Agentes lógicos

Aula 07
Agentes lógicos
Como agentes podem formar
Prof. Dr. Alexandre da Silva Simões representações do mundo, usar um
processo de inferência para derivar
novas representações e utilizar essas
novas representações para deduzir o
que fazer?
Inteligência Artificial - Prof. Dr.
set-06 Alexandre da Silva Simões 2

Organização Agente baseado em conhecimento

„ Agentes baseados em conhecimento
„ O mundo de Wumpus
„ Lógica
… Conceitos básicos: tipos, modelos, conseqüência,
inferência, sintaxe, semântica
„ Lógica proposicional
… Conceitos básicos: sintaxe, semântica, gramática,
inferência, equivalência, validade e satisfabilidade
… Padrões de raciocínio em lógica proposicional
„ Conhecimento e raciocínio permitem comportamentos bem-
sucedidos que seriam muito difíceis de alcançar de outra forma. Um
agente reativo somente poderia encontrar seu caminho de Arad até
Bucareste por um golpe de sorte
„ O componente central de um agente baseado em conhecimento é
sua base de conhecimento (BC)
„ A BC possui um conjunto de sentenças representando alguma
asserção sobre o mundo e semelhantes a sentenças em linguagem
natural porém expressas em uma linguagem de representação do
conhecimento
„ Deve ser possível adicionar novas sentenças à base e consultar o
que se conhece. Ambas as tarefas podem envolver inferência, isto
é, derivação de novas sentenças a partir de sentenças antigas

Inteligência Artificial - Prof. Dr. Inteligência Artificial - Prof. Dr.

set-06 Alexandre da Silva Simões 3 set-06 Alexandre da Silva Simões 4

1
Agente baseado em conhecimento
função AGENTE-BC(percepção) retorna uma ação
variáveis estáticas:
BC, uma base de conhecimento
t, um contador, inicialmente em 0, indicando tempo
TELL (BC, CRIAR-SENTENÇA-DE-PERCEPÇÃO(percepção, t))
ação ← ASK(BC, CRIAR-CONSULTA-DE-AÇÃO(t))
TELL(BC, CRIAR-SENTENÇA-DE-AÇÃO(ação, t))
t ← t+1
retornar ação
Agente baseado em conhecimento
„ Recebe percepção e retorna ação (como todo agente)
„ A BC pode conter inicialmente algum conhecimento
geral
„ Procedimento do agente:
1. Informa à BC (TELL) sua percepção
2. Pergunta à BC (ASK) que ação ele deve executar
3. Informa à BC que a ação hipotética realmente foi executada
„ No processo de resposta, talvez seja desenvolvido um
raciocínio extenso sobre os resultados de seqüências
de ações e assim por diante

Inteligência Artificial - Prof. Dr. Inteligência Artificial - Prof. Dr.

set-06 Alexandre da Silva Simões 5 set-06 Alexandre da Silva Simões 6

O mundo de Wumpus O mundo de Wumpus

„ Ambiente que contém:
… Salas conectadas por passagens
… Ouro em alguma sala
… Poços sem fundo nos quais cairá qualquer um que
vagar por esta sala, exceto o Wumpus
… Wumpus: monstro que devora qualquer guerreiro que
entrar em sua sala. O Wumpus pode ser atingido por
um agente, mas o agente só tem uma flecha

Inteligência Artificial - Prof. Dr. Inteligência Artificial - Prof. Dr.

set-06 Alexandre da Silva Simões 7 set-06 Alexandre da Silva Simões 8

2
Wumpus: definição do ambiente Wumpus: exemplo
„ Medida de desempenho: +1.000 por pegar ouro, -1.000 se cair em „ Situação do mundo:
um poço ou for devorado pelo Wumpus, -1 para cada ação
executada, -10 pelo uso da flecha
„ Ambiente: malha 4x4 de salas. O agente sempre começa no
quadrado identificado como [1,1] voltado para a direita. As posições
do Wumpus, ouro e poços são escolhidas ao acaso
„ Atuadores: O agente pode mover-se para frente, virar à esquerda,
virar à direita, agarrar um objeto e atirar a flecha
„ Sensores: fedor (quadrados adjacentes ao Wumpus, exceto
diagonal), brisa (quadrados adjacentes a um poço, exceto
diagonal), resplendor (quadrados onde existe ouro), impacto (ao
caminhar para uma parede) e audição (percebe o grito do Wumpus
ao morrer). Agente não conhece a configuração do ambiente

