1 / 83

Lógica Proposicional

Lógica Proposicional. Aula 5 - Cap. 7 Fundamentos da IA Mestrado – FEI. Resoluçao de problemas por busca. Conhecimento sobre resultados e ações permite a solução automática de problemas “ complexos ” um agente reativo não conseguiria encontrar a rota entre Arad e Bucareste

genna
Download Presentation

Lógica Proposicional

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Lógica Proposicional Aula 5 - Cap. 7 Fundamentos da IA Mestrado – FEI

  2. Resoluçao de problemas por busca • Conhecimento sobre resultados e ações permite a solução automática de problemas “complexos” • um agente reativo não conseguiria encontrar a rota entre Arad e Bucareste • Porém até agora este conhecimento é muito específico e inflexível • peça de xadrez pode estar em 2 lugares ao mesmo tempo ??

  3. Agente baseado em conhecimento • pode combinar o conhecimento geral com percepções correntes para deduzir aspectos ocultos do estado atual antes de selecionar ações.

  4. Agente baseado em conhecimento • pode combinar o conhecimento geral com percepções correntes para deduzir aspectos ocultos do estado atual antes de selecionar ações. • Grande parte das deduções humanas dependem do tratamento de incertezas • segunda parte do curso...

  5. Agentes lógicos • Representam o mundo • Utilizam inferência para tirar conclusões sobre o mundo representado

  6. Agentes lógicos • Conhecimento é representado como sentenças em uma linguagem de representação de conhecimento; • Um conjunto de sentenças forma a base de conhecimento (BC) do agente.

  7. Informar e perguntar • Novas sentenças são adicionadas à base de conhecimento por meio da tarefa TELL; • Consultas à base de conhecimento são feitas pela tarefa ASK; • ambos processos podem envolver inferências • INFERÊNCIA: derivação de novas sentenças a partir de sentenças antigas.

  8. Inferência clássica (dedução) • A resposta de uma pergunta (ASK) à base de conhecimento deve seguir o que foi informado anteriormente (TELL); • Nada é inventado à medida em que o processo de inferência se desenrola; • portanto, TELL é um processo não clássico (abdução)! • E aprendizagem também (indução).

  9. Desempenho ouro +1000, morte-1000 passo -1 , flecha -10 Ambiente quadrados próximos ao wumpus fedem próximos ao poço: brisa quadrado do ouro: brilho uma flecha somente atirar mata wumpus se em frente Pegar ouro no quad., deixa ouro no quad. Sensores: [fedor, brisa, brilho, impacto, grito] Atuadores: esquerda, direita, pegar, deixar, atirar Mundo de Wumpus

  10. Explorando o mundo de wumpus Primeira percepção: [nada, nada, nada, nada, nada] Deduz: [1,2] e [2,1] são seguros...

  11. Explorando o mundo de wumpus Segunda percepção: [nada, brisa ,nada ,nada ,nada]

  12. Explorando o mundo de wumpus Dedução: poço em [1,3] ou [2,2] quadrado vazio em [2,1]

  13. Explorando o mundo de wumpus Nova percepção: [fedor , nada , nada , nada , nada] Nova dedução: wumpus em [3,1]

  14. Explorando o mundo de wumpus Nova dedução: wumpus em [3,1] e poço em [1,3] (pois não havia fedor em [1,2], nem brisa em [2,1])

  15. Nova dedução: wumpus em [3,1] e poço em [1,3] (pois não havia fedor em [2,2] nem brisa em [2,1]) • Esta é uma inferência difícil pois se baseia em informação obtida em diferentes instantes e lugares, e se baseia na falta de uma percepção... • Está além das habilidades da maioria dos animais, mas factível para um agente lógico

  16. Propriedade do raciocínio lógico • As conclusões serão corretas se as informações disponíveis estiverem corretas!

  17. Lógica -- sintaxe • ...base de conhecimento consiste de sentenças... • Sentenças são escritas com uma sintaxe; • Sintaxe especifica sentenças bem formadas • ex. em aritmética: X + Y = 4 • x2y+= : não é bem formada

  18. Lógica -- semântica • Define o significado das sentenças; • em lógica: significado é a verdade de cada sentença em relação à interpretações possíveis. • Ex. x + y = 4, verdade na interpretação x=2 e y=2, falso na interpretação x=1 e y =1. • Em lógica clássica, as sentenças só podem ser verdadeiras ou falsas

  19. Lógica -- semântica • Dizemos que “m é um modelo de ”: se  é verdade na interpretação m

  20. Lógica -- semântica • Dada duas sentenças  e , se em todos as interpretações em que  é verdadeira,  também o é dizemos que  é consequência lógica de :  |=  “se  é verdadeira  também deve ser.”

  21. Lógica -- semântica: wumpus • Situação após detectar nada em [1,1], mover à direita e brisa em [2,1] • Considerar as interpretações possíveis para poços

  22. Lógica -- semântica: wumpus

  23. Lógica -- semântica: wumpus • BC = regras do mundo de wumpus + observações

  24. Lógica -- semântica: wumpus • BC = regras do mundo de wumpus + observações • 1 = "[1,2] é seguro", BC |= 1

  25. Lógica -- semântica: wumpus • BC = regras do mundo de wumpus + observações •  2 = "[2,2] é seguro", BC |=2

  26. Lógica -- semântica: wumpus • Em alguns modelos em que BC é verdadeira, 2 é falsa, logo não há como deduzir se há um poço em [2,2] nem se não há...

