UNIVERSIDAD MAYOR DE SAN SIMN FACULTAD DE CIENCIAS Y TECNOLOGA CARRERA DE INGENIERA DE SISTEMAS

NOMBRES: BARRIENTOS JALDIN DIEGO COCA VARGAS MANUEL RODRIGO FLORES SORIA MIRIAN DOCENTE: LIC. CARMEN ROSA GARCIA PEREZ MATERIA: SISTEMAS EXPERTOS

Mayo, 29 de 2013

Contenido
1. INTRODUCCIN AL RAZONAMIENTO NO MONTONO ................................................................ 3 2. LGICAS PARA RAZONAMIENTOS NO MONTONOS ................................................................... 4 2.1. Razonamiento por defecto...................................................................................................... 4 Lgica no montona (NML) ........................................................................................................ 5 Lgica por defecto (DL) ............................................................................................................... 5 Abduccin ................................................................................................................................... 5 Herencia ...................................................................................................................................... 6 2.2. Razonamiento minimalista ..................................................................................................... 6 Aspectos lgicos que aparecen cuando se elimina la limitacin a clusulas se Horn: La suposicin de un mundo cerrado ............................................................................................... 6 Circunscripcin............................................................................................................................ 7 3. CUESTIONES SOBRE LA IMPLEMENTACIN DEL RAZONAMIENTO NO MONTONO .................. 8 4. APLICACIN DEL RESOLUTOR DE PROBLEMAS.............................................................................. 9 Razonar hacia atrs ........................................................................................................................ 9 Razonar hacia adelante ................................................................................................................ 10 5. IMPLEMENTACIN: BSQUEDA PRIMERO EN PROFUNDIDAD .................................................. 11 5.1. Vuelta atrs dirigida por dependencias ................................................................................ 11 5.2. Sistemas de mantenimiento de la verdad basados en justificaciones ................................ 12 5.3 Sistemas de mantenimiento de la verdad basados en la lgica ........................................... 13 6. IMPLEMENTACIN: BSQUEDA PRIMERO EN ANCHURA........................................................... 13

1. INTRODUCCIN AL RAZONAMIENTO NO MONTONO El razonamiento no montono, en el cual los axiomas y/o las reglas de inferencia se extienden para que sea posible razonar con informacin incompleta. Sin embargo estos sistemas conservan la propiedad de que en un determinado, una sentencia puede pensarse que es cierta, puede pensarse que es falsa, o puede pensarse que no es ninguna de las dos. Los sistemas convencionales de razonamiento, como la lgica de predicados de primer orden, estn diseados para trabajar con informacin que cumplen tres importantes propiedades: La informacin es completa con respecto al dominio de inters. En otras palabras, todos los hechos para resolver el problema o estn presentes en el sistema o pueden derivarse de ellos mediante reglas convencionales de la lgica de primer orden. La informacin es inconsistente. La nica forma en que puede cambiar la informacin es que se aadan nuevos hechos conforme estn disponibles. Si estos nuevos hechos son consistentes con todos los dems hechos que ya se han afirmado, entonces ninguno de los hechos pertenecientes al conjunto que eran ciertos puedan refutarse. Esta propiedad se denomina monotona.

Por otro lado los sistemas de razonamiento no montono, por otro lado, se disean para que puedan resolverse problemas en los que quiz no aparezca de estas propiedades. Para poder lograrlo, se deben tratar varios aspectos clave, entre los que se encuentran los siguientes: 1. De qu forma puede extenderse la base de conocimiento para permitir inferencias realizadas tanto sobre la base de una falta de conocimiento como sobre una presencia del mismo? En este nuevo sistema, a una inferencia que depende de la falta de algn conocimiento se le denomina inferencia no montona. Los sistemas de razonamiento no montonos derivan su nombre del hecho de que como las inferencias depende de la falta de conocimiento, las bases de conocimiento no crecen montonamente conforme se hacen nuevas aserciones. La adicin de una asercin nueva puede invalidar una inferencia que dependa de la ausencia de esa asercin. 2. De qu forma puede actualizarse correctamente la base de conocimiento cuando se aade un nuevo hecho o cuando se elimina otra anterior? En concreto, como la adicin de un hecho en un sistema no montono puede causar que algunas demostraciones previamente descubiertas pasen a ser invlidas, Cmo puede encontrase estas demostraciones y todas las conclusiones que dependen de ellas? La solucin ms usual a este problema consiste en tomar nota de las demostraciones, que con frecuencia se denominan justificaciones. Esto permite encontrar todas las justificaciones que dependen de la ausencia de un nuevo hecho y, por lo tanto, estas demostraciones pueden marcarse como invalidas. Este mecanismo de almacenamiento tambin hace posible soportar un razonamiento convencional montono en aquellos casos en que los axiomas pueden ocasionalmente eliminarse para reflejar cambios en el mundo que se desea modelar. 3

