Tema 1: Introduccin

Agentes Racionales + Rep. del conocimiento + WWW =

Web Semntica
Joaqun Borrego Daz

Departamento de CCIA. Universidad de Sevilla

Introduccin a SIA p. 1/52

a SIA p. 1/52
Introduccion
Contenido

Objetivo del curso

Agentes Inteligentes
Definicin de agente racional

Caractersticas de los agentes inteligentes

Una jerarqua de agencia

Entornos
Representacin del conocimiento
Perspectivas en la representacin del conocimiento

Qu es una lgica?

Idea de la Web Semntica

Introduccin a SIA p. 2/52

a SIA p. 2/52
Introduccion
Objetivo del curso

Conocer los fundamentos bsicos de:

Representacin del Conocimiento y Lgica Computacional,

Razonamiento automtico, e

Inteligencia Artificial

que se utilizan en el desarrollo formal de la Web Semntica;

Ontologas

Razonamiento Automtico con Ontologas

Perspectiva sobre el razonamiento no montono a utilizar

Introduccin a SIA p. 3/52

a SIA p. 3/52
Introduccion
Inteligencia Artificial y Agentes Racionales

Un objetivo de la IA: estudio y diseo de agentes inteligentes

Un agente es un ente que acta en un entorno, y responde a estmulos de
ste.
Un agente inteligente es un agente que acta de manera flexible,
Adaptndose a los cambios del entorno

Aprendiendo de la experiencia

Eligiendo acciones correctas de acuerdo a algn procesamiento finito de la

informacin que posee

Exhibiendo un comportamiento dirigido a alcanzar sus objetivos

Diferencia entre la informacin a la que tiene acceso y la que caracteriza el

entorno:
No son omniscientes

Son racionales: actan de manera correcta segn la informacin que

poseen
Introduccin a SIA p. 4/52

a SIA p. 4/52
Introduccion
Racionalidad y optimalidad en IA

Inteligencia Artificial: estudio computacional del comportamiento racional

Cuestin: Cmo entender la racionalidad?
Problema Fundamental: Dada una propiedad , disear un sistema que


posea, de forma verificable, dicha propiedad
Verificacin versus validacin

Introduccin a SIA p. 5/52

a SIA p. 5/52
Introduccion

Racionalidad, optimalidad, exito

Algunas propiedades importantes son:

Racionalidad perfecta: El agente acta en cada instante de tal forma que

maximiza su utilidad
Racionalidad calculable: El agente elige la accin racional que debera

haber elegido al principio de su deliberacin

Optimalidad acotada: Se comporta lo mejor posible con respecto a su

capacidad (computacional y/o cognitiva)

Existen otros tipos de propiedades que relacionan correccin, validacin y
efectividad

Introduccin a SIA p. 6/52

a SIA p. 6/52
Introduccion
 racional correcta, con fallo
Ejemplo de actuacion

Cerrada(puerta) >
Girar(pomo)

Razonamiento

Conocimiento nuevo: Cerradaconllave(puerta).

Regla usable: Cerradaconllave(puerta) > Comunicar(conserje).

Introduccin a SIA p. 7/52

a SIA p. 7/52
Introduccion
 racional correcta, con exito
Ejemplo de actuacion

Cerradaconllave(puerta)

Cerradaconllave(puerta) > Usar(llave).

Razonamiento

Exito en el objetivo: Abierta(puerta)

Introduccin a SIA p. 8/52

a SIA p. 8/52
Introduccion
Elementos que conducen al fallo

Conocimiento deficiente del mundo: Cerrada(puerta)

Abanico de acciones deficiente
El profesor no puede abrir puertas cerradas, pues no tiene llaves

Experiencia previa
El profesor conoce Cerrada(puerta)

El profesor no conoce Cerrada-con-llave(puerta)

Creencia errnea: Cerrada-con-llave(puerta)



No es inconsistente con su conocimiento

No es vlido en el entorno

Medida de xito: Profesor: trivial, fracaso; Conserje: xito

Otra medida para el conserje: xito menor (espera de alumnos y profesor)

Introduccin a SIA p. 9/52

a SIA p. 9/52
Introduccion
Elementos que conducen al fallo

Componente clave:
Creencias y Conocimientos
Creencias Mundo real
Conocimiento

Cerrada(puerta) Cerradaconllave(puerta) Cerrada(puerta)

Cerradaconllave(puerta)

