Frame (inteligencia artificial)

Los marcos son una estructura de datos de inteligencia artificial que se utiliza para dividir el conocimiento en subestructuras representando " situaciones estereotipadas ". Fueron propuestos por Marvin Minsky en su artículo de 1974 "Un marco para representar el conocimiento". Los marcos son la estructura de datos principal utilizada en el lenguaje de marcos de inteligencia artificial ; se almacenan como ontologías de conjuntos .

Los marcos también son una parte importante de los esquemas de razonamiento y representación del conocimiento . Originalmente se derivaron de redes semánticas y, por lo tanto, forman parte de representaciones de conocimiento basadas en estructuras. Según Russell y Norvig, "Inteligencia artificial: un enfoque moderno", las representaciones estructurales reúnen "hechos [...] sobre tipos particulares de objetos y eventos y organizan los tipos en una gran jerarquía taxonómica análoga a una taxonomía biológica".

Estructura del marco

El marco contiene información sobre cómo usar el marco, qué esperar a continuación y qué hacer cuando estas expectativas no se cumplen. Alguna información en la trama generalmente no cambia, mientras que otra información, almacenada en "terminales", generalmente cambia. Los terminales pueden considerarse variables. Los marcos de nivel superior llevan información, que siempre es cierta sobre el problema en cuestión, sin embargo, los terminales no tienen que ser verdaderos. Su valor puede cambiar con la nueva información encontrada. Diferentes tramas pueden compartir los mismos terminales.

Cada información sobre una trama en particular se guarda en una ranura. La información puede contener:

• Hechos o datos
  • Valores (llamados facetas)
• Procedimientos (también llamados adjuntos procesales)
  • SI ES NECESARIO: evaluación diferida
  • SI SE AGREGA: actualiza la información vinculada
• Valores predeterminados
  • Para datos
  • Para procedimientos
• Otros marcos o subcuadros

Caracteristicas y ventajas

Los terminales de un marco ya están llenos de valores predeterminados, que se basan en cómo funciona la mente humana. Por ejemplo, cuando a una persona se le dice "un niño patea una pelota", la mayoría de la gente visualizará una pelota en particular (como una pelota de fútbol conocida ) en lugar de imaginar una pelota abstracta sin atributos.

Una fortaleza particular de las representaciones de conocimiento basadas en marcos es que, a diferencia de las redes semánticas, permiten excepciones en casos particulares. Esto le da a los marcos una cantidad de flexibilidad que permite que las representaciones de los fenómenos del mundo real se reflejen con mayor precisión.

Al igual que las redes semánticas , las tramas se pueden consultar mediante la activación de propagación. Siguiendo las reglas de herencia, cualquier valor dado a una ranura que es heredada por subtramas será actualizado (SI-AÑADIDO) a las ranuras correspondientes en las subtramas y cualquier nueva instancia de una trama en particular presentará ese nuevo valor como predeterminado.

Debido a que los marcos se basan en estructuras, es posible generar una red semántica dado un conjunto de marcos aunque carece de arcos explícitos. La referencia a Noam Chomsky y su gramática generativa de 1950 generalmente falta en las publicaciones de Minsky . Sin embargo, la fuerza semántica se origina en ese concepto.

Las estructuras simplificadas de los marcos permiten un razonamiento analógico sencillo, una característica muy apreciada en cualquier agente inteligente. Los adjuntos de procedimiento proporcionados por los marcos también permiten un grado de flexibilidad que permite una representación más realista y proporciona una capacidad natural para las aplicaciones de programación.

Ejemplo

Vale la pena notar aquí el sencillo razonamiento analógico (comparación) que se puede hacer entre un niño y un mono con solo tener espacios con nombres similares.

Observe también que Alex, una instancia de un niño, hereda valores predeterminados como "Sexo" del objeto principal más general Boy, pero el niño también puede tener diferentes valores de instancia en forma de excepciones como el número de piernas.

