Cálculo de Predicados
description
Transcript of Cálculo de Predicados
Cálculo de Predicados
Fundamentos
Inteligencia ArtificialLuis Villaseñor Pineda
Algunas características deseables
Verificabilidad La representación debe permitirnos determinar el valor de verdad
de lo representado Evitar la ambigüedad
No hay manera de encontrar una interpretación alterna Cuidado: la vaguedad no es ambigüedad
Quiero comer comida china
Forma canónica Nos ayude a evitar expresar el mismo contenido de diferentes
maneras
Representando el conocimiento
El lenguaje es el instrumento ideal pero su uso es imposible (?) por medios automáticos
Estudiaremos otra representación y buscaremos los medios para ir del conocimiento “real” a esta nueva representación Dado que el conocimiento “real” es fácilmente expresado por el
lenguaje ¿porqué no retomar las nociones de su estructura ? Así que esta transformación la veremos como una traducción del
contenido del lenguaje (su contenido semántico) a otra representación
Llevando del lenguaje a CP
Básicamente nos apoyaremos en la estructura Predicado-Argumento Capturan las relaciones de los conceptos subyacentes de los
constituyentes de una oración Se dice algo de alguien
Ejemplos de esta estructura Oración declarativa Determinadores Preposiciones
Ejercicio
restringe verbo sus un argumentos
Ejercicio
restringe verbo sus un argumentos
¿Cuáles son los argumentos? ¿Cuál es la relación existente entre ellos?
Ejercicio
restringe verbo sus un argumentos
¿Cuáles son los argumentos? ¿Cuál es la relación existente entre ellos?
Sin embargo, no se trata de una transferencia directa es sólo una sugerencia depende de nuestro objetivo final
Cálculo de Predicados
Cálculo de predicados de primer orden Flexible Bien entendido Computacionalmente tratable Satisface muchos de los requerimientos que vimos Su principal atractivo: facilidad de representar el mundo
El mundo consiste de objetos, propiedades de los objetos y relaciones entre objetos
Fundamentos
Término: el elemento más básico Constantes – los objetos de nuestro dominio
Cachivache Predicados – las relaciones o propiedades de los objetos
quiere(Luis, Cachivache) Funciones – mapean de objetos a objetos
casa-de(Luis) Variables
Predicados Fórmula Atómica: predicados simples Fórmula: predicados o predicados complejos
Términos
Constantes: objetos específicos del mundo (letras mayúsculas o palabras en mayúsculas) El mismo concepto que en un lenguaje de programación Pedro - Puebla
Funciones: conceptos expresados por su descripción Convenientes para cuando tenemos muchos objetos nombrados y
todos ellos con un concepto asociado común La casa de Pedro - LaCasaDe(Pedro) CUIDADO: tienen la apariencia de predicados pero son Términos
se refieren a objetos únicos
Términos
Variables: mecanismo para referirse a objetos del mundo (usaremos las letras minúsculas) Con ellas podemos realizar afirmaciones y realizar inferencias
sobre objetos sin tener una referencia a un objeto en particular
Predicados
Es el mecanismo para establecer relaciones entre objetos
Son símbolos que se refieren a relaciones que se presentan sobre un número fijo de objetos en un dominio dado. Tengo cinco pesos
O propiedades de un objeto La luna es un satélite
Antes de seguir recordemos
Un predicado siempre tiene un valor de verdad ¿Estas expresiones tienen un valor de verdad?
La casa de Manuel La casa de Manuel está hasta el quito infierno El perro de mi amigo
La Zanahoria es un restaurante vegetariano La Zanahoria es un buen restaurante vegetariano
Más ejemplos
Este lugar es un paraíso Todos los perros me muerden
Está lloviendo a cántaros en Puebla Mañana lloverá a cántaros en Puebla
Ejemplos ¿?
quiere(Luis, mascota-de(Luis)) quiere(Luis, mascota-de(Luis)) Y
quiere(Luis, auto-de(Pedro))
quiere((Luis, mascota-de(Luis) Y auto-de(Aurelio))
Regresando
Los predicados se pueden asociar a través de conectores lógicos y calificar sus términos a través de cuantificadores Un predicado sin conectores ni cuantificadores es llamado
fórmula atómica
Semántica de FOPC
¿Cómo determinamos el valor de verdad de una fórmula lógica?
