Professional Documents
Culture Documents
Umjetna Inteligencija
Umjetna Inteligencija
STROSSMAYERA
ELEKTROTEHNIKI FAKULTET OSIJEK
UMJETNA INTELIGENCIJA
Biljeke s predavanja
SADRAJ
OPENITO................................................................................................................. V
1. UVOD ....................................................................................................................... 1
1.1 UMJETNA INTELIGENCIJA ...................................................................................... 1
Definicija umjetne inteligencije............................................................................. 1
Djelovati ljudski (engl. acting humanly) ............................................................... 1
Razmiljati ljudski (engl. thinking humanly) ......................................................... 2
Razmiljati racionalno (engl. thinking rationally) zakon misli .......................... 2
Djelovati racionalno (engl. acting rationally) pristup racionalnog agenta....... 2
1.2 RAZVOJ UMJETNE INTELIGENCIJE .......................................................................... 3
Filozofija (428 B.C. danas) ................................................................................ 3
Matematika (c.800 danas) .................................................................................. 4
Ekonomija (1776 danas)..................................................................................... 5
Neuroznanost (1861 danas)................................................................................ 5
Psihologija (1879 danas).................................................................................... 6
Raunalno inenjerstvo (1940 danas) ................................................................ 6
Teorija kontrole i kibernetika (1948 danas)....................................................... 6
Lingvistika (1957 danas) .................................................................................... 7
2. INTELIGENTNI AGENTI..................................................................................... 8
2.1 AGENTI I OKOLINA ................................................................................................ 8
2.2 KONCEPT RACIONALNOSTI .................................................................................... 9
Mjera uspjenosti................................................................................................... 9
Racionalnost .......................................................................................................... 9
Sveznalice, uenje, autonomija............................................................................ 10
2.3 RADNA OKOLINA ................................................................................................. 11
Definiranje radne okoline.................................................................................... 11
Svojstva radne okoline podjela......................................................................... 11
2.4 STRUKTURA AGENTA .......................................................................................... 12
Program............................................................................................................... 12
Refleksni agent..................................................................................................... 13
Model-refleksni agent .......................................................................................... 14
II
IV
OPENITO
Literatura:
Russell, S., Norvig, P., Artificial Intelligence:A Modern Approach, 2003
Software:
Prolog
Ocjenjivanje:
Predavanja: Dva (2) kolokvija
Laboratorijske vjebe: Obavezan dolazak + Kolokvij
Usmeni ispit - Pismeni ispit po potrebi
1. UVOD
lat. Homo sapiens - RAZUMAN OVJEK
- nain na koji razmiljamo (poimamo, razumijemo, predviamo i upravljamo veim i
kompleksnijim od sebe).
SYSTEMS THAT
THINK
THINK
LIKE HUMANS
RATIONALLY
SYSTEMS THAT
SYSTEMS THAT
ACT
ACT
LIKE HUMANS
RATIONALLY
Empirijski pristup
Mozak misao
Od znanja do akcije
Izvor znanja
Francis Bacon (1600)
Empirizam: prvo osjeaji
David Hume (1750)
Indukcija: generalna pravila (od pojedinanog ka opem)
Carnap & Carl Hempel (1950)
Teorija potvrde (engl. confirmation theory): znanje dolazi iz iskustva
Veza znanje akcija
to se moe izraunati
Raunalo
108 vrata
1010 bita RAM
1011 bita disk
10-9 sekundi
1010 bita/sekundi
Mozak
1011 neurona
1011 neurona
1014 sinapsi
10-3 sekundi
1014 bita/sekundi
5
Auriranje memorije
109
1014
2. INTELIGENTNI AGENTI
2.1 AGENTI I OKOLINA
AGENT bilo to, to percipira okolinu pomou senzora i zatim djeluje u toj okolini
pomou aktuatora
Mjera uspjenosti
Opisuje dobro ponaanje agenta. Mora biti:
Objektiva (obino je zadaje dizajner, konstruktor agenta). (Agent usisava: koliina
usisane prljavtine tokom osam sati. Agent iznova prlja pod!!!!)
Opisivati stvarnu elju za promjenom u okolini, a ne ocjenu ponaanja agenta!
Kompleksan zadatak
Racionalnost
Ovisi o 4 kriterija:
-
mjera uspjenosti
Za bilo koji mogui opaajni niz, racionalni agent treba odabrati onu akciju za koju se
oekuje da e maksimizirati mjeru uspjenosti.
