Beruflich Dokumente
Kultur Dokumente
Representación del
Conocimiento y del
Razonamiento
1
Secciones
• El cálculo proposicional
• La resolución en el cálculo proposicional
• El cálculo de predicados
• La resolución en el cálculo de predicados
• Sistemas basados en conocimiento
• Representación del sentido común
Módulo 3, Sección 1
El cálculo
proposicional
2
Objetivo de la Sección
Temas
3
Restricciones a los valores de las características
Ventajas y Desventajas
• Simulaciones:
– Directas
– Eficientes
– Procesos preceptúales elaborados
– Difícil de comunicar incrementalmente (piezas aisladas)
• Descripciones:
– Procesos preceptúales poco elaborados para el cálculo de
los valores de las características
– Fáciles de comunicar a otros agentes
– Cuando los valores de algunas características no pueden ser
medidos directamente pueden ser inferidos de los valores
de otras características
4
Información del Entorno del Agente
• Difícil o imposible de representar:
– Leyes generales: todas las cajas azules pueden
ser cargadas.
– Información negativa: el bloque A no esta en el
suelo.
– Información incierta: el bloque A esta sobre el
bloque B, o bien el bloque A esta sobre el bloque C.
• La información difícil de representar puede ser
formulada como un conjunto de restricciones sobre
los valores de las características.
• La inferencia acerca del estado presente del agente
puede darse por medio de cálculos basados en las
restricciones impuestas sobre las características.
Antonio Reynoso Lobato 2002B 9
5
Técnicas de Razonamiento
• Consideremos un robot que es capaz de levantar un
bloque, si el bloque no pesa demasiado, y si la
potencia de la batería del robot es adecuada.
– Si ambas condiciones se satisfacen, entonces
cuando el robot intente levantar el bloque, el robot
podrá mover el brazo.
• Representación por medio de características con
valores binarios:
– x(1)(BATERÍA_OK)
– x(2)(OBJETO_ELEVABLE)
– x(3)(ROBOT_SE_MUEVE)
Técnicas de Razonamiento
• Asumimos que: el robot puede averiguar si BATERÍA_OK es cierta,
mediante la lectura de un indicador, y que el ROBOT_SE_MUEVE,
mediante sensores del ángulo de las articulaciones, pero que no conoce el
valor de OBJETO_ELEVABLE.
• Nosotros sabemos que: si BATERÍA_OK y OBJETO_ELEVABLE
tienen ambas el valor 1, entonces será cierto que ROBOT_SE_MUEVE
– De esta manera, si ROBOT_SE_MUEVE tiene el valor de 0, entonces
sabemos que: o bien BATERÍA_OK, o bien OBJETO_ELEVABLE (o
ambas) deben tener el valor 0. Pero si BATERÍA_OK se evalúa con
valor de 1, entonces OBJETO_ELEVABLE debe tener valor de 0
• Lenguaje del cálculo proposicional que expresa la restricción
anterior:
6
Definiciones
El Lenguaje
• Átomos:
– V: verdadero; F: falso
– Conjunto infinito numerable de cadenas de
caracteres: P,Q,R,....; P1,P2,...;SOBRE_A_B,...
• Conectivas:
∨, ∧, ⊃, ¬; llamadas “o”,”y”,”implica”,”no”
• Sintaxis:
– Sentencias: fórmulas bien formadas (fbfs)
7
El Lenguaje
• Sintaxis de las formulas bien formadas (fbfs):
Antecedente
Consecuente
• Literales: los átomos solos, o con el símbolo ¬ delante de
ellos.
Ejemplos de fbfs
8
Ejemplo de Definición Recursiva
(P ∧ Q) ⊃ ¬R es una fbf
Reglas de Inferencia
• Reglas de inferencia: patrones mediante los cuales podemos producir
fbfs adicionales a las ya existentes (forma mecánica de crear nuevas
fbfs a partir de otras):
γ puede ser inferida de α (o de α y β )
9
Definición de Demostración
• La secuencia de fbfs {ω, ω,..., ϖ} es una demostración (o deducción)
de ϖ a partir de un conjunto ∆ de fbfs si, y solo si, cada una de las ω de
la secuencia pertenece a ∆
– O bien, puede ser inferida de una fbf (o varias fbfs) que se
encuentran previamente en la secuencia, utilizando una regla de
inferencia
• Teorema del conjunto ∆: si existe una demostración ϖ a partir de ∆
Árbol de Demostración
• El concepto de demostración esta basado en una secuencia, o
en un orden parcial (que puede ser representado mediante la
estructura de árbol)
• El árbol, etiquetado, de demostración tiene relaciones inversas
padre-sucesor (el nodo raíz se encuentra en la base del árbol)
10
La Semántica
Base de Conocimientos
11
Reglas para Construir Tablas de Verdad
12
Interpretaciones
• Si un agente describe su mundo utilizando n características
(proposiciones), y estas están representadas en el modelo del mundo del
agente mediante un conjunto de n átomos, entonces hay 2n maneras en
que el mudo puede estar (tantas formas como el agente puede distinguir)
– Interpretación: cada una de las maneras en que el mundo puede
estar
• ¿Si a un agente le es dado un conjunto de restricciones sobre las
características (expresadas como fbfs que tienen el valor verdadero),
puede inducir una asignación de valores (interpretación) de los átomos
de su lenguaje y así determinar qué proposiciones acerca de su mundo
son ciertas o falsas?