3. Cmo puede usarse el conocimiento para ayudar a resolver los conflictos que surgen cuando se pueden usar varias inferencias no montonas inconsistentes? En los sistemas no montonos con frecuencia existen partes de la base de conocimiento que son localmente consistentes pero mutuamente o globalmente inconsistentes. Para hacer esto, se necesitan mtodos adicionales que resuelvan estos conflictos de forma que sean los ms apropiados para el problema especfico que se quiere resolver. 2. LGICAS PARA RAZONAMIENTOS NO MONTONOS Las lgicas para el razonamiento no montono sera deseable encontrar un formalismo que realizaran lo siguiente: Definicin de un conjunto de posibles mundos que podran existir dados los hechos que tenemos. De forma ms precisa, definiremos una interpretacin de un conjunto de fbf para ser un dominio D, junto con una funcin que asigne: a cada predicado, una relacin a cada funcin de aridad n, un operador que relacione con D; y para constante un elemento de D. Un modelo de un conjunto de fbf. Proporcione una forma de decir que preferimos creer en algunos modelos en lugar de en otros. Proporcione la base para una implementacin prctica de este tipo de razonamiento. Se corresponda con nuestra intuicin sobre la forma de trabajar de este tipo de razonamiento. En otras palabras, no es deseable que los caprichos sintcticos tengan un impacto significativo en las conclusiones que el sistema puede producir.

2.1. Razonamiento por defecto Se quiere usar el razonamiento no montono para llevar a cabo lo que comnmente se denomina razonamiento por defecto. Se pretende llegar a unas conclusiones basadas en lo que es ms probable que sea cierto. Para esto se explica las siguientes lgicas: La lgica no montona. Lgica por defecto.

Y las dos clases ms comunes de razonamiento no montono que puede definirse en estas lgicas: Abduccin. Herencia.

Lgica no montona (NML) Es un sistema que proporciona una base para razonar por omisin, en donde el lenguaje de la lgica de predicados de primer orden se aumenta con un operador modal M, que se lee como es consistente por ejemplo: , ,
,

Se lee Para todo x e y, si x e y son parientes y si el hecho de que x se haya puesto de acuerdo con y es consistente con el resto de las suposiciones, entonces se concluye que x defender a y Lgica por defecto (DL) Es una lgica alternativa para llevar a cabo un razonamiento basado en omisiones en la que se introduce un nuevo tipo de reglas de inferencia. Este enfoque permite reglas de inferencia de la siguiente forma: : Se lee Si A es probable y es consistente asumir B, entonces se concluye que C. El propsito es muy similar al de las expresiones no montonas de la NML, sin embargo existen diferencias importantes entre las dos teoras. La primera es que en la DL las nuevas reglas de inferencia se usan como base para calcular un conjunto de extensiones plausibles de la base de conocimiento. La lgica entonces admite como teorema cualquier expresin valida en alguna extensin, si es necesario decidirse entre las extensiones para poder resolver el problema, debe proporcionarse algn otro mecanismo. La segunda es que en la DL, las expresiones no montonas son reglas de inferencia en lugar de expresiones del lenguaje, es decir, no pueden manipularse mediante otras reglas de inferencia, esto conduce a algunos resultados no esperados. Por ejemplo: : : Sin ninguna asercin sobre A, no se puede llegar a ninguna conclusin sobre B, ya que no se aplica ninguna regla de inferencia.

