Abbiamo trattato: Abbiamo trattato



Scaricare 0.81 Mb.
12.11.2018
Dimensione del file0.81 Mb.



Abbiamo trattato:

  • Abbiamo trattato:

    • agenti con stato e con obiettivo, più razionali rispetto ad agenti reattivi
    • stati e azioni descrivibili in maniera semplice
    • enfasi sul processo di ricerca
  • Vogliamo adesso migliorare le capacità razionali dei nostri agenti dotandoli di rappresentazioni di mondi più complessi, non descrivibili semplicemente

  • Agenti basati su conoscenza, con conoscenza espressa in maniera esplicita e dichiarativa (non cablata)



Il mondo è tipicamente complesso: ci serve una rappresentazione parziale e incompleta di una astrazione del mondo utile agli scopi dell’agente

  • Il mondo è tipicamente complesso: ci serve una rappresentazione parziale e incompleta di una astrazione del mondo utile agli scopi dell’agente

  • Per ambienti parzialmente osservabili ci servono linguaggi di rappresentazione della conoscenza più espressivi e capacità inferenziali

  • La maggior parte dei problemi di I.A. sono “knowledge intensive” tanto che Sistemi Basati sulla Conoscenza è quasi sinonimo di sistemi di I.A.



Misura delle prestazioni:

  • Misura delle prestazioni:

    • +1000 se trova l’oro, torna in [1,1] e esce;
    • -1000 se muore;
    • -1 per ogni azione;
    • -10 se usa la freccia.
  • Percezioni:

    • puzzo nelle caselle adiacenti al Wumpus;
    • brezza nelle caselle adiacenti alle buche;
    • luccichio nelle caselle con l‘oro;
    • bump se sbatte in un muro;
    • urlo se il Wumpus viene ucciso.
    • L’agente non percepisce la sua locazione.
  • Azioni:

    • avanti
    • a destra di 90o, a sinistra di 90o
    • afferra un oggetto
    • scaglia la freccia (solo una)
    • Esce
  • Ambienti generati a caso ([1,1] safe)



BrezzaPuzzo in [1,1], quindi [1,2] e [2,1] sono sicure.

  • BrezzaPuzzo in [1,1], quindi [1,2] e [2,1] sono sicure.

  • L’agente decide di spostarsi in [2,1] …



Un agente basato su conoscenza mantiene una base di conoscenza (KB): un insieme di enunciati espressi in un linguaggio di rappresentazione

  • Un agente basato su conoscenza mantiene una base di conoscenza (KB): un insieme di enunciati espressi in un linguaggio di rappresentazione

  • Interagisce con la KB mediante una interfaccia funzionale Tell-Ask:

    • Tell: per aggiungere nuovi fatti a KB
    • Ask: per interrogare la KB
    • … forse Retract
  • Le risposte  devono essere tali che  segue logicamente da KB (è conseguenza logica di KB)



Il problema: data una base di conoscenza KB, contenente una rappresentazione dei fatti che si ritengono veri, vorrei sapere se un certo fatto  è vero di conseguenza

  • Il problema: data una base di conoscenza KB, contenente una rappresentazione dei fatti che si ritengono veri, vorrei sapere se un certo fatto  è vero di conseguenza

  • KB |=  (conseguenza logica)



Function Agente-KB (percezione) returns un’azione

  • Function Agente-KB (percezione) returns un’azione

  • persistent: KB, una base di conoscenza

  • t, un contatore, inizialmente a 0, che indica il tempo

  • TELL(KB, Costruisci-Formula-Percezione(percezione, t))

  • azione  ASK(KB, Costruisci-Query-Azione(t))

  • TELL(KB, Make-Action-Sentence(azione, t))

  • tt + 1

  • return azione



Approccio dichiarativo vs approccio procedurale

  • Approccio dichiarativo vs approccio procedurale

  • La differenza principale è che la KB racchiude tutta la conoscenza necessaria a decidere l’azione da compiere in forma dichiarativa

  • L’alternativa (approccio procedurale) è scrivere un programma in cui il processo decisionale è cablato, una volta per tutte.

