Upload
internet
View
104
Download
1
Embed Size (px)
Citation preview
Agentes Baseados na Lógica Proposicional
Capítulo 7, AIMA 2ed.
Alzennyr Cléa G. SilvaAlzennyr Cléa G. Silva
MCI - Prof. Jacques Robin
Base de Conhecimento
Base de Conhecimento = conjunto de sentenças representadas em uma linguagem formal.
Instruções: TELL (construção da BC) ASK (resposta obtida a partir da BC) as vezes também RETRACT (revisão da BC)
Base de conhecimento
Máquina de Inferência
Conteúdo específico do domínio
Algoritmos independente do domínio
Representação de Conhecimento usando a Lógica
MCI - Prof. Jacques Robin
Definição Uma sentença lógica não significa nada por si só...
É necessário estabelecer a correspondência entre fatos e sentenças, fixando seu significado através de uma interpretação da sentença.
Exemplo:
“O Papa já está no Rio” mensagem secreta trocada entre dois agentes do FBI que
significa que os documentos sobre as armas atômicas do Iraque (o Papa) foram entregues ao Pentágono (o Rio) a salvo (já está).
MCI - Prof. Jacques Robin
Definição Lógica é uma linguagem formal para representação
de informação Sintaxe define as sentenças lógicas Semântica define o significado das sentenças
MCI - Prof. Jacques Robin
Interpretação
Interpretação uma sentença é verdadeira sob uma dada interpretação se o
“estado do mundo” (state of affairs) que ela representa se verifica. Valor verdade depende da interpretação da frase e do estado do
mundo real que ela representa (ou modela)
Exemplo “O papa está no Rio” pode ser verdade na interpretação
anteriormente dada se de fato, no mundo do FBI, tais documentos foram recebidos pelo Pentágono a salvo.
“O papa está no Rio” , sob a interpretação “Papa = João Paulo II”, “Rio = Cidade do Rio de Janeiro”, “está = verbo estar”, é falsa pois ele está em Roma.
Nesta ótica, uma sentença pode ser: válida, satisfazível ou insatisfazível.
MCI - Prof. Jacques Robin
Validade e Satisfatibilidade
Sentença válida (tautologia) verdadeverdade sob todastodas as possíveis interpretações em todos os
mundos possíveis. Ex. “No mundo Wumpus: existe um buraco em (1,2), ou não
existe um buraco em (1,2)” é sempre verdade, independente da interpretação e do valor-verdade de “existe um buraco em (1,2)” em qualquer mundo possível.
Sentença insatisfazível falsafalsa sob todastodas as possíveis interpretações em todos os mundos
possíveis. Ex: sentenças contraditórias são insatisfazíveis: “existe um
buraco em (1,2), e não existe um buraco em (1,2)” Sentença satisfazível
verdadeverdade para alguma alguma interpretação em algum mundo
MCI - Prof. Jacques Robin
Validade e Satisfatibilidade
SentençasSentençasVálidasVálidas
SentençasSentençasSatisfazíveisSatisfazíveis
SentençasSentençasInsatisfazíveisInsatisfazíveis
MCI - Prof. Jacques Robin
Derivabilidade (entailment) Derivabilidade significa que uma sentença
segue logicamente de um conjunto de outras sentenças:
Sentença é derivávelé derivável a partir da base de conhecimento KB (conjunção de sentenças) sss é verdadeira em todostodos os mundos possíveis onde KB é verdadeira.
MCI - Prof. Jacques Robin
Derivabilidade (entailment)
derivasentenças
Representação sem
ântic
a
sentenças
Mundofatos
sem
ântic
a
segue-sefatos
MCI - Prof. Jacques Robin
Raciocínio: Inferência em Computadores
O único conhecimento que o sistema tem sobre o mundo é aquele explicitamente codificado na BC:
não sabem que interpretação foi dada às sentenças na BC, e não sabem nada sobre o mundo, apenas o que existe na BC.
Então, como responder à pergunta “Está OK mover o agente para (2,2)?”
Verificando a partir da BC se a sentença abaixo pode ser derivada “(2,2) está OK”.
O processo de inferência deve mostrar que a sentença abaixo é válida BC ok(2,2) “Se a BC é verdade, então (2,2) está OK”
MCI - Prof. Jacques Robin
Regras de Inferência
Modus Ponens:
E-eliminação:
E-introdução:
Ou-introdução:
Eliminação de dupla negação:
Resolução unidade:
Resolução:
,
i
n
...21
n
n
...
,...,,
21
21
n
i
...21
,,
,
diz que a sentença pode ser deduzida da BC constituída pelos
MCI - Prof. Jacques Robin
Propriedades da Inferência
A inferência pode ter várias propriedades... Corretude, completude, composicionalidade, monotonicidade e
localidade. Corretude (sound)
gera apenas sentenças válidas Completude
gera todas as sentenças válidas Composicionalidade
o significado de uma sentença é uma função do significado de suas partes.