Abduccin El proceso de razonamiento por abduccin puede describirse con ms precisin de la siguiente forma, Dadas dos fbf (A B) y (B), para cualquier expresin A y B, si es consiste asumir A, hacerlo. El razonamiento por abduccin es particularmente til en muchos dominios si se asigna alguna medida a las expresiones resultantes. Estas medidas de certeza cuantifican el peligro de que el 5

razonamiento por abduccin sea incorrecto, lo cual suceder cuando existan otros antecedentes aparte a A que podran producir B. El razonamiento Abdicativo no es un tipo de lgica del estilo de la DL y la NML, pero se puede describir sobre cualquiera de ellas, pero es una tipo de razonamiento no montono muy til. Herencia El razonamiento no montono se utiliza con mucha frecuencia en la herencia de los valores de los atributos desde la descripcin prototipo de una clase hacia las entidades individuales que pertenecen a la clase. El funcionamiento de este algoritmo se describe como sigue: Un objeto hereda valores de los atributos de todas las clases de las que sea miembro a no ser que al hacerlo se llegue a una contradiccin, en cuyo caso un valor de una clase ms restringida tiene preferencia sobre un valor de una clase ms amplia. 2.2. Razonamiento minimalista Hasta esta este momento hablamos de mtodos que proporcionan formas de describir cosas que son ciertas. Ahora hablaremos de mtodos que se referirn a un tipo especfico y til de cosas que son ciertas. Estos mtodos estn basados en un modelo mnimo. El modelo mnimo es la diferenciacin, no existe otro modelo en los que las cosas sean menos ciertas. El uso de modelos mnimos como base para el razonamiento no montono, sobre el mundo es la siguiente: Existen sentencias menos ciertas que falsas. Si una sentencia es cierta e importante entonces esta sentencia debe aadirse a la base del conocimiento. Y para que estas sentencias se mantengan en la base del conocimiento deben ser ciertas. Clusulas de Horn son instrucciones ejecutables de PROLOG, tiene el siguiente aspecto: Hija (*A, *B) <- mujer (*A), padre (*B, *A). Que podra leerse: A es hija de B si A es mujer y B es el padre de A. Aspectos lgicos que aparecen cuando se elimina la limitacin a clusulas se Horn: La suposicin de un mundo cerrado Conocido en ingls como CWA. Reiter en 1978 sugiere una sencilla forma de razonamiento minimalista. Dice que la CWA es muy poderosa como base para razonar con bases de datos, los cuales describen las propiedades de los objetos. La CWA indica que los nicos objetos que satisfacen un predicado son aquellos que deben hacerlo. Por ejemplo: Una base de datos de una empresa sobre el personal puede listar todos los empleados de la empresa. Si alguien pregunta si Mara trabaja para la empresa, se puede responder no, a no ser que aparezca explcitamente en la lista de los empleados.

Aunque la CWA es sencilla y poderosa, puede dar errores en la generacin de respuestas apropiadas por dos razones: La primera es que la suposicin no es cierta en el mundo real. Por ejemplo la Historia del asesinato. Abbott, Babbit y Cabot los sospechosos de un caso de asesinato. Abbott tiene la coartada, en el registro del hotel de Albany. Babbit tambin tiene una coartada, de la visita de su cuado en Brooklyn y Cabot tambin defiende su coartada asegurando que se encontraba viendo la televisin en Catskills. En el momento del crimen los tres hacan alguna actividad. Sabemos que Abbott no cometi el crimen, Babbit tampoco lo hizo, Cabot tampoco lo hizo y que ninguno de los tres cometi el crimen, no estamos seguros. Existen hechos en investigacin que todava no se han descubierto, por tanto aun no estn en la base del conocimiento. La CWA producir resultados siempre y cuando la suposicin sea cierta para que todos los hechos positivos relevantes estn en la base del conocimiento. La segunda es que la CWA surge del hecho de que es un proceso de razonamiento sintctico. Sus resultados dependen de la forma en que se proporcionan las afirmaciones. Ejemplo, suponer que se define un predicado soltero y se crea la siguiente base de conocimiento: Soltero (Juan), Soltero (Mara) ---> Soltero (Joel) Si preguntan por Joel, la CWA producir la respuesta como Soltero (Joel). Circunscripcin Como la CWA tiene la idea de que algo que no es necesariamente cierto es asumido como falso. Por tanto, posee dos limitaciones esenciales: Opera sobre predicados individuales sin considerar iteraciones entre los predicados definidos en la base del conocimiento. Asume que todos los predicados tienen listadas todas las sentencias. Esto es cierta en bases de datos pero no en bases de conocimiento. Por ejemplo, el predicado tiene-unacamiseta verde se considera como abierta porque no especifica todos los detalles. Para manipular estos problemas se han propuesto distintas teoras sobre circunscripcin. Mc Carttry en 1980-1986 y Lifschitz en 1985 proponen aadir nuevos axiomas a la base de conocimiento existente. El afecto de estos axiomas consiste en forzar la interpretacin mnima sobre una parte del conocimiento, cada axioma especfico describe una forma de delimitar el conjunto de valores para que un axioma particular sea cierto. Ejemplo, sencilla asercin:: Adulto(x) y~ (x, aspecto 1) ----> sabe leer (x) Circunscribiendo AB nos preguntamos lo que debe ser el predicado AB. El predicado AB no sabemos ni tenemos idea de que puede ser; todo lo que se sabe es su nombre AB. Para saber que es, es necesario saber para qu valores es cierto y solo uno de tantos valores ciertos es AB.

