Inteligencia Artificial II

I. Introducción a los Sistemas Basados

en el Conocimiento

1.1 Introducción

Se puede ampliar las capacidades de los sistemas al dotarlos con una capacidad de
razonamiento general. Los agentes basados en el conocimiento, lógicos, parten de cierto
conocimiento del mundo y de sus propias acciones. Se valen del razonamiento lógico para
mantener actualizada la descripción de su mundo, conforme van surgiendo nuevas
percepciones y para deducir el tipo de acciones que les permitirán el logro de sus objetivos.

Los agentes basados en el conocimiento, también conocidos como sistemas expertos, están en
posibilidad de aceptar nuevas tareas en forma de metas. Estos agentes logran un buen
desempeño tan solo con que se les dé información pertinente o con que aprendan nuevos
conocimientos acerca del ambiente. Para esto necesitan conocer varias cosas:

• El estado actual del mundo.

• Cómo inferir propiedades de éste que no resultan evidentes a partir de las percepciones.
• Cómo evoluciona el mundo con el paso del tiempo.
• Qué es lo que desea lograr, esto es cuál es su objetivo.
• Y que tipo de acciones se emprenden dependiendo de las circunstancias.

El enfoque de los Agentes Basados en el Conocimiento (ABC) se basa en la idea de un

agente que posee conocimiento de su medio y es capaz de razonar acerca de las acciones a
emprender.

El conocimiento y el razonamiento juegan un papel importante cuando se trata con entornos

parcialmente observables. Un ABC puede combinar conocimiento general de las percepciones
reales para inferir aspectos ocultos del estado del mundo.

Por ejemplo, un médico puede diagnosticar una enfermedad (infiere una enfermedad que no
es directamente observable). Parte de su conocimiento está en forma de:

 Reglas que ha aprendido de libros, revistas y de sus profesores.

 Patrones de asociación que el médico no es capaz de percibir directamente.

También el entendimiento del lenguaje natural necesita inferir estados ocultos de la intensión
del que habla. Como por ejemplo cuando decimos “Juan lanzo el ladrillo a la ventana y se
rompió”. ¿qué se rompió? ¿la ventana o el ladrillo?

Entre otros objetivos, el razonamiento puede ser utilizado para diagnosticar el mal
funcionamiento de sistemas físicos, biológicos y electromecánicos; por ejemplo las
características asociadas con las causas pueden ser inferidas a partir de las características
asociadas con los síntomas. 1

Ing. Andrea Margarita de Anda Trasviña

 Inteligencia Artificial II

El razonamiento nos permite hacer frente a una variedad virtualmente infinita de

manifestaciones utilizando un conjunto finito del conocimiento común.

Veamos el siguiente ejemplo, dadas las tres características siguientes:

x1: BATERIA_OK
x2: PESO_OK
x3: ROBOT_SE_MUEVE

Si BATERIA_OK y PESO_OK tienen un valor de verdadero entonces ROBOT_SE_MUEVE

tendrá un valor de verdadero. Si ROBOT_SE_MUEVE tiene un valor de falso, es porque ya
sea que BATERIA_OK es falso o PESO_OK es falso o ambos son falsos.

El componente medular de un ABC es su base de conocimiento, el cual es un conjunto de

sentencias u oraciones de ciertos hechos del mundo.

Para conformar una Base de Conocimiento se necesita:

1. Un lenguaje mediante el cual se expresa el conocimiento con una sintaxis que especifique
cuáles son las expresiones correctas del lenguaje.

2. Un conjunto de reglas de inferencia que sirven como mecanismo de razonamiento en ese

mismo lenguaje.

3. Una semántica para asociar los elementos del lenguaje con los elementos de algún
dominio, esto es determina los hechos del mundo a lo que hacen referencia las oraciones
(el significado).

Los tres elementos anteriores forman una lógica.

Los dos tipos de lógica más comunes son:

• El mas simple de los dos es el llamado lógica proposicional

• El segundo y más utilizado es el cálculo de predicados o lógica de primer orden.