  • Più flessibile: più semplice acquisire conoscenza incrementalmente e modificare il comportamento con l’esperienza



Base di conoscenza: una rappresentazione esplicita, parziale e compatta, in un linguaggio simbolico, che contiene:

  • Base di conoscenza: una rappresentazione esplicita, parziale e compatta, in un linguaggio simbolico, che contiene:

    • fatti di tipo specifico (Es. Socrate è un uomo)
    • fatti di tipo generale (Es. Tutti gli uomini sono mortali)
  • Quello che caratterizza una B.C. è la capacità di inferire nuovi fatti da quelli memorizzati esplicitamente (Es. Socrate è mortale)



Nelle basi di dati solo fatti specifici e positivi

  • Nelle basi di dati solo fatti specifici e positivi

  • Le basi di dati assumono una conoscenza completa del mondo (Closed World Assumption)

  • Nessuna capacità inferenziale (vincoli di integrità solo per il controllo, non per la generazione)



Il problema ‘fondamentale’ in R.C. è trovare il giusto compromesso tra:

  • Il problema ‘fondamentale’ in R.C. è trovare il giusto compromesso tra:

    • Espressività del linguaggio di rappresentazione;
    • Complessità del meccanismo inferenziale
  • Vogliamo meccanismi espressivi, ma anche efficienti.

  • Questi due obiettivi sono in contrasto e si tratta di mediare tra queste due esigenze



Cosa vuol dire espressivo? … e perchè l’espressività è in contrasto con l’efficienza?

  • Cosa vuol dire espressivo? … e perchè l’espressività è in contrasto con l’efficienza?

  • Un linguaggio più espressivo ci consente di essere vaghi, imprecisi, di esprimere conoscenze parziali, di omettere dettagli che non si conoscono …

  • L’espressività determina non tanto quello che può essere detto ma quello che può essere lasciato non detto



Nelle B.D. quello che possiamo esprimere sono solo fatti specifici e positivi:

  • Nelle B.D. quello che possiamo esprimere sono solo fatti specifici e positivi:

  • Moglie(Rossi, Paola)

  • Con linguaggi più espressivi …

  • x Moglie(Rossi, x) Rossi ha una moglie

  • Operaio(Rossi) Rossi non è un operaio

  • Moglie(Rossi, Anna)  Moglie(Rossi, Paola)

  • Rossi ha una moglie; si chiama Anna o Paola

  • yx Moglie(y, x)  Coniugato(y)

  • Coloro che hanno una moglie sono coniugati



Nelle basi di dati nessuna deduzione è possibile, solo recupero. Si assume una descrizione completa del mondo.

  • Nelle basi di dati nessuna deduzione è possibile, solo recupero. Si assume una descrizione completa del mondo.

  • Dai fatti

    • x Moglie(Rossi, x)
    • y  x Moglie(y, x)  Coniugato(y)
    • è possibile dedurre Coniugato(Rossi)
  • Dai fatti

    • Moglie(Rossi, Anna)  Moglie(Rossi, Paola)
    • y  x Moglie(y, x)  Coniugato(y)
    • è possibile dedurre Coniugato(Rossi) ma è più complicato (richiede un ragionamento per casi)


Un formalismo per la rappresentazione della conoscenza ha tre componenti:

  • Un formalismo per la rappresentazione della conoscenza ha tre componenti:

    • Una sintassi: un linguaggio composto da un vocabolario e regole per la formazione delle frasi (enunciati)
    • Una semantica: che stabilisce una corrispondenza tra le frasi e fatti del mondo; se un agente ha un enunciato  nella sua KB, crede che il fatto corrispondente sia vero nel mondo
    • Un meccanismo inferenziale (codificato o meno tramite regole di inferenza come nella logica) che ci consente di inferire nuovi fatti.




Come sappiamo che la KB è vera nel mondo reale? Come l’agente forma le sue credenze?

  • Come sappiamo che la KB è vera nel mondo reale? Come l’agente forma le sue credenze?

  • Attraverso i sensori si crea una connessione con il mondo; le credenze sono il risultato di percezioni.

