AOT Lab Dipartimento di Ingegneria dell’Informazione Università degli Studi di Parma Intelligenza Artificiale Rappresentazione della Conoscenza e Ragionamento.

Slides:



Advertisements
Presentazioni simili
“ LAUREE SCIENTIFICHE ”
Advertisements

Conseguenza semantica
Sommario Nelle lezioni precedenti abbiamo introdotto tutti gli elementi che formano un particolare tipo di linguaggio logico, denominato linguaggio predicativo.
Specifiche Algebriche Modello Iniziale Versione 1.0 Gianna Reggio
Intelligenza Artificiale

La Rappresentazione della Conoscenza
Agenti logici: la logica del prim’ordine
Linguaggi di Programmazione (AA 2002/2003)
Deduzione naturale + Logica & Calcolabilità
Semantica, inferenza e logica
Risoluzione e Programmazione Logica (Prolog)
Aristotele Logica.
O L'HA UCCISO IL MAGGIORDOMO OPPURE L'HA UCCISO LA CAMERIERA. LA CAMERIERA NON L'HA UCCISO. QUINDI: L'HA UCCISO IL MAGGIORDOMO. Tale inferenza è valida.
Il ragionamento classico
Introduzione alle “Ricerche sulla teoria della dimostrazione” (1930)
Introduzione alla Logica Modale.
Intelligenza Artificiale 2 Metodologie di ragionamento Prof. M.T. PAZIENZA a.a
Sistemi basati su conoscenza Conoscenza e ragionamento Prof. M.T. PAZIENZA a.a
Intelligenza Artificiale 1 Gestione della conoscenza lezione 7 Prof. M.T. PAZIENZA a.a
Maria Teresa PAZIENZA a.a
Intelligenza Artificiale 1 Gestione della conoscenza lezione 8
Sistemi basati su conoscenza Conoscenza e ragionamento Prof. M.T. PAZIENZA a.a
LOGICA E MODELLI Logica e modelli nel ragionamento deduttivo A cura di Salvatore MENNITI.
Intelligenza Artificiale II Dimostrazione automatica di Teoremi
Qualche esempio di tableaux
Intelligenza Artificiale
Ingegneria della conoscenza e sistemi esperti Dario Bianchi, 1999 Conoscenza e ragionamento.
Programmazione logica
Ingegneria della conoscenza e sistemi esperti Dario Bianchi, 1999 Conoscenza e ragionamento Logica dei predicati del primo ordine.
Ingegneria della conoscenza e sistemi esperti Dario Bianchi, 1999 Logica dei predicati del primo ordine.
Intelligenza Artificiale
AOT Lab Dipartimento di Ingegneria dellInformazione Università degli Studi di Parma Intelligenza Artificiale Rappresentazione della Conoscenza e Ragionamento.
Intelligenza Artificiale - AA 2001/2002 Logica formale (Parte 2) - 1 Intelligenza Artificiale Breve introduzione alla logica classica (Parte 2) Marco Piastra.
Intelligenza Artificiale
Intelligenza Artificiale - AA 2002/2003 Logica formale (Parte 2) - 1 Intelligenza Artificiale Breve introduzione alla logica classica (Parte 2) Marco Piastra.
Prof. Marina BARTOLINI . “Liceo Maccari” Frosinone
Logica formale e logica discorsiva 2° Lezione
Logica Matematica Seconda lezione.
Riassunto delle puntate precedenti:
Le forme del ragionamento deduttivo
Pierdaniele Giaretta Primi elementi di logica
Agenti logici: calcolo proposizionale Maria Simi a.a. 2008/2009.
ARISTOTELE (logica: sillogismo)
Corso di logica matematica
Intelligenza Artificiale 2 Metodologie di ragionamento Prof. M.T. PAZIENZA a.a
PRESENTAZIONE DI RAGANATO ROBERTO, BISCONTI GIAMMARCO E
La logica è lo studio del ragionamento.
Logica A.A Francesco orilia
Logica Lezioni Lunedì 18 Nov. Annuncio E' possibile che dovrò rinviare delle lezioni della prossima settimana. Tenete d'occhio gli annunci.
Logica F. orilia. Lezz Lunedì 4 Novembre 2013.
Logica A.A Francesco orilia
La logica Dare un significato preciso alle affermazioni matematiche
Logica Lezz Nov Reiterazione (RE) P |- P 1 P A 2 P & P 1,1, &I 3 P 2, & E.
Esecuzione di un Programma [P] Una computazione corrisponde al tentativo di dimostrare, tramite la regola di risoluzione, che una formula (goal) segue.
Dipartimento di Ingegneria dell’Informazione Università degli Studi di Parma Intelligenza Artificiale Rappresentazione della Conoscenza e Ragionamento.
1 Linguaggi di Programmazione Cenni di logica proposizionale.
Intelligenza Artificiale 1 Gestione della conoscenza lezione 14 Prof. M.T. PAZIENZA a.a
Agenti logici: calcolo proposizionale Maria Simi a.a. 2006/2007.
Algoritmi e Programmazione (in C) Stefano Cagnoni e Monica Mordonini
Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a
Francesco Alfieri, Andrea Bianchi, Davide Maurici, Denè Vitali 3 B Ap – 2014/15.
Aristotele Poi ch’innalzai un poco più le ciglia,
Introduzione alla LOGICA MATEMATICA Corso di Matematica Discreta. Corso di laurea in Informatica. Prof. Luigi Borzacchini VI. La dimostrazione e il general.
Introduzione alla LOGICA MATEMATICA Corso di Matematica Discreta. Corso di laurea in Informatica. Prof. Luigi Borzacchini III. La logica delle proposizioni.
Logica Lezione 8, DISTRIBUIRE COMPITO 1.
Lezione marzo nota su "a meno che" A meno che (non) = oppure Il dolce lo porto io (I) a meno che (non) lo porti Mario (M) I  M   I  M.
Logica Lezione 19, Distribuire compito 3 DATA esame in classe intermedio: Lunedì 20 aprile.
Logica Lezione 11, Annuncio Non si terrà la lezione di Lunedì 16 Marzo.
INSIEMI E LOGICA PARTE QUARTA.
Transcript della presentazione:

AOT Lab Dipartimento di Ingegneria dell’Informazione Università degli Studi di Parma Intelligenza Artificiale Rappresentazione della Conoscenza e Ragionamento Agostino Poggi Stefano Cagnoni

Rappresentazione della Conoscenza e Ragionamento 2 Rappresentazione della conoscenza  Per risolvere qualsiasi tipo di problema di IA dobbiamo:  Definire la conoscenza riguardante il problema.  Definire dei metodi per manipolarla.  Per definire la conoscenza bisogna:  Definire i fatti che vogliamo rappresentare (livello della conoscenza).  Rappresentare questi fatti attraverso i cosiddetti metodi per la rappresentazione della conoscenza (livello simbolico).

Rappresentazione della Conoscenza e Ragionamento 3 Rappresentazione della Conoscenza  Proprietà di un metodo per la rappresentazione della conoscenza:  Adeguatezza di rappresentazione, cioè la capacità di rappresentare tutti i tipi di conoscenza necessari in quel dominio.  Adeguatezza inferenziale, cioè la capacità di manipolare la conoscenza del sistema per ottenere nuova conoscenza.  Efficienza inferenziale, cioè la capacità di fornire delle informazioni per guidare il meccanismo inferenziale nelle direzioni più promettenti.  Efficienza di acquisizione, cioè la capacità di acquisire facilmente nuova conoscenza.

Rappresentazione della Conoscenza e Ragionamento 4 Rappresentazione della Conoscenza  Esistono due classi principali di strumenti per la rappresentazione della conoscenza:  Rappresentazione basata sulle azioni (logica e sistemi a regole)  Descrizioni primitive di concetti: fatti  Manipolazione dei concetti attraverso metodi di ragionamento –Inferenza –Ragionamento in avanti/indietro  Rappresentazione basata sugli oggetti (reti semantiche e frame)  Descrizioni primitive e complesse di concetti  Manipolazione dei concetti attraverso –‘Navigazione’ delle relazioni tra i diversi concetti –Esecuzione di procedure associate ai diversi concetti

Rappresentazione della Conoscenza e Ragionamento 5 Logica  La logica è la scienza che fornisce all'uomo gli strumenti indispensabili per verificare con sicurezza la correttezza dei ragionamenti.  La logica fornisce strumenti formali per:  Esprimere le inferenze in termini di operazioni su espressioni simboliche.  Dedurre conseguenze da certe premesse.  Studiare la verità o falsità di certe proposizioni data la verità o falsità di altre proposizioni.  Stabilire la consistenza e la validità di una data teoria.

Rappresentazione della Conoscenza e Ragionamento 6 Logica dei Predicati  Il linguaggio standard della logica è il cosiddetto calcolo dei predicati del primo ordine indicato anche con il nome di logica dei predicati.  La logica dei predicati si basa su forme atomiche dette predicati che possono avere un certo numero di argomenti:  p, q(11), r(X, 25, a, s(a)).  Le espressioni che possono essere argomenti sono dette termini e possono essere:  costanti: 11, a;  variabili: X, Var;  funzioni: s(a), t(11, X).

Rappresentazione della Conoscenza e Ragionamento 7 Logica dei Predicati  Le formule atomiche possono essere combinate per formare delle altre formule:  Congiunzione:A & B  Disgiunzione:A  B  Implicazione:A  B  Negazione:  A  Le formule con variabili possono essere interpretate tramite i quantificatori:  Universali:  X p(X)  Esistenziali:  X p(X)

Rappresentazione della Conoscenza e Ragionamento 8 Logica dei Predicati  Il modo per inferire nuova conoscenza in logica è basato sul ragionamento deduttivo.  Il ragionamento deduttivo è un ragionamento che, condotto correttamente, mantiene la veridicità delle premesse.  Nel ragionamento deduttivo, se le conoscenze da cui partiamo (le premesse) sono vere, allora anche le nuove conoscenze che otteniamo in base a queste (le conclusioni) sono vere.  Il sillogismo è un esempio tipico di ragionamento deduttivo: «Gli uomini sono mortali, Socrate è un uomo, allora Socrate è mortale».

