0
Agentes Baseados em Conhecimento Jacques Robin CIn-UFPE
Agente baseado em conhecimento Ambiente Sensores Efetuadores Base de Conhecimento Especializada Máquina de Inferência Gené...
O que é conhecimento? <ul><li>Dado, informação ou abstração formatado de maneira a permitir raciocínio por um ser humano o...
Tipos de conhecimento <ul><li>Estático x Dinâmico </li></ul><ul><li>Do problema x Meta-conhecimento (controle, explicação,...
Conhecimento estático x dinâmico <ul><li>Conhecimento estático: </li></ul><ul><ul><li>Hierarquia de conceitos (classes de ...
Conhecimento causal x diagnóstico <ul><li>Conhecimento causal: </li></ul><ul><ul><li>prevê resultados de ações e eventos <...
Conhecimento terminológico x dedutivo <ul><li>Conhecimento terminológico: </li></ul><ul><ul><li>ex,    M, wumpus(M)    m...
Conhecimento intencional x extensional <ul><li>Conhecimento intensional: </li></ul><ul><ul><li>Fatos ou regras universalme...
Conhecimento sincrônico x diacrônico <ul><li>Conhecimento diacrônico : </li></ul><ul><ul><li>Regras de previsão das propri...
Conhecimento certo x incerto <ul><li>Conhecimento certo: </li></ul><ul><ul><li>Epistemologicamente booleano </li></ul></ul...
Tipos de raciocínios: dedução <ul><li>Dado:  </li></ul><ul><ul><li>Conhecimento prévio ou percepção  especifica   E c  sob...
Tipos de raciocínios: abdução <ul><li>Dado:  </li></ul><ul><ul><li>Conhecimentos prévios ou percepções  especificos   E e ...
Tipos de raciocínios: indução <ul><li>Dado:  </li></ul><ul><ul><li>Conjunto de conhecimentos prévios ou percepções  especí...
Agente baseado em conhecimento dedutivo ou abdutivo Ambiente Sensores Efetuadores Base de Conhecimento Dinâmico (BCD):  fa...
Upcoming SlideShare
Loading in...5
×

agentes baseados em conhecimento

1,249

Published on

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
1,249
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
21
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Transcript of "agentes baseados em conhecimento"