  27. Este algoritmo de inferência é denominado: verificação de modelos pois enumera todos os modelos possíveis para verificar se  é verdadeira em todos os modelos em que BC é verdadeira

  28. Derivação lógica • Se um algoritmo de inferência i pode derivar  de BC: BC |-i  • um algoritmo de inferência é “consistente” (correto) se deriva apenas sentenças permitidas (pertencentes ao modelo). • e completo se puder derivar qualquer sentença permitida.

  29. Sound and completeness(correção e completeza) BC |= completeness soundness BC |-i 

  30. Hipótese básica da IA “logiscista” • Se a BC representa fatos no mundo real, qualquer sentença  derivada de BC por um procedimento de inferência consistente também será verdadeira no mundo real

  31. Hipótese básica da IA “logiscista” • ... portanto, embora a inferência opere sobre a sintaxe, o processo corresponde à conclusões verdadeiras no mundo real.

  32. Como sabemos que a BC é verdadeira no mundo real?

  33. Como sabemos que a BC é verdadeira no mundo real? • Os sensores do agente criam a conexão. • E se houver exceções? • E se a verdade for temporária? • E se houver regras gerais não previstas pelo engenheiro de conhecimento??

  34. Lógica proposicional - sintaxe • Sentenças atômicas (elementos sintáticos indivisíveis): • um único símbolo proposicional; • cada símbolo é uma proposição que pode ser verdadeira ou falsa; • nomes em maiúsculas: A, B, W1,3... • Verdadeiro • Falso

  35. LP- sintaxe- sentenças atômicas • se S é sentença, S é sentença (negação) • Um literal é uma sentença atômica negada ou não.

  36. LP- sintaxe- sentenças complexas • se S1 e S2 são sentenças, tb o são: • S1 S2 (conjunção -- e) • S1 S2 (disjunção -- ou) • S1 S2 (implicação-se, então) • S1 S2 é sentença (bicondicional - se e somente se)

  37. LP- sintaxe-- precedência • Utilize parênteses: • ((A  B)  C)) • Ou se apoie na ordem de precedência: • , , , e  •  P  Q  R  S equivale a: (( P)  (Q  R))  S

  38. Lógica proposicional: semântica • Um modelo proposicional simplesmente fixa o valor verdade para todo símbolo proposicional de uma BC: E.g. P1,2 P2,2 P3,1 false true false • Verdadeiro é verdadeiro em todo modelo e Falso é falso em todo modelo; • O valor verdade de todos os outros símbolos proposicionais deve ser especificado diretamente no modelo.

  39. Lógica proposicional: semântica • Regras para avaliar o valor verdade com respeito a um modelo m: • S é verdade sse S é falso • S1 S2 é verdade sse S1 é verdade eS2 é verdade • S1 S2 é verdade sse S1é verdade ou S2 é verdade • S1 S2 é verdade sse S1 é falso ou S2 é verdade • i.e., é falso sse S1 é verdade e S2 é falso • S1 S2 é verdade sse S1S2 é verdade e S2S1 é verdade

  40. Tabela verdade Assim reduz-se a verdade de sentenças complexas à verdade de sentenças mais simples em um processo recursivo. E.g.: P1,2  (P2,2 P3,1) = true (true  false) = true true = true Obs. Cada linha da tabela é uma interpretação possível.

  41. Tabela verdade

  42. Enumere todas os modelos e verifique se é verdadeira em todo modelo em que BC é verdadeira.

  43. Inferência por enumeração de modelos • A busca em profundidade para enumerar todos as interpretações para encontrar modelos é correta e completa. • Para n simbolos, complexidade temporal é O(2n), e espacial é O(n)

  44. Equivalência lógica • Duas sentenças são logicamente equivalentes sse verdadeiras nos mesmos modelos:    sse  |=  e  |= :

  45. Validade e satisfatibilidade Uma sentença é válida se verdadeira em todos os modelos, e.g., True, A A, A  A, (A  (A  B))  B • Tautologias Validade é ligada à inferência via o Teorema daDedução : KB |=  se e somente se (KB ) é valida Uma sentença é satisfatível se verdadeira em algum modelo e.g., A B, C Uma sentença é insatisfatível se verdadeira em nenhum modelo e.g., AA Satisfatibilidade é ligada à inferência via o seguinte: KB |=  se e somente se (KB  ) é insatisfatível Raciocinando por contraposição

  46. Teorema da Dedução Validade é ligada à inferência via o Teorema daDedução : BC |=  se e somente se (BC ) é valida • Podemos imaginar o algoritmo anterior como a verificação da validade de BC  • Reciprocamente, toda sentença de implicação válida descreve uma inferência legítima.

  47. Inferência como prova • Regras de inferência: • Modus ponens ,   • Eliminação-de-e ,   • Todas as equivalências anteriores podem ser usadas como regras de inferência.

  48. Exemplo: BC mundo de wumpus Seja Pij verdade se existe um poço em [i, j]. Seja Bij verdade se há brisa em [i, j]. R1: P11 R2: B11 R3: B21 • "Poços causam brisas em quadrados adjacentes " R4: B11 (P12 P21) R5: B21 (P11 P22  P31)

  49. Exemplo: Wumpus • Seja a base de conhecimento R1 -- R5, vamos provar P12: • Eliminação de bicondicional a R4: R6: (B11(P12  P21))((P12 P21)B11) • Eliminação-e em R6: R7:(B11(P12P21)) e R7`:((P12P21)B11) • Contraposição em R7`: R8: ( B11  (P12  P21)) • Modus ponens comR2 eR8: R9: (P12  P21))

  50. Exemplo: Wumpus • Regra de de Morgan em R9: R10:P12P21 i.e. nem [1,2], nem [2,1] possui um poço! [obs. Erro no livro!]

More Related