3.1. Introducción

    Cualquier modelo de representación del conocimiento incluye de una manera u otra el hecho de que una entidad esté compuesta por distintos elementos de diversos tipos (como otras entidades). Este encapsulamiento puede verse como estructuras dentro de otras estructuras, o mediante la jerarquización por medio de relaciones entre distintas estructuras que se contienen unas a otras. En este sentido, la relación ISA (es un) ha sido de temprana aparición en los trabajos que utilizan técnicas de Inteligencia Artificial. Sin embargo, también de manera temprana, surgió la necesidad de otras relaciones, como HASA (tiene un).

    En los sistemas de representación del conocimiento existen diferencias en función del tipo de conocimiento con el que se esté trabajando. Estas diferencias están íntimamente ligadas a la distinción entre hechos extralingüísticos y hechos lingüísticos, entre lenguaje y pensamiento y entre entidad y evento. Así podemos encontrar modelos de representación que se centran en estructuras de pensamiento, independientemente de la realización lingüística de ese pensamiento (como Cyc¹) y podemos encontrar también sistemas que representan el léxico de una lengua y aunque utilizan herramientas de Psicolingüística para la clasificación del léxico, distinguen entre lenguaje y pensamiento y tienden a representar el primero (como WordNet). Aquí subyace la diferencia entre concepto y denotación².

    Podemos distinguir los siguientes modelos dependiendo de la representación del conocimiento de la que se trate:

    Sistemas de representación de conocimiento

    Además, tenemos que distinguir también entre conocimiento y razonamiento, ya que el primero está ligado a los sistemas de representación y almacenamiento de la información y el segundo a la recuperación, conexión e inferencias y cálculos hechos con esa información (motores de inferencia), creando información nueva. A priori, cualquier sistema de representación del conocimiento ha de servir para realizar tareas de razonamiento.

    La relación parte-todo ha sido utilizada tanto en la representación del conocimiento no-lingüístico como del lingüístico y tanto para representar el conomiento como para llevar a cabo tareas de razonamiento. Así, SIR system, Raphael (1968), sistema de preguntas y respuestas, usa la relación Have-As-Parts (persona-mano-dedo) de manera transitiva. En el sistema de preguntas y respuestas de Simmons (1973), la relación parte-todo se llama HASPARTS.

    Simmons and Amsler (1975) aplican la relación parte-todo a verbos también. El modelo informático de memoria semántica de Fahlman la llama PART-OF y le aplica el mismo algoritmo de transitividad que le aplica a la relación taxonómica (IS-A)³.

    A continuación vamos a mostrar algunos sistemas de representación del conocimiento léxico general y cómo han utilizado las relaciones meronímicas. Antes, haremos una breve mención sobre una de las tareas de la semántica computacional que más ha llamado la atención en los últimos años. Se trata de extracción de información semántica de definiciones de obras de referencia léxicas. El objetivo principal es salvar el obstáculo que suponer representar manualmente tal cantidad de información con un alto nivel de complejidad.

NOTAS

1  Cyc es una base de conocimiento multi-contextual y un motor de inferencia ha sido desarrollado por Microelectronics and Computer Technology Corporation (MCC) en Austin, Texas, desde 1981 por Douglas Lenat y su equipo. Contiene más de 400.000 proposiciones lógicas y un módulo de lenguaje natural.

2   Puede verse una comparación entre Cyc, WordNet y EDR (diccionario y thesauro electrónico bilingüe, inglés y japonés) en la revista Communications of the ACM, Nov. 1995, vol. 38, nº 11.

3  Iris, Litowitz & Evens (1988).

 

Anterior  I  Siguiente  I  Índice capítulo 3  I  Índice General