140 likes | 242 Views
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.
E N D
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 Ask= consulta; tell = inserção; retract = remoção
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
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
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).
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)).
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).
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).
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).
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)).
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).
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).
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)
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