Ing. Andrea Margarita de Anda Trasviña

 Inteligencia Artificial II

1.2 Lógica proposicional

1.2.1 La sintaxis
La sintaxis de la lógica proposicional nos define las sentencias que se pueden construir. Los
elementos del lenguaje son:

 Sentencias atómicas
o Verdadero V y falso F.
o Símbolos proposicionales, que se componen de cadenas: P1, MOVER_A, P, Q,
etc.
 Sentencias complejas se construyen de sentencias más simples y conectivos lógicos:
o  se lee “no”.
o  se lee “y”.
o  se lee “o”.
o  se lee “implica” también se representa como  o .

 La sintaxis de las sentencias en lógica proposicional es la siguiente:

o Cualquier átomo es una sentencia: P, R, T3 Si  y  son sentencias, también lo

son:
▪    (llamada disyunción de  y )
▪    (llamada conjunción de  y 
▪    (llamada la implicación)
▪  (llamada la negación de )

Los átomos solos o con el símbolo  delante de ellos, se llaman literales. En   ,  es

denominada antecedente de la implicación y  consecuente. La implicación se podría leer “
implica ” o también “si  entonces ”.

Se utilizan paréntesis para agrupar sentencias, por ejemplo:

(PQ)  (PQ)
P  (P Q)

Ing. Andrea Margarita de Anda Trasviña

 Inteligencia Artificial II

1.2.2 Semántica
El papel de la semántica es la de asociar los elementos de un lenguaje lógico con los
elementos de un dominio de discurso. Tales asociaciones se conocen como significados. En la
lógica proposicional se asocian átomos con proposiciones acerca del mundo (de ahí el nombre
de lógica proposicional). Una asociación de átomos con proposiciones se denomina
interpretación.

Bajo una interpretación dado los átomos pueden tener valores de Verdadero o Falso. Si la
proposición asociada al un átomo es verdadera en el mundo, ese átomo tiene el valor de
verdadero, en caso contrario tiene valor falso.

❖ Tablas de verdad

Dados los valores de verdad de los átomos bajo alguna interpretación, se puede utilizar una
tabla de verdad para calcular el valor de cualquier sentencia bajo dicha interpretación. La
tabla de verdad establece la semántica (significado) de los conectores proposicionales. Las
reglas para construir tablas de verdad generalmente se representan en forma tabular, como se
muestra a continuación siendo P y Q dos sentencias de lógica proposicional.

P Q P  Q P  Q P P Q P  Q
Verdadero Verdadero Verdadero Verdadero Falso Verdadero Verdadero
Verdadero Falso Falso Verdadero Falso Falso Falso
Falso Verdadero Falso Verdadero Verdadero Verdadero Falso
Falso Falso Falso Falso Verdadero Verdadero Verdadero

Se pueden utilizar las tablas de verdad para calcular el valor de verdad de una sentencia
lógica. Dado los valores de los átomos de la sentencia. Por ejemplo, dadas las siguientes
sentencias, calcular su valor de verdad.

1. (P  Q)  Q

P Q (P  Q)  Q
Verdadero Verdadero Verdadero Verdadero
Verdadero Falso Falso Falso
Falso Verdadero Verdadero Verdadero
Falso Falso Verdadero Verdadero

Nótese que primero se debe de resolver las sentencias que están en los paréntesis más
internos. El valor de verdad de la sentencia es el que señala la columna sombreada.

Ing. Andrea Margarita de Anda Trasviña

 Inteligencia Artificial II

2. P  Q  (P Q)  Q

P Q P  Q  (P  Q)  Q
Verdadero Verdadero Verdadero Verdadero Verdadero Verdadero
Verdadero Falso Falso Verdadero Falso Falso
Falso Verdadero Falso Verdadero Falso Falso
Falso Falso Falso Verdadero Falso Falso

En este caso, el valor de verdad del conector de equivalencia , como es verdadero en todas
sus interpretaciones, indica que la sentencia PQ es equivalente a la sentencia (PQ)Q.

Si un agente describe su mundo utilizando n características (que corresponden a

proposiciones), y estas características están representadas en el modelo del mundo del agente
mediante un conjunto de n átomos, entonces hay 2n diferentes maneras en que el mundo
puede estar –tantas formas como el agente puede distinguir–, porque hay 2n maneras en que
los n átomos pueden presentar los valores Verdadero y Falso (en la tabla de verdad 2n es el
número de reglones). Cada una de las maneras en que el mundo puede estar corresponde a una
interpretación. Dados los valores de los n átomos (una interpretación), el agente puede utilizar
las tabla de verdad para encontrar los valores de una sentencia.

