Rappresentazione della Conoscenza. Lezione 6. Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 6 0

Transcript

1 Rappresentazione della Conoscenza Lezione 6 Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 6 0

2 Sommario La rappresentazione della conoscenza Logica come formalismo di rappresentazione (RN 8.3/7.3) Ingegneria della conoscenza (RN 8.4/ ) Sistemi a regole (RN 9.4,9.3/10.3,10.5) Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 6 1

3 Sviluppo della rappresentazione della conoscenza ipotesi del sistema simbolico logica sì, logica no teoria della conoscenza ingegneria della conoscenza base di conoscenza motore inferenziale Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 6 2

4 Ipotesi del sistema simbolico Il calcolatore fa parte di una importante classe di sistemi artificiali, quella dei sistemi simbolici... Un sistema simbolico consiste di entità, detti simboli. Questi possono comparire come componenti di strutture.... Nel caso dei calcolatori, un sistema di simboli possiede anche un insieme di semplici processi che elaborano (creano, modificano, copiano,... ) simboli H. Simon, The Sciences of the Artificial, 1969, 1994 Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 6 3

5 Linguaggio e rappresentazione Frasi diverse con lo stesso significato presuppongono una memoria con una rappresentazione delle informazioni. Sapir-Whorf: Linguaggio influenza il modo di pensare e prendere decisioni. Vocabolari diversi a seconda del modello del mondo. Linguaggio = strumento di comunicazione. Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 6 4

6 Proprietà di una buona rappresentazione I tre criteri di adeguatezza proposti da McCarthy & Hayes Adeguatezza metafisica Adeguatezza epistemologica Adeguatezza euristica identificazione del linguaggio identificazione del livello di astrazione principi di buona progettazione Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 6 5

7 Logica e rappresentazione della conoscenza Logica si: chiara sintassi semantica apparati deduttivi Dichiarativa vs Procedurale Logica no: mancanza di principi di strutturazione inadeguata a cogliere tutti gli aspetti di interesse dell AI Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 6 6

8 Base di conoscenza Una base di conoscenza è una rappresentazione delle conoscenze sul mondo (problema). conoscenza intensionale esprime delle leggi generali sul dominio di interesse (regole) conoscenza estensionale esprime la conoscenza sul particolare caso (situazione) in esame (fatti) La costruzione della base di conoscenza si effettua tramite l asserzione delle frasi che tappresentano la conoscenza intensionale ed estensionale (Tell). Il linguaggio usato per esprimere la conoscenza si chiama linguaggio di rappresentazione della conoscenza. Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 6 7

9 Motore inferenziale Le implicazioni (conseguenze) della base della conoscenza vengono calcolate da un meccanismo di inferenza (motore inferenziale). Ask è l operatore usato per caratterizzare le inferenze (risposte) ottenibili da un base di conoscenze. La caratterizzazione di un sistema di rappresentazione della conoscenza tramite Tell&Ask si definisce dichiarativa: non occorre conoscere il meccanismo di inferenza per sapere cosa è implicato dalla base di conoscenza. Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 6 8

10 Sistemi di rappresentazione della conoscenza formule algoritmo che manipola formule BASE DI CONOSCENZA MOTORE INFEREN- ZIALE Esempio: rappresentazione della conoscenza in logica proposizionale linguaggio: formule proposizionali semantica: = inferenza: metodi deduttivi per il calcolo proposizionale Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 6 9

11 Sistemi Esperti Applicazioni in grado di svolgere un compito tipico di un esperto umano (es. medico, geologo, esperto di configurazioni, analista finanziario...). Sistemi basati sulla conoscenza specifica per il problema da risolvere Sistemi di decisione (probabilistici, fuzzy,) Sistemi a scatola nera (reti neurali, algoritmi genetici) Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 6 10

