2026-09-24 IA - CNF

24 de septiembre · Del conocimiento a la acción

Pregunta central

¿Cómo pasa un agente de demostrar hechos con lógica de primer orden a organizar conocimiento del mundo y construir una secuencia de acciones que alcance una meta? La clase cierra el bloque determinista: termina la prueba de Curiosity y Tuna, presenta categorías, scripts y ontologías, y usa operadores STRIPS para convertir conocimiento declarativo en planes.

Continuidad con las clases anteriores

Clase previa	Idea que recuperamos	Cómo reaparece hoy
[[2026-08-13 IA - Resolviendo problemas con busqueda	Agentes y formulación]]	Estado inicial, acciones, transición y meta
[[2026-08-20 IA - Algoritmos de busqueda	Algoritmos de búsqueda]]	Explorar caminos en un espacio de estados
[[2026-09-10 IA - Agentes logicos	Agentes lógicos]]	Base de conocimiento, Tell y Ask
[[2026-09-17 IA - Logica proposicional	Inferencia proposicional]]	FNC, Horn y resolución
[[2026-09-22 IA - logica de primer orden	Inferencia de primer orden]]	Skolemización y resolución
[[2026-09-08 IA - Incertidumbre y Expectimax	Incertidumbre]]	Varios resultados posibles

La secuencia conceptual queda:

$$\text{percibir}\to \text{representar}\to \text{inferir}\to \text{formular una meta}\to \text{planificar}\to \text{actuar y revisar}.$$

Mapa interactivo · Del conocimiento a la acción

Si no carga: la base representa objetos, relaciones y eventos; la inferencia obtiene consecuencias; una meta fija los literales que deben hacerse verdaderos; STRIPS describe acciones con precondiciones y efectos; un plan ordena las dependencias necesarias y el agente monitorea o replantea cuando el mundo no coincide con su modelo.

---

1. Cierre de inferencia: ¿Curiosity mató a Tuna?

La sesión comienza donde quedó la clase anterior. La base afirma:

1. quien ama a todos los animales es amado por alguien;
2. quien mata a un animal no es amado por nadie;
3. Jack ama a todos los animales;
4. Jack o Curiosity mató a Tuna;
5. Tuna es un gato y todo gato es animal.

Queremos demostrar:

$G=Kills(Curiosity,Tuna).$

La resolución por refutación agrega $\neg G$. Las cláusulas importantes son:

$$\begin{array}{rl}{A}_1& :Animal(F(x))\vee Loves(G(x),x),\\ A_2& :\neg Loves(x,F(x))\vee Loves(G(x),x),\\ B& :\neg Loves(y,x)\vee \neg Animal(z)\vee \neg Kills(x,z),\\ C& :\neg Animal(x)\vee Loves(Jack,x),\\ D& :Kills(Jack,Tuna)\vee Kills(Curiosity,Tuna),\\ E& :Cat(Tuna),\\ F& :\neg Cat(x)\vee Animal(x),\\ \neg G& :\neg Kills(Curiosity,Tuna).\end{array}$$

La prueba forma dos ramas:

• De $D$ y $\neg G$ se obtiene $Kills(Jack,Tuna)$. De $E$ y $F$, $Animal(Tuna)$. Con $B$ resulta $\neg Loves(y,Jack)$: nadie ama a Jack.
• De $A_1$, $A_2$ y $C$ se obtiene un testigo $G(Jack)$ con $Loves(G(Jack),Jack)$: alguien ama a Jack.

Al unificar $y=G(Jack)$:

$$Loves(G(Jack),Jack),\neg Loves(G(Jack),Jack)⟹\square .$$

Así, $\neg G$ es incompatible con la base y:

$KB\models Kills(Curiosity,Tuna).$

La nota del 22 conserva cada resolvente y sustitución. Aquí el ejercicio funciona como puente: ya sabemos obtener consecuencias; ahora preguntamos cómo estructurar el conocimiento que alimenta las pruebas.

---

2. Representación del conocimiento

Un sistema de representación especifica qué entidades admite, cómo expresa relaciones, qué inferencias autoriza y cómo se agrega conocimiento.

