2284-ELE/5, 3316-IE/3

(1)

INTELIGÊNCIA ARTIFICIAL

2284-ELE/5, 3316-IE/3

Universidade da Beira Interior, Departamento de Informática

Hugo Pedro Proença, 2007/2008

(2)

Inteligência Artificial

g

Objectivo de Longo Prazo

Criar programas / autómatos que se comportem

inteligentemente.

Capacidade de Raciocínio

Capacidade de Aprendizagem

Capacidade de Comunicação

Entradas

Comandos Perguntas Pedidos Preferências Comandos, Perguntas, Pedidos, Preferências

Saídas

(3)

Conhecimento

O que distingue um comportamento inteligente

de um reflexivo é a deliberação e a reflexão.

Um agente inteligente necessita de raciocinar sobre uma

acção antes de a executar.

Análise do Estado do mundo Objectivos própios

Efeitos da acção e Inferência de nova informação

Requerida a capacidade de representar várias

formas de conhecimento

formas de conhecimento.

Sintaxe?

(4)

Representação do Conhecimento

p

ç

Conrad propôs a classificação de todos os

utilizadores de computadores em 3 tipos:

Engenheiro

Escritor

(5)

Representação do Conhecimento

p

ç

Engenheiro

Nos primórdios dos sistemas computacionais, estes eram bastante

caros e com reduzida capacidade de armazenamento e processamento.

Foco dado ao pragmatismo: a informação tería que transmitida à máquina de

um modo facilmente perceptível por esta.

Informação introduzida no computador era para o computador.

Extremamente estruturada. Pouca versatilidade.

Exemplos:

H k Hacker

Implementador de compiladores (Fortran,...

Implementador de File Systems e outros fundamentos dos sistemas computacionais. Representação de Conhecimento: Modelo Relacional de Bases de Dadosp ç

(6)

Representação do Conhecimento

p

ç

Escritor

A passagem para o segundo tipo de utilizador coincidiu com a

revolução da Internet.

Computador passa a ser visto mais como um meio de

p

comunicação do que o receptor final da informação.

Dados sobre Medicina, Biologia, Arquitectura, Desporto,...

Quantidade de informação armazenada em computadores

i l

b

d

f

ó i

cresce exponencialmente, embora de forma um pouco caótica.

XML, HTML, UML, CSL,...

Vivemos na chamada sociedade da informação.

Fá il á i f ã

Fácil acesso á informação.

Mais díficil é a concretização do maior benefício propiciado pela informação: o

(7)

Representação do Conhecimento

p

ç

Cientista

O seu objectivo é o de formalizar estruturas de

representação de conhecimento que suportem de forma

adequada o manancial de informação existente.

Cálculo Integral

Linguistíca

g

Lógica

...

Tarefa mais difícil que o originalmente esperado

Tarefa mais difícil que o originalmente esperado.

(8)

Representação do Conhecimento

p

ç

A seguinte figura ilustra tecnologias e conceitos de

g

representação de conhecimento e interacção homem/máquina:

ExtremidadesÆ Conceitos mais antigos.

Núcleo Æ Conhecimento Pleno.

(9)

Representação do Conhecimento

p

ç

O raciocínio não se pode basear no vácuo.

p

É necessária a existência de conhecimento

Matematicamente, uma tarefa de raciocínio pode ser

expressa da seguinte forma

expressa da seguinte forma:

{Base Conhecimento} |= Conclusão

{

}

Questões

{

}

Em que linguagem {Base Conhecimento} e Conclusão

podem ser expressas ?

(10)

Representação do Conhecimento

p

ç

É imprescindível a representação de

conhecimento no Domínio da Inteligência

Artificial.

Factos e Regras podem-se…

Representar através de linguagens simbólicas.

Armazenar em bases de conhecimento.

Novos Factos podem ser dedutíveis a partir de

(11)

Conhecimento

Em termos de um agente inteligente, o que é necessário / útil

representar?

Factos acerca do mundo

Temperatura(1/1/2007, 18:55, 27º)p ( / / , , )

Definições e regras

Se Temperatura 2 Dias Consecutivos > 26º, ALARME

Bases de Conhecimento próprias e de outros

LucroActual(Próprio, 27€), LucroActual(Adversário, 45€)

Planos e Objectivos

Obj i (L A l(P i X) L A l(Ad i Y) X>Y) Objectivo(LucroActual(Proprio,X), LucroActual(Adversario,Y), X>Y)

Graus de Certeza e Incerteza

(12)

Factos

Para representar factos pode usar-se uma linguagem

p

g g

formal (lógica de predicados de 1ª ordem)

Composta por objectos, propriedades, relações e regras.

Objectos. Denotam-se através de letras minúsculas e itálicas.

Ex: josé denota a pessoa “José Mateus”.