Aula 33

Introduccin a SIA p. 10/52

a SIA p. 10/52
Introduccion
 de agente
Definicion

Dada una posible sucesin de percepciones, un agente racional ideal debe

de realizar una accin que maximize la medida de xito, a partir de la base
de evidencias que obtiene de dicha sucesin de percepciones, junto con el
conocimiento que el agente posee.
Nocin til para analizar sistemas, no es una caracterizacin absoluta.
Agente trivial: Un reloj
No usa secuencia de percepciones

Siempre alcanza xito

No siempre alcanza xito; no es autnomo: el dueo del reloj viaja

Existencia terica de agentes: aplicacin ideal entre las sucesiones de

percepciones y las acciones
Imposible en la prctica: La tabla tiene tamao infinito

Introduccin a SIA p. 11/52

a SIA p. 11/52
Introduccion
Estructura de los agentes inteligentes

Alternativa: Conocimiento procedural acerca de la funcin: programa

Agente = Arquitectura + Programa
Softbots (infobots): agentes que se ejecutan en primera instancia en un

entorno virtual
Primera aproximacin: descripcin PAGE de un agente
Perceptions, Actions, Goals, Environments

Ejemplo: Controlador areo

Percepciones: Seales de radar

Acciones: Permisos de aterrizaje, desvo de rutas, ...

Objetivos: Otorgar permisos de aterrizaje seguros a todas las aeronaves

que lo requieran, mantener distancias seguras entre stas.

Entorno: Espacio areo, virtualizado como un conjunto de referencias

geogrficas (coordenadas).

Introduccin a SIA p. 12/52

a SIA p. 12/52
Introduccion
Esqueleto de agente

Funcin Esqueleto-de-Agente (percepcin) Devolver accin

Esttico memoria
memoria Actualizar-memoria (memoria , percepcin)


accin Elegir-mejor-accin (memoria)



memoria Actualizar-memoria (memoria ,accin)



Devolver accin

No aparece la medida de xito como parte del programa; el diseador la utiliza

como medida externa de validacin

Introduccin a SIA p. 13/52

a SIA p. 13/52
Introduccion
Caractersticas del programa

El agente acta con cada percepcin, no para cada sucesin de percepciones.

La sucesin de percepciones es una invencin de la memoria del agente
Este agente no recoge la idea de computar la funcin ideal, que asocia
acciones a sucesiones, mediante una simple tabla, pues:
Un nmero infinito o excesivamente grande de sucesiones de

percepciones.
Consultar dicha tabla puede ser inabordable.

No sera autnomo: Un cambio en el entorno provocara la inutilidad de la

tabla (revisar la tabla).

Introduccin a SIA p. 14/52

a SIA p. 14/52
Introduccion
Caractersticas de los agentes

Flexibilidad: Las propiedades fundamentales de un agente son:

Reactividad: Capacidad para responder a los cambios del entorno

Pro-actividad: Capacidad de exhibir un comportamiento dirigido a cumplir

sus objetivos
Sociabilidad: Capacidad de comunicarse con otros agentes

Son las exigencias mnimas

No se especifica el grado de flexibilidad de cada una de ellas
Es posible eludir alguna de stas, para aplicaciones concretas

Introduccin a SIA p. 15/52

a SIA p. 15/52
Introduccion
Otras caractersticas

Continuidad temporal: No hay necesidad de parada.

Autonoma: Responder a cambios del entorno.
Adaptatividad: Capacidad de aprendizaje del agente, para modificar su
comportamiento.
Movilidad (a travs de espacio fsico o de redes telemticas).
Veracidad: Comunicacin de informacin verdadera (desde su punto de vista).
Benevolencia: Aptitud receptiva a cooperar en la resolucin de cuestiones no
conflictivas con sus objetivos.

Introduccin a SIA p. 16/52

a SIA p. 16/52
Introduccion
Sociabilidad:

No es slo un intercambio de informacin binaria

Cooperacin entre objetivos
Negociacin y cooperacin:
- Implica conocer los objetivos de otros agentes.
- Implica realizar acciones (p.e. pagar) que no son necesarias
individualmente.
Es quizs la tarea ms compleja
La racionalidad est muy relacionada con la planificacin y con la

sociabilidad
La reactividad puede ser necesaria para una mayor eficiencia

Situacin ideal: Combinar mdulos reactivos y racionales

Introduccin a SIA p. 17/52

a SIA p. 17/52
Introduccion
Una Jerarqua de agencia (I): Agentes reactivos

Idea: Resumir partes generales de la tabla de la aplicacin ideal con reglas

Si Evento y Condicin entonces Accin

Esquema:

Funcin Agente-Reactivo(percepcin)
devuelve accin
Esttico: reglas
estado Interpretar(percepcin)


regla Elegir-regla(estado, reglas)



accin Disparo(regla)


Los agentes reactivos actan a partir de percepciones actuales

Muy eficientes, pero de aplicacin restringida
Introduccin a SIA p. 18/52

a SIA p. 18/52
Introduccion
Una jeraqua de agencia (II)

Agentes con estado interno

Agentes con memoria
Agentes basados en objetivos
Agentes guiados por utilidad
Agente con componente pensante
Deducen su comportamiento de sus creencias

Introduccin a SIA p. 19/52

a SIA p. 19/52
Introduccion
Agente con razonamiento deductivo

Esqueleto de agente con razonamiento deductivo

Funcin Agente-deliberativo

Para cada accin hacer


Si entonces Devolver





Para cada accin hacer


Si entonces Devolver



 




Devolver accin-nula

Necesita de un demostrador automtico para la lgica utilizada

Est limitado por la complejidad de la demostracin automtica
Existen lgicas para las que la relacin es eficientemente computable

Cuestin: Qu lgica elegir?

Introduccin a SIA p. 20/52

a SIA p. 20/52
Introduccion
Agentes BDI (Rao-Georgeff)

El estado interno se compone de:

Las creencias, que hemos comentado anteriormente.
Los deseos: tareas que desea realizar; pueden ser incluso inalcanzables y/o
inconsistentes.
Intenciones: deseos que se ha comprometido a conseguir.
El ciclo de ejecucin consiste en gestionar tal estado interno, con el objetivo de
alcanzar las intenciones

Problema:Cmo se relacionan los distintos tipos de conocimiento?

Introduccin a SIA p. 21/52

a SIA p. 21/52
Introduccion

Esquema del interprete BDI

do
Opciones = generador-opciones (cola-eventos, B,D,I)
Opciones-seleccionadas=Deliberar(opciones,B,D,I)
Actualizar-Intenciones(Opciones-seleccionadas,I)
Ejecutar(I)
Percibir
Eliminar-xitos(B,D,I)
Eliminar-imposibles(B,D,I)
until quit

Introduccin a SIA p. 22/52

a SIA p. 22/52
Introduccion
 de agentes BDI
Programacion

Cmo disear los programas para las macros:

Deliberar(opciones,B,D,I)
Se necesita el razonamiento automtico (temas 2,3,4)
Actualizar-Intenciones(Opciones-seleccionadas,I)
Se necesita razonamiento no montono (temas 5,6,8)
Ejecutar(I)
Se necesitara planificacin (tema 7)
..
.
No se necesitara implementar el interprete
La implementacin del intrprete es la plataforma

Introduccin a SIA p. 23/52

a SIA p. 23/52
Introduccion
Una arquitectura general para agentes
Mensajes/eventos del exterior

Mensajes/acciones
al exterior

Cola de eventos Cola de meta-objetivos

E_1 E_2 ........................ E_n G_1 G_2 ....................... G_n

Componente reactiva Componente racional Componente pro-activa

REGLAS E-C-A REGLAS PLANIF. REGLAS C-A

CONOCIMIENTO BASE

Introduccin a SIA p. 24/52

a SIA p. 24/52
Introduccion

Flujo de informacion

MENSAJES
E_1 E_2 ........................ E_n G_1 G_2 ....................... G_n

REGLAS ECA REGLAS PLANIF. REGLAS CA

CONOCIMIENTO BASE

Introduccin a SIA p. 25/52

a SIA p. 25/52
Introduccion
Sistemas multiagente

Conjunto de agentes que interactuan entre s y con el entorno

Agentes heterogneos

Computacin asincronizada, en general

Comunicacin de conocimiento y/o de creencias

Formatos de intercambio, por ejemplo, KIF (Knowledge Interchange

Format): versin con tipos de la lgica de predicados

El conocimiento comunicado depende de la ontologa que usa cada agente

Representacin de la ontologa

Sociabilidad y veracidad

Entornos como agentes (p.e. la red de interconexin)

Problema: Cul es el conocimiento comn del sistema?

Necesario para la verificacin del sistema multiagente

Introduccin a SIA p. 26/52

a SIA p. 26/52
Introduccion
Dimensiones de complejidad en SMA

Comunicacin de creencias
Cooperacin. Planificacin multiagente
Dinmica. Comportamiento emergente
Verificacin
Validacin.