  1. 1. Agentes Baseados em Conhecimento Jacques Robin CIn-UFPE
  2. 2. Agente baseado em conhecimento Ambiente Sensores Efetuadores Base de Conhecimento Especializada Máquina de Inferência Genérica Ask Tell Retract Representação e Aquisição de Conhecimento Raciocínio Automático Ask= consulta; tell = inserção; retract = remoção
  3. 3. O que é conhecimento? <ul><li>Dado, informação ou abstração formatado de maneira a permitir raciocínio por um ser humano ou por uma máquina, por exemplo </li></ul><ul><ul><li>Classes e objetos </li></ul></ul><ul><ul><li>Formula da lógica </li></ul></ul><ul><ul><li>Distribuição de probabilidade prévia e condicional de variáveis aleatórias </li></ul></ul><ul><li>O que é raciocínio? </li></ul><ul><ul><li>Mecanismo sistemático para inferir ou derivar novo conhecimento a partir de novas percepções e/ou de conhecimento prévio, por exemplo: </li></ul></ul><ul><ul><ul><li>Herança de atributos entre classe, sub-classes e objetos </li></ul></ul></ul><ul><ul><ul><li>Prova de teorema por refutação, resolução e unificação </li></ul></ul></ul><ul><ul><ul><li>Cálculo de probabilidade posterior de um evento pelo Teorema de Bayes </li></ul></ul></ul>
  4. 4. Tipos de conhecimento <ul><li>Estático x Dinâmico </li></ul><ul><li>Do problema x Meta-conhecimento (controle, explicação, reuso) </li></ul><ul><li>Diagnóstico x Causal </li></ul><ul><li>Dedutivo x Terminológico </li></ul><ul><li>Intencional x Extensional </li></ul><ul><li>Síncrono x Diácrono </li></ul><ul><li>Certo x Incerto </li></ul><ul><li>Preciso x Vago </li></ul><ul><li>Declarativo x Procedimental </li></ul><ul><li>De senso comum x Especialista </li></ul><ul><li>Explicito x Implícito </li></ul>
  5. 5. Conhecimento estático x dinâmico <ul><li>Conhecimento estático: </li></ul><ul><ul><li>Hierarquia de conceitos (classes de fatos) </li></ul></ul><ul><ul><ul><li>ex,  X, wumpus(X)  monstro(X). </li></ul></ul></ul><ul><ul><li>Restrições de integridades </li></ul></ul><ul><ul><ul><li>ex,  X,Y wumpus(X)  wumpus(Y)  X = Y. </li></ul></ul></ul><ul><ul><li>Regras de dedução sobre o domínio </li></ul></ul><ul><ul><ul><li>ex,  X,Y smelly(X,Y)  (loc(wumpus,X+1,Y)  loc(wumpus,X-1,Y)  loc(wumpus,X,Y+1)  loc(wumpus,X,Y-1). </li></ul></ul></ul><ul><ul><li>Meta-regras para controle e explicação do raciocínio </li></ul></ul><ul><ul><ul><li>na dúvida peque a primeira regra </li></ul></ul></ul><ul><li>Conhecimento dinâmico: </li></ul><ul><ul><li>Fatos, i.e., proposições sobre instâncias de conceitos </li></ul></ul><ul><ul><li>ex, loc(wumpus,2,1)  loc(wumpus,1,2)  loc(wumpus,2,3) ex. loc(wumpus,2,3). ex. alive(wumpus,4). ex.  alive(wumpus,7). </li></ul></ul>
  6. 6. Conhecimento causal x diagnóstico <ul><li>Conhecimento causal: </li></ul><ul><ul><li>prevê resultados de ações e eventos </li></ul></ul><ul><ul><li>ex,  X,Y,T loc(agent,X,Y,T)  orientation(0,T)  forward(T)   loc(wall,X,Y+1)  loc(agent,X,Y+1,T+1). </li></ul></ul><ul><li>Conhecimento diagnóstico: </li></ul><ul><ul><li>forma hipóteses sobre causas de efeitos observados </li></ul></ul><ul><ul><li>ex,  X,Y,T smell(stench,X,Y,T)  smelly(X,Y).  X,Y smelly(X,Y)  (loc(wumpus,X+1,Y)  loc(wumpus,X-1,Y)  loc(wumpus,X,Y+1)  loc(wumpus,X,Y-1)). </li></ul></ul>
  7. 7. Conhecimento terminológico x dedutivo <ul><li>Conhecimento terminológico: </li></ul><ul><ul><li>ex,  M, wumpus(M)  monster(M).  M,T monster(M)  alive(M,T)  dangerous(M,T). </li></ul></ul><ul><li>Conhecimento dedutivo: </li></ul><ul><ul><li>ex,  M,X,Y,T dangerous(M,T)  loc(M,X,Y,T)   safe(X,Y,T).  X,Y,T loc(agent,X,Y,T)  orientation(0,T)  forward(T)   loc(wall,X,Y+1)  loc(agent,X,Y+1,T+1). </li></ul></ul>
  8. 8. Conhecimento intencional x extensional <ul><li>Conhecimento intensional: </li></ul><ul><ul><li>Fatos ou regras universalmente quantificados </li></ul></ul><ul><ul><li>ex,  X,Y X = 0  X = 5  Y = 0  Y = 5  loc(wall,X,Y). </li></ul></ul><ul><li>Conhecimento extensional: </li></ul><ul><ul><li>Instâncias de conceitos </li></ul></ul><ul><ul><li>ex, loc(wall,0,1). loc(wall,0,2). loc(wall,0,3). loc(wall,0,4). loc(wall,5,1). loc(wall,5,2). loc(wall,5,3). loc(wall,5,4). loc(wall,1,0). loc(wall,2,0). loc(wall,3,0). loc(wall,4,0). loc(wall,1,5). loc(wall,2,5). loc(wall,3,5). loc(wall,4,5). </li></ul></ul>
