrectas, independientemente del proceso de razonamiento y representacin empleada. Cualquier
representacin es imperfecta, y cualquier imperfeccin puede ser una fuente de error.
El error puede variar, adems, lo ms importante es encontrar una representacin que minimice o incluso
elimine el error para una tarea especfica. Pero la inevitable imperfeccin de sustituir significa que podemos
suministrar cualquier forma acerca del mundo real; si el razonamiento es muy grande y en trminos
generales suficiente, est garantizado un error.
(Adn dice: Sorry, los ltimos 2 parrafos no pude traducirlos bien, entend y solo daba un ejemplo acerca
del error sobre el razonamiento y la interpretacin de las cosas tangibles, que existe un inevitablemente un

error al hacer representaciones para razonarlas.)


----------Azucena segunda mitad 3, 4, 5
Rol 2: Representacin de conocimiento es un conjunto de compromisos ontolgicos
Si, como se argumenta, todas las representaciones son imperfectos aproximaciones a la realidad, cada
aproximacin asistir a algunas cosas e ignora otras, entonces en la seleccin de cualquier representacin,
estamos en el mismo acto inevitablemente haciendo un conjunto de decisiones acerca de cmo y qu ver
en el mundo. Es decir, la seleccin de una representacin significa hacer una serie commitments.2 Los
compromisos son, en efecto, un fuerte par de gafas que determinan lo que podemos ver, logrando alguna
parte del mundo ntido a expensas de otras partes borrosas.
Estos compromisos y sus efectos de enfocarlo borroso no son un lado incidental efecto de una eleccin de
representacin, son de la esencia: Una representacin del conocimiento es un conjunto de compromisos
ontolgicos. Es inevitablemente a causa de las imperfecciones de las representaciones inevitable. Es til
porque la seleccin juiciosa de los compromisos de ofrecer la oportunidad de centrarse la atencin en los
aspectos del mundo que creemos que sern relevantes.
El efecto de enfocar es una parte esencial de lo que ofrece una representacin por que la complejidad del
mundo natural es abrumadora. Nosotros (y nuestras mquinas de razonamiento) necesitamos guiarnos en
decidir qu es lo que el mundo asistir a y qu ignorar. Las gafas proporcionadas por una representacin
puede proporcionar esta orientacin: En que nos dice qu y cmo ver, que nos permiten hacer frente a lo
que sera insosteniblemente complejo y detallado. Por lo tanto, los compromisos ontolgico hacen que una
representacin puede ser una de sus ms importantes contribuciones.
Hay una larga historia del esfuerzo de intentar construir buenas ontologas para una variedad de dominios
de tareas, incluidos los primeros trabajos en una ontologa para lquidos (Hayes, 1978), el elemento
globalizado modelo ampliamente utilizado en la representacin de circuitos electrnicos (por ejemplo, Davis
y Shrobe [1983]), as como las ontologas por el tiempo, creencias, e incluso la programacin en s. Cada
uno de estas ontologas ofrece una manera de ver alguna parte del mundo.
Los elementos del modelo globalizado, por ejemplo, sugiere que pensamos de circuitos en trminos de
componentes con conexiones entre ellos, con las seales que fluyen de forma instantnea a lo largo de las
conexiones. Esta vista es til, pero no es lo nico posible. Una diferente ontologa se plantea si
necesitamos atender la electrodinmica en el dispositivo: Aqu, las seales se propagan a una velocidad
finita, y un objeto (como una resistencia) que antes era visto como un nico componente con una entradasalida su comportamiento podra ahora tendra que ser pensado como un medio prolongado mediante el
cual una onda electromagntica fluye.
Las ontologas pueden, por supuesto, estar por escrito en una amplia variedad de idiomas y notaciones
(por ejemplo, la lgica, Lisp), la informacin esencial no es la forma de este lenguaje, pero el contenido, es
decir, el conjunto de conceptos que ofrece como una manera de pensar acerca del mundo. Simplemente
puesto, que la parte importante son nociones como las conexiones y componentes, y si no elegimos
escribirles como predicados o construcciones Lisp.
El compromiso que hacemos mediante la seleccin de una u otra ontologa puede producir fuertes
diferentes puntos de vista de la tarea a mano. Considere la diferencia que surge seleccionando la vista de
los elementos agrupados de un circuito en lugar de la vista electrodinmica del mismo dispositivo. Como
segundo ejemplo, los diagnsticos mdicos vistos en trminos de reglas (por ejemplo, MYCIN) se ve
sustancialmente diferente desde la misma tarea considerada en trminos de marcos (por ejemplo,
internista). Donde MYCIN
vee el mundo de la medicina como compuesto de asociaciones empricas conectado a los sntomas de la
enfermedad, INTERNISTA ve una serie de prototipos, en particular prototipo de las enfermedades, que se
comparar con el caso que nos interesa.
Compromiso comienza con los primeros Opciones del internista ejemplo tambin se muestra que existe un
importante e inevitable compromiso ontolgico, incluso en el nivel de la representacin familiar de las
tecnologas. La lgica, las normas, marcos, y as sucesivamente, encarnan un punto de vista sobre el tipo

de cosas que son importante en el mundo. La lgica, por ejemplo, implica una (mnimo bastante)
compromiso de ver el mundo en trminos de entidades individuales y las relaciones entre ellos. Normasbasadas en sistemas, ve el mundo en trminos de atributo-objeto-valory triples y las normas de plausible
inferencia que los conectan, mientras que los marcos que nos tienen pensando en trminos de objetos
prototpicos.
As, cada una de estas representaciones de tecnologas proporcionan su propia visin de lo que es
importantes que atender, y cada uno sugiere, por lo contrario, no es nada es fcil ver que estos trminos
pueden ser ignorados. Esta sugerencia es, por supuesto, no garantiza que sea correcta porque algo
ignorado despus puede llegar relevante. Pero la tarea es imposible en principio cada representacin
ignora algo sobre el mundo, por lo tanto, lo mejor que podemos hacer es comenzar con una buena
suposicin. La representacin de las tecnologas existentes suministra un conjunto de conjeturas sobre lo
que debe atender y lo que debe ignorar. As, la seleccin de cualquiera de ellos implica una grado de
compromiso ontolgico: La seleccin de tendr un impacto significativo en nuestra percepcin de, y el
enfoque de la tarea y en la nuestra percepcin del mundo que est siendo modelando.
Los compromisos acumulados en capas.
El compromiso ontolgico de una representacin inicial al nivel de representacin de tecnologas y las
acumula desde all. Capas adicionales de compromiso son hechas como si colocaramos la tecnologa a el
trabajo. El uso de las estructuras de framelike en INTERNISTA ilustra. En el nivel ms fundamental, el
decisin de ver el diagnstico en trminos de marcos sugiere pensar en trminos de prototipos, valores
predeterminados, y una jerarqua taxonmica. Pero Cules son los prototipos, y cmo la taxonoma ser
organizada?
Una primera descripcin del sistema (Pople 1982) muestra cmo estas preguntas fueron contestadas en
tareas en cuestin, al facilitar el segundo nivel de compromiso:
La base de conocimientos subyacente a el sistema INTERNISTA se compone de dos tipos bsicos de
elementos: la enfermedad de las entidades y manifestaciones. ... [Esto] tambin contiene una
... Jerarqua de las categoras de enfermedades, organizadas principalmente en torno al concepto de
sistemas de rganos, teniendo en el nivel superior categoras tales como "enfermedades de hgado",
"Enfermedad de los riones", etc (pp. 136-137) .
As, los prototipos estn destinados a la captura de prototipo de las enfermedades (por ejemplo, un clsico
de caso de una enfermedad), y sern organizados en torno a una taxonoma indexados sistemas de
rganos. Este conjunto de opciones es razonable e intuitivo, pero es evidente, que no es la nica manera
de aplicar los marcos a la tarea, por lo que es otro nivel de compromiso ontolgico.
En la tercera (y, en este caso, final), capa, de este conjunto de opciones se crea una instancia: Qu
enfermedades se incluirn, y que ramas de la jerarqua se publicarn? Cuestiones ontolgicas que se
plantean, incluso a este nivel pueden ser fundamental. Consideremos, por ejemplo, determinando cul de
las siguientes estn siendo consideradas enfermedades (es decir, estados anormales que requiere cura):
el alcoholismo, la homosexualidad, y el sndrome de fatiga crnica. El compromiso ontolgico aqu es lo
suficientemente obvio y suficientemente importante que es a menudo un objeto de debate en el propio
campo, independiente de la construccin de razonadores automticos.
Tipos similares de las decisiones tienen que ser con todas las representaciones tecnolgicas
porque cada uno de ellos suministra slo conjeturas de primer orden suponiendo cmo ver el mundo:
Ofrecen una manera de ver, pero no indican cmo a instancias de este punto de vista. Los marcos sugieren
los prototipos y las taxonomas, pero no nos dicen que cosas seleccionar como prototipos, y
normas sugeridas pensando en trminos de inferencias plausible, pero no nos dicen que
inferencias plausible atender. Del mismo modo, la lgica nos dice ver el mundo en trminos de individuos y
las relaciones, pero no especifica que individuos y relaciones utilizar. As pues, el compromiso de una
visin particular del mundo comienza con la eleccin de una representacin de tecnologa y se acumula en
las elecciones subsiguientes de cmo ver el mundo en estos trminos.