❖ Validez
s
Una sentencia es válida si es verdadera en todos los modelos. Las sentencias válidas también
se conocen como tautologías, son necesariamente verdaderas. Ejemplos:

 PP
 V (Verdadero)
 P(QP)

La tabla de verdad para determinar la validez de una sentencia crece de forma exponencial en
relación al número de átomos constituyentes, ya que la sentencia debe ser evaluada para todas
las combinaciones de los valores de los átomos.

❖ Satisfacibilidad

Una sentencia es satisfactoria si es verdadera en algún modelo. Si una sentencia  es

verdadera en un modelo m, entonces decimos que m satisface , o que m es un modelo de .
La satisfacibilidad se puede averiguar enumerando los modelos posibles hasta que uno
satisface la sentencia. La satisfacibilidad de sentencias en lógica proposicional fue el primer
problema que se demostró que era NP-completo.

Muchos problemas en la ciencia de la computación son en realidad problemas de

satisfacibilidad. Por ejemplo, todos los problemas de satisfacción de restricción se preguntan
esencialmente si un conjunto de restricciones se satisface dada una asignación. Con algunas
transformaciones adecuadas, los problemas de búsqueda también se pueden resolver mediante
satisfacibilidad.
5

Ing. Andrea Margarita de Anda Trasviña

 Inteligencia Artificial II

1.3 Reglas de Inferencia

Existen ciertos patrones de inferencia (o reglas de inferencia) que se presentan una y otra vez,
lo que permite establecer de una vez su confiabilidad. De esta manera se aprende el patrón
respectivo en algo que se conoce como regla de inferencia. Una vez establecida una regla, se
le puede emplear para hacer más inferencias sin necesidad de pasar por el tedioso proceso de
la construcción de las tablas de verdad. La notación   afirma que  se puede obtener
desde  mediante inferencia donde  y  pueden ser cualquier sentencia.

 Modus Ponens: A partir de una implicación y la premisa de la implicación, se puede

inferir la conclusión.

 , 


 Y-Eliminación o Eliminación de la conjunción: A partir de una conjunción se puede

inferir cuales son los conyuntos.
1  2  … n
i

 Y-Introducción o Introducción a la conjunción: A partir de una lista de oraciones es

posible inferir su conjunción.
1, 2, … , n
1  2  … n

 O-Introducción o Introducción a la disyunción: A partir de una oración, es posible

inferir su disyunción.
i

1  2  … n

 Doble Negación Eliminación o Eliminación de la negación: A partir de una oración

doblemente negada, es posible inferir una oración positiva.



 Resolución unitaria: A partir de la disyunción, si uno de los disyuntos es falso,

entonces se puede inferir que el otro es verdadero.
  , 


 Resolución: Puesto que  no puede ser al mismo tiempo verdadera ni falsa, uno de los
otros disyuntos debe serlo en una de las premisas. O, también, que la implicación es
transitiva.
  ,    o equivalente   ,   
   

Ing. Andrea Margarita de Anda Trasviña

 Inteligencia Artificial II

Existe otra conectiva que es llamada equivalencia y es representada por el conector lógico 
(o ). Si tenemos   , decimos “ es equivalente a ”. También se le conoce como
bicondicional (“si y sólo si”) A continuación se enumeran algunas de las equivalencias más
comunes. Siendo P y Q cualquier sentencia.

1. P  (Q  R)  (P Q)  R Asociativa de la conjunción

2. P  (Q  R) (P  Q)  R
3. P  Q  Q  P
4. P  Q  Q  P
5. P  (Q  R)  (P Q)  (P R)
6. P V (Q  R)  (P  Q)  (P  R)
7. (P  Q)   P  Q
8. (P Q)   P  Q
9. P  Q  Q  P
10. P  P
11. (PQ)  (PQ)  (QP)
12. P  Q  P  Q
Asociativa de la disyunción
Conmutativa de la conjunción
Conmutativa de la disyunción
Distributiva de  a través de V
Distributiva de V a través de 
Ley de Morgan
Ley de Morgan
Contraposición
Doble negación
Eliminación de la bicondicional

