O componente central de um agente baseado em conhecimento é a sua base de conhecimento. Informalmente, a base de conhecimento é uma série de representações de fatos sobre o mundo. Cada representação individual é chamada de sentença ou regra. Uma forma organizada das sentenças constitui a linguagem e, portanto uma forma de questionar o que é desconhecido. Informar e questionar fazem parte de trabalho do mecanismo de inferência que constitui o raciocínio lógico.
O nível do conhecimento é o mais básico, e no qual é possível descrever o agente simplesmente pelo o que ele sabe. Se informar e questionar funciona bem, então podemos trabalhar no nível do conhecimento a maior parte do tempo, sem a necessidade de ir a níveis mais complexos.
O nível lógico é aquele aonde o conhecimento é codificado em sentenças.
O nível de implementação é onde está definido e funciona a arquitetura do agente inteligente. É o nível onde estão as representações físicas das regras nos níveis lógicos. A escolha da forma de implementação é muito importante para o desempenho eficiente do agente, mas é irrelevante para o nível lógico e nível do conhecimento.
É necessário representar o conhecimento de forma tratável por um computador. Para tanto utiliza-se a linguagem para a definição das regras. A linguagem é definida em dois aspectos: a sintaxe (possíveis configurações que podem constituir sentenças) e a semântica (os fatos do mundo aos quais as regras se referem).
É importante distinguir entre fatos e suas representações. Fatos são parte do mundo enquanto representações podem ser codificadas de tal forma que possam ser fisicamente armazenadas dentro de um agente. Não podemos colocar o mundo dentro de um computador (nem podemos colocá-lo dentro de um ser humano).
Então todos os mecanismos de raciocínio devem operar como representação de fatos, ou seja, modelos, ao invés de trabalhar com os próprios fatos. Como as sentenças são configurações físicas das partes do agente, o raciocínio deve ser um processo de construção de novas configurações físicas a partir das antigas. O raciocínio adequado deve garantir que as novas configurações representem fatos que atualmente seguem dos fatos que as configurações antigas representam.
A conexão entre regras e fatos é provida pela semântica da linguagem. A propriedade de um fato seguindo de outros fatos é espelhada pela propriedade de uma sentença sendo criada a partir de outras sentenças. A inferência lógica gera as novas regras.
Regras
Uma regra é uma expressão na forma:
Se A então B
Onde A é uma assertiva e B pode ser tanto uma ação como outra assertiva. Por
exemplo, as seguintes regras poderiam ser parte de uma série de regras maiores para lidar com problemas nas bombas de água:
Se a bomba falhar então a pressão está baixa Se a bomba falhar então cheque o nível de óleo Se a energia falhar então a bomba falha
Quando informações específicas ocorrem sobre o domínio, conclusões são tiradas e ações apropriadas são disparadas: isto é chamado I nferência. A Inferência
acontece como uma reação em cadeia. No exemplo acima, se você for informado de que existe uma falha de energia, a regra três estabelecerá que existe uma falha na bomba e a regra 1 estabelecerá que a pressão está baixa. A regra 2 também dará uma recomendação (inútil) para checar o nível de óleo.
Inferência
Os termos raciocínio e inferência são geralmente usados para referenciar quaisquer processos pelos quais se chegue a conclusões. No caso em questão, estamos mais preocupados com a inferência lógica ou dedução. A inferência lógica é o processo que implementa a relação de construção entre as sentenças.
Para que seja possível fazer inferências em computadores é necessário que as sentenças sejam válidas (se e somente se é verdadeira sob todas as possíveis interpretações em todos os possíveis mundos, independente do que signifique e qual seu estado no universo descrito) e suficientes (se e somente se existe alguma interpretação em algum mundo para o qual ela seja verdadeira).
A grande vantagem sobre a inferência formal é que ela pode ser usada para derivar conclusões válidas mesmo quando o computador não conhece a interpretação que você está utilizando. O computador apenas reporta conclusões válidas, que devem ser verdadeiras independente da interpretação. Como você conhece a interpretação, as conclusões terão muito significado para você, garantido que as premissas foram seguidas.
Lógica
A Lógica consiste de:
1. Um sistema formal para descrever estados, consistindo de: a) sintaxe da linguagem, que descreve como fazer sentenças; e
b) semântica da linguagem, que estabelece as restrições sistemáticas sobre como as sentenças se relacionam aos estados.
2. Uma teoria de provas – uma série de regras para deduzir os vínculos entre uma série de sentenças.
Como exemplo de lógicas, temos a Lógica Booleana e a Lógica de Primeira Ordem (cálculo com igualdade).
Na lógica proposicional, os símbolos representam proposições inteiras (fatos). Símbolos podem ser combinados com conectores booleanos para gerar sentenças com significados mais complexos. Tal lógica tem pouca confiabilidade de como as coisas são representadas, assim não representa muito fielmente a linguagem.
A lógica de primeira ordem representa melhor mundos em termos de objetos e atributos sobre objetos (propriedades de objetos ou relações entre objetos) bem como utilizando conectivos e quantificadores, os quais permitem que as sentenças sejam escritas sobre quaisquer coisas no universo de uma vez.
A lógica de primeira ordem para estar apta a um bom compromisso entre o que conhecemos sobre o mundo foi estudada por centenas de anos.
É interessante considerar lógica à luz do compromisso entre a ontologia (natureza da realidade) e a epistemologia (possibilidade dos estados de conhecimento que um agente pode ter usando vários tipos de lógica). Em ambas, a lógica proposicional e a lógica de primeira ordem, uma sentença representa um fato e um agente acredita ou que a sentença é verdadeira, ou que é falsa, ou não está apto a concluir por uma ou outra. Esta lógica, portanto, tem três possíveis estados de crença qualquer que seja a sentença.
Infelizmente o raciocínio lógico é muito limitado em escopo, ele trata de como inferir a partir de proposições que conhecemos como verdadeiras. Na maioria das vezes não conhecemos a proposição com certeza, mas ainda assim necessitamos realizar inferências a partir de informações incompletas e incertas. O raciocínio sob incerteza ainda não é bem entendido tal que possa ser formalizado completamente para computadores. Existem diversas formas de abordar o raciocínio sob incerteza. Uma
delas é utilizar Teoria das Probabilidades, quando o raciocínio termina numa conclusão sobre tomar uma decisão, assume-se que a decisão a ser tomada é a que maximiza a utilidade esperada. Essa abordagem é dita normativa porque pressupõe um comportamento baseado em curvas de utilidade e maximização de retorno, o que não necessariamente exprime o comportamento humano, pelo menos não na totalidade dos eventos.
Sistemas que utilizam a teoria da probabilidade podem ter quaisquer graus de crença variando de 0 (descrença total) a 1 (crença total).
Sistemas alternativos baseados em lógica fuzzy podem ter graus de crença em uma sentença e também graus de verdade (um fato não precisa ser verdadeiro ou falso no mundo, mas pode ser verdadeiro em um certo grau). Contudo, não trataremos destes últimos neste texto.