Espacio	Valor	Escribe
ALEX	_	(Este cuadro)
NOMBRE	Alex	(valor clave)
ES UN	Chico	(marco padre)
SEXO	Masculino	(valor de herencia)
LA EDAD	SI ES NECESARIO: Restar (actual, FECHA DE NACIMIENTO);	(adjunto procesal)
HOGAR	100 Main St.	(valor de instancia)
FECHA DE NACIMIENTO	4/8/2000	(valor de instancia)
COMIDA FAVORITA	Espaguetis	(valor de instancia)
SUBIDAS	Árboles	(valor de instancia)
TIPO DE CUERPO	Nervioso	(valor de instancia)
NUM_LEGS	1	(excepción)

Espacio	Valor	Escribe
CHICO	_	(Este cuadro)
ES UN	Persona	(marco padre)
SEXO	Masculino	(valor de instancia)
LA EDAD	Menores de 12 años.	(adjunto de procedimiento - establece restricción)
HOGAR	Un lugar	(cuadro)
NUM_LEGS	Predeterminado = 2	(predeterminado, heredado del marco de Persona)

Espacio	Valor	Escribe
MONO	_	(Este cuadro)
ES UN	Primate	(marco padre)
SEXO	OneOf (Hombre, Mujer)	(adjunto procesal)
LA EDAD	un entero	(adjunto de procedimiento - establece restricción)
HABITAT	Predeterminado = Jungla	(defecto)
COMIDA FAVORITA	Predeterminado = Plátanos	(defecto)
SUBIDAS	Árboles	_
TIPO DE CUERPO	Predeterminado = Nervioso	(defecto)
NUM_LEGS	Predeterminado = 2	(defecto)

Lenguaje del marco

Un lenguaje marco es una tecnología utilizada para la representación del conocimiento en inteligencia artificial . Son similares a las jerarquías de clases en los lenguajes orientados a objetos, aunque sus objetivos de diseño fundamentales son diferentes. Los marcos se centran en la representación explícita e intuitiva del conocimiento, mientras que los objetos se centran en la encapsulación y la ocultación de información . Los marcos se originaron en la investigación de la IA y los objetos principalmente en la ingeniería de software . Sin embargo, en la práctica, las técnicas y capacidades de los lenguajes orientados a objetos y marcos se superponen significativamente.

Ejemplo

Un ejemplo simple de conceptos modelados en un lenguaje marco es la ontología Friend of A Friend (FOAF) definida como parte de la Web Semántica como base para las redes sociales y los sistemas de calendario. El marco principal en este ejemplo simple es una Persona . Los espacios de ejemplo son el correo electrónico de la persona , la página de inicio, el teléfono, etc. Los intereses de cada persona se pueden representar mediante marcos adicionales que describen el espacio de los dominios de negocios y entretenimiento. La tragamonedas sabe vincula a cada persona con otras personas. Los valores predeterminados para los intereses de una persona pueden inferirse de la red de personas de las que son amigos. ^[1]

Implementaciones

Los primeros lenguajes basados ​​en Frame se desarrollaron a medida para proyectos de investigación específicos y no se empaquetaron como herramientas para ser reutilizadas por otros investigadores. Al igual que con los motores de inferencia de sistemas expertos , los investigadores pronto se dieron cuenta de los beneficios de extraer parte de la infraestructura central y desarrollar lenguajes de marcos de propósito general que no estaban acoplados a aplicaciones específicas. Uno de los primeros lenguajes de marcos de propósito general fue KRL. ^[2] Uno de los primeros lenguajes Frame más influyentes fue KL-ONE ^[3] KL-ONE generó varios lenguajes Frame posteriores. Uno de los sucesores más utilizados de KL-ONE fue el lenguaje Loom desarrollado por Robert MacGregor en el Information Sciences Institute.. ^[4]

En la década de 1980, la Inteligencia Artificial generó un gran interés en el mundo empresarial impulsado por sistemas expertos. Esto condujo al desarrollo de muchos productos comerciales para el desarrollo de sistemas basados ​​en el conocimiento. Estos primeros productos se desarrollaron generalmente en Lisp y construcciones integradas como las reglas IF-THEN para el razonamiento lógico con las jerarquías Frame para representar datos. Una de las herramientas de base de conocimiento más conocidas de Lisp fue el entorno de ingeniería del conocimiento (KEE) de Intellicorp . KEE proporcionó un lenguaje de marco completo con herencia múltiple, ranuras, activadores, valores predeterminados y un motor de reglas que admitía el encadenamiento hacia atrás y hacia adelante. Al igual que con la mayoría de las primeras versiones comerciales del software de inteligencia artificial, KEE se implementó originalmente en Lispen plataformas de máquinas Lisp, pero finalmente se trasladó a PC y estaciones de trabajo Unix. ^[5]

