Wissensreprsentation: Grundlagen Logik

Logisch schlieender Agent: ist ein Agent, der Wissen ber die reale Welt
enthlt, das
aus der Beschreibung mglicher Zustnde, Operationen und
Zusammenhnge besteht,
zur Ableitung von Zustandseigenschaften und Operationsfolgen genutzt
werden kann,
verndert bzw. gelernt werden kann.
Die Wissensbasis ist eine Menge von Stzen als Represntation von Fakten
(Tatsachen) der realen Welt.
Das Inferenzverfahren ist ein Mechanismus, der Stze aus den Stzen der
Wissensbasis ableitet.
Wissensreprsentationssprache ist eine Sprache zur Spezifikation von
Anfragen und nderungen an eine Wissensbasis, definiert durch
Syntax (Menge von Stzen als Reprsentationen des Agenten)
Semantik (Menge von reprsentierten Fakten der realen Welt)
Heinrich Jasper
KI: Wissensreprsentation

KI, DB/Informatik
T U Bergakademie Freiberg

Wissensreprsentation: Grundlagen Logik

Reprsentation der realen Welt mittels Wissen:

Beispiel

Reprsentation
Satz

Ableitung

Interpretation

Fakt

Satz

y= x+ 1

y >x

4 = 3+ 1
5 = 4+ 1

4>3
5>4

Interpretation

Folgerung

Fakt

reale Welt

Heinrich Jasper
KI: Wissensreprsentation

KI, DB/Informatik
T U Bergakademie Freiberg

Logik: Folgerung und Ableitung I

Interpretation: Zuordnung zwischen Stzen und Fakten

Wahrheit: Jeder Satz erhlt durch Interpretation einen Wahrheitswert (wahr =
1 oder falsch = 0), dies ist abhngig von Satz, Interpretation und Fakt der
Welt. Ein Satz ist allgemeingltig/ unerfllbar, falls er in jeder Interpretation
wahr/ falsch ist. Er ist erfllbar/ falsifizierbar, wenn er in mindestens einer
Interpretation wahr/ falsch ist.
Modell: Interpretation, in der ein Satz wahr ist
Eine Folgerung ist eine semantische Beziehung zwischen Interpretation von
Stzen F, G, fr die gilt, dass alle Modelle von F auch Modelle von G sind:
F |= G .
Eine Ableitung ist eine syntaktische Beziehung zwischen Stzen F, G, fr die
gilt, dass G durch Anwendung einer Inferenzverfahrens aus F erzeugbar: F G.

Heinrich Jasper
KI: Wissensreprsentation

KI, DB/Informatik
T U Bergakademie Freiberg

Logik: Folgerung und Ableitung II

Ein Inferenzverfahren legt elementare Schlussregeln fr Ableitungen und die
Steuerung deren Anwendung fest:
korrekt, wenn F G, dann F |= G
vollstndig, wenn F |= G , dann F G
monoton, wenn F1 |= G , dann (F1 F2 ) |=
G
lokal, wenn F |= G, dann ist F ein echter Teil der Wissensbasis
Ein Beweis ist die Aufzeichnung der Anwendung von Schlussregeln eines
Inferenzverfahrens.
Eine Logik ist ein formales System, das Syntax und Semantik einer Sprache und
ber einen Kalkl (Axiome und Regeln) Ableitungen zwischen Stzen der
Sprache definiert. Theorie
(Beispiele: Aussagen-, Prdikaten-, temporale, epistemologische, unscharfe,
ontologische, modale Logik)
Heinrich Jasper
KI: Wissensreprsentation

KI, DB/Informatik
T U Bergakademie Freiberg

Beispiel logisch schlieender Agent Schatzsuche in einer Hhle I

4
Fa
3
Ti

Go

Fa

2
1
Ag>

Fa

0
0

Fakten: (Faxy, Tixy, Goxy, Agxy, Orz)

rumliche Gegebenheiten einer Hhle (Wnde, Gnge)
Positonen von Fallgruben
Positon des Tieres
Positon des Goldes
Positon des Agenten
Orientierung des Agenten ()
Heinrich Jasper
KI: Wissensreprsentation

KI, DB/Informatik
T U Bergakademie Freiberg

Beispiel logisch schlieender Agent Schatzsuche in einer Hhle II

Operationen: (V L R B N)
Bewegen nach Vorn
Drehen nach Links oder Rechts
Einmaliges Bekmpfen des Tieres im Nachbarraum
Nehmen des Goldschatzes
Zusammehnge/ Eingnge: (G W F K S T)
Geruch in den Nachbarrumen des Tieres
Wind in den Nachbarrumen einer Fallgrube
Funkeln im Raum mit dem Gold
Krach beim Laufen gegen eine Wand
Schrei, falls das Tier getroffen wurde
Tod, wenn im Raum Fallgrube oder lebendes Tier
Ziel:
Finden des Goldes und Rckkehr zum Ausgangspunkt
nicht berschreiten eines Limits von Strafpunkten
Weg: (R V L L V R V R V L V N L L V R V L V)
Heinrich Jasper
KI: Wissensreprsentation

