Upload
carmen-pena
View
39
Download
1
Embed Size (px)
Citation preview
Introducción a los sistemas
basados en el conocimiento
FACULTAD DE INGENIERIA DE SISTEMAS, CÓMPUTO Y TELECOMUNICACIONES
© Ing. Carmen Rosa Peña Enciso
Introducción a los sistemas basados en el
conocimiento
© Ing. Carmen Rosa Peña Enciso
Agenda:
Introducción
Inteligencia Artificial: definición, evolución y áreas de
aplicación
Sistemas inteligentes: definición, atributos, características y
diferencias
Conocimiento: definición, formas de representación
• La Inteligencia Artificial (IA) nace a mediados del siglo
XX, con el fin de construir máquinas que pudieran
pensar como el ser humano o emularle en alguna
capacidad que denotara cierta inteligencia.
• Siendo el hombre “homo sapiens” (hombre sabio) es
capaz de trascender a habilidades mentales tanto en su
vida cotidiana como en su propio sentido de identidad.
• La IA se enfoca a crear y comprender entidades
inteligentes, representar el conocimiento sobre un
dominio muy concreto y razonar con él, las que son
interesantes y útiles, generando productos de
trascendencia y sorprendentes.
© Ing. Carmen Rosa Peña Enciso
Introducción
Introducción
• La IA desarrolla principios, métodos, herramientas
aplicables a la utilización del conocimiento humano en
materias concretas para construir sistemas inteligentes
capaces de percibir, razonar, comprender y producir un
lenguaje natural utilizando procesos de aprendizaje.
• La IA formalmente se inicia en 1956, en la actualidad
abarca desde áreas de propósito general (percepción y
razonamiento lógico) hasta tareas específicas (ajedrez,
demostración de teoremas matemáticos, diagnóstico de
enfermedades, etc.) y aplicaciones en diferentes
entornos industriales.
© Ing. Carmen Rosa Peña Enciso
© Ing. Carmen Rosa Peña Enciso
Introducción a los sistemas basados en el
conocimiento
Agenda:
Introducción
Inteligencia Artificial: definición, evolución y áreas de
aplicación
Sistemas inteligentes: definición, atributos, características y
diferencias
Conocimiento: definición, formas de representación
Inteligencia Artificial: definición
© Ing. Carmen Rosa Peña Enciso
La Inteligencia Artificial es el estudio de las facultades mentales a través del uso de modelos computacionales. Este término data de los años 50 del siglo XX y se debe a un grupo de científicos que estudiaron el cerebro humano como modelo natural, integrando la cibernética y las computadoras (McCarthy, Minsky, Newell, Simon).
http://www-
formal.stanford.edu/jmc/ http://www.computerhis
tory.org/fellowawards/h
all/bios/Marvin,Minsky/
http://www.nap.e
du/html/biomems
/anewell.html
www.biografiasyvidas.
com/biografia/s/simon
_herbert.htm
Inteligencia Artificial: definición
© Ing. Carmen Rosa Peña Enciso
• La IA es una rama de la ciencia de la computación que estudia los fundamentos teóricos y prácticos del diseño de sistemas de computación “inteligentes”, esto es, sistemas que, exhiben características inteligentes del ser humano.
• Para el estudio de situaciones catalogadas de inteligentes, la IA se desarrolla en conjunto con otras disciplinas:
Filosofía
Matemáticas
Psicología
Lingüísticas
Ciencias de la Computación
Ingeniería
Medicina
Economía, física, química, etc.
Inteligencia Artificial: definición
© Ing. Carmen Rosa Peña Enciso
• La IA es el estudio de los sistemas de computación que permiten realizar actividades consideradas inteligentes por el ser humano
Patrick Winston, 1994
• La IA es el estudio de cómo hacer que los computadores realicen tareas en que, en el momento las personas son mejores.
Elaine Rich, 1988
http://www.csail.mit.edu/user/804
https://www.cs.utexas.edu/faculty/rich
Inteligencia Artificial: definición
© Ing. Carmen Rosa Peña Enciso
Definiciones de IA de acuerdo a dos dimensiones
principales:
• las que aparecen en la parte superior se refieren a
procesos mentales y al razonamiento,
• en tanto que las de la parte inferior aluden a la
conducta.
