Τεχνητή Νοημοσύνη. 8η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

Σχετικά έγγραφα
Ασκήσεις μελέτης της 8 ης διάλεξης

Επανάληψη. ΗΥ-180 Spring 2019

Τεχνητή Νοημοσύνη. 7η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

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

Κανονικές μορφές - Ορισμοί

ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

Τεχνητή Νοημοσύνη. 9η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ. Λογική. Δημήτρης Πλεξουσάκης

Λογικοί πράκτορες. Πράκτορες βασισµένοι στη γνώση

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

Λογική. Προτασιακή Λογική. Λογική Πρώτης Τάξης

Λύσεις Σειράς Ασκήσεων 1

Προτασιακός Λογισμός (HR Κεφάλαιο 1)

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

Τεχνητή Νοημοσύνη. 4η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

Στοιχεία Προτασιακής Λογικής

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

Προτασιακή Λογική. Τμήμα Μηχανικών Πληροφορικής ΤΕ ΤΕΙ Ηπείρου Γκόγκος Χρήστος

Ασκήσεις μελέτης της 11 ης διάλεξης

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

Τεχνητή Νοημοσύνη. 2η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

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

Τεχνητή Νοημοσύνη. 11η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

Τεχνητή Νοημοσύνη. 3η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

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

HY 180 Λογική Διδάσκων: Δ. Πλεξουσάκης Φροντιστήριο 5

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

Μαθηματική Λογική και Λογικός Προγραμματισμός

Προτασιακός Λογισμός (HR Κεφάλαιο 1)

ΠΛΗ 405 Τεχνητή Νοηµοσύνη

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

Στοιχεία Προτασιακής Λογικής

Αναπαράσταση Γνώσης και Συλλογιστικές

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

ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΛΟΓΙΚΗΣ

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

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

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

Σειρά Προβλημάτων 1 Λύσεις

Τεχνητή Νοημοσύνη. 21η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

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

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ

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

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

Υπολογιστική Λογική και Λογικός Προγραμματισμός

4.3 Ορθότητα και Πληρότητα

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

Επίπεδα Γραφήματα : Προβλήματα και Υπολογιστική Πολυπλοκότητα

Λογική Δημήτρης Πλεξουσάκης Φροντιστήριο 5: Προτασιακός Λογισμός: Κατασκευή Μοντέλων Τμήμα Επιστήμης Υπολογιστών

Σειρά Προβλημάτων 1 Λύσεις

p p p q p q p q p q

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

Διακριτά Μαθηματικά Ι

Ασκήσεις μελέτης της 4 ης διάλεξης. ), για οποιοδήποτε μονοπάτι n 1

ΔΙΑΚΡΙΤΑ ΜΑΘΗΜΑΤΙΚΑ. Βασικά Στοιχεία Λογικής

Μαθηματική Λογική και Λογικός Προγραμματισμός

Αναπαράσταση Γνώσης και Συλλογιστικές

Στοιχεία Προτασιακής Λογικής

Υπολογιστικά & Διακριτά Μαθηματικά

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

Κατηγορηματικός Λογισμός (ΗR Κεφάλαιο )

Διακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά

Σημειώσεις Λογικής I. Εαρινό Εξάμηνο Καθηγητής: Λ. Κυρούσης

Τεχνητή Νοημοσύνη. 16η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

Μαθηματική Λογική και Απόδειξη

ΠΑΙΓΝΙΑ Παιχνίδια Γενική Θεώρηση μεγιστοποιήσει την πιθανότητά

Πληρότητα της μεθόδου επίλυσης

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ

HY118- ιακριτά Μαθηµατικά

Μαθηματική Λογική και Λογικός Προγραμματισμός

, για κάθε n N. και P είναι αριθμήσιμα.