Rappresentazione della Conoscenza e Ragionamento 9 Logica dei Predicati  In logica la conoscenza iniziale viene indicata con il nome di assiomi. Le nuove conoscenze dedotte dagli assiomi sono dette teoremi.  Per dedurre nuovi teoremi si usano le regole di inferenza.Ogni regola di inferenza è composta da due parti:  Un insieme di premesse separate da virgole.  Le conclusioni.  Queste due parti sono divise dal simbolo  che si legge: «è possibili derivare».

Rappresentazione della Conoscenza e Ragionamento 10 Logica dei Predicati  Alcune tra le più note regole di inferenza sono le seguenti:  Modus Ponens:A  B, A  B  Istanziazione universale:  X p(X)  p(a)  Modus Tollens: A  B,  B   A  Introduzione congiunzione:A, B  A & B  Eliminazione congiunzione:A & B  A A & B  B  Introduzione disgiunzione:A  A  B B  A  B  Eliminazione disgiunzione:A  B,  A  B A  B,  B  A

Rappresentazione della Conoscenza e Ragionamento 11 Forma a Clausole  La difficoltà di ottenere nuovi teoremi sta nel scegliere, di volta in volta, la regola di inferenza da applicare.  Le formule della logica dei predicati possono essere trasformate in una forma equivalente a clausole.  Una clausola è una formula priva di quantificatori ed è formata da una disgiunzione di termini.  Con la rappresentazione a clausole è possibile utilizzare un’unica regola di inferenza detta regola di risoluzione.

Rappresentazione della Conoscenza e Ragionamento 12 Forma a Clausole  Regola di risoluzione: da A  B,  B  C deduci A  C  Il metodo di risoluzione permette di dimostrare un teorema mediante il metodo della refutazione, cioè si dimostra che la negazione del teorema è falsa:  Assumiamo che la negazione del teorema sia vera.  Mostriamo che gli assiomi più la negazione del teorema sono fra loro inconsistenti.  Dato che gli assiomi sono per definizione veri, allora la responsabile della contraddizione è la negazione del teorema.  Quindi il teorema è vero.  Si ottiene una contraddizione quando si arriva a dedurre la clausola vuota.

Rappresentazione della Conoscenza e Ragionamento 13 Forma a Clausole  Abbiamo le seguenti clausole: [A1] lavora(piero)  prepara(piero,esame  [A2]  ha(piero,tempo)  ha(piero,soldi)  va(piero, partita) [A3] ha(piero,tempo)  lavora(piero)  compera(piero,calcolatore)  ha(piero,soldi) [A5]  compera(piero,calcolatore) [A6]  prepara(piero esame)  Vogliamo dimostrare il teorema: [T] va(piero,partita)  Per risolvere il teorema aggiungiamo il teorema negato agli assiomi: [~T]  va(piero,partita)

Rappresentazione della Conoscenza e Ragionamento 14 Forma a Clausole  Risolviamo ~T con A2 : [~T]  va(piero,partita) [A2]  ha(piero,tempo)  ha(piero,soldi)  va(piero, partita)  Otteniamo il lemma L1 che risolviamo con A3: [L1]  ha(piero,tempo)  ha(piero,soldi) [A3] ha(piero,tempo)  Otteniamo il lemma L2 che risolviamo con A4: [L2]  ha(piero,soldi)  lavora(piero)  compera(piero,calcolatore)  ha(piero,soldi)

Rappresentazione della Conoscenza e Ragionamento 15 Forma a Clausole  Otteniamo il lemma L3 che risolviamo con A5: [L3]  lavora(piero)  compera(piero,calcolatore) [A5]  compera(piero,calcolatore)  Otteniamo il lemma L4 che risolviamo con A1: [L4]  lavora(piero) [A1] lavora(piero)  prepara(piero,esame   Otteniamo il lemma L5 che risolviamo con A6: [L5] prepara(piero,esame  [A6]  prepara(piero esame)  A1 (assioma!) è stato negato => contraddizione => ~T è falso

Rappresentazione della Conoscenza e Ragionamento 16 Vantaggi della Logica  I vantaggi principali della logica sono:  Precisione, la logica ha una semantica chiara e definita per la quale esistono metodi standardizzati per determinare il significato di una espressione.  Flessibilità, la logica rappresenta la conoscenza in modo dichiarativo, quindi in modo indipendente dal suo uso.  Modularità, le asserzioni della logica possono entrare in una base di conoscenza in modo indipendente le une dalle altre.

Rappresentazione della Conoscenza e Ragionamento 17 Limiti della Logica  I limiti principali della logica sono:  Inadeguatezza espressiva, non può rappresentare mondi dinamici, non può rappresentare conoscenze probabilistiche.  Monotonicità, l’aggiunta di un teorema non provoca la cancellazione di nessun teorema precedente.  Inefficienza, la dimostrazione automatica basata esclusivamente sulla logica si fonda su processi di ricerca, la ricerca è inerentemente esponenziale ed eventuali euristiche non ne cambiano la natura combinatoria.