Agent usisava:
a) 1 bod za istu sobu
b) okolina poznata (ne poetno stanje i lokacija)
c) akcije: lijevo, desno, usii, NOP
d) detektira poloaj i eventualnu neistou
Racionalan izbor ovisi iskljuivo o auriranosti opaajnog niza. (Prelazak ulice bez
gledanja lijevo i desno!!!)
Prikupljanje informacija bitan dio racionalnosti
Uenje poetno znanje se mijenja
Primjeri:
kornjaa (bez uenja; neuspjeno ponaanje)
osa (bez uenja; neuspjeno ponaanje)
Uenje kroz tri perioda:
A'priori znanja (ugraeno)
Za vrijeme akcija
Uenje iz iskustva
Ovisno o stupnju ovisnosti o a'priori znanju za agenta moemo rei da je autonoman
ili ne!
Autonomnosti: mora uiti; s vremenom postaje neovisan o prvobitnom znanju
10
Mjera
Okolina
Aktuatori
uspjenost
Sigurnost,
Ceste,
Upravlja,
brzina, ugodna sudionici
u konice, truba,
vonja, zarada prometu
papuica
za
ubrzanje
Senzori
Kamere,
brzinomjer,
GPS,
mikrofon,
tipkovnica
b) Deterministika/stohastika
-
c) Epizodno/sekvencijalno
-
d) Statina/dinamina
-
11
statina (Slagalice)
e) Diskretna/kontinuirana
-
f) Jedno-agentno/vie-agentno
-
Takmiarsko: protivnici
Kooperativno: suradnja
Program
Program ulazne veliine su trenutna stanja iz okoline. Treba vratiti akciju.
Zapaanje
Akcija
Problemi:
veliina tablice (ah 10150)
uenje
vrijeme
Kako realizirati racionalno ponaanje programskim kodom, ne koristei ogromne
tablice i zapise!!!!
12
Refleksni agent
- najjednostavniji
- izbor akcije temeljem trenutnog zapaanja
- ograniene inteligencije
- okolina mora biti potpuno vidljiva
- upadaju u beskonane petlje
- sluajan izbor
13
Model-refleksni agent
U sluaju djelomino vidljive okoline agent treba pamtiti odreena stanja
Interna stanja:
Informacija o promjeni okoline neovisno o agentu
Informacija o utjecaju akcije na okolinu
MODEL svijeta u kojem agent djeluje!!!
14
15
Uenje agenta
Izgraditi agente koji imaju sposobnost uenja.
Uenje omoguava funkcioniranje u poetno nepoznatoj okolini.
etiri osnovne komponente agenta sa sposobnosti uenja:
Element za uenje napredak
Element akcije izbor akcije (opaajni niz pretvara u akciju)
Kritika poveznica s elementom za uenje (kako agent djeluje i utjee na
element akcije)
Generator problema slui za istraivanje, otkrivanje, eksperimentiranje
16
3. PRETRAIVANJE
3.1 PROBLEM SOLVING AGENTI
Pripadaju agentima voenim ciljem. eljeno stanje (cilj) dostiu izborom niza akcija.
Primjer: putovanje izmeu dva grada.
Cilj:
ono to agent eli postii
utjee na izbor akcija i istovremeno ograniava podciljeve
Formulacija cilja: prvi korak u rjeavanju problema
Formulacija problema: proces koji ukljuuje izbor akcija i stanja ovisno o danom
cilju (bitan nivo detalja zrnatost: iz grada u grad ili akcije na svakom raskriju!)
Ako izbor akcije ne vodi cilju direktno -> potrebno je dodatno znanje!
Pretraivanje: proces traenja odgovarajueg niza akcija koje e dovesti do cilja
Rjeenje: niz akcija
Izvoenje: izvravanje akcija radi dostizanja cilja
17
Problemi igara
Agent usisava
Stanja: 8 moguih stanja (n*2n) (slika 3.1)
Poetno stanje: bilo koje
Funkcije: lijevo, desno, usii
Test cilja: sve sobe iste
Cijena: svaka akcija jednaku cijenu
9!