Inteligência Artificial - Prof. Dr. Inteligência Artificial - Prof. Dr.

set-06 Alexandre da Silva Simões 9 set-06 Alexandre da Silva Simões 10

Wumpus: exemplo Wumpus: exemplo

„ Sensores: „ Sensores:
[nada, nada, nada, nada, nada] [nada, brisa, nada, nada, nada]
„ Conclusão: „ Conclusão:
[1,2] e [2,1] são seguros Há poço em [2,2], [3,1] ou ambos
„ Movimento escolhido: „ Movimento escolhido:
[2,1] [1,1] e depois [1,2]

Inteligência Artificial - Prof. Dr. Inteligência Artificial - Prof. Dr.

set-06 Alexandre da Silva Simões 11 set-06 Alexandre da Silva Simões 12

3
Wumpus: exemplo Lógica
„ Sensores: „ Organizada principalmente por Aristóteles em sua obra
[fedor, nada, nada, nada, nada] “Órganon”
„ Conclusões:
„ “É o conhecimento das formas gerais e regras gerais
Há Wumpus em [1,3] ou [2,2] do pensamento correto e verdadeiro, independen-
Wumpus não pode estar em [2,2] temente dos conteúdos pensados” (Chauí, 2002)
Wumpus em [1,3]
Não existe poço em [2,2] “Todo homem é mortal” “Todo cão late”
Poço em [3,1] “Sócrates é um homem” “Totó é um cão”
[2,2] é seguro “Logo, Sócrates é mortal” “Logo, Totó late”
„ Movimento escolhido:
[2,2] Estrutura geral: Todo X é Y. Z é X. Portanto, Z é Y.

Inteligência Artificial - Prof. Dr. Inteligência Artificial - Prof. Dr.

set-06 Alexandre da Silva Simões 13 set-06 Alexandre da Silva Simões 14

Lógica: tipos Lógica: conceitos fundamentais

„ Lógica proposicional: (ou lógica Booleana) lógica que representa a
estrutura de sentenças usando conectivos como: "e", "ou" e "não"
„ Lógica de predicados: lógica que representa a estrutura de sentenças
usando conectivos como: “alguns”, “todos” e “nenhum”
„ Lógica multivalorada: estende os tradicionais valores verdadeiro/falso
para incluir outros valores como "possível“ou um número infinito de "graus
de verdade”, representados, por exemplo, por um número real entre 0 e 1
„ Lógica modal: o estudo do comportamento dedutivo de expressões como:
“é necessário que” e “é possível que”
„ Lógica temporal: descreve qualquer sistema de regras e símbolos para
representar e raciocinar sobre proposições qualificadas em termos do
tempo
„ Lógica paraconsistente: lógica especializada no tratamento de bases de
dados que contenham inconsistências
„ ...
„ Sintaxe: especifica todas as sentenças que são bem-formadas
Exemplo na aritmética: “x+y=4” e “x4y+=“
„ Semântica: em termos gerais relacionada com o significado das
sentenças. Em lógica, define a verdade de cada sentença com
relação a cada “mundo possível”
Exemplo: a sentença “x+y=4” é verdadeira em um mundo no qual
x=2 e y=2, mas é falsa em um mundo em que x=1 e y=1
„ Modelo: um “mundo possível”. A frase “m é modelo de α” indica
que a sentença α é verdadeira no modelo m
„ Conseqüência lógica: utilizada quando uma sentença decorre
logicamente de outra. Notação: α╞ β (β decorre logicamente de α).
Pode ser aplicada para derivar conclusões, ou seja, para conduzir
inferência lógica

Inteligência Artificial - Prof. Dr. Inteligência Artificial - Prof. Dr.

set-06 Alexandre da Silva Simões 15 set-06 Alexandre da Silva Simões 16

4
Conseqüência lógica em Wumpus Possíveis modelos...
„ Base de conhecimento:
Nada em [1,1]
Brisa em [2,1]
Regras do mundo Wumpus
„ Interesse do agente:
Saber se os quadrados [1,2],
[2,2] e [3,1] contém poços
„ Possíveis modelos:
23=8