Introduccin a SIA p. 27/52

a SIA p. 27/52
Introduccion
Aplicaciones

Controladores areos
Controladores de distribucin de energa electrica
Simulacin de sistemas complejos
Agentes para la manufacturacin industrial (robots)
Mercados electrnicos
Subastas en Internet de recursos empresariales
Agentes de bsqueda de informacin
Web Semntica

Introduccin a SIA p. 28/52

a SIA p. 28/52
Introduccion
Entornos: Caractersticas (I)

Dependen del agente!

Accesible vs. Inaccesible
Accesible: El agente tiene acceso a toda la informacin que desee

efectivamente accesible: El agente tiene acceso a la informacin necesaria

para su tarea
Determinista vs. No determinista
determinista para un agente: si est perfectamente determinado quin es

el estado siguiente

Introduccin a SIA p. 29/52

a SIA p. 29/52
Introduccion
Entornos: Caractersticas (II)

Episdico vs. no episdico

Episodio: conjunto de percepciones, elegido como tal por el agente

Entorno episdico: La accin slo depende del episodio actual

Esttico vs. dinmico: Un entorno es esttico si ste no cambia mientras el

agente delibera
Discreto vs. continuo
Entorno discreto: Un nmero limitado de percepciones y acciones posibles

Conclusin: La representacin del entorno depende de como el agente entender

el mundo

Introduccin a SIA p. 30/52

a SIA p. 30/52
Introduccion
Esqueleto de simulador de entornos

Esquema de un ciclo de la simulacin:

Incorpora agentes
Crea las percepciones para el agente
Recibe la accin
Actualiza el entorno percibido por los agentes

El entorno es un agente!
El caso ms complejo: entorno inaccesible, no determinista, no episdico,
dinmico y contnuo
Exploracin espacial

Introduccin a SIA p. 31/52

a SIA p. 31/52
Introduccion

Conclusion

Representacin


 












 
  
del



 
  

Conocimiento
 












Introduccin a SIA p. 32/52

a SIA p. 32/52
Introduccion
 del conocimiento (RC) (I)
Representacion

Tres perspectivas (no excluyentes)

Primera perspectiva: Epistemologa aplicada
El conocimiento representado como

Base de conocimiento = Estructuras (simblicas) + Programas

Hiptesis de representacin del conocimiento:

Todo mecanismo inteligente debe poseer ingredientes para que:

1. Nosotros, como observadores externos, podamos representar todo el
conocimiento que el proceso exhibe
2. Independientemente de la atribucin (significado), se pueda generar
nuevo conocimiento de manera puramente formal

Introduccin a SIA p. 33/52

a SIA p. 33/52
Introduccion
 del conocimiento (II)
Representacion

Segunda perspectiva:
La representacin del conocimiento como Decir-Preguntar
Todo sistema de razonamiento debe poseer al menos dos operaciones:

: Dada la base , el hecho es aadido a , para obtener

&
%

%
!
!
"#

#


una nueva base.

: Preguntar a la base sobre el hecho . La respuesta
&
('

%
#

"#

#

depende del paradigma del sistema: SI, NO, Desconocido, SI con

probabilidad p, etc.
Tercera perspectiva: RC como la encarnacin de los sistemas IA
Entiende el conocimiento como una serie de unidades interconectadas que
son colectivamente responsables de la representacin de diversos conceptos.

Introduccin a SIA p. 34/52

a SIA p. 34/52
Introduccion
 del conocimiento
Paradigmas de la Representacion

De las perspectivas emergen diversos paradigmas

Conocimiento procedural: El conocimiento se codifica mediante
funciones/procedimientos.
Redes: Grafos cuyos nodos representan conceptos o entidades, y los arcos
relaciones entre ellas
Marcos: Parecido a las redes, pero cada concepto tiene varias propiedades
heredables por defecto a los nodos que dependen de ste.
Lgica: Declaracin formal del conocimiento.
Arboles de decisin, reglas
Conocimiento estadstico, paralelismo ...
Esquemas hbridos
En este curso utilizaremos fundamentalmente la lgica, y veremos cmo con sta
se pueden simular otros paradigmas

Introduccin a SIA p. 35/52

a SIA p. 35/52
Introduccion
Que es una logica?

