Sistemi basati su conoscenza

1
Sistemi basati su conoscenza

• Prof. M.T. PAZIENZA
• a.a. 2005-2006

2
Struttura del corso

• Lezioni
• Esercitazioni
• Approfondimenti tematici
• Test di autovalutazione
• Esame finale (2 appelli a fine corso)

3
Syllabus (argomenti e struttura delcorso)

• Sistemi basati su conoscenza rappresentazione e
  ragionamento
• Agenti intelligenti autonomia, struttura,
  interazione con lambiente
• Agenti che ragionano ragionamento,
  rappresentazione e logica
• Programmazione logica Prolog
• Basi di conoscenza rappresentazione formale,
  relazioni di dominio, ontologie, inferenze

4
Syllabus (2)

• Semantic Web, Ontologie, RDF, OWL
• Sistemi di ragionamento logico
• Linguaggio naturale
• 
  
• I test di autovalutazione metodi di ricerca
• II test di autovalutazione esercizi di progr.
  Prolog
• III test di autovalutazione proget. basi di
  conoscenza, ontologie
• Prova finale e Prova di appello

5
Syllabus (3)

• Libro di testo Intelligenza Artificiale un
  approccio moderno, Russel e Norvig Prentice
  Hall (capitoli selezionati)
• Presentazioni ppt del docente
• Dispense
• Documentazione su rete

6
Risoluzione di problemi

• Definizione di appropriate strategie di ricerca
• Individuazione di passi di ragionamento
  elementari, la cui giustapposizione porta alla
  identificazione di soluzioni ai problemi
• Non viene utilizzata conoscenza di dominio
• In domini complessi le prestazioni sono limitate

7
Conoscenza a priori del dominio

• La conoscenza del dominio permette di utilizzare,
  nella risoluzione dei problemi, passi meno
  elementari con un processo di ragionamento più
  ampio e complesso
• Quindi si possono risolvere problemi più
  complessi laddove si abbia una qualche conoscenza
  del dominio

8
Sistemi basati su conoscenza

• Rappresentazione della conoscenza
• Ragionamento
• Logica come linguaggio formale di supporto sia
  per la rappresentazione che per il ragionamento

9
Architettura di un sbc

10
Architettura di un sbc

• Componenti principali / ruoli
• Meccanismo di controllo (motore dinferenza) /
  software engineers
• Base di conoscenza / knowledge engineersdomain
  experts
• Interfaccia utente / users

11
Architettura di un sbc

• Componenti principali
• Meccanismo di controllo (motore dinferenza)
  algoritmi domain-independent
• Base di conoscenza contenuto domain-dependent
  (insieme di frasi in un linguaggio formale)

12
Rappresentazione

• Una rappresentazione è qualunque notazione o
  insieme di simboli che rap-presenta (re-present)
  qualcosa a qualcun altro.
• Una rappresentazione di qualcosa sta al posto di
  quel qualcosa

13
Rappresentazione

• Ogni rappresentazione rappresenta solo qualche
  aspetto del mondo,
• ovvero ciò che si vuole sottolineare.
• Rappresentazione
• Versus
• Conoscenza del mondo
• (come riferimento)

14
Rappresentazione

• Diversi modi in cui la conoscenza sembra essere
  organizzata (es. oggetti, relazioni, schemi)
• Versus
• Diversi modi in cui la conoscenza può essere
  rappresentata (immagini, proposizioni, )

15
Un esempio

• Marco occupa la stanza 118
• Giovanni occupa la stanza 119
• Ingrid occupa la stanza 123
• Rappresentaz. analogica Rappresentaz.
  proposizionale
• Ulteriori informaz. spaziali e temporali
  Informazioni esplicite

16
Un altro esempio

• Immagine Testo
• Il libro è sul tavolo
• on(book,desk)
• Rappresentaz. analogica Rappresentaz.
  proposizionale
• - Info implicita - Simboli discreti
• - Niente simboli - Simboli per relazioni
• - Nessuna regola compos. simboli - Regole
  grammaticali compos.
• - Concretezza - Astrazione rappres.