Inteligência Artificial - Prof. Dr. Inteligência Artificial - Prof. Dr.

set-06 Alexandre da Silva Simões 17 set-06 Alexandre da Silva Simões 18

Conseqüência lógica em Wumpus Conseqüência: BC╞ α1

„ Base de conhecimento é falsa em modelos que contradizem o que
o agente sabe. Nesse caso, há apenas 3 modelos em que a BC é
verdadeira:

„ Considerando duas conclusões possíveis:

α1 = “não existe nenhum poço em [1,2]”
α2 = “não existe nenhum poço em [2,2]” „ Em todo modelo no qual BC é verdadeira, α1 também é
verdadeira. Conseqüentemente BC╞ α1
Inteligência Artificial - Prof. Dr. Inteligência Artificial - Prof. Dr.
set-06 Alexandre da Silva Simões 19 set-06 Alexandre da Silva Simões 20

5
Conseqüência: BC╞ α2 Inferência lógica
„ Exemplo anterior:
… Ilustraa conseqüência lógica
… Mostra como a conseqüência lógica pode ser
aplicada para produzir inferência lógica (derivar
conclusões)
„ Um algoritmo de inferência que deriva apenas
sentenças permitidas é consistente
„ Um algoritmo de inferência será completo se
„ α2 é falsa em alguns modelos da BC. O agente não puder derivar qualquer sentença permitida
pode concluir que não existe nenhum poço em [2,2]
Inteligência Artificial - Prof. Dr. Inteligência Artificial - Prof. Dr.
set-06 Alexandre da Silva Simões 21 set-06 Alexandre da Silva Simões 22

Sintaxe x semântica Lógica proposicional

„ Se BC é verdadeira no mundo real, qualquer sentença α „ Tipo de lógica muito simples
derivada de BC por um procedimento de inferência
consistente também será verdadeira no mundo real „ Faz uso de conectivos como: “e”, “ou”, “então”
„ Necessário definir:
Sentenças Sentenças … Sintaxe (sentenças válidas)
Tem como conseqüência
lógica
Semântica

Semântica

… Semântica (modo pelo qual a verdade das sentenças

Representação
é determinada)
Mundo
… Conseqüência lógica (relação entre uma sentença e
Aspectos Aspectos
outra que decorre dela)
Decorre … Algoritmo para inferência lógica
do mundo do mundo
real real

Inteligência Artificial - Prof. Dr. Inteligência Artificial - Prof. Dr.

set-06 Alexandre da Silva Simões 23 set-06 Alexandre da Silva Simões 24

6
Sintaxe em lógica proposicional Gramática da lógica proposicional
„ Símbolos: Nomes em letras maiúsculas (P, Q, R, ...), „ Sentença → SentençaAtômica | SentençaComplexa
verdadeiro e falso „ SentençaAtômica → Verdadeiro | Falso | Símbolo
„ Sentenças atômicas (ou literais): constituídas por „ Símbolo → P | Q | R | ...
elementos sintáticos indivisíveis (símbolo proposicional) „ SentençaComplexa → ¬Sentença
„ Sentenças complexas: são construídas a partir de | (Sentença ∧ Sentença)
sentenças mais simples com a utilização de conectivos | (Sentença ∨ Sentença)
| (Sentença ⇒ Sentença)
lógicos: ¬ (não), ∧ (e), ∨ (ou), ⇒ (implica), ⇔ (dupla
| (Sentença ⇔ Sentença)
implicação, ou “se e somente se”)
… Sentença cujo principal conectivo é ∧: conjunção
„ Ordem de precedência: ¬ ∧ ∨ ⇒ ⇔
… Sentença cujo principal conectivo é ∨: disjunção

Inteligência Artificial - Prof. Dr. Inteligência Artificial - Prof. Dr.

