intelligenza artificiale metodologie di ragionamento prof. m.t. pazienza a.a. 2003-2004
TRANSCRIPT
![Page 1: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/1.jpg)
Intelligenza Artificiale Metodologie di ragionamento
Prof. M.T. PAZIENZA
a.a. 2003-2004
![Page 2: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/2.jpg)
Agire come un umano: test di Turing
Definizione operativa:
1. Elaborazione del linguaggio naturale
2. Rappresentazione della conoscenza
3. Ragionamento logico
4. Apprendimento automatico
![Page 3: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/3.jpg)
Sistemi di ragionamento logico
Sistemi che ragionano esplicitamente con e sulla conoscenza che è stata precedentemente rappresentata: la rappresentazione ed il ragionamento costituiscono le caratteristiche principali di tali sistemi.
Vantaggio: Modularità
la struttura di controllo è isolata dalla conoscenza che è indipendente dalle altre componenti il sistema
![Page 4: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/4.jpg)
Sistemi di ragionamento logicotipologie
• Dimostratori di teoremi e linguaggi di programmazione logica
• Sistemi di produzioni
• Sistemi a frame e reti semantiche
• Sistemi di logica descrittiva (logiche terminologiche)
![Page 5: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/5.jpg)
Sistemi di ragionamento logicoattività fondamentali
1. Aggiungere un nuovo fatto alla Base di conoscenza (BdC) (a seguito di inferenza)
2. Derivare fatti implicati da una BdC arricchita da un nuovo fatto
3. Decidere se una interrogazione è implicata da una BdC
4. Decidere se una interrogazione è immagazzinata esplicitamente in una BdC
5. Aggiornare/Cancellare una frase in una BdC
![Page 6: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/6.jpg)
Mantenimento / Recupero Informazioni in una BdC
• Definire tipi di dato per formule e termini (Per tipo di dato intendiamo l’applicazione di un operatore OP ad una lista di argomenti P(x), Q(x))
• Memorizzare un insieme di formule S STORE(KB,S)
• Recuperare formule S FETCH(KB,S)
![Page 7: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/7.jpg)
Mantenimento / Recupero Informazioni in una BdC
Es.
Memorizza formule come lista collegata di congiunti
TELL
TELL
Lista di elementi
Ricerca sequenziale dell’elemento della lista che combacia con la query Q fino a soddisfacimento o fine lista. Tempo di ricerca (fetch) O(n). Tempo di memorizzazione (store) O(1) se senza controllo di duplicati (inserisci in coda), O(n) con controllo
,
,
,,,
![Page 8: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/8.jpg)
Mantenimento / Recupero Informazioni in BdC TavolaHash
• Tavola hash di formule di letterali ground (senza variabili)
• STORE equivale ad assegnare valore V/F ad una entry/chiave della tavola; O(1)
• FETCH effettua la ricerca diretta nella tavola; O(1)
Problemi:non si gestiscono formule complessenon si gestiscono variabili in frasi
![Page 9: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/9.jpg)
Tavole Hash complesse
Chiave-- simbolo predicato
1. Lista letterali positivi per il predicato
2. Lista letterali negativi per il predicato
3. Lista di formule con predicato in conclusione
4. Lista di formule con predicato in premessa
Indicizzazione basata su tavole risulta ottima con molti simboli di predicato e poche clausole per simbolo
![Page 10: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/10.jpg)
Base di conoscenza
• Fratello(Riccardo,Giovanni)
• Fratello(Ted,Jack)
• …
• …
• …
![Page 11: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/11.jpg)
Tavole Hash complesse
• ASK(KB,Brother(Jack,Ted))
![Page 12: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/12.jpg)
Indicizzazione basata su alberi
• Necessaria con molte clausole per un dato simbolo di predicato
• Indicizzare gli argomenti oltre ai simboli di predicato. Il processo di ricerca coincide con la visita (discesa) di un albero
![Page 13: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/13.jpg)
Indicizzazione basata su alberi
![Page 14: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/14.jpg)
Indicizzazione basata su alberi
L’indicizzazione basata su alberi è una indicizzazione combinata, perché usa una chiave combinata della sequenza di simboli del predicato e di argomenti dell’interrogazione.