Recurso	Qué captura	Ejemplo
Categorías y objetos	Pertenencia, subcategorías y propiedades	$Member(Fevernova,BalonesDeF\acute{u}tbol)$
Marcos (frames)	Una entidad o situación con ranuras y valores	Automóvil con motor, ruedas y propietario
Eventos	Cambios, participantes y efectos	$Comprar(persona,objeto,tienda)$
Scripts	Secuencias estereotípicas	Entrar, ordenar, comer y pagar en un restaurante

Cuatro propiedades deseables

1. Adecuación representacional: expresa el conocimiento relevante.
2. Capacidad inferencial: deriva hechos no almacenados literalmente.
3. Eficiencia inferencial: encuentra consecuencias sin explorar combinaciones inútiles.
4. Eficiencia de adquisición: permite incorporar y modificar conocimiento con facilidad.

Hay un compromiso: un lenguaje más expresivo suele volver la inferencia más costosa; uno muy restringido puede ser rápido pero insuficiente.

Tipos de conocimiento

• Objetos: personas, herramientas y lugares.
• Eventos: compras, viajes y accidentes.
• Procedimientos: cómo cambiar una llanta o pedir comida.
• Relaciones: PartOf, Loves y Sells.
• Estados mentales: creer, querer y saber.
• Metaconocimiento: qué sabe o ignora el propio agente.

La lógica de primer orden cubre gran parte de esta estructura, pero no toda excepción, temporalidad o incertidumbre se expresa cómodamente con verdad clásica binaria.

---

3. Categorías, taxonomías y prototipos

Un objeto puede representarse directamente:

$Bal\acute{o}nDeF\acute{u}tbol(Fevernova),$

o mediante la cosificación de la categoría:

$Member(Fevernova,BalonesDeF\acute{u}tbol).$

La segunda forma permite hablar de la categoría misma:

$Subset(BalonesDeF\acute{u}tbol,Balones).$

Una taxonomía organiza categorías y subcategorías. Otras relaciones útiles son:

Relación	Significado
$Disjoint(C_1,C_2)$	Las categorías no comparten individuos.
$ExhaustiveDecomposition(C_1,\dots ,C_n,C)$	Las subcategorías cubren por completo a $C$.
$Partition(C_1,\dots ,C_n,C)$	La descomposición es exhaustiva y mutuamente disjunta.
$PartOf(x,y)$	$x$ es parte de $y$; su transitividad debe declararse como axioma.

Por ello,

$PartOf(Coyoac\acute{a}n,CDMX)\wedge PartOf(CDMX,M\acute{e}xico)$

solo implica $PartOf(Coyoac\acute{a}n,M\acute{e}xico)$ si la base declara que PartOf es transitiva.

Prototipos

Las categorías naturales no siempre tienen condiciones necesarias y suficientes sin excepciones. Un prototipo describe lo normal:

Un ave típica vuela, pero un pingüino sigue siendo ave.

Escribir $\forall b[Bird(b)\to CanFly(b)]$ produciría una contradicción al añadir un pingüino que no vuela. Los prototipos necesitan reglas por defecto, excepciones o grados de pertenencia.

Precisión sobre la diapositiva 16

La expresión mostrada, aproximadamente $\exists b\in Typical(Bird)\to CanFly(b)$, no formaliza correctamente la generalización: un solo testigo no caracteriza a todas las aves típicas y el alcance es ambiguo. Conviene leerla como intuición, no memorizarla como fórmula válida.

---

4. Scripts, ontologías y web semántica

Script de restaurante

Un script representa una situación típica mediante:

• utilería: mesas, menú, comida, cuenta y dinero;
• roles: cliente, mesero, cocinero, cajero y propietario;
• condiciones de entrada: hambre y dinero;
• escenas: entrar, ordenar, comer y salir;
• resultados: menos dinero y ausencia de hambre.

Permite rellenar pasos omitidos en un relato, aunque puede fallar ante casos atípicos.

Ontologías

Una ontología define clases, individuos, propiedades, relaciones, restricciones y axiomas compartidos. La taxonomía es su jerarquía central; la ontología agrega suficiente semántica para que distintos sistemas interpreten los términos de forma compatible.

Cyc ejemplifica el intento de codificar millones de piezas de conocimiento de sentido común y derivar consecuencias como «si todo árbol es planta y toda planta muere, los árboles mueren».

La web semántica busca que los datos distribuidos sean integrables por máquinas. La pila de la diapositiva separa:

1. identificadores URI/IRI;
2. intercambio de datos RDF;
3. vocabularios RDFS;
4. ontologías OWL;
5. consultas y reglas con SPARQL y RIF;
6. lógica, prueba, confianza y aplicaciones.

OWL expresa clases, uniones, intersecciones, disyunciones, complementos, cardinalidades y propiedades de relaciones. No vuelve «inteligente» una página por sí solo: hace explícita parte de su semántica para compartir e inferir datos.

