Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.
-
Upload
raphael-mascarenhas-sintra -
Category
Documents
-
view
213 -
download
2
Transcript of Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.
![Page 1: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/1.jpg)
Page1
DAS-5341: Representação do Conhecimento
e Raciocínio
Prof. Eduardo Camponogara
![Page 2: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/2.jpg)
Page2
Agenda• Aqui estamos interessados em habilidades
de raciocínio lógico em agentes
– Um agente baseado em uma base de conhecimento e lógica começa com algum conhecimento do mundo e de suas próprias ações
– O agente faz uso de dedução lógica para atualizar a descrição do mundo à medida que novas medições de sensores são recebidas, e para deduzir um curso de ação que atingirá o seu objetivo
![Page 3: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/3.jpg)
Page3
Agentes com dedução lógica• Nas próximas transparências, desenvolvemos
o projeto básico de um agente baseado em conhecimento
• A abordagem base-de-conhecimento é uma forma poderosa de se construir o programa do agente– Agentes baseados em conhecimento são
capazes de aceitar novas tarefas na forma de tarefas explícitas
![Page 4: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/4.jpg)
Page4
Agente
AmbienteAgente
percepção
ações
?
Sensores
Atuadores
Como projetar isto?
![Page 5: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/5.jpg)
Page5
Representação Interna: agente com metas
Estado
Am
biente
Agente Sensores
Qual é o estadodo mundo
Que ação devotomar neste agora
Atuadores
Metas
Como que o mundo evolui
Quais são minhas ações
Qual será o estadose eu tomar a ação A
![Page 6: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/6.jpg)
Page6
Agente basedo em conhecimento
• O elemento central de um agente baseado em conhecimento é sua base de conhecimento (knowledge base, KB)– Informalmente, a base de conhecimento é
um conjunto de representações de fatos sobre o mundo
![Page 7: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/7.jpg)
Page7
Base de conhecimento
Descrição do mundo
Conhecimento sobre o estado do mundo
Especificação explícitia do que o agente conhece
![Page 8: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/8.jpg)
Page8
Base de conhecimento• Informalmente, uma base de conhecimento é um
conjunto de representações de fatos sobre o mundo– Cada representação individual é uma sentença– As sentenças são representadas em uma
linguagem dita linguagem de representação do conhecimento
• Deve existir uma forma de adicionar novas sentenças à base, bem como executar buscas– TELL– ASK
![Page 9: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/9.jpg)
Page9
Esqueleto de um agente baseado em conhecimento
função KB-Agente(percepção) retorna açãoestático: KB, uma base de conhecimento
t, um contador que indica o tempo
Tell(KB,constrói-sentença-percepção(percepção))ação <- ASK(KB,constrói-pergunta-ação(t))Tell(KB,constrói-sentença-ação(ação,t))t <- t + 1retorna ação
![Page 10: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/10.jpg)
Page10
Esqueleto de um agente baseado em conhecimento
• constrói-sentença-percepção toma como entrada dados dos sensores e retorna uma sentença representando o “fato” que o agente pecebeu
• constrói-sentença-ação retorna uma sentença que pergunta qual ação será executada
![Page 11: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/11.jpg)
Page11
Três níveis de descrição• A base de conhecimento pode ser descrita em
três níveis– Nível de conhecimento
• Mais abstrata• Descreve um agente em termos do que ele
sabe– Nível lógico
• Nível no qual o conhecimento é codificado em sentenças
• Exemplo: links(HercílioLuz,Florianópolis,SãoJosé)
![Page 12: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/12.jpg)
Page12
Três níveis de descrição• A base de conhecimento pode ser descrita em
três níveis– Nível de implementação