Propriedades. Composta por predicado e argumento. O

predicado descreve a propriedade e o argumento é um

objecto. Ex: masculino(josé).

Relações. Descrevem-se através de propriedades com mais

(13)

Bases de Conhecimento

Uma Base de Conhecimento é um conjunto de factos e

j

regras:

Exemplo (Base de Conhecimento Familiar)

masculino(josé) masculino(pedro)

masculino(joão)

feminino(ana)

feminino(maria)

feminino(rita)

progenitor(josé ana)

progenitor(maria ana)

progenitor(josé, ana)

progenitor(maria, ana)

progenitor(joão, josé) progenitor(rita, josé)

(14)

Regras

g

As regras servem para a inferência de conhecimento

g

p

e permitem diminuir consideravelmente o número de

factos explicitos na base de conhecimento.

O

l

Os argumentos são variáveis e representam-se por letras

maiusculas.

Exemplos:

p

feminino(X) Λ progenitor(X,Y)Æ mae(X,Y)

progenitor(A B) Λ progenitor(B C) Λ homem(A)Æ avô(A C) progenitor(A,B) Λ progenitor(B,C) Λ homem(A)Æ avô(A,C)

(15)

Dedução

ç

Existem duas formas gerais de dedução: forward e

g

ç

backward.

Forward Deduction (Dedução Directa): Utilizada para provar

factos Parte se sempre de outros factos que por serem

factos. Parte-se sempre de outros factos que, por serem

verdadeiros, garantem a veracidade dofacto a provar:

Forma geral:

Λ 2 Λ N A Regra: A1 Λ A2 Λ... AN Æ A Factos: a1 Λ a2 Λ... aN Facto dedutível: a

Exemplo:

mae(maria, ana)

(16)

Dedução

ç

O processo de dedução directa é completamente

não-direccionado, isto é, permite a dedução de novos factos

potencialmente irrelevantes para o agente inteligente.

Número de novos factos potencialmente infinito.

Existe uma outra forma de dedução mais orientada: a

dedução inversa (Backward Deduction).

Parte-se da conclusão em que o agente está interessado e

q

g

através das regras aplicadas inversamente, prova-se a

veracidade dessa conclusão.

Exemplo: “O João é avô do José?” {avô(joão, josé)}?

Λ Λ Æ

Sabe-se que progenitor(A,B) Λ progenitor(B,C) Λ homem(A)Æ avô(A,C) Logo a nova necessidade é provar que

(17)

Dedução Inversa Através de Factos

ç

Em cada passo da dedução, podem-se utilizar factos ou

ç

regras:

Factos:

Objectivo Antigo: Aj g 1 Λ B Facto a1

Novo Objectivo: B

“B” poderá ser uma conjunção de outros objectos

A dedução inversa termina com sucesso quando todos os factos estão

verificados.

Ultimo objectivo: A Facto a

Resultado “true”

(18)

Dedução Inversa Através de Regras

ç

g

Regras:

Objectivo Antigo: A1 Λ B Regra C Æ A

Novo Objectivo: C Λ B

Em cada passo da dedução, vão sendo aplicados factos ou regras, por

forma a poder atingir o resultado pretendido.

Árvore de Dedução

Sempre que em cada passo existe mais que uma regra ou facto aplicável geram-se

várias possibilidades de dedução, sendo criada uma árvore de dedução e aplicada uma estratégia de primeiro em profundidade.

EI

1 4 6

(19)

Exercícios

Suponha a seguinte base de conhecimento:

progenitor(jock morgan) progenitor(jock alasdair) progenitor(clark ann)

progenitor(jock, morgan) progenitor(jock, alasdair) progenitor(clark, ann)

progenitor(jock, hamish) progenitor(mairi, morag) progenitor(albert, ann)

progenitor(mairi, alasdair) progenitor(mairi, hamish) progenitor(hamish, albert)

progenitor(fergus, jock) progenitor(rhoda, jock) progenitor(hamish,clark)

it (f fl ) it ( h d fl )

progenitor(fergus, flora) progenitor(rhoda, flora)

masculino(fergus) masculino(jock), masculino(alasdair), masculino(hamish)

feminino(rhoda), feminino(mairi), feminino(morag), feminino(flora)

masculino(albert), masculino(dock), feminino(ann), feminino(clark)

i (A B) Λ f i i (A)Æ (A B)

progenitor(A,B) Λ feminino(A)Æ mae(A,B)

progenitor(A,B) Λ masculino(A)Æ pai(A,B)

progenitor(A,B) Λ progenitor(B,C) Λ masculino(A)Æ avô(A,C)

progenitor(A,B) Λ progenitor(B,C) Λ feminino(A)Æ avó(A,C)

pai(A,B) Æ antepassado(A,B)

(20)