Sistemas que piensan
como humanos
Sistemas que piensan
racionalmente
Sistemas que actúan como
humanos
Sistemas que actúan
racionalmente
© Ing. Carmen Rosa Peña Enciso
“La interesante tarea de lograr que las
computadoras piensen…máquinas con mente,
en su amplio sentido literal” (Haugeland, 1985)
“[La automatización de] actividades que
vinculamos con procesos de pensamiento
humano, actividades tales como toma de
decisiones, resolución de problemas,
aprendizaje…” (Bellman, 1978)
“El estudio de las facultades mentales
mediante el uso de modelos computacionales”
(Charniak y McDermott, 1985)
“El estudio de los cálculos que permiten
percibir, razonar y actuar” (Winston, 1992)
“El arte de crear máquinas con capacidad de
realizar funciones que realizadas por personas
requieren de inteligencia…”(Kurzwell, 1990)
“El estudio de cómo lograr que las
computadoras realicen tareas que, por el
momento, los humanos hacen mejor” (Rich y
Knight, 1991)
“Un campo de estudio que se enfoca a la
explicación y emulación de la conducta
inteligente en función de procesos
computacionales” (Schalkoff, 1990)
“La rama de la ciencia de la computación que
se ocupa de la automatización de la conducta
inteligente” (Luger y Stubblefield, 1993)
Inteligencia Artificial: definición
Las definiciones de la izquierda miden la condición deseable en función
de eficiencia humana, mientras que las de la derecha lo hacen de
conformidad con un concepto de inteligencia ideal, denominado
racionalidad. Se considera que un sistema es racional si hace lo correcto.
Inteligencia Artificial: evolución
• Las semillas se dio dos años después de la instalación
de la primera computadora comercial de la General
Electric.
• En 1952 Ashby proponía construir dispositivos que
actuasen como “amplificadores de la inteligencia”
humana.
• El 31 de Agosto de 1955, Marvin Minsky, John McCarthy,
Nathan Rochester y Claude Shannon propusieron la
celebración de una reunión de dos meses de duración,
que tuvo lugar en el Dartmouth College durante el
verano de 1956.
http://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html
© Ing. Carmen Rosa Peña Enciso
Inteligencia Artificial: evolución
• Su principal objetivo era discutir:¿la conjetura de que
todos los aspectos del aprendizaje o de cualquier otra
característica de la inteligencia pueden, en principio, ser
descritos de modo tan preciso que se pueda construir
una máquina capaz de simularlos?
• El tema parecía tan novedoso que acuñaron un nuevo
término para él: Inteligencia Artificial.
• Ese mismo año se anunció la creación del primer
programa de computadora con IA llamado “Logic
Theorist”, para demostrar teoremas de cálculo, con
capacidad limitada.
© Ing. Carmen Rosa Peña Enciso
Inteligencia Artificial: evolución
[1] Gonzalo Pajares Martinsanz y Matilde Santos Peñas. Inteligencia Artificial e Ingeniería del Conocimiento
Desarrollo histórico según Jackson [1]
1950-1965: PERIODO CLÁSICO
• Gestación [McColluck y Pitts, Shannon, Turing]
• Inicio - reunión de Darmouth College en 1956 [ Minsky, McCarthy]
• Redes neuronales, robótica (Shakey)
• Búsqueda en un espacio de estados, Heurísticas, LISP
• Resolvedor general de problemas (GPS) [Newell, Simon]
• Juegos, prueba de teoremas
• Limitaciones de pura búsqueda, explosión combinatoria.
1965-1975: PERIODO ROMÁNTICO
• Representación “general” del conocimiento
• Redes semánticas [Quillian]
• Prototipos (frames) [Minsky]
• Perceptron [Minsky y Papert]
• Lógica [Kowalski]
• Mundo de bloques (SHDRLU) [Winograd]
• Compresión de lenguaje, visión, robótica.
• Dificultades de representación general, problemas de “juguete”
Inteligencia Artificial: evolución
1975-HOY: PERIODO MODERNO
• Inteligencia “específica” vs. “general”
• Representación explícita del conocimiento específico del dominio.
• Sistemas expertos o basados en conocimiento.
• Regreso de redes neuronales [Hopfield, Rumelhart, Hinton], algoritmos genéticos
[Holland, Goldberg], Reconocimiento de voz (HMM), incertidumbre (RB, Lógica
difusa), planeación, aprendizaje. Aplicaciones “reales” (medicina, finanzas,
ingeniería, exploración, etc.).