set-06 Alexandre da Silva Simões 25 set-06 Alexandre da Silva Simões 26

Semântica em lógica proposicional Tabela-verdade para conectivos

„ Descreve como calcular o valor verdade de qualquer „ Para os cinco conectivos lógicos apresentados, teremos:
sentença, dado um modelo. Necessário especificar
como calcular a verdade de sentenças atômicas e como P Q ¬P P∧Q P∨Q P⇒Q P⇔Q
calcular a verdade de sentenças formadas com cada um F F V F F V V
dos cinco conectivos F V V F V V F
„ Sentenças atômicas: V F F F V F F
… Verdadeiro é verdadeiro em todo modelo; Falso é falso em todo V V F V V V V
modelo
… O valor-verdade de todos os outros símbolos proposicionais (*) Lógica proposicional não exige relação de causa e efeito entre P
deve ser especificado diretamente no modelo e Q. Deve-se entender esta relação como “se P é verdadeira, então
„ Sentenças complexas: Q é verdadeira. Caso contrário, não estou fazendo nenhuma
afirmação”. Exemplo:
… Regras em cada conectivo resumidos em uma tabela-verdade “5 é ímpar implica que Tóquio é capital do Japão” (V)
“5 é par implica que Sam é inteligente” (V)
Inteligência Artificial - Prof. Dr. Inteligência Artificial - Prof. Dr.
set-06 Alexandre da Silva Simões 27 set-06 Alexandre da Silva Simões 28

7
Wumpus: base de conhecimento Base de conhecimento simples

„ R1: ¬P1,1 Não há poço em [1,1]

Um quadrado tem uma brisa se e
„ R2: B1,1 ⇔ (P1,2 ∨ P2,1) somente se existe um poço em um
quadrado vizinho (declarar isso para
„ R3: B2,1 ⇔ (P1,1 ∨ P2,2 ∨ P3,1) cada quadrado)

„ Símbolos proposicionais: „ R4: ¬B1,1 Percepções específicas do mundo

… Seja Pij verdadeira se existe poço em [i,j] onde o agente se encontra
… Seja Bij verdadeira se existe brisa em [i,j] „ R5: B2,1
A base de conhecimento inclui as sentenças a seguir,
cada uma rotulada por conveniência: Base de conhecimento: Sentenças R1 a R5 ou R1 ∧ R2 ∧ R3 ∧ R4 ∧ R5

Inteligência Artificial - Prof. Dr. Inteligência Artificial - Prof. Dr.

set-06 Alexandre da Silva Simões 29 set-06 Alexandre da Silva Simões 30

Inferência Tabela-verdade p/ a BC Wumpus

B1,1 B2,1 P1,1 P1,2 P2,1 P2,2 P3,1 R1 R2 R3 R4 R5 BC
„ Objetivo: decidir se BC╞ α para alguma
F F F F F F F V V V V F F
sentença α. Exemplos: P1,2? P2,2?
F F F F F F V V V F V F F
„ Primeiro algoritmo: enumerar todos os modelos
e verificar se α é verdadeira em todo modelo no : : : : : : : : : : : : :
qual BC é verdadeira. Exemplo no mundo F V F F F F F V V F V V F
Wumpus: F V F F F F V V V V V V V
Símbolos proposicionais relevantes: F V F F F V F V V V V V V
B1,1, B2,1, P1,1, P1,2, P2,1, P2,2, P3,1 F V F F F V V V V V V V V
7 símbolos → 27=128 modelos possíveis F V F F V F F V F F V V F
: : : : : : : : : : : : :
V V V V V V V F V V F V F
Inteligência Artificial - Prof. Dr. Inteligência Artificial - Prof. Dr.
set-06 Alexandre da Silva Simões 31 set-06 Alexandre da Silva Simões 32

8
Inferência em Wumpus Equivalência
Duas sentenças α e β são logicamente equivalentes (α ⇔ β) se são
„ Em três desses modelos, BC é „
verdadeiras no mesmo conjunto de modelos
verdadeira. Nesses três modelos, ¬P1,2 é (α∧β) ≡ (β∧α) comutatividade de ∧
(α∨β) ≡ (β∨α) comutatividade de ∨
verdadeira. Conseqüentemente, não (α∧β)∧γ ≡ α∧(β∧γ) associatividade de ∧
existe poço em [1,2] (α∨β)∨γ ≡ α∨(β∨γ) associatividade de ∨
¬¬α ≡ α eliminação de dupla negação
„ P2,2 é verdadeira em dois dos três (α⇒β) ≡ (¬β⇒¬α) contraposição
(α⇒β) ≡ (¬α∨ β) eliminação de implicação
modelos e falsa em um. Assim, não (α⇔β) ≡ ((α⇒β) ∧ (β⇒α)) eliminação de bicondicional
¬(α∧β) ≡ (¬α∨¬β) de Morgan
podemos dizer ainda se existe um poço ¬(α∨β) ≡ (¬α∧¬β) de Morgan
em [2,2] (α∧(β∨γ)) ≡ ((α∧β)∨(α∧γ)) distributividade de ∧ sobre ∨
(α∨(β∧γ)) ≡ ((α∨β)∧(α∨γ)) distributividade de ∨ sobre ∧