La circunscripcin produce el mismo resultado que la CWA. En Ambos, los nicos modelos admitidos son aquellos en los que no existen individuos que sean anmalos en aspecto 1, es decir, AB debe ser el predicado falso. Ejemplo: A (Joe) y B (Joe) Cuando solo se circunscribe A, la asercin describe aquellos modelos en los que A no es cierto para nadie y B es cierto al menos para Joe. Si se circunscribe solo B, entonces se aceptaran los modelos en los que B no sea cierto para nadie y A sea cierto al menos para Joe. Si se circunscribe tanto A como B, entonces solo se admitirn aquellos modelos en los que A solo sea cierto para Joe y B para nadie o aquellos en los que B solo sea cierto para Joe y A para nadie. De esta forma a diferencia de CWA la circunscripcin nos permite describir la relacin lgica entre A y B. 3. CUESTIONES SOBRE LA IMPLEMENTACIN DEL RAZONAMIENTO NO MONTONO En los programas de resolucin de problemas, la base para la implementacin del razonamiento no montono no es suficiente. Todos presentan alguna debilidad como sistemas lgicos. Y suelen fallar al tratar con cuatro problemas importantes que surgen en los sistemas reales. 1) Consiste en la forma de derivar exactamente aquellas conclusiones no montonas que son relevante para resolver el problema mientras no se agote el tiempo, no sean necesarias y no merezcan que se gaste tiempo. 2) Es como actualizar gradualmente el conocimiento conforme progrese la resolucin del problema. La definicin de un sistema lgico nos dice como decidir sobre el estado de una proposicin respecto a un estado de certeza dado para el resto de la base de conocimiento. Como el procedimiento que realiza esta tarea es global, un cambio en la base del conocimiento puede tener consecuencias de largo alcance. 3) Consiste que en los sistemas de razonamiento no montonos, con frecuencia ocurre que las reglas de inferencia disponibles permiten ms de una interpretacin de los hechos conocidos. Segn la terminologa de Reiter, un sistema no montono dado puede tener distintas extensiones a la vez, aunque muchas de ellas se van eliminando eventualmente conforme se dispone de nuevo conocimiento. 4) Consiste en que, estas teoras son computacionalmente ineficaces. Ninguna de ellas es decidible. Algunas de ellas son semidecidibles pero solo en su forma proposicional, y todas son ineficientes. Ahora se hablara de soluciones computacionales a todos estos problemas. En todos estos sistemas el proceso de razonamiento se separa en dos partes: Un resolutor de problema que utiliza cualquier mecanismo que llegue a conclusiones conformes sean necesarias y un sistema de mantenimiento de la verdad cuyo trabajo consiste en ir memorizando lo necesario para proporcionar una solucin al Segundo Problema. 8

Los distintos aspectos lgicos, al igual que los heursticos (tcnicas de localizacin de inferencia no montonas) son aspectos pertenecientes al diseo del resolutor de problemas. Donde las tcnicas heursticas se dividen en dos clases que se determinan por el enfoque que se da al problema del control de bsqueda: Primero en Profundidad y Primero en anchura. 4. APLICACIN DEL RESOLUTOR DE PROBLEMAS La resolucin de un problema que utiliza conocimiento incierto no es una excepcin. Existen dos enfoques bsicos para este tipo de resolucin de problemas: razonamiento hacia adelante o razonamiento hacia atrs. Razonar hacia atrs Los sistemas de razonamiento no montono que soporta este tipo de razonamiento pueden proporcionar alguna o todas las siguientes caractersticas: Permita clausulas por defecto en las reglas hacia atrs. Los conflictos entre ellas se resuelve con la misma estrategia de control utilizada en otros tipos de razonamiento. Que soporte algn tipo de debate en el que se intenta producir argumentos tanto en favor de P como en su contra. Para poder determinar qu posibilidad es ms fuerte, se necesita algn tipo de conocimiento adicional aplicado a los argumentos.

