Логическое программирование

Сошников Дмитрий Валерьевич

к.ф.-м.н., доцентdmitryso@microsoft.com

Факультет Прикладной математики и физикиКафедра Вычислительной математики и программированияМосковский авиационный институт (государственный технический

университет)

2

Экспертные системы

3

©20

09

Сош

нико

в Д

.В.

Системы, способные заменить или упростить работу специалиста в какой-то конкретной предметной области

Примеры MYCIN PROSPECTOR CYC Яндекс-Гуру

4

©20

09

Сош

нико

в Д

.В.

В классической продукционной экспертной системе База знаний представляет собой множество правил ЕСЛИ-ТО (продукций) Рабочая память представляет собой множество пар атрибут-значение (троек

объект-атрибут-значение), описывающих состояние решаемой задачи Процесс логического вывода – это поиск в пространстве состояний множества

комбиаций рабочей памяти, переходы в котором задаются правилами.

Механизм логич. вывода

База знаний (множество

правил)

Рабочая память (пары атрибут-

значение)

пользователь

эксперт

Инженер по знаниям

6

©20

09

Сош

нико

в Д

.В.

Дерево И-ИЛИ Каждый узел дерева транслируется в

продкукционное правило ЕСЛИ цвет - рыжевато-коричневый И узор

– тёмные пятна И класс – млекопитающее И отряд – хищник ТО животное - обезьяна

Листья дерева соответствуют элементарным фактам, которые являются исходными для решения задачи

7

©20

09

Сош

нико

в Д

.В.

База знанийРабочая память

Отбор применимых

правил

Конфликтное множество

Разрешение конфликта

Применяемое правило

Применение правила

Цель получена?

8

©20

09

Сош

нико

в Д

.В.

Первое по тексту правилоСистема приоритетовПравило с максимальным

(минимальным) числом посылокПравило с максимальным числом

заключений ...

9

©20

09

Сош

нико

в Д

.В.

10

©20

09

Сош

нико

в Д

.В.

Какой механизм поиска (в глубину/в ширину/эвристический) используется в прямом и обратном выводе?

Рассмотренные алгоритмы вывода использовали простейший метод поиска без возвратов (полу-случайным спуском)

Возможно использовать алгоритмы поиска в глубину и в ширину с обоими методами вывода

Но нужно помнить про размер пространства состояний и отдельного состояния!

11

©20

09

Сош

нико

в Д

.В.

Естественное представление правил – правила могут формулироваться даже экспертами самостоятельно

Возможность контроля непротиворечивости базы знаний на этапе добавления правил

Прозрачный и простой механизм логического вывода

Очевидный механизм объяснений

12

©20

09

Сош

нико

в Д

.В.

2 варианта реализации: Напрямую кодирование правил на

Прологе Создание «оболочки» экспертной

системы со специализированным языком представления знаний

13

©20

09

Сош

нико

в Д

.В.

Проблема: При выводе вопросы задаются многократно

(предыдущие ответы пользователя не сохраняются)

animal(обезьяна) :- class(млекопит), type(хищник), color(рыжкор), pattern(темпятна). animal(тигр) :- class(млекопит), type(хищник), color(рыжкор), pattern(темполосы). ...class(млекопит) :- has(волосы); prop(даетмолоко).type(хищник) :- prop(ест_мясо).type(хищник) :- has(острые_зубы), has(когти), has(вперед_см_глаза).

has(X) :- write(‘У животного есть ‘), write(X), read(yes).color(X) :- write(‘Цвет: ‘), read(X)....?- animal(X).

14

©20

09

Сош

нико

в Д

.В.

Проблема: При выводе многие факты выводятся повторно, т.е. промежуточные

результаты вывода не сохраняются в рабочей памяти

animal(обезьяна) :- class(млекопит), type(хищник), color(рыжкор), pattern(темпятна). animal(тигр) :- class(млекопит), type(хищник), color(рыжкор), pattern(темполосы). ...class(млекопит) :- has(волосы); prop(даетмолоко).type(хищник) :- prop(ест_мясо).type(хищник) :- has(острые_зубы), has(когти), has(вперед_см_глаза).

has(X) :- fact(has(X)), !.has(X) :- nfact(has(X)), !, fail.has(X) :- write(‘У него есть ‘), write(X), read(Z), assert_fact(Z,has(X)).assert_fact(yes,X) :- asserta(fact(X)).assert_fact(no,X) :- asserta(nfact(X)).color(X) :- fact(color(Z)), !, Z=X.color(X) :- write(‘Цвет ‘), read(Z), asserta(fact(color(Z))), !, Z=X.

15

©20

09

Сош

нико

в Д

.В.

animal(обезьяна) :- class(млекопит), type(хищник), color(рыжкор), pattern(темпятна). animal(тигр) :- class(млекопит), type(хищник), color(рыжкор), pattern(темполосы). ...class(млекопит) :- has(волосы), asserta((class(млекопит):-!)).class(млекопит) :- prop(даетмолоко), asserta((class(млекопит):-!)).type(хищник) :- prop(ест_мясо), asserta((type(хищник):-!)).type(хищник) :- has(острые_зубы), has(когти),

has(вперед_см_глаза), asserta((type(хищник):-!)).

has(X) :- fact(has(X)), !.has(X) :- nfact(has(X)), !, fail.has(X) :- write(‘У него есть ‘), write(X), read(Z), assert_fact(Z,has(X)).assert_fact(yes,X) :- asserta(fact(X)).assert_fact(no,X) :- asserta(nfact(X)).color(X) :- fact(color(Z)), !, Z=X.color(X) :- write(‘Цвет ‘), read(Z), asserta(fact(color(Z))), !, Z=X.

