1 / 14

Agentes Baseados em Conhecimento

Agentes Baseados em Conhecimento. Jacques Robin CIn-UFPE. Agente baseado em conhecimento. Ambiente. Sensores. Raciocínio Automático. Base de Conhecimento Especializada. Máquina de Inferência Genérica. Ask. Tell. Retract. Representação e Aquisição de Conhecimento. Efetuadores.

kasimir-harvey
Download Presentation

Agentes Baseados em Conhecimento

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. Agentes Baseados em Conhecimento Jacques Robin CIn-UFPE

  2. Agente baseado em conhecimento Ambiente Sensores Raciocínio Automático Base de Conhecimento Especializada Máquina de Inferência Genérica Ask Tell Retract Representação e Aquisição de Conhecimento Efetuadores Ask= consulta; tell = inserção; retract = remoção

  3. O que é conhecimento? • Dado, informação ou abstração formatado de maneira a permitir raciocínio por um ser humano ou por uma máquina, por exemplo • Classes e objetos • Formula da lógica • Distribuição de probabilidade prévia e condicional de variáveis aleatórias • O que é raciocínio? • Mecanismo sistemático para inferir ou derivar novo conhecimento a partir de novas percepções e/ou de conhecimento prévio, por exemplo: • Herança de atributos entre classe, sub-classes e objetos • Prova de teorema por refutação, resolução e unificação • Cálculo de probabilidade posterior de um evento pelo Teorema de Bayes

  4. Tipos de conhecimento • Estático x Dinâmico • Do problema x Meta-conhecimento (controle, explicação, reuso) • Diagnóstico x Causal • Dedutivo x Terminológico • Intencional x Extensional • Síncrono x Diácrono • Certo x Incerto • Preciso x Vago • Declarativo x Procedimental • De senso comum x Especialista • Explicito x Implícito

  5. Conhecimento estático x dinâmico • Conhecimento estático: • Hierarquia de conceitos (classes de fatos) • ex,  X, wumpus(X)  monstro(X). • Restrições de integridades • ex,  X,Y wumpus(X)  wumpus(Y)  X = Y. • Regras de dedução sobre o domínio • ex,  X,Y smelly(X,Y)  (loc(wumpus,X+1,Y)  loc(wumpus,X-1,Y)  loc(wumpus,X,Y+1)  loc(wumpus,X,Y-1). • Meta-regras para controle e explicação do raciocínio • na dúvida peque a primeira regra • Conhecimento dinâmico: • Fatos, i.e., proposições sobre instâncias de conceitos • ex, loc(wumpus,2,1)  loc(wumpus,1,2)  loc(wumpus,2,3) ex. loc(wumpus,2,3).ex. alive(wumpus,4).ex. alive(wumpus,7).

  6. Conhecimento causal x diagnóstico • Conhecimento causal: • prevê resultados de ações e eventos • ex, X,Y,T loc(agent,X,Y,T)  orientation(0,T)  forward(T)   loc(wall,X,Y+1)  loc(agent,X,Y+1,T+1). • Conhecimento diagnóstico: • forma hipóteses sobre causas de efeitos observados • ex,  X,Y,T smell(stench,X,Y,T)  smelly(X,Y). X,Y smelly(X,Y)  (loc(wumpus,X+1,Y)  loc(wumpus,X-1,Y)  loc(wumpus,X,Y+1)  loc(wumpus,X,Y-1)).

  7. Conhecimento terminológico x dedutivo • Conhecimento terminológico: • ex,  M, wumpus(M)  monster(M).  M,T monster(M)  alive(M,T)  dangerous(M,T). • Conhecimento dedutivo: • ex, M,X,Y,T dangerous(M,T)  loc(M,X,Y,T)   safe(X,Y,T). X,Y,T loc(agent,X,Y,T)  orientation(0,T)  forward(T)   loc(wall,X,Y+1)  loc(agent,X,Y+1,T+1).

  8. Conhecimento intencional x extensional • Conhecimento intensional: • Fatos ou regras universalmente quantificados • ex,  X,Y X = 0  X = 5  Y = 0  Y = 5  loc(wall,X,Y). • Conhecimento extensional: • Instâncias de conceitos • ex, loc(wall,0,1). loc(wall,0,2). loc(wall,0,3). loc(wall,0,4). loc(wall,5,1). loc(wall,5,2). loc(wall,5,3). loc(wall,5,4). loc(wall,1,0). loc(wall,2,0). loc(wall,3,0). loc(wall,4,0). loc(wall,1,5). loc(wall,2,5). loc(wall,3,5). loc(wall,4,5).

