deduzione naturale logica calcolabilit n.
Download
Skip this Video
Download Presentation
Deduzione naturale + Logica & Calcolabilità

Loading in 2 Seconds...

play fullscreen
1 / 52

Deduzione naturale + Logica & Calcolabilità - PowerPoint PPT Presentation


  • 103 Views
  • Uploaded on

Deduzione naturale + Logica & Calcolabilità. La nozione di mondo possibile, fondamentale per la semantica dei linguaggi logici, è tuttavia una nozione non dominabile , perché evoca per definizione una infinità di situazioni possibili.

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'Deduzione naturale + Logica & Calcolabilità' - helia


Download Now An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
slide2
La nozione di mondo possibile, fondamentale per la semantica dei linguaggi logici, è tuttavia una nozione non dominabile, perché evoca per definizione una infinità di situazioni possibili.

Prendiamo il caso in cui b è conseguenza logica di a: sappiamo che ciò significa

“in tutti i mondi in cui a è vera, anche b è vera”

quanti mondi? quali?

cosa significa in termini operativi?

slide3
Le alternative logicamente concepibili nella sfera dei mondi possibili sono infinite e risulta estremamente difficile trattare la nozione di conseguenza con modalità finitarie.

Come rendere allora dominabile la relazione tra ipotesi e conclusione?

Mediante il cosiddetto calcolo della deduzione naturale, un metodo effettivo per costruire concrete dimostrazioni della validità di argomenti dati.

slide4
In termini intuitivi:

Dimostrazione

Successione finita di formule in cui, mediante una procedura effettiva, si passa in modo controllabile da un elemento all’altro della successione: formalmente scriveremo

a1, ..., an⊢b

(Conseguenza a lungo termine per la relazione tra logica e calcolabilità: una procedura effettiva è in linea di principio eseguibile)

slide5
È possibile, in altri termini, ‘ridurre’ le conseguenze logiche a dimostrazioni e controllare effettivamente se possiamo ‘produrre’ b a partire da a1,..., an.

In una dimostrazione, le premesse permettono di ottenere in modo effettivo e procedurale la conclusione: per questo motivo, l’analisi del concetto di dimostrazione rimanda alla relazione tra logica e calcolabilità.

slide6
Nel calcolo della deduzione naturale, lo strumento principale per costruire dimostrazioni è l’insieme delle regole di inferenza, che sono prescrizioni su come ricavare un certo enunciato da altri enunciati.

Calcolo enunciativo (CE): sistema di regole di inferenza per produrre dimostrazioni dentro la logica enunciativa.

slide7

Regole di inferenza per CE:

regole di introduzionee di eliminazione di connettivi

nel corso delle dimostrazioni.

Se § è un connettivo qualsiasi

Introduzione (I-§) Eliminazione (E-§)

a, b a§b

_______ _______

a§b a, b

slide8

Forma generale di una dimostrazione a1,..., am⊢b

Numeri di rigaGiustificazione della formula

(1) # G

. # G

. # G Le a1,..., am

. # G occorrono qui

. # G

(m) #

(m+1) # ………. G Qui occorrono

. # ………. G formule ottenute (n) # con regole di inf.

Numeri che indicano le formule da cui dipende la formula della riga

formula

formula

formula

formula

formula

conclusione = b

slide9

La regola più generale di tutte: Regola di Assunzione (Assn)

Regola che consiste semplicemente nell’assumere una formula in un qualsiasi passo di una dimostrazione.

Se scegliamo per esempio di aprire una dimostrazione con la formula ab come assunzione, scriveremo

(1)1 ab Assn

Questi due numeri sono

uguali perché la fbf ab

dipende da se stessa.

slide10
Se i connettivi della logica enunciativa LE sono , , , , avremo le rispettive regole di inferenza

 I, E Introduzione ed Eliminazione di 

 I, E Introduzione ed Eliminazione di 

 I, E Introduzione ed Eliminazione di 

 I, E Introduzione ed Eliminazione di 

slide11
Cominciamo a vedere le regole più semplici.

