TEMA 3 (parte 2).

Representaci
on del Conocimiento
Francisco Jose Ribadas Pena
INTELIGENCIA ARTIFICIAL
5 Informatica
ribadas@uvigo.es
13 de noviembre de 2009

FJRP ccia [Inteligencia Artificial]

3.2.2 L
ogica de Predicados

Mayor expresividad que la logica de proposiciones

En logica de proposiciones: hecho = proposici
on
Tantas proposiciones como hechos se quieran representar
Proposiciones no tienen estructura interna
No se puede expresar conocimiento sobre conjuntos de hechos
Ejemplo: Mundo de los bloques

B
C
A

sobre C B
sobre A C
sobre B A
sobre B C
sobre C A
sobre A B
...

sobre
sobre
sobre
sobre
...
...
...

C
C
B
B

B
A
A
C

libre
libre
libre
libre

C
C
B
B

Solucion: Logica de predicados de 1er orden

Representa un mundo constituido por objetos (=elementos individuales del dominio)
Esos objetos tienen propiedades
Existen relaciones entre objetos
Se puede generalizar sobre los objetos, sus propiedades y relaciones

FJRP ccia [Inteligencia Artificial]

(a) SINTAXIS
ELEMENTOS
T
erminos: Representan objetos del dominio
Constantes: Representan un objeto individual en concreto
n: cadenas de caracteres, comienzan en may
notacio
usculas
Ejemplos: Juan, M i coche, ...
Funciones: Representan (implcitamente) un objeto individual que
esta relacionado con los n objetos que participan en la funci
on
n: smbolo de funci
notacio
on (cadena, comienza con Mays.)
con aridad n + n argumentos (terminos) entre parentesis
Ejemplos: P adre de(Juan), Hijo de(P edro, Ana), Coseno(45)...
Variables:
Representan objetos sin indicar cuales
referirse a un objeto especfico no identificado
Uso:
referirse a un conjunto de objetos
n: cadenas de caracteres en min
notacio
usculas
Ejemplos: x, y, padre, hijo, ...
Predicados: Representan una propiedad de un termino (si aridad 1)
o relaciones entre k terminos (si aridad k > 1)
n: cadenas de caracteres +
notacio
k terminos (variables, constantes, funciones) entre parentesis

Atomos:
formulas bien formadas (f.b.f.) compuestas por un u
nico
predicado

Literales: Atomo
o negaci
on de un atomo.
Ejemplos: Asesina(Juan, x), Es alto(Juan),
V ive con(Juan, P adre de(Juan)), ...

FJRP ccia [Inteligencia Artificial]


FORMULAS
BIEN DEFINIDAS (oraciones l
ogicas)
Formadas a partir de atomos (=predicados) aplicando conectivas
logicas y cuantificadores
Conectivas: , , , ,
IDEM que en logica proposicional
Ejemplos:
Hermano(Juan, Luis)Hijo(Luis, P edro) T io(Juan, P edro)

Cuantificadores: (, ) Permiten expresar propiedades sobre grupos

de objetos sin tener que enumerarlos todos
cuantificador universal (): para todo
Afirmaciones sobre un conjunto de objetos
x : afirma que es cierto para cualquier valor por el que
sustituya la variable x
x Hermano(Juan, Luis) Hijo(Luis, x) T io(Juan, x)
Juan es el tio de los hijos de Luis
cuantificador existencial (): existe
Afirmaciones sobre algunos objetos del dominio
x : afirma que existe al menos un objeto del dominio para
el cual es cierto
Alcance del cuantificador: sentencia l
ogica que le sigue
La variable que sigue al cuantificador esta definida en todo el
alcance del cuantificador
variables cerradas (ligadas): asociadas a smbolos cuantificadores
variables libres: no cuantificadas
Una f.b.f. con todas las variables ligadas se dice que es una f.b.f.
cerrada, si no es as se dira f.b.f. abierta
nota: Logica de proposiciones = l
ogica de predicados de orden 0
los predicados no tienen argumentos (son proposiciones)
no existen constantes, variables, funciones, cuantificadores

FJRP ccia [Inteligencia Artificial]


