Marco (inteligencia artificial)

Un ejemplo sencillo de conceptos modelados en un lenguaje marco es la ontología Friend of A Friend (FOAF, por sus siglas en inglés), definida como parte de la Web Semántica como base para sistemas de redes sociales y calendarios.

El marco principal en este sencillo ejemplo es una Persona .

Algunos ejemplos de campos que se pueden incluir son el correo electrónico de la persona , su página web, su teléfono, etc.

Los intereses de cada persona pueden representarse mediante marcos adicionales que describan el ámbito de los negocios y el entretenimiento.

La ranura conoce vínculos entre cada persona y otras personas.

Los valores predeterminados para los intereses de una persona pueden inferirse a partir de la red de personas con las que es amiga. ^{[ 2 ]}

Los primeros lenguajes basados ​​en marcos se desarrollaron a medida para proyectos de investigación específicos y no se comercializaron como herramientas para que otros investigadores pudieran reutilizarlas.

Al igual que con los motores de inferencia de sistemas expertos , los investigadores pronto se dieron cuenta de las ventajas de extraer parte de la infraestructura central y desarrollar lenguajes de marco de propósito general que no estuvieran vinculados a aplicaciones específicas.

Uno de los primeros lenguajes de marcos de propósito general fue KRL. ^{[ 3 ]} Uno de los lenguajes de marcos iniciales más influyentes fue KL-ONE . ^{[ 4 ]} KL-ONE dio origen a varios lenguajes de marcos posteriores.

Uno de los sucesores más utilizados de KL-ONE fue el lenguaje Loom desarrollado por Robert MacGregor en el Instituto de Ciencias de la Información . ^{[ 5 ]}

En la década de 1980, la inteligencia artificial generó un gran interés en el mundo empresarial, impulsado por los sistemas expertos . Esto propició el desarrollo de numerosos productos comerciales para la creación de sistemas basados ​​en el conocimiento. Estos primeros productos solían desarrollarse en Lisp e integraban construcciones como las reglas IF-THEN para el razonamiento lógico con jerarquías de marcos para la representación de datos.

Una de las herramientas de base de conocimiento Lisp más conocidas de la época fue el Knowledge Engineering Environment (KEE) de Intellicorp . KEE proporcionaba un lenguaje Frame completo con herencia múltiple, ranuras, disparadores, valores predeterminados y un motor de reglas que admitía encadenamiento hacia atrás y hacia adelante. Al igual que la mayoría de las primeras versiones comerciales de software de IA, KEE se implementó originalmente en Lisp en plataformas de máquinas Lisp, pero finalmente se adaptó a PC y estaciones de trabajo Unix . ^{[ 6 ]}

La agenda de investigación de la Web Semántica generó un renovado interés en la clasificación automática y los lenguajes de marcos. Un ejemplo es el estándar Web Ontology Language (OWL) para describir la información en Internet. OWL es un estándar que proporciona una capa semántica sobre Internet. El objetivo es que, en lugar de buscar en la web mediante palabras clave, como hacen la mayoría de los motores de búsqueda (por ejemplo, Google) hoy en día, la web se organice por conceptos estructurados en una ontología, como una estructura de directorios.

El nombre del lenguaje OWL es un buen ejemplo del valor de la Web Semántica. Si hoy en día se buscara "OWL" en internet, la mayoría de los resultados tratarían sobre el búho, en lugar del lenguaje OWL estándar . Con la Web Semántica, sería posible especificar el concepto "Lenguaje de Ontología Web" y el usuario no tendría que preocuparse por los diversos acrónimos o sinónimos durante la búsqueda. Del mismo modo, el usuario no tendría que preocuparse por los homónimos que saturan los resultados con datos irrelevantes, como información sobre aves rapaces, tal como en este sencillo ejemplo.

