Methoden der KŸnstlichen Intelligenz

(1)

1 KI und symbolische Repräsentation

3. Vorlesung: Alternative Notationen: Semantische Netze; Frames

Methoden der KŸnstlichen Intelligenz

Ipke Wachsmuth ÊWS 2000/2001

3. Vorlesung Methoden der KŸnstlichen Intelligenz 2

ReprŠsentation einer Szene

block

yellow

table-1 block-2

red block-1

table inst

color supported-by supported-by

inst inst

block-2

block-1

table-1

(inst block-2 block) (color block-2 red)

(supported-by block-2 block-1) (inst block-1 block)

(color block-1 yellow) (supported-by block-1 table-1) (inst table-1 table)

u als Menge logischer Formeln u als semantisches Netz

color

UniversitŠt Bielefeld

Alternative Notationen

Semantische Netze (auch: "assoziative Netze") und prädikatenlogische Formeln repräsentieren die gleiche Information in unterschiedlichem Format:

• Knoten entsprechen Termen

• markierte gerichtete Kanten entsprechen Prädikaten

d.h. es handelt sich um alternative Notationen, nicht prinzipiell verschiedene Repräsentationen!

WAS IST ABER ANDERS?

Zusätzlich enthalten semantische Netze pointer (und manchmal auch back pointer ), die den Zugriff auf assoziierte Information (z.B. Instanzen) einfach machen:

INDEXING

Indexing-Schemata können aber auch in prädikatenlogischen Repräsentationen eingeführt werden.

--> später

ACHTUNG:

Manchmal isa für Element- und ako für Teilmengen-Beziehung!

ISA-Hierarchie und Vererbung

I S A : Òis aÓ Òist einÓ

AKO: Òa kind o f Ó

• Schlüsselkonzept der KI aus der Tradition semantischer Netze

• Instanzen "erben" Eigenschaften, die Individuenmengen (Klassen) zugeschrieben werden.

• Dies kann sich über ganze ISA-Hierarchien fortpflanzen.

INHERITANCE OF PROPERTIES Zweck: Ökonomie in der Wissensrepräsentation –> Suche entlang von inst- und isa-links, um nicht direkt verfügbare Information zu gewinnen (durch Vererbung).

inst entspricht

isa entspricht

(2)

Beispiel einer ISA-Hierarchie

elephant

animal move

amoeba

legs

higher animal

head

tiger

striped

clyde fred

gray

inst inst color isa isa

pattern

has-part has-part

isa can

isa

Welche Dinge haben Streifenmuster?

Haben Tiere Beine?

Was ist ein Elefant?

Kann Clyde sich bewegen?

property-inheritan c e-link

property-link

ACHTUNG – unterscheide:

Property-links von Klassen- Knoten eines semantischen Netzes (dog,mammal):

implizit allquantifizierte Assertionen*

Property-links von Instanz- Knoten (fido,fifi):

assertierte Fakten für Individuen

z.B. (sex fifi female) Type versus Token!

Idee von Eigenschaftsvererbung

dog

male

true mammal 4

meat

female fifi fido

high

inst inst sex

isa eats

sex

friendliness

furry numlegs

*Beispiel: prädikatenlogische Rekonstruktion der dog-properties (forall(x)(if (inst x dog)

(and (friendliness x high) (eats x meat))))

Slot-Assertion-Notation

Beispiele.

(catch-object jack-2 ball-5) (catch-object petra-1 keule-3)

Prädikat Argumente (slots)

werden repräsentiert als:

(inst catch-22 catch-object) (catcher catch-22 jack-2) (caught catch-22 ball-5) (inst catch-23 catch-object) (catcher catch-23 petra-1) (caught catch-23 keule-3)

Zweck: Ausdruck funktionaler Beziehungen

Auch dies sind prädikatenlogische Repräsentationen, die jedoch (durch die Slot-Prädikate) mehr ausdrücken als die oberen:

Funktionale Struktur

Slot-and-Filler Notation ^(Frames)

Die verschiedenen Slot-Assertions werden zu einem strukturierten Ausdruck kombiniert:

Aus (catch-object catch-22 ) (catcher catch-22 jack-2) (caught catch-22 ball-5)

wird (catch-object catch-22

(catcher jack-2) (caught ball-5))

Allgemeine

Struktur: (catch-object <token>

(catcher <token>) (caught <token>))

Aus einer Menge von Fakten (Assertionen) wird ein "objektzen- triertes" Format.

Objekt hier:

Das "catch-object- Ereignis catch-22"

(3)

Objekte/Frames

uFormalismen, mit denen eine Menge von Fakten

l strukturiert

l ökonomisch

l mit Basiswissen über die Verwendung

abgespeichert werden kann.

Objekt Eigenschaften Werte Elefant : ist_ein : Säugetier

Farbe : grau

hat : Rüssel

Größe : groß

Lebensraum : Boden z.B.:

Kernideen von Frames

(bzw. allgemein von objektzentrierten Repräsentationen)

uVererbungshierarchien uzugeordnete Prozeduren uErwartungswerte (Defaults) uVerwendungsaspekte

a) Eigenschaftszuschreibung

b) Klassifikation anhand von Eigenschaften

Vererbungshierarchie - Beispiel

Farbe : grau

hat : Rüssel

Größe : groß

Lebensraum : Boden Objekt Eigenschaften Werte Säugetier : ist_ein : Wirbeltier

Vermehrung : lebendgebärend

... ...

Konzepthierarchien

Bemerkungen:

l Manchmal wird für „Objekt“ auch

„Konzept“ gesagt.

l Manchmal wird für „Hierarchien“

wie links auch „Heterarchien“

gesagt.

l Es gibt viele Weisen, Hierarchien bzw. Heterarchien für eine „Welt“

anzugeben.