Inteligência Artificial - Prof. Dr. Inteligência Artificial - Prof. Dr.

set-06 Alexandre da Silva Simões 33 set-06 Alexandre da Silva Simões 34

Equivalência: exercício Validade

„ Verifique se: (α⇒β) ≡ (¬β⇒¬α) „ Uma sentença é válida se é verdadeira em todos os
modelos
„ Sentenças válidas (também conhecidas como
tautologias) são necessariamente verdadeiras, e,
α β α⇒β ¬β⇒¬α conseqüentemente, vazias. Exemplos:
F F V V
P ∨ ¬P
F V V V Verdadeiro
V F F F „ Teorema da dedução:
V V V V “Para quaisquer sentenças α e β, α╞ β se e somente se
a sentença (α⇒β) é válida”

Inteligência Artificial - Prof. Dr. Inteligência Artificial - Prof. Dr.

set-06 Alexandre da Silva Simões 35 set-06 Alexandre da Silva Simões 36

9
Satisfabilidade Padrões de raciocínio em LP
„ Uma sentença é satisfatível se ela é verdadeira em • Modus Ponens. A partir de uma implicação α→β, α
algum modelo e a premícia da implicação, pode-se inferir a
„ Satisfabilidade pode ser verificada enumerando-se os conclusão β
modelos possíveis até ser encontrado um modelo que
satisfaça a sentença • Eliminação de E. De uma conjunção, pode- α∧β
„ Determinar a satisfabilidade de sentenças em lógica se inferir qualquer dos conjuntores
proposicional foi o primeiro problema que se comprovou α
ser NP-Completo
„ Com transformações apropriadas, problemas de busca • Resolução unitária. De uma disjunção, se α∨β, ¬β
podem ser resolvidos verificando–se a satisfabilidade: um dos disjuntores é falso, então pode-se
inferir que o outro é verdadeiro α
“α╞ β se e somente se a sentença (α∧¬β) é não-
satisfatível”
Inteligência Artificial - Prof. Dr. Inteligência Artificial - Prof. Dr.
set-06 Alexandre da Silva Simões 37 set-06 Alexandre da Silva Simões 38

De volta à BC de Wumpus... Provando ¬P1,2 em Wumpus

„ R1: ¬P1,1 Não há poço em [1,1]
Um quadrado tem uma brisa se e
„ R2: B1,1 ⇔ (P1,2 ∨ P2,1) somente se existe um poço em um
quadrado vizinho (declarar isso para
„ R3: B2,1 ⇔ (P1,1 ∨ P2,2 ∨ P3,1) cada quadrado)
„ R4: ¬B1,1 Percepções específicas do mundo
onde o agente se encontra
„ R5: B2,1
Base de conhecimento: Sentenças R1 a R5 ou R1 ∧ R2 ∧ R3 ∧ R4 ∧ R5
„ Eliminação de bicondicional em R2:
R2: B1,1 ⇔ (P1,2 ∨ P2,1)
R6: (B1,1 ⇒ (P1,2 ∨ P2,1)) ∧ ((P1,2 ∨ P2,1) ⇒ B1,1)
„ Eliminação de “e” em R6:
R7: (P1,2 ∨ P2,1) ⇒ B1,1
Contraposição em R7:
„
R8: ¬B1,1 ⇒ ¬(P1,2 ∨ P2,1)
„ Modus Ponens (R4 + R8)
R4: ¬B1,1
R9: ¬(P1,2 ∨ P2,1)
„ Regra de de Morgan em R9:
R10: ¬P1,2 ∧ ¬P2,1
„ Eliminação de “e” em R10: ¬P1,2

Inteligência Artificial - Prof. Dr. Inteligência Artificial - Prof. Dr.

