Sistemi basati su conoscenza Prof. M.T. PAZIENZA a.a. 2005-2006.

Slides:



Advertisements
Presentazioni simili
Intelligenza artificiale
Advertisements

Intelligenza Artificiale 1
La Rappresentazione della Conoscenza
I Sistemi di Supporto alle Decisioni Chiara Mocenni
DIFFICOLTA’ DEL LINGUAGGIO
Intelligenza Artificiale Linguaggio naturale
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
Metodologie per la gestione di conoscenza ontologica Prof. M.T. PAZIENZA a.a
Gestione dei dati e della conoscenza (agenti intelligenti) M.T. PAZIENZA a.a
Intelligenza Artificiale Strutture e strategie per risolvere problemi complessi Prof. M.T. PAZIENZA a.a
Intelligenza Artificiale 1 Gestione della conoscenza lezione 7 Prof. M.T. PAZIENZA a.a
Sistemi basati su conoscenza (agenti intelligenti) Prof. M.T. PAZIENZA a.a
Sistemi basati su conoscenza Prof. M.T. PAZIENZA a.a
Maria Teresa PAZIENZA a.a
Intelligenza Artificiale 1 Gestione della conoscenza lezione 8
Sistemi basati su conoscenza Basi di conoscenza: rappresentazione e ragionamento (2 - Reti semantiche, Frames) Prof. M.T. PAZIENZA a.a
Intelligenza Artificiale 1 Gestione della conoscenza Prof. M.T. PAZIENZA a.a
Sistemi basati su conoscenza Basi di conoscenza: rappresentazione e ragionamento (1 - Ontologie) Prof. M.T. PAZIENZA a.a
Sistemi basati su conoscenza Basi di conoscenza: rappresentazione e ragionamento (2 - Reti semantiche, Frames) Prof. M.T. PAZIENZA a.a
Sistemi basati su conoscenza Conoscenza e ragionamento Prof. M.T. PAZIENZA a.a
Sistemi basati su conoscenza Basi di conoscenza: rappresentazione e ragionamento Prof. M.T. PAZIENZA a.a
Sistemi basati su conoscenza Basi di conoscenza: rappresentazione e ragionamento (1 - Ontologie) Prof. M.T. PAZIENZA a.a
Tipo Documento: unità didattica 1 Modulo 14 Compilatore: Antonella Bolzoni Supervisore: Data emissione: Release: Indice: A.Scheda informativa B.Introduzione.
Chomsky La grammatica/sintassi è una proprietà della mente
Modelli simulativi per le Scienze Cognitive
Ingegneria della conoscenza e sistemi esperti Dario Bianchi, 1999 Conoscenza e ragionamento.
Modello E-R Generalizzazioni
Progettazione di una base di dati
Modello E-R Generalizzazioni
Intelligenza Artificiale - AA 2001/2002 Logica formale (Parte 2) - 1 Intelligenza Artificiale Breve introduzione alla logica classica (Parte 2) Marco Piastra.
Sistemi a Regole Ettore Colombo 13 Dicembre 2006 Ingegneria della Conoscenza e Sistemi Esperti.
Introduzione all’ICSE
Prof. Marina BARTOLINI . “Liceo Maccari” Frosinone
Chomsky La grammatica/sintassi è una proprietà della mente Distinta dalla capacità di comunicare E una facoltà autonoma ed innata La comunicazione è solo.
Riassumendo le teorie sulla comunicazione
Tesi di Laurea in Ingegneria Informatica
Dati e DBMS DBMS relazionali SQL Progettazione di una base di dati Programma del Corso.
Esercitazioni di Ingegneria del Software con UML
Corso di Visual Basic 6.0 OBBIETTIVI
Sistemi basati su conoscenza Gestione della conoscenza Prof. M.T. PAZIENZA a.a
PROGRAMMA IL FUTURO Anno Scolastico 2014 / 2015
DAL WEB AL SEMANTIC WEB Aspetti teorici e tecnologici Carmagnola Francesca Dipartimento Informatica C.so Svizzera 185, Torino
Sistemi basati su conoscenza Linguaggio naturale: grammatiche Prof. M.T. PAZIENZA a.a
Intelligenza Artificiale 1 Gestione della conoscenza lezione 19 Prof. M.T. PAZIENZA a.a
Logica A.A Francesco orilia
Robotica Lezione 4. 2 Attributi dell’Intelligenza Pensiero Capacita’ a risolvere problemi Apprendimento e Memoria Linguaggio Intuizione e Creativita’
Grottaferrata 24 marzo 2015 Esami di Stato a conclusione del primo quinquennio di applicazione delle Indicazioni Nazionali Gestire il cambiamento.
Linguaggi e Modelli dei dati e della conoscenza “rappresentazione della conoscenza” docenti Maria Teresa PAZIENZA Fabio Masimo ZANZOTTO a.a
La logica Dare un significato preciso alle affermazioni matematiche
Caso studio Tipologia 1 Piano di lavoro. Materia : Matematica Tipo di scuola :Liceo Scientifico Classe :2° Periodo:2° Quadrimestre Modulo:Disequazioni.
Basi di dati - Modelli e linguaggi di interrogazione- Paolo Atzeni, Stefano Ceri, Stefano Paraboschi, Riccardo Torlone Copyright © The McGraw-Hill.
Sistemi basati su conoscenza (agenti intelligenti) Prof. M.T. PAZIENZA a.a
AOT Lab Dipartimento di Ingegneria dell’Informazione Università degli Studi di Parma Intelligenza Artificiale Rappresentazione della Conoscenza e Ragionamento.
Ingegneria della Conoscenza e Sistemi Esperti: Introduzione Sara Manzoni 08/10/2003.
Sistemi basati su conoscenza Prof. M.T. PAZIENZA a.a
Intelligenza Artificiale 2 Metodologie di ragionamento Prof. M.T. PAZIENZA a.a
1 Linguaggi: guardando la semantica §esistono un insieme di concetti semantici e di strutture di implementazione in termini dei quali si descrivono in.
Sistemi basati su conoscenza Prof. M.T. PAZIENZA a.a
Intelligenza Artificiale 1 Gestione della conoscenza lezione 14 Prof. M.T. PAZIENZA a.a
Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a
INDICATORI SOCIALI E VALUTATIVI
Basi di dati e conoscenza (secondo emicorso ) a.a M.T. PAZIENZA
Tipo Documento: unità didattica 1 Modulo 14 Compilatore: Antonella Bolzoni Supervisore: Data emissione: Release: Indice: A.Scheda informativa B.Introduzione.
Intelligenza Artificiale 1 Prof. M.T. PAZIENZA a.a
Le basi di dati.
Centro Studi Sistemi Idrici Corso sull’utilizzo dei modelli EPR (Evolutionary Polynomial Regression) 21 maggio 2010 Dipartimento di Ingegneria dell’Università.
Unità di apprendimento 6
AA LEZ 01Sistemi per la Gestione Aziendale - Prof. Giuseppe Zollo1 Sistemi per la Gestione Aziendale. AA Ingegneria Gestionale (LS) Facoltà.
Intelligenza Artificiale
Transcript della presentazione:

Sistemi basati su conoscenza Prof. M.T. PAZIENZA a.a

Struttura del corso Lezioni Esercitazioni Approfondimenti tematici Test di autovalutazione Esame finale (2 appelli a fine corso)

Syllabus (a rgomenti e struttura delcorso ) Sistemi basati su conoscenza: rappresentazione e ragionamento Agenti intelligenti: autonomia, struttura, interazione con lambiente Agenti che ragionano: ragionamento, rappresentazione e logica Programmazione logica: Prolog Basi di conoscenza: rappresentazione formale, relazioni di dominio, ontologie, inferenze

Syllabus (2) Semantic Web, Ontologie, RDF, OWL Sistemi di ragionamento logico Linguaggio naturale ****************************************************** I° test di autovalutazione: metodi di ricerca II° test di autovalutazione: esercizi di progr. Prolog III° test di autovalutazione: proget. basi di conoscenza, ontologie Prova finale e Prova di appello

Syllabus (3) Libro di testo Intelligenza Artificiale: un approccio moderno, Russel e Norvig; Prentice Hall (capitoli selezionati) Presentazioni ppt del docente Dispense Documentazione su rete

Risoluzione di problemi Definizione di appropriate strategie di ricerca Individuazione di passi di ragionamento elementari, la cui giustapposizione porta alla identificazione di soluzioni ai problemi Non viene utilizzata conoscenza di dominio In domini complessi le prestazioni sono limitate

Conoscenza a priori del dominio La conoscenza del dominio permette di utilizzare, nella risoluzione dei problemi, passi meno elementari con un processo di ragionamento più ampio e complesso Quindi si possono risolvere problemi più complessi laddove si abbia una qualche conoscenza del dominio

Sistemi basati su conoscenza Rappresentazione della conoscenza Ragionamento Logica come linguaggio formale di supporto sia per la rappresentazione che per il ragionamento