• O nível que executa na arquitetura do agente
• Sentenças tais como Links podem ser representadas na KB como listas de caracteres “links(HercílioLuz,Florianópolis,SãoJosé)”
![Page 13: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/13.jpg)
Page13
Construindo agentes• Abordagem declarativa
– É possível construir um agente baseado em conhecimento dizendo o que ele precisa saber
– O projetista adiciona sentenças que representam seu conhecimento sobre o ambiente
• Abordagem por aprendizado
![Page 14: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/14.jpg)
Page14
O mundo de Wumpus• Um ambiente simples que oferece desafios
suficientes para ilustrar dedução lógica
![Page 15: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/15.jpg)
Page15
O mundo de Wumpus
Wumpus
Agente
Mau cheiro
Vento
Buraco
Prêmio
![Page 16: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/16.jpg)
Page16
O mundo de Wumpus• Para especificar a tarefa de um agente,
devemos definir a percepção, as ações, e os objetivos– Nos quadrados contendo o Wumpus e nos
quadrados diretamente adjacentes, o agente percebe mau cheiro
– No quadrado que contém ouro, o agente percebe brilho
– Quando o agente se move em direção a uma parede, ele sente uma batida
– Quando o Wumpus é morto, ele grita– No quadrado diretamente adjacente a um
buraco o agente percebe vento
![Page 17: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/17.jpg)
Page17
O mundo de Wumpus• A percepção será recebida na forma de uma
lista de símbolos– Exemplo: [mau cheiro, vento, brilho, batida,
grito]– O agente não percebe sua própria localização
• Há ações para se mover para frente, girar 90o à direita, girar 90o à esquerda
• Disparar um dardo em linha reta
• O objetivo do agente é encontrar o ouro e trazê-lo à posição de início o mais rápido possível
![Page 18: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/18.jpg)
Page18
Ambientes gerados aleatoriamente
• Na maioria dos ambientes, existe uma maneira do agente atingir seu objetivo
• Em alguns ambientes, o agente deve decidir entre retornar de mãos vazias ou arriscar a morte pelo Wumpus
• Em 21% dos ambientes o ouro está em um buraco ou cercado por buracos, não havendo portanto maneira de recuperar o ouro
![Page 19: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/19.jpg)
Page19
Agindo e raciocinando no mundo de Wumpus
• Um exemplo mostrará porque um agente eficaz deverá ser dotado de alguma habilidade de dedução lógica
![Page 20: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/20.jpg)
Page20
Mundo de Wumpus
A
4,4
4,3
4,2
4,1
3,4
3,3
3,2
3,1
2,4
2,3
2,2
2,1
1,4
1,3
1,2
1,1
A: Agente
A partir de que não há mau cheiro nem vento, o agente infere que as células (1,2), (1,1) e (2,1) são seguras
![Page 21: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/21.jpg)
Page21
Mundo de Wumpus
Ok
4,4
4,3
4,2
4,1
3,4
3,3
3,2
3,1
2,4
2,3
2,2
2,1
1,4
1,3
1,2
1,1
OK: célula okV: ventoP: buracoVi: visitada
• Na célula (2,1) o agente detecta vento, permitindo que ele deduza que há um buraco em (2,2) e/ou (3,1)
• Há apenas uma célula Ok que não foi visitada
Ok
Ok
AVVi Vi
![Page 22: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/22.jpg)
Page22
Mundo de Wumpus
Ok
4,4
4,3
4,2
4,1
3,4
3,3
3,2
3,1
2,4
2,3
2,2
2,1
1,4
1,3
1,2
1,1
OK: célula okV: ventoP: buracoVi: visitadaM: mau cheiroW: Wumpus
• Na célula (1,2) o agente detecta mau cheiro; uma vez que o Wumpus não pode estar nas células (2,2) e nem em (1,1), o agente conclui que ele está em (1,3)
Ok
OkA
V
P?
P?
M
Vi Vi
Vi
W!
![Page 23: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/23.jpg)
Page23
Mundo de Wumpus
Ok
4,4
4,3
4,2
4,1
3,4
3,3
3,2
3,1
2,4
2,3
2,2
2,1
1,4
1,3
1,2
1,1
A: agenteOK: célula okV: ventoP: buracoVi: visitadaM: mau cheiroW: Wumpus
• A falta de vento na céclula (1,2) indica que não há buraco na célula (2,2), mas apenas na célula (3,1)
Ok
OkA
V
OK
P!
M
Vi Vi
Vi
W!