Además de OWL, entre los diversos estándares y tecnologías relevantes para la Web Semántica, influenciados por los lenguajes de marcos, se incluyen OIL y DAML . La herramienta de software de código abierto Protege, de la Universidad de Stanford, ofrece una capacidad de edición de ontologías basada en OWL y con todas las funcionalidades de un clasificador. Sin embargo, dejó de admitir marcos explícitamente a partir de la versión 3.5 (que se mantiene para quienes prefieren la orientación de marcos), siendo la versión actual la 5.6.8 (a fecha de 2025). La justificación para abandonar los marcos explícitos es que OWL DL es más expresivo y un "estándar de la industria". ^{[ 7 ]}

Los lenguajes de marcos tienen una superposición significativa con los lenguajes orientados a objetos . Si bien la terminología y los objetivos de ambas comunidades eran diferentes, al pasar del ámbito académico y los laboratorios al mundo comercial, los desarrolladores tendieron a despreocuparse de las cuestiones filosóficas y se centraron principalmente en funcionalidades específicas, tomando lo mejor de cada enfoque, independientemente de su origen. Lo que ambos paradigmas tienen en común es el deseo de reducir la distancia entre los conceptos del mundo real y su implementación en software. De este modo, ambos paradigmas llegaron a la idea de representar los objetos de software primarios mediante taxonomías , comenzando con tipos muy generales y progresando hacia tipos más específicos.

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

La principal diferencia entre ambos paradigmas radicaba en el grado de importancia que se le otorgaba a la encapsulación . 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 ende, gestionar sistemas complejos de gran tamaño, fue un factor clave en el desarrollo de la tecnología orientada a objetos. Para el ámbito de los lenguajes de marco, este requisito era menos crítico que el deseo de proporcionar una amplia gama de herramientas para representar reglas, restricciones y lógica de programación. En el mundo orientado a objetos, todo se controla mediante métodos y su visibilidad. Por ejemplo, el acceso al valor de una propiedad de un objeto debe realizarse mediante un método de acceso. Este método controla aspectos como la validación del tipo de datos y las restricciones sobre el valor que se recupera o se establece en la propiedad. En los lenguajes de marco, este mismo tipo de restricciones podía gestionarse de diversas maneras. Se podían definir disparadores que se activaran antes o después de que se estableciera o recuperara un valor. También se podían definir reglas que gestionaran el mismo tipo de restricciones. Las ranuras en sí mismas podrían ampliarse con información adicional (denominada "facetas" en algunos idiomas), nuevamente con el mismo tipo de información de restricción.

La otra diferencia principal entre los lenguajes de marcos y los lenguajes orientados a objetos (OO) era la herencia múltiple (que permitía que un marco o clase tuviera dos o más superclases). Para los lenguajes de marcos, la herencia múltiple era un requisito. Esto se deriva del deseo de modelar el mundo como lo hacen los humanos; las conceptualizaciones humanas del mundo rara vez se ajustan a taxonomías rígidamente definidas y no superpuestas. Para muchos lenguajes OO, especialmente en los últimos años de la OO, la herencia simple era muy deseada o incluso requerida. La herencia múltiple se consideraba un posible paso en la fase de análisis para modelar un dominio, pero algo que debía eliminarse en las fases de diseño e implementación en aras de mantener la encapsulación y la modularidad . ^{[ 8 ]}

Aunque los primeros lenguajes de trama como KRL no incluían el paso de mensajes , impulsados ​​por las demandas de los desarrolladores, la mayoría de los lenguajes de trama posteriores (por ejemplo, Loom, KEE) incluyeron la capacidad de definir mensajes en tramas. ^{[ 9 ]}

En el ámbito de la programación orientada a objetos, también han surgido estándares que proporcionan esencialmente la misma funcionalidad que los lenguajes de marcos, aunque en un formato diferente y estandarizados en bibliotecas de objetos. Por ejemplo, el Object Management Group ha estandarizado especificaciones para capacidades como la asociación de datos de prueba y restricciones con objetos (análogas a los usos comunes de facetas en Frames y a las restricciones en lenguajes de marcos como Loom) y para la integración de motores de reglas. ^{[ 10 ] [ 11 ]}

