systemy sztucznej inteligencji
DESCRIPTION
Systemy Sztucznej Inteligencji. Wykład 5 Agenty logiczne. Agent z bazą wiedzy. Baza wiedzy (BW), Knowledge Base (KB) zbiór faktów na temat otoczenia fakt ↔ zdanie wyrażone w języku reprezentacji wiedzy powiedz, spytaj - PowerPoint PPT PresentationTRANSCRIPT
![Page 1: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/1.jpg)
Systemy Sztucznej Inteligencji
Wykład 5Agenty logiczne
![Page 2: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/2.jpg)
SSI - dr inż. P. Górecki 2
Agent z bazą wiedzy Baza wiedzy (BW), Knowledge Base (KB)
zbiór faktów na temat otoczenia fakt ↔ zdanie wyrażone w języku reprezentacji wiedzy powiedz, spytaj
Wnioskowanie – agent pyta sam siebie co ma zrobić, odpowiedź wynika z BW
Program agenta: podejście deklaratywne powiedz to agent powinien wiedzieć na temat otoczenia przeciwieństwem jest podejście proceduralne (zachowanie
określone przez kod) Spojrzenie na agenta
z poziomu wiedzy – co agent wie, bez szczegółów implementacyjnych
z poziomu implementacji – struktury danych BW, algorytmy wnioskowania
![Page 3: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/3.jpg)
SSI - dr inż. P. Górecki 3
Agent z bazą wiedzy
function AgentBW(obserwacje)global: bw, t powiedz(bw, obserwacje,t) akcja := spytaj(bw, t) t := t+1return akcja;
Agent powinien potrafić wyrażać stany, akcje, itp. uaktualniać wewnętrzną reprezentację otoczenia wnioskować na temat ukrytych własności otoczenia wnioskować o podjęciu działań
![Page 4: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/4.jpg)
SSI - dr inż. P. Górecki 4
Świat według Wumpusa Miara efektywności
złoto +1000, śmierć -1000 ruch -1, strzał -10
Środowisko na polach wokół Wumpusa
śmierdzi na polach wokół dołu wieje bryza strzał w kierunku Wumpusa zabija
go umierający Wumpus wydaje
wrzask strzelić można tylko raz pole ze złotem błyszczy się odkrywca zaczyna zawsze w [1,1]
Sensory smród, bryza, błysk, wrzask,
uderzenie Efektory
obrót w lewo, obrót prawo, do przodu, podnieś, strzel, podnieś, wyjdź
![Page 5: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/5.jpg)
SSI - dr inż. P. Górecki 5
Świat według Wumpusa
dostępne – nie, odkrywca widzi tylko pole na którym się znajduje
deterministyczne – tak epizodyczne – nie, ciągłość akcji statyczne – tak, Wumpus i doły są nieruchome dyskretne – tak, otoczenie podzielone na pola
![Page 6: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/6.jpg)
SSI - dr inż. P. Górecki 6
Świat wg. odkrywcy
![Page 7: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/7.jpg)
SSI - dr inż. P. Górecki 7
Świat wg. odkrywcy
![Page 8: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/8.jpg)
SSI - dr inż. P. Górecki 8
Świat wg. odkrywcy
![Page 9: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/9.jpg)
SSI - dr inż. P. Górecki 9
Świat wg. odkrywcy
![Page 10: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/10.jpg)
SSI - dr inż. P. Górecki 10
Świat wg. odkrywcy
![Page 11: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/11.jpg)
SSI - dr inż. P. Górecki 11
Świat wg. odkrywcy
![Page 12: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/12.jpg)
SSI - dr inż. P. Górecki 12
Świat wg. odkrywcy
![Page 13: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/13.jpg)
SSI - dr inż. P. Górecki 13
Świat wg. odkrywcy
![Page 14: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/14.jpg)
Ogólnie o logice
reprezentacja wiedzy – sformułowanie wiedzy w sposób zrozumiały dla komputera składnia – sposób budowania poprawnych zdań, zbiór
reguł pozwalających na budowanie zdań i wyrażeń semantyka – określa znaczenie zdań i wyrażeń, bez
semantyki zdanie to ciąg symboli język arytmetyki
składnia – „x+2>y” jest zdaniem, „x2+y>” nie jest zdaniem semantyka
x+2>y jest prawdziwe jeżeli x jest większe o 2 od y w świecie gdzie x=7 i y=1 zdanie x+2>y jest prawdziwe w świecie gdzie x=1 i y=5 zdanie x+2>y jest nieprawdziwe
SSI - dr inż. P. Górecki 14
![Page 15: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/15.jpg)
Reprezentacja wiedzy
SSI - dr inż. P. Górecki 15
Świat
Reprezentacja
Zdania Zdanie
Fakty Faktwynika
implikują
semantyka
semantyka
![Page 16: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/16.jpg)
Reprezentacja wiedzy Typowe języki programowania nie nadają się zbyt
dobrze do wyrażania wiedzy świat Wumpusa – tablica 4x4
swiat[2,2] = dół jak wyrazić zdanie „dół jest w [2,2] albo w [3,1]”?