17
Sistemi basati su conoscenza

• Rappresentazione della conoscenza
• Assumiamo di poter descrivere il mondo in
  termini di frasi nel nostro linguaggio.
• Una base di conoscenza è un insieme di frasi,
  ovvero una descrizione parziale del mondo. Ci
  riferiremo ad esso come ad un universo del
  discorso (o dominio del discorso)
• Tutte le frasi sono descrizioni (nel ling. nat.
  si può fare molto di più porre domande, ordini,
  esprimere dubbi,)

18
Sistemi basati su conoscenza

• Logica come linguaggio formale di supporto per la
  rappresentazione della conoscenza ed il
  ragionamento
• La logica consiste di un linguaggio e di una
  procedura di inferenza.

19
Logica come linguaggio formale

• In un linguaggio logico (come per un qualsiasi
  altro linguaggio) bisogna definire formalmente la
  sintassi, un vocabolario, gli operatori ed i
  connettivi logici, oltre alle regole per
  combinarli tra loro.
• Bisogna poter assegnare significato alle frasi
  del linguaggio (model theory)

20
Logica come linguaggio formale

• Procedura dinferenza
• Bisogna poter attuare inferenze valide da un
  insieme di frasi del linguaggio indipendentemente
  dal loro significato
• (proof theory)
• In logica la procedura di inferenza è di tipo
  deduttivo.Linduzione e labduzione sono altri
  due tipi di inferenza

21
Logica come linguaggio formale

• Tipologie di inferenza
• Deduzione dati degli assiomi veri, le inferenze
  che si possono effettuare sono sempre vere.
• Abduzione si possono inferire ipotesi
  eventualmente vere (diagnosi) da fatti veri
• Induzione inferire relazioni generali (imparare)
  da alcuni esempi veri
• In logica la procedura di inferenza è di tipo
  deduttivo (inferenza sempre vera).
• Linduzione e labduzione sono due tipi di
  inferenza che non assicurano la verità
  dellinferenza

22

• Conceptual Knowledge Process

UNDERSTAND
CREATE
REUSE
DISTRIBUTE
23
Gestione della conoscenza (fasi - 1)

• Creazione- analizzare come in un processo
  (aziendale) si forma conoscenza a livello
  individuale e di organizzazione
• Comprensione- verificare, rappresentare,
  sintetizzare, adattare, collegare la nuova
  conoscenza alla preesistente (nellazienda) in
  modo comprensibile allorganizzazione tutta

24
Gestione della conoscenza (fasi - 2)

• Distribuzione- la conoscenza (aziendale) deve
  essere accessibile agli individui ed
  allorganizzazione nel suo insieme
• Riuso- applicare la conoscenza ad un processo
  (aziendale) si può creare nuova conoscenza

25
Gestione della conoscenza

• I sistemi basati su conoscenza gestiscono la
  conoscenza (aziendale) attraverso processi che
  collezionano, memorizzano e riusano conoscenza
  passando da un livello individuale a quello
  aziendale (conoscenza condivisa).
• Sistemi esperti, sistemi di ragionamento basati
  su casi, ontologie, sono esempi di metodologie
  per la gestione della conoscenza

26
Sistemi esperti

• I sistemi esperti sono dei sistemi che
  realizzano un task come lo farebbe un esperto
  umano, e che possono spiegare il meccanismo di
  ragionamento impiegato.
• I sistemi esperti sono sistemi basati su
  conoscenza in cui
• la base di conoscenza è costituita da una
• rappresentazione della conoscenza di dominio
  prodotta da un esperto (rappresentazione della
  conoscenza esperta e dei meccanismi di
  ragionamento - regole)

27
Sistemi esperti - regole

• Una regola consiste di due parti un antecedente
  ed un conseguente
• Lantecedente consiste di una o più condizioni
  che specificano quando e dove applicare la regola
• Se le condizioni sono soddisfatte
• Il conseguente specifica le azioni che devono
  essere intraprese

28
Sistemi esperti motore inferenziale

• Le regole che codificano lesperienza
  dellesperto nel sistema esperto sono contenute
  nella base di conoscenza
• Il meccanismo che sceglie le regole per
  verificare se possono essere usate in un problema
  si chiama motore inferenziale
• Il motore inferenziale verifica gli antecedenti
  delle regole, quindi, a seconda del loro valore,
  realizza le azioni specificate nei conseguenti
  delle regole.
• Una volta identificate le regole, si attivano le
  azioni correlate che possono cambiare lo stato
  del problema

