🌸 3.1 REPRESENTACIÓN DE CONOCIMIENTO MEDIANTE REGLAS

  Fundamento teórico

La representación de conocimiento mediante reglas es una técnica utilizada en la Artificial Intelligence para almacenar y organizar información en forma de reglas lógicas que permiten a un sistema tomar decisiones, razonar y resolver problemas.

Estas reglas establecen relaciones entre condiciones y acciones, permitiendo que los sistemas inteligentes interpreten información y generen conclusiones.

Generalmente se expresan mediante estructuras del tipo:

Si (condición), entonces (acción o conclusión).

Este método es ampliamente utilizado en sistemas expertos y motores de inferencia.

1. Lógica formal – Aristóteles

La representación mediante reglas tiene su base en la lógica formal, que estudia cómo derivar conclusiones válidas a partir de premisas.

Permite:

• Establecer relaciones lógicas
• Formular inferencias
• Validar razonamientos

👉 Las reglas son expresiones formales del razonamiento lógico.

2. Sistemas de producción – Allen Newell y Herbert A. Simon

Estos autores desarrollaron modelos donde el conocimiento se representa mediante reglas de producción.

Cada regla tiene:

• Antecedente: condición
• Consecuente: acción o conclusión

Ejemplo:

Si el paciente tiene fiebre, entonces puede tener infección.

👉 Permiten automatizar decisiones.

3. Inteligencia artificial simbólica

Dentro del paradigma simbólico, el conocimiento se representa mediante símbolos y reglas explícitas.

Esto permite:

• Razonamiento automático
• Inferencia lógica
• Explicación de decisiones

👉 Facilita interpretación y transparencia.

4. Representación del conocimiento – John McCarthy

McCarthy propuso que los sistemas inteligentes requieren mecanismos formales para representar hechos y reglas del mundo.

👉 Las reglas permiten modelar conocimiento estructurado.

5. Motores de inferencia

Un motor de inferencia utiliza reglas para analizar información y generar conclusiones.

Opera aplicando:

• Encadenamiento hacia adelante
• Encadenamiento hacia atrás

👉 Hace posible el razonamiento automatizado.

 Estructura de una regla

Una regla generalmente tiene la forma:

SI condición → ENTONCES acción

Ejemplo:

Si un estudiante estudia, entonces mejora su aprendizaje.

Componentes principales

Base de conocimiento

Conjunto de reglas almacenadas.

Hechos

Información conocida o proporcionada al sistema.

Motor de inferencia

Evalúa reglas y genera conclusiones.

 Características

• Claridad lógica
• Fácil organización
• Estructura formal
• Posibilidad de automatización
• Explicabilidad

 Aplicaciones

• Sistemas expertos médicos
• Diagnóstico técnico
• Asistentes virtuales
• Sistemas de recomendación
• Automatización de decisiones

 Ventajas

• Fácil comprensión
• Transparencia
• Modularidad
• Facilidad de actualización

 Limitaciones

• Difícil manejo de incertidumbre
• Complejidad en sistemas grandes
• Dependencia de reglas bien definidas

Video explicativo:

 Practica:

Actividad: Crear reglas para un sistema escolar

Diseñar 10 reglas del tipo:

Si ___ entonces ___

Ejemplo:

Si la calificación ≥ 70
Entonces aprobar

📄 Ver práctica en PDF

Evaluacion:

¿Qué es representar conocimiento?

¿Qué estructura tiene una regla?

¿Qué es el antecedente?

¿Qué es el consecuente?

¿Dónde se utilizan estas reglas?

Conclusion:

La representación de conocimiento mediante reglas es una técnica que organiza información en estructuras lógicas tipo condición–acción, permitiendo a los sistemas inteligentes razonar, inferir conclusiones y tomar decisiones automatizadas.

 Referencias APA 7

• Stuart Russell, S., & Peter Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.). Pearson.
• Allen Newell, A., & Herbert A. Simon, H. A. (1972). Human problem solving. Prentice-Hall.
• John McCarthy. (2007). What is artificial intelligence?
• Genesereth, M., & Nilsson, N. (1987). Logical foundations of artificial intelligence. Morgan Kaufmann.
• Rich, E., & Knight, K. (1991). Artificial intelligence. McGraw-Hill.