Datos: elementos de inter es en un dominio Ejemplo: letras, d gitos, Informaci on: datos relevantes procesados Ejemplo: nombre, fechas, temperaturas,...
Conocimiento: informaci on especializada de alto nivel Resultado de la experiencia de expertos Organizaci on e interrelaciones entre piezas de informaci on Ejemplo: cu ando se considera alta una temperatura corporal?, qu e signica que adem as haya tos?, precios caros o baratos, ... Metaconocimiento: conocimiento a cerca del conocimiento Indica c omo utilizar el conocimiento Ejemplo: Conocimiento que permita decidir desechar parte del conocimiento que no sea relevante en determinadas situaciones (ej.: selecci on de heur sticas) (b) Uso del conocimiento en I.A. Sistemas Basados en el Conocimiento: Sistemas de I.A. que hacen un uso extensivo del conocimiento espec co de un dominio base de conocimiento: conjunto de representaciones de hecho y relaciones relevantes en un dominio Pasos Generales: 1. Identicar conocimiento necesario para resolver un problema 2. Seleccionar un lenguaje con el que representar ese conocim. 3. Traducir conocimiento a ese lenguaje de representaci on 4. Usar las consecuencias derivadas de ese conocimiento para resolver el problema estrateg as de b usqueda en inferencia
2.
Tipos de modelos de representaci on del conocimiento 1. Modelos formales (l ogica cl asica) Uso de la l ogica formal como lenguaje de representaci on Mecanismos de inferencia potentes, bien conocidos y formalizados Modus Ponens Resoluci on Ejemplos: L ogica cl asica: l ogica proposiciones y l ogica predicados 1er orden L ogicas no cl asicas: l ogica modal, l ogica temporal, l ogica difusa Modelos estructurados Uso de t ecnicas de representaci on especializadas Incorporan mecanismos de inferencia espec cos, muy ecientes, pero limitados Ejemplos: Redes sem anticas Marcos y guiones Sistemas basados en reglas de producci on
2.
Juan tiene fiebre cuando hay gripe, tienes fiebre ------------------------------Juan tiene gripe (Razonam. abductivo)
Razonam. inductivo y abductivo no aseguran que sus conclusiones sean siempre verdaderas
c FJRP 2005 ccia ia 8
importante: Mecanismo de Resoluci on Procedimiento formal de prueba (demostraci on) que aplicado sistem aticamente permite determinar si una sentencia es consecuencia l ogica de otras sentencias Procedimiento general Puede ser implementado de forma relativamenteeciente TIPOS DE LOGICAS L ogica de proposiciones L ogica m as sencilla Representa u nicamente hechos discretos del mundo real que pueden ser ciertos o falsos en el mundo representado s olo existen hechos individuales proposici on = armaci on (cierta o falsa) sobre un hecho u nico del dominio pueden combinarse proposiciones (hechos) mediante conectores para expresar hechos m as complejos Poco poder expresivo Dif cil representar conjuntos de hechos con caracter sticas comunes una proposici on por cada hecho no permite cuanticaci on Dif cil expresar y generalizar relaciones entre hechos L ogica de predicados de 1er orden M as potente y con mayor utilidad pr actica Representa el mundo en t erminos de objetos y predicados entre esos objetos predicados representan propiedades de los objetos o relaciones entre objetos Permite uso de cuanticadores (, )
(a) SINTAXIS
ELEMENTOS Atomos constantes l ogicas: verdadero(V), falso(F) proposiciones l ogicas: (strings de caracteres) 8 < p, q, r, ... ejemplos: encima mesa libro : juan es mortal Conectivas l ogicas (y): conjunci on l ogica p q , juan es hombre juan es mortal (o): disyunci on l ogica p q , juan trabaja banco juan estudia informatica (implica): implicaci on No signica relaci on causal (no antecedente implica consecuente) p q , juan trabaja banco juan gana pasta (equivalente): equivalencia o bicondicional p q , juan trabaja banco juan gana pasta (no): negaci on p, juan trabaja banco FORMULAS BIEN FORMADAS (f.b.f.) (u oraciones l ogicas) Cualquier atomo (constantes + proposiciones) es una f.b.f. Si
10
(b) SEMANTICA
En todas las l ogicas la sem antica de una oraci on depende de la interpretaci on concreta que se le asigne a los s mbolos (proposiciones / predicados + conectivas), sem antica composicional. Interpretaci on: Correspondencia entre elementos del lenguaje y los elementos del mundo real que representan Los dem as elementos del lenguajes (conectivas, cuanticadores) tienen siempre el mismo signicado, no dependen del mundo representado Una f.b.d. (oraci on) es verdadera o falsa seg un los valores de verdad o falsedad de los s mbolos que la componen 9 interpretaciones de s mbolos > > > > > (proposiciones) = asocian a una f.b.d. + uno de los valores (V , F ) > > > reglas evaluaci on de > > ; conectivas l ogicas En l ogica proposicional sem antica directa Cada proposici on se asocia con un hecho individual del dominio