• Limitaciones: conocimiento “superficial”
[1] Gonzalo Pajares Martinsanz y Matilde Santos Peñas. Inteligencia Artificial e Ingeniería del Conocimiento
Desarrollo histórico según Jackson [1]
Inteligencia Artificial: evolución
[2] Gonzalo Pajares Martinsanz y Matilde Santos Peñas. Inteligencia Artificial e Ingeniería del Conocimiento
Desarrollo histórico según Russell y Norving [2]
1943-1956: GESTACIÓN
• McCullock y Pitts (43), Hebb (49), Shannon (50)
• Turing (53), Minsky y Edmonds (51). Darmouth College (56), McCarthy, Newell y Simon
“The Logic Theorist”
1952-1969: GRANDES EXPECTATIVAS
• Samuel - Checkers (52), McCarthy (58):
• Planificación temporal, Programas con sentido común. Minsky y McCarthy en MIT
moldearon mucho del área. (63) McCarthy se fue a Stanford SRI, Shakey, etc. Minsky,
Evans, Student, Waltz, Winston, Winograd. Trabajo en RN: Hebb, Widrow, Rosenblatt
1966-1976: DOSIS DE REALIDAD
• Simon predecía que en 10 años se tendría una máquina inteligente. Predicciones
similares en traducción automática y ajedrez. Teoría de NP-completitud. Experimentos
en machine evolution (ahora algoritmos genéticos) (Friedberg, 58). Minsky y Papert:
Perceptrones (69); el mismo año se descubrió backpropagation (Bryson y Ho)
Inteligencia Artificial: evolución
[2] Gonzalo Pajares Martinsanz y Matilde Santos Peñas. Inteligencia Artificial e Ingeniería del Conocimiento
Desarrollo histórico según Russell y Norving [2]
1969-1979: SISTEMAS BASADOS EN CONOCIMIENTO
• Dendral , Mycin , HPP, Prospector, Winograd SHDRLU, Shank (no hay sintáxis),
frames, Prolog, Planner
• IA como industria (1980-1988): R1/XCON, proyecto de la quinta generación, shells y
máquinas de Lisp...
1986-HOY: VUELTA A LAS REDES NEURONALES
• Hopfield, Rumelhart y Hinton y descenso de los Sistemas Expertos
1987-HOY: LOGROS RECIENTES
• Cambio gradual hacia áreas aplicadas (cierto grado de madurez y estabilidad);
reconocimiento de voz (HMM), incertidumbre (Bayes), planeación (Tweak), robótica,
aprendizaje, etc.
Inteligencia Artificial: áreas de aplicación
© Ing. Carmen Rosa Peña Enciso
Inteligencia
Artificial
Aplicaciones
de la robótica
• Percepción visual
• Perceptible al tacto
• Agilidad mental
• Capacidad
locomotriz
• Navegación
Aplicaciones
de las interfaces
naturales
• Lenguajes naturales
• Reconocimiento del
lenguaje
• Interfaces
sensoriales múltiples
• Realidad virtual
Aplicaciones
de la ciencia
cognoscitiva
• Sistemas expertos
• Sistemas de
aprendizaje
• Lógica difusa
• Algorítmos
genéticos
• Redes neurorales
• Agentes inteligentes
Inteligencia Artificial: áreas de aplicación
© Ing. Carmen Rosa Peña Enciso
Redes de Petri
En 1962 Carl Adam Petri publicó su tesis doctoral en la que por primera vez se formulaba una teoría general para sistemas discretos paralelos. Las redes de Petri son una generalización de la teoría de autómatas, y utilizan métodos gráficos para representar sistemas como condiciones y eventos. Un modelo de red de Petri formula las propiedades de un sistema en el lenguaje de la lógica aunque también utiliza la representación algebraica.
Sistemas
Expertos
Campo pionero de la IA. En Sistema experto es básicamente un
conjunto de programas informáticos que aplica el proceso del
razonamiento humano al conocimiento de un experto en la
solución de tipos específicos de problemas. Son sistemas
basados en reglas de producción u otros procesos de
razonamiento. Algunas de sus características son: la heurística,
el tratamiento simbólico, la toma de decisiones, la memoria, la
predicción y la inferencia.
