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

Σχετικά έγγραφα
ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

Λογικοί πράκτορες. Πράκτορες βασισµένοι στη γνώση

ΠΛΗ 405 Τεχνητή Νοηµοσύνη

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

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

Τεχνητή Νοημοσύνη. 8η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

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

Λογική. Προτασιακή Λογική. Λογική Πρώτης Τάξης

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

Κανονικές μορφές - Ορισμοί

Αναπαράσταση Γνώσης και Συλλογιστικές

Υπολογιστική Λογική και Λογικός Προγραμματισμός

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

Αναπαράσταση Γνώσης µε Λογική. Προτασιακή Λογική

Προτασιακή Λογική. Τμήμα Μηχανικών Πληροφορικής ΤΕ ΤΕΙ Ηπείρου Γκόγκος Χρήστος

Υπολογιστικά & Διακριτά Μαθηματικά

Επανάληψη. ΗΥ-180 Spring 2019

Αναπαράσταση Γνώσης και Συλλογιστικές

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

ΠΛΗ 405 Τεχνητή Νοηµοσύνη

Ηλεκτρονικοί Υπολογιστές ΙΙ

ΠΛΗ 405 Τεχνητή Νοηµοσύνη

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

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ. Λογική. Δημήτρης Πλεξουσάκης

Ασκήσεις μελέτης της 8 ης διάλεξης

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ

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

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

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

ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ. Ενότητα 11: Λογική πρώτης τάξης. Ρεφανίδης Ιωάννης Τμήμα Εφαρμοσμένης Πληροφορικής

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

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

Συστήματα Γνώσης. Θεωρητικό Κομμάτι Μαθήματος Ενότητα 2: Βασικές Αρχές Αναπαράστασης Γνώσης και Συλλογιστικής

Λύσεις Σειράς Ασκήσεων 1

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

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

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

Βιομηχανικοί Ελεγκτές

9.1 Προτασιακή Λογική

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

ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΛΟΓΙΚΗΣ

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

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

Λογική Δημήτρης Πλεξουσάκης Ασκήσεις στον Κατηγορηματικό Λογισμό Τμήμα Επιστήμης Υπολογιστών

Εισαγωγή στις Βάσεις Δεδομζνων II

Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύ

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα. Συστήματα Αυτομάτου Ελέγχου. Ενότητα Α: Γραμμικά Συστήματα

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ

Προτασιακός Λογισμός (HR Κεφάλαιο 1)

Μηχανισμός Εξαγωγής Συμπερασμάτων

Υπολογιστικά & Διακριτά Μαθηματικά

Υπολογιστική Πολυπλοκότητα

Προτασιακός Λογισμός (HR Κεφάλαιο 1)

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

ΒΟΗΘΗΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ

Πανεπιστήμιο Δυτικής Μακεδονίας. Τμήμα Μηχανικών Πληροφορικής & Τηλεπικοινωνιών. Διακριτά Μαθηματικά. Ενότητα 6: Προτασιακός Λογισμός

Σειρά Προβλημάτων 1 Λύσεις

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

Εισαγωγή στους Υπολογιστές

Προγραμματισμός Ηλεκτρονικών Υπολογιστών 1

ΘΕΩΡΙΑ ΠΑΙΓΝΙΩΝ. Ενότητα 7: Τέλεια ισορροπία Nash για υποπαίγνια. Ρεφανίδης Ιωάννης Τμήμα Εφαρμοσμένης Πληροφορικής

Τεχνητή Νοημοσύνη. 7η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ. Ενότητα 6: Προβλήματα ικανοποίησης περιορισμών. Ρεφανίδης Ιωάννης Τμήμα Εφαρμοσμένης Πληροφορικής

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ

Τίτλος Μαθήματος: ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΑΝΑΛΥΣΗ ΑΛΓΟΡΙΘΜΩΝ

ΘΕΩΡΙΑ ΥΠΟΛΟΓΙΣΜΩΝ ΚΑΙ ΑΥΤΟΜΑΤΩΝ

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

ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ. Ενότητα 5: Παραδείγματα. Ρεφανίδης Ιωάννης Τμήμα Εφαρμοσμένης Πληροφορικής

Μαθηματική Λογική και Λογικός Προγραμματισμός

ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΜΕ ΧΡΗΣΗ Η/Υ

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ. Λογική. Ενότητα 1: Εισαγωγή. Δημήτρης Πλεξουσάκης Τμήμα Επιστήμης Υπολογιστών

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

Θεωρία Πιθανοτήτων & Στατιστική

Διακριτά Μαθηματικά Ι

Οικονομικά Μαθηματικά

Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ

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

Σημειώσεις Λογικής I. Εαρινό Εξάμηνο Καθηγητής: Λ. Κυρούσης

Κατηγορηματικός Λογισμός (ΗR Κεφάλαιο )

