Sztuczna Inteligencja Reprezentacja wiedzy I Reprezentacja logiczna

Slides:



Advertisements
Podobne prezentacje
Teoria układów logicznych
Advertisements

Wprowadzenie w problematykę związaną z twierdzeniem Gödla
RACHUNEK ZDAŃ.
Systemy Sztucznej Inteligencji
Sztuczna Inteligencja Reprezentacja wiedzy I Logika przybliżona
Wykład 06 Metody Analizy Programów System Hoare
Automatyczne dowodzenie twierdzeń
REGUŁOWO-MODELOWE SKORUPOWE SYSTEMY EKSPERTOWE Część 1
Inteligencja Obliczeniowa Indukcja reguł - modele.
VI Rachunek predykatów
Badania operacyjne. Wykład 2
Logiki (nie)klasyczne
Matematyka Dyskretna, G.Mirkowska, PJWSTK
Sztuczna Inteligencja 2.1 Metody szukania na ślepo
Sztuczna Inteligencja Reprezentacja wiedzy I Logika przybliżona
Sztuczna Inteligencja Reprezentacja wiedzy II
Sztuczna Inteligencja Reprezentacja wiedzy II Ramy i inne Włodzisław Duch Katedra Informatyki Stosowanej UMK Google: Duch.
AUTOMATYCZNE DOWODZENIE TWIERDZEŃ.
Indukcjonistyczna filozofia nauki
Sztuczna Inteligencja Reprezentacja wiedzy I Logika rozmyta
Sztuczna Inteligencja Reprezentacja wiedzy II Systemy produkcyjne Włodzisław Duch Katedra Informatyki Stosowanej UMK Google: W. Duch.
Sztuczna Inteligencja Reprezentacja wiedzy I Wstęp. Włodzisław Duch Katedra Informatyki Stosowanej UMK Google: W. Duch.
Wykład 2: Upraszczanie, optymalizacja i implikacja
Materiały pomocnicze do wykładu
DANE INFORMACYJNE Gimnazjum Nr 43 w Szczecinie ID grupy: 98/38_MF_G2
FUNKTORY Katarzyna Radzio Kamil Sulima.
Główne pojęcia logiki.
PODSTAWY SZTUCZNEJ INTELIGENCJI
Zależności funkcyjne.
Podstawy układów logicznych
Informatyka I Wykład 5 OPERATORY Priorytety i kolejność obliczeń
Podstawy programowania
Informatyka I Wykład 10 WSKAŹNIKI I ADRESY Jerzy F. Kotowski.
Jak wnioskują maszyny? Andrzej Szałas
I. Informacje podstawowe
Paradoksy logiczne i inne 4 marca 2010.
Nie taki diabeł straszny czyli o zadaniach: wykaż , uzasadnij , udowodnij Piotr Ludwikowski.
Metody reprezentacji wiedzy – cz. 2.
Algorytmy.
Rachunki Gentzena Joanna Witoch.
Rozwiązanie zadań do zaliczenia I0G1S4 // indeks
Podstawowe pojęcia rachunku zdań
Metody zapisu wiedzy.
PRZYGOTOWALI Bartosz Pawlik Daniel Sawa Marcin Turbiński.
Semantyczna teoria prawdy Tarskiego
Grażyna Ziobro-Marcinkiewicz
Wnioskowanie w systemach sztucznych
Zagadnienia AI wykład 2.
KNW- Wykład 3 Powtórzenie. PROGRAM WYKŁADU NR 3 Przykładowe zadania z logiki Modele możliwych światów.
Metody zapisu wiedzy.
PHP Instrukcja warunkowa if Damian Urbańczyk. Warunek? Instrukcję warunkową wykorzystujemy wtedy, gdy chcemy sprawdzić pewien fakt, który może być prawdziwy.
Systemy wspomagające dowodzenie twierdzeń
Metody Sztucznej Inteligencji – technologie rozmyte i neuronowe Wnioskowanie Mamdani’ego - rozwinięcia  Dr hab. inż. Kazimierz Duzinkiewicz, Katedra Inżynierii.
Wstęp do programowania Wykład 10 Programowanie w logice.
ZDANIE.
PRAWA LOGIKI RACHUNKU ZDAŃ. 2 FUNKCJA LOGICZNA funkcja zdaniowa, która zbudowana jest jedynie z tałych logicznych i zmiennych (zdaniowych lub nazwowych).
KNW K Konwencjonalne oraz N Niekonwencjonalne metody W Wnioskowania.
KNW - wykład 3 LOGIKA MODALNA.
Pojęcia podstawowe c.d. Rachunek podziałów Elementy teorii grafów
Funktory zdaniotwórcze ekstensjonalneintensjonalne.
Metody sztucznej inteligencji - Technologie rozmyte i neuronowe 2015/2016 Systemy rozmyte – wnioskowanie Mamdani’ego II © Kazimierz Duzinkiewicz, dr hab.
Nawracanie i odcięcie Jakub Czoboda, Jezierski Aleksander, Skierkowski Paweł, Bembenista Kamil, Martynowski Witold.
Prolog Tutorial Introduction
Funktory prawdzwościowe
Typy wyliczeniowe, kolekcje
Logika dla prawników Tautologia.
Rekonstrukcja argumentu
Sztuczna Inteligencja Reprezentacja wiedzy I Reprezentacja logiczna
Instrukcja warunkowa if
Sztuczna Inteligencja Reprezentacja wiedzy I Logika przybliżona
Zapis prezentacji:

Sztuczna Inteligencja Reprezentacja wiedzy I Reprezentacja logiczna Włodzisław Duch Katedra Informatyki Stosowanej UMK Google: W. Duch

Reprezentacja logiczna - wstęp Logika – długie tradycje, „prawa myślenia” Boole’a. Notacja logiczna pozwala wyrazić wiedzę przez deklaracje. Notacja logiczna pozwala prowadzić rozumowania. Czasami taka rep. jest naturalna, np. szukanie w Google: Duch AND neural: {p Î WebPages|contain(p,Duch) & contain(p,neural)} = {p Î WebPages|contain(p,Duch))} Ç {p Î WebPages|contain(p,neural)} Znaczenie A  B wynika ze znaczenia składników i jest niezależne od kontekstu.

Rachunek zdań Zdania mogą być prawdziwe lub nie, reprezentują fakty. Zdania stanowią zbiór, do którego należą również zdania otrzymane przez zastosowanie operatorów logicznych: ~ nieprawda  koniunkcja, i  alternatywa  implikacja Do zdań można stosować kwantyfikatory:  dla wszystkich  istnieje Rachunek zdań pozwala na wnioskowanie na kilka sposobów.

Logika predykatów W logice zdań nie da się np. zapisać: „Wszystkie koty są czarne”. Potrzebna jest logiczna reprezentacja stwierdzeń o obiektach, ich własnościach, relacjach i funkcjach. Logika predykatów to logika stwierdzeń mających za argumenty obiekty, np. ja, człowiek, kartka. Predykaty mają argumenty i wartość logiczną. Predykat jest-czerwony(x), większy-od(x,y), lżejszy-od(x,y) Predykat isa, czyli „jest członkiem”. Logika predykatów dopuszcza kwantyfikatory.

Reprezentacja logiczna x, Ptak(x), czyli istnieje przynajmniej jedno takie x, że Ptak(x)=T. „Każdy ptak ma skrzydła” można zapisać jako: x, Ptak(x) => MaSkrzydła(x) Wnioskowanie: z prawdziwych faktów => nowe, prawdziwe fakty. x. Wróbel(x) => Ptak(x) to x .Wróbel (x) => MaSkrzydła (x) Reguły wnioskowania nie zależą od konkretnej wiedzy.   Jeśli P  Q, oraz Q  R, to P  R

Tablice Logiczne Tablice wartości logicznych: zbadaj wszystkie wartości zmiennych logicznych. Dla n zmiennych 2n kombinacji – zadanie NP-trudne. P Q ~P ~PQ PQ ~PQ=(PQ) T F Co jeśli n=100? Trzeba sprawdzić > 1030 możliwości. Tablice przydają się w stosunkowo prostych przypadkach.

Tablice semantyczne Utwórz graf zamieniając znane fakty logiczne na gałęzie. Dodaj zaprzeczenie konkluzji i sprawdź, czy we wszystkich gałęziach pojawią się sprzeczności.