3 juan estudiante Mi amigo Juan juan estudiante informatica 5 estudia inform atica p en Ourense
El valor de verdad de una proposici on depende u nicamente de si el hecho que tiene asociado es cierto o falso en el mundo real en l ogica de predicados esa asignaci on no es directa
11
En l ogica proposicional Interpretaci on = asignaci on valores de verdad a proposiciones Dada una interpretaci on a las proposiciones de una f.b.d., el valor de verdad de esa f.b.d. bajo dicha interpretaci on, se obtine por decomposici on de las conectivas l ogicas
p F F V V
q F V F V
qq F F F V
pq F V V V
pq V V F V ( )
pq V F F V
(*) No representa relacion causal representa: cuando p es V , tambi en q es V p q p q p q es igual que p q n: conclusio Para probar la verdad/falsedad de una f.b.d. en l ogica proposicional basta con construir su tabla de verdad y consultar el valor de verdad para la interpretaci on considerada
12
nota: Leyes l ogicas Pares de f.b.d. equivalentes (sus valores de verdad son id enticos para cualquier interpretaci on) Derivan de las tablas de verdad y la sem antica de las conectivas l ogicas 1 (2 3) (1 2) 3 Ley Asociativa: (2 3) (1 2) 3 1 1 2 2 1 Ley Conmutativa: 1 2 2 1 1 (2 3) (1 2) (1 3) Ley Distributiva: (2 3) (1 1) (1 3) 1 (1 2) 1 2 Ley de DeMorgan: (1 2) 1 2 Ley de Idempotencia: 1 1 1 1 1 Ley de Medio Excluido: V , F Ley de Elemento neutro: F , V Ley de Elemento nulo: V V , F F Ley de Contraposici on: 1 2 1 2
13
SATISFACTIBILIDAD Y MODELOS Una interpretaci on (=asignaci on de verdad) I que hace V a una f.b.d. se dice 8 que es un modelo de < p : juan es alto Ejemplo: q : luis estudia inform atica : r : juan estudia inform atica f.b.d. = p (q r )
( ) ( ) ( )
p F F F F V V V V
q F F V V F F V V
r F V F V F V F V
p r V F V V V F V V
= p (q r ) F F F F V F V V
() modelos de :
Dado un conjunto de f.b.d. = {1, 2, ..., n}, una interpretaci on I es un modelo del conjunto si hace que sean V todas sus f.b.d.. Es decir, I es un modelo de 1 2 ... n
14
Una f.b.d. que tiene al menos un modelo, se dice que es satisfactible es insatisfactible si no tiene modelos Una f.b.d. que es cierta para todas las posibles interpretaciones se dice que es v alida (tambi en llamada tautolog a)
Notaci on: |= es V independientemente de la interpretaci on considerada Siempre es V como consecuencia de su estructura sint actica Ejemplo: p p siempre es V Dos f.b.d. 1 y 2 son equivalentes si sus valores de verdad son iguales bajo cualquier interpretaci on Es decir, 1 2 es una tautolog a Notaci on: 1 2 ( es s mbolo metal ogico)
15
CONSECUENCIA LOGICA Siendo = {1, ...n} un conjunto de f.b.d.. Si tiene valor V para todas las interpretaciones para las cuales cada f.b.d. contenida en es V , diremos que es consecuencia l ogica de . ogica de si todo modelo Otra denici on: es consecuencia l de es tambi en un modelo de implica l ogicamente a Tambien: se sigue de
( )
p (p q ) F F F V
16
1.
2.
3.
4. 5.
1 1 2 1 2 1
o o
2 1 2 1 2 2
n: Si la f.b.d. se obtiene del conjunto de f notacio ormulas , aplicando la regla de inferencia R se notar a:
17
DEMOSTRACION Dado un conjunto de f.b.d. se dir a que una secuencia de f.b.d. {1, 2, ..., n} es una demostraci on de la f.b.d n a partir de empleando un conjunto de reglas de inferencia R si y s olo si: 8 > o bien i > > > > < o bien i puede ser inferida i de {1, 2, ...i1} > > > aplicando una de las reglas del > > : conjunto R n: notacio
= n se obtiene de mediante
R Si existe una demostr. de n, se dice que n es un teorema de 8 < p : Juan estudia Ejemplo: q : Luis aprueba : r : Juan es rubio Conocim. inicial: = {p, r, p q } Aplicando reglas R = {modus ponens, introd. conjunc} se demuestra q r
(a) (a)
: :
Representaci on
18
METATEOREMAS Teoremas a cerca del c alculo proposicional (no son parte de la l ogica de proposiciones) 1. Deducci on: Si = {1, 2, ..., n} |= entonces
19
COMPLETITUD Y SOLIDEZ (propiedades reglas de inferencia) 1. Una regla de inferencia R es s olida si siempre que R , entonces |= S olido Correcto (sound) La regla s olo genera/demuestra f.b.d. que son consecuencia l ogica de Genera oraciones que siempre son verdaderas en el dominio actual 8 < pq p Ejemplo: modus ponens es s olido (correcto): : q Tenemos que, usando modus ponens, {p q, p} q . es cierto que {p q, p} |= q ? Si, porque (p (p q )) q es una tautolog a (metateorema deducci on)
( )
2.