ΗΥ180: Λογική Διδάσκων: Δημήτρης Πλεξουσάκης. Φροντιστήριο 8 Επίλυση για Horn Clauses Λογικός Προγραμματισμός Τετάρτη 9 Μαΐου 2012

Μη γράφετε στο πίσω μέρος της σελίδας

ΠΛΗ 20, 2 η ΟΣΣ (Προτασιακή Λογική)

ΜΑΘΗΜΑΤΙΚΗ ΛΟΓΙΚΗ ΚΑΙ ΛΟΓΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Σειρά Προβλημάτων 5 Λύσεις

Σειρά Προβλημάτων 5 Λύσεις

Αποφασισιµότητα. HY118- ιακριτά Μαθηµατικά. Βασικές µέθοδοι απόδειξης. 07 -Αποδείξεις. ιακριτά Μαθηµατικά, Εαρινό εξάµηνο 2017

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

ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ Η/Υ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ

K15 Ψηφιακή Λογική Σχεδίαση 3: Προτασιακή Λογική / Θεωρία Συνόλων

9.1 Προτασιακή Λογική

Τεχνητή Νοημοσύνη. 12η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

Μαθηματική Λογική (προπτυχιακό) Εξέταση Ιανουαρίου 2018 Σελ. 1 από 5

Μη γράφετε στο πίσω μέρος της σελίδας

HY Λογική Διδάσκων: Δ. Πλεξουσάκης

Τεχνητή Νοημοσύνη ( )

ΠΛΗ 20, 2 η ΟΣΣ (Προτασιακή Λογική)

Σειρά Προβλημάτων 5 Λύσεις

Λογική Πρώτης Τάξης. Γιώργος Κορφιάτης. Νοέµβριος Εθνικό Μετσόβιο Πολυτεχνείο

Πρόταση. Αληθείς Προτάσεις

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

Τεχνητή Νοημοσύνη. 6η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ

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

Τεχνητή Νοημοσύνη. 5η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

Σειρά Προβλημάτων 1 Λύσεις

Μη γράφετε στο πίσω μέρος της σελίδας

Λογικός Προγραμματισμός

Αλγόριθµοι και Πολυπλοκότητα

Transcript:

Τεχνητή Νοημοσύνη 8η διάλεξη (2016-17) Ίων Ανδρουτσόπουλος http://www.aueb.gr/users/ion/ 1

Οι διαφάνειες αυτής της διάλεξης βασίζονται στο βιβλίο Artificial Intelligence A Modern Approach των S. Russel και P. Norvig, 2η έκδοση, Prentice Hall, 2003. Τα περισσότερα σχήματα των διαφανειών προέρχονται από αντίστοιχες διαφάνειες του ίδιου βιβλίου.

Τι θα ακούσετε σήμερα Περισσότερα για την εξαγωγή συμπερασμάτων με προτασιακή λογική: Εγκυρότητα και ικανοποιησιμότητα. Εξαγωγή συμπερασμάτων με αναζήτηση απόδειξης. Εξαγωγή συμπερασμάτων με τον κανόνα της ανάλυσης (resolution).

Ταυτολογική ισοδυναμία α β σημαίνει: α β και β α. Οι προτάσεις α και β αληθεύουν στα ίδια ακριβώς μοντέλα.

Εγκυρότητα και ικανοποιησιμότητα «Η α είναι ταυτολογία» ή «έγκυρη» σημαίνει: α True. Η πρόταση α αληθεύει σε όλα τα μοντέλα. Θεώρημα: α β ανν (α β) έγκυρη. Απόδειξη με ορισμό του και πίνακα αληθείας του (Άσκηση) «Η α είναι ικανοποιήσιμη» σημαίνει υπάρχει μοντέλο στο οποίο η α είναι αληθής. Π.χ. η πρόταση (P P) είναι μη ικανοποιήσιμη. Επομένως α έγκυρη ανν α μη ικανοποιήσιμη. α β ανν (α β) μη ικανοποιήσιμη Η γνωστή μας «απαγωγή σε άτοπο». α β ανν (α β) έγκυρη ανν (α β) μη ικανοποιήσιμη ανν ( α β) μη ικανοποιήσιμη ανν (α β) μη ικανοποιήσιμη. Δυστυχώς ο έλεγχος ικανοποιησιμότητας στην προτασιακή λογική είναι NP-πλήρες πρόβλημα.