KI, DB/Informatik
T U Bergakademie Freiberg

Aussagenlogik I

Ziel: Verknpfung von Aussagen, mit Wahrheitswert, aber ohne innere Struktur
Syntax:
(Formel) ::= (atomare Formel) | (komplexe Formel)
(atomare Formel) ::= (Konstante) | (Variable)
(Konstante) ::= wahr|falsch
(Variable) ::= p|q|r|x|y|z| . . .
(komplexe Formel) ::=
((Formel)) | (Formel) (Junktor) (Formel) | (Formel)
(Junktor) ::= || |

Semantik:

x
0
0
1
1

y
0
1
0
1

x
1
1
0
0

xy
0
0
0
1

xy
0
1
1
1

Heinrich Jasper
KI: Wissensreprsentation

xy
1
1
0
1

xy
1
0
0
1

KI, DB/Informatik
T U Bergakademie Freiberg

Aussagenlogik II
Regeln:

R0: Substitution (Einsetzung):

x x[x/z ]
R1: Modus-Ponens (Abtrennung):
x, x y y
R2: Resolution (Schritt):
x y, y z x z
R3: Und-Elimination:
x 1 x 2 . . . x n x i
R4: Und-Einfhrung:
x 1 , x 2 , . . . , x 2 x 1 x 2 . . . x n
R5: Oder-Einfhrung:
x i , x 1 x 2 . . . x n
Heinrich Jasper
KI: Wissensreprsentation

KI, DB/Informatik
T U Bergakademie Freiberg

Agentenableitungsbeispiel Schatzsuche in einer Hhle

Stze des Agenten: (Beispielaxiome)
, G11 , G21 , G12
BA1 - BA5: Ag12 , Or
BA6 - BA10: W11 , W21 , W12 , Ti 11 , Ti 12
BA11: G21 Ti 11 Ti 22 Ti 31
BA12: G12 T i 31 T i 22 T i 11
BA13: Ag12 Or T i 13 V
BA14: AG12 Or V R
Ableitung des Agenten: (Beispieltheoreme)
BT15: Ti 11 Ti 22 Ti 31 (BA4, BA11, R1)
(BT15, R3)
BT16: Ti 22
(BA5, BA12, R1)
BT17: T i 13 T i 22 T i 11
(BT17, BA9, R2)
BT18: T i 13 T i 22
(BA18, BT16, R2)
BT19: T i 13
(BA1, BA2, BT19, R4)
BT20: Ag12 Or T i 13
(BT20, BA13, R1)
BT21: V
...
... ...
R
Aktion des Agenten: (Beispielaktion) R
Heinrich Jasper
KI: Wissensreprsentation

KI, DB/Informatik
T U Bergakademie Freiberg

Aussagenlogik: Axiome und Regeln

Ziel: Ableitung aller allgemeingltiger Formeln

Axiome:
A1: (p q) ((q r ) (p r ))
A2: (q r ) ((q r ) (p q r ))
A3: (p q) (p q)
A4: (p q) (q p)
A5: (p q) ((q p) (p q))
A6: (p q) (q p)
A7: (p q) ((p r ) (p q r )
A8: ((p q) p) p
Regeln:
R0: x x[y/z ]
R1: x, x y y

Heinrich Jasper
KI: Wissensreprsentation

A9:
A10:
A11:
A12:
A13:
A14:
A15:

p (q p)
p q p
p q q
p p q
q p q
p p
p p

KI, DB/Informatik
T U Bergakademie Freiberg

10

Logik Definitionen und Eigenschaften

Theoreme: sind Formeln, die aus den Axiomen mit Hilfe der Regeln
abgeleitet werden.
Beweise: sind Folgen von Regelanwendungen, die Axiome in Theoreme
berfhren (dies entspricht der Suche im Problemraum, der
durch das Axiomensystem aufgespannt wird).
Eigenschaften
vollstndig
der
entscheidbar
Aussagenlogik:
widerspruchsfrei
monoton
unabhngig

Heinrich Jasper
KI: Wissensreprsentation

KI, DB/Informatik
T U Bergakademie Freiberg

11

Beispiel: Risikobewertung Fahrzeug

Begriffe: Regen R, Nsse N , Schnee S, Gltte G, Verschmutzung V ,
Rutschgefahr Rg, Hohe Geschwindigkeit H g, Unfallrisiko U
BA1:
BA2:
BA3:
BT1:
BT2:
BT3:
BT4:
BT5:
BT6:
BT7:
BT8:
BT9:
BT10:
BT11:
BT12:
BT13:

R
Hg
RN

BA4:
BA5:
BA6:

SG
V G N Rg
H g Rg Ur

N
N V G
NV GN

(BA1, BA3, R1)

(A8, R0)
(BT1, BT2, R1)

Rg
Hg (Hg Hg)
Hg Hg
Rg (Hg Rg)
Hg Rg
(Hg Hg) ((Hg Rg) (Hg Hg Rg))
(Hg Rg) (Hg Hg Rg)
Hg Hg Rg
Hg Rg
Ur

(BT3, BA5, R1)

(A1, R0)
(BA2, BT5, R1)
(A1, R0)
(BT4, BT7, R1)
(A6, R0)
(BT6, BT9, R1)
(BT8, BT10, R1)
(BA2, BT11, R1)
(BT12, BA6, R1)

Heinrich Jasper
KI: Wissensreprsentation

KI, DB/Informatik
T U Bergakademie Freiberg

12

Aussagenlogische quivalenzen

Verschmelzung
DeMorgan
doppelte Negation

p (p q) p
(p q) p q
p p

Kontraposition
Konjunktion
Implikation
quivalenz
Idempotenz
Kommutativitt
Assoziativitt
Distributivitt

p q q p
p q (p q)
p q q q
(p q) (p q) (q
q) p p p
pq qp
p (q r) (p q) r
p (q r) (p q) (p
r)
p p 0

Konstanten

Heinrich Jasper
KI: Wissensreprsentation

p (p q) p
(p q) p q

ppp
pq qp
p (q r) (p q) r
p (q r) (p q) (p
r)
p p 1

KI, DB/Informatik
T U Bergakademie Freiberg

13

Normalisierung
Normalisierung ist die berfhrung einer Formel in konjunktive Normalform
durch quivalente Umforungen.
(Literal) ::= (atomare Formel) | (atomare Formel)
(Klausel) ::= (Literal) | (Literal) (Klausel)
(konjunktive Normalform) ::=
(Klausel) | (Klausel) (konjunktive Normalform)
Vorgehensweise zur Erstellung der konjunktiven Normalform:
Beseitigung von Implikationen und quivalenzen
Beseitigung nicht elementarer Negationen
Beseitigung nicht elementarer Disjunktionen
Beseitigung doppelter Negationen sowie redundanter Konjunktinen und
Disjunktionen

Heinrich Jasper
KI: Wissensreprsentation

KI, DB/Informatik
T U Bergakademie Freiberg

14

Umformungsbeispiel

Feuer F , Rauch R
(F R) (F R) (F R) (F R)
(F R) (F R) (F R) (F R)
((F R) F ) R
((F F ) (R F ) R)
((F F ) R) ((R F ) R) (F R) (R F )
(R F ) (R F )
R F

Heinrich Jasper
KI: Wissensreprsentation

KI, DB/Informatik
T U Bergakademie Freiberg

15

Alternative Axiomensysteme

Whitehead/ Russell:

Shoenfield:

AS1:
RS1:
RS2:
RS3:
RS4:
RS5:

AW1:
AW2:
AW3:
AW4:
RW1:
RW2:

x x x
x x y
x y y x
(x y) (z x z y)
x, x y y
x y[y/z ]

x x
x x x
x y x
(x (y z)) ((x y) z)
x y, y z x y
x y[y/z ]

Heinrich Jasper
KI: Wissensreprsentation

KI, DB/Informatik
T U Bergakademie Freiberg

16

Prolog-Beispiel Tic Tac Toe (Auszug)

reihe([1,2,3]).
r eihe([4,5,6]).
reihe([7,8,9]).
reihe([1,4,7]).
reihe([2,5,8]).
reihe([3,6,9]).
reihe([1,5,9]).
reihe([3,5,7]).
leer(Q, B r e t t ) :-arg(Q, B r e t t , Wert), var(Wert).
kreuz(Q, B r e t t ) :-arg(Q, B r e t t , Wert),
nonvar(Wert),
Wert = x .
kreuz(Q, B r e t t ) :-arg(Q, B r e t t , Wert),
nonvar(Wert), Wert = o.
bedroht([X,Y,Z],B,X) : - l e e r ( X , B ) , kreuz(Y,B), kreuz(Z,B).
bedroht([X,Y,Z],B,Y) :-kreuz(X,B), leer(Y,B), kreuz(Z,B).
bedroht([X,Y,Z],B,Z) :-kreuz(X,B), kreuz(Y,B), l eer(Z,B).
erzwungenerZug(Brett, Q) : - r e i h e ( R ) , bedroht(R, B r e t t , Q).
Heinrich Jasper
KI: Wissensreprsentation

KI, DB/Informatik
T U Bergakademie Freiberg

17