set-06 Alexandre da Silva Simões 39 set-06 Alexandre da Silva Simões 40

10
 Provando P3,1 em Wumpus Forma normal conjuntiva
BC:
„
„ Toda sentença da lógica proposicional é
...
R1: ¬P1,1 logicamente equivalente a uma conjunção
R3: B2,1 ⇔ (P1,1 ∨ P2,2 ∨ P3,1)
R5: B2,1
de disjunções de literais
Novo
...
R11: ¬B1,2
„ Uma sentença expressa como uma
R12: B1,2 ⇔ (P1,1∨ P2,2 ∨ P1,3)
R13: ¬P2,2
conjunção de disjunções de literais está
derivado
R14: ¬P1,3 na forma normal conjuntiva (FNC)
R15: P1,1∨ P2,2 ∨ P3,1
R16: P1,1∨ P3,1 Resolução
R17: P3,1 Resolução

Inteligência Artificial - Prof. Dr. Inteligência Artificial - Prof. Dr.

set-06 Alexandre da Silva Simões 41 set-06 Alexandre da Silva Simões 42

Conversão para FNC FNC: Exercício

1. Eliminar ⇔ substituindo α⇔β por (α⇒β) Exercício: Converter B1,1⇔(P1,2 ∨ P2,1) para a FNC.
∧ (β⇒α) „ Eliminando ⇔:
2. Eliminar ⇒ substituindo α⇒β por ¬α∨β (B1,1⇒(P1,2∨P2,1)) ∧ ((P1,2∨P2,1) ⇒ B1,1)
Eliminando ⇒:
3. Eliminar dupla negação: ¬¬α ≡ α „
(¬B1,1 ∨ P1,2 ∨ P2,1) ∧ (¬ (P1,2 ∨ P2,1) ∨ B1,1)
4. Aplicar de Morgan: ¬(α∧β)≡ ¬α∨¬β, „ Aplicando de Morgan:
¬(α∨β)≡ ¬α∧¬β (¬B1,1 ∨ P1,2 ∨ P2,1) ∧ ((¬ P1,2 ∧ ¬P2,1) ∨ B1,1)
„ Aplicando distributiva:
5. Distribuir ∨ sobre ∧ sempre que possível (¬B1,1 ∨ P1,2 ∨ P2,1) ∧ (¬ P1,2 ∨ B1,1) ∧ (¬ P2,1 ∨ B1,1)

Inteligência Artificial - Prof. Dr. Inteligência Artificial - Prof. Dr.

set-06 Alexandre da Silva Simões 43 set-06 Alexandre da Silva Simões 44

11
Um algoritmo de resolução Resolução em Wumpus
„ Idéia: provar por contradição . Para mostrar que BC╞ α,
mostramos que (BC∧¬α) é não-satisfatível
„ Algoritmo:
… (BC∧ ¬α) é convertido em FNC
… Aplicar regra de resolução às cláusulas resultantes. Cada par
que contém literais complementares é resolvido para gerar uma
nova cláusula que é adicionada ao conjunto se ainda não estiver „ Situação:
presente
… O processo continua até:
… Agenteem [1,1]
„ Não existir nenhuma nova cláusula que possa ser adicionada.
Neste caso, α não tem β como conseqüência lógica
… BC = R2∧R4 = (B1,1⇔(P1,2∨P2,1))∧¬B1,1
„ Uma aplicação de regra de resolução derivara cláusula vazia.
Neste caso, α tem β como conseqüência lógica „ Provar α = ¬P1,2

Inteligência Artificial - Prof. Dr. Inteligência Artificial - Prof. Dr.

set-06 Alexandre da Silva Simões 45 set-06 Alexandre da Silva Simões 46

1º passo: reduzir à FNC 2º passo: aplicar resolução

((B1,1⇔(P1,2∨P2,1))∧¬B1,1) ∧ ¬(¬P1,2)
C3 C1 C2 C4 C5
(B1,1⇔(P1,2∨P2,1)) ∧ ¬B1,1 ∧ P1,2
((B1,1⇒(P1,2∨P2,1)) ∧ ((P1,2∨P2,1) ⇒ B1,1)) ∧ ¬B1,1 ∧ P1,2
((¬B1,1∨P1,2∨P2,1) ∧ (¬(P1,2∨P2,1))∨B1,1)) ∧ ¬B1,1 ∧ P1,2
(¬B1,1∨P1,2∨P2,1) ∧ ((¬P1,2∧¬P2,1)∨B1,1) ∧ ¬B1,1 ∧ P1,2