Recuerde: Una representacin del conocimiento no es una estructura de datos. Tenga en cuenta que en
cada capa, incluso en la primera (por ejemplo, la seleccin de reglas o cuadros), las opciones se estn
realizando sobre la representacin, no sobre las estructuras de datos, no las estructuras de datos. Parte de
Qu hace que un lenguaje de representacin lleve el significado (Hayes, 1979; Brachman y Levesque,
1985), es decir, existe una correspondencia entre sus construcciones y cosas en el mundo exterior. A su
vez, esta correspondencia, lleva consigo una limitacin.
Una red semntica, por ejemplo, es una representacin, pero una grfica es una estructura de datos. Estos
son diferentes tipos de entidades, aunque uno siempre sirve para aplicar a los otros , precisamente porque
la red tiene (debera haber) una semntica. Esta semntica se manifestar en parte debido a que limita la
topologa de la red: Una red que tienen por objeto describir los miembros de la familia tal como los
conocemos no puede tener un ciclo en sus vnculos con los padres, pero los grficos (es decir, estructuras
de datos) son, por supuesto, bajo ninguna restriccin de esa ndole y pueden tener ciclos arbitrarios.
Aunque cada representacin debe ser implementado en la mquina por algunas estructuras de datos, la
propiedad representacional est en la correspondencia a algo en el mundo y en la restriccin que impone la
correspondencia.
Roll 3: Una Representacin del Conocimiento es una teora fragmentaria de Razonamiento
Inteligente.
La tercera funcin para la representacin es como una teora fragmentaria de razonamiento inteligente.
Esto papel se produce porque la concepcin inicial de una representacin es tpicamente motivada por una
idea que indica cmo la razn inteligente de la gente o por alguna creencia acerca de lo que significa a
razn inteligente en lo absoluto.
La teora es fragmentaria en dos distintos sentidos: (1) la representacin tpicamente incorpora slo una
parte de la idea o creencia que lo motivo y (2) esta idea o creencia es, a su vez, slo una parte del
complejo y multifactico fenmeno de razonamiento inteligente.
Una representacin de la teora de razonamiento inteligente es a menudo implcita, pero se puede hacer
ms evidente al examinar sus tres componentes: (1) la concepcin fundamental de la representacin de la
inferencia inteligente, (2) el conjunto de inferencias sobre las sanciones de la representacin, y (3) el
conjunto de conclusiones que recomienda.
Donde las inferencias sancionadas indican lo que puede inferirse en absoluto, las inferencias
recomendadas tienen que ver con lo que se deberan de ser reales. (La orientacin es necesaria porque el
conjunto de inferencias sancionadas son tpicamente demasiado grandes para ser utilizadas
indistintamente. Donde la ontologa que hemos examinado anteriormente nos dice cmo ver, las
inferencias recomendadas y sugiere la manera de razonar.
Estos componentes pueden ser vistos como las respuestas de la representacin correspondientes a tres
cuestiones fundamentales: (1) Qu significa razn inteligente? (2) Qu podemos inferir desde lo que
sabemos? y (3) Qu debemos deducir de lo que sabemos? Las respuestas a estas preguntas estn en el
corazn de un espritu de representacin y la mentalidad, sabiendo de su posicin sobre estas cuestiones
nos dice mucho al respecto.
Comenzamos con el primero de estos componentes, examinando varias fundamentalmente concepciones
diferentes del razonamiento inteligente que han sido explorados en la IA. Estas concepciones y sus
supuestos subyacentes demuestran la amplia gama de puntos de vista sobre la cuestin y establece un
contexto importante para los componentes restantes.
Qu es el razonamiento inteligente? Cules es lo esencial, definiendo de propiedades de razonamiento
inteligente? Como consecuencia de lo relativamente joven de IA como una disciplina, ideas acerca de la
naturaleza del razonamiento inteligente, a menudo provienen del trabajo en otros campos. Cinco -campos
de la lgica matemtica, la psicologa, la biologa, estadsticas, y la economa-han proporcionado la

inspiracin de cinco distinguibles nociones de lo que constituye un razonamiento inteligente (cuadro 1).
Un punto de vista, histricamente derivados de la matemtica la lgica, hace que la hiptesis de que
razonamiento inteligente este algo variado de lo formal, el clculo de la deduccin general, los ejemplares
modernos de este punto de vista de la IA son los logsticos. Un segundo punto de vista, arraigada en la
psicologa, considera que el razonamiento como una caracterstica del comportamiento humano y ha dado
lugar a la extensa labor tanto en la solucin de los problemas humanos como a la gran coleccin de
sistemas basados en conocimiento.
Un tercer enfoque, dbilmente arraigados en la biologa, considera que la clave del razonamiento es la
arquitectura de la maquinaria que lo lleva a cabo, por lo tanto, el razonamiento es una caracterstica del
comportamiento estmulo-respuesta que surge de la interconexin en paralelo de una gran coleccin de
procesadores muy simples. Investigadores trabajando en diversas variedades de conexionismo que son
los descendientes actuales de esta lnea de trabajo.

Un cuarto enfoque, derivado de la teora de probabilidad, se suma a la lgica de la nocin de la


incertidumbre, la obtencin de una visin en la que el razonamiento inteligente significa obedecer a los
axiomas de la teora de la probabilidad. Una vista de sesiones, de la economa, aade el ingrediente de los
valores y preferencias, lo que lleva a una vista del razonamiento inteligente, que se define por la adhesin a
los postulados de la teora de la utilidad.
Explorar brevemente el desarrollo histrico de los primeros dos de estos puntos de vista (la lgica y la
psicolgica) ilustra las diferentes concepciones que tienen de la naturaleza fundamental del razonamiento
inteligente y muestra las diferencias profundas en la mentalidad que surgen como consecuencia.
Consideremos en primer lugar la tradicin que rodea a la lgica matemtica como una vista de
razonamiento inteligente. Esta opinin tiene su origen histrico en los esfuerzos de Aristteles a acumular
el catlogo de los silogismos, en un intento de determinar lo que debe ser tomado como un argumento
convincente. La lnea contina con Ren Descartes, cuya geometra analtica demostraron que el trabajo
de Euclides, al parecer relacionadas con la materia de pensamiento puro (lneas de ancho cero, crculo
perfecto de las clases slo los dioses podan hacer), podra, de hecho, estar casada con el lgebra , una
forma de clculo, algo que los mortales slo puede hacer.