![Page 24: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/24.jpg)
Page24
Mundo de Wumpus
Ok
4,4
4,3
4,2
4,1
3,4
3,3
3,2
3,1
2,4
2,3
2,2
2,1
1,4
1,3
1,2
1,1
A: agenteOK: célula okV: ventoP: buracoVi: visitadaM: mau cheiroW: Wumpus
• Só há uma célula não visitada que seja segura, (2,2), nesta posição o agente detecta o ouro
Ok
Ok A
V
OK
P!
M
Vi Vi
Vi
W!
Vi
![Page 25: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/25.jpg)
Page25
Representação, Dedução e Lógica
• O objetivo da representação do conhecimento é expressar o conhecimento em computador, de uma forma tratável, de forma que este possa ter bom desempenho
• Uma linguagem de representação é definida por dois elementos:– Sintaxe: descreve as possíveis
configurações que constituem sentenças– Semântica: determina os fatos do “mundo”
referenciados pelas sentenças
![Page 26: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/26.jpg)
Page26
Sintaxe e Semântica• Se a sintaxe e a semântica são definidas
precisamente, então dizemos que a linguagem é uma lógica
Lógica = Sintaxe + Semântica
• A partir da sintaxe e da semântica, podemos produzir um mecanismo de inferência para um agente que usa esta linguagem
![Page 27: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/27.jpg)
Page27
Dedução• Exemplo:
– A sintaxe da linguagem de expressões aritméticas diz que, se x e y são expressões denotando números, então x y é uma sentença sobre números
– A semântica da linguagem diz que se x y é falso quando y é um número maior do que x, e verdadeiro caso contrário
![Page 28: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/28.jpg)
Page28
Sintaxe e Semântica
Sentenças Conclusões(base de conhecimento)
Fatos Fatos
Inferência
Implica
Computador
Mundo real
SemânticaΔ α
Δ α
x y , y z ∣= x zDedução: no nível sintáticoExemplo:
![Page 29: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/29.jpg)
Page29
Derivação• Deseja-se gerar sentenças que são
necessariamente verdadeiras, dados que as sentenças da KB são verdadeiras – Esta relação entre sentenças será dita
derivação
KB |- • A chave para inferência é garantir que os
passos respeitem a semântica das sentenças. – Ou seja, dada uma KB, os passos de
inferência devem derivar novas sentenças que representem fatos que seguem dos fatos da KB
![Page 30: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/30.jpg)
Page30
Derivação• Exemplo:
KB: E = mc2 |- ET = mc2T
• Linguagens lógicas são da mesma natureza que a linguagem da equação acima
![Page 31: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/31.jpg)
Page31
Representação• Duas linguagem familiares para representação
– Linguagens de programação– Linguagem natural
![Page 32: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/32.jpg)
Page32
Linguagens de programação• Adequadas para descrever algoritmos e
estruturas de dados concretas
• Poderíamos utilizar uma grade de 4x4 para representar o mundo de Wumpus
World[2,2] <- buraco – A sentença acima seria natural nesta
linguagem
• Entretanto, as linguagens de programação tipicamente não oferecem uma forma simples de dizer “tem um buraco em [2,2] ou [3,1]”
![Page 33: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/33.jpg)
Page33
Linguagem natural• Linguagem natural é certamente expressiva
• Todavia, linguagens evoluíram de maneira a atender a necessidade de comunicação, não de representação do conhecimento
• Dependência do contexto
![Page 34: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/34.jpg)
Page34
Propriedades de uma linguagem• Uma boa linguagem de representação deve combinar
as vantagens das linguagens naturais e formais – Deve ser expressiva e concisa de forma que se possa
expressar tudo de uma forma sucinta– Deve ser não-ambígua e independente do contexto– Deve ser eficaz, no sentido que um procedimento de
inferência possa gerar novas sentenças
• Várias linguagens foram desenvolvidas com o propósito de satisfazer este critérios– Lógica de primeira ordem (first-order logic)