12 Ontologie Teorie sulla natura dell essere: teorie generali che possono essere applicate in qualsiasi dominio applicativo. Diversi progetti di costruzione di ontologie generali, ma il problema è aperto. Un agente (autonomo) che fa acquisti su Internet ha bisogno di una quantità enorme di conoscenza di tipo generale Web semantico. Si parla di ontologia anche in relazione ad aspetti della rappresentazione che permettono delle forme di ragionamento specializzate (azioni, situazioni, eventi, tempo, spazio, conoscenza e credenze,...) Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 6 11

13 Costruzione di sistemi basati sulla conoscenza Ingegneria della Conoscenza: il processo che porta alla costruzione di un sistema basato sulla conoscenza. 1. Identificare il compito 2. Raccogliere la conoscenza necessaria (Acquisizione della conoscenza) Knowledge Elicitation ( 3. Definire il vocabolario: predicati, funzioni e costanti, (ontologia del dominio) Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 6 12

14 Costruzione di sistemi basati sulla conoscenza 4. Codificare la conoscenza generale sul dominio 5. Codificare la descrizione di un particolare problema 6. Interrogare la base di conoscenza 7. Debuggare la base di conoscenza Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 6 13

15 Ambienti di sviluppo Sistemi di rappresentazione della conoscenza, oltre all interfaccia Tell&Ask: interfaccia grafica (sia per l utente finale che per il progettista) strumenti di gestione della base di conoscenza: consistenza, aggiornamento, revisione generazione di spiegazioni strumenti per l acquisizione di conoscenza interfaccia middleware e tutte le caratteristiche di un ambiente di programmazione Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 6 14

16 Classificazione linguaggi di RC derivati dalla logica (a regole) derivati da modelli cognitivi (a strutture) Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 6 15

17 Rappresentazione della conoscenza tramite regole Basi di dati deduttive Programmazione logica Regole di produzione Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 6 16

18 Basi di dati deduttive linguaggio: clausole senza simboli di funzione (+ negazione come fallimento) semantica: = inferenza: metodi deduttivi per il calcolo proposizionale e metodi deduttivi ad hoc (computazione punto fisso etc.) Con l ipotesi di dominio finito e costituito dai simboli di costante che compaiono nella base di conoscenza le basi di dati deduttive corrispondono a teorie proposizionali. Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 6 17

19 Basi di dati Horn Basi di dati Horn (HDB) o vivide, solo clausole Horn: 1. A(x) 2. A 1 (x)... A n (x) B(x) 3. A 1 (x)... A n (x) 1. Fatti 2. Regole 3. Interrogazioni 3. possono anche essere letti come vincoli di integrità Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 6 18

20 Inferenza nelle basi di dati Horn MP è una regola di inferenza corretta e completa per HDB Per HDB vale la proprietà dell intersezione di modelli: quindi HDB hanno un modello minimo. Se non ci sono simboli di funzione n d dove n è il numero massimo di premesse delle regole e d è la dimensione del HDB (data complexity) HDB è un esempio di come, restringendo il linguaggio si abbatte la complessità della deduzione. Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 6 19

21 Basi di dati Deduttive DATALOG: linguaggio usato per le Basi di Dati Deduttive che corrisponde a HDB. Per un HDB è facile costruire la chiusura deduttiva: applicando MP in tutti i modi possibili e aggiungendo le conclusioni, se non ci sono già. Per DATALOG Sono stati sviluppati metodi di inferenza efficienti in avanti e all indietro. Estensioni di DATALOG per trattare la negazione nel corpo delle clausole secondo la semantica dei modelli stabili. Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 6 20

22 Basi di dati disgiuntive (DDB) Non tutte le formule della logica del primo ordine possono essere messe in forma di clausole Horn, e.g. piove (ombrello giaccavento) Basi di dati disgiuntive (DDB): A(x) A 1 (x)... A n (x) B 1 (x)... B n (x) Tutte le formule della logica del primo ordine possono essere messe in questa forma. DLP è un sistema per BDD con la negazione. Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 6 21