Eliminazione di  (legge del modus ponens).

Da un condizionale ab e dall’antecedente a, possiamo inferire il conseguente b.Formalmente:

ab,a

_____ E

b

Es.: «Se il capo fuma, è nervoso.»

«Il capo fuma»

quindi _____

«Il capo è nervoso.»

slide12

(ab) g, ab⊢g

  • 1 (ab) gAssn
  • 2 abAssn
  • 1,2 g 1,2 E 

ab, b  g, a ⊢g

  • 1 abAssn
  • 2 bgAssn
  • 3 aAssn
  • 1,3 b 1,3 E 
  • 1,2,3 g 2,4 E 
slide13

Introduzione di  (Regola di ‘scarico’)

Supponiamo di avere una dimostrazione con premesse a1,..., am , e supponiamo di voler derivare un condizionale della forma bg.

Possiamo allora cercare di costruire una dimostrazione con premesse a1,..., am, b: se in questa dimostrazione riusciremo a derivare g, allora saremo autorizzati a scrivere

bg

Si dice allora che l’assunzione b viene ‘scaricata’.

slide14

Formalmente,

a1,..., am

[b]

.

.

. I

g

_____

bg

Nota: la parentesi quadra [ ] indica l’assunzione scaricata.

slide15

Esempio:

Tutti i gatti fanno le fusa a1,..., am

[Fido è un gatto] [b]

____________________

Se Fido è un gatto, allora fa le fusa bg

slide16
Introduzione di 

Da due formule qualsiasi a e b possiamo inferire a  b

a, b

_____ I

a  b

Eliminazione di 

Da una congiunzione a  b possiamo inferire uno qualsiasi dei congiunti

a  b

_____ E

a, b

slide17
Dimostrazione

a (b g), a⊢a b

1 1 a (b g) Assn

2 2 a Assn

3 1,2 b g 1,2 E

4 1,2,3 b 3, E

5 1,2,3,4 a b 2,4 I

slide18
Introduzione di 

Data una formula qualsiasi a, possiamo inferire la disgiunzione di a con una formula qualsiasi (che indichiamo con X)

a

_____ I

a  X

slide19
Eliminazione di 

Da formule della forma ab, bg e ag possiamo inferire la formula g.

ab, bg,ag

______________ E

g

slide20
La regola di eliminazione di  è definita dilemma costruttivo:
  • Oggi o è sabato o è domenica
  • Se è sabato ci sarà un concerto
  • Se è domenica ci sarà un concerto

____________________________

  • Ci sarà un concerto

L’informazione disgiuntiva non serve più!

slide21

Eliminazione di 

Da due formula della forma a e a possiamo inferire b(principio secondo cui da una contraddizione segue qualsiasi cosa).

Formalmente:

a, a

_____ E

b

slide22

Dimostrazione

a⊢ab

1 a Assn

2 a Assn

3 b 1,2 E 

4 ab 2,3 I 

slide23
Eliminazione di  (alternativa)

Da una formula della forma  a possiamo inferire a (legge della doppia negazione).

Formalmente:

  a

_____ E

a

slide24
Dimostrazione

ab, a⊢b

1 1 ab Assn

2 2 a Assn

3 2 a 2 E

4 1,3 b 1,3 E

5 1,2,3,4 b 4 E

slide25

Introduzione di 

Se da una formula a deriviamo una contraddizione, cioè deriviamo sia una formula b sia la sua negazione b, allora possiamo scrivere a, introducendo il connettivo  .

[a] [a] Principio della

. . dimostrazione

. . I  per assurdo

. .

b,  b

______

a

slide26

Dimostrazione

ab, ab⊢ a

1 ab Assn

2 ab Assn

3 a Assn

4 b 1,3 E 

5 b 2,3 E 

6 a 3,4,5 I 

slide27
Le nozioni di DECIDIBILITÀ e COMPUTABILITÀ

e i loro limiti

Formulazione della logica in termini di teorie formalizzate e di dimostrazioni (all’interno di teorie formalizzate)

Soluzione effettiva di tutti i problemi logici?