Lebewesen Tier

SŠugetier Haustier

Hund

(4)

Vererbungshierarchien

u dienen der ökonomischen Datenhaltung

l Objekte (genaugenommen Objektklassen) werden in Hierarchien strukturiert

l individuelle Eigenschaften werden beim Objekt selbst abgespeichert

l allgemeine Eigenschaften werden den Vorgängern in der Hierarchie zugeordnet und an alle Nachfolger vererbt

u flexibler: Vererbungsheterarchien

l Vererbung der Eigenschaften mehrerer Vorgänger möglich

l Möglichkeit der gezielten Unterdrückung einzelner Eigenschaften

Zugeordnete Prozeduren

u (kleine) Programme, die einer Eigenschaft eines Objektes zugeordnet sind und bei jedem Lese- oder Schreibzugriff auf dessen Wert ausgeführt werden, etwa um:

l aus vorhandenen Parametern neue zu berechnen, z.B. Alter aus Geburtsdatum

l Werteänderungen zu überwachen, z.B. bei jedem Schreibzugriff den neuen Wert auf dem Bildschirm anzeigen (active values)

u Zugeordnete Prozeduren können in einer Objekthierarchie (ähnlich wie Werte) vererbt werden.

Erwartungswerte (Defaults)

u Vorbelegungen von Werten, die normalerweise, aber nicht immer stimmen und daher durch konkrete Informationen überschrieben werden können.

u Beispiel:

(Vogel Flugfähigkeit ja) (Pinguin ist_ein Vogel)

(Pinguin Flugfähigkeit nein)

u ACHTUNG: Der Einsatz von Defaults kann erfordern, daß Schlußfolgerungen zurückgezogen werden müssen.

(typischerweise kšnnen Všgel fliegen)

Von semantischen Netzen ...

Elefant Wirbeltier

selbst- bewegend

lebend- gebŠrend

SŠugetier

Kopf

gro§

fred clyde

grau ist_ein

ist_ein

Farbe Grš§e

Boden RŸssel

hat Lebensraum

Beine Vermehrung

hat

hat Beweglichkeit

inst inst

Zahnweh hat

individuelle Eigenschaft generische Eigenschaft

(5)

... zu Frames (Ausschnitt)

Farbe : grau

hat : Rüssel

Größe : groß

Lebensraum : Boden Objekt Eigenschaften Werte Säugetier : ist_ein : Wirbeltier

Vermehrung : lebendgebärend

... ...

Beispielsprache FRL (1977)

u Frame (für jeweils ein Objekt) u Slots (für Eigenschaften) u Facetten (für „Wertarten“)

l $value ; tatsŠchlicher Wert des Slots

l $require ; Wertebereich fŸr $value

l $default ; Erwartungswert (Standardannahme)

l $if-added ; auszufŸhren bei Eintrag eines Werts fŸr $value

l $if-removed ; auszufŸhren bei Lšschen eines Werts fŸr $value

l $if-needed ; auszufŸhren falls $value-Wert benštigt wird

u Werte

(Frame Representation Language)

ãWerteÒ kšnnen auch (Lisp-) Prozeduren

sein .

Vererbungshierarchien in FRL

Objekt Eigenschaften Werte

Elefant : ist_ein : Säugetier

Farbe : grau

hat : ...

Größe : ...

Lebensraum : ...

Objekt Eigenschaften Werte

Clyde : ist_ein : Elefant

Farbe : ...

hat : ...

Größe : ...

Lebensraum : ...

Frame Elefant

Slot AKO Facette $value Wert Säugetier Frame Clyde

Slot AKO Facette $value Wert Elefant

ACHTUNG: Eigentlich zu unterscheiden:

• generische Objekte (Objektklassen)

• individuelle Objekte (Instanzen)

Manche Frame-Sprachen unterscheiden daher ISA- und AKO-Slots!

Problematik von Defaults

u FRAGE:

Was ist groß, grau, hat einen Rüssel und lebt auf Bäumen?

u ANTWORT:

Ein Elefant –

die Bäume sind eine Abweichung bezüglich des Lebensraums typischer Elefanten.

(Brachmann, 1985)

(6)

Kritik an Frame-Sprachen/FRL

u Alle Zusicherungen können durch Ausnahmen überschrieben werden.

u Eine automatische Klassifikation neuer Objekte anhand ihrer Eigenschaften ist daher nicht möglich.

u Radikale Konsequenz:

Erwartungswerte (Defaults) und Abweichungen bei der Objekt-Definition verbieten.

È Grundidee der KL-ONE-Sprachen (spŠter)

Ursprung von Frames

u Wiedererkennen von stereotypen Objekten (z.B. Wohnzimmer)

u Handeln bei stereotypen Ereignissen (z.B.

Kindergeburtstag)

u Beantwortung von Fragen über stereotype und konkrete Objekte

Nur der dritte Aspekt ist in FRL und den meisten Frame-Sprachen berücksichtigt.

Marvin Minsky (1975):

A framework for repre- senting knowledge. In P.H. Winston (ed.): The Psychology of Computer Vision. New York:

McGraw-Hill.

Kognitive Theorie über:

<Frame-Bild>

RŸckblick auf Teil 1

• Was ist Künstliche Intelligenz?

• Ziele und Vorhaben der KI

• Symbolverarbeitung; interne Repräsentation

• Eindeutigkeitsforderung: referentiell, semantisch, funktional

• Prädikatenkalkül; Inferenzregeln

• Alternative Notationen (Logik, semantische Netze, Frames)

• Verwendung: Eigenschaftszuschreibung bzw. Klassifikation

Leseempfehlung heute:

u Charniak & McDermott, Kapitel 1, Seite 22-29

Methoden der KŸnstlichen Intelligenz

1 KI und symbolische Repräsentation