En la poca de Gottfried Wilhelm von Leibniz en el siglo XVII, el programa fue especfico: l busc nada
menos que un clculo de pensamiento, uno que permita la resolucin de todos los desacuerdos humanos
con la simple invocacin: "Vamos a calcular. "En este momento, no era una creencia clara y concreta que,
una vez que la geometra divina e inalcanzable de Euclides puede ser capturado con el lgebra, por lo que
algunos (o quizs ninguna) variedad de esas cosas efmeras llamado pensamiento podra ser capturado en
el clculo, en concreto, la deduccin lgica.
En el siglo XIX, G. Boole sirvi de base para el clculo proposicional en sus "leyes del pensamiento", y ms
tarde el trabajo de G. Frege y G. Peano proporcionan bases adicionales para la forma moderna del clculo
de predicados. El trabajo de M. Davis, H. Putnam, y G. Robinson en el siglo XX proporciona los pasos
finales en la mecanizacin de la deduccin de manera suficiente para permitir a los primeros
demostradores de teoremas automatizados. Los descendientes modernos de esta lnea de desarrollo
intelectual se incluyen los muchos esfuerzos que se utiliza por primera vez-para la lgica como una
representacin y un poco de variedad a la deduccin como el motor de razonamiento, as como la gran
cantidad de trabajo con la agenda explcita de hacer un razonamiento lgico de computacin,
ejemplificado por PROLOG.
Esta lnea de desarrollo ilustra claramente cmo el enfoque de la representacin se basa en integrar una
visin de la naturaleza del razonamiento inteligente. Aqu, por ejemplo, el desarrollo histrico de la premisa
subyacente de que el razonamiento inteligente significa el razonamiento lgico, cualquier otra cosa es un
error o una aberracin. Aliado con esta premisa es la creencia de que, lgicamente, a su vez, significa que
la lgica de primer orden, por lo general, la deduccin de sonido. Por transitividad simple, colapso de estas
dos teoras en una parte clave de la vista de la lgica subyacente o razonamiento inteligente: razonamiento
inteligente significa razonamiento en la forma definida por la lgica de primer orden. Una parte importante
de la segunda opinin es la creencia de que los aliados al razonamiento inteligente es un proceso que
puede ser capturada en una descripcin formal, en particular, una descripcin formal, que sea precisa y
concisa.
Sin embargo, opiniones muy diferentes sobre la naturaleza del razonamiento inteligente tambin son
posibles. Un punto de vista muy diferente se incrusta en la parte de la IA que se ve influenciada por la
tradicin psicolgica. Esta tradicin, arraigada en la labor de DO Hebb, J. Bruner, G. Miller, y A. Newell y H.
Simn, rompi el estmulo-respuesta de vista que exige el conductismo y sugiri en cambio que el
problema de la conducta humana la solucin podra ser til considerarse en trminos de objetivos, planes, y
otras estructuras mentales complejas. Las manifestaciones modernas incluyen el trabajo en SOAR como
un mecanismo general para producir un razonamiento inteligente y sistemas basados en conocimientos
como medio de captar el razonamiento de expertos humanos.
La comparacin de estas dos tradiciones revela diferencias significativas e ilustra las consecuencias de
adoptar una u otra vista del razonamiento inteligente. En la tradicin razonamiento inteligente logicista se
toma como una forma de clculo, por lo general, la deduccin en psicologa tiene como caracterstica
definitoria de razonamiento inteligente que es una variedad particular de la conducta humana. En la vista
logicista, el objeto de inters es, por tanto, una construccin definible en trminos formales a travs de las
matemticas, mientras que para los que estn influidos por la tradicin psicolgica, es un fenmeno
emprico del mundo natural. Por lo tanto, hay dos hiptesis muy diferentes aqu sobre la naturaleza esencial
del fenmeno fundamental a ser capturado.
Un segundo contraste surge al considerar el carcter de las respuestas que cada uno busca. El punto de
vista logicista ha buscado tradicionalmente caracterizaciones compactas y precisas de la inteligencia,
buscando el tipo de caracterizaciones que se encuentran en la matemtica (y en ocasiones en hysics). Por
el contrario, la tradicin psicolgica sugiere que la inteligencia no es slo un fenmeno natural, es tambin
un fenmeno de la naturaleza intrnsecamente compleja: los sistemas de la anatoma y fisiologa humana
son inherentemente complejos como resultado de un largo proceso de evolucin, por lo que quiz es la
inteligencia. Como tal, la inteligencia puede ser un gran y fundamentalmente la recogida ad hoc de los
mecanismos y fenmenos, uno que la descripcin completa y concisa, no podra ser posible.
Varias consecuencias tiles resultado de la comprensin de las diferentes posiciones sobre esta cuestin
fundamental que se toman por cada tradicin. En primer lugar, demuestra que la seleccin de cualquiera de
los descendientes modernos de estas tradiciones, es decir, cualquiera de las tecnologas de representacin
se muestra en la parte inferior de la mesa significa elegir ms de una representacin. En el mismo acto,
tambin estamos seleccionando una concepcin de la naturaleza fundamental de razonamiento inteligente.
En segundo lugar, estas concepciones difieren en aspectos importantes: Hay diferencias fundamentales en

la concepcin del fenmeno que estamos tratando de capturar. Las diferentes concepciones, a su vez
significan que hay profundas diferencias en el carcter y los objetivos de los esfuerzos de investigacin
diferentes que estn tratando de crear programas inteligentes. En pocas palabras, las diferentes
concepciones de la naturaleza de plomo razonamiento inteligente para diferentes objetivos, las definiciones
de xito, y de objetos diferentes, se est creando.
Por ltimo, estas diferencias rara vez son articuladas. A su vez, esta falta de articulacin da lugar a
argumentos que pueden formularse en cuestin de trminos como la eleccin de la representacin (por
ejemplo, las virtudes del razonamiento de sonido para el primer clculo de predicados frente a la difcil de
caracterizar las inferencias producidas por basada en marcos los sistemas), cuando los verdaderos
problemas son, a nuestro juicio, las diferentes concepciones de la naturaleza fundamental de la
inteligencia. Comprender las distintas posiciones ayuda a analizar y clasificar los problemas
adecuadamente.
Qu inferencias son sancionadas? El segundo componente de una representacin de la teora de
razonamiento inteligente es su serie de inferencias sancionadas, es decir, un conjunto seleccionado de las
inferencias que se consideren conclusiones oportunas a extraer de la informacin disponible. La definicin
clsica es suministrada por la lgica formal tradicional, donde las nicas inferencias sancionadas son las
inferencias de sonido (los abarcados por implicacin lgica, en el que cada modelo para el conjunto de
axioma es tambin un modelo para la conclusin). Esta respuesta tiene un nmero importante de
beneficios, incluyendo el ser intuitivamente satisfactoria (nunca un argumento slido introduce un error),
explcitos (por lo que sabemos exactamente lo que estamos hablando), lo suficientemente precisas que
pueden ser objeto de pruebas formales, y el viejo basta con que hemos acumulado un importante cuerpo
de experiencia con ella.
La lgica tambin ha explorado diversas variedades de inferencia errnea, incluida la circunscripcin y el
secuestro. Esta exploracin ha sido normalmente guiado por la necesidad de que exista "un modelo muy
motivado de justificacin terica" (Nilsson, 1991, pp. 42-43), tales como el criterio de modelo mnimo de
circunscripcin. Este requisito mantiene un componente fundamental del enfoque logicista: A pesar de que
est dispuesto a llegar a conclusiones que son verdaderas en un subconjunto de los modelos (ms que
cierto en todos los modelos), el conjunto de inferencias sancionado todava es concebido en teora de
modelos trminos y se especifica precisamente en estos trminos. Otras representaciones han explorado
otras definiciones: los sistemas de razonamiento probabilstico (por ejemplo, Pearl [1988]) sancionar las
consecuencias especificadas por la teora de probabilidad, mientras que el trabajo de los agentes
racionales (por ejemplo, Doyle [1992]) se basa en los conceptos de la teora de la racionalidad econmica.
Entre las tecnologas de la representacin comn del conocimiento, sistemas basados en reglas de captura
de conjeturas del tipo que hace un humano experto, conjeturas que no son necesariamente cualquier
sonido o verdad en cualquier modelo. Un marco basado en la representacin nima a saltar a conclusiones
posiblemente incorrectas sobre la base de buenos partidos, las expectativas, o por defecto. Ambas
representaciones comparten la tradicin psicolgica de definir el conjunto de inferencias sancionado con
referencia a la conducta de los expertos humanos en lugar de referencia a un modelo formal abstracto.
Ambas representaciones comparten la tradicin psicolgica de definir el sistema de inferencias
sancionadas referente al comportamiento del experto humano algo que se refieren a un modelo formal
abstracto. Mientras que estos ejemplos demuestran, diversos acercamientos a la representacin
especifican inferencias sancionadas en las maneras que diferencian entre contenido y forma. Donde la
especificacin para la lgica, por ejemplo, se expresa en trminos de teora modelo y es matemticamente
exacta, otras representaciones proveen de las respuestas expresadas en otros trminos, a menudo
considerablemente menos precisas. Captulo la teora, por ejemplo, ofertas una definicin expresada en
trminos de conducta humana y se especifica solamente aproximadamente.
Las diferencias en contenido y estilo alternadamente tienen su origen en los diversos conceptos del
razonamiento inteligente que fueron explorados previamente. Expresar la definicin en trminos de
conducta humana es apropiado para los marcos porque la teora concibe del razonamiento inteligente
como forma caracterstica de conducta humana. En intentar describir este comportamiento, la teora se
hace frente con la tarea de caracterizar un fenmeno emprico complejo que se puedan capturar solamente
spero en el momento y que pudo nunca ser especificable con la precisin matemtica, por lo tanto la
conveniencia de una respuesta aproximada. Para la teora de los marcos entonces, la especificacin de
inferencias sancionadas es informal y emprica, como consecuencia inevitable de su concepto de la