La agenda de investigación de la Web Semántica generó un interés renovado en la clasificación automática y los lenguajes de marco. Un ejemplo es el estándar Web Ontology Language (OWL) para describir información en Internet. OWL es un estándar para proporcionar una capa semántica en la parte superior de Internet. El objetivo es que en lugar de organizar la web utilizando palabras clave como lo hacen la mayoría de las aplicaciones (por ejemplo, Google) hoy en día, la web se pueda organizar por conceptos organizados en una ontología.

El nombre del lenguaje OWL en sí mismo proporciona un buen ejemplo del valor de una Web Semántica. Si uno buscara "OWL" usando Internet hoy en día, la mayoría de las páginas recuperadas estarían en el pájaro Owl en lugar del OWL estándar . Con una Web Semántica sería posible especificar el concepto "Lenguaje de Ontología Web" y el usuario no tendría que preocuparse por los diversos acrónimos o sinónimos posibles como parte de la búsqueda. Del mismo modo, el usuario no tendría que preocuparse de que los homónimos llenen los resultados de la búsqueda con datos irrelevantes, como información sobre aves rapaces, como en este sencillo ejemplo.

Además de OWL, varios estándares y tecnologías que son relevantes para la Web Semántica y fueron influenciados por los lenguajes Frame incluyen OIL y DAML . La herramienta de software Protege Open Source de la Universidad de Stanford proporciona una capacidad de edición de ontologías que se basa en OWL y tiene todas las capacidades de un clasificador. Sin embargo, dejó de admitir marcos explícitamente a partir de la versión 3.5 (que se mantiene para aquellos que prefieren la orientación del marco), siendo la versión actual en 2017 5. La justificación para pasar de marcos explícitos es que OWL DL es más expresivo y "estándar de la industria". ^[6]

Comparación de marcos y objetos

Los lenguajes de marco tienen una superposición significativa con los lenguajes orientados a objetos. Las terminologías y los objetivos de las dos comunidades eran diferentes, pero a medida que pasaban del mundo académico y los laboratorios al mundo comercial, los desarrolladores tendían a no preocuparse por las cuestiones filosóficas y se centraban principalmente en capacidades específicas, tomando lo mejor de cualquiera de los campos independientemente de dónde se desarrollara la idea. comenzó. Lo que ambos paradigmas tienen en común es el deseo de reducir la distancia entre conceptos en el mundo real y su implementación en software. Como tal, ambos paradigmas llegaron a la idea de representar los objetos de software primarios en taxonomías comenzando con tipos muy generales y progresando a tipos más específicos.

La siguiente tabla ilustra la correlación entre la terminología estándar de las comunidades de lenguaje de marcos y orientado a objetos:

Terminología de tramas	Terminología OO
Cuadro	Clase de objeto
Espacio	Propiedad o atributo del objeto
Desencadenar	Métodos de accesor y mutador
Método (por ejemplo, telar, KEE)	Método