Problemi:La ricerca esplode con variabili nella sequenza.Soluzione:Indicizzazione incrociata: indirizza i valori in
diversi posti e per risolvere una interrogazione comincia la ricerca nel posto più promettente.
![Page 15: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/15.jpg)
Algoritmi di unificazione
L’unificazione di due affermazioni permette di effettuare inferenze
• Conosce (John, x)=> Odia (John,x)• Conosce (John, Jane)Inferenza• Odia (John, Jane)
Per realizzare l’inferenza corretta è necessario chiamare l’algoritmo di unificazione molte volte.
![Page 16: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/16.jpg)
Sistemi di programmazione logica
La programmazione logica vede
il programma ed i suoi input come affermazioni logiche sul mondo,
e
il processo in cui si rendono esplicite le conseguenze come processo di inferenza.
![Page 17: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/17.jpg)
Logica come ling. rappr. conoscenza
Vantaggi
Precisione: l’interpretazione delle formule (semantica) è ben definita. Ci sono regole di inferenza corrette e complete.
Flessibilità: la conoscenza è rappresentata in modo dichiarativo, può essere utilizzata per processi diversi.
Modularità: le conoscenze (asserzioni) sono tra loro indipendenti. Possono essere aggiunte (eliminate) in modo incrementale senza dover modificare tutta la BdC
![Page 18: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/18.jpg)
Logica come ling. rappr. conoscenza
Limiti
Atemporalità: le asserzioni sono indipendenti dal tempo (Es. Bella(maria) asserisce la bellezza di Maria indipendentemente dal tempo
Conoscenze certe: si può predicare il vero o il falso solo di una conoscenza di cui si è certi
Scarsa leggibilità: una stessa entità è rappresentata da enunciati tra loro indipendenti, per cui non si può ricostruire la conoscenza complessiva su essa
Inefficienza: il processo di dimostrazione ha complessità esponenziale
![Page 19: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/19.jpg)
Reti semantiche
Le reti semantiche si basano su una metafora grafica: gli oggetti del mondo (“individui o categorie”) sono nodi di un grafo e le “relazioni tra di loro” (detti anche ruoli) sono archi del grafo
I nodi sono organizzati in una struttura tassonomica
Gli archi tra i nodi rappresentano relazioni binarie di diversa tipologia tra le categorie di oggetti coinvolte
![Page 20: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/20.jpg)
Reti semantiche
La semantica di una rete semantica può essere enunciata fornendo gli equivalenti in logica del primo ordine per le asserzioni nel linguaggio della rete.
![Page 21: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/21.jpg)
Reti semantiche
Imprecisa natura delle reti semantiche legata al fatto che non si distingue tra nodi che rappresentano classi e nodi che rappresentano oggetti individuali
Distinguere le relazioni di appartenenza:• Is-a (elemento / istanza di una classe )• a-kind-of (sottoclasse)
![Page 22: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/22.jpg)
Reti semantiche e Prolog
is-a di un elemento m con la classe c è rappresentato dal fatto c(m)
a-kind-of di una sottoclasse c con una superclasse s è rappresentato da s(X):-c(X)
![Page 23: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/23.jpg)
Reti semantiche
![Page 24: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/24.jpg)
Reti semantiche
![Page 25: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/25.jpg)
Reti semantiche
Necessità di etichettare e direzionare gli archi per identificare univocamente la relazione
Es.