Funciona de manera representada, siempre que estn presentes los hechos que se necesitan cuando se invocan las reglas. En el caso de razonamiento hacia atrs, se intenta demostrar una expresin P. Suponer que tenemos la base del conocimiento formado por las reglas hacia atrs. Ejemplo: Reglas hacia atrs que usan A-NO-SER-QUE.
Sospechoso (x) <----se_beneficia (x) A-NO-SER-QUE Coartada (x) Cuartada (x) <---- en-algun_otro_sitio(x) En-algun_otro_sitio(x) <---- registrado_en_hotel(x,y) y lejos (y) A_NO-SER-QUE registro_falsificado(y) Coartada (x) <---- defiende (x,y) A_NO-SER-QUE mediante (x) En_algun_otro_sitio(x) <---- fotografa(x,y) y lejos(y) Contradiccin <---- TRUE A-NO-SER-QUE : sospechoso (x) Se_beneficia(Abboth) Se_beneficia(Babbitt) Se_beneficia(Cabot)

El resultor del problema que utiliza esta base de conocimiento emplea una estructura de control del estilo PROLOG en el que estas reglas se consideran de arriba a abajo y de izquierda a derecha. 9

Si se pregunta Sospechoso (x)? el programa responde a Abbott que es sospechoso. Si se aaden los hechos: registrado_en_hotel(Abbott,Albany) Lejos (Albany) Entonces el programa concluye que Abbott no es un sospechoso y concluye como sopechoso aBabbit. En el caso de la historia del asesinato, por ejemplo se considera tres sospechosos. Entonces se intenta hacer algn tipo de eleccin entre argumentos. En este caso podramos disponer de una regla que diga que es mejor mentir para defenderse de los dems. Y otra regla que indique que preferimos creer en el registro de un hotel que de la gente. Al usar estas dos reglas, el resultor del problema concluye que el sospechoso ms creible es Cabot. En las reglas hacia atrs se concluye que Abbott es nuestro sospechoso y ms tarde nos indica que estuvo registrado en un hotel Albany, las reglas hacia atrs no son capaces de detectar que algo ha cambiado. Razonar hacia adelante Esa partir de lo que se conoce. Los sistemas de razonamiento no montono que soportan este tipo de razonamiento permiten que las reglas estndar de encadenamiento hacia delante se extiendan con clusulas A-NO-SER-QUE, proporcionan la base del razonamiento por defecto. Se trata de las dems decisiones de control que realiza el sistema (cualquiera que esta sea, por ejemplo mediante peticin de reglas o el uso de metareglas). Por tanto con las reglas hacia adelante el comportamiento del sistema se ve influenciado por los datos. Ejemplo: Reglas hacia delante que usan A-NO-SER-QUE.
Si_se _beneficia(x) A-NO-SER-QUE Coartada (x) entonces sospechoso (x) si: En_algun_otro_sitio(x) entonces Cuartada (x) si: Registrado_en_hotel(x,y), y lejos (y) A_NO-SER-QUE registro_falsificado(x) entonces en-algun_sitio (x) Se defiende (x,y) A_NO-SER-QUE mediante (y) Entonces Cuartada(x) Si: fotografa(x,y) y lejos(y) entonces en-algun_sitio (x) SI CIERTO A-NO-SER-QUE : sospechoso (x)

10

entonces contradiccin () Se_beneficia(Abboth) Se_beneficia(Babbitt) Se_beneficia(Cabot)