inteligencia. El trabajo (y el otro trabajo como l) es ni descuidados ni causal de faltas en la precisin; el


concepto subyacente del razonamiento inteligente dicta un diverso acercamiento a la tarea, un diverso
sistema de los trminos en los cuales expresar la respuesta, y un diverso foco para la respuesta.
El punto ms amplio aqu es reconocer la legitimidad de una variedad de acercamientos a especificar
inferencias sancionadas: La teora modelo pudo ser familiar y de gran alcance, pero incluso para los
sistemas formales, no es la nica lengua posible. Ms ampliamente an, las definiciones formales no son
los nicos trminos en los cuales la respuesta puede ser especificada. La opcin del vocabulario apropiado
y del grado de formalidad depende, alternadamente, del concepto bsico del comportamiento inteligente.
Se recomiendan qu inferencias? Mientras que las inferencias sancionadas nos dicen qu conclusiones
nos permiten para hacer, este sistema es invariable muy grande y, por lo tanto, proporciona constreimiento
escaso. Cualquier sistema automatizado que intenta razonar, dirigido solamente sabiendo se sancionan
qu inferencias, pronto se encuentra abrumado por opciones. Por lo tanto, necesitamos ms que una
indicacin cuyo las inferencias nosotros pueden hacer legalmente; tambin necesitamos una cierta
indicacin cuyo las inferencias son apropiadas de hacer, es decir, inteligente. Esta indicacin es
suministrada por el sistema de inferencias recomendadas.
Observe que la necesidad de una especificacin de inferencias recomendadas significa que en especificar
una representacin, tambin necesitamos decir algo sobre cmo razonar inteligente. La representacin y el
razonamiento se entrelazan inextricablemente y provechosamente: Una representacin de conocimiento es
una teora del razonamiento inteligente. Esta teora resulta a menudo de la observacin de la conducta
humana. La exposicin original de Minsky de la teora del marco, por ejemplo, ofrece un ejemplo claro de
un sistema de inferencias recomendadas inspiradas observando conducta humana. Considere la
declaracin siguiente del extracto de Minsky (1974, 1975) a su papel original de los marcos: sta es una
teora parcial del pensamiento. siempre que uno encuentre una nueva situacin (o realiza un cambio
substancial en un punto de vista), l selecciona de memoria una estructura llamada un marco; un marco
recordado que se adaptar a la realidad del ajuste cambiando los detalles cuanto sea necesario. Un
marco [Representa] una situacin estereotipada, como estar en cierta clase de sala de estar, o ir a una
fiesta de cumpleaos del nio.
La primera oracin ilustra el entrelazamiento del razonamiento y de la representacin: Este papel est
sobre la representacin de conocimiento, pero anuncia al principio que es tambin una teora del
pensamiento. Alternadamente, esta teora se present de una penetracin sobre el razonamiento
inteligente humano, a saber, cmo la gente pudo manejar hacer la clase de las inferencias de sentido
comn simples que aparecen difciles de capturar en programas. La teora selecciona un sistema particular
de inferencias para recomendar, a saber, razonar en el estilo de emparejar de anticipacin. Las
caracterizaciones similares de inferencias recomendadas se pueden dar para la mayora de las otras
tecnologas de la representacin. Las redes semnticas en su forma original, por ejemplo, recomiendan la
propagacin bidireccional a travs de la red, inspirada por el carcter interconectado de las definiciones de
la palabra y la parte de inteligencia humana manifestada en la capacidad de la gente de encontrar
conexiones entre los conceptos al parecer dispares. Las reglas en sistemas basados en el conocimiento
recomiendan las inferencias plausibles, inspiradas por la observacin de razonamiento experto humano.
Por el contrario, la lgica ha tomado tradicionalmente una postura minimalista en esta edicin. La
representacin s mismo ofrece solamente una teora de inferencias sancionadas, intentando seguir siendo
silenciosa en la pregunta cuyo las inferencias a recomendar. El silencio en esta edicin es motivado por un
deseo para la generalidad en la maquinaria de la inferencia y (es decir,) una forma utilizar-dependiente
declarativa para la lengua, ambas metas fundamentales del acercamiento logicista: lo logicista de se
esfuerzan hacer el proceso de la inferencia como el uniforme y independiente del dominio como sea posible
y representar todo el del conocimiento (incluso el conocimiento sobre cmo utilizar conocimiento)
declarativamente (Nilsson 1991, P. 46).
Pero una representacin con estas metas no puede seleccionar el sistema del detalle de inferencias para
recomendar por dos razones. Primero, si el proceso de la inferencia es ser general y uniforme (es decir,
trabajo sobre todos los problemas y trabajo de la misma manera), debe ser neutral sobre qu inferencias a
recomendar; cualquier subconjunto particular de inferencias que intent seleccionar pudo ser apropiado en
una situacin pero fatal malo en otra porque no hay estrategia de la inferencia (preferencia de la unidad,
sistema de ayuda, y as sucesivamente) universal apropiada. En segundo lugar, si las declaraciones en la
lengua son ser declarativas, deben expresar un hecho sin ninguna indicacin de cmo razonar con ella (la
expresin utilizar-libre es una caracterstica de definicin de una representacin declarativa). Por lo tanto, el

motor de inferencia puede el t recomendar cualquier inferencia (o lo pierde su generalidad y uniformidad),


y las declaraciones del hecho en la lengua no pueden recomendar ninguna inferencias (porque encajando
tal informacin, pierden su carcter declarativo)
As, el deseo para la generalidad y la expresin utilizar-libre evita que la representacin s mismo
seleccione inferencias para recomendar. Pero si la representacin s mismo no puede hacer la
recomendacin, el usuario debe porque el no guiado de la bsqueda del alternativo es insostenible.
Requerir al usuario seleccionar inferencias es, en parte, una virtud deliberada del acercamiento logicista:
Evitar que la representacin la seleccin de inferencias y, por lo tanto, requiera al usuario hacer ofrece tan
la oportunidad para que esta informacin sea representada explcitamente algo que encajada implcito en la
maquinaria de la representacin (como, por ejemplo, en sistemas basados en las reglas o PRLOGO).
Una dificultad con esta meta admirable se presenta en intentar proveer del usuario las herramientas para
expresar las estrategias y para dirigir el sistema. Tres acercamientos son de uso general: (1) tiene el
usuario decir al sistema a lo que haga, (2) tiene el plomo del usuario l en hacer la cosa correcta, y (3)
estructura en estrategias especial de la inferencia. Diciendo al sistema qu hacer, significamos que el
usuario debe recomendar un sistema de inferencias escribiendo declaraciones en la misma lengua
(declarativa) usada para expresar hechos sobre el mundo (por ejemplo, SEORA [Russell 1985]). Llevando
el sistema en hacer la cosa correcta, significa que el usuario debe seleccionar cuidadosamente los
axiomas, los teoremas, y los lemas suministrados al sistema. La presencia de un lema, por ejemplo, no es
simplemente un hecho que el sistema debe saber; tambin proporciona una manera de abreviar una
cadena larga de deducciones en un solo paso, en efecto permitiendo que el sistema tome una medida
grande en cierta direccin (a saber, la direccin en la cual el lema nos toma). Cuidadosamente
seleccionando hechos y lemas, el usuario puede recomendar indirectamente un sistema particular de
inferencias. Por estrategias especiales de la inferencia, significamos estrategias especficas del control del
edificio directamente en el prever del teorema.
Este acercamiento puede ofrecer una aceleracin significativa y un nivel pragmtico til de eficacia de
cmputo. Cada uno de stos se acerca tiene ventajas y desventajas. La expresin de estrategias del
razonamiento en lgica de primer orden es en armona con el alcohol del acercamiento del logicista, a
saber, representacin explcita del conocimiento en un uniforme, representacin declarativa. Pero este
acercamiento es a menudo problemtico en la prctica: una lengua diseada para expresar hechos no es
declarativamente necesariamente buena para expresar la informacin imprescindible caracterstica de una
estrategia del razonamiento. La seleccin cuidadosa de lemas es, en el mejor de los casos, una
codificacin indirecta de la informacin de la direccin que se proveer. Finalmente, los mecanismos
especiales de la deduccin son de gran alcance pero encajan la estrategia del razonamiento invisiblemente
y procesal, derrotando las metas originales de la inferencia de la dominio-independiente y de la
representacin explcita, declarativa.
Las buenas noticias aqu son sa siguiendo siendo adrede silenciosas en la aplicacin inferencias
recomendadas, la lgica ofrece un grado de generalidad y la posibilidad de hacer la informacin sobre
inferencias recomendadas explcita y disponible para ser razonado alrededor alternadamente. En el lado
negativo, la tarea de dirigir el sistema se deja al usuario, sin la ayuda conceptual ofrecida, y a las prcticas
que resultan ocasionalmente derrota algunas de las metas dominantes que motivaron el acercamiento al
principio.
Roll 4: Una representacin de conocimiento es un medio para el cmputo eficiente.
Una visin puramente mecnica, razonando en mquinas (y, quizs, en gente) es un proceso de cmputo.
Puestos simplemente, para utilizar una representacin, debemos computar con ella. Consecuentemente,
las preguntas sobre eficacia de cmputo son inevitable centrales a la nocin de la representacin. Este
hecho ha sido reconocido de largo, por lo menos implcito, por los diseadores de la representacin: A lo
largo con su especificacin de un sistema de inferencias recomendadas, las representaciones ofrecen
tpicamente un sistema de ideas sobre cmo organizar la informacin de las maneras que facilitan el hacer
de estas inferencias. Una parte substancial de la original enmarca la nocin, por ejemplo, se trata apenas a
esta clase de consejo, como ms del papel de los marcos ilustra (Minsky 1974, 1975): Un marco
[representa] una situacin estereotipada, como estar en cierta clase de sala de estar, o ir a una fiesta de
cumpleaos del nio. Se atan a cada marco varias clases de informacin. Algo de esta informacin est
sobre cmo utilizar el marco. Algo est sobre lo que puede esperar uno para suceder despus. Algo est

