Escolar Documentos
Profissional Documentos
Cultura Documentos
Aula 06 IA Logica Propo 02 2022
Aula 06 IA Logica Propo 02 2022
Turma A, 01/2022
PPGInf - CIC/UnB
Prof. Li Weigang
weigang@unb.br
Lógica proposicional
• Material:
• Agentes inteligentes
• Capítulo 6 – Russell & Norvig
• Seções 6.1, 6.2 e 6.3
• Contato:
weigang@unb.br
weigangbr@gmail.com
• Página web:
https://cic.unb.br/~weigang/
https://proceedings.neurips.cc/
paper/2019/file/
9c19a2aa1d84e04b0bd4bc888792bd
1e-Paper.pdf
Bridging Machine Learning and Logical
Reasoning by Abductive Learning, NeurIPS 2019
https://www.jiqizhixin.com/
articles/2020-10-12-4
Preâmbulo
• O mundo do Wumpus
Wumpus
Agente caçador
de tesouros
Preâmbulo
• O mundo do Wumpus
• Formulação do problema
• Ambiente:
• agente, Wumpus, cavernas, buracos, ouro
• Estado inicial:
• agente na caverna (1,1) com apenas uma flecha
• Wumpus e buracos em cavernas quaisquer
• Objetivos:
• pegar a barra de ouro e voltar à caverna (1,1) com vida
• Percepções:
• fedor, brisa, luz, choque (contra a parede da caverna) e grito do Wumpus
Preâmbulo
• O mundo do Wumpus
• Formulação do problema
• Ações:
• avançar para próxima caverna
• girar 90 graus à direita ou à esquerda
• pegar um objeto na mesma caverna que o agente
• atirar na direção para onde o agente está olhando (a flecha pára quando encontra uma
parede ou mata o Wumpus)
• sair da caverna
Preâmbulo
• O mundo do Wumpus
• Conhecimento do agente
• no início do jogo, depois de receber sua primeira percepção
• depois do 1º movimento, com a seqüência de percepções
[nada, brisa, nada, nada, nada]
Brisa Choque
Luz (contra a parede da caverna)
Preâmbulo
• O mundo do Wumpus
• Conhecimento do agente
4 B?
[f b l - -]
3 W! A B?
ok
2 [f - - - -] [- - - - -]
A B?
A
ok ok ok
[- - -l - -] [- b - - -]
1
A A B?
B!
ok ok
1 2 3 4
Preâmbulo
• O mundo do Wumpus
• Vamos achar o ouro?
4 B!
3 O
2
B!
B? W!
1
A
1 2 3 4
Preâmbulo - O mundo do Wumpus
• Tipo de ambiente?
Preâmbulo
• Agentes baseados em busca (guiados por objetivo) ...
• ... são eficientes na solução de problemas que podem ser formalizados por (i)
um estado inicial, (ii) ações (operadores) e (iii) um conjunto de estados finais
• Porém, não resolvem problemas que exigem raciocínio baseado em
conhecimento sobre o mundo
Exemplo: diagnóstico médico, provador de teoremas, sistemas especialistas em geral,... mesmo
o Wumpus
Esses problemas não podem ser modelados por um espaço de estados
Agentes baseados em conhecimento
• Agentes baseados em conhecimento ...
• ... são agentes que ...
• ... conhecem seu mundo
• ... raciocinam sobre suas possíveis ações
• ... e sabem ...
• ... o estado atual do mundo (propriedades relevantes)
• ... como o mundo evolui
• ... como identificar estados desejáveis do mundo
• ... como avaliar o resultado das ações
• ... conhecimento sobre conhecimento (meta-conhecimento)
• ...
Agentes baseados em conhecimento
• Principais componentes
• Base de Conhecimento
• Conjunto de representações de fatos sobre o mundo
• Cada representação é chamada de uma sentença
• Sentenças são expressas em uma Linguagem de Representação de Conhecimento
• Conhecimento em forma “tratável” pelo computador
• Mecanismo de Inferência
• Determina o que se pode inferir a partir dos fatos na Base de Conhecimento
Agentes baseados em conhecimento
• Arquitetura
Agente
sensores
Tell
ambiente
Base de Conhecimento
Máquina de Inferência
Mecanismo de Aprendizagem
Ask Tell
efetuadores
segue-se
fatos fatos
Mundo
semântica
semântica
Representação implica
sentenças sentenças
Agentes baseados em conhecimento
• Tipos de raciocínio
• Dedução: fatos + regras de inferência novos fatos
Exemplo: Em todo lugar que há fogo, há fumaça. Aqui tem fogo, logo...