p F F V V
q F V F V
pq V V F V
p (p q ) F F F V
(p (p q )) q V V V V
Si siempre que |= existe una demostraci on que usando R permite que R , se dir a que R es completa La regla R es capaz de poporcionar una demostraci on a todas las f.b.d. que son consecuencia l ogica de .
en resumen: Si una regla R es s olida y completa podremos determinar todas las f.b.d. que son consecuencia l ogica de (base de conocimiento actual), mediante la b usqueda de una demostraci on. Tendr amos un m etodo que podr a generar todo el conocimiento cierto derivable del conocimiento de partida.
c FJRP 2005 ccia ia 20
9 = : ; : :
Es la m as potente: todas las dem as reglas de inferencia son casos particulares de resoluci on Ej.: modus ponens caso especial de resoluci on F also F also
Puede usarse como u nica regla de inferencia en sistemas de deducci on autom atica Exige que conocimiento est e representado de forma adecuada Regla de resoluci on s olo maneja cla usulas Conversi on a forma normal conjuntiva(FNC)
21
1.
{ , } (
2.
Razonamiento por casos Para un modelo de : es V y es V . Si en ese modelo es V , ser a F y, para que sea V , debe ser V . En caso contrario, al ser F , debe ser V . Por lo tanto, en cualquier caso, ser a V. Regla de resoluci on no es completa No se cumple: |= implica resolucion Existen implicaciones l ogicas que no se pueden demostrar/construir usando resoluci on Contraejemplo: Es cierto que {p, r } |= p r . Pero: {p, r } / resolucion p r No podemos inferir p r del conjunto {p, r } usando resoluci on No hay posibilidad de resolver ninguna f.b.d. n: No podemos usar resoluci conclusio on para demostrar todas las relaciones de consecuencia l ogica
22
PRUEBA POR REFUTACION Si se puede usar resoluci on para demostrar que la negaci on de una conclusi on es inconsistente con el conocimiento del mundo Demostraci on por reducci on al absurdo Metateorema: |= equivale a es insatisfactible idea: A nadir a la negaci on de la conclusi on y aplicar resoluci on hasta que pase algo Si se llega a una cl ausula vac a (F also), hay una contradicci on y, por lo tanto, se verica |= Si no se llega a una cla usula vac a, y son consistentes y |= / A FORMA CLAUSAL CONVERSION Paso previo a la aplicaci on de resoluci on Resoluci on maneja f.b.d. en forma de disyunciones de atomo, llamadas cl ausulas Es necesario transformar todas la f.b.d. a una forma normalizada f.b.d. conjunciones de disyunciones (cla usulas) (FNC)
FNC: forma normal conjuntiva (conjunci on de disyunciones) Otras formas normales: FND: forma normal disyuntiva (disyunci on de conjunciones) FNI: forma normal implicativa (conjunci on de implicaciones)
23
Conversi on a FNC Cualquier f.b.d. se puede convertir a FNC Pasos: 1. Eliminar implicaciones p q p q Usar relaciones p q (p q ) (q p) 2. Reducir ambito de las negaciones debe aplicarse s olo sobre atomos 8 < (p q ) p q Usar DeMorgan + doble neg.: (p q ) p q : p p 3. Reordenar f.b.d. para obtener FNC Aplicar leyes asociativa y distributiva Distribuir sobre :
24
POR REFUTACION PASOS DEMOSTRACION 1. 2. 3. 4. Convertir las f.b.d. de a FNC Negar la f.b.d. que deseamos probar y convertirla a FNC pasar a FNC Unir los conjuntos de cl ausulas obtenidas para y en un conjunto . ausulas de Aplicar, de forma exhaustiva, resoluci on sobre pares de cl , a nadiendo los resolventes a a) Seleccionar un par de cl ausulas de con los atomos a resolver adecuados b ) A nadir el resultado de la resoluci on al nuevo conjunto Parar cuando: Se genera una cl ausula vacia (=F also) (Hay contradicci on) Se verica: |= No haya m as resolventes nuevos (No hay contradicci on) Se verica: |= /
5.
p, p {}
r, r {}
25
Ejemplo: Un robot puede mover un objeto si tiene la bateria encendida y el objeto es desplazable Base de conocimiento: (conocimiento actual del mundo)
={ bateria encendida, robot se mueve bateria encendida objeto desplazable robot se mueve}
1.