Bardziej ekspresyjny jest język naturalny służy komunikacji a nie reprezentacji może być dwuznaczny znaczenie zależy od kontekstu
Język reprezentacji wiedzy formalny i ekspresyjny jednoznaczny efektywny
SSI - dr inż. P. Górecki 16
![Page 17: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/17.jpg)
Logika System formalny opisujący pewne fakty składający
się z: składni – sposobu tworzenia zdań semantyki – sposobu przypisywania zdań faktom teorii dowodu – zbioru zasad określający sposób
generowania nowych zdań Rachunek zdań
symbole zdaniowe reprezentują fakty spójniki Boole’a pozwalają na tworzenie skomplikowanych
zdań Logika pierwszego rzędu
reprezentacja świata: obiekty i predykaty obiektów spójniki Boole’a, kwantyfikatory
![Page 18: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/18.jpg)
Języki formalne
Język Opis świata Wartości
Rachunek zdań fakty prawda/fałsz/nieznane
Logika 1-go rzędu fakty, obiekty, relacje prawda/fałsz/nieznane
Logika temporalna fakty, obiekty, relacje, czas prawda/fałsz/nieznane
Teoria prawdopodobieństwa fakty prawdopodobieństwo
Logika rozmyta fakty stopień prawdziwości
![Page 19: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/19.jpg)
Rachunek zdań
Najprostszy rodzaj logiki Składnia
stałe logiczne: prawda, fałsz symbole logiczne: zdania P1, P2, Q, spójniki logiczne:
negacja: S koniunkcja: S1 S2 alternatywa: S1 S2 implikacja: S1 S2
równoważność: S1 S2 Kolejność spójników: , , , ,
P Q R S jest równoważne ((P) (Q R)) S
![Page 20: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/20.jpg)
Rachunek zdań
Semantyka symbol (zdanie) może oznaczać dowolny fakt (p/f)
Model – zdanie posiadające interpretacje Przykład: P (f), Q (p), S (f) - 3 symbole, 8 modeli
Tablica prawdy – określa semantykę zdań
![Page 21: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/21.jpg)
Znaczenie implikacji
Przykład 1 P: „5 jest liczbą nieparzystą” (p) Q: „Warszawa jest stolicą Polski” (p) P Q (p)
Przykład 2 P: „5 jest liczbą parzystą” (f) Q: „Adam jest wysoki” (p/f) P Q (p) rodzaj obietnicy: jeżeli P (ładna pogoda) to Q
(pójdę na spacer)
![Page 22: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/22.jpg)
Model - interpretacja zdania
Model - zdanie logiczne opisujące świat i posiadające pewną interpretację
Model zdania S1,2
to zdanie ma jeszcze inne modele M(α) – zbiór wszystkich modeli
zdania α
![Page 23: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/23.jpg)
Rachunek zdań tautologia – zdanie, które jest prawdziwe dla wszystkich
modeli „pada” lub „nie pada”, P ~P
sprzeczność – zdanie, które jest fałszywe dla wszystkich modeli „pada” i „nie pada”, P ~P implikacja logiczna – P ╞ Q (jeżeli P jest prawdziwe to i Q
jest prawdziwe, wszystkie modele P są modelami Q) BW ╞ α witw M(BW) M(α)
np. BW = Polska wygrała i Belgia wygrała, α = Belgia wygrała
SSI - dr inż. P. Górecki 23
M(BW)
![Page 24: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/24.jpg)
Implikacja logiczna
Generowanie nowych zdań ze zdań już znanych
Oznacza, że jedno zdanie wynika z innego BW ╞ α
BW implikuje zdanie α, witw gdy w pewnym świecie α jest zdaniem prawdziwym i wszystkie zdania w BW są prawdziwe
α wynika z BW Przykład:
BW = {wszyscy ludzie są śmiertelni, Sokrates jest człowiekiem}
α = Sokrates jest śmiertelny
SSI - dr inż. P. Górecki 24
![Page 25: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/25.jpg)
Złapaliśmy czarownicę. Możemy ją spalić? Tak, spalić!
