Академический Документы
Профессиональный Документы
Культура Документы
CAPITULO 7
Lgica proposicional
Facundo Bromberg
Inteligencia Artificial, UTN-FRM
2011
Pensamiento Racional
Sistemas que:
Piensan
como
Actuan
como
14 de Abril 2011
Humanos
Ciencias cognitivas
Prueba de Turing
Racionalmente
Silogismos
Lgica
Agente Racional
(caps 3, 4, 5)
Introduccin
Discutiremos conceptos centrales de la IA:
Representacin de conocimiento
Razonamiento
Ya vimos la importancia que tiene el conocimiento (KE) en
bsquedas:
Espacio de estados (funcin sucesor) codifca la
fsica comportamiento del entorno.
Esto permite al agente decidir que es bueno (i.e.,
maximizar su rendimiento, i.e., ser racional).
14 de Abril 2011
Introduccin
Dificultad 1: el conocimiento (e.g., espacio de estados)
puede ser exponencial
Solucin: almacenar un poco de conocimiento K e inferir
nuevo conocimiento K' a partir de K.
Ejemplo 1: Si llueve entonces cae agua del cielo. Paraguas frena
agua del cielo. El hombre esta debajo del paraguas. Entonces No
cae agua al hombre
Ejemplos 2: a+2=b, b=3, entonces a=1
=> No cae agua al hombre y a=1 conocimiento inferido, osea, no
es necesario almacenarlo.
Introduccin
Dificultad 1: el conocimiento (e.g., espacio de estados)
puede ser exponencial
Solucin: almacenar un poco de conocimiento K e inferir
nuevo conocimiento K' a partir de K.
Ejemplo 1: Si llueve entonces cae agua del cielo. Paraguas frena
agua del cielo. El hombre esta debajo del paraguas. Entonces No
cae agua al hombre
Ejemplo 2: a+2=b, b=3, entonces a=1
=> No cae agua al hombre y a=1 son conocimiento inferido,
osea, no es necesario almacenarlo.
Introduccin
Dificultad 1: el conocimiento (e.g., espacio de estados)
puede ser exponencial
Solucin: almacenar un poco de conocimiento K e inferir
nuevo conocimiento K' a partir de K.
Ejemplo 1: Si llueve entonces cae agua del cielo. Paraguas frena
agua del cielo. El hombre esta debajo del paraguas. Entonces No
cae agua al hombre
Ejemplo 2: a+2=b, b=3, entonces a=1
=> No cae agua al hombre y a=1 son conocimiento inferido,
osea, no es necesario almacenarlo.
Introduccin
Dificultad 2: entornos parcialmente observables
Solucin: Utilizar conocimiento observable K para inferir
conocimiento oculto K'.
Ejemplo:
Mdico observa sintomas.
Infiere (diagnostica) enfermedad (que no es directamente
observable).
14 de Abril 2011
Introduccin
Dificultad 2: entornos parcialmente observables
Solucin: Utilizar conocimiento observable K para inferir
conocimiento oculto K'.
Ejemplo:
Mdico observa sintomas.
Infiere (diagnostica) enfermedad (que no es directamente
observable).
14 de Abril 2011
Introduccin
Dificultad 3: Como introducimos cambios en la
formulacin del problema (nuevos objetivo/s, nuevas
acciones, costos, cambios en sucesores), sin
recompilar?
Solucin: Definir un lenguaje para expresar conocimiento
(objetivos, acciones, costos), i.e., sentencias que describen
el mundo y sus estados en forma explicita.
Ejemplo:
8-puzzle. Lenguaje: lgica proposicional permite describir
estados sucesores en forma general.
Introduccin
Dificultad 3: Como introducimos cambios en la
formulacin del problema (nuevos objetivo/s, nuevas
acciones, costos, cambios en sucesores), sin
recompilar?
Solucin: Definir un lenguaje para expresar conocimiento
(objetivos, acciones, costos), i.e., sentencias que describen
el mundo y sus estados en forma explicita.
Ejemplo:
8-puzzle. Lenguaje: lgica proposicional permite describir
estados sucesores en forma general.
10
Introduccin
Dificultad 3: Como introducimos cambios en la
formulacin del problema (nuevos objetivo/s, nuevas
acciones, costos, cambios en sucesores), sin
recompilar?
Solucin: Definir un lenguaje para expresar conocimiento
(objetivos, acciones, costos), i.e., sentencias que describen
el mundo y sus estados en forma explicita.
Ejemplo:
8-puzzle. Lenguaje: lgica proposicional permite describir
estados sucesores en forma general.
11
El mundo de Wumpus
Wumpus
14 de Abril 2011
12
Descripcin REAS
Rendimiento
+1000 oro, -1000 pozo o wumpus,
-1 por accin, -10 por lanzar flecha.
