Telar es una representación del conocimiento lenguaje desarrollado por los investigadores de la inteligencia artificial grupo de investigación en la Universidad del Sur de California 's Instituto de Ciencias de la Información . El líder del proyecto Loom y arquitecto principal de Loom fue Robert MacGregor. La investigación fue patrocinada principalmente por la Agencia de Proyectos de Investigación Avanzada de Defensa (DARPA).
Paradigma | representación del conocimiento |
---|---|
Lanzamiento estable | 4.0 / 1999 |
Influenciado por | |
KIF | |
Influenciado | |
PowerLoom |
Loom es un lenguaje basado en marcos en la tradición de KL-ONE . [1] Al igual que con KL-ONE, Loom tiene una semántica formal que asigna declaraciones en Loom a declaraciones en teoría de conjuntos y lógica de primer orden . Esta semántica formal habilita un tipo de motor de prueba de teoremas llamado clasificador. El clasificador puede analizar modelos de Loom (conocidos como ontologías ) y deducir varias cosas sobre el modelo. Por ejemplo, el clasificador puede descubrir nuevas clases o cambiar las relaciones subclase / superclase en el modelo. El clasificador también puede detectar inconsistencias en la declaración del modelo. Esta es una capacidad muy poderosa y bastante inusual, ya que es capaz de realizar análisis a nivel de ontología, a nivel de declaraciones en lugar de a nivel de implementación, como lo hacen la mayoría de los motores de inferencia.
El objetivo del proyecto Loom es el desarrollo y despliegue de herramientas avanzadas para la representación del conocimiento y el razonamiento en inteligencia artificial. Específicamente para permitir que se genere código a partir de modelos de dominio demostrablemente válidos.
Loom es un lenguaje y un entorno para la construcción de aplicaciones inteligentes. En su esencia, se encuentra un sistema de representación y razonamiento del conocimiento que combina un lenguaje basado en marcos con un motor clasificador automático. El conocimiento declarativo en Loom consta de definiciones, reglas, hechos y reglas predeterminadas. Un motor deductivo llamado clasificador utiliza el encadenamiento directo , la unificación semántica y tecnologías de mantenimiento de la verdad orientadas a objetos para compilar el conocimiento declarativo en una red diseñada para soportar de manera eficiente el procesamiento de consultas deductivas en línea. [2]
El sistema Loom implementa un comparador de patrones basado en la lógica que impulsa una función de reglas de producción y una función de despacho de métodos dirigidos por patrones que admite la definición de métodos orientados a objetos . El alto grado de integración entre los componentes declarativos y procedimentales de Loom permite a los programadores utilizar programación lógica, reglas de producción y paradigmas de programación orientada a objetos en una sola aplicación. Loom también se puede utilizar como una capa deductiva que se superpone a una red CLOS (Common Lisp Object System) ordinaria . En este modo, los usuarios pueden obtener muchos de los beneficios de usar Loom sin afectar la función o el rendimiento de sus aplicaciones basadas en CLOS.
Loom ha sido reemplazado recientemente por PowerLoom. [3]
Referencias
- ^ Brachman, Ron (1978). "Un paradigma estructural para representar el conocimiento". Informe técnico de Bolt, Beranek y Neumann (3605).
- ^ 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 .
- ^ 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 .