sobre cul a hacer si estas expectativas no se confirman. La nocin de disparadores y del accesorio
procesal en marcos no es tanto una declaracin sobre qu procedimientos a escribir (haga, (2) tiene el
plomo del usuario l en hacer la cosa correcta, y (3) estructura en estrategias especial de la inferencia.
Diciendo al sistema qu hacer, significamos que el usuario debe recomendar un sistema de inferencias
escribiendo declaraciones en la misma lengua (declarativa) usada para expresar hechos sobre el mundo
(por ejemplo, SEORA [Russell 1985]). Llevando el sistema en hacer la cosa correcta, significamos que el
usuario debe seleccionar cuidadosamente los axiomas, los teoremas, y los lemas suministrados al sistema.
La presencia de un lema, por ejemplo, no es simplemente un hecho que el sistema debe saber; tambin
proporciona una manera de abreviar una cadena larga de deducciones en un solo paso, en efecto
permitiendo que el sistema tome una medida grande en cierta direccin (a saber, la direccin en la cual el
lema nos toma). Cuidadosamente seleccionando hechos y lemas, el usuario puede recomendar
indirectamente un sistema particular de inferencias. Por estrategias especiales de la inferencia,
significamos estrategias especficas del control del edificio directamente en el proveer del teorema. Este
acercamiento puede ofrecer aceleracin significativa y un nivel pragmtico til de eficacia de cmputo.
Cada uno de stos se acerca tiene ventajas y desventajas. La expresin de estrategias del razonamiento
en lgica de primer orden es en armona con el alcohol del acercamiento logicista, a saber, representacin
explcita del conocimiento en un uniforme, representacin declarativa. Pero este acercamiento es a menudo
problemtico en la prctica: una lengua dise expresar hechos no es declarativamente necesariamente
buena para expresar la informacin imprescindible caracterstica de una estrategia del razonamiento. La
seleccin cuidadosa de lemas es, en el mejor de los casos, una codificacin indirecta de la informacin de
la direccin que se proveer. Finalmente, los mecanismos especiales de la deduccin son de gran alcance
pero encajan la estrategia del razonamiento invisiblemente y procesal, derrotando las metas originales de la
inferencia de la dominio-independiente y de la representacin explcita, declarativa. Las buenas noticias
aqu son sa al lado de COMPARTIMIENTO restante del AI de los artculos 26 que las buenas noticias aqu
son sa siguiendo siendo adrede silenciosas en la aplicacin inferencias recomendadas, la lgica ofrece un
grado de generalidad y la posibilidad de hacer la informacin sobre inferencias recomendadas explcita y
disponible para ser razonado sobre alternadamente este papel es con derechos de autor por la asociacin
americana para la inteligencia artificial. Todos los derechos reservados. La teora es algo vaga aqu) como
es una descripcin de una manera til de organizar la informacin, por ejemplo (parafraseando la cita
anterior), fijacin a cada informacin del marco sobre cmo utilizar el marco y qu a hacer si las
expectativas no se confirman. Semejantemente, la organizacin de marcos en jerarquas taxonmicas
sugiere el razonamiento taxonmico y facilita su ejecucin (como en redes de herencia estructuradas).
la teora es bastante vaga aqu) ya que es un Descripcin de una forma til para organizar la informacin,
por ejemplo (parafraseando la cita anterior), adjuntar a la informacin de cada fotograma acerca de cmo
utilizar el marco y qu hacer si las expectativas son no con RMA. Del mismo modo, Organizacin de
fotogramas en jerarquas taxonmicas ambos sugiere razonamiento taxonmica y facilita su ejecucin
(como en estructura de redes de herencia).
Otras representaciones proporcionan orientacin similar. Facilitan la tradicionales redes semnticas
bidireccional propagacin por la simple expediente de proporcionar un conjunto apropiado de enlaces,
mientras que los sistemas basados en la regla facilitar plausibles inferencias proporcionando ndices de
objetivos a las reglas cuya conclusin coincide con (hacia atrs encadenamiento) y de hechos a reglas
cuya premisa coincide con (encadenamiento hacia adelante). Tiempo la cuestin de eficiente uso de
situaciones de ha sido abordada por diseadores de representacin, en el sentido ms amplio, el ElD
aparece han sido histricamente ambivalente en su reaccin. Temprana de la nocin de adecuacin
heurstica (McCarthy y Hayes 1969) demuestra que en, los investigadores aprecia significado de las
propiedades computacionales de una representacin, pero el tono de mucho trabajo posterior en lgica (por
ejemplo, Hayes [1979]) sugiri epistemolgico (contenido de conocimiento) slo importaba y de Ned
eficiencia computacional de el orden del da. Por supuesto, importa la epistemologa, y puede ser til
estudiarlo con las preocupaciones potencialmente molestas acerca de velocidad. Pero finalmente, nosotros
debemos calcular con nuestras representaciones; de ah la eficiencia debe ser parte de la agenda.
El pndulo ms tarde pas bruscamente ms a lo que podramos llamar la vista computacional de nativo.
Algunos trabajan en este sentido (para ejemplo, Levesque y Brachman [1985]) idiomas de representacin,
cuyo diseo fue fuertemente impulsado por el deseo de no proporcionar slo eficiencia pero tambin
garantiza la eficiencia.