Architettura di un sbc

Componenti principali / ruoli: 1.Meccanismo di controllo (motore dinferenza) / software engineers 2.Base di conoscenza / knowledge engineers+domain experts 3.Interfaccia utente / users

Architettura di un sbc Componenti principali : 1.Meccanismo di controllo (motore dinferenza): algoritmi domain-independent 2.Base di conoscenza: contenuto domain- dependent (insieme di frasi in un linguaggio formale)

Rappresentazione Una rappresentazione è qualunque notazione o insieme di simboli che rap- presenta (re-present) qualcosa a qualcun altro. Una rappresentazione di qualcosa sta al posto di quel qualcosa

Rappresentazione Ogni rappresentazione rappresenta solo qualche aspetto del mondo, ovvero ciò che si vuole sottolineare. Rappresentazione Versus Conoscenza del mondo (come riferimento)

Rappresentazione Diversi modi in cui la conoscenza sembra essereorganizzata (es. oggetti, relazioni, schemi) Versus Diversi modi in cui la conoscenza può essererappresentata (immagini, proposizioni, …)

Un esempio Marco occupa la stanza 118 Giovanni occupa la stanza 119 Ingrid occupa la stanza 123 Rappresentaz. analogicaRappresentaz. proposizionale Ulteriori informaz. spaziali e temporali Informazioni esplicite Marco 118 Giovanni 119 Sara 120 Vittoria 121 Massimo 125 Alberto 124 Ingrid

Un altro esempio ImmagineTesto Il libro è sul tavolo on(book,desk) Rappresentaz. analogicaRappresentaz. proposizionale - Info implicita - Simboli discreti - Niente simboli - Simboli per relazioni - Nessuna regola compos. simboli - Regole grammaticali compos. - Concretezza - Astrazione rappres.

Sistemi basati su conoscenza Rappresentazione della conoscenza Assumiamo di poter descrivere il mondo in termini di frasi nel nostro linguaggio. Una base di conoscenza è un insieme di frasi, ovvero una descrizione parziale del mondo. Ci riferiremo ad esso come ad un universo del discorso (o dominio del discorso) Tutte le frasi sono descrizioni (nel ling. nat. si può fare molto di più: porre domande, ordini, esprimere dubbi,…)

Sistemi basati su conoscenza Logica come linguaggio formale di supporto per la rappresentazione della conoscenza ed il ragionamento La logica consiste di un linguaggio e di una procedura di inferenza.

Logica come linguaggio formale In un linguaggio logico (come per un qualsiasi altro linguaggio) bisogna definire formalmente la sintassi, un vocabolario, gli operatori ed i connettivi logici, oltre alle regole per combinarli tra loro. Bisogna poter assegnare significato alle frasi del linguaggio (model theory)

Logica come linguaggio formale Procedura dinferenza Bisogna poter attuare inferenze valide da un insieme di frasi del linguaggio indipendentemente dal loro significato (proof theory) In logica la procedura di inferenza è di tipo deduttivo.Linduzione e labduzione sono altri due tipi di inferenza

Logica come linguaggio formale Tipologie di inferenza Deduzione: dati degli assiomi veri, le inferenze che si possono effettuare sono sempre vere. Abduzione: si possono inferire ipotesi eventualmente vere (diagnosi) da fatti veri Induzione: inferire relazioni generali (imparare) da alcuni esempi veri In logica la procedura di inferenza è di tipo deduttivo (inferenza sempre vera). Linduzione e labduzione sono due tipi di inferenza che non assicurano la verità dellinferenza

Conceptual Knowledge Process UNDERSTAND REUSE CREATE DISTRIBUTE

Gestione della conoscenza (fasi - 1) Creazione- analizzare come in un processo (aziendale) si forma conoscenza a livello individuale e di organizzazione Comprensione- verificare, rappresentare, sintetizzare, adattare, collegare la nuova conoscenza alla preesistente (nellazienda) in modo comprensibile allorganizzazione tutta

Gestione della conoscenza (fasi - 2) Distribuzione- la conoscenza (aziendale) deve essere accessibile agli individui ed allorganizzazione nel suo insieme Riuso- applicare la conoscenza ad un processo (aziendale); si può creare nuova conoscenza

Gestione della conoscenza I sistemi basati su conoscenza gestiscono la conoscenza (aziendale) attraverso processi che collezionano, memorizzano e riusano conoscenza passando da un livello individuale a quello aziendale (conoscenza condivisa). Sistemi esperti, sistemi di ragionamento basati su casi, ontologie, sono esempi di metodologie per la gestione della conoscenza