  • Non solo: le regole sono il risultato di un processo di apprendimento, che può essere fallibile (es. ragionamento induttivo).



I linguaggi logici, calcolo proposizionale (Prop) e logica dei predicati (FOL), sono adatti per la rappresentazione della conoscenza?

  • I linguaggi logici, calcolo proposizionale (Prop) e logica dei predicati (FOL), sono adatti per la rappresentazione della conoscenza?

  • Complessità computazionale del problema KB |= 

    • In PROP il problema è decidibile, ma intrattabile (NP)
    • FOL è un linguaggio espressivo, con una semantica ben definita, ma ha un problema: il meccanismo inferenziale non è decidibile
    • In FOL il problema KB |=  è semidecidibile


Superamento del FOL verso linguaggi ad inferenza limitata: contrazioni del FOL alla ricerca di proprietà computazionali migliori (es. i linguaggi di programmazione logica, le logiche descrittive)

  • Superamento del FOL verso linguaggi ad inferenza limitata: contrazioni del FOL alla ricerca di proprietà computazionali migliori (es. i linguaggi di programmazione logica, le logiche descrittive)

  • Linguaggi di rappresentazione che propongono meccanismi di strutturazione della conoscenza per guadagnare efficienza su forme particolari di inferenza (es. reti semantiche e connettività, frame e aggregazione, ereditarietà). FOL per la semantica



Molti linguaggi della R.C. sono estensioni

  • Molti linguaggi della R.C. sono estensioni

  • [di sottoinsiemi] del FOL per superare limiti di

  • espressività nel ragionamento di “senso comune”

  • Ne possiamo citare tre importanti:

  • Atteggiamenti proposizionali

  • Ragionamento incerto

  • Ragionamento non monotòno



Atteggiamenti epistemici

  • Atteggiamenti epistemici

    • conoscenze, credenze (convinzioni o opinioni)
  • Atteggiamenti motivazionali

  • L'oggetto del discorso sono le proposizioni

    • Bel(P) operatori e logiche modali
    • Bel(‘P’) reificazione o meta-livello


Nella logica classica le proposizioni sono vere o false (assunzione epistemologica)

  • Nella logica classica le proposizioni sono vere o false (assunzione epistemologica)

  • Il superamento della dicotomia T|F può avvenire in modi diversi:

    • logiche a più valori (vero, falso, non so)
    • ragionamento probabilistico (vero con probabilità p)
    • vero con grado di fiducia c
    • logica fuzzy (proprietà sfumate, es. ‘alto’ in misura m)


Nella logica classica vale la proprietà di monotonia:

  • Nella logica classica vale la proprietà di monotonia:

  • Monotonia: Se KB |-  allora KB  {} |- 

  • Il ragionamento di senso comune è spesso non monotòno: si fanno inferenze tentative, anche in mancanza di informazioni complete.

  • Esempio 1: ragionamento default

  • Gli uccelli tipicamente volano. Tweety è un uccello. Quindi Tweety vola.

  • Esempio 2: assunzione di mondo chiuso

  • Se un fatto non è presente nella KB si assume che non sia vero (come nelle basi di dati). Quando si aggiunge un nuovo fatto può invalidare le vecchie conclusioni.



Ogni linguaggio per la R. C. fa assunzioni diverse su come è fatto il mondo (ontologico  che riguarda ciò che esiste):

  • Ogni linguaggio per la R. C. fa assunzioni diverse su come è fatto il mondo (ontologico  che riguarda ciò che esiste):

  • Nel calcolo proposizionale il mondo è visto come popolato di fatti veri o falsi (le proposizioni).

  • Il calcolo dei predicati fa una assunzione ontologica più sofisticata: il mondo è fatto di oggetti, che hanno proprietà e tra cui sussistono relazioni.

  • Logiche specializzate assumono ontologie più ricche:

    • gli stati e le azioni nel calcolo di situazioni
    • il tempo nelle logiche temporali
    • Concetti o categorie nelle logiche descrittive




Condividi con i tuoi amici:


©astratto.info 2019
invia messaggio

    Pagina principale