B1-2 significa: existe um buraco na caverna (1,2) B2-3 significa: existe um buraco na caverna (2,3) B1-2 B2-3 significa composicionalmente: existe um buraco
na caverna (1,2) e um outro na caverna (2,3) Não composicionalmente, B1-2 B2-3 poderia significar: hoje
é feriado e é o dia do funcionário público
MCI - Prof. Jacques Robin
Lógica: Inferência Uma Lógica é dita monotônica quando
Tudo que era verdade continua sendo depois de uma inferência se BC1 |= a então (BC1 U BC2) |= a todas as sentenças derivadas da BC original são ainda
derivadas da BC composta pelas novas sentenças inferidas e.g., Lógica Proposicional e de Primeira Ordem. contra-exemplo: Teoria da Probabilidade
Localidade regras como Modus Ponens:
Se é verdade e é verdade, então é verdade são ditas locais porque sua premissa só necessita ser comparada
com uma pequena porção da BC (2 sentenças).
MCI - Prof. Jacques Robin
Lógica: Inferência
Localidade e composicionalidade são centrais na construção de sistemas por possibilitar modularidade.
Modularidade favorece a reusabilidade e a extensibilidade do sistema.
MCI - Prof. Jacques Robin
Validade de sentenças
A validade pode ser verificada de duas maneiras Tabelas-Verdade Regras de inferência
Tabelas-Verdade ex. Validade de ((P H) H) P ?
P H (P H) ((P H) H) ((P H) H) P
F F F F T
F T T F T
T F T T T
T T T F T
MCI - Prof. Jacques Robin
Validade de sentenças Regras de inferência:
uma regra de inferência é sound (preserva a verdade) se a conclusão é verdade em todos os casos onde as premissas são verdadeiras.
((P H) H) P ?
((P H) (H H)) P
((P H) false) P
(P H) P
(P H) P
P H P
True H
True
MCI - Prof. Jacques Robin
Complexidade Checar se um conjunto de sentenças é satisfazível é um problema NP-
completo tabela verdade para uma sentença envolvendo n símbolos tem 2n
colunas (exponencial!) Cláusulas de HornCláusulas de Horn
Classe de sentenças úteis que permitem inferência em tempo polinomial
P1 P2 P3 ... Pn Q ou, P1 P2 P3 ... Pn Q é usada em Prolog
2 casos especiais das cláusulas de Horn Fatos,Fatos, quando n = 1 e P1 = true
true Q, ou simplesmente Q Restrições de integridadesRestrições de integridades, quando Q = false
P1 P2 P3 ... Pn F ou, P1 P2 P3 ... Pn não são permitidas em Prolog
Formalização de Agentes Baseados na Lógica Proposicional
MCI - Prof. Jacques Robin
BC para o Mundo do Wumpus
A Base de Conhecimento consiste em: sentenças representando as percepções do agente sentenças válidas derivadas a partir das sentenças das percepções regras utilizadas para derivar novas sentenças a partir das sentenças
existentes Símbolos:
Ax-y-t significa que “o agente está na caverna (x,y), no instante t” Bx-y significa que “existe um buraco na caverna (x,y)” Wx-y significa que “o Wumpus está na caverna (x,y)” Ox-y significa que “o ouro está na caverna (x,y)” bx-y significa que “existe brisa na caverna (x,y)” fx-y significa que “existe fedor na caverna (x,y)” lx-y significa que “existe luz na caverna (x,y)”
MCI - Prof. Jacques Robin
BC para o Mundo do Wumpus
Com base nas percepções do estado abaixo, a BC deverá conter as seguintes sentenças:
1
2
3
41 2 3
4
ok
okAf
ok
V Vbok
B!
W!
fbfbfb
MCI - Prof. Jacques Robin
BC para o Mundo do Wumpus
O agente também tem algum conhecimento prévio sobre o ambiente, e.g.: se uma caverna não tem fedor, então o Wumpus não
está nessa caverna, nem está em nenhuma caverna adjacente.
O agente terá uma regra para cada caverna no seu ambienteR1: fWWWR2: fWWWWR3: fWWWW
O agente também deve saber que, se existe fedor em (1,2), então deve haver um Wumpus em (1,2) ou em alguma caverna adjacente:R4: fWWWW
MCI - Prof. Jacques Robin
Modelos Modelos: mundos estruturados formalmente nos quais
sentenças podem ser avaliadas mm é modelo de uma sentença se é verdadeira em mm. M(): conjunto de todos os modelos de .
