Λογικοί πράκτορες. Πράκτορες βασισµένοι στη γνώση



Σχετικά έγγραφα
ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ. Ενότητα 9: Προτασιακή λογική. Ρεφανίδης Ιωάννης Τμήμα Εφαρμοσμένης Πληροφορικής

ΠΛΗ 405 Τεχνητή Νοηµοσύνη

ΠΛΗ 405 Τεχνητή Νοηµοσύνη

ΠΛΗ 405 Τεχνητή Νοηµοσύνη

Ε ανάληψη. Παιχνίδια τύχης. Παιχνίδια ατελούς ληροφόρησης. Λογικοί ράκτορες. ΠΛΗ 405 Τεχνητή Νοηµοσύνη αναζήτηση expectiminimax

Πανεπιστήμιο Δυτικής Μακεδονίας. Τμήμα Μηχανικών Πληροφορικής & Τηλεπικοινωνιών. Τεχνητή Νοημοσύνη. Ενότητα 5: Αναπαράσταση Γνώσης με Λογική

Αναπαράσταση Γνώσης µε Λογική. Προτασιακή Λογική

Αναπαράσταση Γνώσης και Συλλογιστικές

Τεχνητή Νοημοσύνη. 8η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

Αναπαράσταση Γνώσης και Συλλογιστικές

Λογική. Προτασιακή Λογική. Λογική Πρώτης Τάξης

Ασκήσεις μελέτης της 8 ης διάλεξης

Κανονικές μορφές - Ορισμοί

Επανάληψη. ΗΥ-180 Spring 2019

Προτασιακή Λογική. Τμήμα Μηχανικών Πληροφορικής ΤΕ ΤΕΙ Ηπείρου Γκόγκος Χρήστος

Υπολογιστική Λογική και Λογικός Προγραμματισμός

1 Συνοπτική ϑεωρία. 1.1 Νόµοι του Προτασιακού Λογισµού. p p p. p p. ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών

ΠΛΗ 405 Τεχνητή Νοηµοσύνη Ε ανάληψη. πεπερασµένα χρονικά περιθώρια ανά κίνηση. απευθείας αξιολόγηση σε ενδιάµεσους κόµβους

ΕΘΝΙΚΟ ΚΑΙ ΚΑΠΟΔΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΤΗΝ ΛΟΓΙΚΗ ΚΑΙ ΘΕΩΡΙΑ ΑΛΓΟΡΙΘΜΩΝ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΥ

Συνέπεια, Εγκυρότητα, Συνεπαγωγή, Ισοδυναμία, Κανονικές μορφές, Αλγόριθμοι μετατροπής σε CNF-DNF

Λύσεις Σειράς Ασκήσεων 1

Λογική. Φροντιστήριο 3: Συνεπαγωγή/Ισοδυναμία, Ταυτολογίες/Αντινομίες, Πλήρης Αλγόριθμος Μετατροπής σε CNF

Ευχαριστίες. Τέλος θα ήθελα να ευχαριστήσω όλους όσους ήταν δίπλα μου όλα αυτά τα χρόνια και με βοήθησαν να πραγματοποιήσω τους στόχους μου.

ΑΣΚΗΣΕΙΣ. 1. Εξετάστε αν οι παρακάτω εξαγωγές συμπερασμάτων στον προτασιακό λογισμό είναι έγκυρες.

! όπου το σύµβολο έχει την έννοια της παραγωγής, δηλαδή το αριστερό µέρος ισχύει ενώ το δεξιό µέρος συµπεραίνεται και προστίθεται στη βάση γνώσης.

Υποδ: Χρησιμοποιήστε τον ορισμό της λογικής συνεπαγωγής (λογικής κάλυψης).

4. Ο,τιδήποτε δεν ορίζεται με βάση τα (1) (3) δεν είναι προτασιακός τύπος.

