WPROWADZENIE DO SZTUCZNEJ INTELIGENCJI
|
|
- Krzysztof Czerwiński
- 6 lat temu
- Przeglądów:
Transkrypt
1 POLITECHNIKA WARSZAWSKA WYDZIAŁ MECHANICZNY ENERGETYKI I LOTNICTWA MEL WPROWADZENIE DO SZTUCZNEJ INTELIGENCJI NS 586 Dr inż. Franciszek Dul
2 9. WNIOSKOWANIE W LOGICE PIERWSZEGO RZĘDU
3 Wnioskowanie w logice pierwszego rzędu Pokażemy, w jaki sposób uogólnić algorytmy wnioskowania rachunku zdań tak, aby wnioskować w logice pierwszego rzędu.
4 Jak wnioskować z kwantyfikatorami... W języku logiki pierwszego rzędu można opisać świat w sposób ścisły, a zarazem bardzo zwięzły. Zwięzłość opisu osiąga się poprzez użycie obiektów, relacji między nimi, funkcji oraz kwantyfikatorów. Występowanie kwantyfikatorów uniemożliwia jednak prowadzenie wnioskowania w taki sposób, jak w rachunku zdań. Zdania zapisane w języku logiki pierwszego rzędu muszą więc najpierw być przekształcone do postaci umożliwiającej wnioskowanie: - do postaci rachunku zdań, albo - do postaci które umożliwiają wnioskowanie bezpośrednie w FOL za pomocą przekształconych metod wnioskowania.
5 9.1. Sprowadzenie wnioskowania logiki pierwszego rzędu do wnioskowania w rachunku zdań Idea: należy zastąpić zdania kwantyfikowne przez zbiór zdań bez kwantyfikatorów. Zbiór zdań zdekwantyfikowanych powinien być równoważny logicznie wyjściowemu zbiorowi zdań kwantyfikowanych lub co najmniej spełnialny (t.j. prawdziwy dla pewnych modeli). Eliminacja kwantyfikatorów ogólnych Zastąpienie zmiennej przez symbol podstawowy (ground term) Eliminacja kwantyfikatorów szczegółowych skolemizacja
6 9.1. Sprowadzenie FOL do PL Podstawienie ogólne (universal instantiation, UI) Subst(θ,α) = podstawienie wyrażenia θ do zdania α. Każde podstawienie do zdania z kwantyfikatorem ogólnym pewnego wyrażenia za zmienną kwantyfikowaną wynika z tego zdania, tj. v α(v) Subst( {v/g}, α ) Za zmienną v podstawiamy wyrażenie g Zachodzi to dla każdej zmiennej v i każdego wyrażenia g. Przykład Podstawienie do zdania x Król(x) Chciwy(x) Zły(x) wyrażeń: {x/jan} i {x/ojciec(jan)} daje zdania: Król(Jan) Chciwy(Jan) Zły(Jan) Król(Ojciec(Jan)) Chciwy(Ojciec(Jan)) Zły(Ojciec(Jan)) Zdanie z kwantyfikatorem ogólnym jest równoważne zbiorowi zdań z podstawieniami wszystkich obiektów z dziedziny.
7 9.1. Sprowadzenie FOL do PL Podstawienie szczegółowe (existential instantiation, EI) Dla każdego zdania α, zmiennej v i stałej k która nie występuje w bazie wiedzy KB zachodzi wynikanie v α(v) Subst( {v/k}, α ) Przykład Podstawienie stałej C do zdania daje zdanie x Korona(x) NaGłowie(x,Jan) Korona(C) NaGłowie(C,Jan) Stała C nazywa się stałą Skolema, zaś procedura jej podstawienia skolemizacją. Stała Skolema którą chcemy użyć nie może występować w bazie KB - w przeciwnym razie relacja wynikania zbioru zdań skolemizowanych z bazy KB nie jest spełniona.
8 9.1. Sprowadzenie FOL do PL Różnice pomiędzy podstawieniami: ogólnym (UI) i szczegółowym (EI) Podstawienie ogólne (UI) może być wykonane wielokrotnie w celu dodania nowych zdań do bazy wiedzy. Nowa baza wiedzy KB jest równoważna logicznie bazie starej. Podstawienie szczegółowe (EI) może być wykonane tylko raz, w celu eliminacji kwantyfikatora szczegółowego. Nowa baza wiedzy KB nie jest równoważna logicznie bazie starej, ale jest spełnialna (tj. prawdziwa dla pewnych modeli) jeżeli baza wyjściowa była spełnialna. Twierdzenie (Herbrand, 1930) Jeżeli zdanie α wynika z bazy wiedzy pierwszego rzędu, to wynika ze skończonego podzbioru równoważnej bazy predykatowej.