---

5. Planificación con STRIPS

La planificación recupera al agente planificador de las primeras clases, ahora con un modelo descrito por literales.

El ejemplo pide regresar a casa con leche, plátanos y un taladro:

$$S_0=At(Home)\wedge Sells(HWS,Drill)\wedge Sells(SM,Milk)\wedge Sells(SM,Bananas).$$ $$Goal=At(Home)\wedge Have(Drill)\wedge Have(Milk)\wedge Have(Bananas).$$

Un operador STRIPS contiene acción, precondiciones y efectos:

$$\begin{array}{rl}Action& :Buy(x,p),\\ Pre& :At(p)\wedge Sells(p,x),\\ Effect& :Have(x).\end{array}$$

En STRIPS clásico se distinguen efectos que se agregan y hechos que se eliminan. Por ejemplo, $Go(q)$ agrega $At(q)$ y elimina la ubicación anterior; sin el efecto negativo el agente acabaría lógicamente en varios lugares.

Planes parcialmente ordenados

Un plan incluye:

• Start, cuyos efectos son el estado inicial;
• Finish, cuyas precondiciones son la meta;
• acciones intermedias;
• restricciones $A\prec B$;
• enlaces causales $A\stackrel{p}{\to }B$: $A$ produce la precondición $p$ de $B$.

Una condición abierta es una precondición sin soporte. El plan termina cuando todas tienen un enlace causal y ninguna acción posible entre los pasos destruye el literal soportado.

En el ejemplo:

$Go(HWS)\prec Buy(Drill),$

$Go(SM)\prec Buy(Milk),Go(SM)\prec Buy(Bananas).$

No es necesario ordenar entre sí las compras de leche y plátanos: son independientes. Esa libertad distingue un orden parcial de una secuencia rígida.

Amenazas

Si $A\stackrel{p}{\to }B$ y una acción $C$ puede negar $p$ entre ambos, $C$ amenaza el enlace. Se resuelve imponiendo $C\prec A$ o $B\prec C$, si el resto del plan lo permite.

El ejemplo de la llanta muestra la necesidad de ordenar Remove, PutOn e Inflate según sus precondiciones y efectos. Un orden incorrecto puede intentar colocar la refacción antes de liberar el eje o destruir una condición necesaria.

Duplicación en el material

Las diapositivas 26 y 27 son idénticas; no introducen dos variantes distintas de planes parcialmente ordenados.

---

6. Qué puede salir mal

Problema	Consecuencia	Respuesta
Información incompleta	Se desconoce parte del estado	Plan sin sensores o acciones para obtener información.
Información incorrecta	El modelo no coincide con el mundo	Monitoreo y replanificación.
Problema de cuantificación	Faltan objetos o efectos relevantes	Variables y actualización de la base.
Resultado no determinista	Una acción tiene varios desenlaces	Plan condicional con ramas.

Tres estrategias:

1. Plan sin sensores: funciona para cualquier estado compatible; puede no existir.
2. Plan condicional: obtiene información y contiene un subplan por contingencia; puede crecer mucho.
3. Monitoreo y replanificación: supone el caso normal, revisa el progreso y corrige desviaciones.

La conexión con Expectimax es clara: si existen varios resultados, una única cadena determinista deja de bastar. El siguiente bloque agregará grados de creencia, no solo ramas.

---

7. Prolog como cierre operativo

Prolog usa una forma restringida de resolución sobre cláusulas de Horn:

humano(socrates).
mortal(X) :- humano(X).

?- mortal(socrates).

La ejecución selecciona una meta, la unifica con la cabeza de una regla y la sustituye por las metas de su cuerpo hasta que no quede ninguna.

Resolución dirigida por metas	Planificación regresiva
Consulta pendiente	Meta o precondición abierta
Regla cuya cabeza unifica	Acción cuyo efecto satisface la condición
Subconsultas del cuerpo	Nuevas precondiciones
Prueba completa	Plan completo

No son el mismo algoritmo, pero ambos trabajan hacia atrás desde una condición deseada.

---

8. Discrepancias de continuidad detectadas

Fecha de examen

El índice marcaba el 24 de septiembre como Examen 1, pero existe esta nota, el usuario identifica la sesión como el último tema antes del examen y el PDF contiene material nuevo. El índice se ajustó para registrar la clase y dejó la fecha del examen como pendiente de confirmación.