(b) SEMANTICA
Representamos un mundo donde hay:
Un no infinito de objetos individuales representados por smbolos de
constantes y variables
Pueden ser entidades concretas (personas, cosas) o abstractas
(n
umeros, eventos)
Un no infinito de objetos definidos en funci
on de otros objetos,
representados por smbolos de funci
on
Relaciones entre los objetos del dominio, representadas por smbolos
de predicado
Si la aridad es 1, se habla de propiedades de objetos
INTERPRETACIONES:
Una interpretacion establece las relaciones anteriores entre los smbolos de la logica y los elementos del mundo real
asocia a las constantes objetos del mundo
asocia a las funciones relaciones funcionales entre objetos
asocia a los predicados relaciones entre objetos
Mas compleja que en logica de proposiciones

FJRP ccia [Inteligencia Artificial]

 n: Conjunto de objetos del mundominio de una interpretacio

do que se manejan en una interpretaci
on
Formalmente: Dada una conceptualizacion formada por:
U : universo de discurso (conj. de individuos/objetos)
R: conj. finito de relaciones entre objetos de U
F : conj. finito de funciones que asocian a 1 objetos de U con
1 o mas objetos de U
Una interpretaci
on i es una funci
on que asocia smbolos del
lenguaje con elementos del la conceptualizaci
on verificando:
Si c es un smbolo de constante, i(c) U
Si P es un smbolo de predicado de aridad k, i(P ) U k
Si f es un smbolo de funcion de aridad k, i(f ) = U k U
Conceptualmente se pueden definir estas relaciones sobre U extensionalmente, enumerando en forma de tuplas, los objetos del mundo
real que participan en ellas
Ejemplo:

FJRP ccia [Inteligencia Artificial]

SATISFACTIBILIDAD
Asignaci
on de variables(A): Funci
on que asina a objetos de U con
las variables de una f.b.f.
Los atomos (predicados) pueden tener variables. S
olo se pueden
asignar valores de verdad a una f
ormula at
omica si todas sus
variables estan asignadas
El valor de verdad de un atomo con todas sus variables asignadas,
es verdadero si y solo si los objetos del dominio cumplen la relaci
on
que representa ese predicado
el valor de verdad de una interpretacion i depende de la asignacion de variables
considerada

Para las f.b.f. no atomicas, su valor de verdad se obtiene combinando

valores de verdad de acuerdo a las tablas de verdad de las conectivas
(idem que log. proposiciones) y al significado de los cuantificadores
x : sera V si es V en cq. asignacion de la variable x
x : sera V si es V en al menoa 1 asignacion de la var. x

interpretaci
on (i)
La asignacion de verdad es relativa a:
asignac. de variables (A)
nota: Una f.b.f. puede ser V o F en una misma conceptualizaci
on
dependiendo de la interpretaci
on y la asignaci
on de variables
Def.:sactisfactibilidad
En una conceptualizacion, una interpretaci
on i y una asignaci
on de
variables A, satisfacen una f.b.f. si hacen V a esa f.b.f.
Notacion: |=iA ( se satisface para i y A)

es satisfactible si y solo si i y A tales que |=iA

es v
alida si y solo si i y A tales que |=iA
Una f.b.f. valida sin variables se denomina tautologa
Extension a conjuntos de f.b.f. = {1, ..., n}
idem que en logica proposicional

FJRP ccia [Inteligencia Artificial]

MODELOS
Una interpretacion i es modelo de (respectivamente de ) si
se satisface con esa i para todas las posibles asignaciones de
variables
Notaci
on: |=i
modelo mnimo: Ning
un subconjunto de esa interpretaci
on es un
modelo
n: Inaplicable tabla de verdad exhaustiva como mecaconclusio
nismo de evaluacion
LOGICA

EQUIVALENCIA E IMPLICACION

1 y 2 son l
ogicamente equivalentes si sus valores de verdad son
identicos bajo todas las interpretaciones y asignaciones de variables.
1 2
Implicaci
on l
ogica
|= si y solo si interpretacion i y asignacion A para las
cuales se satisface , tambien se satisface

|= sii |=iA i A
Equivalencias Logicas (sobre cuantificadores)

(x ) x
Leyes de DeMorgan:
(x ) x
conjuncion infinita, disyuncion infinita

x y
Renombrado de variables:
x y

xy yx x, y
Ordenacion cuantificadores:
xy yx x, y

FJRP ccia [Inteligencia Artificial]