– Puede haber muchas interpretaciones distintas, las formulas no
especifican cual de las 2n maneras en que el mudo puede estar es
la correcta
Satisfacibilidad y Modelos
• Decimos que una interpretación satisface una fbf, si a la fbf le
es asignado el valor verdadero bajo dicha interpretación
• Una interpretación que satisface una fbf es denominada
modelo de dicha fbf
• Una interpretación que satisface cada una de las fbfs de un
conjunto de fbfs es denominado modelo de dicho conjunto
• Si ninguna interpretación satisface a una fbf (o conjunto de
fbfs), entonces decimos que es inconsistente o insatisfactible
– Ejemplo de fbf insatisfactible:
P ∧ ¬P
– Ejemplo de conjunto de fbfs inconsistente:
{P∨Q, P∨ ¬ Q, ¬ P∨Q, ¬ P∨ ¬ Q}
13
Restricciones
Validez (Tautológica)
• Se dice que una fbf es válida, si tiene el valor
verdadero bajo todas las interpretaciones
posibles de sus átomos constituyentes
– Ejemplos de fbfs válidas:
• P ⊃ P (¬P ∨ P)
• V
• ¬(P ∧ ¬P)
• Q∨V
• [(P ⊃ Q) ⊃ P] ⊃ P
• P ⊃ (Q ⊃ P)
14
Equivalencia
• Se dice que dos fbfs son equivalentes si, y solo si, sus
valores de verdad son idénticos bajo todas las
interpretaciones
– Ejemplos de equivalencias:
Consecuencia Lógica
• Si una fbf ω tiene el valor Verdadero bajo todas aquellas
interpretaciones para las cuales cada una de las fbfs del
conjunto ∆ tienen el valor verdadero, entonces decimos que:
– ∆ lleva lógicamente a ω. o
– Que ω se sigue lógicamente de ∆, o
– Que ω es una consecuencia lógica de ∆
• Ejemplos de consecuencias lógicas:
15
Consecuencia Lógica
• La noción de consecuencia lógica es importante dentro de la IA
porque provee un mecanismo robusto para demostrar que:
si ciertas proposiciones son ciertas en el mundo, entonces
otras proposiciones de interés (que quizá no pueden ser
medidas) deben de serlo también.
• Ejemplo:
{BATERIA_OK ∧ OBJETO_ELEVABLE ⊃ ROBOT_SE_MUEVE,
BATERIA_OK, ¬ ROBOT_SE MUEVE} ╞ ¬ OBJETO_ELEVABLE
Disponemos de tres fórmulas: una describe conocimiento general
acerca del mundo y dos describen una situación particular.
Utilizando una tabla de verdad ¬ OBJETO_ELEVABLE tiene el
valor Verdadero en todas las interpretaciones en las cuales las
tres fórmulas tienen el valor Verdadero, por lo tanto la
proposición de que “el bloque no es elevable” debe ser cierta.
Solidez y Completitud
• Un sustituto atractivo (y más eficiente) de la consecuencia lógica
es la inferencia. Aunque son dos conceptos fundamentalmente
distintos hay dos definiciones importantes que los conectan (ya
podemos asociar un significado intuitivo a los conceptos teorema y
demostración)
16
Solidez y Completitud
El Problema de SATP
• Problema de satisfactibilidad proposicional (SATP): el problema de
encontrar un modelo para una fórmula:
– es decir, mostrar que las fbfs en el conjunto son todas satisfacibles
bajo la misma interpretación:
– o lo que es lo mismo, encontrar un modelo para la
fórmula compuesta por la conjunción de todas las fbfs
de ∆
• Forma Normal Conjuntiva (FNC.): una fórmula expresada como una
conjunción de cláusulas.
– Cláusula: una disyunción de literales.
• El problema de SATk consiste en encontrar un modelo para la
conjunción de cláusulas, conteniendo la más larga de éstas
exactamente k literales
– El problema general se SATP es NP-completo
– SATG es un procedimiento de búsqueda de tipo no
exhaustivo, de ascensión de colina y voraz
17
Cuestiones Importantes
• Distinción entre los lenguajes:
– Hay una tendencia a confundir, tanto los lenguajes
informales de la matemáticas, como el lenguaje natural,
con el propio lenguaje formal del cálculo proposicional
– Los símbolos metalingüísticos ╞ y ├ nunca deben de
confundirse con el símbolo ⊃
• Metateoremas: teoremas acerca del cálculo proposicional
Cuestiones Importantes
• Leyes asociativas:
18