El resultado parece ser un lenguaje de significativo puede acelerar la potencia pero restringido (Doyle 1991,
1989).
Cualquiera de los extremos de este espectro parece problemtico: Ignoramos consideraciones
computacionales por nuestra cuenta y riesgo, pero tambin podemos estar demasiado preocupados con
ellos, produciendo representaciones son rpidas pero insuficiente para uso real.
Una representacin de conocimiento es una Medio de expresin humana Por ltimo, tambin son
representaciones de conocimiento los medios por los que expresamos cosas acerca del mundo, el medio
de expresin y comunicacin en la que le decimos a la mquina (y quizs mutuamente) sobre el mundo.
Este papel para las representaciones es inevitable siempre que debemos decir a la mquina (u otros la
gente) sobre el mundo y tanto como nosotros hacerlo mediante la creacin y comunicacin
representaciones As, el fth papel para las representaciones de conocimiento es como un medio de
expresin y la comunicacin para nuestro uso.
A su vez, esta funcin presenta dos conjuntos importantes de preguntas. Un conjunto es familiar: cmo bien
hace la funcin de la representacin como un medio de expresin? Cmo general es?
Cmo precisa? Proporciona adecuacin expresiva y as sucesivamente. Una cuestin importante que se
discute con menos frecuencia es, cmo bien funciona como un medio de comunicacin? Es decir, cmo
sencillos es para nosotros hablar o pensar en este medidor? Qu tipo de cosas se dice fcilmente en la
lengua, y qu tipo de cosas est tan difcil de que son pragmticamente imposibles?
Tenga en cuenta que las preguntas aqu son de la forma, Que tan fcil es? En lugar de Can nos?
Este lenguaje es uno que debemos utilizar; cosas as que son posibles en principio son tiles pero
insuficiente; la verdadera cuestin es uno de utilidad pragmtico. Si la representacin hace cosas posibles
pero no fcil y, a continuacin, como real los usuarios que nunca podramos sabemos si la representacin
de pie y simplemente no s cmo usarlo o si no puede realmente expresar algunas cosas que nos gustara
decir.
Una representacin es el idioma en el que nos comunicamos; por lo tanto, debemos ser capaces de
hablarlo sin esfuerzo heroico.
Consecuencias para la investigacin y prctica podemos Creo que este punto de vista de conocimiento
representativo puede ser til en fuentes practicar y puede ayudar a informar del debate en torno a general
problemas en la investigacin de representacin. Para prctica, ofrece un marco que ayuda a hacer
explcita las importantes ideas y espritu de una representacin e ilustra la diferencia en el diseo que
resulta de indulgente, en lugar de violar, este espritu.
Las consecuencias de la vista para la investigacin incluyen (1) una concepcin ms amplia de
comunicacin, instando a que todos los roles de tener en cuenta al crear representacin calibres, (2) el
reconocimiento que un representacin incrusta una teora de razonamiento inteligente,(3) la posibilidad de
utilizar el punto de vista ms amplio sobre representacin para guiar la combinacin de representacin, (4)
la posibilidad de utilizar la ms amplio recomienda inferencias producidas por estreo Escriba la
coincidencia y la creacin de instancias y facilita Estas inferencias mediante el marco la estructura de s
mismo, as como la ms Organizacin de fotogramas en sistemas de fotograma.
La teora de sanciones inferencias que son trastornos, como en el rea de analgica y predeterminada
cuando coincidencia de fotogramas. Tambin las sanciones inferencias que implican relativamente grandes
discrepancias con el fin de modelo comprensin Eso es tenaz incluso en caso de incoherencias.
La teora proporciona un medio para potencialmente clculo de eficiente mediante la conversin bajo
permanente como coincidencia en lugar de deduccin.
Roll 5. Ofrece un medio de expresin.
Esto es especialmente til para describir conceptos en el mundo natural, que a menudo tenemos algunos
modo de indicar qu propiedades un objeto normalmente tiene, sin confirmar declaraciones acerca de lo
que siempre es cierto.
Dos consecuencias tiles como resultado de la caracterizacin una representacin en estos trminos,
haciendo su posicin sobre las funciones de ambos explcita y comprensible: primera, permite un tipo de
explcitamente invocado Teora de Whoran de uso de representacin. Aunque la tendr representacin
que seleccionamos consecuencias inevitables para cmo vemos y razn sobre el mundo, por lo menos
podemos seleccionarlo conscientemente y cuidadosamente, tratar de encontrar un par de gafas apropiadas
para la tarea.

Pasos en esa direccin incluyen tener representacin diseadores cuidadosamente caracterizan la


naturaleza de las gafas suministrar (para ejemplo, hacer explcita los compromisos ontolgicas,
recomendado inferencias) y tener la eld desarrollar principios para la Asociacin de representaciones a las
tareas. En segundo lugar, se facilitara esas caracterizaciones el uso adecuado de una representacin. Por
caso, nos referimos usarlo en su espritu prevista, es decir, utilizndola para lo que fue pretende hacer, no
por lo que se puede hacer para ello. An con regularidad llamativa, el original espritu de una
representacin es visto como un oponente a superarse. Con regularidad llamativa, se olvida el espritu,
reemplazado por un extremo vista ms mecanicista que ve una estructura de datos en lugar de una
representacin, computacin ms bien de inferencia. Documentos escritos en este conjunto de mente
suelen contener las reclamaciones de cmo el autor fue capaz, a travs de un creativo, heroico, y a
menudo oscurecer acto, para obtener un representacin para hacer algo que normalmente no tendramos
consider capaz de hacer.
Sin embargo, si esos oscuros actos son cul es la posicin algunos de los argumentos de inspeccionar
sobre equivalencia formal de representaciones y (5) la creencia de que la tarea central de dinmica
representacin de borde est capturando la complejidad del mundo real. Limitaciones de espacio requieren
que nosotros slo briey Esbozar estas consecuencias aqu. UN anlisis completo se encuentra en Davis,
Shrobe, y Szolovits (1993). Consecuencia para la enseanza: Caracterizar el espritu de un Representacin
de los roles enumerados anteriormente ayudan a caracterizar y explicitar el espritu de una representacin,
es decir, el conjunto importante de ideas e inspiraciones que se encuentran detrs de (y, signicantly,
suelen ser menos obvio que) el concreta maquinaria utilizada para implementar la representacin. El
espritu es a menudo dificultad a describir con precisin, pero creemos que Tambin se caracteriza por los
ltimos cuatro de los roles slo hemos enumerado (todas las representaciones son suplentes; por lo tanto,
hay poca diferencia entre ellos sobre el papel de primera). El posicin que toma una representacin en
cada uno de estos cuestiones, junto con su justificacin para ello postura, indica lo que pretende la
representacin decir acerca de cmo ver y la razn sobre el mundo.
En su encarnacin original (Minsky 1974, 1975), por ejemplo, es la idea de marcos, un compromiso
ontolgico y una teora de razonamiento inteligente basada en informacin acerca de la cognicin humana
y la organizacin de conocimientos en la memoria. El es importante compromiso ontolgico ver el mundo
en trminos de descripciones stereotipadas, es decir, conceptos describen en trminos de lo que ocurre
normalmente sobre ellos. Este enfoque es particularmente bien adaptado a conceptos en la mundo natural,
donde rara vez tienen categoras especificacin precisa en trminos de las condiciones necesarias y
suciente y excepciones abundan. Hay compromiso ontolgico adicional en la vinculacin de fotogramas en
sistemas para capturar cambios de perspectiva: somos alent a buscar estos cambios al ver la teora de la
World. El razonamiento inteligente incrustado en las reclamaciones de marcos que mucho razonamiento es
basado en el reconocimiento, particularmente de coincidencia estereotipos contra instancias individuales.
las sugerencias sobre la organizacin del conocimiento est basado en la creencia de que informacin en
memoria humana es ricamente y explcitamente interconectados en lugar de estructurar como un conjunto
de independiente o slo hechos implcitamente conectados. Por lo tanto, la teora de fotogramas mediante
una representacin es todo, se convierte en una forma extraa y terriblemente torpe de programar: la tarea
se convierte en uno de hacer lo que ya sabemos que queremos hacer pero estn obligados a hacerlo
usando slo el construcciones disponibles en la representacin, sin importar Cmo buena o mala la t.
En este caso, el trabajo creativo es a menudo en superar la representacin, viendo cmo podemos obtener
que se comportan como algo else.6 El resultado es representaciones de conocimiento aplicados de forma
no informados por el inspiraciones y ideas que llevaron a sus invencin y que son la fuente de sus potencia.
Sistemas construidos en este espritu, a menudo trabajar a pesar de sus representaciones, no por causa de
ellos; funcionan porque los autores, a travs gran esfuerzo, logrado superar la representacin.
Consecuencia de la investigacin y la prctica.
En diversas ocasiones en el desarrollo, la sugerencia que tenemos que ver la representacin del
conocimiento en trminos puramente epistemolgicas; que es, tomar el singular papel de representacin
que transmitir el conocimiento contenido (por ejemplo, Hayes [1979]).Como mencionamos anteriormente,
epistemologa asuntos, pero no es toda la importa.
Representacin y razonamiento son inextricablemente entrelazadas: nosotros no podemos hablar de uno
con-cabo tambin inevitablemente sobre el otro. Nosotros tambin argumentan que el intento de tratar con