Consideremos un enfoque de “base de datos” para determinar el valor de verdad Las fórmulas atómicas serán consideradas verdaderas si éstas
están presentes en la base de conocimiento o pueden inferirse de otras fórmulas que están presentes en la base de conocimientos
Las interpretaciones de las fórmulas con conectores se basan en el significado de sus componentes y el significado de los conectores.
Variables y cuantificadores
Variables nos sirven para: Referirse particularmente a un objeto anónimo Referirse genéricamente a todos los objetos en la colección
Cuantificadores Existencial – debe haber al menos una substitución que resulte en
una interpretación verdadera Universal – debe ser verdadera bajo cualquier substitución posible
Ejemplos
Todo restaurante vegetariano sirve comida vegetariana x RestauranteVegetariano(x) Sirve(x,ComidaVegetariana)
La Zanahoria es un restaurante vegetariano RestauranteVegetariano(Zanahoria)
Ejemplos ¿?
En que difieren estos dos ejemplos: x Restaurante(x) Sirve(x,ComidaVegetariana) x Restaurante(x) Sirve(x,ComidaVegetariana)
f. (gato(f) gusta(Luis, f) ) Cuidado:
gusta( Luis, f.gato(f) )
Inferencia
Conjunto de reglas que nos permiten llegar a concluir el valor de verdad de un predicado en función de otros
Regla modus ponens
Ejemplo
Dado estos axiomas
Concluir:
Ejemplo
Forward chaining
Cada vez que agregamos un predicado a nuestra base de conocimientos, usamos modus ponens para disparar todas las reglas asociadas. Al disparar las reglas el nuevo conocimiento generado es añadido
a nuestra base de conocimientos Este proceso continua de forma exhaustiva
Siempre contamos con todo el conocimiento derivado
Backward chaining
Funciona a la inversa, en este caso tenemos un query que deseamos probar Primero revisamos si se encuentra en la base de conocimientos Si no es el caso, buscamos por reglas de implicación presentes
en la base de conocimientos que involucren el query como consecuente
Probaremos el consecuente si podemos probar el antecedente
Demostración
Lo que acabamos de hacer es una demostración
A partir de un conjunto de premisas concluimos un nuevo predicado con ayuda de una regla de inferencia
Fórmula bien formadas
Objetos (A)
Variables (x)Términos
Predicados (Vuela) Formulas atómicas
(Vuela (x))
Formulas atómicas
Negación () Literales
Conectivos (,,,)
Cuantificadores (,)
Formulas bien formadas
x(Vuela(x) Pájaro(x))
Demostración
Una secuencia de FBFs {w1,w2,…,wn} se
denomina demostración de wn a partir de un
conjunto de premisas (FBFs) sii cada wi de la
secuencia pertenece a las premisas, o puede ser
inferida utilizando las reglas de inferencia.
