Agentes Baseados em Conhecimento

Jacques RobinCIn-UFPE

Agente baseado em conhecimento

Am

bie

nte

Sensores

Efetuadores

Base deConhecimentoEspecializada

Máquina deInferênciaGenérica

Ask

Tell

Retract

Representação e

Aquisição de

Conhecimento

Raciocínio Automátic

o

Ask= consulta; tell = inserção; retract = remoção

O que é conhecimento?

Dado, informação ou abstração formatado de maneira a permitir raciocínio por um ser humano ou por uma máquina, por exemplo Classes e objetos Formula da lógica Distribuição de probabilidade prévia e condicional de variáveis aleatórias

O que é raciocínio? Mecanismo sistemático para inferir ou derivar novo conhecimento a partir de novas percepções e/ou de conhecimento prévio, por exemplo: Herança de atributos entre classe, sub-classes e objetos Prova de teorema por refutação, resolução e unificação Cálculo de probabilidade posterior de um evento pelo Teorema de Bayes

Tipos de conhecimento

Estático x Dinâmico Do problema x Meta-conhecimento (controle, explicação, reuso) Diagnóstico x Causal Dedutivo x Terminológico Intencional x Extensional Síncrono x Diácrono Certo x Incerto Preciso x Vago Declarativo x Procedimental De senso comum x Especialista Explicito x Implícito

Conhecimento estático x dinâmico

Conhecimento estático: Hierarquia de conceitos (classes de fatos)

ex, X, wumpus(X) monstro(X).

Restrições de integridades ex, X,Y wumpus(X) wumpus(Y) X = Y.

Regras de dedução sobre o domínio 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).

Meta-regras para controle e explicação do raciocínio na dúvida peque a primeira regra

Conhecimento dinâmico: Fatos, i.e., proposições sobre instâncias de conceitos 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).

Conhecimento causal x diagnóstico

Conhecimento causal: prevê resultados de ações e eventos 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).

Conhecimento diagnóstico: forma hipóteses sobre causas de efeitos observados 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)).

Conhecimento terminológico x dedutivo

Conhecimento terminológico: ex, M, wumpus(M) monster(M). M,T monster(M) alive(M,T) dangerous(M,T).

Conhecimento dedutivo: 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).

Conhecimento intencional x extensional

Conhecimento intensional: Fatos ou regras universalmente quantificados ex, X,Y X = 0 X = 5 Y = 0 Y = 5 loc(wall,X,Y).

Conhecimento extensional: Instâncias de conceitos 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).

Conhecimento sincrônico x diacrônico

Conhecimento diacrônico : Regras de previsão das propriedades do ambiente entre dois instantes T e T+1 devidas a ações ou eventos 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).

Conhecimento sincrônico: Regras de propagação das conseqüências não observáveis do ambiente a partir das observadas no mesmo instante T ex, M,X,Y,T dangerous(M,T) loc(M,X,Y,T) safe(X,Y,T).

Conhecimento certo x incerto

Conhecimento certo: Epistemologicamente booleano ex, X,Y smelly(X,Y) smelly(X+1,Y-1) smelly(X-1,Y-1) loc(wumpus,X,Y+1).

Conhecimento incerto: Epistemologicamente probabilista: 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)).

Tipos de raciocínios: dedução

Dado: Conhecimento prévio ou percepção especifica Ec sobre instância

particular de problema ou ambiente Conhecimento genérico G sobre classe de problema ou ambiente

Inferir: Novo conhecimento específico Ee sobre instância particular do

problema ou ambiente

Infere efeito Ee de causa Ec a partir de modelo do ambiente G

Exemplo: Dado

Ec = loc(agent,1,1,1) orientation(0,1) forward(1) loc(wall,1,2) 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)

Deduz Ee = loc(agent,1,2,2).

Tipos de raciocínios: abdução

Dado: Conhecimentos prévios ou percepções especificos Ee e Eb sobre

instância particular de problema ou ambiente Conhecimento genérico G sobre classe de problema ou ambiente

Inferir: Novo conhecimento específico Ec sobre instância particular do

problema ou ambiente Infere causa Ec de efeito Ee a partir do contexto Eb e modelo do

ambiente G Exemplo:

Dado Ee = loc(agent,1,2,2) Eb = orientation(0,1) forward(1) loc(wall,1,2) 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)

Abduz Ec = loc(agent,1,1,1).

Tipos de raciocínios: indução

Dado: Conjunto de conhecimentos prévios ou percepções específicos Ec, Ee

sobre instâncias particulares de problema ou ambiente Conhecimento prévio genérico Gp sobre classe de problema ou

ambiente Inferir:

Novo conhecimento conhecimento genérico Gn sobre classe de problema ou ambiente

Infere parte do modelo do ambiente Gn a partir de causas Ec , efeitos Ee e outra parte do modelo do ambiente Gp

Exemplo: Dado

{loc(gold,1,2,1) glitter(1,2,1), ..., loc(gold,4,4,6) glitter(4,4,6)} Ec x Ee

{loc(gold,1,2,1) glitter(3,2,1), ..., loc(gold,4,4,6) glitter(2,1,6)} Ec x Ee

Induz Gn = X,Y,T glitter(X,Y,T) loc(gold,X,Y,T)

Agente baseado em conhecimentodedutivo ou abdutivo

Am

bie

nte

Sensores

Efetuadores

Base de Conhecimento Dinâmico (BCD): fatos, objetos

formulas lógicas instanciadas

Máquina de inferênciadedutiva e/ou abdutiva

Base de Conhecimento Estático (BCE):regras, classes, formulas lógicas

universalmente quantificadas

Ask

Tell

Retract

Ask