(c) REGLAS DE INFERENCIA

Reglas inferencia de logica proposicional siguen siendo validas
Se deben generalizar para manejar variables
Existen nuevas reglas de inferencia para manejar cuantificadores

SUSTITUCION

sust(, ) representa a la f.b.f. resultado de aplicar la sustituci

on
a la f.b.f.
Una sustitucion es un conjunto ordenado de pares de terminos
(termino, termino), donde al menos uno de ellos es un smbolo
de variable
Ejemplo: = {x/Juan, y/Ana, z/P adre de(Juan), ...}
Una sustitucion reemplaza en el primer termino de cada par
de la lista por el termino asociado.
Los reemplazos se realizan iterativamente de forma ordenada
REGLAS INFERENCIA CUANTIFICADORES
n del universal (generaliza introd. de la conjuncion)
eliminacio
Dada una f.b.f. , una variable v y un termino g (constante o funcion):

v
sust({v/g}, )
Ejemplo: Usando la sustituci
on {x/BillGates}
x T ieneDinero(x) EsRico(x)
T ieneDinero(BillGates) EsRico(BillGates)

FJRP ccia [Inteligencia Artificial]

 n del existencial (generaliza introd. de la disyuncion)

introduccio
Dada una f.b.f. , una variable v no presente en y un termino g
presente en :

v sust({g/v}, )
Ejemplo: Usando la sustituci
on {Juan/x}
Casados(Juan, Ana)
x Casados(x, Ana)
hay alguien casado con Ana

nota: Ambos son solidos (correctos)

MODUS PONENS
GENERALIZACION
Siendo pi, qi y r literales y una sustituci
on que asegure
sust(, pi) = sust(, qi) i (todos los pi unifican con los qj )

p1, p2, ..., pn

q1 q2 ... qn r
sust(, r)
Tenemos n literales + 1 implicaci
on con n antecedentes.
Si hay una sustitucion que unifique los n literales con los n antecedentes, obtenemos el resultado de aplicar la sustituci
on sobre el
consecuente.
Ejemplo: Mediante la sustituci
on = {x/Juan, y/Ana}
Hombre(Juan), M ujer(Ana), Liados(Juan.Ana)
xy Hombre(x) M ujer(y) Liados(x, y) Casados(x, y)
Casados(Juan, Ana)
[= sust(, Casados(x, y))]

FJRP ccia [Inteligencia Artificial]

 EN LOGICA

RESOLUCION
DE PREDICADOS
Unificaci
on
Procedimiento sintactico mediante el cual, dadas dos f.b.f. y
se encuentra una sustituci
on que aplicada sobre ellas, ambas
resultan identicas, esto es

unif icador(, ) = tal que sust(, ) = sust(, )

se denomina unificador de las 2 f.b.f. y
En caso de no existir un unificador el algoritmo falla
Unificador m
as general (m.g.u.)
El m.g.u. de y es aquel unificador tal que cualquier
otro unificador podra obtenerse a partir de mediante una
sustitucion , esto es
= sust(, )
cualquier otro unificador se puede construir a partir del m.g.u.
Regla Resoluci
on en logica de predicados
Siendo pi y qj dos literales para los cuales existe un unificador
de la forma = unif icador(pi, qj )
p1 p2 ... pi ... pn
q1 q2 ... qj ... qm
sust(, p1 ... pi1 pi+1 ... pn q1 ... qj1 qj+1 ... qm )

FJRP ccia [Inteligencia Artificial]

10


PROCEDIMIENTO DE REFUTACION
Al igual que en log. proposicional, el conocimiento tiene que estar
representado en forma de clausulas (F.N.C.)
Conjuncion de disyunciones (clausulas)
S
olo hay cuantificadores universales
Paso a Forma Normal Conjuntiva
1. Eliminar implicaciones

Usar relaciones:
( ) ( )
2. Reducir ambito de las negaciones 8
< x x
Usar DeMorgan + doble neg.:
x x
:

3. Independizar variables cuantificadas (renombrar variables ligadas)
Asegurar que cada smbolo de variable este ligado a un u
nico
cuantificador
Ejemplo: xP (x) xQ(x) x1P (x1) x2Q(x2)
4. Eliminar cuantificadores existenciales (skolemizaci
on)
Las ocurrencias de variables cuantificadas existencialmente se
sustituyen por:
a) Una constante (Sk ) no presente en la f.b.f. si el aparece
al principio de la expresi
on

xP (x) Q(x)