• Mario compra una barca
versus
• Una barca è comprata da Mario
![Page 26: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/26.jpg)
Reti semantiche
Permettono di gestire la semantica di una frase del linguaggio naturale distinguendo
• Struttura superficiale
da
• Struttura profonda
del discorso
![Page 27: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/27.jpg)
Reti semantiche ed Ereditarietà
Nelle reti semantiche l’ereditarietà permette una forma particolare di inferenza
• Se un oggetto appartiene ad una classe, esso eredita tutte le proprietà di quella classe
L’ereditarietà si applica anche ai link di tipo a-kind-of
Una sottoclasse eredita (per ciascun suo elemento) tutte le proprietà della superclasse
![Page 28: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/28.jpg)
Reti semantiche
L’uso delle reti semantiche in cui i nodi rappresentino azioni individuali e gli archi rappresentino oggetti aventi ruoli diversi in tali azioni permette di costruire grafi complessi per rappresentare scenari completi
Rappresentazione di frasi complesse ed articolate
![Page 29: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/29.jpg)
Reti semantiche
Si possono avere anche archi che rappresentano relazioni temporali
Se due azioni diverse puntano allo stesso nodo tempo, il tempo delle due azioni può essere considerato contemporaneo (si ipotizza che le azioni accadono istantaneamente)
![Page 30: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/30.jpg)
Reti semantiche
Fare inferenza da una rete semantica prevede la ricerca di cammini particolari (ogni arco attiva cammini soddisfacenti domande diverse)
![Page 31: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/31.jpg)
Ereditarietà ed eccezioni
Per gestire le eccezioni degli elementi reali di una classe, si considera la semantica di
Rel(R,A,B) valore di default,
ovvero significa che B è un valore di default della relazione R per i membri di A, ma tale valore può essere sovrascritto da altra informazione (principio della ereditarietà con eccezioni)
Reificazione (una relazione R diventa un oggetto, non un predicato) come alternativa
![Page 32: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/32.jpg)
Sussunzione ed istanziazione
Sussunzione: è una relazione tra due concettiUn concetto A sussume un concetto B se tutte le
istanze di B sono necessariamente anche istanze di A. (corrisponde alla relazione di sottoinsieme: AB)
Istanziazione: è una relazione tra una istanza ed un concetto (corrisponde alla relazione insiemistica di appartenenza: AB)
DalmataCani LuckyDalmata
![Page 33: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/33.jpg)
Transitività della relazione ISA
La relazione ISA è transitiva:
Se
A ISA B
e
B ISA C
allora
A ISA C
![Page 34: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/34.jpg)
Ereditarietà
La transitività della relazione ISA consente di utilizzare il meccanismo della ereditarietà:tutte le proprietà definite per un concetto A sono ereditate, valgono per tutti i concetti sussunti da A
L’ereditarietà dei ruoli permette di ottenere grandi vantaggi:
• Non viene duplicata la conoscenza• Facilita la manutenzione della BdC
![Page 35: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/35.jpg)
Ereditarietà Algoritmo di ereditarietà per trovare una proprietà p di
una entità E, p(E), in una BdC:
0. Assegna al nodo corrente N il valore di E1. SE esiste un valore per la proprietà p(N)
ALLORA riporta quel valore e fermati2. SE c’è un nodo C tale che N ISA C oppure N
istanza di C ALLORA 2.1 Assegna il valore di C al nodo N2.2 Ritorna al passo 1ALTRIMENTI fermati: hai fallito
![Page 36: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/36.jpg)
Ereditarietà multipla
Per ereditarietà multipla si intende la possibilità che un oggetto appartenga a più di una categoria e che quindi possa ereditare proprietà lungo percorsi differenti
(possibili conflittualità)
![Page 37: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/37.jpg)
Ereditarietà multipla
Inferenze conflittuali risolvibili con informazioni aggiuntive
![Page 38: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/38.jpg)
Espansioni / Aggiornamenti
• La logica del primo ordine usa la funzione TELL per aggiornare una base di conoscenza godendo della proprietà di monotonia.
• L’ereditarietà con eccezioni è non monotona.• Le logiche non monotone permettono di affermare
che una proposizione P è considerata vera fin quando qualche realtà aggiuntiva non consente di dimostrare che P è falsa.
![Page 39: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/39.jpg)
Relazioni n-arie
Relazioni binarie sono la rappresentazione degli archi tra una coppia di nodi di un grafo.