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ. Λογική. Δημήτρης Πλεξουσάκης

9.1 Προτασιακή Λογική

Συνέπεια, Εγκυρότητα, Συνεπαγωγή, Ισοδυναμία, Κανονικές μορφές, Αλγόριθμοι μετατροπής σε CNF-DNF

Μηχανισμός Εξαγωγής Συμπερασμάτων

ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΛΟΓΙΚΗΣ

Προτασιακός Λογισμός (HR Κεφάλαιο 1)

Τεχνητή Νοημοσύνη ( )

Βασικές Ισοδυναμίες με Άρνηση, Πίνακες Αληθείας, Λογική Συνεπαγωγή, Ταυτολογίες, Αντινομίες, Πλήρης Αλγόριθμος Μετατροπής CNF

Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή

Προτασιακός Λογισμός (HR Κεφάλαιο 1)

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ

Μαθηματική Λογική και Λογικός Προγραμματισμός

ΠΛΗ 405 Τεχνητή Νοηµοσύνη Ε ανάληψη. πράκτορες βασισµένοι σε προτασιακή λογική. πράκτορες βασισµένοι σε κύκλωµα

Υπολογιστικά & Διακριτά Μαθηματικά

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ

Λογική πρώτης τάξης. Παραδοχές

Λογικός Προγραμματισμός

Αλγόριθµοι και Πολυπλοκότητα

Λογική. Δημήτρης Πλεξουσάκης. Ασκήσεις 2ου Φροντιστηρίου: Προτασιακός Λογισμός: Κανονικές Μορφές, Απλός Αλγόριθμος Μετατροπής σε CNF/DNF, Άρνηση

4.3 Ορθότητα και Πληρότητα

Μορφολογική Παραγωγή. 3 ο φροντιστήριο ΗΥ180 Διδάσκων: Δ. Πλεξουσάκης Τετάρτη 15/03/2017 Ζωγραφιστού Δήμητρα

Κεφάλαιο 9. Λογική. Τεχνητή Νοηµοσύνη - Β' Έκδοση. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου

Τεχνητή Νοημοσύνη. 7η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

Σχόλιο. Παρατηρήσεις. Παρατηρήσεις. p q p. , p1 p2

Τεχνητή Νοημοσύνη Ι. Ενότητα 7:Προτασιακή Λογική. Πέππας Παύλος Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών

Βασικές Ισοδυναμίες με Άρνηση /Πίνακες Αληθείας /Λογική Συνεπαγωγή /Ταυτολογίες /Αντινομίες Πλήρης αλγόριθμος μετατροπής CNF

Σημειώσεις Λογικής I. Εαρινό Εξάμηνο Καθηγητής: Λ. Κυρούσης

Μαθηματική Λογική και Λογικός Προγραμματισμός

ΠΑΙΓΝΙΑ Παιχνίδια Γενική Θεώρηση μεγιστοποιήσει την πιθανότητά

Μορφολογική Παραγωγή. 3 ο φροντιστήριο ΗΥ180 Διδάσκων: Δ. Πλεξουσάκης Τετάρτη 08/03/2018 Ζωγραφιστού Δήμητρα

Σχεδιασµός. Planning. Το πρόβληµα τουσχεδιασµού

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

Αναπαράσταση Γνώσης και Συλλογιστικές

Αναπαράσταση Γνώσης και Συλλογιστικές

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ. Λογική. Φροντιστήριο 4: Μορφολογική Παραγωγή. Δημήτρης Πλεξουσάκης Τμήμα Επιστήμης Υπολογιστών

Σειρά Προβλημάτων 1 Λύσεις

Μορφολογική Παραγωγή. 3 ο φροντιστήριο ΗΥ180 Διδάσκων: Δ. Πλεξουσάκης Τετάρτη 28/02/2019 Ζωγραφιστού Δήμητρα

Υπολογιστική Πολυπλοκότητα

Κατηγορηματικός Λογισμός (ΗR Κεφάλαιο )

ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ Η/Υ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ

p p p q p q p q p q

Τεχνητή Νοημοσύνη. 9η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

ΚΕΦΑΛΑΙΟ 3: Κατηγορηματική Λογική Πρώτης Τάξεως και Λογικά Προγράμματα

Υπολογισμός στο Λογικό Προγραμματισμό. Πώς υπολογίζεται η έξοδος ενός Λογικού Προγράμματος;

Υπολογιστική Πολυπλοκότητα

Γνώση. Γνώση (knowledge) είναι ο κοινός παράγοντας (π.χ. κανόνες) που περιγράφει συνοπτικά τις συσχετίσεις μεταξύ των δεδομένων ενός προβλήματος.