Sistemi esperti I sistemi esperti sono dei sistemi che realizzano un task come lo farebbe un esperto umano, e che possono spiegare il meccanismo di ragionamento impiegato. I sistemi esperti sono sistemi basati su conoscenza in cui la base di conoscenza è costituita da una rappresentazione della conoscenza di dominio prodotta da un esperto (rappresentazione della conoscenza esperta e dei meccanismi di ragionamento - regole)

Sistemi esperti - regole Una regola consiste di due parti: un antecedente ed un conseguente Lantecedente consiste di una o più condizioni che specificano quando e dove applicare la regola Se le condizioni sono soddisfatte Il conseguente specifica le azioni che devono essere intraprese

Sistemi esperti – motore inferenziale Le regole che codificano lesperienza dellesperto nel sistema esperto sono contenute nella base di conoscenza Il meccanismo che sceglie le regole per verificare se possono essere usate in un problema si chiama motore inferenziale Il motore inferenziale verifica gli antecedenti delle regole, quindi, a seconda del loro valore, realizza le azioni specificate nei conseguenti delle regole. Una volta identificate le regole, si attivano le azioni correlate che possono cambiare lo stato del problema

Expert System Cycle Knowledge Capture Apply Knowledge Select Knowledge Modify Problem State New Problems Knowledge Reuse Rules (Knowledge Base) Inference Engine (Pattern Matching) Current Problem State (Short- term Memory)

Sistemi esperti – motore inferenziale Il vantaggio offerto dalla tecnologia dei sistemi esperti è collegato alla possibilità di spiegare sia il metodo seguito per prendere delle decisioni che il processo risolutivo del problema.

Case-based systems La metodologia di ragionamento dei sistemi basati sui casi si basa sul riuso della conoscenza acquisita in situazioni precedenti per risolvere nuovi casi. Quando si incontra un nuovo caso bisogna ritrovarne uno simile per riapplicarne la strategia. La scelta di quale situazione precedente può essere riusata si basa sulla valutazione di similarità tra il vecchio e nuovo caso (euristica di similarità) e si basa sullassunzione che problemi simili abbiano soluzioni simili.

Case-based systems Per risolvere il nuovo problema è necessario adattare i metodi risolutivi, precedentemente usati, al nuovo caso creando così una nuova soluzione che viene aggiunta alle precedenti. Ladattamento può avvenire attraverso nuove regole. I sistemi basati su casi ben si adattano a problemi per i quali non si abbia una conoscenza completamente definita.

CBR Cycle Suggested Solution New Case Retrieved Case Case Solved Tested, Repaired Case New Case Learned Case Problem Confirmed Solution Previous Case General Knowledge RETRIEVE REUSE REVISE RETAIN REVIEW

Ontologie Scopo principale delle ontologie è quello di fornire un linguaggio comune per supportare la condivisione della conoscenza concettuale. Le ontologie sono stata comunemente adottate come formalismo di rappresentazione della conoscenza per fornire un metodo di ragionamento secondo il senso comune a supporto di vari processi basati sulla conoscenza. Ontologie top level versus ontologie di dominio.

Rappresentazione della conoscenza In ambienti dichiarativi, i sistemi sono come un microcosmo cognitivo in cui è necessario stabilire quali siano le proprietà che il sistema di rappresentazione della conoscenza deve avere. Requisito minimo Ci deve essere una qualche corrispondenza tra il sistema di rappresentazione della conoscenza e la conoscenza che si sta rappresentando; devono essere definiti simboli specifici per ogni oggetto che deve essere modellato nel sistema (adeguatezza metafisica)

Rappresentazione della conoscenza Proprietà Il sistema di rappresentazione della conoscenza deve essere in grado di rappresentare almeno tutta la conoscenza che può essere necessaria per distinguere due qualunque stati del microcosmo (adeguatezza epistemica) esprimere il ragionamento necessario alla risoluzione di un problema (adeguatezza euristica) Una qualunque rappresentazione deve poter essere manipolata dal sistema (trattabilità computazionale) (il ling. nat. non è trattabile, è computazionalmente-ambiguo)

Rappresentazione della conoscenza Un qualunque sistema di rappresentazione della conoscenza è formalmente equivalente al microcosmo che sta modellando. Due sistemi sono formalmente equivalenti se: Per ciascuno stato distinto del primo esiste uno stato distinto del secondo Per ciascun possibile cambiamento di stato del primo esiste un analogo cambiamento di stato del secondo

Costruzione di una base di conoscenza Ingegneria della conoscenza: Analisi del dominio peculiare Individuazione concetti importanti Rappresentazione formale di oggetti e relazioni nel dominio