La principal diferencia entre los dos paradigmas estaba en el grado en que la encapsulación se consideraba un requisito importante. Para el paradigma orientado a objetos, la encapsulación era uno de los requisitos más críticos, si no el más importante. El deseo de reducir las interacciones potenciales entre componentes de software y, por tanto, gestionar grandes sistemas complejos fue un factor clave de la tecnología orientada a objetos. Para el campo del lenguaje marco, este requisito era menos crítico que el deseo de proporcionar una amplia gama de posibles herramientas para representar reglas, restricciones y lógica de programación. En el mundo orientado a objetos, todo está controlado por métodos y la visibilidad de los métodos. Entonces, por ejemplo, el acceso al valor de los datos de una propiedad de objeto debe realizarse a través de un método de acceso.Este método controla cosas como la validación del tipo de datos y las restricciones sobre el valor que se recupera o establece en la propiedad. En los lenguajes Frame, estos mismos tipos de restricciones pueden manejarse de múltiples formas. Los activadores se pueden definir para que se activen antes o después de que se establezca o recupere un valor. Se podrían definir reglas que gestionen los mismos tipos de restricciones. Las ranuras en sí mismas podrían aumentarse con información adicional (llamadas "facetas" en algunos idiomas) nuevamente con el mismo tipo de información de restricción.Las ranuras en sí mismas podrían aumentarse con información adicional (llamadas "facetas" en algunos idiomas) nuevamente con el mismo tipo de información de restricción.Las ranuras en sí mismas podrían aumentarse con información adicional (llamadas "facetas" en algunos idiomas) nuevamente con el mismo tipo de información de restricción.

El otro diferenciador principal entre los lenguajes frame y OO fue la herencia múltiple (permitiendo que un frame o clase tenga dos o más superclases). Para los lenguajes de marco, la herencia múltiple era un requisito. Esto se deriva del deseo de modelar el mundo de la forma en que lo hacen los humanos, las conceptualizaciones humanas del mundo rara vez caen en taxonomías rígidamente definidas que no se superponen. Para muchos lenguajes OO, especialmente en los últimos años de OO, la herencia única era muy deseada o necesaria. La herencia múltiple se vio como un posible paso en la fase de análisis para modelar un dominio, pero algo que debería eliminarse en las fases de diseño e implementación en nombre de mantener la encapsulación y la modularidad. ^[7]

Aunque los primeros lenguajes de marcos como KRL no incluían el paso de mensajes, impulsados ​​por las demandas de los desarrolladores, la mayoría de los lenguajes de marcos posteriores (por ejemplo, Loom, KEE) incluían la capacidad de definir mensajes en marcos. ^[8]

En el lado orientado a objetos, también han surgido estándares que brindan esencialmente la funcionalidad equivalente que brindan los lenguajes de marcos, aunque en un formato diferente y todos estandarizados en bibliotecas de objetos. Por ejemplo, Object Management Group tiene especificaciones estandarizadas para capacidades tales como asociar datos de prueba y restricciones con objetos (análogos a los usos comunes para facetas en Frames y restricciones en lenguajes Frame como Loom) y para integrar motores de reglas. ^{[9] [10]}

Historia

Los primeros trabajos sobre Frames se inspiraron en la investigación psicológica que se remonta a la década de 1930 que indicaba que las personas utilizan el conocimiento estereotipado almacenado para interpretar y actuar en nuevas situaciones cognitivas. ^[11] El término Frame fue utilizado por primera vez por Marvin Minsky como paradigma para comprender el razonamiento visual y el procesamiento del lenguaje natural. ^[12] En estos y muchos otros tipos de problemas, el espacio de solución potencial incluso para el problema más pequeño es enorme. Por ejemplo, extraer los fonemas de una secuencia de audio sin procesar o detectar los bordesde un objeto. Las cosas que parecen triviales para los humanos son en realidad bastante complejas. De hecho, probablemente no se entendió completamente cuán difíciles eran en realidad hasta que los investigadores de IA comenzaron a investigar la complejidad de hacer que las computadoras los resuelvan.

La noción inicial de Frames o Scripts, como también se los llamaba, es que establecerían el contexto para un problema y, al hacerlo, reducirían automáticamente el posible espacio de búsqueda de manera significativa. La idea también fue adoptada por Schank y Abelson, quienes la utilizaron para ilustrar cómo un sistema de inteligencia artificial podría procesar interacciones humanas comunes, como pedir una comida en un restaurante. ^[13] Estas interacciones se estandarizaron como marcos con ranuras que almacenaban información relevante sobre cada marco. Las ranuras son análogas a las propiedades de los objetos en el modelado orientado a objetos y a las relaciones en los modelos entidad-relación. Las ranuras a menudo tenían valores predeterminados, pero también requerían un mayor refinamiento como parte de la ejecución de cada instancia del escenario. Es decir, la ejecución de una tarea como ordenar en un restaurante se controló comenzando con una instancia básica del marco y luego instanciando y refinando varios valores según corresponda. Esencialmente, el marco abstracto representaba una clase de objeto y el marco representa una instancia de objeto. En este trabajo inicial, el énfasis estuvo principalmente en las descripciones de datos estáticos del Marco. Se desarrollaron varios mecanismos para definir el rango de una ranura, valores predeterminados, etc. Sin embargo,incluso en estos primeros sistemas existían capacidades de procedimiento. Una técnica común era utilizar "disparadores" (similar al concepto de base de datos dedisparadores ) adjuntos a las ranuras. Un disparador es simplemente un código de procedimiento que se adjunta a una ranura. El disparador podría dispararse antes y / o después de acceder o modificar un valor de ranura.