  9. 9. Conhecimento sincrônico x diacrônico <ul><li>Conhecimento diacrônico : </li></ul><ul><ul><li>Regras de previsão das propriedades do ambiente entre dois instantes T e T+1 devidas a ações ou eventos </li></ul></ul><ul><ul><ul><li>ex,  X,Y,T loc(agent,X,Y,T)  orientation(0,T)  forward(T)   loc(wall,X,Y+1)  loc(agent,X,Y+1,T+1). </li></ul></ul></ul><ul><li>Conhecimento sincrônico: </li></ul><ul><ul><li>Regras de propagação das conseqüências não observáveis do ambiente a partir das observadas no mesmo instante T </li></ul></ul><ul><ul><ul><li>ex,  M,X,Y,T dangerous(M,T)  loc(M,X,Y,T)   safe(X,Y,T). </li></ul></ul></ul>
  10. 10. Conhecimento certo x incerto <ul><li>Conhecimento certo: </li></ul><ul><ul><li>Epistemologicamente booleano </li></ul></ul><ul><ul><li>ex,  X,Y smelly(X,Y)   smelly(X+1,Y-1)   smelly(X-1,Y-1)  loc(wumpus,X,Y+1). </li></ul></ul><ul><li>Conhecimento incerto: </li></ul><ul><ul><li>Epistemologicamente probabilista: </li></ul></ul><ul><ul><li>ex,  X,Y smelly(X,Y,1)  (loc(wumpus,X+1,Y,0.25)  loc(wumpus,X-1,Y,0.25)  loc(wumpus,X,Y+1,0.25)  loc(wumpus,X,Y-1,0.25)). </li></ul></ul>
  11. 11. Tipos de raciocínios: dedução <ul><li>Dado: </li></ul><ul><ul><li>Conhecimento prévio ou percepção especifica E c sobre instância particular de problema ou ambiente </li></ul></ul><ul><ul><li>Conhecimento genérico G sobre classe de problema ou ambiente </li></ul></ul><ul><li>Inferir: </li></ul><ul><ul><li>Novo conhecimento específico E e sobre instância particular do problema ou ambiente </li></ul></ul><ul><li>Infere efeito E e de causa E c a partir de modelo do ambiente G </li></ul><ul><li>Exemplo: </li></ul><ul><ul><li>Dado </li></ul></ul><ul><ul><ul><li>E c = loc(agent,1,1,1)  orientation(0,1)  forward(1)   loc(wall,1,2) </li></ul></ul></ul><ul><ul><ul><li>G =  X,Y,T loc(agent,X,Y,T)  orientation(0,T)  forward(T)   loc(wall,X,Y+1)  loc(agent,X,Y+1,T+1) </li></ul></ul></ul><ul><ul><li>Deduz E e = loc(agent,1,2,2). </li></ul></ul>
  12. 12. Tipos de raciocínios: abdução <ul><li>Dado: </li></ul><ul><ul><li>Conhecimentos prévios ou percepções especificos E e e E b sobre instância particular de problema ou ambiente </li></ul></ul><ul><ul><li>Conhecimento genérico G sobre classe de problema ou ambiente </li></ul></ul><ul><li>Inferir: </li></ul><ul><ul><li>Novo conhecimento específico E c sobre instância particular do problema ou ambiente </li></ul></ul><ul><li>Infere causa E c de efeito E e a partir do contexto E b e modelo do ambiente G </li></ul><ul><li>Exemplo: </li></ul><ul><ul><li>Dado </li></ul></ul><ul><ul><ul><li>E e = loc(agent,1,2,2) </li></ul></ul></ul><ul><ul><ul><li>E b = orientation(0,1)  forward(1)   loc(wall,1,2) </li></ul></ul></ul><ul><ul><ul><li>G =  X,Y,T loc(agent,X,Y,T)  orientation(0,T)  forward(T)   loc(wall,X,Y+1)  loc(agent,X,Y+1,T+1) </li></ul></ul></ul><ul><ul><li>Abduz E c = loc(agent,1,1,1). </li></ul></ul>
  13. 13. Tipos de raciocínios: indução <ul><li>Dado: </li></ul><ul><ul><li>Conjunto de conhecimentos prévios ou percepções específicos E c , E e sobre instâncias particulares de problema ou ambiente </li></ul></ul><ul><ul><li>Conhecimento prévio genérico G p sobre classe de problema ou ambiente </li></ul></ul><ul><li>Inferir: </li></ul><ul><ul><li>Novo conhecimento conhecimento genérico G n sobre classe de problema ou ambiente </li></ul></ul><ul><li>Infere parte do modelo do ambiente G n a partir de causas E c , efeitos E e e outra parte do modelo do ambiente G p </li></ul><ul><li>Exemplo: </li></ul><ul><ul><li>Dado </li></ul></ul><ul><ul><ul><li>{loc(gold,1,2,1)  glitter(1,2,1), ..., loc(gold,4,4,6)  glitter(4,4,6)}  E c x E e </li></ul></ul></ul><ul><ul><ul><li>{loc(gold,1,2,1)  glitter(3,2,1), ..., loc(gold,4,4,6)  glitter(2,1,6)}  E c x E e </li></ul></ul></ul><ul><ul><li>Induz G n =  X,Y,T glitter(X,Y,T)  loc(gold,X,Y,T) </li></ul></ul>
  14. 14. Agente baseado em conhecimento dedutivo ou abdutivo Ambiente Sensores Efetuadores Base de Conhecimento Dinâmico (BCD): fatos, objetos formulas lógicas instanciadas Máquina de inferência dedutiva e/ou abdutiva Base de Conhecimento Estático (BCE): regras, classes, formulas lógicas universalmente quantificadas Ask Tell Retract Ask
  1. A particular slide catching your eye?

    Clipping is a handy way to collect important slides you want to go back to later.

×