Inteligencia Artificial: áreas de aplicación
© Ing. Carmen Rosa Peña Enciso
Lógica Fuzzy
La lógica fuzzy o borrosa, una forma matemática de representar la imprecisión inherente al lenguaje natural, introducida por Lofti A. Zadeh en 1965. Es una generalización de la lógica clásica : las variables toman valores lingüísticos de verdad. La pertenencia a los conjuntos borrosos es gradual. Implementa la forma de razonar propia del sentido común.
Redes
Neuronales
En la década de los 80 se empezó a considerar este paradigma
computacional conexionista cuya estructura emula el proceso
biológico del aprendizaje humano. Son sistemas compuestos por
muchos elementos de procesamiento (neuronas) que operan en
paralelo, cuya función es determinada por la estructura de la red,
las conexiones y el procesamiento local realizado por los
elementos computacionales o nodos. Las redes neuronales
pueden aprender de datos de entrenamiento, y en realidad son
aproximaciones de funciones matemáticas.
Inteligencia Artificial: áreas de aplicación
© Ing. Carmen Rosa Peña Enciso
Computación
Evolutiva
Inspirada en el mundo biológico, desarrolla programas usando analogías con procesos biológicos tales como la evolución y la selección natural. Se aplica satisfactoriamente, sobre todo, a problemas de optimización , programación automática y aprendizaje de máquinas. Dentro de ella se encuentra los Algoritmos Genéticos y el sistema computacional inmunizado, basado en la operación de un sistema biológico inmune.
Algoritmos
Genéticos
En algoritmo genético es esencialmente un procedimiento de
búsqueda y optimización modelado según los mecanismos
genéticos de selección natural de los seres vivos. Surgieron del
estudio de los autómatas celulares llevado a cabo por Holland en
1975. Su funcionamiento básico es evolucionar a partir de una
población que representa las soluciones candidatas (individuos)
para un determinado problema, intentando producir nuevas
generaciones de soluciones mejores de las anteriores,
evaluadas por una función de ajuste. Se utilizan en problemas
complejos de optimización por su paralelismo implícito y su
habilidad para mantener múltiples soluciones concurrentemente.
Inteligencia Artificial: áreas de aplicación
© Ing. Carmen Rosa Peña Enciso
Programación
Genética
Aplica los principios evolutivos de los AG para “hacer evolucionar” programas informáticos. La programación genética conduce predominio de los programas más aptos para la solución de un problema dado. La población son programas, donde cada nueva generación se obtiene por la reproducción de los programas que funcionan mejor, con un pequeño factor de mutaciones aleatorias.
Teoría del
Caos
Es un conjunto de técnicas utilizadas para examinar y determinar
relaciones altamente complejas entre datos que han sido
inicialmente clasificados al azar. Una característica de este tipo
de datos es que una pequeña variación en las condiciones
iniciales puede dar lugar a cambios drásticos en los resultados
muy rápidamente. El supuesto fundamental de la teoría del caos
es que la unidad individual no importa; lo que importa son las
simetrías recursivas entre los diferentes niveles del sistema.
Inteligencia Artificial: áreas de aplicación
© Ing. Carmen Rosa Peña Enciso
© Ing. Carmen Rosa Peña Enciso
Introducción a los sistemas basados en el
conocimiento
Agenda:
Introducción
Inteligencia Artificial: definición, evolución y áreas de
aplicación
Sistemas inteligentes: definición, atributos,
características y diferencias
Conocimiento: definición, formas de representación
Atributos de comportamiento inteligente
La IA está tratando de reproducir estas capacidades en los sistemas computacionales:
• Pensar y razonar.
• Utilizar la razón para solucionar problemas.
• Aprender y comprender con base en la experiencia.
• Adquirir y aplicar conocimiento.
• Mostrar creatividad e imaginación.
• Abordar situaciones complejas y complicadas.
• Responder con rapidez y éxito a nuevas situaciones
• Reconocer la importancia relativa de los elementos en una situación.
• Manejar información ambigua, incompleta o errónea.
© Ing. Carmen Rosa Peña Enciso
Características Inteligentes:
Resolución de problemas
Comprensión de lenguaje natural
Aprendizaje
Razonamiento
Percepción (visión y habla)
© Ing. Carmen Rosa Peña Enciso
Computador inteligente:
• El computador inteligente es aquel que responde a la pregunta mismo que la respuesta no tenga sido almacenada.
• Esto es, con los hechos que fueron almacenados y con un "conocimiento" que fue también almacenado, el deduce una respuesta que no estaba almacenada en su memoria.
