9 Ausgewählte Themen
29. Vorlesung: Wiederholung und Zusammenfassung Teil 1
Methoden der KŸnstlichen Intelligenz
Ipke Wachsmuth ÊWS 2000/2001
29. Vorlesung Methoden der KŸnstlichen Intelligenz 2
Ziele der KI, kurz gesagt
KŸnstliche Intelligenz befa§t sich mit der Kon- struktion informationsverarbeitender Systeme,
¥ÊÊdie kognitive Leistungen modellieren und
¥ÊÊin technischen Anwendungen verwerten.
kognitionswissenschaftliches Ziel ingenieurswissenschaftliches Ziel
UniversitŠt Bielefeld
Methoden der KI WS 2000/2001
1 KI und symbolische Repräsentation
l Interne – symbolische – Repräsentation. Intelligenter Agent
l Repräsentation im Prädikatenkalkül; Inferenzregeln
l Alternative Notationen – Semantische Netze; Frames 2 Modellierung und Programmierung
l Repräsentationssprachen; Kognitive Kategorien
l Programmierstile; Aufgaben der KI-Programmierung
l Lisp, Prolog, Regelbasiertes Programmieren 3 Problemlösen und Suche
l Suchprobleme und Suchalgorithmen; Heuristische Suche
l Means-Ends Analysis, Diskriminationsnetze; Goal Trees
l Constraint Satisfaction; Planen; Einordnung
UniversitŠt Bielefeld
Intelligenter Agent: 1. Modell
Kognitive Verarbeitung
Reasoning
Wissensbasis Knowledge Base Perzepte Percepts
Handlungen Actions
Agent
Sensoren Effektoren
Umgebung Environment
u Agenten sind Systeme, die ihre Umgebung wahrnehmen (perceive) und in ihr handeln (act).
u Über Sensoren und Effektoren sind Agenten in ihre Umgebung gekoppelt.
u „Deliberative“ Agenten denken vor dem Handeln nach (reason), „reaktive“
handeln als Reflex.
(angelehnt an Russell & Norvig, Kap. 2)
(„deliberativ“: intentional, willentlich)
29. Vorlesung Methoden der KŸnstlichen Intelligenz 5
Unterschiedliche Paradigmen
Intelligenter Agent
u logisch motivierter Ansatz u rationales Denken und
Handeln
u „single-agent“-Architektur u symbolische
Repräsentation u Suchen, Planen,
Schlußfolgern
Autonomer Agent
u z.Tl. biologisch motiviert u reflexhaftes bis
zielstrebiges Handeln u Multiagentensysteme u heterogene, verteilte
Repräsentation u Kooperation und
Wettbewerb
(spŠter)
29. Vorlesung Methoden der KŸnstlichen Intelligenz 6
Interne Symbol-ReprŠsentation
u Eine idealisierte Darstellung der Welt in einer einheit- lichen (Symbol-)Sprache, in der ein Agent Aussagen über die Welt ausdrücken und manipulieren kann.
u Symbolische Repräsentationen müssen in mehrfacher Hinsicht eindeutig sein / gemacht werden:
l referentielle Ambiguität
l semantische Ambiguität
l funktionale Ambiguität
Arten der Mehrdeutigkeit
UniversitŠt Bielefeld
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
Aus (catch-object jack-2 ball-5)
Prädikat Argumente (slots) wird (catch-object catch-22 )
(catcher catch-22 jack-2) (caught catch-22 ball-5)
bzw. (catch-object catch-22
(catcher jack-2) (caught ball-5)) Prädikatenlogik-Notation
Slot-Assertion Notation
Slot-and-Filler Notation (immer noch PrŠdikatenlogik)
(FRAME Ð objektzentriert)
Zweck unter anderem: Ausdrücken funktionaler Beziehungen
29. Vorlesung Methoden der KŸnstlichen Intelligenz 9
Semantische Netze und Frames
Objekt Eigenschaften Werte Elefant : ist_ein : Säugetier
Farbe : grau
hat : Rüssel
Größe : groß
Lebensraum : Boden
Objekt Eigenschaften Werte Clyde : instanz_von : Elefant
Farbe : grau
hat : Rüssel
Größe : groß
Lebensraum : Boden
Elefant Wirbeltier
selbst- bewegend
lebend- gebŠrend
SŠugetier
Kopf
gro§
Fred Clyde
grau ist_ein
ist_ein
Farbe Grš§e
Boden
RŸssel Lebensraum hat
Beine Vermehrung
hat
hat Beweglichkeit
inst inst
Objekt Eigenschaften Werte Säugetier : ist_ein : Wirbeltier
Vermehrung : lebendgebärend
hat : Kopf, Beine
... ...