![Page 35: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/35.jpg)
Page35
Semântica• Em lógica, o significado de uma sentença
consiste no que é dito sobre o mundo, que o mundo é deste jeito e não daquele
• As linguagens com as quais vamos trabalhar são composicionais– O significado de uma sentença é função do
significado das partes– Da mesma forma que x2 + y2 está
relacionado ao significado de x2 e y2
![Page 36: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/36.jpg)
Page36
Inferência• Os termos “raciocínio” e “inferência”
geralmente se referem a processos através dos quais conclusões são obtidas– Estamos interessados em raciocínio
plausível, o qual chamamos de inferência lógica ou dedução
![Page 37: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/37.jpg)
Page37
Validação e Satisfação• Uma sentença é válida ou necessariamente
verdadeira se, e somente se, ela é verdadeira qualquer que seja a interpretação
• Exemplo:– “Há mau cheiro na célula [1,1] ou não há
mau cheiro na célula [1,1]”
![Page 38: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/38.jpg)
Page38
Observações• Inferência lógica pode ser usada para derivar
conclusões válidas mesmo quando o computador não conhece a interpretação
• O computador retorna apenas conclusões válidas, que devem ser verdadeiras qualquer que seja a interpretação
• Uma vez que você conhece a interpretação, a conclusão terá sentido
![Page 39: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/39.jpg)
Page39
LógicasUma lógica consiste do seguinte• Um sistema formal que descreve o estado,
consistindo em:– a sintaxe da linguagem, que descreve
como sentenças são construídas– a semântica da linguagem, que descreve
como as sentenças se relacionam aos fatos
Uma teoria de prova• Um conjunto de regras para dedução das
derivações de um conjunto de sentenças
![Page 40: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/40.jpg)
Page40
Lógica Proposicional• Símbolos representam sentenças completas
(fatos)– Ex:
• D pode ter a interpretação “O Wumpus está morto”
• Símbolos proposicionais podem ser combinados usando conetivos Booleanos para gerar sentenças com significado mais complexo
![Page 41: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/41.jpg)
Page41
Lógica de Primeira Ordem• Representa o mundo em termos de objetos e
predicados sobre os objetos, fazendo uso de conetivos e quantificadores, o que nos permite escrever sentenças sobre qualquer coisa
• Lógica de primeira ordem captura grande parte do conhecimento que temos sobre o mundo, e tem sido estudada por mais de 100 anos
![Page 42: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/42.jpg)
Page42
Observações• Lógica proposicional
– Assume que fatos são verdadeiros ou falsos
• Lógica de primeira ordem– Assume que o mundo consiste de objetos
com certas relações entre eles, que podem ser verdadeiras ou não
• Lógica temporal– Assume que o mundo é ordenado através
de um conjunto de pontos no tempo
![Page 43: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/43.jpg)
Page43
Observações
Grau de certezaGrau de veracidade
Teoria Fuzzy
Grau de certezaFatosTeoria das probabilidades
Verdadeiro/falso/desconhecido
Fatos, objetos, relações, tempo
Lógica temporal
Verdadeiro/falso/desconhecido
Fatos, objetos, relações
Lógica de primeira ordem
Verdadeiro/falso/desconhecido
FatosLógica proposicional
Crença de um agente sobre fatos
O que existe no mundo
Linguagem
![Page 44: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/44.jpg)
Page44
Lógica proposicional• A despeito de sua limitada capacidade de
expressão, a lógica proposicional pode ser utilizada para ilustrar muitos conceitos de lógica
![Page 45: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/45.jpg)
Page45
Lógica Proposicional: Sintaxe• Sentença -> Sentença_Atômica
| Sentença_Complexa• Sentença_Atômica -> True | False | P | Q | R ...• Sentença_Complexa -> ( Sentença )