Ing. Andrea Margarita de Anda Trasviña

 Inteligencia Artificial II

❖ Demostración
A la secuencia de aplicaciones de reglas de inferencia, se le denomina demostración
(deducción o prueba). Se representa como  . Ejemplo: dado el siguiente conjunto {P, R,
PQ}, la siguiente secuencia es una demostración de QR, dado el conjunto de reglas de
inferencia.
 Si se aplica la regla del Modus Ponens citada anteriormente a P y PQ del conjunto
anterior, se obtiene Q:
Modus Ponens o Eliminación de la implicación: A partir de una implicación y la
premisa de la implicación, se puede inferir la conclusión.
  , 


 Si a Q obtenida en el paso anterior y a R se les aplica la regla de Introducción a la

conjunción citada anteriormente, se obtiene QR:
Y-Introducción o Introducción a la conjunción: A partir de una lista de oraciones es
posible inferir su conjunción.
1, 2, … , n
1  2  … n

La secuencia que se aplico se puede representar como {P,PQ,Q,R,QR} o

{P,PQ,R} QR o mediante un árbol de demostración:

P PQ R

QR

Si existe una demostración de wn a partir del conjunto , entonces se dice que wn es un

teorema del conjunto . En el ejemplo anterior QR es un teorema del conjunto
{P,PQ,R}.
Obtener una prueba es muy semejante a encontrar una solución en un problema de búsqueda.
De hecho, si la función sucesor se define para generar todas las aplicaciones posibles de las
reglas de inferencia, entonces todos los algoritmos de búsqueda vistos en unidades pasadas se
pueden utilizar para obtener una prueba. De esta manera una búsqueda de pruebas es una
alternativa a tener que enumerar todos los modelos. La búsqueda se puede realizar hacia
adelante a partir de la base de conocimiento inicial, aplicando las reglas de inferencia para
derivar la sentencia objetivo, o hacia atrás, desde la sentencia objetivo, intentando encontrar
una cadena de reglas de inferencia que nos lleve a la base de conocimiento inicial.

BC  

Este indica que a partir de la base de conocimiento (BC) se pude derivar una sentencia . 8

Ing. Andrea Margarita de Anda Trasviña

 Inteligencia Artificial II

❖ 1.4 La resolución

Muchas de las reglas de inferencia, incluida la del modus ponens pueden ser combinadas en
una sola, llamada resolución. La versión de la resolución que se verá se aplica a un tipo
especial de sentencias llamadas cláusulas.

Recordando, un literal puede ser un átomo (en cuyo caso se denomina literal positivo) o la
negación de un átomo (llamada literal negativo). Una cláusula es un conjunto de literales. El
conjunto es una forma de representar la disyunción de todos los literales del conjunto. Así,
una cláusula es un tipo especial de sentencia. Por ejemplo, la cláusula {P,Q,R} es
equivalente a PQR. La cláusula vacía { } es equivalente a F (cuyo valor es Falso).

La regla de la resolución del cálculo proposicional se puede formular de la siguiente manera:

a partir de {}  1 y {}  2 (donde 1 y 2 son conjunto de literales, y  es un átomo),
se puede inferir 1  2 a lo que se le denomina resolvente de las dos cláusulas. El átomo 
es el átomo resuelto, y al proceso se le llama resolución.

Ejemplo:

{P, Q, R} y {P, Q, S} aplicamos la resolución y obtenemos {Q, R, S}. Si se ve

como disyunción:

PQR
PQS
QRS

A continuación se ven otros ejemplos:

• Al resolver RP y PQ obtenemos RQ. Las dos cláusulas resueltas se pueden
rescribir como las implicaciones RP y PQ (aplicando la regla de inferencia de
eliminación de la implicación). La regla de inferencia denominada silogismo
hipotético, aplicada a estas implicaciones, obtiene RQ, que es equivalente al
resolvente RQ. Entonces, el silogismo hipotético es un caso especial de la resolución.
•
• Al resolver R y RP se obtiene P. Como la segunda cláusula es equivalente a RP,
entonces el modus ponens también es un caso especial de resolución.
•
• Al resolver PQR y PWQR sobre Q obtenemos PRRW. Al resolverlas
sobre R obtenemos PQQW. En este caso, se debe resolver sobre Q o sobre R
–pero no sobre ambos átomos al mismo tiempo–.
•
• Al resolver PQRS y PQW sobre P obtenemos QRSW. En el resolvente
solo aparece una instancia de Q, aun cuando aparecía en cada una de las cláusulas a
resolver.
• Al resolver P y P, se produce la cláusula vacía. Así de P y P se puede inferir F.
porque P y P son contradictorios.
9

