Predstavljanje znanja

1. Predstavljanje znanja Korišćenje predikatske logike za predstavljanje najvažnijih aspekata realnog sveta, kao što su akcije, prostor, vreme, mentalne predstave, kupovina

2. General ontology • General ontology – opšta ontologija organizuje - klasifikuje sveukupan svet u složenu hijerarhiju kategorija – opštih pojmova koji su bazični za najveće grupe drugih manje opštih pojmova • U veštačkim domenima u kojima su objekti dobijeni apstrakcijom, složenost nije velika • Ali, kod stvarnih problema, kao što je Internet kupovina ili kontrola robota u uslovima promenljivog okruženja, složenost je mnogo veća – neuporedivo veća, što zahteva drugačije – opštije i fleksibilnije pristupe u predstavljanju okruženja koji se baziraju na akcijama, vremenu, fizičkim objektima i uverenjima - ubeđenjima

3. General ontology • Predstavljanje apstraktnih koncepata kao što su pomenuti – prostor, vreme, fizički objekti, uverenja naziva se knowledge engineering – inženjering znanja • Predstavljanje čitavog sveta je nemoguć i zastrašujući zadatak • Umesto toga, definišu se kriterijumi za objekte i karakteristike objekata koji se posmatraju • Opšti okvir – general framework hijerarhijskih koncepata stvarnog sveta naziva se upper ontologyi prikazana je na sledećoj slici

5. Upper ontology • Predikatski račun ili First Order Logic – FOL je pogodna za predstavljanje opšte ontologije, ali nije za raznorazne izuzetke kojih u realnosti uvek ima, ili za nepouzdano znanje i neodređeno znanje • Izuzeci, nepouzdanosti i neodređenosti su ipak od drugorazrednog načaja kada se radi o opštim razmatranjima vezanim za ontologiju • Postoje special purpose ontology i general purpose ontology • General purpose ontology se može primeniti u bilo kojoj special purpose ontology • Realni problemi najčešće iziskuju primenu različitih oblasti znanja

6. Kategorije i objekti • Organizacija objekata u kategorije je suštinski važna za reprezentaciju znanja • Iako se interakcija sa svetom odvija u domenu pojedinačnih konkretnih objekata, zaključivanje se odvija u domenu opštih pojmova – kategorija • Od opažaja nekog objekta sledi klasifikovanje u određenu kategoriju, posle čega se zaključuje o opaženom objektu na osnovu kategorije kojoj pripada • Predikat Basketball(b) • Member (b, Basketballs) b  Basketballs • Subset (Basketbalss, Balls) Basketballs  Balls

7. Kategorije i objekti • Kategorije se mogu posmatrati kao skupovi svojih članova, ili kao složeni objekti koji imaju definisane operacije članstva -  i podskupa -  • Kategorije organizuju i pojednostavluju bazu znanja kroz nasleđivanje • Ako su svi primerci kategorije Food jestivi i ako je Fruit podklasa Food, i ako je Apple podklasa Fruit, onda je svaka apple jestiva • Pojedinačne jabuke – apple, nasleđuju svojstvo jestivosti od svoje pripadnosti kategoriji Food • Veze sa podklasama organizuju kategorije u taxonomy – taksonomiju, ili taxonomy hierarchy

8. Klasifikacija u biologiji

9. Library Dewey Decimal Classification

10. Taxonomy - klasifikacija • Klasifikacija se vekovima koristi u nauci i tehnici • Klasifikacija u biologiji omogućava svrstavanje svih postojećih i izumrlih živih bića u jedinstveni sistem koji naglašava srodstvo – odnos klasa - podklasa kao najvažniju karakteristiku u živom svetu • U bibliotekama se koristi Dewey Decimal Classification koji deli svo ljudsko znanje po oblastima

12. Odnosi između klasa • Osim odnosa klasa – nadklasa i pripadnosti, postoje i drugi odnosi klasa koje nisu u ovim odnosima već u odnosu klasa istog hijerarhijskog nivoa, ali na različitim putanjama nasleđivanja • Postoje tri važna odnosa između klasa - kategorija istog nivoa: • Disjoint – razdvojene klase istog hijerahijskog nivoa koje nemaju zajedničkih članova • Exhaustive decomposition – potpuna dekompozicija • Partition - Disjoint Exhaustive decomposition

14. Kompozicija objekata • Objekti se mogu sastojati od raznih drugih objekata • Objekti se mogu grupisati u hijerarhiju PartOf koja podseća, slična je hijerarhiji Subset