=181 400 stanja (jednostavno)
2
18
5
8
Stvarni problemi
Problem traenja rute (raunalne mree, vojne operacije, avionski prijevoz)
Problem obilaska (slian problemu traenja rute uz dodatne uvjete) problem
trgovakog putnika
Elektronska industrija VLSI (engl. very large scale integration)
Navigacija robota (dvodimenzionalan ili n-dimenzionalan problem)
Automatsko spajanje kompleksnih objekata (pronai redoslijed spajanja): dizajniranje
proteina
Pretraivanje interneta
19
Pretraivanje po irini
Engl. breadth-first search
Otvaraju se svi vorovi na jednom nivou (na jednoj dubini), slika 3.2.
20
Memorija
1 Mb
106 Mb
10 Gb
1 Tb
10 Pb
21
Pretraivanje po dubini
Engl. depth-first search
Otvara vorove po granama
Mali memorijski zahtjevi
Nije kompletno!!!
Nije optimalno!!!
Mogua pojava beskonanih putova!!!
Vremenska i prostora kompleksnost: bm+1
22
23
Dvosmjerno pretraivanje
Dva istovremena pretraivanja jedno iz poetnog stanja, drugo iz ciljnog
Veliki memorijski zahtjevi
Kako pretraivati unatrag?
Po dubini
Potpuno
Da
Vrijeme
Prostor
Optimalno
Poveanje
dubine
Da
Dvosmjerno
Ne
Ograniena
dubina
Ne
O(bd+1)
O(bm)
O(bl)
O(bd)
O(bd/2)
O(bd+1)
O(bm)
O(bl)
O(bd)
O(bd/2)
Da
Ne
Ne
Da
Da
Da
24
Nepostojanje senzora
Agent usisava: zna akcije ali nema senzore! Poetno stanje moe biti bilo koje od
osam moguih stanja. Moe li agent dosei ciljno stanje (obje sobe iste)?
Vjerojatnosno stanje agent pokuava zakljuiti u kojem se stvarnom stanju nalazi
S fizikih stanja=2s vjerojatnosnih stanja
Agent bez senzora + Murhy's zakon = nerjeiv problem
25
26
4. PRETRAIVANJE UZ DODATNE
INFORMACIJE
4.1 STRATEGIJE PRETRAIVANJA UZ DODATNE
INFORMACIJE
Engl. informed search strategies
Koriste dodatne informacije o problemu s ciljem breg pronalaenja rjeenja.
Openiti pristup podrazumijeva strategiju najbolji naprijed (engl. best-first). Izbor
vora za otvaranje ovisi o testnoj funkciji f(n).
Odabire se vor koji se ini najboljim izborom prema izraunu testne funkcije.
Razne heuristike funkcije h(n)
Pohlepno pretraivanje
Engl. greedy best-first search
Otvara vor koji je najblii cilju. f(n) = h(n)
Slijedi pretraivanje po dubini.
Nije optimalno i nije potpuno.
A* pretraivanje
f(n) = g(n) + h(n)
g(n) = cijena do vora
h(n) = od vora do cilja
Potpuno i optimalno.
Nedostatak: memorijski zahtjev (svi vorovi u memoriji)!
27
Heuristics are criteria, methods or principles for deciding which among several
alternative courses of action promises to be the most effective in order to achieve
some goal., Judea Pearl, Heuristics
Heuristike funkcije uvijek moraju podcijeniti stvarnu cijenu = prihvatljiva
heuristika (engl. admissible heuristic)
Primjer slagalice:
h1 = broj krivih pozicija u odnosu na cilj = 5
28
29
Primjer slagalice:
Kockica se moe pomaknuti iz A u B
ako je A horizontalan ili vertikalan susjed od B i B je prazno mjesto
Tri olakavajua problema:
I) Kockica se moe pomaknuti iz A u B ako su A i B susjedi (h2)
II) Kockica se moe pomaknuti uz A u B ako je B prazan
III) Kockica se moe pomaknuti uz A u B
Heuristika iz iskustva
Rjeavanjem puno primjera i koritenje induktivnih algoritama za uenje.
30
31
Pretraivanje penjanjem
Engl. Hill-climbing
Pomaci u smjeru poveanja vrijednosti brzo se kree prema cilju.
Najee koriste tzv. sliku potpunog stanja (postavljeno rjeenje koje ne zadovoljava).
Naziva se i pohlepno lokalno pretraivanje.
