Representação de Conhecimento Guilherme Bittencourt Departamento de Automação e Sistemas Universidade Federal de Santa Catarina Brasil Inteligência Artificial.

Slides:



Advertisements
Apresentações semelhantes
Introdução à Programação: uma Abordagem Funcional PD I – Engenharia Elétrica Prof.ª Claudia Boeres 2008/2.
Advertisements

EE - 09 Inteligência Artificial Prof. Dr. Adilson Marques da Cunha
Representação de Conhecimento com Formalismos Orientado a Objetos
SISTEMAS ESPECIALISTAS
Lógica Matemática e Computacional 1.1 – Inteligência Artificial
Lógica Matemática e Computacional 7 – Introdução à Programação Lógica
Introdução à Programação uma Abordagem Funcional Programação I Prof.ª Claudia Boeres CT VII - Sala 32 Departamento de Informática Centro.
Teoria da Computação Unipac – Computação
Inteligência Artificial
Representação do Conhecimento e Raciocínio
Linguagens de Programação
Interfaces Conversacionais
Técnicas de Representação de Conhecimento
Sistemas Baseados em Conhecimento
Programação em lógica e lógica
LIFE Logic, Inheritance, Functions and Equations Ioram Schechtman Sette.
FACENS – Engenharia da Computação Inteligência Artificial
Lógica Espacial Carlos Eduardo Santin Sandro Rama Fiorini
Inteligência Artificial Câmpus de Uruguaiana - PUCRS
Fundamentos da Inteligência Artificial
00(c) 2007 Gustavo Motta1 Introdução ao -calculus Prof. Gustavo Motta Departamento de Informática/UFPB.
Semana de Cursos e Palestras da Computação (SECCOM) 04 a 08 de outubro de 2004 CTC-UFSC Representação de Conhecimento e Ontologias Guilherme Bittencourt.
Alunos: Benedito Jr, Douglas Bertol, Robson Costa
Protégé 3.0 Apresentação para a disciplina DAS 6607
Inteligência Artificial
INF 1771 – Inteligência Artificial
Inteligência Artificial
Conceitos Básicos.
TÉCNICAS DE PROGRAMAÇÃO II
Informática Teórica Engenharia da Computação
Aula prática - análise contextual
Informática Teórica Engenharia da Computação
Inteligência Artificial
Redes Semânticas e Sistemas Frames
Paradigmas de Linguagens de Programação Linguagem Imperativa 2
Formalismos de Representação de Conhecimento
SAT e Custo Computacional
Teoria da Computação Aula 5 Prof. Fabiano Sabha.
Sistemas Especialistas
Inteligência Artificial
TEORIA DOS CONJUNTOS.
Sistemas Baseados em Conhecimento
Inteligência Artificial
1 BCC101 – Matemática Discreta I Introdução. Em Matemática e Computação…  Queremos expressar e resolver problemas  Do que precisamos?  Uma linguagem.
1 O  -Cálculo & Linguagens Funcionais Rafael Dueire Lins Departamento de Informática Universidade Federal de Pernambuco - Recife - Brasil.
Sistemas Baseados em Aprendizado (Aprendizado de Máquina)
Lógica para Computação
1 TEORIA DA COMPUTAÇÃO Motivação Licenciatura em Ciência e Tecnologia da Computação Licenciatura em Engenharia Informática e de Computadores (Prep.)
Decidibilidade, Corretude, Completude, Consistência
A Linguagem Formal de Especificação VDM-SL
REVISÃO Prof. Mário Dantas
Web Semântica Thiago José Marques Moura. Roteiro Problemática; Descrição; Arquitetura Proposta; Conclusão sobre Web Semântica; Linguagens de Anotação.
Lógicas Descritivas & CARIN Jacques Robin & Thiago Santos.
Os Formalismos de Representação do Conhecimento Primeiros estudos: Ontologia e Terminologia.
Inteligência Artificial I
Redes Semânticas e Sistemas Frames
XML Namespaces XML Namespaces provê um método para evitar conflito de nomes de elementos.
O Computador Universal. Bibliografia Base Artigo “Turing Machine” por James Moor em Encyclopedia of Computer Science (4a Edição). Bib. FCT/UNL: QA
DAS-5341: Sistemas Especialistas
Analise de Algoritmos e Notação Assintótica
Métodos Formais Juan Andrés Mussini.
Busca em Espaço de Estados
ITS: Intelligente Tutoring System. Sistemas especialistas No anos 70, um novo domínio de pesquisa e desenvolvimento inicia com o objetivo de desenvolver.
Sistemas Baseados em Conhecimento Prof. Cláudio M. N. A. Pereira.
Revisão 1º Bimestre Inteligência Artificial
Inteligência artificial (IA)
Aula Introdutória “Lógica para Computação”
Aula 1 Teoria da Computação Máquina de Turing
UEZO - CURSO DE CIÊNCIA DA COMPUTAÇÃO Primeiro semestre de 2013_2.
ONTOLOGIAS NO CONTROLE DA ADAPTAÇÃO AO CONTEXTO EM ESPAÇO UBÍQUO ONTOLOGIAS NO CONTROLE DA ADAPTAÇÃO AO CONTEXTO EM ESPAÇO UBÍQUO Nelsi Warken, Luiz A.
Transcrição da apresentação:

Representação de Conhecimento Guilherme Bittencourt Departamento de Automação e Sistemas Universidade Federal de Santa Catarina Brasil Inteligência Artificial aplicada a Controle e Automação DAS 6607

Computação

SECCOM - 07/10/ Computação F = m a Modelo Predição « Nous devons […] envisager l’état présent de l’univers comme l’effet de son état antérieur et comme la cause de celui qui va suivre. Une intelligence qui pour un instant donné connaîtrait toutes les forces dont la nature est animée et la situation respective des êtres qui la composent, si d’ailleurs elle était assez vaste pour soumettre ces données à l’analyse, embrasserait dans la même formule les mouvements des plus grands corps de l’univers et ceux du plus léger atome : rien ne serait incertain pour elle, et l’avenir, comme le passé, serait présent à ses yeux ». Pierre Simon Laplace (1825)

Computação Kurt Gödel (Czech): Aritmética (e portanto toda a Matemática) é indicidível, 1931 Lambda Calculus: Alonso Church, Princeton, United States, Abril Turing Machine: Alan Mathison Turing ( ), King's College, England, Agosto Sistemas de Produção: Emil Post (Polish), Cidade College, United States, Outubro 1936.

SECCOM - 07/10/ Computação II Guerra Mundial Criptografia Balística Bomba atômica

SECCOM - 07/10/ Inteligência Artificial "I propose to consider the question, 'Can machines think?' This should begin with definitions of the meaning of the terms 'machine' e 'think' ". A.M. Turing, Computing Machinery e Intelligence, 1950.

SECCOM - 07/10/ Além da Computação Rosa r (uma constante) conjunto Linguagem natural: Lógica: What´s in a name? that which we call a rose by any other name would smell as sweet. Romeo e Juliet, Act 2, Scene 2, William Shakespeare

Representação de conhecimento

SECCOM - 07/10/ Representação de Conhecimento Sistemas computacionais e formalismos matemáticos para expressar e manipular conhecimento declarativo de forma tratável e computacionalmente eficiente Um formalismo deve prover: –Linguagem de representação de conhecimento –Mecanismo de inferência –Estratégias de controle da inferência

SECCOM - 07/10/ Representação de conhecimento Lógica: base matemática para todos os mecanismos de representação. –Teoria dos modelos –Teoria da prova –Implementável computacionalmente

SECCOM - 07/10/ Lógica Kurt Gödel e Jacques Herbrand (1930): existem sistemas lógicos nos quais toda fórmula verdadeira pode ser provada (completude) Alfred Tarski (1934): definição formal da semântica da lógica Alonzo Church, Alan Turing, Post (1936): indecidibilidade

SECCOM - 07/10/ Semântica de Tarski Linguagem natural: Cochabamba é uma Cidade. Lógica: Cidade(cochabamba) Coisas Cidades