Premissa 1: Você precisa trazer um guarda-chuva quando chove (admitimos por padrão)
Premissa 2: Vai chover amanhã
Conclusão: Traga um guarda-chuva amanhã
P H (P H) ((P H) H) ((P H) H) P
F F F F T
F T T F T
T F T T T
T T T F T
Lógica proposicional
• Validade
• Regras de inferência
,
• Modus Ponens:
• E-eliminação: 1 2 ... n
i
• E-introdução: 1 , 2 ,..., n
• Ou-introdução: 1 2 ... n
i
• Eliminação de dupla negação: 1 2 ...n
• Resolução unidade:
,
• Resolução:
, ,
Lógica proposicional
• Validade
• Regras de inferência
• Modus Ponens: aluno do CIC eh aluno da UnB, Pedro (Alfa) eh aluno do CIC eh verdade ,
• então, Pedro eh aluno da UnB (Beta)
1 2 ... n
• E-eliminação: a1=ana, a2=lucas, a3=Gabriel
i
a1&a2&a3 sao Brasileiros, assim, a1 eh brasileiro, a2 eh brasileiro, a3 eh brasileiro
• Resolução unidade: alfa = team brasileiro; beta eh team argentino. Sabemos alfa OU beta venceu,
,
e beta perdeu, alfa ganhou!
Lógica proposicional
• Complexidade
• Checar se um conjunto de sentenças é satisfatível é um problema NP-
completo
• Tabela verdade para uma sentença envolvendo n símbolos tem 2n colunas (exponencial!)
• Cláusulas de Horn
• Classe de sentenças úteis que permitem inferência em tempo polinomial (usada em
Prolog)
P1 P2 P3 ... Pn Q
• 2 casos especiais das cláusulas de Horn
• se Q é falso, P1 P2 P3 ... Pn
• se n = 1 e P1 = verdadeiro, Verdadeiro Q, que é idêntico a Q, que é um fato simplesmente
Agente baseado em lógica proposicional para o Mundo do
Wumpus
• Base de Conhecimento
• Sentenças representando as percepções do agente
• Sentenças válidas implicadas a partir das sentenças das percepções
• Regras utilizadas para implicar novas sentenças a partir das sentenças
existentes
Agente baseado em lógica proposicional para o Mundo do
Wumpus
• Base de Conhecimento
• Representação
• A(x,y): “o agente está na caverna (x,y)”
• B(x,y): “existe um buraco na caverna (x,y)”
• W(x,y): “o Wumpus está na caverna (x,y)”
• O(x,y): “o ouro está na caverna (x,y)”
• b(x,y): “existe brisa na caverna (x,y)”
• f(x,y): “existe fedor na caverna (x,y)”
• l(x,y): “existe luz na caverna (x,y)”
Agente baseado em lógica proposicional para o Mundo do Wumpus
• Base de Conhecimento
• Com base nas percepções do estado abaixo, a BC deverá conter as seguintes
sentenças:
4
3 W! Ø f(1,1) Ø b(1,1)
2 [f - - - -] Ø f(2,1) b(2,1)
A
ok ok
f(1,2) Ø b(1,2)
[- - l- - -] [- b - - -]
1
B?
B!
ok ok
1 2 3 4
Agente baseado em lógica proposicional para o Mundo do
Wumpus
• Base de Conhecimento
• O agente também tem algum conhecimento prévio sobre o
ambiente
Exemplo: se uma caverna não tem fedor, então o Wumpus não está nessa
caverna, nem está em nenhuma caverna adjacente a ela
• O agente terá uma regra para cada caverna no seu ambiente
R1: Øf(1,1) Þ ØW(1,1) Ù ØW(1,2) Ù ØW(2,1)
R2: Øf(2,1) Þ ØW(1,1) Ù ØW(2,1) Ù ØW(2,2) Ù ØW(3,1)
R3: Øf(1,2) Þ ØW(1,1) Ù ØW(1,2) Ù ØW(2,2) Ù ØW(1,3)
• O agente também deve saber que, se existe fedor em (1,2),
então deve haver um Wumpus em (1,2) ou em alguma caverna
adjacente a ela:
R4: f(1,2) Þ W(1,3) Ú W(1,2) Ú W(2,2) Ú W(1,1)
Agente baseado em lógica proposicional para o Mundo do
Wumpus