(¬B1,1∨P1,2∨P2,1) ∧ (¬P1,2 ∨B1,1) ∧ (¬P2,1∨B1,1) ∧ ¬B1,1 ∧ P1,2

C1 C2 C3 C4 C5

Inteligência Artificial - Prof. Dr. Inteligência Artificial - Prof. Dr.

set-06 Alexandre da Silva Simões 47 set-06 Alexandre da Silva Simões 48

12
2º passo: aplicar resolução 2º passo: aplicar resolução

C3 C1 C2 C4 C5 C3 C1 C2 C4 C5

Inteligência Artificial - Prof. Dr. Inteligência Artificial - Prof. Dr.

set-06 Alexandre da Silva Simões 49 set-06 Alexandre da Silva Simões 50

2º passo: aplicar resolução 2º passo: aplicar resolução

C3 C1 C2 C4 C5 C3 C1 C2 C4 C5

Inteligência Artificial - Prof. Dr. Inteligência Artificial - Prof. Dr.

set-06 Alexandre da Silva Simões 51 set-06 Alexandre da Silva Simões 52

13
2º passo: aplicar resolução 2º passo: aplicar resolução

C3 C1 C2 C4 C5 C3 C1 C2 C4 C5

„ Algoritmo resultou em cláusula vazia

Logo, ¬P1,2 é verdadeiro

Inteligência Artificial - Prof. Dr. Inteligência Artificial - Prof. Dr.

set-06 Alexandre da Silva Simões 53 set-06 Alexandre da Silva Simões 54

Exercício Exercício: montando a BC

„ Se um unicórnio é mítico, então é imortal. „ Símbolos proposicionais:
… MÍTICO
Porém se ele não é mítico, então é um … MORTAL
mamífero mortal. Se o unicórnio é imortal ou … MAMÍFERO
mamífero, então ele tem chifre. O unicórnio é … TEM_CHIFRE
… MÁGICO
mágico se tem chifre.
„ Pergunta-se: „ BC:
a) O unicórnio é mágico? MITICO ⇒ ¬MORTAL
¬MITICO ⇒ MAMÍFERO ∧ MORTAL
b) O unicórnio tem chifre? ¬MORTAL ∨ MAMÍFERO ⇒ TEM_CHIFRE
c) O unicórnio é mítico? TEM_CHIFRE ⇒ MÁGICO

Inteligência Artificial - Prof. Dr. Inteligência Artificial - Prof. Dr.

set-06 Alexandre da Silva Simões 55 set-06 Alexandre da Silva Simões 56

14
Exercício: reduzindo à FNC O Unicórnio é mágico?
MITICO ⇒ ¬MORTAL R1: ¬MITICO ∨ ¬MORTAL
R1: ¬MITICO ∨ ¬MORTAL R2: MITICO ∨ MAMÍFERO
¬MITICO ⇒ MAMÍFERO ∧ MORTAL R3 MITICO ∨ MORTAL
MITICO ∨ (MAMÍFERO ∧ MORTAL) R4: MORTAL ∨ TEM_CHIFRE
(MITICO ∨ MAMÍFERO) ∧ (MITICO ∨ MORTAL) R5 ¬MAMÍFERO ∨ TEM_CHIFRE
R2: MITICO ∨ MAMÍFERO R6: ¬TEM_CHIFRE ∨ MÁGICO
R3: MITICO ∨ MORTAL R7: ¬MÁGICO
¬MORTAL ∨ MAMÍFERO ⇒ TEM_CHIFRE
¬(¬MORTAL ∨ MAMÍFERO) ∨ TEM_CHIFRE R8 (R7+R6): ¬TEM_CHIFRE
(MORTAL ∧ ¬MAMÍFERO) ∨ TEM_CHIFRE R9 (R8+R4): MORTAL
(MORTAL ∨ TEM_CHIFRE) ∧ (¬MAMÍFERO ∨ TEM_CHIFRE) R10 (R8+R5): ¬MAMÍFERO
R4: MORTAL ∨ TEM_CHIFRE R11(R10+R2): MÍTICO
R5: ¬MAMÍFERO ∨ TEM_CHIFRE R12(R11+R1): ¬MORTAL
TEM_CHIFRE ⇒ MÁGICO R13 (R9+R12): [] Logo, BC╞ MÁGICO
R6: ¬TEM_CHIFRE ∨ MÁGICO
Inteligência Artificial - Prof. Dr. Inteligência Artificial - Prof. Dr.
set-06 Alexandre da Silva Simões 57 set-06 Alexandre da Silva Simões 58