Dos versiones del PDF

Ya existía una versión de 19 diapositivas, exportada el 22 de septiembre. El adjunto es una versión de 39 diapositivas, exportada el 29: sustituye parte del desarrollo inicial por el ejercicio de Tuna y agrega representación del conocimiento, web semántica y planificación. Se conservaron ambas para no romper referencias.

Solapamiento con la nota del 22

La nota procesada del 22 de septiembre resume las 19 diapositivas completas e incluye la prueba de Tuna y Prolog como si todo hubiera ocurrido ese día. Sin embargo, el apunte rápido del 24 dice que la clase retomó el ejercicio en lenguaje natural y la versión ampliada comienza precisamente con él. La nota del 22 sigue siendo correcta como material de estudio, pero probablemente sobrestima la cobertura cronológica de esa sesión. El punto exacto de corte no puede reconstruirse solo con los PDF.

Numeración

La presentación continúa titulándose «Clase 14» aunque se usó a través de más de una fecha. Para mantener el vault coherente, esta nota se identifica por la fecha real y no fuerza un número de clase.

Continuidad con el 29 de septiembre

El índice decía «Aplicaciones I», pero la última diapositiva anuncia agentes probabilísticos y la nota del 29 de septiembre confirma que ese fue el tema siguiente. El índice también se ajustó en ese punto.

---

9. Lo indispensable para el examen

1. Traducir lenguaje natural a lógica de primer orden.
2. Negar la consulta para una prueba por refutación.
3. Convertir a FNC: eliminar implicaciones, empujar negaciones, estandarizar, skolemizar, distribuir y quitar universales.
4. Unificar y resolver hasta obtener $\square$.
5. Distinguir categoría, taxonomía, script y ontología.
6. Formular planificación con estado, meta, precondiciones y efectos.
7. Reconocer condiciones abiertas, enlaces causales y amenazas.
8. Elegir plan sin sensores, plan condicional o replanificación.

Herramienta	Pregunta	Resultado
Inferencia lógica	¿Qué debe ser verdad dado lo que sé?	$KB\models \alpha$
Representación	¿Cómo organizo objetos, relaciones y eventos?	Base consultable
Planificación	¿Qué acciones vuelven verdadera la meta?	Orden total o parcial
Prolog	¿Cómo ejecuto reglas desde una consulta?	Prueba y sustituciones
Probabilidad	¿Qué creo o hago sin certeza?	Distribuciones y decisiones

Autoevaluación

1. ¿Por qué $\square$ después de añadir $\neg \alpha$ demuestra $\alpha$?
2. ¿Qué diferencia hay entre taxonomía, script y ontología?
3. ¿Por qué «las aves típicas vuelan» no equivale a «todas las aves vuelan»?
4. ¿Qué precondiciones y efectos necesita $Buy(x,p)$?
5. ¿Qué diferencia hay entre una condición abierta y una amenaza?
6. ¿Por qué leche y plátanos pueden comprarse sin orden relativo?
7. ¿Cuándo conviene replanificar?

Respuestas breves

1. Porque $KB\wedge \neg \alpha$ resulta insatisfactible.
2. La taxonomía organiza subcategorías; el script, eventos típicos; la ontología, clases, propiedades y axiomas compartidos.
3. Porque existen excepciones como los pingüinos.
4. $At(p)\wedge Sells(p,x)$ y el efecto $Have(x)$, más los efectos negativos del dominio.
5. La primera aún no tiene soporte; la segunda puede destruir un enlace causal.
6. Comparten ubicación requerida, pero ninguna produce una precondición de la otra.
7. Cuando es más barato detectar y corregir desviaciones que enumerar todas las contingencias.

Resumen después de clase

La inferencia de primer orden permite demostrar consecuencias, pero el agente también necesita organizar conocimiento y convertir metas en acciones. Categorías, scripts y ontologías dan estructura a objetos y eventos; STRIPS representa acciones con precondiciones y efectos; los planes parcialmente ordenados conservan solo las dependencias causales necesarias. La ejecución real introduce información incompleta, errores y contingencias, de donde surgen planes condicionales, monitoreo y replanificación. Este cierre explica el paso siguiente hacia agentes probabilísticos.

Referencias

• Carlos Hernández, Clase 14: inferencia en lógica de primer orden, versión ampliada: PDF.
• Nota anterior: FNC, unificación y resolución.
• Resolución SLD y Prolog.
• Russell y Norvig, Artificial Intelligence: A Modern Approach, en los recursos del curso.