A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

Agentes Baseados em Conhecimento Jacques Robin CIn-UFPE.

Apresentações semelhantes


Apresentação em tema: "Agentes Baseados em Conhecimento Jacques Robin CIn-UFPE."— Transcrição da apresentação:

1 Agentes Baseados em Conhecimento Jacques Robin CIn-UFPE

2 Agente baseado em conhecimento Ambiente Sensores Efetuadores Base de Conhecimento Especializada Máquina de Inferência Genérica Ask Tell Retract Representação e Aquisição de Conhecimento Raciocínio Automático 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 especifica E c sobre instância particular de problema ou ambiente Conhecimento genérico G sobre classe de problema ou ambiente Inferir: Novo conhecimento específico E e sobre instância particular do problema ou ambiente Infere efeito E e de causa E c a partir de modelo do ambiente G Exemplo: Dado E c = 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 E e = loc(agent,1,2,2).

12 Tipos de raciocínios: abdução Dado: Conhecimentos prévios ou percepções especificos E e e E b sobre instância particular de problema ou ambiente Conhecimento genérico G sobre classe de problema ou ambiente Inferir: Novo conhecimento específico E c sobre instância particular do problema ou ambiente Infere causa E c de efeito E e a partir do contexto E b e modelo do ambiente G Exemplo: Dado E e = loc(agent,1,2,2) E b = 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 E c = loc(agent,1,1,1).

13 Tipos de raciocínios: indução Dado: Conjunto de conhecimentos prévios ou percepções específicos E c, E e sobre instâncias particulares de problema ou ambiente Conhecimento prévio genérico G p sobre classe de problema ou ambiente Inferir: Novo conhecimento conhecimento genérico G n sobre classe de problema ou ambiente Infere parte do modelo do ambiente G n a partir de causas E c, efeitos E e e outra parte do modelo do ambiente G p Exemplo: Dado {loc(gold,1,2,1) glitter(1,2,1),..., loc(gold,4,4,6) glitter(4,4,6)} E c x E e {loc(gold,1,2,1) glitter(3,2,1),..., loc(gold,4,4,6) glitter(2,1,6)} E c x E e Induz G n = X,Y,T glitter(X,Y,T) loc(gold,X,Y,T)

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


Carregar ppt "Agentes Baseados em Conhecimento Jacques Robin CIn-UFPE."

Apresentações semelhantes


Anúncios Google