• El computador inteligente es aquel que usa IA
© Ing. Carmen Rosa Peña Enciso
Computador inteligente:
Ejemplo:
Hecho 1: Mirna es hija de Sonia.
Hecho 2: Santiago es hijo de Sonia.
Conocimiento 1: hermano o hermana es aquel que es
hijo del mismo padre o madre
Pregunta: ¿Mirna es hermana de Santiago?
Respuesta del Computador: SI.
© Ing. Carmen Rosa Peña Enciso
Visión por computadora: definición y áreas
Es la tarea de procesar una información, de comprender una escena a partir de las imágenes por ella proyectada.
Esta aplicación puede ser dividida en tres áreas:
(i) Procesamiento de Señales ( Imágenes )
Transformar una imagen.
Ejemplo: fotografía de una parte de la tierra por satélites, en una u otra imagen que tenga ciertas propiedades deseadas, saber donde existe plantación de café y si sufrió helada.
(ii) Clasificación de señales
Son hechas en categorías pré-determinadas.
(iii) Entendimiento de señales
Dada una imagen, se construye un programa de entendimiento de
imágenes que contiene una descripción, no solo de la propia
imagen, mas también de la escena que ella retrata.
© Ing. Carmen Rosa Peña Enciso
Sistemas inteligentes: diferencias
© Ing. Carmen Rosa Peña Enciso
Sistemas Inteligentes Sistemas de Procesamiento de
Datos
Procesamiento simbólico
(conocimiento)
Procesamiento numérico (datos)
Estructura de control del
programa independiente del
dominio del conocimiento
(variando el conocimiento no
cambia el programa)
Estructura de control e
informaciones integrados
(cambiando la información
cambia el programa)
Fácil de modificar y actualizar Difícil de modificar
Respuestas satisfactorias son aceptadas
Sólo se admite la mejor solución
posible
Lenguaje Natural: definición
• Estudio y desarrollo de interactuar con el computador con un lenguaje natural.
• La comunicación es hecha en lenguaje computacional, que tiene sintaxis y semántica rígidas y limitadas, mas fáciles de ser usadas por la máquina.
• Ejemplos: Delphi, Visualbasic, C, LISP, CLIPS, PYTHON.
• Para que el computador entienda el Lenguaje Natural (hablado y escrito) es necesario colocar en su interior "conocimientos" del tipo: estructura de las sentencias (gramática); significado de las palabras (diccionario sintáctico); morfología de las palabras; reglas de conversación, etc.
© Ing. Carmen Rosa Peña Enciso
Lenguaje Natural: características
• Sus estructuras de datos deben reflejar de una manera natural y conveniente, ciertas características de los elementos que el programador de IA ve en el problema.
• En sus estructuras de control estos lenguajes deben tener características de multiprocesamiento y "demo" (es un proceso normalmente suspenso, a la espera de un hecho, y que es activado automáticamente en la ocurrencia de este).
• En el aspecto de ambiente de programación, los lenguajes de IA deben ser bastante interactivas, tener un buen editor (se puede crear un programa rápidamente) y finalmente tener facilidades interactivas de depuración (aciertos en el programa).
© Ing. Carmen Rosa Peña Enciso
© Ing. Carmen Rosa Peña Enciso
Introducción a los sistemas basados en el
conocimiento
Agenda:
Introducción
Inteligencia Artificial: definición, evolución y áreas de
aplicación
Sistemas inteligentes: definición, atributos, características y
diferencias
Conocimiento: definición, formas de representación
Conocimiento: formas de representación
• Son métodos usados para "modelar" en forma
eficiente los conocimientos de especialistas en alguna
área del saber, de forma que pueda ser usado por el
usuario de un sistema inteligente.
• El conocimiento puede ser considerado como una
entidad simbólica -> Procesamiento simbólico:
Red Semántica o Grafo
Registro
Predicado
Red de inferencias
Otros
© Ing. Carmen Rosa Peña Enciso
Red Semántica o Red de proposiciones
• Forma de conocimiento declarativo porque
establecen hechos.
• La estructura de la red se muestra gráficamente
en términos de nodos y los arcos como vínculos o
bordes.
• Los vínculos se utilizan para expresar relaciones
entre objetos.
• Los nodos representan objetos físicos, conceptos
o situaciones.