Reglas de inferencia
Reglas de inferencia (de remplazo)
Resolución
En particular es de interés para IA una regla de inferencia llamada Resolución
Dado que B no puede ser tanto verdadera como falsa, el valor de verdad recae sobre las otras premisas o podemos verla como la transitividad de la implicación
La regla de Resolución
De forma más general tenemos Donde dj = ai
Usando resolución
Para utilizar resolución
Es necesario dejar las formulas en una forma normal
O en un forma más estricta, una cláusula de Horn
Ejemplo
Si la casa de Juan es grande entonces es mucho trabajo mantenerla, a menos que tenga servicio de limpieza y no tenga jardín.grande(H) y casa(H,J) muchotrabajo(H) o ( servico(H,A) y no( jardín(H)) )
no( grande(H) y casa (H,J)) o muchostrabajo(H) o (servicio(H,A) y no( jardín(H))no (grande(H)) o no(casa(H,J)) o muchostrabajo(H) o (servicio(H,A) y no( jardín(H))[no (grande(H)) o no(casa(H,J)) o muchostrabajo(H) o (servicio(H,A) ] y [no (grande(H)) o no(casa(H,J)) o muchostrabajo(H) o no( jardín(H)) ][no (grande(H)) o no(casa(H,J)) o muchostrabajo(H) o (servicio(H,A) ] [no (grande(H)) o no(casa(H,J)) o muchostrabajo(H) o no( jardín(H)) ]no ( grande(H) y casa(H,J) ) o muchostrabajo(H) o (servicio(H,A) no( (grande(H) y casa(H,J) y jardín(H) ) o muchostrabajo(H)grande(H) y casa(H,J) (muchostrabajo(H) o servicio(H,A))grande(H) y casa(H,J) y jardín(H) muchostrabajo(H)
Unificación
¿Qué hacer con las variables? Necesitamos un mecanismo de substitución,
si tenemos variables debemos tener un modo de asociarlas a individuos
Para ello tendremos una lista de ataduras Una lista de ataduras es un conjunto de entradas s de la forma
v=e donde v es una variable y e es un objeto en nuestro dominio. Mascota(X, luis) | s == Mascota(barril, luis) donde s ={X=barril}
Unificación
Dadas dos expresiones p y q, un unificador de p y q es una lista de ataduras s tal que p|s = q|s P(X,c) - Q(z,V) ¿Cuál es su unificador?
Si s1 y s2 son dos listas de ataduras, s1 es más general que s2 si para cada expresión p, p|s2 es una instancia de p|s1
f(X) s2={X=2} s1={X=Y} f(X) s1={X=f(G)} s2={X=f(2)} c(H,X) s1={H=3, X=f(G)} s2={X=f(2)}
La unificación es el proceso de búsqueda del unificador más general para p y q.
Para calcular el mgu “most general unifier” para dos expresiones p y q:
Si p o q son ya sea un objeto constante o una variable, entonces: Si p=q, p y q unifican y podemos regresar {}. Si alguna de las dos, p o q es una variable, regresamos el resultado de atar esa variable
a la otra expresión. Si p es diferente de q, p y q no unifican, regresamos fracaso.
Si ni p ni q son objetos constantes o variables, entonces deben estar compuestos de expresiones de algún tipo –conjunciones, disyunciones, expresiones relacionales o funcionales. En ese caso, el tipo de la expresión debe ser el mismo y deben ser de la misma aridad, en caso contrario regresar fracaso. Para cada argumento p1...pn y q1...qn, Sea s={} Invoque el algoritmo recursivamente para encontrar el mgu de pi|s y qi|s. Añada las
nuevas ataduras a s añadiendo el nuevo mgu calculado a s, repita para cada argumento i. Si fallamos al unificar pi|s y qi|s fracaso.
Ejemplos
Dé el mgu para p y q p == X q == juan p ==X q == casa_de(Juan) p == gusta(X,chocolate) q == gusta(pepe, Y) p == f(x,y) q == f(y,a)
Resolución c/unificación Donde ai y dj unifican con el mgu
Resolución con UnificaciónProposición Ataduras
1 work(X) F Query negado
2 big(H5) ٨ house(H5, P5) work(H5)
3 big(H5) ٨ house(H5, P5) F Resolve 1,2 X = H5
4 T house(house_of(P3), P3)
5 big(house_of(P3)) F Resolve 3,4 H5 = house_of(P3), P5 = P3
6 house(H4,P4) ٨ rich(P4) big(H4)
7 house(house_of(P3),P4) ٨ rich(P4) F Resolve 5,6 H4= house_of(P3)
8 rich(P3) F Resolve 7,4 P4 = P3
9 lawyer(P2) rich(P2)
10 lawyer(P3) F Resolve 8, 9 P2=P3
11 T lawyer(Juan)
12 T F Resolve 10, 11 P3=Juan
Para la forma normal con variables