23 Programmazione Logica linguaggio: clausole di Horn con simboli di funzione (+ negazione come fallimento) semantica: Dichiarativa ( =, puntofisso) inferenza: modello operazionale del PROLOG (non dichiarativo per la dipendenza dall ordine di scrittura delle clausole e degli atomi nel corpo delle clausole) Sono state realizzate diverse estensioni del PROLOG... programmazione logica con vincoli (CLP), dove l unificazione viene fatta in presenza di vincoli più deboli dell uguaglianza extended logic programs clausole non-horn e negazione vera Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 6 22

24 Controllo dell inferenza Qual è il reddito della moglie del presidente degli Stati Uniti? Reddito(s, i) Sposati(s, p) Lavoro(p, P residentestatiu niti) metaragionamento per decidere quale ordine degli atomi è più vantaggioso backtracking guidato dalle dipendenze invece del backtracking cronologico intelligent backtracking che ricorda le derivazioni già fatte evitando di ripeterle Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 6 23

25 REGOLE linguaggio: regole IF-THEN (strutturalmente simile HDB) semantica: ( = per la parte Horn pura, altrimenti procedurale) inferenza: concatenazione in avanti per la parte Horn pura, più modello procedurale match-select-execute (risoluzione e tableau) KB ha una rappresentazione del tipo: A(x) IF A 1 (x)... A n (x) T HEN B(x) Sistemi: OPS5 Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 6 24

26 REGOLE di produzione Ma nei sistemi a regole di produzione (esempio più famoso OPS5, sviluppato a CMU per applicazioni Digital) - ricerca di soluzione forward (data driven) - decisione se regola applicabile: semiunificazione, cioè pattern matching su memoria di lavoro - decisione su quale regola applicare: algoritmo di scheduling delle regole Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 6 25

27 OPS5 per sommi capi Struttura: Data Base di Regole Memoria di lavoro Ciclo: Riconosci-Seleziona-Agisci Memoria di lavoro: memorizza stato iniziale, risultati parziali, conclusione Riconosci: pattern matching tra parte sinistra regole e memoria di lavoro, creazione dell insieme dei conflitti Insieme dei conflitti: legami per le variabili lista di regole applicabili, con relativi Agisci: side effect nella memoria di lavoro, o sul mondo esterno Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 6 26

28 Rappresentazione RETE Opppure, si usa l approccio RETE (Forgy 83). Le regole vengono compilate in una rete, cioè una struttura ad albero in cui condividono quanto più possibile della parte sinistra: if f elino carnivoro maculato then giaguaro if felino carnivoro rigato then tigre Poi, le regole cambiano la working memory di poco: Se una regola non applicava in un ciclo, è ragionevole che non applichi nel successivo. RETE non fa un matching completo su tutte le regole, ma mantiene una rete di condizioni e fa un matching completo solo sulle regole le cui condizioni sono state influenzate dagli ultimi cambiamenti Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 6 27

29 Vantaggi dei sistemi a regole PATTERN DIRECTED PROCEDURE INVOCATION il controllo passa dal programmatore all algoritmo di scheduling, quindi programmazione più dichiarativa, più incrementale Spiegabilità delle conclusioni e delle linee di ragionamento seguite SVANTAGGI: inefficienza si possono costruire DB di regole errate, contraddittorie... e.g. sia KB: if piovuto then pratobagnato if pratobagnato then impiantoirrigazioneacceso piovuto Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 6 28

30 Dimostratori di teoremi Non sono veri e propri sistemi di rappresentazione della conoscenza, spesso consentono di fare le dimostrazioni, interattivamente. specifica del controllo verifica/deduzione automatica OTTER, PTTP, Boyer-Moore,... Applicazioni: dimostrazione di teoremi matematici sintesi automatica di programmi verifica e sintesi di circuiti Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 6 29