P (Sk ) Q(Sk )

{x/Sk }

b) Una funcion (Sk (...)) con tantos argumentos como cuantificadores universales () haya antes del que cuantifica la
variable

xyzP (x)Q(y, z)

FJRP ccia [Inteligencia Artificial]

P (x)Q(y, Sk (x, y))

{z/Sk (x, y)}

11

5. Mover cuantificadores universales a la izquierda de la f.b.f.

6. Reordenar f.b.f. para obtener FNC
Distribuir sobre :

( ) = ( ) ( )
7. Abandonar cuantificadores universales
8. Renombrar variables (si es necesario) para que ninguna variable
aparezca en mas de una clausula

Ejemplo 1:
Pasar {xP (x)} {xyz[P (x, y, z) wR(x, y, z, w)]} a FNC
1.
2.
3.
4.
5.
6.
7.
8.

{xP (x)} {xyz[P (x, y, z) wR(x, y, z, w)]}

{xP (x)} {xyz[P (x, y, z) wR(x, y, z, w)]}
{x1 P (x1 )} {x2 yz[P (x2 , y, z) wR(x2 , y, z, w)]}
P (SK1 ) {x2 y[P (x2 , y, SK2 (x2 , y)) wR(x2 , y, SK2 (x2 , y), w)]}
x2 , y, w P (SK1 ) [P (x2 , y, SK2 (x2 , y)) R(x2 , y, SK2 (x2 , y), w)]
Nada
P (SK1 ) P (x2 , y, SK2 (x2 , y)) R(x2 , y, SK2 (x2 , y), w)
Nada

Ejemplo 2: x[P (x) x(Q(x) R(x))]

FJRP ccia [Inteligencia Artificial]

12

 MEDIANTE RESOLUCION
(como en l
REFUTACION
og. proposicional)
1. Convertir f.b.f. de a FNC
2. Negar f.b.f. a demostrar y convertir a FNC
3. Unir clausulas resultantes de y en
4. Aplicar de forma exhaustiva la regla de resoluci
on para l
ogica de
predicados sobre .
Seleccionar un par de clausulas con dos atomos p y q tales que
unifiquen con = m.g.u.(p, q)
A
nadir resolvente a
Parar si:
Se generar la clausula vaca (hay contradiccion)
Se verifica: |=
No hay resolventes nuevos (no contradiccion)
Se verifica: |=
/
nota: Ademas de comprobar si una f.b.f. es consecuencia l
ogica de
o no, la refutacion mediante resoluci
on permite responder preguntas
mediante las sustituciones que dan lugar a la clausula vaca.

FJRP ccia [Inteligencia Artificial]

13

Ejemplo: Pasar a FNC la siguiente base de conocimientos

1.
2.
3.
4.
5.
6.

Asterix es un galo
Los romanos que son amigos de alg
un galo odian a C
esar
Asterix ayud
o a Marco
Marco es amigo de quien le ayuda
Quien odia a alg
un romano, lucha contra
el
Marco es romano

Comprobar si a partir de este conocimiento es posible demostrar que

Marco odia a C
esar mediante refutaci
on.
Base de conocimiento ()
1. galo(Asterix) (en FNC)
2. x [romano(x) (y galo(y) amigo(x, y)) odia(x, Cesar)]

3. ayuda(Asterix, M arco) (en FNC)

4. x [ayuda(x, M arco) amigo(M arco, x)]

5. xy [romano(y) odia(x, y) lucha(x, y)]

6. romano(M arco) (en FNC)

Hipotesis ( = odia(M arco, Cesar))
FJRP ccia [Inteligencia Artificial]

14


PROPIEDADES PROCEDIMIENTO DE REFUTACION
Refutacion mediante resoluci
on en l
ogica de predicados es s
olida
(correcta)
Si se llega a la clausula vaca ( `REFUTACION) entonces |= .
Refutacion mediante resoluci
on en l
ogica de predicados es completa
Si |= , el procedimiento de refutacion por resolucion generara la clausula vaca
Refutacion mediante resoluci
on en l
ogica de predicados no es decidible
Si |=
/ el procedimiento de refutacion mediante resolucion
puede no terminar (bucle infinito)
Siempre parara si |= , pero puede no parar si /|=
No existe un metodo que nos pueda decir siempre si |=
/
Se dice que la logica de proposiciones es semidecidible
Se puede determinar |= , pero a veces no se puede
probar |=
/
soluciones:
Renunciar a la solidez o a la completitud
Utilizar un lenguaje de representacion menos expresivo
clausulas de Horn