representacin como contenido de conocimiento solo conduce a una concepcin incompleta de la tarea de
construir un razonador inteligente. Cada de estas afirmaciones se basan en una observacin realizada
anteriormente. Observamos Primera que cada representacin incorpora en su ncleo una concepcin de lo
que constituye razonamiento inteligente (cuadro 1). Por lo tanto, cualquier discusin de representacin
inevitablemente lleva junto con es una vista (quizs implcita) de razonamiento inteligente. Tambin
observamos en construir un razonador inteligente, no es suficiente indicar qu inferencias es legal; tambin
necesitamos saber que son apropiados lo (que se recomiendan). UN ejemplo familiar de lgica hace el
punto bien: de A, podemos inferir A ^ A, A ^ A ^ A y as sucesivamente. Todas estas inferencias son legales,
pero son apenas inteligentes.
Por lo tanto, llegamos a nuestra reivindicacin que una teora de inferencia (sancionado) legal es
insuficiente. Para construir un razonador inteligente, tambin necesita una teora de inferencia inteligente.
De hecho, hay
Consecuencias para la investigacin: Combinacin de las Representaciones.
Recuerde que una representacin es, entre otras cosas, una teora de razonamiento inteligente y una
coleccin de mecanismos para implementar esta teora. Nosotros creemos que la atencin apropiada para
ambos aspectos, en el orden adecuado, har una diferencia significativa en el resultado de cualquier
esfuerzo en la representacin de la combinacin.
Con frecuencia, los esfuerzos en combinacin aparecen para ser concebidos en trminos de encontrar
formas para los dos mecanismos de trabajo conjunto, con insuficiente atencin para que consideremos que
sea la tarea ms importante: determinando como las dos teoras de razonamiento inteligente pueden
trabajar juntas. Enfocndose en el significado de los mecanismos determinan cuales cosas como, normas,
reglas, procedimientos, y objetos pueden invocar uno u otro indistintamente. Centrndose en la teora de
razonamiento inteligente, significa atender que clase de razonamiento est dentro del espritu de cada
representacin y como esta variedad de razonamiento puede sensiblemente ser combinado.
Dos esfuerzos de combinacin de presentaciones ilustran las diferentes concepciones de la tarea que
surgen de centrarse en el mecanismo y centrarse en el razonamiento. Como primer ejemplo considere la
descripcin del sistema de LOOPS y el esfuerzo por integrarlo a varios paradigmas
Algunos ejemplos ilustran la integracin de paradigmas en LOOPS: el espacio de trabajo de un
conjunto de reglas es un objeto, las reglas son objetos, y tambin son conjunto de reglas. Los
mtodos en clases pueden ser cualquier funcin en Lips o conjunto de reglas. Los procedimientos
en valores activos pueden ser funciones Lisp, conjunto de reglas, o llamadas sobre mtodos. El
crculo en los LOOPS refleja el hecho de que los LOOPS no solo contienen diferentes paradigmas,
pero se integra a ellos. Los paradigmas son diseados, no solo para complementar cada uno, pero
tambin para ser utilizado en combinacin.
Contrastando el conjunto de opiniones y el enfoque anterior con este panorama de una empresa similar,
tambin se dirige a la combinacin de reglas y estructuras.
Reglas y estructuras son dos esquemas en contraste para representar diferentes clases de
conocimiento. Las reglas son apropiadas para representar implicaciones lgicas, o para asociar
acciones con condiciones bajo las cuales las acciones deberan tomarse. Las estructuras (o redes
semnticas) son apropiadas para definir trminos y para describir objetos y la taxonoma de
clases/miembros relacionadas entre ellos. Una importante capacidad de razonamiento de los
sistemas de estructuras con buena definicin semntica son aquellos que pueden inferir relaciones
clases/miembros entre estructuras basadas en sus definiciones.
Las fortalezas y debilidades de las reglas y estructuras son complementarias cada una de la otra, un
sistema que integre ambos beneficios partiendo de las ventajas de ambas tcnicas. Este artculo
describe una arquitectura hbrida llamada clasificacin basada en la programacin la cual extiende
la arquitectura del sistema de produccin usando las capacidades de clasificacin automtica dentro
de las estructuras de representacin. Al hacerlo, el sistema mejora el potencial del modelo de juego
en un sistema de produccin a partir de juego simblico al juego semntico, organizando reglas
dentro de las clases de reglas basadas en sus funcionalidades, e inferencias de varias relaciones
entre reglas que faciliten la representacin explcita del control del conocimiento.
Note, en particular, como el primero de estos esfuerzos centrado en mecanismos computacionales,
mientras el segundo se refiere a la representacin y razonamiento. El primero tiene por objeto permitir

programacin de varios modelos entre ellos, reglas y objetos estructurados- para trabajar juntos, mientras
el segundo intenta permitir las dos representaciones reglas y objetos estructurados- para trabajar juntas. .
El primero permite mecanismos para invocar al otro, mientras que el segundo considera diferentes
variedades de inferencia natural para ambos representaciones y sugiere como estas dos clases de
razonamiento pudieran trabajar sinrgicamente: las reglas son usadas para la clase de razonamiento que
mejor capturan implicaciones lgicas sin restricciones- y las estructuras son usadas para lo fuerte,
llamado, razonamiento taxonmico. As el primer artculo propone una arquitectura computacional, mientras
el segundo ofrece una arquitectura de representacin y razonamiento.
Ambas enfoques son importantes, pero creemos que el objetivo es combinar las representaciones, la tarea
debe ser concebida in trminos centrales de una representacin: la teora del razonamiento inteligente.
Para esto, debera considerarse qu clase de razonamiento esperamos de cada representacin,
deberamos proponer un diseo de cmo estos esquemas de razonamiento trabajaran juntos, y debemos
tener razn para creer que esta combinacin ser efectiva. La primera y ms importante cosa que
requerimos en esta tarea, es una representacin de la arquitectura, seguir una adecuada arquitectura
computacional. Creemos que los esfuerzos por atender solamente los logros de una apropiada arquitectura
computacional son el comienzo de los esfuerzos en el lugar equivocado y quedarn por debajo de una
parte crucial de los objetivos.
Consecuencias para la investigacin: Argumentos acerca de la Equivalencia Formal
Este es un modelo familiar (o patrn) en la investigacin de la representacin del conocimiento en el cual la
descripcin de una nueva tecnologa de la representacin del conocimiento es llamada por las nuevas
ideas, de hecho, formalmente equivalente a una tecnologa ya existente. Histricamente la reclamacin ha
sido a menudo enunciada en trminos de equivalencia a la lgica. Las redes semnticas, por ejemplo la
han describo en estos trminos, mientas los desarrolladores de estructuras llevan una secuencia de tales
reclamaciones, incluyendo la sugerencia que muchas de las estructuras son justo una nueva sintaxis para
partes de la lgica de primer orden.
Las estructuras tambin podran ser una alternativa de sintaxis que parecen claras; que son simples o
simplemente una alternativa de sintaxis considerablemente menos clara. Estas estructuras no son
enteramente diferentes de la lgica; todas las ideas pueden ser como la lgica considerablemente menos
claras.
Creemos que las reclamaciones de este tipo son sustanciales solamente en el contexto de una nocin
restrictiva de qu clase de representacin del conocimiento es. El Sr. Hayes es explcito sobre la parte de
su postura sobre una representacin: Se puede caracterizar un lenguaje representacional como uno el
cual tiene (o puede llegar a tener) una teora semntica. l tambin expresa acerca de la elaboracin de
lneas (texto, ideas) alrededor del argumento: Aunque las estructuras son algunas veces entendidas en el
nivel metafsico y otras veces en el nivel computacional, yo discutir esto como una propuesta
representacional, que es, como un lenguaje con una teora semntica y nada ms. Ambos, metafsicos y
computacional han sido definidos como fuera de agenda. El Sr. Hayes tambin dice, ninguna de estas
discusiones (acerca de las estructuras como un dispositivo computacional para organizar el acceso de
memoria e inferencias) comprometen la representacin. Aqu esto comienza a ser evidente que el reclamo
es menos referente a las estructuras y ms a una definicin de que ser tomado como una cuestin de
representacin.
Note que especficamente excluye de la discusin sobre el compromiso ontolgico de la representacin, a
saber, que entidades se supone que existen en el mundo, y las propiedades computacionales que
proporciona la representacin. A pesar de las reclamaciones contrarias, argumentamos que la ontologa de
las estructuras (y de otras representaciones) y las preguntas computacionales no solo participan en
cuestiones de representaciones, son cuestiones de representacin. Estas y otras propiedades son cruciales
en la representacin del conocimiento, tanto en principios y en el uso real.
Consecuencias para la investigacin: todo en cuestin de 5 funciones.
Aunque las representaciones son a menudo designadas con considerable atencin para una u otra de las
cuestiones listadas en nuestros cinco roles (funciones), creemos que todos los roles son sustancialmente
significantes y que ignorar cualquiera de ellos puede dirigir una importancia inadecuada. Mientas los