Entorno
Matriz de 4x5.
Inicio en [1,1] y orientacin derecha
Posicin de Wumpus y Oro escogidas aleatoriamente
Con probabilidad 0.2 casillas contienen ollos
Celda adyacente a Wumpus apesta.
Celda adyacente a agujero tiene briza
Resplandor si y solo si en la celda que contiene el oro
Disparo mata al wumpus solo si agente esta orientado hacia wumpues.
Disparo utiliza la unica flecha
Agarrar recoge el oro solo si en la misma celda
Soltar deja el oro en la misma celda.
Intento de atravezar muro produce golpe
Wumpues grita cuando muere y se escucha en toda la cueva
Actuadores
Agarrar, Disparar, Avanzar, girar izquierda, girar derecha, Soltar
Sensores [Hedor, Briza, Resplandor, Golpe, Grito]
14 de Abril 2011
13
14 de Abril 2011
14
Por qu no busqueda?
Por ser NO observable, debemos actuar para conocer el
mundo (e.g., funcin sucesor),
i.e., no es posible encontrar objetivo sin explorar.
Por ejemplo:
Cual es el estado sucesor del inicial cuando el agente
avanza?
Acciones son caras (hasta mortales!),
inferencia lgica nos puede
ahorrar acciones.
14 de Abril 2011
15
Porque no busqueda?
Por ser NO observable, debemos actuar para conocer el
mundo (e.g., funcin sucesor),
i.e., no es posible encontrar objetivo sin explorar.
Por ejemplo:
Cual es el estado sucesor del inicial cuando el agente
avanza?
Estado inicial (no-observable)
14 de Abril 2011
Estado sucesor
16
17
18
19
Qu es lgica?
Un lenguaje formal
20'
14 de Abril 2011
20
Qu es semntica?
Semntica indica que significa cierta sentencia del lenguaje.
Por significa nos referimos a que estado del mundo esta
haciendo referencia la sentencia.
Ejemplificar esto es dificil ya que no podemos poner estados
del mundo en el papel. Todo lo que incluyamos aqu sern
mas punteros, pero no la cosa real. (pedir al profe ejemplo)
14 de Abril 2011
21
Qu es semntica?
Ejemplificar esto es dificil ya que no podemos poner estados
del mundo en el papel. Todo lo que incluyamos aqu sern
mas punteros, pero no la cosa real. (pedir al profe ejemplo)
Ejemplos (suponiendo que aquello significado (derecha) es
elmundo real:
14 de Abril 2011
22
Que es semntica?
Ejemplificar esto es dificil ya que no podemos poner estados
del mundo en el papel. Todo lo que incluyamos aqu sern
mas punteros, pero no la cosa real. (pedir al profe ejemplo)
Ejemplos (suponiendo que aquello significado (derecha) es
elmundo real:
(R2D2)
( )
(Llueve afuera)
14 de Abril 2011
23
Semntica de lgica
proposicional (LP)
En LP, el significado de una sentencia esta dado por el valor de
verdad en cada uno de los mundos posibles.
Un mundo posible (o modelo) esta dado por una asignacin de
verdad a cada proposicin (ver detalles adelante)
Un mundo posible no es otra cosa que la representacin (lgica) de
un estado.
Es decir, se hace referencia a un estado del mundo indicando
aquellos mundos en donde la sentencia es verdadera:
Ejemplo:
Sentencia: Llueve y hay sol
Mundos posibles: <Llueve, hay sol, y truena>, <Llueve, hay sol, y
juega Boca vs. River>
14 de Abril 2011
24
Semntica de lgica
proposicional
En LP, el significado de una sentencia esta dado por el valor de
verdad en cada uno de los mundos posibles.
Un mundo posible (o modelo) esta dado por una asignacin de
verdad a cada proposicin (ver detalles adelante)
Un mundo posible no es otra cosa que la representacin (lgica) de
un estado.
Es decir, se hace referencia a un estado del mundo indicando
aquellos mundos en donde la sentencia es verdadera:
Ejemplo:
Sentencia: Llueve y hay sol
Mundos posibles: <Llueve, hay sol, y truena>, <Llueve, hay sol, y
juega Tomba vs. Tigre>
14 de Abril 2011
25
Entailment ( implicar)
KB |=
KB entails si y solo si es
verdadera en los mundos
donde KB es verdadera (i.e.,
En todo mundo donde KB es verdadera,
tambin lo es).
Mundos
donde
KB es
verdadera
M(KB)
mundos
donde es
verdadera
M()
26
Modelos
Logistas piensan en trmino de modelos
Modelos: mundos estructurados formalmente que
permiten una evaluacin de su veracidad.
Veracidad de un modelo: corresponde este modelo
con el mundo real?
Jerga: m es un modelo de una sentencia si y solo si
es verdadera en m.
Notacin: M() es el conjunto de modelos de .