Problemi:
a) Lokalni maksimum najvie vrh u okolini, ali nii od globalnog maksimuma
b) Lanac niz lokalnih maksimuma
c) Zaravan podruje na kojem je funkcija konstanta
Simulirano kaljenje
Engl. simulated annealing search
Pretraivanje penjanjem ne dozvoljava sputanje niz brdo.
Kaljenje zagrijavanje na visoku temperaturu uz postupno hlaenje
Umjesto najboljeg pomaka izabire se sluajan pomak. Ako pomak poboljava
situaciju prihvaa se. U protivnom pomak se prihvaa s vjeojatnou manjom od
jedan. (Loiji potezi dozvoljavaju se u poetku, kasnije sve manje.)
32
Poetno se generira k stanja. Nakon toga svi nasljednici svih k stanja. Ako niti jedno
novo stanje nije ciljno, izabire se k najboljih i nastavlja postupak.
Informacija se prosljeuje izmeu svih rukavaca.
Nedostatak rasprenosti zbog grupiranja oko jednog rjeenja!!!
Genetiki algoritmi
Varijanta stohastikog pretraivanja lokalnom zrakom.
Nasljednik se generira kombiniranjem dva roditeljska stanja.
33
Ako imamo n varijabli tada je rjeenje na dubini n!!! Stablo pretraivanja ide samo do
dubine n. Pretraivanje po dubini.
Tipovi CSP:
a) diskretne varijable u konanoj domeni
d maksimalan domena bilo koje varijable
O(dn) = broj moguih potpunih pridruivanja
b) diskretne varijable u beskonanoj domeni
koritenje uvjetnog jezika
A1+5>B2
c) kontinuirane varijable
linearno programiranje
Primjer:
T W O
+ T W O
=F O U R
35
Izbor varijable
Princip minimalnih preostalih vrijednosti (engl. minimum remaining values
MRV):
odabire se varijabla s najmanjim izborom, odnosno najveim brojem uvjeta.
(WA=crvena, NT=zelena, SA=plava)
WA
RGB
R
R
R
NT
RGB
GB
B
B
Q
RGB
RGB
G
G
NSW
RGB
RGB
RB
R
V
RGB
RGB
RGB
B
SA
RGB
GB
B
-
T
RGB
RGB
RGB
RGB
irenje uvjeta
Metoda provjeravanja uvjeta unaprijed ne moe otkriti sva ne ispunjavanja uvjeta.
(Primjer: Tablica 5.1. Nakon to je Q=G iz tablice je vidljivo da su NT i SA ostali B.
Obzirom da su onu susjedi ne mogu poprimiti istu boju!!!!)
Konzistentnost luka (engl. arc consistency)
Luk je konzistentan ako za svaku vrijednost varijable X postoji neka vrijednost za
varijablu Y koja je konzistentna s X (ne kri uvjet!!!).
Primjer: Tablica 5.1.
Za Q=G -> NSW={R, B} i SA={B}.
Za SA={B} postoji mogunost izbora za NSW={R} -> konzistentno
Meutim za NSW={B} ne postoji mogunost izbora za SA -> ne
konzistentno.
Uklanjaju se vrijednosti koje uzrokuju ne konzistentnost. (AC-3 algoritam)
Povratno pretraivanje
Osigurati povratak na varijablu koja je uzrokovala pogreku.
Primjer: Q, NSW, V, T, SA, WA, NT
Q{R}, NSW{G}, V{B}, T{R}, SA{?}
Povratak na T nema smisla!
37
38
39
40
6. ADVERSARIAL SEARCH
6.1 IGRE
Okruenja u kojima se agenti meusobno natjeu.
Teorija igara grana ekonomije
Jednostavne; teke
Elementi vjerojatnosti i nepotpune informacije
Optimalne strategije
Optimalna strategija vodi pobjedi.
U igri je protivnik koji takoer igra optimalno (pretpostavka)
Minimax algoritam
MIN
MAX
Zavrni vorovi
3
12 8
14 5
41
Pretraivanje po dubini.
Rekurzivni povrat
Nepraktian za veinu igara
[-inf, +inf]
[-inf, 3]
[-inf, 3]
[3, 3]
12
[3, +inf]
12 8
12 8
[3, 14]
[3, 3]
[3, +inf]
[-inf, 2]
[3, 3]
[-inf, 2]
12 8
[-inf, 14]
14
[3, 3]
[-inf, 2]
[3, 3]
12 8
[2,2]
14 5
42
Funkcije procjene
Funkcija procjene daje procjenu funkcije isplativosti na trenutnoj poziciji.