Κανόνες εξαγωγής συμπερασμάτων Παράγουν συμπεράσματα από τύπους που υπάρχουν ήδη στη ΒΓ. «α, β γ» σημαίνει ότι από τους τύπους α και β ο κανόνας παράγει τον τύπο γ. {(α β), α} β (Modus Ponens) Απόδειξη ορθότητας με πίνακα αληθείας. (Άσκηση) Αποδεικνύουμε δηλαδή ότι: ((α β) α) β. {(α β), β} α (Modus Tollens) Απόδειξη με πίνακα αληθείας. (Άσκηση) (α β) α (απαλοιφή σύζευξης) (α β) ((α β) (β α)) (απαλοιφή ) Μπορούν να χρησιμοποιηθούν και όλες οι ταυτολογικές ισοδυναμίες, προς οποιαδήποτε κατεύθυνση.

Εξαγωγή συμπεράσματος με αναζήτηση απόδειξης Αρχική κατάσταση: η ΒΓ στην αρχική της μορφή. Τελική κατάσταση: η ΒΓ σε μορφή που να περιέχει τον προς απόδειξη τύπο. Τελεστές μετάβασης: κανόνες εξαγωγής συμπερασμάτων Προσθέτουν τύπους στη ΒΓ. Απόδειξη: μονοπάτι από αρχική σε τελική κατάσταση. Στην πράξη η αναζήτηση απόδειξης μπορεί να είναι πιο αποδοτική από τον εξαντλητικό έλεγχο μοντέλων. Αν θέλουμε να δείξουμε ότι α β, μπορούμε να ελέγξουμε εξαντλητικά όλα τα μοντέλα με τον TT-Entails?. Ή να κατασκευάσουμε μια απόδειξη (μονοπάτι) από αρχική ΒΓ που περιέχει μόνο το α σε τελική ΒΓ που περιέχει και το β. Αλλά πάλι στη χειρότερη περίπτωση, εκθετικός χρόνος. Διαφορετικά θα είχαμε τρόπο να λύσουμε το NP-πλήρες πρόβλημα της ικανοποιησιμότητας σε πολυωνυμικό χρόνο!

Παράδειγμα στον κόσμο του Wumpus Έστω ότι η ΒΓ περιέχει αρχικά: R 1 : P 1,1 R 4 : B 1,1 R 5 : B 2,1 R 2 : (B 1,1 (P 1,2 P 2,1 )) R 3 : (B 2,1 (P 1,1 P 2,2 P 3,1 )) Θέλουμε να αποδείξουμε ( P 1,2 P 2,1 ). Εφαρμογή απαλοιφής στο R 2 : R 6 : (B 1,1 (P 1,2 P 2,1 )) ((P 1,2 P 2,1 ) B 1,1 ) Εφαρμογή απαλοιφής σύζευξης στο R 6 : R 7 : ((P 1,2 P 2,1 ) B 1,1 ) Εφαρμογή αντιθετοαντιστροφής στο R 7 : R 8 : ( B 1,1 (P 1,2 P 2,1 )) Modus Ponens με R 8 και R 4 : R 9 : (P 1,2 P 2,1 ) Εφαρμογή κανόνα De Morgan στο R 9 δίνει το ζητούμενο. 8

Η αναζήτηση μπορεί να είναι πιο γρήγορη Έστω ΒΓ: {P, (P Q), (P Z), (Q R), (Q W)} Θέλουμε να δείξουμε: ΒΓ R. O TT-Entails? θα εξετάσει πίνακα με 2 5 γραμμές: Mε ιδανική ευρετική, η αναζήτηση απόδειξης θα χρειαστεί μόνο 2 βήματα: P (P Q) (P Z) (Q R) (Q W) P Q R Z W ΒΓ T T T T T T F T T T T F {P, (P Q)} Q P (P Q) (P Z) (Q R) (Q W) Q {Q, (Q R)} R P (P Q) (P Z) (Q R) (Q W) Q R 9