Ejemplo: : x+y=3. Entonces [x=1, y=2] es un
modlo de . Es ms, M() = {[x=0, y=3], [x=1, y=2],
[x=2, y=1], [x=3, y=0]}
14 de Abril 2011
27
Modelo (simplificado)
del mundo de Wumpus
Consideremos situacin luego de:
detectar nada en [1,1]
mover derecha
brisa en [2,1]
28
14 de Abril 2011
29
30
31
32
Inferencia Lgica
Inferencia lgica es un proceso de razonamiento que
permite derivar el valor de verdad de nuevas
sentencias.
La relacin de entailment (|=) puede usarse para
inferencia lgica
Inferencia por comprobacin de modelos: enumerar todos los mundos posibles y
chequear si es verdadero en todos lo modelos en los que KB lo es.
14 de Abril 2011
33
Inferencia Lgica
Solidez: Un algoritmo de inferencia es slido si toda
sentencia que produce es entailed por KB, es decir,
satisface KB |= para toda sentencia inferida.
De lo contrario se estara inventando cosas
14 de Abril 2011
34
Visin esquemtica
40'
entails
Se sigue
35
Lgica Proposicional
14 de Abril 2011
36
Lgica Proposicional
Derivaremos sintxis y semntica.
Luego relacin de entailment.
Por ltimo, derivacin de algoritmo de inferencia.
14 de Abril 2011
37
Sintxis
Sentencias atmicas (elementos sintcticos indivisibles):
simbolo proposicional (e.g., P, Q, R).
Pueden tomar solo valor verdadero y falso.
Ejemplo: W1,3 simbolo proposicional que representa que el
Wumpus esta en la casilla [1,3].
Existen simbolos con valor prefijado: Verdadero y Falso.
(verdadera y falsa en todos los mundos, respectiv.)
14 de Abril 2011
38
Sintxis
Sentencias complejas: sentencias atmicas +
conectivas lgicas:
(no, negacin): W1,3 simboliza que no hay Wumpus en [1,3]
(y). Se denomina conjuncin.
(o). Se denomina disjuncin.
=> (implica). P => Q se lee P implica Q. P es el antecedente y Q es el
consecuente.
<=> (si y solo si, iff). Bicondicional o doble implicancia.
Precedencia: , , , => y <=>.
Ejemplo: P Q R => S es equivalente a ((P) (Q R)) => S
14 de Abril 2011
39
Semntica
La semntica define reglas para determinar el valor
de verdad de una sentencia (dado un modelo).
En la lgica proposicional, modelos definidos
por valor de verdad de cada proposicin.
E.g., para simbolos P,Q,R, un modelo m sera
{P=verdadero, Q=falso, R=verdadero}.
Osea, 2=8 modelos
Dado un modelo, como deducimos el valor de
verdad (semntica) de una sentencia lgica?
14 de Abril 2011
40
Semntica
Sentencias atmicas:
Verdadero es verdadero en todos los modelos.
Falso
es falso
en todos los modelos.
El valor de verdad de un simbolo proposicional esta
dado directamente por el modelo.
Ejemplo: En el modelo {P=verdadero, Q=falso}, el
valor de verdad de P es verdadero.
Semntica de sentencias complejas: se utilizan
tablas de verdad.
14 de Abril 2011
41
falso
falso
verdadero
falso
false
verdadero
verdadero verdadero
P
verdadero
verdadero
falso
falso
P Q
P Q
falso
falso
falso
verdadero
falso
verdadero
verdadero verdadero
P => Q
P <=> Q
verdadero
verdadero
falso
verdadero
verdadero
falso
falso
verdadero
42
KB para Wumpus
Solo hechos y reglas referentes a Hoyos. Mismos pasos que Ejemplo (Sec. 7.3)
Vocabulario de simbolos proposicionales:
Hi,j verdadero si hay hoyo en [i,j]
Bi,j verdadero si hay brisa en [i,j]
Reglas:
No hay hoyo en casilla [1,1].
R1 : H1,1
Hay brisa iff (si y solo si) hay hoyo en casilla vecina.
R2 : B1,1 <=> (H1,2 v H2,1 )
R3: B2,1 <=> (H1,1 v H2,2 v H3,1 )
Percepciones (de brisas):
R4: B1,1
R5: B2,1
14 de Abril 2011
KB = R1 ^ R2 ^ R3 ^ R4 ^ R5
43
H1,2
H2,1
H2,2
H3,1
ERRATA: Figura
7.9
p.234
Reemplazar P
por H en los
encabezados de
las columnas de
la tabla.