NO!

slide28
Problema della Decisione

Data una qualsiasiproposizione A della logica predicativa, è possibile determinare se A è vera o falsa?

Esiste cioè un algoritmo capace di decidere se, per una qualsiasi proposizione A, quella proposizione è vera o falsa?

Il problema nascosto è: cos’è un algoritmo?

slide29
ALGORITMO

Concetti vaghi e indefiniti

‘PROCEDURA’, METODO’,...

MACCHINA

DI TURING (MdT)

Concetto preciso

slide30

LOGICA

Decidibilità/Indecidibilità

COMPUTABILITÀ

Ricorsività TEORIA DEGLI ALGORITMI

Linguaggio come strumento cognitivo

(‘Produzione’ linguistica come fenomeno computabile)

LINGUISTICA

I sistemi cognitivi umani

producono espressioni

linguistiche ‘adeguate’

al contesto e in tempi ‘corretti’

slide31
Chiarificazione della nozione di algoritmo

Definizione di un modello astratto di computazione

(Macchina di Turing [MdT])

Assunzione:

la MdT (modello astratto) include in realtà le caratteristiche fondamentali di ogni possibile procedura di calcolo, cioè di ogni possibile algoritmo.

slide32
I FONDAMENTI DELLA NOZIONE DI MdT

Assunzione ‘qualitativa’ di Turing:

le condizioni più generali di un modello astratto di un generico processo di calcolo sono proprio i vincoli ai quali deve sottostare un qualsiasi generico agente razionale che debba eseguire un calcolo.

Idea di fondo: questi vincoli sono legati ai limiti percettivi e computazionali generali di sistemi cognitivi

slide33
Intuizione fondamentale alla base della MdT

Un agente razionale C dispone di una memoria e di capacità percettive limitate.

Se assumiamo che lo spazio a disposizione di C per eseguire il calcolo sia rappresentato da un nastro unidimensionale potenzialmente infinito, quali sono le possibili operazioni che C è in grado di eseguire?

slide34
1.C può osservare delle caselle sul nastro e scrivere sul nastro dei simboli tratti da un alfabeto finito;

2.C può ricordare risultati determinati da passi precedenti del calcolo e utilizzare tale informazione nel seguito del calcolo;

3. Ogni operazione elementare che C può eseguire è determinata univocamente da ciò che C osserva e ricorda (cioè dal contenuto delle caselle osservate e dal contenuto degli stati interni).

slide35
Se con Turing assumiamo che le condizioni 1-3 siano le condizioni che possiamo assumere per un generico processo di calcolo, allora è possibile sostenere la seguente tesi:

TESI DI CHURCH-TURING

Ogni processo di calcolo effettivo (cioè ogni ‘algoritmo’) può essere realizzato mediante una macchina di Turing.

slide36
IMPORTANTE! LA TESI DI CHURCH-TURING NON È UN TEOREMA MA ‘SOLO’ UNA TESI SULLA NATURA DELLA CALCOLABILITÀ

Infatti nella formulazione della tesi di Church-Turing

«Ogni processo di calcolo effettivo (cioè ogni ‘algoritmo’) può essere realizzato mediante una macchina di Turing»

si utilizza il concetto di algoritmo, che come abbiamo visto, è in sé un concetto vago.

slide37
La tesi di Church-Turing non è dunque altro che la formulazione esplicita della convinzione che la nozione di MdT rappresenti in modo adeguato il concetto intuitivo di calcolabilità, algoritmicità o risolvibilità mediante procedura effettiva.
ma come fatta una mdt
Ma come è fatta una MdT?