Relazioni n-arie saranno espresse da predicati n-ari con una lista ordinata di argomenti con nomi specifici. Ciò permette di esprimere i casi di frasi complesse di un linguaggio naturale-> Grafi Concettuali
![Page 40: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/40.jpg)
WordNet Miller, 1990
• Risorsa lessicale organizzata a rete semantica (circa 125.000 termini)
• Termini raggruppati in insiemi di sinonimi (circa 100.000 synset )
• http://cogsci.princeton.edu/wn/online
![Page 41: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/41.jpg)
Entità in WordNet Miller, 1990
![Page 42: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/42.jpg)
Concept: language<communication
Definition: a systematic means of communicating by the use of sounds or conventional symbols
Language<communication
Communication<social relation
Social relation<relation
Relation<abstraction
![Page 43: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/43.jpg)
WordNet: esempi d’uso
1. Espansione di interrogazioni con sinonimi nella ricerca basata su parole chiave
2. Distanza tra parole
3. Classe del termine (persona, organizzazione, luogo, misura,…)
![Page 44: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/44.jpg)
Espressività
Nelle reti semantiche non è possibile rappresentare:
negazione
disgiunzione
quantificazione
![Page 45: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/45.jpg)
Reti semantiche: vantaggi
Relativamente facili da comprendere per le persone
Alquanto efficienti da elaborare automaticamente
Sufficientemente potenti per poter rappresentare idee e concetti anche complessi
Possono essere estese a rappresentare concetti modali e temporali
![Page 46: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/46.jpg)
Reti semantiche: limiti
Poco espressive (necessarie reti di grandi dimensioni e complessità per rappresentare concetti)
Non dispongono di una semantica formale (non esiste un insieme di convenzioni universalmente accettato su ciò che una rete rappresenta)
![Page 47: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/47.jpg)
Rappresentazione interna
Slot-assertion notation
Il calcolo dei predicati permette di indicare le relazioni funzionali dei termini (o significato) a seconda della posizione che essi occupano nella formula
Nella notazione a slot i vari argomenti (slot) di un predicato sono espressi come asserzioni separate
![Page 48: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/48.jpg)
Rappresentazione interna
Frame notation
Si usa una notazione con slot etichettati in cui le asserzioni vengono coordinate all’interno di un’unica struttura, detta frame (invece di essere separate come nella notazione a slot) che include tutte le informazioni dell’evento; in tal modo, si ottiene anche l’effetto di isolarlo dal resto delle informazioni (contemporaneamente fenomeno di sicurezza o protezione dell’accesso ad informazione non autorizzata).
Nel caso di coordinamento di più eventi, la rappresentazione a frame presenta delle difficoltà nella identificazione delle relazioni.
![Page 49: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/49.jpg)
Frame Minsky, 1975
Assunzione: la conoscenza è organizzata in strutture mentali complesse, i frame
(Minsky: quando si incontra una situazione nuova o imprevista, viene evocata dalla memoria una struttura mentale complessa la quale, mediante un processo di istanziazione, viene adattato alla situazione specifica e fornisce una chiave di interpretazione per essa)
Struttura dati per rappresentare “stereotipi”, ruolo fondamentale dei default
![Page 50: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/50.jpg)
Frame Minsky, 1975
Un frame rappresenta una situazione stereotipale: una volta selezionato, si adatta alla realtà modificandosi
Un frame contiene anche informazioni di tipo procedurale, che indicano come effettuare azioni. (definiscono delle aspettative; es. a ristorante ci si aspetta una situazione ed un insieme di azioni di un tipo particolare)
![Page 51: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/51.jpg)
Struttura di un frame
Invece di avere un numero imprecisato di archi uscenti da un nodo, si definisce un numero prefissato di slot per rappresentare gli attributi di un oggetto
Ad un frame è associato: • un nome (che identifica univocamente il frame nella
BdC)• una relazione ISA ad un frame di livello più alto (per
ereditare gli slot di un livello più alto)Ogni oggetto è un membro / istanza di una classe cui è
collegato da un link is-a La classe indica il numero di slot validi a livello di classe ed
il nome di ciascuno slot
![Page 52: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/52.jpg)
Frame: struttura dati
Collezione di coppie slot-filler (attributo-valore)
I filler possono essere di diversi tipi:• valore specifico
• condizione sul valore, riferimento ad un altro frame
• valore default (in assenza di un valore specifico)