Εξελιγµένες Τεχνικές Σχεδιασµού


HY118- ιακριτά Μαθηµατικά. Παράδειγµα άµεσης απόδειξης. Μέθοδοι αποδείξεως για προτάσεις της µορφής εάν-τότε Αποδείξεις


Ελληνικό Ανοικτό Πανεπιστήµιο Σπουδές στην Πληροφορική. Φαινόµενα πολυπλοκότητας στα Μαθηµατικά και στη Φυσική: ύο όψεις του ίδιου νοµίσµατος;

Ασκήσεις ανακεφαλαίωσης στο μάθημα Τεχνητή Νοημοσύνη

Περιεχόμενα. Εισαγωγή του επιμελητή, Γιάννης Σταματίου 15 Πρόλογος 17 Εισαγωγή 23. Μέρος I. ΕΠΑΝΑΛΗΠΤΙΚΟΙ ΑΛΓΟΡΙΘΜΟΙ ΚΑΙ ΑΝΑΛΛΟΙΩΤΕΣ ΣΥΝΘΗΚΕΣ

Προτάσεις. Εισαγωγή στις βασικές έννοιες των Μαθηματικών. Ποιες είναι προτάσεις; Προτάσεις 6/11/ ο Μάθημα Μαθηματική Λογική (επανάληψη)

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ

Στοιχεία Προτασιακής Λογικής

HY Λογική Διδάσκων: Δ. Πλεξουσάκης Εαρινό Εξάμηνο. Φροντιστήριο 6

HY118- ιακριτά Μαθηµατικά

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ

Περιεχόμενα 1 Πρωτοβάθμια Λογική Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά και Πληροφορικής Μαθηματικά Πανεπιστήμιο ΙΙ Ιωαννίνων ) / 60

ΠΛΗ 405 Τεχνητή Νοηµοσύνη

Β Ομάδα Ασκήσεων "Λογικού Προγραμματισμού" Ακαδημαϊκού Έτους

Ατοµική ιπλωµατική Εργασία ΕΥΡΕΤΙΚΕΣ ΜΕΘΟ ΟΙ ΠΡΟΤΑΣΙΑΚΩΝ ΕΠΙΛΥΤΩΝ ΓΙΑ ΠΡΟΒΛΗΜΑΤΑ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΡΑΣΗΣ. Ελένη Προξένου ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ

Prˆktorec Basismènoi sth Gn sh

Λογική Δημήτρης Πλεξουσάκης Φροντιστήριο 6: Προτασιακός Λογισμός: Μέθοδος Επίλυσης Τμήμα Επιστήμης Υπολογιστών

Λογική Πρώτης Τάξης. Γιώργος Κορφιάτης. Νοέµβριος Εθνικό Μετσόβιο Πολυτεχνείο

Επίπεδα Γραφήματα : Προβλήματα και Υπολογιστική Πολυπλοκότητα

Ask seic Majhmatik c Logik c 2

ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ. Ενότητα 12: Συμπερασμός στη λογική πρώτης τάξης. Ρεφανίδης Ιωάννης Τμήμα Εφαρμοσμένης Πληροφορικής

Βιβλιογραφικές και ιστορικές σηµειώσεις Ασκήσεις Προβλήµατα Ικανοποίησης Περιορισµών

HY118- ιακριτά Μαθηµατικά

Στοιχεία Προτασιακής Λογικής

Transcript:

Λογικοί πράκτορες Πράκτορες βασισµένοι στη γνώση Βάση γνώσης (knowledge base: Σύνολο προτάσεων (sentences Γλώσσα αναπαράστασης της γνώσης Γνωστικό υπόβαθρο: «Αµετάβλητο» µέρος της ΒΓ Βασικές εργασίες: Tell, Ask ηλωτική / ιαδικαστική προσέγγιση 7-2

Οκόσµος του Wumpus (1/2 7-3 Οκόσµος του Wumpus (2/2 Μέτρο απόδοσης: +1000 για χρυσό -1000 για wumpus, γούβα -1 για κάθε βήµα -10 για βέλος Περιβάλλον: Πιθανότητα 20% για γούβα Μηχανισµοί δράσης Μετακίνηση Στροφή 90 ο Αρπαγή Εξακόντιση Αντιλήψεις [ υσοσµία, Αύρα, Λάµψη, Γδούπος, Κραυγή] 7-4