Una MdT è definita da:

  • un nastro
  • una testina
  • uno stato interno
  • un programma
  • uno stato iniziale
il nastro
Il nastro

Il nastro è

* Infinito (cioè potenzialmente illimitato)

* suddiviso in celle

In una cella può essere contenuto un simbolo preso da un alfabeto opportuno

Un alfabeto è semplicemente un insieme di simboli

Una cella deve contenere un simbolo che appartiene all’alfabeto

lo stato interno e la testina
Lo stato interno e la testina
  • La macchina è dotata di unatestina di lettura/scrittura
  • La testina è in grado di leggere e scrivereilcontenutodellacella del nastrosu cui sitrova
  • La macchina ha unostatointerno
  • Uno stato è un elementoappartenenteall’insiemedeglistati
il programma di una mdt
Il programma di una MdT
  • Il comportamentodellamacchina è determinato da un insieme di regole
  • Unaregola ha la forma seguente:

(A, a, B, b, dir)

  • Unaregolavieneapplicata se lo statocorrentedellamacchina è A e ilsimbololettodallatestina è a
  • L’applicazionedellaregolascrivesulnastrob, cambia lo stato in B edeventualmentesposta la testina di unacella a sinistra o a destra (dir)
il funzionamento di una mdt
Il funzionamento di una MdT

La macchina opera come segue:

  • Determina la regola da applicare in base allo stato interno e al simbolo corrente (quello letto dalla testina)
  • Se esiste una tale regola cambia lo stato, scrive il simbolo sulla cella corrente si sposta come indicato dalla regola
  • Se non esiste la regola l’esecuzione termina

In questo modello non può esistere più di una regola per uno stato ed un simbolo corrente: la MdT è un sistema deterministico

slide45
Torniamo al nostro

Problema della Decisione

Data una qualsiasiproposizione A di L2, è possibile determinare se A è vera o falsa? Esiste cioè un ‘algoritmo’ capace di decidere se, per una qualsiasi proposizione A di L2, quella proposizione è vera o falsa?

Ora sappiamo cos’è un ‘algoritmo’: una MdT!

slide46
Vediamo allora il Problema della Decisione in termini di MdT:

Data una qualsiasiproposizione A, esiste una MdT capace di decidere se, per una qualsiasi proposizione A, quella proposizione è vera o falsa?

Teorema di Turing (1936)

Non esiste alcuna MdT capace di risolvere

il problema della decisione!

Vediamo perché (in termini qualitativi).

slide47
Intuitivamente, possiamo indicare una MdT come un algoritmo con input e output: l’input rappresenta il ‘dato in ingresso’ della MdT, mentre l’output rappresenta il risultato dell’applicazione della MdT all’input.

inputoutput

MdT

slide48
Possiamo cioè indicare una generica MdT usando i simboli di variabile n e m, cioè:

MdTn la n-esima MdT

m possibile input per MdTn

MdTn(m)  output di MdTn per input m

slide49
Consideriamo ora la seguente domanda (Problema della fermata): per m e ngenerici, la macchina di Turing MdTn si fermerà per l’input m?

Intuitivamente

“MdTn si ferma MdTn calcola

per l’input m” l’output MdTn(m)

“MdTnnon si ferma MdTnnon calcola

per l’input m” l’output MdTn(m)

slide50
La domanda

"Per m e ngenerici, la macchina di Turing MdTn si fermerà per l’input m?"

può avere però risposta soltanto se esiste un'altramacchina di Turing, che calcola – dati n, m qualsiasi – se MdTn si ferma per l'input m o no.

slide51

Si dimostra tuttavia che questo algoritmo non può esistere: il problema della fermata ha soluzione NEGATIVA. Ma se il problema della fermata non è risolvibile, allora nemmeno il problema della decisione è risolvibile: perché?

Formula A

A è vera A non è vera

[MdT si ferma [MdT non si

per l’input A]ferma per l’input A]

MdT

slide52
Riassumendo:

Problema della Decisione

RISOLVIBILEper LE NON RISOLVIBILEper LP

Esiste un algoritmo capace Non esiste un algoritmo

di decidere (  tavole di verità) generale capace di decidere