Carregar apresentação
A apresentação está carregando. Por favor, espere
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
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
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
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
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 especifica Ec sobre instância particular de problema ou ambiente Conhecimento genérico G sobre classe de problema ou ambiente Inferir: Novo conhecimento específico Ee sobre 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 especificos Ee e Eb sobre instância particular de problema ou ambiente Conhecimento genérico G sobre classe de problema ou ambiente Inferir: Novo conhecimento específico Ec 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 específicos Ec, Ee sobre instâncias particulares de problema ou ambiente Conhecimento prévio genérico Gp sobre classe de problema ou ambiente Inferir: Novo conhecimento conhecimento genérico Gn sobre classe de problema ou ambiente Infere parte do modelo do ambiente Gn a partir de causas Ec , efeitos Ee e 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 x Ee {loc(gold,1,2,1) glitter(3,2,1), ..., loc(gold,4,4,6) glitter(2,1,6)} Ec x Ee Induz Gn = X,Y,T glitter(X,Y,T) loc(gold,X,Y,T)
14
Agente baseado em conhecimento dedutivo 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
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.