Ing. Andrea Margarita de Anda Trasviña

 Inteligencia Artificial II

❖ Cláusulas de Horn

Existe un tipo de cláusula que es importante en la IA y en otros ámbitos de la ciencia de la

computación. Una cláusula de Horn es una cláusula que tiene, a lo mucho, un literal positivo.
Algunos ejemplos son: P, PQ, PQR, PR.

Las cláusulas de este tipo fueron investigadas por primera vez por el lógico Alfred Horn
(1951). Existen tres tipos de cláusulas de Horn:

• Un átomo simple –a menudo llamado hecho–.

• Una implicación –a menudo llamada regla– cuyo antecedente consiste en una
conjunción de literales positivos y cuyo consecuente es un solo literal positivo.
• Un conjunto de literales negativos –escritos en forma de implicación, con un
antecedente compuesto por una conjunción de literales positivos, y un consecuente
vacío–.

Las cláusulas positivas forman la base de la programación lógica. Averiguar si hay o no

implicaciones con las cláusulas de Horn se puede realizar en un tiempo lineal respecto al
tamaño de la base de conocimiento. Esto significa que la inferencia lógica es un proceso
barato para muchas bases de conocimiento en lógica proposicional que se encuentran en el
mundo real.

10

Ing. Andrea Margarita de Anda Trasviña

 Inteligencia Artificial II

❖ Agrupación de Proposiciones y Jerarquía en la Aplicación de los Operadores

Los paréntesis, ( ), son signos de puntuación que, se emplean para

estructurar proposiciones compuestas complejas. Sin embargo, puede emplearse la
siguiente convención, si se desea evitar el uso de paréntesis en una proposición
lógica compuesta: Supondremos desde ahora que si una proposición lógica
compuesta carece de paréntesis se, tomará en cuenta al modificador ¬ en primera
prioridad, al conectivo ∧ en segunda prioridad, al conectivo ∨ en tercera, y
finalmente a los conectivos → y ↔.

Así, si se desea restaurar los paréntesis en la siguiente proposición:

¬ p ∧ q → r ↔ q ∧ r ∧p

La expresión resultante sería:

((¬ p ∧ q ) → r ) ↔ (q∧ (r ∧ p ))

Combinando los operadores lógicos podemos formar nuevas expresiones. En

términos formales la negación de p, deberá ser ( ¬ p), así como la conjunción de p y
q sería (p∧ q),etc. Con el uso de paréntesis evitamos la ambigüedad, por ejemplo ¬
p ∧ q podría significar dos cosas distintas .Por un lado podría significar: (( ¬ p) ∧ q)
o también: ( ¬ (p ∧ q)).

En la práctica para no usar tantos paréntesis se considera que el operador ¬ tiene

jerarquía sobre ∧ , ∨ , →, ↔. Así ¬ p ∧ q significa (( ¬ p)∧q). En algunos casos se
considera ∧ , ∨ tienen mayor jerarquía que ↔ por lo que, p↔q∨ r sería (p ↔ (q ∨ r))
y también que ∧ tiene prioridad sobre ∨, por lo que p ∧ q ∨ r, sería (p ∧ q) ∨ r.

Es conveniente señalar que en la mayoría de los casos no se considera la jerarquía

de ninguno de los operadores binarios ∧ , ∨ , →, ↔; por que ésta se sustituye por el
uso de paréntesis. En ese sentido, sólo el operador unitario ¬ tiene prioridad sobre
los demás operadores. Esto se hace con el fin de evitar el uso exagerado de
paréntesis, por ejemplo:

((( ¬ p) ∧ q) ∨ r)

se representa por:

( ¬ p∧ q) ∨ r.
11

Ing. Andrea Margarita de Anda Trasviña