Al igual que con las clases de objetos, los marcos se organizaron en jerarquías de subsunción . Por ejemplo, un marco básico podría pedir en un restaurante. Un ejemplo de eso sería Joe va a McDonald's. Una especialización (esencialmente una subclase ) del marco del restaurante sería un marco para realizar pedidos en un restaurante elegante. El marco de restaurante elegante heredaría todos los valores predeterminados del marco de restaurante, pero también agregaría más espacios o cambiaría uno o más de los valores predeterminados (por ejemplo, rango de precio esperado) para el marco especializado. ^{[14] [15]}

Idiomas

Gran parte de las primeras investigaciones sobre el lenguaje Frame (por ejemplo, Schank y Abelson) habían sido impulsadas por los hallazgos de la psicología experimental y los intentos de diseñar herramientas de representación del conocimiento que correspondieran a los patrones que se pensaba que los humanos usaban para funcionar en las tareas diarias. Estos investigadores estaban menos interesados ​​en la formalidad matemática, ya que creían que tales formalismos no eran necesariamente buenos modelos de la forma en que el ser humano promedio conceptualiza el mundo. La forma en que los humanos usan el lenguaje, por ejemplo, a menudo está lejos de ser verdaderamente lógica.

De manera similar, en lingüística, Charles J. Fillmore a mediados de la década de 1970 comenzó a trabajar en su teoría de la semántica de marcos , que luego conduciría a recursos computacionales como FrameNet . ^{[16] La} semántica de marcos fue motivada por reflexiones sobre el lenguaje humano y la cognición humana.

Investigadores como Ron Brachman, por otro lado, querían dar a los investigadores de IA el formalismo matemático y el poder computacional que estaban asociados con la lógica. Su objetivo era mapear las clases, espacios, restricciones y reglas de Frame en un lenguaje Frame para establecer la teoría y la lógica. Uno de los beneficios de este enfoque es que la validación e incluso la creación de los modelos podrían automatizarse utilizando probadores de teoremas y otras capacidades de razonamiento automatizado. El inconveniente era que podría resultar más difícil especificar inicialmente el modelo en un lenguaje con una semántica formal.

Esta evolución también ilustra una división clásica en la investigación de la IA conocida como " neats vs. scruffies ". Los "neats" fueron los investigadores que dieron mayor valor a la precisión matemática y al formalismo que se podía lograr a través de la lógica de primer orden y la teoría de conjuntos . Los "desaliñados" estaban más interesados ​​en modelar el conocimiento en representaciones que fueran intuitivas y psicológicamente significativas para los humanos. ^[17]

El más notable de los enfoques más formales fue el lenguaje KL-ONE . ^[18] KL-ONE luego generó varios lenguajes Frame posteriores. La semántica formal de lenguajes como KL-ONE dio a estos lenguajes marco un nuevo tipo de capacidad de razonamiento automatizado conocido como clasificador . El clasificador es un motor que analiza las diversas declaraciones en el lenguaje marco: la definición de conjuntos, subconjuntos, relaciones, etc. El clasificador puede entonces deducir automáticamente varias relaciones adicionales y puede detectar cuando algunas partes de un modelo son inconsistentes entre sí. De esta manera, muchas de las tareas que normalmente se ejecutarían mediante el encadenamiento hacia adelante o hacia atrás en un motor de inferencia pueden ser realizadas por el clasificador. ^[19]