Então KB sse M(KB) M()
M()
MCI - Prof. Jacques Robin
Modelos – Mundo Wumpus
Ex: o Mundo de Wumpus é um modelo da sentença “B1-2” sob a interpretação de que existe um buraco na caverna (1,2).
Podem existir muitos modelos para “B1-2”, basta que eles tenham um buraco em (1,2).
MCI - Prof. Jacques Robin
Checagem de Modelo – Mundo Wumpus
MCI - Prof. Jacques Robin
Checagem de Modelo – Mundo Wumpus
KB = regras do mundo wumpus + observações
MCI - Prof. Jacques Robin
Checagem de Modelo – Mundo Wumpus
KB = regras do mundo wumpus + observações 1 = “[1,2] é seguro”, KB 1 , provado pela checagem do modelo
MCI - Prof. Jacques Robin
Checagem de Modelo – Mundo Wumpus
KB = regras do mundo wumpus + observações
MCI - Prof. Jacques Robin
Checagem de Modelo – Mundo Wumpus
KB = regras do mundo wumpus + observações 2 = “[2,2] é seguro”, KB 2
MCI - Prof. Jacques Robin
Encadeamento Para Frente e Para Trás Forma Horn
KB = conjunção de cláusulas Horn Cláusula horn =
Símbolo; ou Conjunção de símbolos símbolo
e.g.
MCI - Prof. Jacques Robin
Encadeamento Para Frente Idéia: descarte qualquer regra cujas premissas são satisfeitas
na KB, adicione sua conclusão à KB, até que a regra procurada seja encontrada.
MCI - Prof. Jacques Robin
Encadeamento Para Frente (exemplo)
MCI - Prof. Jacques Robin
Encadeamento Para Frente (exemplo)
MCI - Prof. Jacques Robin
Encadeamento Para Frente (exemplo)
MCI - Prof. Jacques Robin
Encadeamento Para Frente (exemplo)
MCI - Prof. Jacques Robin
Encadeamento Para Frente (exemplo)
MCI - Prof. Jacques Robin
Encadeamento Para Frente (exemplo)
MCI - Prof. Jacques Robin
Encadeamento Para Frente (exemplo)
MCI - Prof. Jacques Robin
Encadeamento Para Trás Idéia: para provar Q por BC,
cheque se Q já é conhecido, ou
prove por BC todas as premissas de alguma
regra concluindo Q.
Cuidados: Evite loops: cheque se novo sub-objetivo já está na pilha de
objetivos Evite trabalho repetido: cheque se novo sub-objetivo
1. Já foi provada como true, ou
2. Já falhou.
MCI - Prof. Jacques Robin
Encadeamento Para Trás (exemplo)
MCI - Prof. Jacques Robin
Encadeamento Para Trás (exemplo)
MCI - Prof. Jacques Robin
Encadeamento Para Trás (exemplo)
MCI - Prof. Jacques Robin
Encadeamento Para Trás (exemplo)
MCI - Prof. Jacques Robin
Encadeamento Para Trás (exemplo)
MCI - Prof. Jacques Robin
Encadeamento Para Trás (exemplo)
MCI - Prof. Jacques Robin
Encadeamento Para Trás (exemplo)
MCI - Prof. Jacques Robin
Encadeamento Para Trás (exemplo)
MCI - Prof. Jacques Robin
Encadeamento Para Trás (exemplo)
MCI - Prof. Jacques Robin
Encadeamento Para Trás (exemplo)
MCI - Prof. Jacques Robin
Encadeamento Para Trás (exemplo)
MCI - Prof. Jacques Robin
Encadeamento para Frente x Encadeamento para Trás
• EF é dirigida pelos dados, fc. Automático, processamento não consciente. Pode fazer muito trabalho irrelevante para o objetivo procurado
• ET é dirigido pelo objetivo, apropriado para resolução de problemas.e.g. “Onde estão minhas chaves?”Envolve backtracking, pode ser caro, mais muitas vezes bem de complexidade sub-linear no tamanho da BC
• EF pode ser usado para pré-calcular cache de objetivos freqüentes
Adequação depende:• da naturalidade de formalizar o problema a partir de dados ou do objetivo• da necessidade de encontrar apenas uma ou todas as soluções
MCI - Prof. Jacques Robin
Considerações Finais
Agentes Lógicos aplicam regras de inferência na BC para derivar novas sentenças;
Encadeamento PF e PT são lineares para cláusulas Horn;
Lógica Proposicional: Não é capaz de atender a questões como: “qual
ação devo tomar?” Pode apenas responder questões como: “devo ir
em frente?”, “devo virar para esquerda?”, etc. Lógica proposicional não possui mecanismos para
generalizar proposições;
Proposições são dependentes do tempo e o tamanho das proposições pode assumir grandes dimensões.