Skąd wiecie, że to czarownica? Zamieniła mnie w trytona. Trytona? Już mi przeszło. l tak ją spalić. Tak, spalić ją! Cisza! Są sposoby na to, by
sprawdzić czy ktoś jest czarownicą. Są? Jakie? Mów. Bolesne? Powiedzcie: co robicie z
czarownicami? Palimy je! Co jeszcze palicie? Inne czarownice! Drewno. Dlaczego więc czarownice się palą? Bo są z drewna?
Dobrze. Jak więc sprawdzić, czy ona jest z drewna?
Zbudować z niej most. Czy nie ma mostów z kamienia? No tak, są. Czy drewno tonie? Nie. Unosi się na wodzie. Wrzucić ją do stawu! Co jeszcze unosi się na wodzie? Chleb. Jabłka. Małe kamienie. Kaczka! Dokładnie. Więc, logicznie
rozumując... Jeśli ona... waży tyle samo, co kaczka,
jest z drewna. A zatem... Jest czarownicą!
SSI - dr inż. P. Górecki 25
![Page 26: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/26.jpg)
Wnioskowanie logiczne
BW = {S1, S2, S3, ..., Sm} – zbiór zdań w BW {X1, X2, X3, ..., Xn} – zbiór symboli z m zdań BW Chcemy wiedzieć czy zdanie A można
wywnioskować z BW
Należy rozpatrzeć każdy możliwy model w BW przy pomocy tablicy prawdy (2n rzędów)
SSI - dr inż. P. Górecki 26
X1, X2, ..., Xn S1, S2, ..., Sm S1S2... Sm A (S1S2... Sm) A
0, 0, ...., 0
0, 0, ...., 1
................
1, 1, ..., 1
A wynika z BW jeżeli dla każdego prawdziwego modelu w BW prawdziwe jest A (M(BW) M(A))
![Page 27: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/27.jpg)
Przykład
Zdania P: „jest gorąco” Q: „jest wilgotno” R: „pada deszcz”
Baza wiedzy R1 : P Q R (jeżeli jest gorąco i wilgotno to pada) R2 : Q P (jeżeli jest wilgotno to jest gorąco) R3 : Q (jest gorąco – obserwacja)
Pytanie R (czy pada?)
SSI - dr inż. P. Górecki 27
![Page 28: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/28.jpg)
Tabela prawdy
P Q R (PQ) R Q P Q BW R BW R
0 0 0 1 1 0 0 0 1
0 0 1 1 1 0 0 1 1
0 1 0 1 0 1 0 0 1
0 1 1 1 0 1 0 1 1
1 0 0 1 1 0 0 0 1
1 0 1 1 1 0 0 1 1
1 1 0 0 1 1 0 0 1
1 1 1 1 1 1 1 1 1
SSI - dr inż. P. Górecki 28
R wynika z BWBW R jest tautologią
BW – przesłankiR - wniosek
M(BW) M(R)
![Page 29: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/29.jpg)
Tabela prawdy – świat Wumpusa Baza wiedzy:
~S11
~S11 ~W12 ~W21 ~W11 ~S21
~S21 ~W11 ~W22 ~W31 ~W21 S12
S12 W13 W22 W11 W12
9 symboli: {S11, S21, S12, W12, W21, W11, W22, W31, W13} tabela prawdy: 29 = 512 rzędów
SSI - dr inż. P. Górecki 29
Pytanie: W13 ?