Uvjeti koje mora zadovoljiti:
a) mora vrednovati krajnja stanja jednako kao i funkcija isplativosti
b) izraun mora biti kratak
c) mora dobro predstavljati trenutnu poziciju (stvarna ansa za pobjedu)
EVAL= wi f i ( s )
i =1
43
Trenutno stanje
ah: Deep Blue
126 milijuna vorova u sekundi
d=14
osnova: iterativno alpha-beta pretraivanje po dubini
dmax=40
Funkcija procjene = 8000 znaajki
Knjiga otvaranja: 4000 pozicija
Baza: 700.000 partija
Checkers
Reversi
Bolja raunala
Backgammon
Meu prva tri igraa u svijetu
GO (19x19)
Nivo amatera
Bridge
1997 pobjeda raunala na takmienju
44
7. LOGIKI AGENTI
Agenti bazirani na znanju.
Nain predstavljanja znanja i proces zakljuivanja kljuni u umjetnoj inteligenciji
Znanje i zakljuivanje bitni u djelomino opaajnoj okolini.
Razumijevanje prirodnog jezika.
Fleksibilnost novi zadaci, uenje, promjene u prostoru
45
4
3
P
W
2
1
za Wumpusa i rupe
sluajno dodijeljene
Aktuatori:
Naprijed, okret lijevo, okret desno, pokupi, pucaj
Senzori:
Pet senzora:
Senzor za prisutnost Wumpusa (u susjednim sobama, ne dijagonalno) zvuk S
Senzor za rupu (u susjednim sobama, ne dijagonalno) zvuk B
Senzor za zlato (u sobi gdje je zlato) zvuk T
Senzor za zid zvuk B
Senzor za uklonjenog Wumpusa (uje se bilo gdje u okolini) zvuk U
U svakoj sobi agent prima informacije sa senzora u obliku liste s pet simbola
[S,B,N,N,N].
W!
ok
A
ok
ok
ok
P?
V
ok
A;B
ok
P?
A;S
ok
ok
V
ok
A;B
ok
P!
46
7.3 LOGIKA
Baza znanja sastoji se od reenica.
Reenice se piu temeljem sintakse.
SINTAKSA = nain pisanja
SEMANTIKA = znaenje reenice
U logici, semantika odreuje istinitost reenice u odnosu prema moguem svijetu
X+Y=4 (Istinito za X=2 i Y=2; neistinito za X=1 i Y=1)
U standardnoj logici svaka reenica mora biti ili istinita ili neistinita.
MODEL = mogui svijet; matematika apstrakcija
Logiko zakljuivanje
Logiko nasljedstvo
|= (u svakom modelu gdje je istinito i je istinito.
47
KB
P
KB
P
P
P P
P
P
P
P P
P
48
Sintaksa
Definiran dozvoljene reenice
Atomske/Kompleksne (Atomske = jedan propozicijski simbol)
Simboli: P,Q,R,,
Kompleksne reenice kreiraju se iz atomskih koritenjem logikih veza
Negacija, Konjunkcija (i), Disjunkcija (ili), implikacija, ako i samo ako
Semantika
Pravila za odreivanje istinitosti reenica u ovisnosti o modelu.
Tablice istinitosti
P
F
F
T
T
Q
F
T
F
T
P
T
T
F
F
PiQ
F
F
F
T
P ili Q
F
T
T
T
PQ
T
T
F
T
QP
T
F
T
T
P
Q
T
F
F
T
49
Zakljuivanje
Baza znanja istinita sve reenice moraju biti istinite
KB=R1R2R3R4R5
7 simbola -> 27=128 modela
Tablica istinitosti!!!
Pitanje: KB|=P2,2 ????