  9. Conhecimento sincrônico x diacrônico • Conhecimento diacrônico : • Regras de previsão das propriedades do ambiente entre dois instantes T e T+1 devidas a ações ou eventos • ex, X,Y,T loc(agent,X,Y,T)  orientation(0,T)  forward(T)   loc(wall,X,Y+1)  loc(agent,X,Y+1,T+1). • Conhecimento sincrônico: • Regras de propagação das conseqüências não observáveis do ambiente a partir das observadas no mesmo instante T • ex, M,X,Y,T dangerous(M,T)  loc(M,X,Y,T)   safe(X,Y,T).

  10. Conhecimento certo x incerto • Conhecimento certo: • Epistemologicamente booleano • ex,  X,Y smelly(X,Y)   smelly(X+1,Y-1)   smelly(X-1,Y-1)  loc(wumpus,X,Y+1). • Conhecimento incerto: • Epistemologicamente probabilista: • ex,  X,Y smelly(X,Y,1)  (loc(wumpus,X+1,Y,0.25)  loc(wumpus,X-1,Y,0.25)  loc(wumpus,X,Y+1,0.25)  loc(wumpus,X,Y-1,0.25)).

  11. Tipos de raciocínios: dedução • Dado: • Conhecimento prévio ou percepção especificaEc sobre instância particular de problema ou ambiente • Conhecimento genéricoGsobre classe de problema ou ambiente • Inferir: • Novo conhecimento específicoEesobre instância particular do problema ou ambiente • Infere efeito Ee de causa Ec a partir de modelo do ambiente G • Exemplo: • Dado • Ec= loc(agent,1,1,1)  orientation(0,1)  forward(1)   loc(wall,1,2) • G= X,Y,T loc(agent,X,Y,T)  orientation(0,T)  forward(T)   loc(wall,X,Y+1)  loc(agent,X,Y+1,T+1) • Deduz Ee = loc(agent,1,2,2).

  12. Tipos de raciocínios: abdução • Dado: • Conhecimentos prévios ou percepções especificosEe e Eb sobre instância particular de problema ou ambiente • Conhecimento genéricoGsobre classe de problema ou ambiente • Inferir: • Novo conhecimento específicoEc sobre instância particular do problema ou ambiente • Infere causa Ec de efeito Ee a partir do contexto Eb e modelo do ambiente G • Exemplo: • Dado • Ee= loc(agent,1,2,2) • Eb = orientation(0,1)  forward(1)   loc(wall,1,2) • G= X,Y,T loc(agent,X,Y,T)  orientation(0,T)  forward(T)   loc(wall,X,Y+1)  loc(agent,X,Y+1,T+1) • Abduz Ec = loc(agent,1,1,1).

  13. Tipos de raciocínios: indução • Dado: • Conjunto de conhecimentos prévios ou percepções específicosEc, Ee sobre instâncias particulares de problema ou ambiente • Conhecimento prévio genéricoGpsobre classe de problema ou ambiente • Inferir: • Novo conhecimento conhecimento genéricoGnsobre classe de problema ou ambiente • Infere parte do modelo do ambiente Gn a partir de causas Ec , efeitos Eee outra parte do modelo do ambiente Gp • Exemplo: • Dado • {loc(gold,1,2,1)  glitter(1,2,1), ..., loc(gold,4,4,6)  glitter(4,4,6)}  Ec xEe • {loc(gold,1,2,1)  glitter(3,2,1), ..., loc(gold,4,4,6)  glitter(2,1,6)}  Ec xEe • Induz Gn = X,Y,T glitter(X,Y,T)  loc(gold,X,Y,T)

  14. Agente baseado em conhecimentodedutivo ou abdutivo Ambiente Base de Conhecimento Estático (BCE): regras, classes, formulas lógicas universalmente quantificadas Sensores Ask Tell Máquina de inferência dedutiva e/ou abdutiva Retract Ask Base de Conhecimento Dinâmico (BCD): fatos, objetos formulas lógicas instanciadas Efetuadores

More Related