Κανονική συζευκτική μορφή Κάθε πρόταση της ΠΛ είναι ταυτολογικά ισοδύναμη με μια πρόταση σε κανονική συζευκτική μορφή (CNF): (l 1,1... l 1,k1 )... (l n,1... l n,kn ) Κάθε l i,j είναι σύμβολο (π.χ. P) ή άρνηση συμβόλου (π.χ. P). Οπότε και η ΒΓ μπορεί να γραφτεί σε CNF. Μπορούμε να θεωρήσουμε ότι η ΒΓ είναι ένας μόνο τύπος, μία μεγάλη σύζευξη όλων των τύπων που περιέχει η ΒΓ. Μετατρέπουμε τη μεγάλη σύζευξη σε CNF, οπότε η ΒΓ γίνεται μια μεγάλη σύζευξη διαζεύξεων, η κάθε μία της μορφής (l i,1... l i,ki ). Μπορούμε κατόπιν να θεωρήσουμε ότι η ΒΓ περιέχει ως ξεχωριστούς τύπους όλες τις διαζεύξεις (l i,1... l i,ki ) που προκύπτουν.

Μετατροπή σε CNF Μέθοδος μετατροπής σε CNF: Π.χ. ξεκινώντας από (B 1,1 (P 1,2 P 2,1 )). Βήμα 1: απαλοιφή. ((B 1,1 (P 1,2 P 2,1 )) ((P 1,2 P 2,1 ) B 1,1 )) Βήμα 2: απαλοιφή. (( B 1,1 P 1,2 P 2,1 ) ( (P 1,2 P 2,1 ) B 1,1 )) Συμβουλή: Εφαρμόζετε τα βήματα πάντα με αυτή τη σειρά και μην παραλείπετε παρενθέσεις! Βήμα 3: μεταφορά στο εσωτερικό ως τα σύμβολα. Με χρήση κανόνων De Morgan και διπλής άρνησης. (( B 1,1 P 1,2 P 2,1 ) (( P 1,2 P 2,1 ) B 1,1 )) Βήμα 4: επιμερισμός των. (( B 1,1 P 1,2 P 2,1 ) ( P 1,2 B 1,1 ) ( P 2,1 B 1,1 ))

Ο κανόνας της ανάλυσης (resolution) Μετατρέπουμε πρώτα τους τύπους της υπόθεσης (π.χ. της ΒΓ) σε CNF. Παίρνουμε ένα σύνολο από διαζευκτικούς τύπους, ο καθένας της μορφής (l i,1... l i,ki ). Κάθε l i,j είναι σύμβολο (π.χ. P) ή άρνηση συμβόλου (π.χ. P). Ο κανόνας της ανάλυσης: Αν το l i είναι η άρνηση του m j ή αντίστροφα, τότε: (l 1... l k ), (m 1... m n ) (l 1... l i-1 l i+1... l k m 1... m j-1 m j+1... m n ) Ενώνουμε τις δύο διαζεύξεις και αφαιρούμε τα l i και m j. Αφαιρούμε από τη διάζευξη που παράγεται τυχόν πολλαπλά αντίγραφα των ίδιων l και m.

Ορθότητα του κανόνα της ανάλυσης Έστω ότι αληθεύουν τα (l 1... l k ), (m 1... m n ). Και κάποιο l i είναι η άρνηση κάποιου m j. Αν το l i είναι αληθές, τότε το m j είναι ψευδές (αφού το ένα είναι η άρνηση του άλλου). Αφού όμως αληθεύει (m 1... m n ), τότε είναι αληθές κάποιο από τα υπόλοιπα m. Άρα αληθεύει το (m 1... m j-1 m j+1... m n ). Αν το l i είναι ψευδές, τότε αφού αληθεύει (l 1... l k ), είναι αληθές κάποιο από τα υπόλοιπα l. Άρα αληθεύει το (l 1... l i-1 l i+1... l k ). Άρα σε κάθε περίπτωση αληθεύει το συμπέρασμα του κανόνα της ανάλυσης. (l 1... l i-1 l i+1... l k ) (m 1... m j-1 m j+1... m n ).