Παράδειγµα (1/2 7-5 Παράδειγµα (2/2 7-6

Λογική Logic Γλώσσες Σύνταξη, καλά σχηµατισµένες προτάσεις x+y=2, xy2+= Σηµασιολογία λογικής Αλήθεια πρότασης υνατοί κόσµοι Μοντέλα Μοντέλο πρότασης Η πρόταση είναι αληθής στο µοντέλο Λογική κάλυψη (entailment α β x + y = 4 4=x + y Ανεξάρτητη από τον τρόπο συµπερασµού 7-8

Έλεγχος µοντέλων Έστω ότι οι «µεταβλητές» µας αφορούν την ύπαρξη γούβας στα τετράγωνα [1,2], [2,2] και [3,1] α 1 = εν υπάρχει γούβα στο [1,2]. KB α 1 α 2 = εν υπάρχει γούβα στο [2,2]. KB α 2 7-9 Αλγόριθµοι συµπερασµού KB i α : Ο αλγόριθµος i παράγει την πρόταση α από την KB Χαρακτηριστικά αλγορίθµων: Ορθός (sound, διατηρεί την αλήθεια (truth preserving Πλήρης (complete Θεµελίωση: Σύνδεση των αντικειµένων/σχέσεων του πραγµατικού κόσµου µε µεταβλητές/σχέσεις της βάσης γνώσης. Αισθητηριακή εµπειρία, µάθηση 7-10

Προτασιακή λογική Propositional logic Σύνταξη Ατοµικές προτάσεις Προτασιακά σύµβολα: P, Q, R, W 1,3, Γ 3,1,, Λογικά συνδετικά Άρνηση, W 1,3 Λεκτικά (literals, Θετικό λεκτικό: W 1,3, Αρνητικό λεκτικό:, W 1,3 Σύζευξη, W 1,3 Γ 3,1 Συζευκτέοι ιάζευξη, (W 1,3 Γ 3,1 W 2,2 Διαζευκτέοι Συνεπαγωγή, (W 1,3 Γ 3,1 W 2,2 προϋπόθεση ή προηγούµενο, συµπέρασµα ή επακόλουθο κανόνες, προτάσεις εάν-τότε Ισοδυναµία, W 1,3 W 2,2 Προτεραιότητα:,,,, 7-12

Σηµασιολογία Μοντέλο (στην προτασιακή λογική: Καθορίζει την τιµή αληθείας κάθε προτασιακού συµβόλου. Πίνακας αληθείας P Q P P Q P Q P Q P Q 7-13 Μια απλή βάση γνώσης Θα ασχοληθούµε µόνο µε τιςγούβες: R 1 : Γ 1,1 R 2 : Α 1,1 (Γ 1,2. R 3 : Α 2,1 (Γ 1,1 Γ 2,2 Γ 3,1. R 4 : Α 1,1 R 5 : Α 2,1 Βάση γνώσης: Σύζευξη προτάσεων KB R 1 R 2 R 3 R 4 R 5 7-14

Συµπερασµός µε απαρίθµηση Θέλουµε νααπαντάµε σεερωτήσειςτηςµορφής: KB α 7 µεταβλητές: Α 1,1, Α 2,1, Γ 1,1, Γ 1,2, Γ 2,1, Γ 2,2 και Γ 3,1 2 7 =128 δυνατά µοντέλα Η ΚΒ είναι αληθής σε 3 από αυτά. KB Γ 1,2 KB Γ 2,2 KB Γ 2,2 Χρονική πολυπλοκότητα: Ο(2 n Χωρική πολυπλοκότητα: Ο(n όπου n το πλήθος των προτασιακών συµβόλων Κάθε γνωστός αλγόριθµος συµπερασµού για την προτασιακή λογική έχει µια πολυπλοκότητα χειρότερης περίπτωσης που είναι εκθετική ως προς το µέγεθος της εισόδου. 7-15 Λογική ισοδυναµία (α β (β α αντιµεταθετικότητα του (α β (β α αντιµεταθετικότητα του ((α β γ (α (β γ προσεταιριστικότητα του ((α β γ (α (β γ προσεταιριστικότητα του ( α α απαλοιφή διπλής άρνησης (α β ( β α αντιθετοαντιστροφή (α β ( α β απαλοιφή συνεπαγωγής (α β ((α β (β α απαλοιφή αµφίδροµης υποθετικής πρότασης (α β ( α β νόµος De Morgan (α β ( α β νόµος De Morgan (α (β γ ((α β (a γ επιµεριστικότητα του ως προς το (α (β γ ((α β (a γ επιµεριστικότητα του ως προς το 7-16