| Sentença Conetivo Sentença | Sentença
• Conetivo -> | | |
![Page 46: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/46.jpg)
Page46
Lógica Proposicional: Semântica• A semântica da lógica proposicional também é
simples– A semântica é definida através da
especificação da interpretação dos símbolos proposicionais e constantes
– E da interpretação dos conetivos
![Page 47: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/47.jpg)
Page47
Lógica Proposicional: Semântica• A interpretação de P pode ser o fato de que
– “Paris é a capital da França” ou – “Wumpus está morto”
• Cada conetivo pode ser pensado como uma função– Da mesma forma que o operador “+” toma
duas entradas e retorna um número, o operador “and” toma dois símbolos proposicionais e retorna verdadeiro ou falso
![Page 48: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/48.jpg)
Page48
Validade e Inferência• Tabelas verdade podem ser utilizadas para
testar a validade de sentenças
• Exemplo:((P H) H) P
TFTTTTTTFTTFTTFTFFFF
((P H) H) P((P H) H)P HHP
![Page 49: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/49.jpg)
Page49
Tabela Verdade• Para cada linha, calcula-se o valor verdade da
sentença completa– Se a sentença é verdadeira em cada linha,
então a sentença é válida
• Se uma máquina tem algumas premissas e uma possível conclusão, então ela pode determinar se a conclusão é válida– Basta construir uma tabela verdade para a
sentença
Premissas Conclusões
![Page 50: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/50.jpg)
Page50
Complexidade da Lógica Proposicional
• O método de inferência baseado na tabela verdade é completo– É possível enumerar todas as 2n linhas de
uma proposição envolvendo n variáveis
• Cook (1971) desenvolveu a teoria da completude, onde mostra que o problema de satisfazer um conjunto de sentenças é NP-Completo e, portanto, improvável de se obter um algoritmo de tempo polinomial
![Page 51: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/51.jpg)
Page51
Complexidade da Lógica Proposicional
• Há uma classe de sentenças para as quais se conhece um algoritmo de tempo polinomial.– Essa classe é dita classe de Horn
• Uma sentença tipo Horn tem a formaP1 P2 ... Pn Q
![Page 52: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/52.jpg)
Page52
O Mundo de Wumpus
Wumpus
Agente
Mau cheiro
Vento
Buraco
Prêmio
![Page 53: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/53.jpg)
Page53
Um agente para o mundo de Wumpus
• A cada passo, os valores dos sensores são convertidos em sentenças e adicionados à base de dados, juntamente com sentenças derivadas– V: vento– M: mau cheiro– W: Wumpus
![Page 54: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/54.jpg)
Page54
Configuração Inicial
Ok
4,4
4,3
4,2
4,1
3,4
3,3
3,2
3,1
2,4
2,3
2,2
2,1
1,4
1,3
1,2
1,1
A: agenteOK: célula okV: ventoP: buracoVi: visitadaM: mau cheiroW: Wumpus
Ok
OkA
V
OK
P!
M
Vi Vi
Vi
![Page 55: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/55.jpg)
Page55
Base de Conhecimento
• Base de conhecimento inicialM1,1 V1,1
M2,1 V2,1
M1,2 V1,2
![Page 56: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/56.jpg)
Page56
Base de Conhecimento
• O agente também precisa de conhecimento sobre o ambiente.
• O agente sabe que se uma célula não tem cheiro ruim, então o Wumpus não está na vizinhança
R1: M1,1 W1,1 W1,2 W2,1
R2: M2,1 W1,1 W2,1 W2,2 W3,1
R3: M1,2 W1,1 W1,2 W2,2 W1,3
![Page 57: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/57.jpg)
Page57
Outros fatos• Se há mau cheiro em [1,2], então o Wumpus
deve estar em [1,2] ou em uma célula adjacente
R4: M1,2 W1,3 W1,2 W2,2 W1,1
• O objetivo do agente é encontrar o Wumpus
![Page 58: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/58.jpg)
Page58
Encontrando o Wumpus• Dadas as sentenças acima, o agente pode
concluir W1,3 (Wumpus está na célula [1,3])• Basta o agente construir a tabela verdade para
a sentençaKB |= W1,3
• Qual seria a dificuldade?