• una procedura da attivare quando lo slot riceve un valore (if-added) o è richiesto il valore dello slot (if-needed)
Slot particolari sono IS ed ISA
![Page 53: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/53.jpg)
Esempio: frame paziente-pediatriaISA: Frame: PERSONA
*Slot: Cognome-Nome valore ereditato
• valore: Rossi Mario
• if-added: caratteri
Slot: Data ingresso
• valore: 4-4-2004
• if-added: data
Slot: Reparto
• valore:
• default: Pediatria
*Slot: Data nascita valore ereditato
• valore: 25-10-2000
• if-added: data
![Page 54: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/54.jpg)
Frame e ragionamento per default
Il ragionamento per default usa conoscenza che si suppone valga anche in mancanza di informazione esplicita: le conclusioni sono rivedibili una volta che si disponga di informazione certa
L’informazione esplicita sovrascrive quella di default
I ragionamenti per default non sono inferenze logicamente valide (non possono essere rappresentati con la logica)
![Page 55: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/55.jpg)
Categorie ed oggetti
La maggior parte dei ragionamenti che si fanno, si applicano alle categorie piuttosto che agli individui
Se la conoscenza è organizzata in categorie (e sottocategorie), è sufficiente classificare un oggetto, tramite le proprietà percepite, per inferire le proprietà della categoria a cui appartiene
![Page 56: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/56.jpg)
FrameNet
Risorsa costituita da collezioni di frasi annotate sintatticamente e semanticamente, organizzata in frame
Semantica basata su frame: il significato delle parole scaturisce dal ruolo che esse hanno nella struttura concettuale delle frasi
La conoscenza è strutturata in 16 domini generali: time, space, communications, cognition. Health,…
http://www.icsi.berkeley.edu/framenet/
![Page 57: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/57.jpg)
Tassonomie
Le relazioni di sottoclasse organizzano la conoscenza in tassonomia (es. in botanica, biologia, nelle scienze librarie,..)
Reti semantiche per rappresentare conoscenza sul mondo-Ontologie
Ontologie di dominio = tassonomie specializzate
![Page 58: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/58.jpg)
Script Schank e Abelson 1977
Gli script implementano l’idea di rappresentare azioni ed eventi usando una rete semantica
Ovvero l’intero insieme di azioni coincide con la descrizione di cammini stereotipali
Gli script fanno uso dell’idea di default dove alla classe sono associate le regole di una qualche azione ed all’istanza di una classe corrispondono le istanze delle azioni; in mancanza di informazione esplicita, è ancora possibile interpretare una situazione
![Page 59: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/59.jpg)
Script / storie
Analogo alla descrizione di storie
L’idea è che l’informazione è fornita per punti generali ed associata alla classe
Sarà possibile rispondere ad una molteplicità di domande correlando i punti generali ad un unico tema condiviso per quella specifica domanda
![Page 60: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/60.jpg)
Sussunzione ed istanziazione
Sussunzione: è una relazione tra due concettiUn concetto A sussume un concetto B se tutte le
istanze di B sono necessariamente anche istanze di A. (corrisponde alla relazione di sottoinsieme: AB)
Istanziazione: è una relazione tra una istanza ed un concetto (corrisponde alla relazione insiemistica di appartenenza: AB)
DalmataCani LuckyDalmata
![Page 61: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/61.jpg)
Transitività della relazione ISA
La relazione ISA è transitiva:
Se
A ISA B
e
B ISA C
allora
A ISA C
![Page 62: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/62.jpg)
Ereditarietà
La transitività della relazione ISA consente di utilizzare il meccanismo della ereditarietà:
tutte le proprietà definite per un concetto A sono ereditate, valgono per tutti i concetti sussunti da A
L’ereditarietà dei ruoli permette di ottenere grandi vantaggi:
• Non viene duplicata la conoscenza• Facilita la manutenzione della BdC
![Page 63: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/63.jpg)
Ereditarietà Algoritmo di ereditarietà per trovare una proprietà p di
una entità E, p(E), in una BdC:
0. Assegna al nodo corrente N il valore di E1. SE esiste un valore per la proprietà p(N)
ALLORA riporta quel valore e fermati2. SE c’è un nodo C tale che N ISA C oppure N
istanza di C ALLORA 2.1 Assegna il valore di C al nodo N2.2 Ritorna al passo 1ALTRIMENTI fermati: hai fallito
![Page 64: Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a. 2003-2004](https://reader035.vdocuments.site/reader035/viewer/2022062701/5542eb4f497959361e8be884/html5/thumbnails/64.jpg)
Ereditarietà multipla
Si parla di ereditarietà multipla quando un concetto eredita da più di un sopraconcetto
La rete semantica non è più un albero, ma un grafo
Si possono verificare casi di inconsistenza, spesso non risolvibili