29

• Expert System Cycle

Knowledge Capture
Rules (Knowledge Base)
Apply Knowledge
Select Knowledge
Knowledge Reuse
Current Problem State (Short-term Memory)
Inference Engine (Pattern Matching)
Modify Problem State
New Problems
30
Sistemi esperti motore inferenziale

• Il vantaggio offerto dalla tecnologia dei sistemi
  esperti è collegato alla possibilità di spiegare
  sia il metodo seguito per prendere delle
  decisioni che il processo risolutivo del problema.

31
Case-based systems

• La metodologia di ragionamento dei sistemi
  basati sui casi si basa sul riuso della
  conoscenza acquisita in situazioni precedenti per
  risolvere nuovi casi.
• Quando si incontra un nuovo caso bisogna
  ritrovarne uno simile per riapplicarne la
  strategia.
• La scelta di quale situazione precedente può
  essere riusata si basa sulla valutazione di
  similarità tra il vecchio e nuovo caso (euristica
  di similarità) e si basa sullassunzione che
  problemi simili abbiano soluzioni simili.

32
Case-based systems

• Per risolvere il nuovo problema è necessario
  adattare i metodi risolutivi, precedentemente
  usati, al nuovo caso creando così una nuova
  soluzione che viene aggiunta alle precedenti.
• Ladattamento può avvenire attraverso nuove
  regole.
• I sistemi basati su casi ben si adattano a
  problemi per i quali non si abbia una conoscenza
  completamente definita.

33

• CBR Cycle

New Case
Problem
RETRIEVE
Learned Case
Retrieved Case
New Case
Previous Case
REUSE
RETAIN
General Knowledge
REVIEW
Case Solved
Tested, Repaired Case
REVISE
Suggested Solution
Confirmed Solution
34
Ontologie

• Scopo principale delle ontologie è quello di
  fornire un linguaggio comune per supportare la
  condivisione della conoscenza concettuale.
• Le ontologie sono stata comunemente adottate come
  formalismo di rappresentazione della conoscenza
  per fornire un metodo di ragionamento secondo il
  senso comune a supporto di vari processi basati
  sulla conoscenza.
• Ontologie top level versus ontologie di dominio.

35
Rappresentazione della conoscenza

• In ambienti dichiarativi, i sistemi sono come un
  microcosmo cognitivo in cui è necessario
  stabilire quali siano le proprietà che il sistema
  di rappresentazione della conoscenza deve avere.
• Requisito minimo
• Ci deve essere una qualche corrispondenza tra il
  sistema di rappresentazione della conoscenza e la
  conoscenza che si sta rappresentando devono
  essere definiti simboli specifici per ogni
  oggetto che deve essere modellato nel sistema
  (adeguatezza metafisica)

36
Rappresentazione della conoscenza

• Proprietà
• Il sistema di rappresentazione della conoscenza
  deve essere in grado di rappresentare almeno
  tutta la conoscenza che può essere necessaria per
• distinguere due qualunque stati del microcosmo
  (adeguatezza epistemica)
• esprimere il ragionamento necessario alla
  risoluzione di un problema (adeguatezza
  euristica)
• Una qualunque rappresentazione deve poter essere
  manipolata dal sistema (trattabilità
  computazionale) (il ling. nat. non è trattabile,
  è computazionalmente-ambiguo)

37
Rappresentazione della conoscenza

• Un qualunque sistema di rappresentazione della
  conoscenza è formalmente equivalente al
  microcosmo che sta modellando.
• Due sistemi sono formalmente equivalenti se
• Per ciascuno stato distinto del primo esiste uno
  stato distinto del secondo
• Per ciascun possibile cambiamento di stato del
  primo esiste un analogo cambiamento di stato del
  secondo

38
Costruzione di una base di conoscenza

• Ingegneria della conoscenza
• Analisi del dominio peculiare
• Individuazione concetti importanti
• Rappresentazione formale di oggetti e relazioni
  nel dominio