![Page 59: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/59.jpg)
Page59
Encontrando o Wumpus• Existem doze símbolos proposicionais,
portanto a tabela verdade teria 212 = 4096 linhas– Teríamos de verificar se em cada linha em
que KB é verdadeira se W1,3 também é verdadeiro
![Page 60: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/60.jpg)
Page60
Inferência através das regras• Em vez de utilizar a tabela verdade, vamos
utilizar regras de inferência para se concluir W1,3
• A partir de M1,1 e R1, R1: M1,1 W1,1 W1,2 W2,1,
obtemos:W1,1 W1,2 W2,1
1. Assim obtemosW1,1 W1,2 W2,1
![Page 61: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/61.jpg)
Page61
Inferência através das regras• A partir de M2,1 e R2,
R2: M2,1 W1,1 W2,1 W2,2 W3,1,obtemos:W2,1
W2,2
W3,1
• A partir de M1,2 e R4, R4: M1,2 W1,3 W1,2 W2,2 W1,1, obtemos: W1,3 W1,2 W2,2 W1,1
![Page 62: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/62.jpg)
Page62
Inferência através das regras1. Aplicando resolução nas proposições abaixo
W1,3 W1,2 W2,2 W1,1
W1,1 obtemos:
W1,3 W1,2 W2,2
2. Aplicando resolução nas proposições abaixo W1,3 W1,2 W2,2
W2,2 obtemos:
W1,3 W1,2
![Page 63: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/63.jpg)
Page63
Inferência através das regras1. Finalmente, aplicando resolução em
W1,3 W1,2
W1,2 obtemos:
W1,3
![Page 64: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/64.jpg)
Page64
Transformando conhecimento em ação
• Conhecimento é útil apenas se ele ajuda o agente a tomar ações. – Para que isto seja feito, vamos necessitar de
regras adicionais que relacionam o estado corrente do mundo para ações a serem tomadas
• Exemplo:– Se o Wumpus está na célula à frente, então é
uma má idéia avançar nesta direção– Podemos expressar isto com uma série de
regras, uma para cada localização e orientaçãoA1,1 EastA W2,1 Forward
![Page 65: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/65.jpg)
Page65
Transformando conhecimento em ação
• Uma vez que tenhamos regras, tais como a regra acima, precisamos perguntar à base de dados que ação deve ser tomada.– A Lógica Proposicional não é poderosa o
suficiente para expressar a questão: “Que ação devo tomar?”
![Page 66: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/66.jpg)
Page66
Transformando conhecimento em ação
• Todavia, Lógica Proposicional pode responder questões como:– “Devo avançar?”– “Devo girar para à direita?”
![Page 67: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/67.jpg)
Page67
Problemas com o agente proposicional
• Lógica proposicional é tão fraca que ela não consegue tratar um domínio tão simples, quanto o mundo de Wumpus– O problema é que existe um número
excessivo de proposições– A regra simples “não vá para frente se o
Wumpus está na sua frente” é expressa em lógica proposicional por meio de 64 sentenças (16 células x 4 orientações)
![Page 68: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/68.jpg)
Page68
Problemas com o agente proposicional
• Outro problema é lidar com a dinâmica– Quando um agente faz o primeiro
movimento, a proposição A1,1 se torna falsa e A2,1 se torna verdadeira
– Pode ser útil para o agente se lembrar que ele já esteve na célula [1,1]
![Page 69: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/69.jpg)
Page69
Problemas com o agente proposicional
• Para evitar confusão, vamos necessitar de diferentes símbolos proposicionais para a localização do agente a cada passo
• Dificuldades:– Precisamos saber o número de passos do
jogo– Precisamos escrever versões de regras
dependentes do tempoA1,1
t Eastt W2,1t Forwardt
• Em lógica de primeira ordem, as 6400 regras são reduzidas a uma única regra
![Page 70: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/70.jpg)
Page70
Referências• Stuart Russel and Peter Norvig, Artificial
Intelligence: A Modern Approach, Prentice Hall, 1995.
![Page 71: Page1 DAS-5341: Representação do Conhecimento e Raciocínio Prof. Eduardo Camponogara.](https://reader035.fdocument.pub/reader035/viewer/2022062818/5706384b1a28abb8238f5ea9/html5/thumbnails/71.jpg)
Page71
Fim• Obrigado pela presença!