22 de Abril 2009
44
22 de Abril 2009
45
Equivalencia lgica
Definicin: Dos sentencias , son logicamente
equivalentes (significan lo mismo), denotado , sii (iff)
son verdaderas en los mismos modelos:
Teorema:
Demostracin:
22 de Abril 2009
46
Equivalencias lgicas
22 de Abril 2009
47
48
Satisfacibilidad
Definicin: Una sentencia es satisfactoria si es verdadera
para algn modelo. E.g., En fig. 7.9,
es satisfactoria ya que es verdadera en tres modelos.
Demostrar la satisfacibilidad de una sentencia es un
problema dificil de resolver (primero en demostrarse NPcompleto!).
Interesantemente, CSPs (y bsquedas) puede reducirse a
problemas de satisfacibilidad en LP.
22 de Abril 2009
49
Reglas de inferencia
Utilizadas para hacer inferencia de manera mas eficiente
que enumeracin de modelos.
Modus ponens:
Eliminacin- :
Todas las equiv. lgicas pueden usarse en ambos sentidos, pero no necesariamente todas las reglas de inferencia
22 de Abril 2009
50
51
Validez vs Satisfacibilidad
Lemma auxiliar:
es vlida si y solo si
Demostracin: omitida, aunque trivial.
es insatisfacible
Teorema:
Demostracin:
//Teorema de la deduccin
// Lema auxiliar
14 de Abril 2011
52
Resolucin
Un algoritmo de demostracin que utilice como
base un algoritmo de bsqueda completo (e.g.
BPI) no necesariamente es completo.
Esto depende de las reglas de inferencia que use.
(e.g., eliminando bicondicional imposibilita
probar
, p. 237)
Resolucin: regla de inferencia completa.
Intuitivamente: si hay hollo en [1,1] o en [3,1], y
no hay hoyo en [1,1], entonces hay uno en [3,1]
14 de Abril 2011
53
Resolucin Unitaria
Literal: proposicin o su negacin.
Clusula: disjuncin de literales.
Clusula unitaria: disjuncin de un solo literal.
Resolucin unitaria:
54
Resolucin General
Resolucin general:
donde
son complementarios
14 de Abril 2011
55
56
70'
57
Mtodos de demostracin
Los mtodos de demostracin de entailment se dividen en
dos tipos:
Aplicacin secuencial de reglas de inferencia
Puede usarse las reglas de inferencia para generar sucesores en algoritmos de
bsqueda.
Tipicamente requiere transformar sentencias a una forma normal.
Se ahorra enumerar proposiciones irrelevantes (va poda del arbol)
Ejemplos son los algoritmos de inferencia mostrados a continuacion: algoritmo
de resolucin, encadenamiento hacia adelante/atrs .
Comprobacin de modelos
Enumeracin de la tabla de verdad (siempre exponencial en n)
Vuelta atrs, e.g., Davis--Putnam-Logemann-Loveland (DPLL)
Bsqueda local, e.g. ascencin de colinas, en espacio de modelos.(slido pero
incompleto)
14 de Abril 2011
58
Algortmo de resolucin
Se pueden usar para demostrar la veracidad de una
sentencia dada, pero no para derivar nuevas sentencias.
Para demostrar
se demuestra que
es
insatisfacible (ver filmina 'Validez vs Satisfacibilidad').
Para ello es suficiente demostrar que
equivalente a una contradiccin (e.g.
sentencia que es falsa en todo modelo.
es
), osea, una
14 de Abril 2011
59
Algortmo de resolucin
Por lo tanto, si algoritmo resulta en una clausula vaca,
concluimos que KB , de lo contrario concluimos
KB
14 de Abril 2011
60
Ejemplo de resolucin
(Nota: Pi,j representa aqu hoyo en i,j)
KB = (B1,1 (P1,2 P2,1)) B1,1
= P1,2
14 de Abril 2011
61
Completitud de Resolucin
Teorema: El algoritmo de resolucin-LP es
completo.
Demostracin: omitido
14 de Abril 2011
62
Encadenamiento hacia
adelante y hacia atrs.
Resolucin
14 de Abril 2011
63
Encadenamiento hacia
adelante y hacia atrs.
Las
14 de Abril 2011
64
Algoritmo:
22 de Abril 2009
65
El
22 de Abril 2009
66
Ejemplo
22 de Abril 2009
67
Ejemplo
22 de Abril 2009
68
Ejemplo
22 de Abril 2009
69
Ejemplo
22 de Abril 2009
70
Ejemplo
22 de Abril 2009
71
Ejemplo
22 de Abril 2009
72
Ejemplo
22 de Abril 2009
73
Ejemplo
22 de Abril 2009
74
Ejemplo
22 de Abril 2009
75
76
22 de Abril 2009
77
22 de Abril 2009
78
22 de Abril 2009
79
22 de Abril 2009
80
22 de Abril 2009
81
22 de Abril 2009
82
22 de Abril 2009
83
22 de Abril 2009
84
22 de Abril 2009
85
22 de Abril 2009
86