Έγκυρες και Ικανοποιήσιµες προτάσεις Έγκυρες προτάσεις: Είναι αληθείς σε όλα τα µοντέλα Ικανοποιήσιµες προτάσεις: Είναι αληθείς σε τουλάχιστον ένα µοντέλο. Ηπρότασηα είναι αληθής στο µοντέλο m Το m ικανοποιεί την α To m είναι ένα µοντέλο της α Προβλήµατα ικανοποίησης περιορισµών Η α είναι έγκυρη εάν και µόνο αν η α δεν είναι ικανοποιήσιµη. Απαγωγή σε άτοπο: α β εάν και µόνο εάν η πρόταση (α β είναι µη ικανοποιήσιµη. 7-17 Πρότυπα συλλογιστικής στην προτασιακή λογική

Κανόνες συµπερασµού Modus ponens («τρόπος του θέτειν» α β, α β Απαλοιφή του ΚΑΙ α β α Όλες οι λογικές ισοδυναµίες, π.χ. α β ( α β ( β α ( α β ( β α α β 7-19 Παράδειγµα (1/3 Θα αποδείξουµε το Γ 1,2 : R 6 : (Α 1,1 (Γ 1,2 ((Γ 1,2 Α 1,1 R 7 : ((Γ 1,2 Α 1,1 R 1 : Γ 1,1 R 2 : Α 1,1 (Γ 1,2 R 3 : Α 2,1 (Γ 1,1 Γ 2,2 Γ 3,1 R 4 : Α 1,1 R 5 : Α 2,1 R 8 : ( Α 1,1 (Γ 1,2 R 9 : (Γ 1,2 R 10 : Γ 1,2 Γ 2,1 7-20

Αποδείξεις ιαδικασία αναζήτησης Προς τα εµπρός Προς τα πίσω Μονοτονικότητα εάν KB α τότε KB β α 7-21 Παράδειγµα (2/3 Από τις προτάσεις: R 1 : Γ 1,1 R 2 : Α 1,1 (Γ 1,2 R 3 : Α 2,1 (Γ 1,1 Γ 2,2 Γ 3,1 R 4 : Α 1,1 R 5 : Α 2,1 R 6 : (Α 1,1 (Γ 1,2 ((Γ 1,2 Α 1,1 R 7 : ((Γ 1,2 Α 1,1 R 8 : ( Α 1,1 (Γ 1,2 R 9 : (Γ 1,2 R 10 : Γ 1,2 Γ 2,1 και πηγαίνοντας από το [2,1] στο [1,1] και µετά στο [1,2], όπου υπάρχει δυσοσµία αλλά όχι αύρα, προκύπτουν 7-22

Παράδειγµα (3/3 (συνέχεια R 11 : Α 1,2 R 12 : Α 1,2 (Γ 1,1 Γ 2,2 Γ 1,3 Εφαρµόζοντας αντιθετοαντιστροφή παίρνουµε: R 13 : Γ 2,2 R 14 : Γ 1,3 Από τις R 3 και R 5 παίρνουµε: R 15 : Γ 1,1 Γ 2,2 Γ 3,1 Από την R 15 και την R 13 παίρνουµε: R 16 : Γ 1,1 Γ 3,1 Τέλος από την R 16 και την R 1 παίρνουµε: R 17 : Γ 3,1 7-23 Ανάλυση (resolution Μοναδιαία ανάλυση (unit resolution l L l, m l 1 1 L l i 1 k l i+ 1 L l k l i = m Πλήρης ανάλυση l 1 L l i 1 l l i+ 1 1 L l, L l k k m L m m L m 1 1 n j 1 m j+ 1 l i = m j L m n ιαζευκτική πρόταση, συµπληρωµατικά λεκτικά Παράδειγµα: Γ 1,1 Γ 3,1 Γ, 3,1 Γ Γ 1,1 2,2 Γ 2,2 7-24