Gran parte de la investigación inicial sobre el lenguaje de marcos (por ejemplo, Schank y Abelson) se basó en hallazgos de la psicología experimental e intentos de diseñar herramientas de representación del conocimiento que correspondieran a los patrones que se creía que los humanos utilizaban para desenvolverse en sus tareas cotidianas. Estos investigadores estaban menos interesados ​​en la formalidad matemática, ya que consideraban que tales formalismos no eran necesariamente buenos modelos para la forma en que el ser humano promedio conceptualiza el mundo. Por ejemplo, la forma en que los humanos usan el lenguaje dista mucho 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 más tarde daría lugar a recursos computacionales como FrameNet . ^{[ 17 ]} La semántica de marcos fue motivada por reflexiones sobre el lenguaje humano y la cognición humana.

Por otro lado , investigadores como Ron Brachman querían brindar a los investigadores de IA el formalismo matemático y la potencia computacional asociados con la lógica. Su objetivo era mapear las clases, ranuras, restricciones y reglas de un lenguaje de marcos a la teoría de conjuntos y la lógica. Una de las ventajas de este enfoque es que la validación e incluso la creación de los modelos podrían automatizarse mediante demostradores de teoremas y otras capacidades de razonamiento automatizado. La desventaja radicaba en que podría resultar más difícil especificar inicialmente el modelo en un lenguaje con semántica formal.

Esta evolución también ilustra una división clásica en la investigación de IA conocida como la de los " ordenados frente a los desaliñados ". Los "ordenados" eran investigadores que valoraban más la precisión matemática y el formalismo, que se podían lograr mediante la lógica de primer orden y la teoría de conjuntos . Los "desaliñados" estaban más interesados ​​en modelar el conocimiento en representaciones intuitivas y psicológicamente significativas para los humanos. ^{[ 18 ]}

El enfoque más notable entre los más formales fue el lenguaje KL-ONE . ^{[ 19 ]} Posteriormente, KL-ONE dio origen a varios lenguajes Frame subsiguientes. La semántica formal de lenguajes como KL-ONE les otorgó a estos lenguajes Frame una nueva capacidad de razonamiento automatizado conocida como clasificador . El clasificador es un motor que analiza las diversas declaraciones en el lenguaje Frame: la definición de conjuntos, subconjuntos, relaciones, etc. El clasificador puede deducir automáticamente diversas relaciones adicionales y detectar cuándo algunas partes de un modelo son inconsistentes entre sí. De esta manera, muchas de las tareas que normalmente se ejecutarían mediante encadenamiento hacia adelante o hacia atrás en un motor de inferencia pueden ser realizadas por el clasificador. ^{[ 20 ]}

Esta tecnología es especialmente valiosa para trabajar con Internet. Es un resultado interesante que el formalismo de lenguajes como KL-ONE puede ser más útil para tratar con los datos altamente informales y no estructurados que se encuentran en Internet. En Internet, simplemente no es factible exigir que todos los sistemas se estandaricen en un único modelo de datos. Es inevitable que la terminología se utilice de múltiples formas inconsistentes. La capacidad de clasificación automática del motor de clasificación proporciona a los desarrolladores de IA un conjunto de herramientas potente para ayudar a poner orden y coherencia en una colección de datos muy inconsistente (es decir, Internet). La visión de una Internet mejorada, donde las páginas se ordenan no solo por palabras clave de texto sino por clasificación de conceptos, se conoce como la Web Semántica . La tecnología de clasificación desarrollada originalmente para los lenguajes Frame es un habilitador clave de la Web Semántica. ^{[ 21 ] [ 22 ]} La división "ordenados vs. desaliñados" también surgió en la investigación de la Web Semántica, culminando en la creación de la comunidad Linking Open Data , cuyo enfoque era exponer datos en la Web en lugar de modelarlos.