29. Vorlesung Methoden der KŸnstlichen Intelligenz 10
Kernideen von Frames
(bzw. allgemein von objektzentrierten Repräsentationen)
u Vererbungshierarchien u zugeordnete Prozeduren u Erwartungswerte (Defaults) u Verwendungsaspekte:
a) Eigenschaftszuschreibung
b) Klassifikation anhand von Eigenschaften Kritik an Framesprachen wie FRL:
l Alle Zusicherungen durch Ausnahmen überschreibbar
l Automatische Klassifikation neuer Objekte anhand ihrer Eigenschaften daher nicht möglich
l Radikale Konsequenz: Erwartungswerte (Defaults) und Abweichungen bei Objekt-Definition verbieten –> KL-ONE
UniversitŠt Bielefeld
Ideen von KL-ONE-Sprachen
u Trennung zwischen terminologischem und sonstigem Wissen („T-Box“, „A-Box“) u T-Box:
l Vererbungshierarchien mit präziser Semantik
l definierte Konzepte; keine Defaults
l automatische Klassifikation neuer Objekte anhand ihrer Eigenschaften möglich
u A-Box:
l Zuschreibung sonstiger (zufälliger) Eigenschaften für einzelne Individuen
T-Box:
Terminology A-Box:
Assertions
UniversitŠt Bielefeld
WissensreprŠsentation: Aufgaben
Entwurf von ReprŠsentations-
formalismen
Bereichs- modellierung
u Repräsentationsformalismen
l Beschreibungsmittel für symbolisch darzustellendes Wissen
l automatische aufgabengesteuerte Berechnung von Inferenzen über der Menge kodierten Wissens
u Modellierung bestimmter Fachgebiete und Weltbereiche
(„Domänen“)
29. Vorlesung Methoden der KŸnstlichen Intelligenz 13
Konzeptualisierung
u Jede formale Wissensrepräsentation basiert auf einer Konzeptualisierung der betrachteten Welt („Domäne“):
l Darunter versteht man die Objekte/Konzepte, deren Existenz für eine Domäne angenommen wird, und ihre Beziehungen (Relationen) untereinander.
u Eine Konzeptualisierung ist eine abstrakte (begriffliche) Sicht auf die zu modellierende Domäne.
u Für KI-Systeme/Agenten hängt also das, was in ihrer konzeptualisierten Welt existieren kann (die „Ontologie“), davon ab, was repräsentierbar ist.
29. Vorlesung Methoden der KŸnstlichen Intelligenz 14
Bereichsmodellierung: 3 Dinge
u Ontologie
Welche Objekte gibt es in dem betrachteten Weltausschnitt?
u Fakten
Welche Annahmen macht man über die Objekte eines Weltausschnitts (d.h. welche Aussagen über die Objekte hält man für wahr)?
u Gebrauch
Wie geht man mit diesem Wissen um (d.h. wie lassen sich Schlüsse ziehen / Berechnungen anstellen etc.)?
UniversitŠt Bielefeld
nur kurz: KI-Programmierung
Typische Anwendungen für KI-Methoden:
Verarbeitung von natürlicher Sprache und Bildern, maschinelles Problemlösen, Entscheidungsunterstützung, Konstruktion (teil-)autonomer Systeme (z.B. Roboter), ...
• Aufgaben i.a. sehr komplex und auf abstraktem Niveau
• Lösungsansätze basieren häufig auf kognitiven Modellen
>>> Klassen von Problemen führen zu problemspezifischen Verarbeitungsmodellen
Aufgaben der KI-Programmierung
• Entwurf, formale Spezifikation und Implementierung problemspezifischer Verarbeitungsmodelle
• Programmierung in diesen Modellen Welche Programmiersprache?
Frage nicht:
Welches ist die grundsätzlich bessere KI-Programmiersprache
sondern:
Welche Sprache ist zur Implementierung eines Verarbeitungsmodells für eine bestimmte Problemklasse gut geeignet?
UniversitŠt Bielefeld
Programmierstile
– Prozeduraler Programmierstil
Schrittweise ausgeführte Folgen von Anweisungen (Prozeduren) modifizieren Daten in einem Speicher – Funktionaler Programmierstil
Berechnung durch Auswertung von Funktionen (Abbildung von Definitionsbereich in Wertebereich)
– Logikorientierter Programmierstil
Deklarative Notierung von Problem und Lösungs"wissen" als logische Formeln, Berechnung durch Theorembeweisen – Objektorientierter Programmierstil
Berechnung durch Kommunikation: Austausch von Nachrichten zwischen aktiven unabhängigen Objekten – Regelbasierter Programmierstil
Berechnung durch Regelanwendung und deren Vorwärts- oder Rückwärtsverkettung
Die zugrundeliegenden Verarbeitungsmodelle (Programmiersprache + ausführende Maschine) sind sehr verschieden.