Πληρότητα Οποιοσδήποτε πλήρης αλγόριθµος αναζήτησης που εφαρµόζει µόνο τον κανόνα της ανάλυσης µπορεί να συνάγει οποιοδήποτε συµπέρασµα που καλύπτεται λογικά από οποιαδήποτε βάση γνώσης της προτασιακής λογικής. Με δεδοµένο το Α δεν µπορεί να «αποδείξει» το Α Β. Μπορεί όµως να απαντήσει εάν το Α Β είναι αληθές ή ψευδές. Πληρότητα διάψευσης 7-25 Συζευκτική κανονική µορφή (conjunctive normal form, CNF Κάθε πρόταση της προτασιακής λογικής είναι λογικά ισοδύναµη µε µια σύζευξη διαζεύξεων λεκτικών. k-cnf: Ακριβώς k λεκτικά ανά πρόταση. ιαδικασία µετατροπής σε CNF (παράδειγµα γιαr 2 : R 2 : Α 1,1 (Γ 1,2 (Α 1,1 (Γ 1,2 ((Γ 1,2 Α 1,1 ( Α 1,1 Γ 1,2 ( (Γ 1,2 Α 1,1 ( Α 1,1 Γ 1,2 (( Γ 1,2 Γ 2,1 Α 1,1 ( Α 1,1 Γ 1,2 ( Γ 1,2 Α 1,1 ( Γ 2,1 Α 1,1 7-26

Αλγόριθµος ανάλυσης Γιανααποδείξουµε τοkb α, αποδεικνύουµε ότιη(kb α είναι µη ικανοποιήσιµη: Εισάγουµε στην KB την α. Μετατρέπουµε την(kb α σε µορφή CNF. Εφαρµόζουµε τον κανόνα της ανάλυσης σε οποιοδήποτε ζεύγος προτάσεων όπου µπορεί να εφαρµοστεί. Εάν καταλήξουµε σεάτοπο, η πρότασηα καλύπτεται από την KB. Ειδάλλως δεν καλύπτεται 7-27 Παράδειγµα Έστω οι δύο προτάσεις R 2 και R 4 : KB = R 2 R 4 = (Α 1,1 (Γ 1,2 Α 1,1 Θέλουµε νααποδείξουµε την Γ 1,2. Μετατρέπουµε την(kb Γ 1,2 σε CNF και εφαρµόζουµε την ανάλυση: 7-28

Προτάσεις Horn ιαζευκτικές προτάσεις µε το πολύ ένα θετικό λεκτικό: Θ 1,1 Αύρα Α 1,1 Λογικός προγραµµατισµός, Prolog Οριστικές προτάσεις: ιαζεύξεις µε ακριβώς ένα θετικό λεκτικό. Γράφονται και ως «κανόνες»: Θ 1,1 Αύρα Α 1,1 Κεφαλή (head κανόνα: Θ 1,1 Αύρα Σώµα (body κανόνα: Α 1,1 Γεγονότα (facts: Μόνο ένα θετικό λεκτικό. Περιορισµοί ακεραιότητας (integrity constraints: Μόνο αρνητικά λεκτικά. W 1,1 W 1,2 7-29 Συµπερασµός µε προτάσεις Horn Προς τα εµπρός αλυσίδα εκτέλεσης Καθοδηγούµενη από τα δεδοµένα Προς τα πίσω αλυσίδα εκτέλεσης Καθοδηγούµενη από τους στόχους Γραµµικός χρόνος ως προς το µέγεθος της βάσης γνώσης Γράφηµα AND-OR P Q L M P B L M A P L A B L A B 7-30

Αποδοτικός Προτασιακός Συµπερασµός Αλγόριθµος DPLL Davis, Putman, Logemann, Loveland (1962 Πλήρης αναζήτηση µε υπαναχώρηση Αναδροµική, πρώτα σε βάθος, απαρίθµηση των δυνατών µοντέλων. Βελτιώσεις Πρόωρος τερµατισµός: Μπορούµε νασυµπεράνουµε για την αλήθεια ή το ψεύδος µιας πρότασης, χωρίς να έχουµε τιςτιµές όλων των µεταβλητών. (A B (A C Αµιγή σύµβολα: Εµφανίζονται µε τοίδιοπρόσηµο σεόλεςτις προτάσεις. (A B ( B C (C A Μοναδιαίες διαζευκτικές προτάσεις: Όλα τα λεκτικά εκτός από ένα είναι Ψευδή. 7-32