Una lgica est compuesta de:

Sintaxis: Smbolos + reglas de construccin de expresiones.
Semntica: Definicin precisa del significado de las expresiones. Conceptos
de
Modelo

Verdad en un modelo y vlido para una base de conocimiento

Consistencia y validez.

Problema I: Qu lgica elegir?

Lgica proposicional: para razonar sobre hechos

Lgica de predicados: para razonar con elementos y propiedades

Lgicas modales: para dotar de intencin al conocimiento

Otras Equilibrio entre expresividad y decidibilidad

Introduccin a SIA p. 36/52

a SIA p. 36/52
Introduccion

Logica (I)

Problema II: Representar el conocimiento sobre el mundo con una lgica

Diferenciar entre el significado lgico y el significado real

)
Verdad lgica Verdad real.



)
Verdad real Verdad lgica.



Problema distinto al de la completitud de la lgica

La completitud de la lgica se refiere a los modelos matemticos, que

son abstracciones del modelo real

Introduccin a SIA p. 37/52

a SIA p. 37/52
Introduccion
 y representacion
El proceso de percepcion

Entorno Modelo Base de conocimiento

Modelo
Percepcin Representacin no
Modelo K pretendido
ENTORNO formal
?

Ingeniera del
Ingeniera de los
conocimiento
dispositivos

AGENTE

PROBLEMA DE REFINAMIENTO

Introduccin a SIA p. 38/52

a SIA p. 38/52
Introduccion

Logica (II)

Problema III: Disear mtodos mecnicos para calcular (deducir) nuevo

conocimiento lgico
Procedimiento puramente simblico; no interviene el significado

El problema de mecanizar la validez de una frmula

El problema de la no unicidad de modelo

Aproximar la validez con un proceso de clculo: La demostracin

Adecuacin:
Demostrable 
Valido (lgicamente)


Completitud:
Valido (lgicamente) Demostrable



Eficiencia versus restriccin de la lgica Qu hacer?

Introduccin a SIA p. 39/52

a SIA p. 39/52
Introduccion

Logica (III)

Problema IV: Disear mtodos mecnicos para calcular (deducir) nuevo

conocimiento real
El problema de la no unicidad de modelo para la representacin lgica

El principio de la pobreza del lenguaje: No es posible obtener un sistema

que genere todo el conocimiento verdadero acerca del entorno

El problema de la monotona: En algunos casos, aadir nuevo conocimiento
invalida conocimiento anteriormente adquirido.
Ejemplo:
Base de conocimiento: Ave(x) Vuela(x).

*
Nuevo hecho: Ave( ) Vuela( )

102/

02 /
4
+,-

+,-

3
Qu hacemos? 

Introduccin a SIA p. 40/52

a SIA p. 40/52
Introduccion

Web Semantica

Propuesta por Tim Berns Lee, uno de los creadores de la actual WWW:
La Web Semntica es una WWW donde los metadatos son procesables por
mquinas
Las mquinas entienden la informacin contenida en la Web Semntica
Diferencias entre la actual WWW y la Web Semntica:

Actual WWW Web Semntica

Leng. de representacin HTML XML
Leng. de rep. semntica No tiene RDF
Ref. semnticos No tiene Ontologas (p.e. OWL)
Raz. con los datos Puramente sintctico Raz. automtico
Confianza en los resultados Insegura Lgica
Introduccin a SIA p. 41/52

a SIA p. 41/52
Introduccion
Deficiencias de la actual WWW

Ejemplo 1: Bsquese en Google informacin sobre una palabra de significado

ambiguo, como por ejemplo banco
Deficiencia: No existe referente semntico en las pginas, y es difcil deducir
el significado de una palabra a travs del contexto
Ejemplo 2: Necesito buscar un banco que me ofrezca un prstamo en unas
ciertas condiciones, sabiendo que mi situacin personal es X
Deficiencia: No existe un agente inteligente que sea capaz de deducir, de la
informacin expuesta en la pgina del banco, cules seran las caractersticas
del prstamo
Necesitamos:
Un lenguaje comn para la comunicacin de la pregunta

Que la informacin no sea ambigua

Razonamiento automtico

No slo demostracin automtica; se necesita razonamiento con

conocimiento comn Introduccin a SIA p. 42/52

a SIA p. 42/52
Introduccion
 adoptada
Solucion

Conocimiento comn explcito: Ontologas

Toda expresin de la W.S. susceptible de ser procesada debe estar
referenciada con respecto a una ontologa