16

©20

09

Сош

нико

в Д

.В.

Известно свойство, что прямой вывод эмулируется при помощи обратного перестановкой посылок и заключений правил

Для реализации на Прологе: В качестве рабочей памяти будем

использовать базу фактов Пролога ▪ (хотя можно делать и более «правильно»)

Вывод нового факта – модификация базы Исходно все факты заносятся в базу

фактов

17

©20

09

Сош

нико

в Д

.В.

solve(X) :- repeat, rule(_), animal(X).rule(1) :- class(млекопит), type(хищник), color(рыжкор), pattern(темпятна), asserta(animal(обезьяна)).rule(2) :- class(млекопит), type(хищник), color(рыжкор), pattern(темполосы), asserta(animal(тигр)).rule(3) :- has(волосы), asserta(class(млекопит)).rule(4) :- prop(даетмолоко), asserta(class(млекопит)).rule(5) :- prop(ест_мясо), asserta(type(хищник)).rule(6) :- has(острые_зубы), has(когти),

has(вперед_см_глаза), asserta(type(хищник)).…

color(рыжкор).pattern(темполосы).prop(даетмолоко).has(острые_зубы).has(когти).has(вперед_см_глаза).

?- solve(X).

18

©20

09

Сош

нико

в Д

.В.

solve(X) :- repeat, rule(_), animal(X).rule(1) :- class(млекопит), type(хищник), color(рыжкор), pattern(темпятна), !,

retract((rule(1):-_)), asserta(animal(обезьяна)).rule(2) :- class(млекопит), type(хищник), color(рыжкор), pattern(темполосы), !,

retract((rule(2):-_)), asserta(animal(тигр)).rule(3) :- has(волосы), !,retract((rule(3):-_)), asserta(class(млекопит)).rule(4) :- prop(даетмолоко), !, retract(rule(4):-_)), asserta(class(млекопит)).rule(5) :- prop(ест_мясо), !,retract((rule(5):-_)), asserta(type(хищник)).rule(6) :- has(острые_зубы), has(когти),

has(вперед_см_глаза), !, retract((rule(6):-_)), asserta(type(хищник)).…

19

©20

09

Сош

нико

в Д

.В.

:-op(60,xfx,'--->').

[class(млекопит), type(хищник), color(рыжкор), pattern(темпятна) ] ---> animal(обезьяна).

[class(млекопит), type(хищник), color(рыжкор), pattern(темполосы) ] ---> animal(тигр).

[has(волосы)] ---> class(млекопит).[prop(дает_молоко)] ---> class(млекопит).[prop(ест_мясо)] ---> type(хищник).[has(зубы),has(когти), has(вперед_см_глаза)] ---> type(хищник)....run :- animal(X), write(X), !.run :- Cond ---> Act, test(Cond), retract(Cond--->Act), asserta(Act), run.

test([]).test([A|T]) :- call(A), test(T).

20

©20

09

Сош

нико

в Д

.В.

rule anumal eq обезьяна if class eq млекопит and type eq хищник and color eq рыжкор and pattern eq темпятна.rule anumal eq тигр if class eq млекопит and type eq хищник and color eq рыжкор and pattern eq темполосы.

rule type eq млекопит if gives_milk eq y or has_hair eq y.…gives_milk ask ‘Оно даёт молоко? '.eats_meat ask ‘Оно ест мясо? '.color ask ‘Цвет? '.

:- op(10,yfx, and), op(15,yfx,or), op(5,xfx,eq), op(5,xfx,neq).:- op(20,xfx, if).:- op(25,fx, rule).:- op(20,xfx, ask).

21

©20

09

Сош

нико

в Д

.В.

frule(Atr,Val,Todo) :- rule(if(eq(Atr,Val),Todo)).frule(Atr,Val,[]) :- rule(eq(Atr,Val)).

infer(Atr,Val,AVL,[av(Atr,V)|AVL]) :- asked(Atr,V), !, V=Val.infer(Atr,Val,AVL,[av(Atr,V)|AVL]) :- ask(Atr,Q), write(Q), read(V), asserta(asked(Atr,V)), !, V=Val.infer(Atr,Val,AVL,AVL) :- member(av(Atr,V),AVL), !, Val=V.infer(Atr,Val,AVL,[av(Atr,Val)|AVR]) :- frule(Atr,Val,Todo), inferl(Todo,AVL,AVR).

inferl([],AVL,AVL):-!.inferl(and(A,B),AVL,AVR) :- inferl(A,AVL,AV1), inferl(B,AV1,AVR), !.inferl(or(A,B),AVL,AVR) :- inferl(A,AVL,AV1); inferl(B,AV1,AVR), !.inferl(eq(A,V),AVL,AVR) :- infer(A,Val,AVL,AVZ), !, Val=V, AVR=AVZ.

infer(A,V) :- infer(A,V,[],R),write(R).

22

©20

09

Сош

нико

в Д

.В.

Продукционные экспертные системы являются достаточно эффективным классом экспертных систем, применимым на практике (как реляционные базы данных).

На Прологе легко реализуются прототипы экспертных систем и оболочки для создания экспертных систем

Можно использовать непосредственно Пролог как язык представления знаний, для продукционных систем оказывается более эффективным реализация специализированных ЯПЗ поверх синтаксиса Пролога