Rozumowanie Logiczne -Dedukcja Dedukcja: kojarz fakty, stosuj reguły oderwania: modus ponens (p=>q, p=T to q=T) modus tolens (p=>q, q=F to p=F) podstawienia and/or, eliminacji and/or, używaj rezolucji. a  b  b  g  a  g Klauzule Horna to stwierdzenia logiczne, składające się z koniunkcji zdań prostych (atomowych): P1  P2 ..  Pn  Q Dzięki rezolucji możliwe jest (Robinson 1965) wnioskowanie w czasie wielomianowym!

Logika Pierwszego Rzędu Mamy nie tylko fakty (zdania), ale obiekty i ich własności. Obiekty: ludzie, domy, kolory, liczby, filmy ... Relacje, własności i funkcje. Funkcje(obiekt) lub Operatory:obiekt mają argumenty, zwracają inne obiekty. Równość obiektów w sensie predykatów: X=Y jeśli P mamy P(X)=P(Y). Literał: zdanie lub predykat, najmniejsza jednostka mająca sens. Term: wyrażenie logiczne stosujące się do obiektu. Zdania atomowe: bez spójników, implikacji, zaprzeczeń. FOL: kwantyfikatory   stosowane są tylko do obiektów, a nie do predykatów (funkcji, relacji).   FOL nie uwzględnia kategorii, czasu, zdarzeń.

Własności Logiki Pierwszego Rzędu  FOL, First Order Logic Nie można w niej dowieść fałszywego twierdzenia. Wszystkie prawdziwe twierdzenia mają dowód. Logika pierwszego rzędu i rachunek predykatów pierwszego rzędu mają ograniczone możliwości ekspresji. Np. w FOL nie można zapisać stwierdzenia: „Wszystkie predykaty mają jeden argument”. Logiki wyższego rzędu (HOL, Higher-Order Logic) są trudne w implementacji. Równość predykatów: jeśli zawsze f(x)=g(x) to f=g.

Przykłady stwierdzeń FOL Jeśli samochód należy do Karola, to jest on zielony. posiada(Karol, auto-1) ® kolor(auto-1, zielony) "X auto(X)  posiada(Karol, X) ® kolor(X, zielony) Mirek gra na gitarze lub na skrzypcach gra_na_inst(Mirek, gitara) Ú gra_na_inst(Mirek, skrzypce) Niektórzy ludzie lubią żmije. $X (człowiek(X)  lubi(X, żmija)) $X (człowiek(X)  "Y (żmija(Y) ® lubi(X, Y))) Często zapis nie jest jednoznaczny.

Procedura unifikacji Kiedy dwa stwierdzenia są równoważne? P  (Q Ú R) ® S = P  (Q Ú R) ® S  P  (S  Q) ® R Zmienne w predykatach komplikują zadanie gra_na_inst(X, Y) Ú gra_na_inst(Mirek, skrzypce) if X=Mirek, Y=skrzypce Unifikacja: algorytm sprawdzania równoważności stwierdzeń rachunku zdań, próba sprowadzenia ich do tej samej formy przez podstawienie unifikującej wartości, np. A=B, B=x, unifikuje A i B z x, lub f(A)=f(B) unifikuje A z B. Czy zdania p(X,X) i p(Y,Z) są jednakowe? Podstaw X/Y – czyli X za Y; Podstaw X/Z – czyli X za Z Czasami konieczne jest podstawienie funkcji za zmienną człowiek(X) ® śmiertelny(X); człowiek(ojciec(Jana))/X człowiek(ojciec(Jana)) ® śmiertelny (ojciec(Jana))

CNF, postać normalna Literał: zdanie p lub zaprzeczenie  p Klauzula: koniunkcja literałów. Postać normalna (conjunctive normal form, CNF): koniunkcja klauzul. Eliminowany jest operator  stosując równoważność p  q oraz  p Ú q; Rozwijane są wyrażenia z negacją np.  (p Ú q) przechodzi w  p   q Zmienne opisywane przez różne kwantyfikatory otrzymują różne nazwy. Wszystkie kwantyfikatory przesuwa się na początek zachowując porządek.

CNF, postać normalna cd. Skolemizacja: pozwala na usunięcie wszystkich kwantyfikatorów $, np. $x P(x) zamieniany na P(A); " x: Osoba(x) ® $ y Serce(y)  Ma(x,y) " x: Osoba(x) ® Serce(F(x))  Ma(x, F(x)) Pozostają tylko uniwersalne kwantyfikatory "; można je opuścić. Przekształcić na koniunkcję wyrażeń zawierających tylko alternatywy. Każdy człon koniunkcji stanowi osobną klauzule, wszystkie muszą być spełnione. Zmienne każdej z klauzuli otrzymują swoje odrębne nazwy. Wynik: CNF, zbiór klauzul, które są alternatywą literałów.