Esta tecnología es especialmente valiosa para tratar con Internet. Es un resultado interesante que el formalismo de lenguajes como KL-ONE puede ser más útil para tratar los datos altamente informales y desestructurados que se encuentran en Internet. En Internet, simplemente no es factible exigir que todos los sistemas se estandaricen en un modelo de datos. Es inevitable que la terminología se utilice en múltiples formas inconsistentes. La capacidad de clasificación automática del motor clasificador proporciona a los desarrolladores de IA una potente caja de herramientas para ayudar a traer orden y coherencia a una colección de datos muy inconsistente (es decir, Internet). La visión de una Internet mejorada, donde las páginas están ordenadas no solo por palabras clave de texto sino por clasificación de conceptos, se conoce como Web Semántica.. La tecnología de clasificación desarrollada originalmente para los lenguajes Frame es un habilitador clave de la Web Semántica. ^{[20] [21]} La división "pulcros vs. desaliñados" también surgió en la investigación de la Web Semántica, que culminó con la creación de la comunidad de Vinculación de Datos Abiertos : su enfoque estaba en exponer datos en la Web en lugar de modelar.

Ver también

• Clasificador deductivo
• Descripción lógica
• Hecho
• Lógica de primer orden
• Problema de marco
• Conocimiento
• Base de conocimientos
• Sistema basado en el conocimiento
• Lenguaje de ontología
• Predicado
• Semántica
• Red semántica
• Cálculo de situación
• Verdad

Referencias

1. "FOAF" . semanticweb.org . Archivado desde el original el 10 de febrero de 2013 . Consultado el 7 de junio de 2014 .
2. Bobrow, DG; Terry Winograd (1977). "Una visión general de KRL: un lenguaje de representación del conocimiento" . Ciencia cognitiva . 1 : 3-46. doi : 10.1207 / s15516709cog0101_2 .
3. Brachman, Ron (1978). "Un paradigma estructural para representar el conocimiento" . Informe técnico de Bolt, Beranek y Neumann (3605).
4. MacGregor, Robert (junio de 1991). "Utilización de un clasificador de descripción para mejorar la representación del conocimiento". Experto IEEE . 6 (3): 41–46. doi : 10.1109 / 64.87683 .
5. Mettrey, William (1987). "Una evaluación de herramientas para la construcción de grandes sistemas basados ​​en el conocimiento" . Revista AI . 8 (4). Archivado desde el original el 10 de noviembre de 2013 . Consultado el 9 de diciembre de 2013 .
6. Horridge, Mathew. "Tutorial de Protégé OWL Una guía paso a paso para modelar en OWL usando las populares herramientas de Protégé OWL" . Universidad de Manchester . Universidad de Manchester. Archivado desde el original el 13 de diciembre de 2013 . Consultado el 9 de diciembre de 2013 .
7. "El lenguaje de modelado unificado" . essentialstrategies.com . Essential Strategies Inc. 1999 . Consultado el 10 de diciembre de 2013 . Según la experiencia de su autor, casi todos los ejemplos que parecen requerir herencia múltiple o jerarquías de tipos múltiples se pueden resolver atacando el modelo desde una dirección diferente.
8. Mettrey, William (1987). "Una evaluación de herramientas para la construcción de grandes sistemas basados ​​en el conocimiento" . Revista AI . 8 (4). Archivado desde el original el 10 de noviembre de 2013 . Consultado el 9 de diciembre de 2013 .
9. Macgregor, Robert (13 de agosto de 1999). "Retrospectiva en telar" . isi.edu . Instituto de Ciencias de la Información. Archivado desde el original el 25 de octubre de 2013 . Consultado el 10 de diciembre de 2013 .
10. "Especificaciones formales OMG" . omg.org . Grupo de gestión de objetos . Consultado el 10 de diciembre de 2013 .
11. Bartlett, FC (1932). Recordando: un estudio en psicología experimental y social . Cambridge, Inglaterra: Cambridge University Press. doi : 10.1086 / 399084 . S2CID 7992164 . 
12. Minsky, Marvin (1975). "Un marco para representar el conocimiento" (PDF) . En Pat Winston (ed.). La psicología de la visión por computadora . Nueva York: McGraw Hill. págs. 211-277.
13. Schank, Roger; RP Abelson (1977). Guiones, planes, metas y comprensión . Hillsdale, Nueva Jersey: Lawrence Erlbaum.
14. Feigenbaum, Edward; Avron Barr (1 de septiembre de 1986). El Manual de Inteligencia Artificial, Volumen III . Addison-Wesley. págs. 216–222. ISBN 978-0201118117.
15. Bobrow, DG; Terry Winograd (1977). "Una visión general de KRL: un lenguaje de representación del conocimiento" . Ciencia cognitiva . 1 : 3-46. doi : 10.1207 / s15516709cog0101_2 .
16. Lakoff, George (18 de febrero de 2014). "Charles Fillmore, descubridor de la semántica de cuadros, muere en SF a los 84: descubrió cómo funciona el encuadre" . El Huffington Post . Consultado el 7 de marzo de 2014 .
17. Crevier, Daniel (1993). AI: La tumultuosa búsqueda de la inteligencia artificial . Nueva York: Basic Books. pag. 168. ISBN 978-0-465-02997-6.
18. Brachman, Ron (1978). "Un paradigma estructural para representar el conocimiento" . Informe técnico de Bolt, Beranek y Neumann (3605).
19. MacGregor, Robert (junio de 1991). "Utilización de un clasificador de descripción para mejorar la representación del conocimiento". Experto IEEE . 6 (3): 41–46. doi : 10.1109 / 64.87683 .
20. Berners-Lee, Tim; James Hendler; Ora Lassila (17 de mayo de 2001). "La Web Semántica Una nueva forma de contenido web que es significativo para las computadoras desatará una revolución de nuevas posibilidades" . Scientific American . 284 (5): 34–43. doi : 10.1038 / scientificamerican0501-34 . Archivado desde el original el 24 de abril de 2013.
21. Horridge, Mathew. "Tutorial de Protégé OWL Una guía paso a paso para modelar en OWL usando las populares herramientas de Protégé OWL" . Universidad de Manchester . Universidad de Manchester. Archivado desde el original el 13 de diciembre de 2013 . Consultado el 9 de diciembre de 2013 .