KB=R1R2R3R4R5
P1,1=neistina -> R1=istinito
B1,1=neistina-> R4=istinito
B2,1=istina -> R5=istinito
R2: B1,1 (P1,2 P2,1)
neistina neistina (i P1,2 i P2,1 moraju biti neistina da bi P1,2 P2,1
bilo neistina)
R3: B2,1 (P1,1 P2,2 P3,1)
istina istina (P1,1 P2,2 P3,1 mora biti istina)
P1,1 je neistina znai da P2,2 P3,1 mora biti istina, a to je
P2,2
F
T
T
B1,1
F
F
F
B2,1
T
T
T
P1,1
F
F
F
P1,2
F
F
F
P2,1
F
F
F
P2,2
F
T
T
P3,1
T
F
F
P3,1
T
F
T
KB
T
T
T
50
Komutativnost And
Komutativnost Or
Asocijativnost And
Asocijativnost Or
Eliminacija dvostruke negacije
Kontrapozicija
Eliminacija implikacije
Eliminacija ako i samo ako
De Morgan
De Morgan
Distributivnost And nad Or
Distributivnost Or nad And
51
AND-eliminacija
Pravila zakljuivanja se mogu primijeniti kad god u bazi znanja postoje odgovarajue
premise.
52
Rezolucija
Pravilo zakljuivanja koje osigurava potpuni algoritam zakljuivanja.
Primjer: Agent se vraa iz (2,1) u (1,1) i nastavlja u (1,2).
R1: P1,1 (nema rupe u sobi (1,1))
R2: B1,1 (P1,2 P2,1)
R3: B2,1 (P1,1 P2,2 P3,1)
R4: B1,1
R5: B2,1
R6: (B1,1 (P1,2 P2,1)) ((P1,2 P2,1) B1,1)
R7: (P1,2 P2,1) B1,1
R8: B1,1 (P1,2 P2,1)
R9: (P1,2 P2,1)
R10: P1,2 P2,1
R11: B1,2
R12: B1,2 (P1,1 P2,2 P1,3) (to napraviti: treba eliminacija ako i samo ako, zatim
And-eliminacija, kontrapozicija, Modus Ponens uz R11, De Morgan)
R13: P2,2
R14: P1,3
Za pravilo R3: B2,1 (P1,1 P2,2 P3,1) (to napraviti: treba eliminacija ako i samo
ako, zatim And-eliminacija, Modus Ponens uz R5)
R15: P1,1 P2,2 P3,1
Meutim R13. glasi: P2,2. (Rezolucija)
R16: P1,1 P3,1
Meutim R1 glasi: P1,1. (Rezolucija)
R17: P3,1
Pravilo rezolucije:
l1 l 2 .... l k , m
l1 ... l i 1 l i +1 ... l k
pri emu su li i m komplementarni literali.
Primjena pravila rezolucije osigurava potpunu proceduru zakljuivanja.
53
Algoritam rezolucije
Koristi princip kontradikcije
|=
ako i samo ako je reenica (
) ne zadovoljiva
Algoritam zavrava u dva sluaja:
a) nema novih uvjeta
b) dva uvjeta rezultiraju u praznom skupu
Primjer:
KB=R2 R4
= P1,2
KB= R2 R4 P1,2
(B1,1 P1,2 P2,1) ( P1,2 B1,1) (P2,1 B1,1) B1,1 P1,2
55
Algoritam vraa:
Ili MODEL ili FALSE
Ako vrati FALSE na znamo da li MODEL doista ne postoji ili nije dovoljno
pretraivao.
Teki problemi
Poveanjem broja premisa uz zadravanje istog broja simbola, problem ima vie
uvjeta i tee je rjeiv.
m broj premisa
n broj simbola
m/n=4.3
DPLL bolji za vee probleme
WALKSAT bri
56
57
Usporedba
Pristup a)
Pristup b)
Treba kopije KB
Ne treba kopije KB
Da
Da
Eksponencijalna
Linearna
Kompletnost
Da
Ne
Interna stanja
Pamti
Ne pamti
Konstrukcija
Srednje
Teko
Svijest
Kopija okoline
Efikasnost
58
Propozicijska logika:
Deklarativan pristup
Semantika se bazira na istinitim relacijama izmeu reenica i mogueg svijeta.
Mogunost izraavanja djelominih informacija (disjunkcija i negacija)
Kompozicija
Problem izraajnosti u okolinama s puno objekata.
to postoji u svijetu
injenice
injenice, objekti,
relacije
injenice, objekti,
relacije, vrijeme
injenice
injenice sa stupnjem
istinitosti (0, 1)
59
Simboli i interpretacija
Osnovni elementi logike prvog reda su simboli koji zamjenjuje objekte, relacije i
funkcije.
Tri vrste simbola:
a) konstantni simboli - za objekte
b) predikatni simboli - za relacije
c) funkcijski simboli - za funkcije
60
Kvantifikatori
Slue za izraavanje svojstava skupa objekata.
