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
UniversitŠt Bielefeld
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
3. Vorlesung Methoden der KŸnstlichen Intelligenz 5
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
3. Vorlesung Methoden der KŸnstlichen Intelligenz 6
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))))
UniversitŠt Bielefeld
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
UniversitŠt Bielefeld
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. Vorlesung Methoden der KŸnstlichen Intelligenz 9
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.:
3. Vorlesung Methoden der KŸnstlichen Intelligenz 10
Kernideen von Frames
(bzw. allgemein von objektzentrierten Repräsentationen)
uVererbungshierarchien uzugeordnete Prozeduren uErwartungswerte (Defaults) uVerwendungsaspekte
a) Eigenschaftszuschreibung
b) Klassifikation anhand von Eigenschaften
UniversitŠt Bielefeld
Vererbungshierarchie - Beispiel
Objekt Eigenschaften Werte Elefant : ist_ein : Säugetier
Farbe : grau
hat : Rüssel
Größe : groß
Lebensraum : Boden Objekt Eigenschaften Werte Säugetier : ist_ein : Wirbeltier
Vermehrung : lebendgebärend
... ...
UniversitŠt Bielefeld
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
3. Vorlesung Methoden der KŸnstlichen Intelligenz 13
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
3. Vorlesung Methoden der KŸnstlichen Intelligenz 14
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.
UniversitŠt Bielefeld
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)
UniversitŠt Bielefeld
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
3. Vorlesung Methoden der KŸnstlichen Intelligenz 17
... zu Frames (Ausschnitt)
Objekt Eigenschaften Werte Elefant : ist_ein : Säugetier
Farbe : grau
hat : Rüssel
Größe : groß
Lebensraum : Boden Objekt Eigenschaften Werte Säugetier : ist_ein : Wirbeltier
Vermehrung : lebendgebärend
... ...
3. Vorlesung Methoden der KŸnstlichen Intelligenz 18
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 .
UniversitŠt Bielefeld
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!
UniversitŠt Bielefeld
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)
3. Vorlesung Methoden der KŸnstlichen Intelligenz 21
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)
3. Vorlesung Methoden der KŸnstlichen Intelligenz 22
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:
UniversitŠt Bielefeld
<Frame-Bild>
UniversitŠt Bielefeld
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