SECCOM - 07/10/ Exemplo Bolívia América do Sul

SECCOM - 07/10/ Exemplo Regiao(planicie) Regiao(vales) Regiao(altiplano) Cidade(Cobija) Cidade(Trinidad) Cidade(La_Paz) Cidade(Oruro) Cidade(Santa_Cruz) Cidade(Sucre) Cidade(Potosi) Cidade(Tarija) Cidade(Cochabamba) Clima(planicie,tropical) Clima(vales,temperado) Clima(altiplano,frio) Altitude(Cobija,240) Altitude(Trinidad,250) Altitude(La_Paz,3200) Altitude(Oruro,4000) Altitude(Santa_Cruz,200) Altitude(Sucre,2800) Altitude(Potosi,3000) Altitude(Tarija,2500) Altitude(Cochabamba,2700) Local(Cobija,planicie) Local(Trinidad,planicie) Local(La_Paz,altiplano) Local(Oruro,altiplano) Local(Santa_Cruz,planicie) Local(Sucre,vales) Local(Potosi,altiplano) Local(Tarija,vales) Local(Cochabamba,vales) Voltagem(Cobija,220) Voltagem(Trinidad,220) Voltagem(La_Paz,110) Voltagem(Oruro,220) Voltagem(Santa_Cruz,220) Voltagem(Sucre,220) Voltagem(Potosi,220) Voltagem(Tarija,220) Voltagem(Cochabamba,220) Representação lógica:

SECCOM - 07/10/ Redes semânticas Propostas por Quillian (1968) como modelo da memória associativa humana. Nodos (objetos, conceitos) conectados por arcos (relações binárias). Arcos: is a, is part (herança), outros (propriedades) Aplicações: processamento de linguagem natural

SECCOM - 07/10/ Exemplo 220 Rede semântica: Cidade cochabamba Regiao Clima Local Altitude Voltagem is a temperado 2700 vales is a

SECCOM - 07/10/ Frames Marvin Minsky (A framework to represent knowledge, 1975). Frame (objetos ou conceitos) Slots (nomes de propriedades) com valores Herança (só arcos is a e is part) Valores default e facetas Ligação procedural

SECCOM - 07/10/ Exemplo Frames: is part is a Regiao Voltagem: 220 Planicie Clima: tropical Vales Clima: temperado Altiplano Clima: frio Cochabamba Altitude: 2700 Tarija Altitude: 2500 Sucre Altitude: 2800 Oruro Altitude: 4000 La Paz Altitude: 3200 Voltagem:110 Santa Cruz Altitude: 200 Trinidad Altitude: 250 Cobicha Altitude: 240 Potosi Altitude: 3000 is part is a is part

SECCOM - 07/10/ Lógica de descrição Descendente das linguagens terminológicas (KL-ONE) e das redes semânticas. Baseada em conceitos (classes) e papéis –conceitos (classes): conjuntos de objetos –papéis: relações binárias entre objetos Construtores permitem a definição de conceitos e papéis complexos a partir de primitivos Fragmento decidível da lógica de primeira ordem Relacionada com a Lógica Modal Propriedades principais: –Semântica bem definida –Inferência decidível e (as vezes) tratável

SECCOM - 07/10/ Lógica de descrição Abox (data) (is-a John happy-father) (has-child John Mary) Tbox (schema) (def man (and human male)) (def happy-father (and man (exist has-child female) …) Knowledge Base Sistema de inferência Interface

SECCOM - 07/10/ História Clássica ( )} –Objetivo: simular a inteligência humana –Métodos: solucionadores gerais de problemas e lógica –Limitação: subestimação da complexidade computacional dos problemas Romântica ( ) –Objetivo: simular a inteligência humana em situações pré- determinadas. –Métodos: formalismos de representação de conhecimento. –Limitação: subestimação da quantidade de conhecimento necessária. Moderna ( ) –Objetivo: simular o comportamento de um especialista humano ao resolver problemas em um domínio específico. –Métodos: Sistemas de regras, representação da incerteza. – Limitação: subestimação da complexidade do problema de aquisição de conhecimento. Contemporânea (1990-hoje) –Objetivo: aplicações reais (Internet) –Métodos: Ontologias (?)