Pero, realmente,

Introduccin a SIA p. 43/52

a SIA p. 43/52
Introduccion

Ejemplo de marca semantica en RDF

Uso del lenguaje RDF:

<rdf:RDF
xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"
xmlns:dc="http://purl.org/DC/">
<rdf:Description about="http://metalab.unc.edu/xml/">
<dc:CREATOR>Elliotte Rusty Harold</dc:CREATOR>
<dc:TITLE>Cafe con Leche</dc:TITLE>
</rdf:Description>
</rdf:RDF>

Introduccin a SIA p. 44/52

a SIA p. 44/52
Introduccion

Ejemplo con marca semantica (II)

Ejemplo de descripcin en OWL:

<owl:Class rdf:ID="Person">
<rdfs:subClassOf rdf:resource="#Animal"/>
<rdfs:subClassOf>
<owl:Restriction>
<owl:onProperty rdf:resource="#hasParent"/>
<owl:toClass rdf:resource="#Person"/>
</owl:Restriction>
</rdfs:subClassOf>
<rdfs:subClassOf>
<owl:Restriction owl:cardinality="1">
<owl:onProperty rdf:resource="#hasFather"/>
</owl:Restriction>
</rdfs:subClassOf>
</owl:Class>

Introduccin a SIA p. 45/52

a SIA p. 45/52
Introduccion

Esquema de la Web Semantica

Introduccin a SIA p. 46/52

a SIA p. 46/52
Introduccion
 con el curso
Relacion

Bases de conocimiento

Reglas
Web
Trust Razonamiento Automatico

Datos
Demostracion
Datos

LOGICAS
LOGICA
Datos
documento
Auto desc.

Lenguaje Ontologico Logicas descriptivas; OWL

RDF + RDF Schema

Lenguajes para marcas semanticas
XML+NS+XML schema

UNICODE URI Introduccin a SIA p. 47/52

a SIA p. 47/52
Introduccion

Agentes para la Web Semantica

Agentes inteligentes que razonan con la informacin

Entorno de trabajo: la Web Semntica
SMA: Abstraccin (metfora) de las sociedades reales
Deben de razonar con bases de conocimiento. Formalmente:
Bases de conocimiento + ontologas teoras lgicas

6
Dificultades:
Escalabilidad del razonamiento

La parte intencional de la base de conocimiento es muy compleja

En ltimo trmino, razonamiento no montono: Tarea de IA

Introduccin a SIA p. 48/52

a SIA p. 48/52
Introduccion

Dinamica
en la Web Semantica

Introduccin a SIA p. 49/52

a SIA p. 49/52
Introduccion
Soluciones

Mantener el equilibrio entre la eficiencia del razonamiento y la expresividad

Mantener ontologas robustas
Refinar los algoritmos de razonamiento automtico
Potentes demostradores automticos
Tcnicas de representacin y razonamiento del conocimiento originales de IA
Tareas:
Bsqueda de informacin

Extraccin de informacin

Mantenimiento de recursos dbilmente estructurados

Generacin automtica de documentos

Tareas complejas: Servicios Web Semnticos

Introduccin a SIA p. 50/52

a SIA p. 50/52
Introduccion
Aplicaciones

Comercio Electrnico
B2B (p.e. mercados electrnicos)

B2C (p.e. compra inteligente por Internet)

C2C (p.e. sociedades virtuales)

Recuperacin de conocimiento: data mining inteligente

Semantic Web mining= data mining + razonamiento automtico

Desarrollo de agentes inteligentes para la actividad comercial en WWW

Lnea de investigacin preferente en el programa marco I+D+I de la UE

Introduccin a SIA p. 51/52

a SIA p. 51/52
Introduccion
Bibliografa

Para una introduccin a los agentes inteligentes

Russel & Norvig, cap. 2

Poole, cap. 1

V.Julian, V.Botti:

Agentes Inteligentes: el siguiente paso en la Inteligencia Artificial

NOVATICA Vol. Mayo/Junio 2000 n. 145, pp. 95-99, 2000
Sobre el problema de la representacin del conocimiento: Libro de Sowa
Sobre la Web Semntica:
T. Berns- Lee, J. Hendler y O. Lassila:

The Semantic Web. Scientific American, n. May 2001

The semantic web: yet another heap? (Y. Ding, y otros) Data and

Knowledge Engineering 41: 205-227 (2002)

Web semntica en W3C

Introduccin a SIA p. 52/52

a SIA p. 52/52
Introduccion