U logici prvog reda koriste se dva standardna kvantifikatora: univerzalni i
egzistencijalni.
Univerzalni kvantifikator
Za sve -
Svi kraljevi su ljudi.
x Kralj(x) Osoba(x)
Za svaku x, ako je x kralj, onda je x osoba.
x varijabla
Izrazi bez varijabli nazivaju se vrsti izrazi!!!
Egzistencijalni kvantifikator
Slui za izraavanje svojstva samo nekih objekata.
x Kruna(x) NaGlavi(x, John).
Ugnijeeni kvantifikatori
x y Brat(x,y)Roaci(x,y)
Za svaki x i y, ako su x i y braa, onda su x i y roaci.
x Voli(x, Sladoled)
61
x P x P
x P x P
x P x P
x P x P
Jednakost
Povezivanje dvaju ili vie izraza s jednim objektom.
Otac(John)=Henry
TELL(KB, Osoba(John))
ASK(KB, x, Osoba(x)) vraa {x/John}. Tzv. vezna lista koja predstavlja skup
parova u obliku {varijabla/izraz}
Wumpus svijet
Agent u Wumpus svijetu prima informacije iz okoline u obliku liste s pet elemenata.
Senzor za prisutnost Wumpusa (u susjednim sobama, ne dijagonalno) zvuk S
Senzor za rupu (u susjednim sobama, ne dijagonalno) zvuk B
Senzor za zlato (u sobi gdje je zlato) zvuk T
Senzor za zid zvuk Z
Senzor za uklonjenog Wumpusa (uje se bilo gdje u okolini) zvuk U
U logici prvog reda osim aktivacije senzora potrebno je ukljuiti i vrijeme u kojem je
dobivena odreena lista signala.
Primjer:
Primi([S,B,T,N,N],vrijeme). - Primi([S,B,T,N,N],5).
62
Primi([s,B,t,z,u],v)ZvukZid(t).
v,s,b,z,u
Primi([s,b,T,z,u],v)ZvukZlato(t).
ZvukZlato(v)NajboljaAkcija(Pokupi,v).
Susjed(r,s) ZvunaSobaRupa(s)]
63
64
9.1.
USPOREDBA
ZAKLJUIVANJA
PRVOG
REDA
PROPOZICIJSKE LOGIKE
Pravila zakljuivanja za kvantifikatore
Univerzalni kvantifikator
x Kralj(x) Pohlepan (x) Zao (x)
Pravilo univerzalnog primjerka: svaki vrsti izraz moe se zamijeniti varijablom.
{x/John}, {x/Richard}, {x/Otac(John)}
Egzistencijalni kvantifikator
x Kruna(x) NaGlavi(x)
Pravilo egzistencijalnog primjerka: svaka varijabla zamjenjuje se konstantnim
simbolom koji se ne pojavljuje u KB.
Kruna(C1) NaGlavi(C1)
SKOLEM konstanta = novo ime!!!
Pravilo univerzalnog primjerka moe se upotrijebiti nebrojeno puta, rezultirajui u
novim zakljucima, pravilo egzistencijalnog primjerka moe se upotrijebiti samo
jednom.
65
66
KB:
x Kralj(x) Pohlepan (x) Zao (x)
Kralj(John).
y Pohlepan(y)
p1=Kralj(x)
p2'=Pohlepan(y)
p2=Pohlepan(x)
={x/John, y/John}
q=Zao(x)
SUBST(,q)=Zao(John)
GENERALIZIRANI MODUS PONENS je podignuta verzija Modus Ponens-a.
Obavljaju se samo one zamjene koje omoguavaju nastavak procesa zakljuivanja.
Izjednaavanje
Kljuni proces zakljuivanja za logiku prvog reda.
Uzima dvije reenice, usporeuje ih i vraa vrijednost koja ih izjednaava.
UNIFY(Poznaje(John,x),Poznaje(John,Jane))={x/Jane}
UNIFY(Poznaje(John,x),Poznaje(y,Bill))={x/Bill; y/John}
UNIFY(Poznaje(John,x),Poznaje(y,Majka(y)))={y/John; x/Majka(John)}
UNIFY(Poznaje(John,x),Poznaje(x,Elizabeta))=fail.