5. IMPLEMENTACIN: BSQUEDA PRIMERO EN PROFUNDIDAD 5.1. Vuelta atrs dirigida por dependencias En contraste al Mtodo de vuelta atrs cronolgica, en el que se invalidan hechos que no dependen de que haya existido una contradiccin que descarte el hecho principal del que fueron derivados, el Mtodo de vuelta atrs dirigida por dependencias trata de evitar esto (y por consiguiente elimina el esfuerzo realizado en vano) porque lo conveniente sera, en realidad, eliminar las sentencias basndose en la responsabilidad sobre la consistencia, en lugar de hacerlo sobre la base del orden en que se generaron las mismas. Para usar vuelta atrs dirigida por dependencias, es necesario seguir las siguientes acciones: Asociar a cada nodo una o ms justificaciones. Cada justificacin se corresponde con un proceso de derivacin que conduce al nodo. Proporcionar un mecanismo que cuando se produzca una contradiccin entre el nodo y su justificacin genere el conjunto de suposiciones malas. Proporcionar un mecanismo que considere el conjunto malas y elija una suposicin para retirar. Proporcionar un mecanismo que propague el resultado de la retirada de una suposicin.

11

Vuelta atrs sin dependencias. 5.2. Sistemas de mantenimiento de la verdad basados en justificaciones Un Sistema de Mantenimiento de la Verdad basado en Justificaciones (JTMS) es una forma de proporcionar la habilidad de trabajar con una vuelta atrs dirigida por dependencias para poder soportar el razonamiento no montono.

Una justificacin. En la figura la suposicin Abbot sospechoso tiene asociada una justificacin JTMS. Cada justificacin est formada por dos partes: una lista-IN y una lista-OUT. Las aserciones de la lista-IN 12

se conectan a la justificacin mediante enlaces +, mientras que las de la lista-OUT lo hacen mediante enlaces -. En la justificacin que se est mostrando, hay exactamente una asercin en cada lista. Abbot se beneficia est en la lista-IN y Abbot tiene coartada se encuentra en la listaOUT. La justificacin indica que Abbot debera ser un sospechoso si se piensa que es un beneficiario y no se cree que tenga una coartada. Las aserciones de una red de dependencias JTMS se creen cuando tienen una justificacin vlida. Una justificacin es vlida si se cree en cada asercin de la lista-IN y no se creen en ninguna de las de la lista-OUT. En una red JTMS los nodos se etiquetan con un estatus de creencia. Si tuviera que creerse en la asercin entonces se etiqueta como IN, si no existe una buena razn para creer en la asercin, entonces se etiqueta como OUT. Entonces, una justificacin es vlida si cada nodo de su lista-IN tiene la etiqueta IN y cada nodo de la lista-OUT tiene etiqueta OUT.

Nodos etiquetados. 5.3 Sistemas de mantenimiento de la verdad basados en la lgica Un Sistema de Mantenimiento de la Verdad basado en la Lgica (LTMS) es muy similar a un JTMS, pero se diferencia en un aspecto muy importante: un LTMS es capaz de detectar contradicciones de forma automtica ya que existen relaciones entre los nodos de la red. Es decir, en un LTMS no se podra etiquetar simultneamente a P y P como IN, pero esto s es posible en un JTMS.

6. IMPLEMENTACIN: BSQUEDA PRIMERO EN ANCHURA Otra alternativa de implementar el razonamiento no montono son los Sistemas de Mantenimiento de la Verdad basados en Suposiciones (ATMS). En JTMS y LTMS se sigue una sola lnea de razonamiento en cada momento, y cuando es necesario cambiar las suposiciones del sistema, surge una vuelta atrs dirigida por dependencias. En un ATMS se mantienen en paralelo varios caminos alternativos. La vuelta hacia atrs se evita con el mantenimiento de varios contextos, cada uno de los cuales contiene un conjunto de suposiciones consistentes. En esencia, mientras que un ATMS funciona en anchura, los sistemas JTMS y LTMS funcionan en profundidad.

13

Los ATMS funcionan en conjunto con Resolutores de Problemas, ambos cumplen funciones por separado: Resolutor de Problemas: ATMS: Propagar las inconsistencias de forma que se excluyan los contextos que contengan subcontextos que se sabe que son inconsistentes. Etiquetar cada nodo del resolutor de problemas con el contexto que tiene una justificacin vlida. Crear los nodos de las aserciones. Asociar a cada nodo justificaciones. Informar al ATMS de los contextos inconsistentes.

Los contextos se eliminan como consecuencia de que el resolutor de problemas encuentra inconsistencias y el ATMS las propaga.

14