Metoda rezolucji. Metoda rezolucji: iteracyjny dowód przez sprzeczność; podstawowa metoda stosowana w Prologu. Rezolucja: (P  Q)  ( Q  R)  (P  R) Zamieniamy negację  p (dowodzonego zdania) na klauzule: dokonujemy rezolucji jednej pary klauzul (zamieniając ją na pojedynczą klauzulę); wybieramy parę klauzul z aksjomatów i negacji p Jeśli klauzula jest pusta to mamy sprzeczność, np. wyrażenie q   q daje pustą klauzulę Chcemy znaleźć przypadek w którym nie da się utrzymać, że wszystkie klauzule są jednocześnie prawdziwe.

Przykład. "x, " c, " h, kolor(x, c) Ů masa(x, h) ® przedmiot(x). Obiekt x jest przedmiotem jeśli ma kolor i masę. kolor(złoto, żółty), masa(złoto, ciężkie). Forma CNF: A1: "x, " c, " h,kolor(x, c)   masa(x, h)  przedmiot(x) A2: kolor(złoto, żółty); A3: masa(złoto, ciężkie). Dowiedź: przedmiot(złoto) Zakładamy przedmiot(złoto) i szukamy sprzeczności. Rezolucja A1, A2 daje "x, " h, masa(x, h)  przedmiot(x) Rezolucja A3, z wynikiem daje przedmiot(złoto) Sprzeczne z założeniem, qed.

Logika i zdrowy rozsądek Logika klasyczna dostarcza teorii rozumowania opartej na „oczywistych” założeniach. W realnej sytuacji wiedza jest niekompletna, niepewna, ciągle uzupełniana, zmienna w czasie (logika sytuacyjna) Logika niemonotoniczna: dodanie nowej wiedzy może falsyfikować istniejące konkluzje. Stwierdzenia są prawdziwe, fałszywe lub nieokreślone. Nowe fakty mogą być sprzeczne ze starymi. Wnioski z braku faktów, założenia domyślne. Potrzebna jest metoda rozstrzygania konfliktów jeśli wnioski są sprzeczne.

Przykład zastosowania: QA3 QA3, Question and Answer (Green 1969) Program odpowiada na pytania, np. Czy niebieska substancja może być siarczkiem żelaza? Zapis faktów: FeS jest siarczkiem, substancją ciemnoszarą, kruchą. Predykat siarczek-żelaza(), zmienna FeS. Własności FeS: prawdziwe jest siarczek-żelaza(FeS) Ů substancja(FeS) Ů ciemnoszary(FeS) Ů kruchy(FeS) Ů ... Pytanie sprowadza się do dowodu zaprzeczenia: Ř$ X. niebieski(X) Ů siarczek-żelaza(X) Konieczny jest sprawny algorytm szukania.

Przykład zastosowania: STRIPS. STRIPS (Fikes, Hart, Nillson, SRI 1972) Mając robota w punkcie A i skrzynki w punktach B, C, D, zbierz skrzynki razem. Sytuacja opisana jest następująco: AT(Robot,A) AT(Box1,B) Ů AT(Box2,C) Ů AT(Box3,D) Polecenie (cel) brzmi $ X. AT(BOX1,X) ŮAT(BOX2,X)ŮAT(BOX3,X) Dowód konstruktywny <=> sekwencji czynności rozwiązujących zadanie. Stosowany jest rachunek predykatów pierwszego rzędu oraz analiza celów i środków.

Wady i zalety rep. logicznej FOL (First Order Logic, Filman i Weyhrauch 1976) Sprawdza interakcyjnie dowody w zakresie logiki pierwszego rzędu. Istnieją nieliczne programy wychodzące poza FOL. Zalety reprezentacji logicznej: spójność - wszystkie fakty to stwierdzenia logiczne zupełność - można wywnioskować wszystkie prawdziwe stwierdzenia dające się wyrazić w ramach FOL. oddzielenie części epistemologicznej od dedukcyjnej. Wady: problemy z eksplozją kombinatoryczną, niewielka efektywność wnioskowania, niektóre formy wiedzy trudno jest wyrazić za pomocą reprezentacji logicznej.