15. BunchOf – grupa objekata • Bunch, grupa objekata se koristi u slučajevima kada ima više objekata iste vrste – kada se neki objekat sastoji od više istih objekata • U tom slučaju se ne može upotrebiti pojam skupa, jer skup može da sadrži samo različite elemente • Objekti u grupi su delovi a ne elementi grupe • Može se uspostaviti veza između koncepata BunchOf i PartOf • BunchOf predstavlja koncept koji je bazičniji nego PartOf

17. Measurements - merenja • U naučnom, kao i u zdravorazumskom pogledu na svet, objekti imaju osobine kao što su visina, masa, cena, itd. • Vrednosti koje se dodeljuju ovim osobinama nazivaju se mere - measures • Zbog postojanja različitih jedinica, izmerene vrednosti se razlikuju kada se izražavaju u različitim jedinicama

18. Prirodne vrste objekata • Za razliku od nekih striktnih definicija objekata, kao na pr. šta je trougao ili neki drugi precizno definisani objekat, prirodne objekte karakteriše raznovrsnost i nemogućnost preciznog definisanja i samim tim jasnog raspoznavanja objekata u prirodi • Jedan od korisnih prilaza je da se razdvoji šta je zajedničko za sve objekte neke klase, od toga šta odlikuje samo tipične primerke neke klase • Ako je C klasa, onda je podskup tipičnih – uobičajenih primeraka klase C, Typical(C) • Typical(C)  C

19. Supstance- stuff, mass i objekti - things • Realni svet se sastoji od objekata različite složenosti, složeni objekti se sastoje od jednostavnijih • Razmišljanjem na višem nivou složenosti, može se izbeći potreba razmatranja velikog mnoštva jednostavnijih objekata koji su uključeni kao delovi opštijih objekata • Između objekata u realnom svetu i kako ih mi vidimo postoji suštinska razlika u pogledu toga da li su prebrojivi ili ne • Gramatika jezika deli imenice na gradivne i prebrojive, pri čemu za gradivne imenice broj nema nikakvog smisla

20. Supstance- stuff, mass i objekti - things • Karakteristike objekata u realnom svetu se mogu podeliti na unutrašnje – intrinsic i spoljašnje extrinsic • Objekti koji se definišu preko unutrašnjih karakteristika – svojstava, koji ne zavise od oblika, veličine, itd. već prvenstveno zavise od supstance od čega se nešto sastoji su gradivni • Objekti koji u svojoj definiciji imaju bar neku spoljašnju karakteristiku, spadaju u prebrojive, tj. ima smisla predružiti im broj

21. Akcije, situacije i događaji • Situacije su stanja koja su rezultat primene neke akcije na prethodno stanje – situaciju • Početno stanje – situacija se obeležava sa S0 • Fja Result(a, s) daje novu situaciju koja se dobija kada se akcija a izvrši u stanju s • Fluents su predikati i fje koje se menjaju od stanja do stanja Holding(G, s) – daje logičku vrednost da li agent drži zlato u polju s • Nepromenljive fje i predikati ne zavise od situacije ili vremena

22. Akcije, situacije i događaji

23. Akcije, situacije i događaji • [] predstavlja praznu sekvencu akcija • Izvršavanje prazne sekvence akcija ne menja stanje • s = Result([], s) • Izvršavanje neprazne sekvence je isto što i izvršavanje prve akcije a zatim i ostatka acija u nizu • Result([a|seq], s) = Result([seq], Result(a, s)) • Agent bi trebalo da bude u stanju da izračuna – da odredi unapred rezultat sekvence akcija, što se drugačije naziva zadatak projekcije • Takođe, agent bi trebalo da bude u stanju da odredi niz akcija kojima se postiže neki cilj, što se drugačije naziva zadatak planiranja

24. Akcije, situacije i događaji • Modifikovani – pojednostavljeni problem Wumpus: • Zlato je u [1,2] i treba ga doneti u [1,1]

25. Opis akcija u situacionom računu – situation calculus • Svaka akcija se opisuje sa dva aksioma: • Aksiom mogućnosti i aksiom efekta • Aksiom mogućnosti određuje kada je moguće izvršiti akciju • Aksiom efekta određuje šta se dešava kada se moguća akcija izvrši

26. Opis akcija u situacionom računu • s su stanja – situacije • a su akcije • o su objekti • g je zlato • x i y su lokacije • Aksiomi mogućnosti:

27. Aksiomi efekta • Kada se agent nađe u [1,2] trebalo bi da može da uzme zlato u [1,2], ali moguće akcije ništa ne govore o tome šta se NE dešava, šta ostaje isto. • Da li će zlato i dalje biti u [1,2] pošto agent dođe u to polje? • Da bi se to preciziralo, neophodno je definisati šta se ne menja – frame problem

28. Problem okvira - frame • U realnom svetu, za vreme rešavanja problema, većina stvari ostaje na istom mestu, dok se samo neke stvari menjaju • Jedna od mogućnosti je da se aksiomima definiše sve što se ne menja: U tom slučaju, može da bude potrebno puno takvih aksioma Ako je F broj fluenata, a A broj akcija, onda je ukupan broj aksioma O(FA) Drugi način je da se okvirni problem predstavi sa O(AE) gde je E max broj efekata bilo koje akcije, i to onda predstavlja reprezentacioni okvirni problem – Representational frame problem (E << F) Inferential frame problem je da se projektuje – predvidi – zaključi o rezultatu sekvenci akcija O(Et)

29. Solving the representational frame problem • Umesto razmatranja efekata za svaku akciju, razmatraju se predikatski fluenti Aksiomi za poziciju – lokaciju i za držanje - Holding:

30. Solving the inferential frame problem • Ovaj tip problema se odnosi na planiranje – izvođenje zaključka, plan p za t koraka sekvence • St = Result(p, S0) Za niz akcija se navodi koje akcije imaju pozitivan efekat a koje negativan efekat

31. Vremenska komponenta akcija – događaja • Kada vreme trajanja – izvršavanja akcija – događaja ima određeno trajanje, kada akcije nisu trenutne i kada mogu da se preklope, koristi se pristup baziran na vremenskim relacijama: • Initiates(e, f, t) događaj e u trenutku t, f tačno • Terminates(e, f, t) događaj e u trenutku t, f netačno • Happens(e, t) događaj e u trenutku t • Clipped(f, t, t2) f netačno između t i t2 • e event – događaj, f fluent, t time - trenutak

33. Generalisani događaji u prostoru i vremenu

34. Generalisani događaji

37. Intervali vremena Date

39. Objekti

40. Znanje o znanju - metaznanje • Uobičajena, formalna definicija znanja je da je to verovanje koje je opravdano iz nekog razloga, i da se samim tim smatra da je tačno • Agenti treba da imaju neku predstavu kako o svom znanju, tako i o znanju drugih agenata • Znanje o znanju može da bude veoma korisno, na pr. znanje o ograničenju znanja ili šta se zna a šta se ne zna • Ako agent zna da nešto ne zna, neće pokušavati da traži rešenje na osnovu svog znanja • Znanje o znanju drugih agenata može da reši problem tako što će se pitati agenti koji znaju o tome što agent koji pita ne zna

41. Web agent • Web agent koji pomaže u Internet kupovini • Pretpostavlja se ograničenje na jednostavnije web strane bez multimedije i bez na pr. teksta koji se nalazi na nekoj slici (jpg) • Prvi zadatak agenta je da nađe adekvatne ponude – web strane sa ponudama za ono što se želi kupiti • Query – upit sadrži opis proizvoda koji unosi korisnik i za koji se traže ponude – offers • Neophodno je da web strana osim adekvatnog sadržaja ima i mogućnost kupovine, tj. da predstavlja ponudu

46. Semantičke mreže • Semantičke mreže je prvi predložio Charles Peirce kao grafičku notaciju koja se sastoji od čvorova, usmerenih grana • Semantičke mreže mogu da predstavljaju objekte, klase objekata i odnose između pojedinih objekata.

48. Opisna logika • Zadaci opisne logike: • Provera, utvrđivanje da li je neka klasa podskup od druge, opštije klase • Provera da li je objekat element neke klase – klasifikacija • Provera da li su ispunjeni logički uslovi za pripadnost – provera konzistentnosti • Classic – jezik za logičke opise, 1989, Alexander BorgidaAT&T Bell Labs, Murray Hill, NJ

50. Otvoreni i zatvoreni svetovi • Koliko ima kurseva? • 4? • Ali, predikatski račun bi rekao od 1 do beskonačno! • Zašto? • Zbog DVE neosnovane pretpostavke • Svi kursevi teoretski mogu da budu isti! Unique Names Assumption – UNA – pretpostavka o jedinstvenim imenima • Možda nisu svi kursevi navedeni! Closed World Assumption – CWA – pretpostavka o zatvorenom svetu