FJRP ccia [Inteligencia Artificial]

15


CLAUSULAS
DE HORN
Todas las variables estan cuantificadas universalmente ( implcito)
Clausulas que tienen como maximo un literal positivo (sin negar)
Todas las variables se suponen cuantificadas universalmente
Clausulas de Horn pueden escribirse como implicaciones
Consecuente: literal atomico positivo
Antecedente: conjuncion de literales positivos (DeMorgan)
p1 p2 ...pn q p1 p2 ... pn q
Distinguimos
reglas: q p1 p2 ... pn
hechos: h
objetivos: o1 o2 ... ok
Regla de resoluci
on para clausulas de Horn
Si b y di unifican mediante = unif icador(b, di), inferimos:
b a1 a2 ... am
( b a1 ... am )
c d1 d2 ... dn
( c d1 ... dn )
sust(, (c d1 ... di1 a1 ... am di+1 ... dn ))

Clausulas de Horn son la base de los interpretes Prolog

Se a
naden simplificaciones para mejorar eficiencia
Todas las inferencias se realizan por encadenamiento hacia atras
(desde objetivos a hechos) usando b
usqueda en profundidad
El orden de las clausulas y de los antecedentes dentro de ellas es
relevante (establece orden de busqueda)
B
usqueda en los antecedentes de IZQ a DER
Procesamiento de las clausulas en orden de definicion
Se omite el test de ocurencia (occur check, test de ciclicidad) en
la rutina de unificacion
Hace unificaciones mas eficientes (menos comprobaciones)
Existe la posibilidad de no terminacion (sustituciones cclicas)
Se omite la negacion (si se soporta negacion por fallo)

FJRP ccia [Inteligencia Artificial]

16

3.2.4 Representaci
on del conocimiento en l
ogica de
predicados

Fases generales en
base de conocimientos

la

construcci
on

utilizaci
on

de

una

1. Conceptualizaci
on
Decidir que conceptos son relevantes en el dominio
identificar objetos, propiedades y relaciones relevantes
Definir un vocabulario para asignar smbolos a los conceptos
relevantes
vocabulario de predicados, funciones y constantes
Se tratara de construir una ontologa: conjunto, normalmente
estructurado, de terminos relevantes en un dominio
2. Codificaci
on
Traduccion, de acuerdo al vocabulario, de todo el conocimiento
considerado de interes a su representaci
on en l
ogica de predicados
Se construyen los axiomas del dominio (conjunto de f.b.f. )
Formulas que se consideran ciertas en el dominio actual
(Base de Conocimiento)

Codificar reglas y propiedades generales

Codificar conocimiento especfico de partida
A
nadir predicados concretos (hechos iniciales)
Los valores de verdad/falsedad de esos predicados deben de
estar respaldados por alg
un tipo de percepci
on del dominio
real representado (sensores, consulta a BD, preguntas al
usuario, etc,...)

FJRP ccia [Inteligencia Artificial]

17

3. Actualizaci
on del conocimiento y consulta
Durante la ejecucion del sistema inteligente
Se consulta/desencadena el procedimiento de inferencia
(modus ponens, resoluci
on, ...) para obtener respuestas
Distintas alternativas:
Sistemas que solo usan modus ponens, bien de forma progresiva (razonamiento hacia adelante) o regresiva (razonamiento hacia atras)
Sistemas que solo usan resoluci
on y refutaci
on
Etc,...
Se actualiza el conocimiento
introducir nuevos hechos
modificar hechos existentes
Sus valores de verdad deben estar respaldados por el mundo
real
Pasos comunes a los demas mecanismos de representaci
on del conocimiento
En general es un proceso largo, que se suele hacer de forma iterativa
se ampla y refina de forma iterativa la representacion
Suele necesitar la intervencion de expertos del dominio (entrevistas,
etc...)

FJRP ccia [Inteligencia Artificial]

18