O Unicórnio tem chifre? O unicórnio é mítico?

R1: ¬MITICO ∨ ¬MORTAL R1: ¬MITICO ∨ ¬MORTAL
R2: MITICO ∨ MAMÍFERO
R2: MITICO ∨ MAMÍFERO R3 MITICO ∨ MORTAL
R3 MITICO ∨ MORTAL R4: MORTAL ∨ TEM_CHIFRE
R4: MORTAL ∨ TEM_CHIFRE R5 ¬MAMÍFERO ∨ TEM_CHIFRE
R5 ¬MAMÍFERO ∨ TEM_CHIFRE R6: ¬TEM_CHIFRE ∨ MÁGICO
R7:¬MÍTICO
R6: ¬TEM_CHIFRE ∨ MÁGICO
R7: ¬TEM_CHIFRE R8 (R1+R2): ¬MORTAL ∨ MAMÍFERO
R9 (R1+R3): ¬MORTAL ∨ MORTAL
R8 (R7+R5): ¬MAMÍFERO R10(R1+R4): ¬MITICO ∨ TEM_CHIFRE
R9 (R7+R4): MORTAL R11(R2+R5): MITICO ∨ TEM_CHIFRE
R10 (R8+R2): MITICO R12(R2+R7): MAMÍFERO
R11(R10+R1): ¬MORTAL R13(R3+R7): MORTAL
R12 (R9+R11): [] R14(R4+R6): MORTAL ∨ MÁGICO
R15(R5+R6): ¬MAMÍFERO ∨ MÁGICO
Logo, BC╞ TEM_CHIFRE
...

Inteligência Artificial - Prof. Dr. Inteligência Artificial - Prof. Dr.

set-06 Alexandre da Silva Simões 59 set-06 Alexandre da Silva Simões 60

15
Cláusula de Horn Cláusula de Horn: exemplo
„ Resolução: método de inferência importante porque é completo. P⇒Q
Porém pode não ser necessária se as sentenças estiverem na L∧M⇒P
forma da cláusula de Horn1 B∧L⇒M
„ Disjunção de literais nos quais no máximo um é positivo. Exemplo: A∧P⇒L
¬L1,1∨¬Brisa∨B1,1 é cláusula de Horn A∧B⇒L
¬B1,1∨P1,2∨P2,1 não é cláusula de Horn A
„ Importante porque: B
… Toda C.H. pode ser escrita como uma implicação cuja premissa é uma
conjunção de literais positivos e cuja conclusão é um único literal
positivo „ Definidas as folhas (A e B), a inferência se propaga para cima do
… A inferência com C.H. pode ser feita utilizando encadeamento para grafo, o mais longe possível
frente e para trás „ Onde quer que apareça uma conjunção, a propagação espera até
… Decisão de conseqüência lógica pode ser feita em tempo linear em todos os conjuntos serem conhecidos antes de prosseguir
relação ao tamanho da BC
„ Consistente: toda inferência é uma aplicação de Modus Ponens
1Homenagem a Alfred Horn
„ Completo: toda sentença atômica será derivada
Inteligência Artificial - Prof. Dr. Inteligência Artificial - Prof. Dr.
set-06 Alexandre da Silva Simões 61 set-06 Alexandre da Silva Simões 62

Atividades extra-classe
„ Leitura:
… RUSSELL, S. NORVIG, P. Inteligência
Artificial. Campus. Capítulo 7, exceto os
tópicos:
„ “Inferência proposicional efetiva” em diante
„ Exercícios recomendados:
… 7.1 a 7.12

Inteligência Artificial - Prof. Dr.

set-06 Alexandre da Silva Simões 63

16