9 9.1. Sprowadzenie FOL do PL Sprowadzenie wnioskowania FOL do wnioskowania w rachunku zdań Załóżmy, że baza wiedzy KB zawiera następujące zdania i wyrażenia: x Król(x) Chciwy(x) Zły(x) Król(Jan) Chciwy(Jan) Brat(Ryszard,Jan) Wykonanie wszystkich możliwych podstawień osób, tj: {x/jan}, {x/ryszard} daje w wyniku nową bazę KB: Król(Jan) Chciwy(Jan) Zły(Jan) Król(Ryszard) Chciwy(Ryszard) Zły(Ryszard) Król(Jan) Chciwy(Jan) Brat(Ryszard,Jan) Nowa baza wiedzy jest już czysto predykatowa (KB PL) nie ma w niej kwantyfikatorów.
10 9.1. Sprowadzenie FOL do PL Każda baza wiedzy zapisana w logice pierwszego rzędu (KB FOL) może być sprowadzona do bazy predykatowej (KB PL) w taki sposób, że wynikanie jest zachowane, tj, Zdanie wynika z przekształconej bazy KB wtedy i tylko wtedy, gdy wynika z bazy pierwotnej. Po przekształceniu KB FOL do KB PL możemy zadawać pytania i otrzymywać odpowiedzi w postaci predykatowej. Czy wynikanie w logice pierwszego rzędu jest gwarantowane? Niestety... Twierdzenie (Turing, Church, 1936) Wynikanie w logice pierwszego rzędu jest półrozstrzygalne (semidecidable). Oznacza to, że : istnieją algorytmy które dają odpowiedź twierdzącą na każde zdanie wynikające z bazy KB FOL, ale nie ma algorytmów które odpowiadają przecząco na każde zdanie nie wynikające z bazy KB FOL.
11 9.1. Sprowadzenie FOL do PL Problemy ze sprowadzeniem FOL do PL Sprowadzenie bazy FOL do postaci predykatowej prowadzi do utworzenia wielu, często nieistotnych, zdań. Przykład Z bazy x Król(x) Chciwy(x) Zły(x) Król(Jan) y Chciwy(y) Brat(Ryszard,Jan) wynika zdanie Zły(Jan), ale również wiele innych zdań: Zły(Ryszard), Chciwy(Jan), Chciwy(Ryszard). Funkcje mogą generować nieskończone ciągi wyrażeń, np. Ojciec(Ojciec(Ojciec(Jan)))... Sprowadzenie FOL do PL generuje dużą liczbę podstawień. Dla p zdań k-krotnych i n stałych istnieje p n k podstawień.
12 Wnioskowanie w bazie predykatowej Przekształcenie bazy zapisanej w języku logiki pierwszego rzędu do bazy predykatowej pozwala prowadzić wnioskowanie metodami rachunku zdań. Jednak takie postępowanie może być wysoce nieefektywne, gdyż eliminacja kwantyfikatorów ogólnych może spowodować lawinowy wzrost liczby zdań w bazie przekształconej. Lepszym rozwiązaniem jest modyfikacja algorytmów wnioskowania w taki sposób, aby można było prowadzić wnioskowanie bezpośrednio w bazie FOL. Osiąga się to poprzez zastosowanie operacji podniesienia i unifikacji oraz wykorzystanie uogólnionej reguły odrywania i algorytmu eliminacji (rezolucji).
13 9.2. Unifikacja i podniesienie Zamiast przekształcać bazę FOL do postaci PL, można przedefiniować reguły wnioskowania tak, aby były słuszne dla logiki pierwszego rzędu używającej kwantyfikatorów: ogólnych i szczegółowych. Na wyjściowej bazie należy najpierw dokonać operacji umożliwiających stosowanie przedefiniowanych reguł wnioskowania. Unifikacja jest to procedura rekurencyjna pozwalająca sprawdzić, czy istnieje podstawienie sprowadzające dwa wyrażenia do takiej samej postaci. Podniesienie (lifting) - wykonanie podstawień które pozwalają prowadzić wnioskowanie w bazie FOL.
14 9.2. Podniesienie i unifikacja Unifikacja Unifikacja zdań α, β za pomocą podstawienia θ może być zdefiniowana następująco Unify(α,β) = θ jeżeli Subst(θ,α) = Subst(θ,β) Unifikacja jest to procedura rekurencyjna pozwalająca sprawdzić, czy istnieje podstawienie sprowadzające dwa wyrażenia do takiej samej postaci. Przykłady: Król(x) i Chciwy(x) oraz Król(Jan) i Chciwy(y). Podstawienie θ = { x/jan, y/jan } unifikuje obie pary zdań. Kobieta(Anna) i Mężczyzna(Jan) nie unifikują się; Kobieta(Anna) i Kobieta(Anna) unifikują się trywialnie; Kobieta(Anna) i Kobieta(Maria) nie unifikują się, gdyż mają różne argumenty; Unifikacja pozwala często istotnie zredukować liczbę zdań zawartych w bazie wiedzy KB.