29. Vorlesung Methoden der KŸnstlichen Intelligenz 17
Problemlšsen durch Suche
u Suchproblem gegeben durch
l Beschreibung eines Startzustands
l Beschreibung eines Zielzustands
l Menge von Operatoren, die jeweils einen Zustand in einen anderen überführen
u Lösung eines Suchproblems
l konkreter Zustand, der der Beschreibung eines gewünschten Zielzustands genügt
l Folge von Operatoren, deren Anwendung vom Start- zum Zielzustand führt (Pfad) u Datenbasis
beschreibt die aktuelle Situation des Aufgabenbereichs und das Ziel der Problemlösung (in symbolischer Repräsentation) u Operatoren
können die Datenbasis manipulieren
u Kontrollstrategie
trifft Entscheidungen über die Auswahl von Operatoren zur schrittweisen Problemlösung
29. Vorlesung Methoden der KŸnstlichen Intelligenz 18
Allgemeiner Suchalgorithmus
u Anpassung an spezielle Suchaufgaben durch bereichs- spezifische Funktionen (als Argumente übergeben) u search beinhaltet:
l goal-test: eine Funktion, die testet, ob Zustand = Zielzustand
l successors: eine Funktion, die alle Operatoren auf den aktuell explorierten Zustand expl anwendet und alle neuen
Zustände ausgibt
l estimator: eine Funktion, die für einen Zustand eine geschätzte Distanz zum nächsten Zielzustand ausgibt (als nichtnegative Zahl)
„search“
(Der bestbewertete successor kommt vorn in eine Suchschlange.)
UniversitŠt Bielefeld
†bersicht: Suchraum/Goal Tree
u Suchraum
l Suchproblem: charakterisiert durch Startzustand und Zielzustandsbeschreibung (goal-state description)
l Operatoren: können einen Zustand in einen anderen transformieren
l Suchraum: Menge aller Zustände, die man durch Anwendung einer Folge von
u Goal Tree
l beschreibt eine Situation, in der ein Ziel durch das Lösen von Teilzielen erreicht werden kann
l jedes Teilziel kann aus mehreren Teilen bestehen, die konsistent zu lösen sind
l Zwei Knotentypen:
ODER: für Alternativen UND: für simultane Teilziele
l jeder nonsuccess-UND-Knoten kann eine Randbedingung an
Start
Ziel Teilziele
Ziel
UniversitŠt Bielefeld
Kontrollstrukturen fŸr Suche
u Breitensuche u Tiefensuche u Operatorordnung u Zustandsbewertung
u Bestensuche, A*-Algorithmus u Means-Ends Analysis
u Problemreduktion (Goal Trees) u constraint satisfaction
u wissensgestützte Suche
problem- unabhängig
problem- spezifisch
29. Vorlesung Methoden der KŸnstlichen Intelligenz 21
Constraint Satisfaction
u Constraints („Beschränkungen”, „Randbedingungen”) sind ein zunehmend häufig verwendetes Darstellungs- mittel, vor allem im Bereich Suche und Planen.
u Ein Constraint Satisfaction Problem (CSP) ist ein spezieller Problemtyp:
l die Zustände des Suchraums sind durch Werte einer Menge von Variablen definiert
l der goal-test spezifiziert eine Menge von Constraints, denen die Werte genügen müssen
u Ziel von Constraint-Systemen: Finden einer Lösung unter Beachtung aller Constraints
29. Vorlesung Methoden der KŸnstlichen Intelligenz 22
Planen: Definition und Arten
u Problembereich: Zustandsraum und Operatoren u Planungsproblem: Ausgangs- und Zielzustand u Lösung: Folge von Operatoren zur Überführung des
Ausgangszustandes in den Zielzustand
im Grundansatz zunächst klassisches Suchproblem Einstufiges (nichthierarchisches) Planen:
u systematisch alle Sequenzen von Operatoren durchprobieren u Gefahr der kombinatorischen
Explosion!
Mehrstufiges (hierarchisches) Planen:
u zunächst Grobplan (Sequenz von abstrakten Operatoren), dann schrittweise verfeinern u Nebeneffekte eines Operators
können Anwendung eines anderen verhindern.
UniversitŠt Bielefeld
Einordnung
Suche ist eine Grundmethode für KI-Programme und wird in der einen oder anderen Form häufig benötigt.
• Allgemeinste Suchprogramme haben sich in der Praxis als nicht fruchtbar erwiesen, außer für "genuine" Such- probleme (wie Puzzles).
• "Schwache Methoden" für Suche wie generate-and-test sind für komplexe Suchräume nicht adäquat
• Wie Menschen benutzen KI-Problemlöser heuristisches Wissen, um die Suche einzuschränken (aus Wissen über den Bereich abgeleitetes Kontrollwissen für die Suche)
UniversitŠt Bielefeld
Inferenzregeln (erster Einblick)
Deduktives Schließen (Modus ponens)
Gegeben daß (if p q ) und p gilt
schließe, daß q gilt.
Legaler Schluß in der Logik, generiert die Konsequenz aus bedingter Aussage und Fakt.
Abduktives Schließen
Gegeben daß (if p q ) und q gilt schließe, daß p gilt.
Kein legaler Schluß in der Logik, aber oft benutzt, um Hypothesen zu generieren.
Universelle Einsetzung (deduktiv)
Gegeben daß(forall(x) (Px)) gilt schließe, daß(Pa) für jede Konstante a gilt.
Legaler Schluß in der Logik, schließt vom Allgemeinen auf das Einzelne.
Induktives Schließen
Gegeben daß (Pa), (Pb), ... gilt schließe, daß (forall(x) Px)) gilt.
Kein legaler Schluß in der Logik, ist aber eine der Grundlagen von Lernen.