Διακριτά Μαθηματικά Ι

Υπολογιστικά & Διακριτά Μαθηματικά

Εισαγωγή στους Αλγορίθμους

Στοιχεία Προτασιακής Λογικής

Μοντελοποίηση Λογικών Κυκλωμάτων

Μαθηματικά. Ενότητα 6: Ασκήσεις Ορίων Συνάρτησης. Σαριαννίδης Νικόλαος Τμήμα Λογιστικής και Χρηματοοικονομικής

Πανεπιστήμιο Δυτικής Μακεδονίας. Τμήμα Μηχανικών Πληροφορικής & Τηλεπικοινωνιών. Διακριτά Μαθηματικά. Ενότητα 4: Εισαγωγή / Σύνολα

Προγραμματισμός Ηλεκτρονικών Υπολογιστών 1

p p p q p q p q p q

ΘΕΩΡΙΑ ΠΑΙΓΝΙΩΝ. Ενότητα 2: Ισορροπία Nash. Ρεφανίδης Ιωάννης Τμήμα Εφαρμοσμένης Πληροφορικής

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Εφαρμογές Συστημάτων Γεωγραφικών Πληροφοριών

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

Εισαγωγικές Έννοιες. ημήτρης Φωτάκης. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Εθνικό Μετσόβιο Πολυτεχνείο

ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ. ΕΝΟΤΗΤΑ: Γραμμικές Συναρτήσεις Διάκρισης. ΔΙΔΑΣΚΟΝΤΕΣ: Βλάμος Π. Αυλωνίτης Μ. ΙΟΝΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ

Εφαρμογές της Λογικής στην Πληροφορική

ΔΙΟΙΚΗΤΙΚΗ ΕΠΙΣΤΗΜΗ. Ενότητα #10: ΔΙΟΙΚΗΣΗ ΟΛΙΚΗΣ ΠΟΙΟΤΗΤΑΣ ΚΑΙ ΑΝΑΣΧΕΔΙΑΣΜΟΣ ΔΙΑΔΙΚΑΣΙΑΣ

ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΜΕ ΧΡΗΣΗ Η/Υ

Υπολογιστικά & Διακριτά Μαθηματικά

Λογιστικές Εφαρμογές Εργαστήριο

Transcript:

Ενότητα 9: Προτασιακή λογική Ρεφανίδης Ιωάννης

Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύπου άδειας χρήσης, η άδεια χρήσης αναφέρεται ρητώς. 2

Χρηματοδότηση Το παρόν εκπαιδευτικό υλικό έχει αναπτυχθεί στα πλαίσια του εκπαιδευτικού έργου του διδάσκοντα. Το έργο «Ανοικτά Ακαδημαϊκά Μαθήματα στο Πανεπιστήμιο Μακεδονίας» έχει χρηματοδοτήσει μόνο τη αναδιαμόρφωση του εκπαιδευτικού υλικού. Το έργο υλοποιείται στο πλαίσιο του Επιχειρησιακού Προγράμματος «Εκπαίδευση και Δια Βίου Μάθηση» και συγχρηματοδοτείται από την Ευρωπαϊκή Ένωση (Ευρωπαϊκό Κοινωνικό Ταμείο) και από εθνικούς πόρους. 3

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 Δηλωτική / Διαδικαστική προσέγγιση 5

Ο κόσμος του Wumpus (1/2) 6

Ο κόσμος 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 [Δυσοσμία, Αύρα, Λάμψη, Γδούπος, Κραυγή] 7

Παράδειγμα (1/2) 8

Παράδειγμα (2/2) 9

Λογική Logic

Γλώσσες Σύνταξη, καλά σχηματισμένες προτάσεις x+y=2, xy2+= Σημασιολογία λογικής Αλήθεια πρότασης Δυνατοί 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 11

Έλεγχος μοντέλων Έστω ότι οι «μεταβλητές» μας αφορούν την ύπαρξη γούβας στα τετράγωνα [1,2], [2,2] και [3,1] α 1 = Δεν υπάρχει γούβα στο [1,2]. KB α 1 α 2 = Δεν υπάρχει γούβα στο [2,2]. KB α 2 12

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 13

Προτασιακή λογική Propositional logic

Σύνταξη Ατομικές προτάσεις Προτασιακά σύμβολα: P, Q, R, W 1,3, Γ 3,1, Αληθές, Ψευδές 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 Διάζευξη, (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:,,,, 15