Pasar a FNC
={
bateria encendida, robot se mueve bateria encendida objeto desplazable robot se mueve}
2.
3.
Unir y
={ bateria encendida, robot se mueve bateria encendida objeto desplazable robot se mueve, objeto desplazable}
4.
Aplicar resoluci on de forma exhaustiva hasta encontrar cla usula vacia o agotar posibilidades (ver esquema)
5.
26
POR RESOLUCION EN LOGICA PROPIEDADES REFUTACION DE PROPOSICIONES Refutaci on mediante resoluci on es s olida en l ogica de proposiciones Si partiendo de y , el procedimiento de refutaci on por resoluci on genera la cl ausula vacia, entonces |= , Refutaci on mediante resoluci on es completa en l ogica de proposiciones Si |= , el procedimiento de refutaci on por resoluci on generar a la cl ausula vacia Refutaci on mediante resoluci on es decidible en l ogica de proposiciones Si es nito y |= / , el procedimiento de refutaci on por resoluci on terminar a sin haber generado la cl ausula vacia ESTRATEGIAS DE RESOLUCION En el procedimiento de refutaci on por resoluci on: 1. Es necesario un proceso de b usqueda para identicar las cl ausulas a resolver en cada iteraci on 2. Es necesario, adem as, establecer un orden en la aplicaci on de las posibles resoluciones Problema an alogo a la expansi on de nodos en las b uquedas en espacios de estados elecci on de los atomos Las estrategias de control elecci on del par de cl ausulas a resolver determinan la eciencia del procedimiento de refutaci on Facilitan/dicultan encontrar contradicciones (cl ausulas vacias)
27
Arboles de resoluci on: Conjunto de arboles inversos Hojas : cl ausulas del conjunto inicial Nodos internos : resolventes obtenidos de las hojas o de otros resolventes, aplicando resoluci on Ra z/es : resultado de la refutaci on
Deniciones: Cla usulas inciales = resolventes de nivel 0 Un resolvente de nivel i + 1 se obtiene de un resolvente de nivel i y otro de nivel j i Estrategias: 1. Estrategias generales: Estrategia 1o en anchura: genera todos los resolventes de nivel k antes de obtener resolventes de nivel k + 1 Estrategia 1o en profundidad: busca generar siempre que sea posible resolventes del nivel siguiente al actual Preferencia por la unidad Se efect uan en primer lugar las resoluciones donde, al menos, una de las dos cl ausulas implicadas est e formada por un u nico atomo (cl ausulas unitarias ) Siempre se genera una nueva cl ausula m as peque na que la no unitaria de partida Ejemplo: En el ejemplo del robot todas las resoluciones tienen al menos una cl ausula unitaria
2.
28
3.
Conjunto soporte def.: Conjunto soporte: Conjunto formado por las cl ausulas resultantes de la negaci on de la hip otesis () que se quiere demostrar y por todas las cl ausulas que descienden de ellas como resultado de las resoluciones realizadas hasta el momento idea base: Realizar u nicamente resoluciones donde intervenga, al menos, una cl ausula del conjunto soporte Nueva cl ausula generada pasar a a formar parte del conj. soporte Intuitivamente, las cla usulas del conjunto soporte son las que parecen relevantes respecto a la demostraci on de la cl ausula objetivo ventajas: Se reduce el espacio de b usqueda: No se buscan 2 cl ausulas en todo el conjunto Toma 1 del conj. soporte y 1 de que empareje con ella Es completa: Se puede demostrar que usando al menos una cl ausula del conjunto soporte en cada resoluci on, se asegura que se va a encontrar una contradicci on (cl ausula vacia), siempre que esta exista. Ejemplo: En el ejemplo del robot todas las resoluciones tienen una cl ausula del conj. soporte. Empieza usando la hip otesis negada () y en cada paso resuelve una de sus descendientes con otra cl ausula de .
29
4.
Resoluci on lineal S olo considera resoluciones donde, al menos, una de las 2 cl ausulas a resolver pertenezca al conjunto de cl ausulas inicial ( = {}) Es decir, en todas las resoluciones interviene una cl ausula incial (nivel 0) Ejemplo: En el ejemplo del robot todas las resoluciones tienen al menos una cl ausula inicial. No es completa (puede no encontrar la contradicci on, aunque la haya) Usada en int erpretes Prolog sobre cl ausulas de Horn
30