Αλγόριθµοι τοπικής αναζήτησης Αναρρίχηση λόφων, Προσοµοιωµένη ανόπτηση, Ευρετική συνάρτηση: Πλήθος διαζευκτικών προτάσεων που δεν ικανοποιούνται. Αλγόριθµος WalkSat: Επιλογή τυχαίας διαζευκτικής πρότασης Επιλογή συµβόλου για αλλαγή τιµής: Επιλογή τυχαίου συµβόλου, µε πιθανότητα p Επιλογή συµβόλου που βελτιστοποιεί την ευρετική συνάρτηση, µε πιθανότητα 1-p. 7-33 ύσκολα προβλήµατα ικανοποιησιµότητας Πρόβληµα 3-CNF: ( D B C (B A C (C B E (E D B (B E C πλήθος συµβόλων: n = 5 πλήθος προτάσεων: m = 5 Κρίσιµο σηµείο: µ/ν = 4,3 7-34

Πράκτορες βασισµένοι στην προτασιακή λογική Εύρεση γουβών και wumpus µε προτασιακή λογική Αύρα, υσοσµία: Για κάθε τετράγωνο [x,y] πρέπει να υπάρχουν προτάσεις της µορφής: Α x,y (Γ x,y+1 Γ x,y 1 Γ x+1,y Γ x 1,y x,y (W x,y+1 W x,y 1 W x+1,y W x 1,y Υπάρχει τουλάχιστον ένα Wumpus: W1,1 W1,2 W 4,3 W 4,4 Υπάρχει το πολύ ένα Wumpus: ( W 1,1 W 1,2 ( W 1,1 W 1,3 ( W 4,3 W 4,4 Αποδείξιµα ασφαλή τετράγωνα: η ( Γ i,j W i,j καλύπτεται. Πιθανόν ασφαλή τετράγωνα: η (Γ i,j W i,j δεν καλύπτεται. 7-36

Θέση, προσανατολισµός, ενέργειες εν µπορούν να χρησιµοποιηθούν προτάσεις της µορφής: Θ 1,1 Βλέπει_δεξιά Εµπρός Θ 2,1 Ξεχωριστά σύµβολα για κάθε χρονική στιγµή: Θ 1 1,1 Βλέπει_δεξιά1 Εµπρός 1 Θ 2 2,1 Βλέπει_δεξιά 1 Στροφή_αριστερά 1 Βλέπει_επάνω 2 Γενικότερα, για κάθε χρονική στιγµή t θα πρέπει να υπάρχει πρόταση: Θ t x,y Βλέπει_δεξιάt Εµπρός t Θ t+1 x+1,y 7-37 Πράκτορες βασισµένοι σε κύκλωµα (1/3 Λάµψη t Αρπαγή t Ζωντανό t Κραυγή t Ζωντανό t 1 7-38

Πράκτορες βασισµένοι σε κύκλωµα (2/3 Υπολογισµός τιµής Θ 1,1 7-39 Πράκτορες βασισµένοι σε κύκλωµα (3/3 Προβλήµατα µε προτάσεις που δεν είναι εξαρχής γνωστές π.χ. Α 4,4 Προτάσεις γνώσης: K(Α 4,4 και K( Α 4,4 Τοπικότητα: Τοπική αλληλοεξάρτηση µεταβλητών Ακυκλικότητα: Υποχρεωτική για «κατασκευαστικούς» λόγους. 7-40

Παρατηρήσεις Σύγκριση προτασιακής λογικής και υλοποίησης µε κύκλωµα: Συνοπτικότητα: Καιοιδύοδενκλιµακώνονται καλά. Αποδοτικότητα: Γραµµική για τον πράκτορα σε κύκλωµα, εκθετική (στη χειρότερη περίπτωση για τον προτασιακό. Πληρότητα: Ο πράκτορας σε κύκλωµα δεν είναι πλήρης. Η επίτευξη πληρότητας απαιτεί εκθετική αύξηση του µεγέθους του κυκλώµατος. Ευκολία σχεδίασης (για τους λογικούς πράκτορες µόνο 7-41