Σημασιολογία P Q P P Q P Q P Q P Q ψευδές ψευδές αληθές ψευδές ψευδές αληθές αληθές ψευδές αληθές αληθές ψευδές αληθές αληθές ψευδές αληθές ψευδές ψευδές ψευδές αληθές ψευδές ψευδές αληθές αληθές ψευδές αληθές αληθές αληθές αληθές Μοντέλο (στην προτασιακή λογική): Καθορίζει την τιμή αληθείας κάθε προτασιακού συμβόλου. Πίνακας αληθείας 16

Μια απλή βάση γνώσης Θα ασχοληθούμε μόνο με τις γούβες: R 1 : Γ 1,1 R 2 : Α 1,1 (Γ 1,2 Γ 2,1 ). 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 17

Συμπερασμός με απαρίθμηση Θέλουμε να απαντάμε σε ερωτήσεις της μορφής: 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. 18

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 19

Έγκυρες και Ικανοποιήσιμες προτάσεις Έγκυρες προτάσεις: Είναι αληθείς σε όλα τα μοντέλα Ικανοποιήσιμες προτάσεις: Είναι αληθείς σε τουλάχιστον ένα μοντέλο. Η πρόταση α 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. 20

Πρότυπα συλλογιστικής στην προτασιακή λογική

Κανόνες συμπερασμού Modus ponens («τρόπος του θέτειν»), Απαλοιφή του ΚΑΙ Όλες οι λογικές ισοδυναμίες, π.χ. ( ) ( ) ( ) ( ) 22

Παράδειγμα (1/3) Θα αποδείξουμε το Γ 1,2 : R 6 : (Α 1,1 (Γ 1,2 Γ 2,1 )) ((Γ 1,2 Γ 2,1 ) Α 1,1 ) R 1 : Γ 1,1 R 2 : Α 1,1 (Γ 1,2 Γ 2,1 ) R 3 : Α 2,1 (Γ 1,1 Γ 2,2 Γ 3,1 ) R 4 : Α 1,1 R 7 : (Γ 1,2 Γ 2,1 ) Α 1,1 R 5 : Α 2,1 R 8 : Α 1,1 (Γ 1,2 Γ 2,1 ) R 9 : (Γ 1,2 Γ 2,1 ) R 10 : Γ 1,2 Γ 2,1 23

Αποδείξεις Διαδικασία αναζήτησης Προς τα εμπρός Προς τα πίσω Μονοτονικότητα εάν KB α τότε KB β α 24

Παράδειγμα (2/3) Από τις προτάσεις: R 1 : Γ 1,1 R 2 : Α 1,1 (Γ 1,2 Γ 2,1 ) 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 2,1 )) ((Γ 1,2 Γ 2,1 ) Α 1,1 ) R 7 : ((Γ 1,2 Γ 2,1 ) Α 1,1 ) R 8 : ( Α 1,1 (Γ 1,2 Γ 2,1 )) R 9 : (Γ 1,2 Γ 2,1 ) 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 25

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 26

Μοναδιαία ανάλυση (unit resolution) Πλήρης ανάλυση Διαζευκτική πρόταση, συμπληρωματικά λεκτικά Παράδειγμα: Ανάλυση (resolution) 27 k i i k l l l l m l l 1 1 1 1, n j j k i i n k m m m m l l l l m m l l 1 1 1 1 1 1 1 1, 2,2 3,1 2,2 1,1 3,1,1 1, Γ Γ Γ Γ Γ Γ l i = m l i = m j

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 28

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. Διαδικασία μετατροπής σε CNF (παράδειγμα για R 2 ): R 2 : Α 1,1 (Γ 1,2 Γ 2,1 ) (Α 1,1 (Γ 1,2 Γ 2,1 )) ((Γ 1,2 Γ 2,1 ) Α 1,1 ) ( Α 1,1 Γ 1,2 Γ 2,1 ) ( (Γ 1,2 Γ 2,1 ) Α 1,1 ) ( Α 1,1 Γ 1,2 Γ 2,1 ) (( Γ 1,2 Γ 2,1 ) Α 1,1 ) ( Α 1,1 Γ 1,2 Γ 2,1 ) ( Γ 1,2 Α 1,1 ) ( Γ 2,1 Α 1,1 ) 29

Αλγόριθμος ανάλυσης Για να αποδείξουμε το KB α, αποδεικνύουμε ότι η (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 σε άτοπο, η πρόταση α καλύπτεται από την KB. Ειδάλλως δεν καλύπτεται 30

Παράδειγμα Έστω οι δύο προτάσεις R 2 και R 4 : KB = R 2 R 4 = (Α 1,1 (Γ 1,2 Γ 2,1 )) Α 1,1 Θέλουμε να αποδείξουμε την Γ 1,2. Μετατρέπουμε την (KB Γ 1,2 ) σε CNF και εφαρμόζουμε την ανάλυση: 31

Τέλος Ενότητας