Εξαγωγή συμπερασμάτων με ανάλυση Θέλουμε να εξετάσουμε αν ΒΓ α. Μετατρέπουμε το (ΒΓ α) σε CNF. Δηλαδή προσθέτουμε την άρνηση του προς απόδειξη τύπου στη ΒΓ και μετατρέπουμε τη ΒΓ σε CNF. Εφαρμόζουμε τον κανόνα της ανάλυσης όσο είναι δυνατόν. Μέχρι να μην μπορούμε να παραγάγουμε νέους τύπους. Απαντούμε ΒΓ i α, αν παραχθεί η κενή διάζευξη. Η κενή διάζευξη δείχνει ότι καταλήξαμε σε άτοπο. Προκύπτει όταν έχουμε στη ΒΓ ένα σύμβολο και την άρνησή του. Απαντούμε ΒΓ i α, αν δεν παραχθεί.

Παράδειγμα στον κόσμο του Wumpus Προσοχή: Οι τύποι πρέπει να είναι διαζεύξεις. Αν ένας τύπος είναι σύζευξη διαζέυξεων, τον σπάμε σε ξεχωριστούς τύπους-διαζεύξεις. Προσοχή: Σε κάθε «ζευγάρωμα» τύπων, φεύγει πάντα ένα μόνο σύμβολο από τον έναν τύπο και ένα μόνο σύμβολο από τον άλλον. Η άρνηση αυτού που θέλουμε να αποδείξουμε. Άχρηστα Κενή διάζευξη συμπεράσματα. (άτοπο). Ο αλγόριθμος τερματίζει πάντα, γιατί υπάρχει πεπερασμένος αριθμός διαζεύξεων (χωρίς πολλαπλά αντίγραφα του ίδιου όρου) που μπορούν να κατασκευαστούν από τα πεπερασμένα σύμβολα της αρχικής ΒΓ και της προς απόδειξη πρότασης.

Αλγόριθμος απόδειξης με ανάλυση Οι διαζεύξεις της CNF μορφής. Εφαρμογή του κανόνα resolution. Αν δεν καταφέραμε να παραγάγουμε καμία νέα διάζευξη, σταματάμε και απαντάμε ΒΓ i α.

Ορθότητα και πληρότητα Ορθότητα (αν ΒΓ i α, τότε ΒΓ α). Αν ΒΓ i α, τότε παρήχθη με διαδοχικές εφαρμογές του κανόνα της ανάλυσης, ξεκινώντας από (ΒΓ α). Οπότε (ΒΓ α), λόγω της ορθότητας του κανόνα της ανάλυσης. Άρα σε όλα τα μοντέλα όπου αληθεύει η (ΒΓ α) αληθεύει και η. Αλλά η δεν αληθεύει ποτέ. Άρα η (ΒΓ α) δεν αληθεύει σε κανένα μοντέλο, δηλαδή είναι μη ικανοποιήσιμη. Οπότε, ΒΓ α. Γιατί, σύμφωνα με τα προηγούμενα, ΒΓ α ανν (ΒΓ α) μη ικανοποιήσιμη. Πληρότητα (αν ΒΓ α, τότε ΒΓ i α). Δηλαδή αν ΒΓ α, τότε παράγεται η κενή διάζευξη. Η απόδειξη παραλείπεται.

Βιβλιογραφία Russel & Norvig: υπόλοιπο ενότητας 7.4, ενότητα 7.5 ως και σελ. 264. Βλαχάβας κ.ά: ενότητες 9.1.1, 9.1.2. 18