67
Primjer:
Ameriki zakon kae da je Amerikancima nedozvoljeno (krivino djelo) prodavati
oruje neprijateljskoj naciji. Zemlja Nono, neprijatelj Amerike, posjeduje rakete koji
su im prodane od strane kapetana West-a koji je Amerikanac.
Treba pokazati da je kapetan West poinio krivino djelo i da je time okarakteriziran
kao kriminalac.
Amerikanac(x) Oruje (y) Prodaje(x,y,z) Neprijateljska(z) Kriminalac
(x)
x Posjeduje(Nono, x) Rakete(x) (primjeni egzistencijalnu eliminaciju)
Posjeduje(Nono, M1)
Rakete(M1)
Rakete(x) Posjeduje(Nono, x)Prodaje(West,x,Nono)
Rakete(x)Oruje(x)
Neprijatelj(x, Amerika)Neprijateljska(x)
68
Amerikanac(West)
Neprijatelj(Nono, America)
Implikacije:
Amerikanac(x) Oruje (y) Prodaje(x,y,z) Neprijateljska(z)Kriminalac (x)
(ne moe se izjednaiti)
Rakete(x) Posjeduje(Nono, x)Prodaje(West,x,Nono)
{x/M1} -> Prodaje(West,M1,Nono) (dodaje se u KB)
Rakete(x)Oruje(x)
{x/M1} -> Oruje(M1) (dodaje se u KB)
Neprijatelj(x, Amerika)Neprijateljska(x)
{x/Nono} -> Neprijateljska(Nono) (dodaje se u KB)
Amerikanac(x) Oruje (y) Prodaje(x,y,z) Neprijateljska(z)Kriminalac(x)
{x/West, y/M1, z/Nono} -> Kriminalac(West).
Nedostaci i poboljanja
Pretraivanje radi svih izjednaavanja (Pattern matching)
Provjeravanja svakog pravila u svakom koraku.
Generiranje injenica nebitnih za ostvarivanje cilja.
Poboljanja
Rakete(x) Posjeduje(Nono, x)Prodaje(West,x,Nono)
Pronai redoslijed rjeavanja konjunkcija, kako bi se ukupna cijena smanjila!!!!
Koritenje HEURISTIKE varijable s najvie uvjeta (pretraiti KB, primjerice, prvo za
Rakete ako tih injenica ima manje u bazi!)
Nove injenice dodane u t-koraku moraju ukljuivati barem jednu injenicu iz t-1
koraka.
69
Zakljuivanje unatrag.
Restrikcije na odreeni skup pravila.
arobni skup (dodatni uvjeti na ciljnu varijablu).
Kriminalac(West)
Amerikanac(West)
Oruje(y)
Prodaje(West,M1,z)
Neprijateljska(Nono)
{z/Nono}
{}
Rakete(y)
{y/M1}
Rakete(M1)
{}
Posjeduje(Nono,M1)
Neprijatelj(Nono,Amerika)
{}
{}
9.5. REZOLUCIJA
Pitanje postojanja kompletne matematike procedure za dokazivanje?
Teorem potpunosti (Kurt Gdel, 1930) bilo koja nasljedna reenica ima konaan
dokaz.
Teorem nepotpunosti (Kurt Gdel, 1931) logiki sustav koji koristi principe
indukcije je nuno nepotpun. Dakle, postoje reenice koje su nasljedne ali nemaju
konaan dokaz!!!!
70
KB u CNF:
Amerikanac(x) Oruje (y) Prodaje(x,y,z) Neprijateljska(z)
Kriminalac (x)
Rakete(x) Posjeduje(Nono, x) Prodaje(West,x,Nono)
Rakete(x) Oruje(x)
Neprijatelj(x, Amerika) Neprijateljska(x)
Posjeduje(Nono, M1)
Rakete(M1)
Amerikanac(West)
Neprijatelj(Nono, America)
71
Amerikanac(West)
Kriminalac(West)
Amerikanac(West)Oruje (y)Prodaje(West,y,z)Neprijateljska(z)
Rakete(x) Oruje(x)
Oruje (y)Prodaje(West,y,z)Neprijateljska(z)
Rakete(M1)
Rakete(y)Prodaje(West,y,z)Neprijateljska(z)
Prodaje(West,M1,z)Neprijateljska(z)
Rakete(M1)
Posjeduje(Nono, M1)
Neprijateljska(Nono)
Neprijatelj(Nono, America)
Neprijatelj(Nono, Amerika)
72