diseadores raramente pasan por alto funciones representacionales como un sustituto y como una
definicin de inferencias sancionadas, la orientacin insuficiente en otras funciones no es rara.
Como un temprano argumento, por ejemplo, el compromiso ontolgico: Las guas que proporcionan sentido
de abundancia de detalles en el mundo son entre las cosas ms importantes que una representacin puede
proveer. Todava algunas representaciones, en una bsqueda por generalizar, ofrecen poco soporte en esta
dimensin.
Un argumento similar aplica para la teora del razonamiento inteligente: una representacin puede guiar y
facilitar el razonamiento si tiene en su centro una teora de lo que el razonamiento hara. Guas
insuficientes nos dejan susceptibilidades para las dificultades tradicionales de las elecciones sin gua.
Pragmticamente las cuestiones de computacin eficiente son una representacin de casos promedio. El
inters en la produccin de las representaciones ms dbiles pueden garantizar el peor rendimiento en el
caso, pudiendo ser errnea, demandante ms de lo necesario y pagando un precio muy alto.
El uso de una representacin como un medio de expresin y cuestiones de comunicacin se debe a que
debemos ser capaces de hablar el lenguaje para representar esto. Si no podemos determinar la forma de
decir lo que estamos pensando, no podemos utilizar la representacin para comunicarse con un sistema de
razonamiento. El intento de diseo de las representaciones para acomodar las cinco funciones es, por
supuesto, difcil, pero creemos que la alternativa es la creacin de herramientas con las deficiencias
significativas.
La meta del conocimiento. Investigacin de la representacin
Creemos que la preocupacin de la conduccin en el mbito de la representacin del conocimiento debe
ser comprender y describir la riqueza del mundo. Sin embargo, en la prctica, la investigacin se describe a
s misma como la representacin del conocimiento bsico, trabajo que ha concentrado casi todos sus los
esfuerzos en un canal mucho ms estrecho, gran parte de se centra en taxonoma y razonamiento por
defecto.
Creemos que esto no es un accidente de que una informacin til sobre la bsqueda de un buen conjunto
de abstracciones temporales proviene de un examen minucioso de una tarea realista en un mundo real. Se
pone de manifiesto nuestra conviccin de que intentar describir la riqueza de del mundo natural es una
funcin adecuada del trabajo de la representacin del conocimiento.
Nuestro punto aqu se refiere tanto a etiquetado y a la metodologa: (1) trabajo como Hamscher (1991) y
Lenat (1990) deben ser reconocidos por la comunidad de representacin del conocimiento como de
importancia central para la investigacin de representacin del conocimiento, no categorizadas como
diagnstico fsica cualitativa, sino verlas como independientes y (2) puntos de vista obtenidos en Hamscher
(1991) y Lenat (1990) proceden del estudio del mundo, no del estudio de lenguajes.
Nosotros sostenemos que los que optan por identificar como investigaciones la representacin del
conocimiento, deben desarrollar la teora y la tecnologa que facilitan proyectos como stos, y por el
contrario, aquellos que estn construyendo proyectos como estos estn involucrados en un centro de
importante variedad de investigacin de representacin del conocimiento.
Mientras que las herramientas y tcnicas son importantes, el rea es y debe ser mucho ms rica que estas,
sobre todo porque el mundo es mucho ms ellas. Creemos que la comprensin y la descripcin de esta
riqueza debe ser la preocupacin central de esta rea.
Resumen articulo
Hemos sostenido que una representacin del conocimiento desempea cinco funciones distintas, cada una
importante a la naturaleza de la representacin y sus funciones bsicas. Estos roles crean mltiples,
algunas veces demandan competencias, que requiere ser selectivos e inteligentes entre las caractersticas
deseadas. Estas cinco funciones tambin ayudan claramente en la caracterizacin del espritu de las
representaciones y de la tecnologa de la representacin que tiene que ser desarrollada.
Esta vista tiene consecuencias tanto para investigacin como para la prctica en el campo. En el frente de
investigacin, esto aboga por una concepcin de representacin que es ms amplia que el que a menudo
usado, impulsando que cinco aspectos sean cuestiones de representacin esenciales. Esto sostiene que el
compromiso ontolgico que una representacin suministra es una de sus contribuciones ms significativas;
de ah, el compromiso debera ser tanto sustancial como con cuidado elegido. Esto tambin sugiere que la
tarea fundamental de la representacin describa el mundo natural y afirme que el campo avanzara ms
lejos tomando esta vista como su preocupacin central.
Para la prctica del trabajo de representacin de conocimiento, la vista sugiere que la combinacin de

representaciones sea una tarea que debera ser conducida por perspicacias sobre cmo combinar sus teoras del razonamiento inteligente, no sus mecanismos de realizacin. La vista tambin impulsa el
entendimiento de y la indulgencia del espritu fundamental de representaciones. Sugerimos que las
tecnologas de representacin no debieran ser consideradas como opositores ser vencidas, forzadas para
comportarse de un modo particular, pero en cambio, ellos deberan ser entendidos en sus propios trminos
y usados de modos que confan en las perspicacias que eran su inspiracin original y fuente de poder.
Reconocimientos
Este artculo describe la investigacin hecha en el Laboratorio de Inteligencia Artificial y el Laboratorio para
Ciencias informticas en el Instituto de Massachusetts de la Tecnologa (MIT). El apoyo a este trabajo fue
recibido de la Defensa Agencia de Proyectos de investigacin Avanzada bajo el oficio del contrato N0001485-K-0124 de Investigacin Naval; the National Library of Medicine under grant R01 LM 04493; the National
Heart, Lung, and Blood Institute under grant R01 HL 33041; Digital Equipment Corporation; and the General
Dynamics Corp.
Las versiones anteriores de este material formaron la sustancia de conversaciones, presentadas en el
Laboratorio de Sistemas de Conocimiento de universidad de Stanford y una invitacin a exponer en la
Novena Conferencia Nacional sobre AI; muchos comentarios tiles del auditorio fueron recibidos en ambas
ocasiones. Jon Doyle y Ramesh Patil ofrecieron varias suposiciones profundas en esbozos de este artculo;
tambin estamos agradecidos a Rich Fikes, Pat Hayes, Ron Brachman, y Hctor Leves para discusiones
ampliadas sobre un poco de este material.
Notas
1. A la inversa, la accin puede substituir al razonamiento. Este dualismo ofrece un modo de
entender la relacin entre representaciones simblicas tradicionales y el acercamiento de
situar-accin, que sostiene que la accin puede ser unida directamente a la percepcin, sin
la necesidad de representaciones simblicas que intermedian.
2. La frase el compromiso ontolgico no es quizs exactamente correcto para lo que tenemos
en mente aqu, pero es la aproximacin disponible ms cercana. Mientras la ontologa est,
en sentido estricto, referida por lo que existe en el mundo, expresamos esta seccin con
cuidado en trminos de como ver el mundo, deliberadamente esquivando muchas
cuestiones filosficas espinosas estndares que rodean reclamaciones de lo que existe. Un
segundo camino alrededor de la cuestin es notar que el mundo estamos interesados en la
captura es el interior mundial la mente de algn observador humano inteligente (por ejemplo,
un mdico, un ingeniero); en cuyo caso, puede sostenerse plausiblemente que en este
mundo, reglas, los prototipos, etctera, realmente existen.
3. Tenga en cuenta que incluso al principio, es un indicio de que la forma deseada de razonamiento podra
ser descrita en un conjunto de reglas formales.
4. Las consecuencias de este acercamiento son evidentes hasta en el uso de la forma normal
disyuntiva como una representacin cannica: Aunque
X1 ^ X2 ^ X3 X4
es semnticamente equivalente a
X1 X2 X4 X3,
un poco de informacin potencialmente til es perdida en la transformacin. La primera forma podra
sugerir que X1, X2, y X3 tengan algo en comn, a saber, que deberan pensar de ellos cuando las
condiciones previas tenan que establecer X4. Esta indirecta podra ser til en la decisin como razonar en
el problema, pero de ser as, es perdida en la transformacin a la forma normal disyuntiva. Por el
contraste, considere lenguas, como MICROPLANNER y PROLOG, que hacen el uso explcito de la forma
de la regla de inferencia de ayudar a dirigir el proceso de deduccin.
5. Esto seguir probablemente siendo til aun si las mquinas inventan sus propias representaciones
de conocimiento basadas en la experiencia independiente del mundo. Si sus representaciones se
hacen incomprensibles a nosotros, las mquinas sern incapaces de decirnos lo que ellos saben o
explican sus conclusiones.
6. Por supuesto, hay utilidad en el establecimiento de la equivalencia de dos representaciones mostrando
como uno puede ser hecho comportarse como el otro. Pero este ejercicio slo tiene que ser hecho una vez,

y es hecho para su propio bien, ms bien que porque es la prctica buena en la construccin de sistema.
7. Como hemos sostenido en otros lugares (Davis 1991), un acantilado computacional (es decir
comportamiento de caso peor inaceptable) es un problema slo si cada inferencia, una vez puesta en
marcha, no puede ser posiblemente interrumpida. El simple expediente de computacin de recursos
limitados impide que cualquier inferencia reventado permanentemente el programa en una tarea que
requiere cantidades poco razonables de tiempo.