![Page 30: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/30.jpg)
Reguły wnioskowania Procedura wnioskowania przy pomocy tabeli prawdy
jest zupełna ale ma złożoność wykładniczą (2n) Czy istnieje szybsza procedura?
tak – procedura wnioskowania korzystająca z poprawnych reguł wnioskowania
Zdanie A można wywieść z pewnych zdań teorii BW przy użyciu procedury i BW ├i A,
Reguła wnioskowania jest poprawna, jeżeli dla każdej przesłanki która jest prawdziwa, wniosek jest prawdziwy
SSI - dr inż. P. Górecki 30
wniosekprzeslanka
![Page 31: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/31.jpg)
Reguły wnioskowania w rachunku zdańNazwa polska Nazwa angielska Reguła
R. odrywania Modus ponens (Implication elimination)
R. Opuszczania koniunkcji And – Elimination
R. Dołączania koniunkcji And – Introduction
R. Dołączania alternatywy Or – Introduction
R. Opuszczania alternatywy Unit Resolution
R. Opuszczania podwójnej negacji
Double-Negation Elimination
Rezolucja Resolution
ABBA ~,
BBAA ,
AA~~
BABA
,ABA
BAA BA
B
BBA
GAGBBA
~,
![Page 32: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/32.jpg)
Przykład:poprawność reguły rezolucjiα β γ α β ~β γ α γfałsz fałsz fałsz fałsz prawda fałsz
fałsz fałsz prawda fałsz prawda prawda
fałsz prawda fałsz prawda fałsz fałsz
fałsz prawda prawda prawda prawda prawdaprawda fałsz fałsz prawda prawda prawdaprawda fałsz prawda prawda prawda prawdaprawda prawda fałsz prawda fałsz prawda
prawda prawda prawda prawda prawda prawda
SSI - dr inż. P. Górecki 32
~,
Dla każdej przesłanki która jest prawdziwa, wniosek jest prawdziwy – ta reguła wnioskowania jest poprawna
![Page 33: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/33.jpg)
Przykład wnioskowania
1. Q przesłanka R3
2. Q P przesłanka R2
3. P modus ponens (1,2)4. P Q R przesłanka R1
5. P Q and – Introduction (1,3)
6. R modus ponens (4,5)
SSI - dr inż. P. Górecki 33
![Page 34: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/34.jpg)
Przykład wnioskowania
1. ~S11
2. ~S11 ~W12 ~W21 ~W11
3. ~S21
4. ~S21 ~W11 ~W22 ~W31 ~W21
5. S12
6. S12 W13 W22 W11 W12
a) ~W12 ~W21 ~W11 (modus ponens 1,2)
b) ~W12, ~W21, ~W11 (and-elimination a)
c) ~W11 ~W22 ~W31 ~W21 (modus ponens 3,4)
d) ~W11, ~W22, ~W31, ~W21 (and-elimination c)
e) W13 W22 W11 W12 (modus ponens 5,6)
f) W13 W22 W12 (unit resolution A=e, B= W11 z b)
g) W13 W22 (unit resolution A=f, B= W12 z b)
h) W13 (unit resolution A=g, B= W22 z d)
SSI - dr inż. P. Górecki 34
W13?
![Page 35: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/35.jpg)
Wykorzystanie wiedzy do wykonania akcji Dodatkowe reguły określające jaką akcję
wybrać np. A11 Wschód W21 ~Naprzód
Zamiast pytania „jaką akcję wybrać” seria pytań: czy mam iść na przód? czy mam się obrócić w prawo?
SSI - dr inż. P. Górecki 35
![Page 36: Systemy Sztucznej Inteligencji](https://reader035.vdocuments.mx/reader035/viewer/2022070419/56815d96550346895dcbb608/html5/thumbnails/36.jpg)
Problemy
Zbyt wiele faktów „nie idź do przodu, jeżeli przed tobą jest Wumpus”:
64 reguły (16 pól * 4 kierunki) Jeżeli agent ma pamiętać swoje poprzednie
ruchy np. A11,t1, A11,t2, ... A11,t1 Wschódt1 W21,t1 ~Naprzódt1
A11,t2 Wschódt2 W21,t2 ~Naprzódt2
Rozwiązanie: logika 1-go rzędu – fakty i relacje
SSI - dr inż. P. Górecki 36