Bibliografía

• Russell, Stuart J .; Norvig, Peter (2010), Inteligencia artificial: un enfoque moderno (2ª ed.), Upper Saddle River, Nueva Jersey: Prentice Hall, ISBN 0-13-604259-7 , cap. 1. 
• Marvin Minsky, A Framework for Representing Knowledge , MIT-AI Laboratory Memo 306, junio de 1974.
• Daniel G. Bobrow, Terry Winograd, An Overview of KRL, A Knowledge Representation Language ^{[ enlace muerto permanente ]} , Memo AIM 293 del Laboratorio de Inteligencia Artificial de Stanford, 1976.
• R. Bruce Roberts e Ira P. Goldstein, The FRL Primer , 1977
• R. Bruce Roberts e Ira P. Goldstein, The FRL Manual , 1977
• Brachman, R .; Schmolze, J. (1985). "Una descripción general del sistema de representación del conocimiento KL-ONE" . Ciencia cognitiva . 9 (2): 171–216. doi : 10.1016 / s0364-0213 (85) 80014-8 .
• Fikes, RE; Kehler, T. (1985). "El papel de la representación basada en marcos en la representación y el razonamiento del conocimiento". Comunicaciones de la ACM . 28 (9): 904–920. doi : 10.1145 / 4284.4285 .
• Peter Clark y Bruce Porter: KM - The Knowledge Machine 2.0: Manual del usuario, http://www.cs.utexas.edu/users/mfkb/RKF/km.html .
• Peter D. Karp, The Design Space of Frame Knowledge Representation Systems , Nota técnica 520. Centro de Inteligencia Artificial , SRI International , 1992

enlaces externos

• "Un marco para representar el conocimiento" de Minsky
• Inteligencia artificial: un sitio web de enfoque moderno
• Sistemas basados ​​en marcos
• El protocolo de marco genérico
• El editor de Protégé Ontology
• Presentación de introducción a los idiomas de los marcos