© Ing. Carmen Rosa Peña Enciso
Red Semántica o Red de proposiciones
© Ing. Carmen Rosa Peña Enciso
Ejemplo
- Juan es hijo de Raúl y Susy
- Juan estudia Ing. de Sistemas
Susy Juan
Ing. de
Sistemas
Raúl Es hijo
Es hijo
Estudia
Registro
• Los objetos y relaciones se representan mediante
una colección de datos simples llamados campos
o átomos.
• Un campo o átomo puede ser una colección de
campos.
© Ing. Carmen Rosa Peña Enciso
Ejemplo
- Juan es hijo de Raúl y Susy
- Juan estudia Ing. de Sistemas
(Juan (es hijo de Raúl) (es hijo de Susy)
(estudia Ing. de Sistemas))
Predicado
© Ing. Carmen Rosa Peña Enciso
• Cada relación se representa como un predicado o
función de valores lógicos y con argumentos los
objetos:
• Relación (objeto1, objeto2,...,)
• Esta función asume valor verdadero o falso, según se
verifique o no para los objetos involucrados.
Ejemplo
- Juan es hijo de Raúl y Susy
- Juan estudia Ing. de Sistemas
Hijo (Juan, Susy) Verdadero
Hijo (Juan, Raúl) Verdadero
Estudia (Juan, Ing. de Sistemas) Verdadero
Hijo (Juan, María) Falso
Red de Inferencias
© Ing. Carmen Rosa Peña Enciso
alerta evacuación
lluvia cambio nivel
estación
previsión precipitaciones mes
R16
R3 R18
R6
R5
R4
R17 R1 R2 R13
R14 R15
R11
R12
R10 R9 R8
R7
altura
¿La siguiente figura es una Red Semántica?
¿Qué representa?
San Francisco Chicago Nueva York
Los Angeles
Indianápolis
Houston
Ejemplos
© Ing. Carmen Rosa Peña Enciso
¿La siguiente figura es una Red Semántica? ¿Qué muestran los vínculos? ¿Qué
se puede inferir entre Juana y Pedro?
Construya los hechos. Represente el conocimiento como Registro y predicado.
Juana Pedro Ana
Rosa
María
David
Tomás
hermana de
esposa de
esposo de
esposa de
esposo de
madre de padre de
madre de
padre de
esposa de
esposo de
madre de
padre de
© Ing. Carmen Rosa Peña Enciso
redonda globo Manejo a
propulsión
Dirigible
Goodyear Fuerza
Aérea 1
Jet
Concorde
tiene forma
Aeronave
DC-9
un_ tipo_de
DC-3
Elipsoidal
dirigible Especial
tiene forma
Espíritu de
San Luis
es_un es_un es_un
un_tipo_de : relaciona nodos genéricos con
nodos genéricos.
es_un : relaciona un caso o un individuo
con una clase genérica
un_ tipo_de
un_ tipo_de
un_ tipo_de un_ tipo_de un_ tipo_de
un_ tipo_de un_ tipo_de
un_ tipo_de
Red semántica
mediante guiones
© Ing. Carmen Rosa Peña Enciso
Red Semántica aplicado a Sistemas de Comunicación
© Ing. Carmen Rosa Peña Enciso
Red Semántica: Inteligencia artificial, dimensiones de la IA,
aplicaciones de IA, sistemas inteligentes según sectores
© Ing. Carmen Rosa Peña Enciso
Red Semántica: compra de computadora
© Ing. Carmen Rosa Peña Enciso
Red Semántica aplicado a Tecnologías de Comunicación
© Ing. Carmen Rosa Peña Enciso
H
Y
A B C
D E
Y F
G J
Y
K L
Y
R1: ABCH
R2: DEA
R3: FB
R4: GJC
R5: KLD
Red de inferencia asociado a reglas
© Ing. Carmen Rosa Peña Enciso
© Ing. Carmen Rosa Peña Enciso
Conjunto de reglas que puede producir más de una
conclusión final
Red Semántica aplicado a los medios de transmisión
© Ing. Carmen Rosa Peña Enciso
Tarea N° 1 (individual)
Construya una red semántica que muestre el
conocimiento de Data Centers como definición, uso,
características, tipos, componentes, equipamiento,
marcas, modelos, servicios que brinda, proveedores,
niveles, etc.
Debe utilizar guiones: un_tipo_de, es_un, así como
vínculos que muestren dicho conocimiento.
© Ing. Carmen Rosa Peña Enciso