15 9.2. Podniesienie i unifikacja Unifikacja Przykłady problemów unifikacji: p q θ Zna(Jan,x) Zna(Jan,Maria)
16 9.2. Podniesienie i unifikacja Unifikacja Przykłady problemów unifikacji: p q θ Zna(Jan,x) Zna(Jan,Maria) {x/maria}
17 9.2. Podniesienie i unifikacja Unifikacja Przykłady problemów unifikacji: p q θ Zna(Jan,x) Zna(Jan,Maria) {x/maria} Zna(Jan,x) Zna(y,Adam)
18 9.2. Podniesienie i unifikacja Unifikacja Przykłady problemów unifikacji: p q θ Zna(Jan,x) Zna(Jan,Maria) {x/maria} Zna(Jan,x) Zna(y,Adam) {x/adam,y/jan}
19 9.2. Podniesienie i unifikacja Unifikacja Przykłady problemów unifikacji: p q θ Zna(Jan,x) Zna(Jan,Maria) {x/maria} Zna(Jan,x) Zna(y,Adam) {x/adam,y/jan} Zna(Jan,x) Zna(y,Matka(y))
20 9.2. Podniesienie i unifikacja Unifikacja Przykłady problemów unifikacji: p q θ Zna(Jan,x) Zna(Jan,Maria) {x/maria} Zna(Jan,x) Zna(y,Adam) {x/adam,y/jan} Zna(Jan,x) Zna(y,Matka(y)) {y/jan,x/matka(jan)}
21 9.2. Podniesienie i unifikacja Unifikacja Przykłady problemów unifikacji: p q θ Zna(Jan,x) Zna(Jan,Maria) {x/maria} Zna(Jan,x) Zna(y,Adam) {x/adam,y/jan} Zna(Jan,x) Zna(y,Matka(y)) {y/jan,x/matka(jan)} Zna(Jan,x) Zna(x,Adam)
22 9.2. Podniesienie i unifikacja Unifikacja Przykłady problemów unifikacji: p q θ Zna(Jan,x) Zna(Jan,Maria) {x/maria} Zna(Jan,x) Zna(y,Adam) {x/adam,y/jan} Zna(Jan,x) Zna(y,Matka(y)) {y/jan,x/matka(jan)} Zna(Jan,x) Zna(x,Adam) {brak} Nie można podstawić {x/jan} bo otrzymamy Zna(Jan,Jan) niezgodne ze Zna(Jan,Adam) wystąpił konflikt nazw zmiennych. Aby usunąć konflikt nazw zastępujemy zmienną x w jednym ze zdań (np. w drugim) inną zmienną, np. z. Otrzymujemy Zna(Jan,x), Zna(z,Adam) Jest to standaryzacja która eliminuje konflikty nazw.
23 9.2. Podniesienie i unifikacja Podniesienie - uogólniona reguła odrywania (Generalized Modus Ponens) Jeżeli istnieje takie θ, że i Unify(p i,p i ) = θ, to p 1 ', p 2 ',, p n ', ( p 1 p 2 p n q) Subst(θ,q) Przykład p 1 ' oznacza Król(Jan) p 1 oznacza Król(x) p 2 ' oznacza Chciwy(y) p 2 oznacza Chciwy(x) θ oznacza {x/jan,y/jan} q oznacza Zły(x) Subst(θ,q) oznacza Zły(Jan) Uogólniona reguła odrywania (GMP) jest używana dla bazy wiedzy złożonej z klauzul Horna (tj. zawierających dokładnie jeden literał niezanegowany) Zakłada się, że wszystkie zmienne są kwantyfikowane ogólnie ( dla każdego ).
24 9.3. Algorytmy FOL wnioskowania w przód i wstecz Algorytmy wnioskowania w przód i wstecz dla logiki pierwszego rzędu (FOL) i logiki zdań (PL) są identyczne. Wnioskowanie w przód dla KB FOL Zaczynamy od zdań opisujących fakty dowiedzione; Stosujemy uogólnioną regułę odrywania dla FOL do wyprowadzenia nowych zdań; Dodajemy nowe zdania do bazy KB FOL; Wnioskowanie kończymy, jeżeli wyprowadzimy udowadniane zdanie lub gdy dalsze wnioskowanie nie jest możliwe; Wnioskowanie wstecz dla KB FOL Zaczynamy od zdania, które jest zapytaniem; Stosujemy uogólnioną regułę odrywania dla FOL znajdując zdania z których wynika dowodzone zdanie; Wnioskowanie kończymy, jeżeli przesłankami zdania aktualnie dowodzonego będą zdania bazy KB FOL które opisują fakty dowiedzione;
25 9.3. Algorytmy FOL wnioskowania w przód i wstecz Przykład wnioskowania z bazy wiedzy FOL Baza wiedzy KB FOL zawiera następujące zdania: Prawo USA stanowi, że przestępstwem jest sprzedaż broni do krajów wrogich. Kraj Nono, wróg USA, posiada pewną liczbę rakiet. Wszystkie te rakiety zostały sprzedane Nono przez niejakiego pułkownika Westa. Pułkownik West jest Amerykaninem. Dowieść, że w świetle prawa amerykańskiego pułkownik West jest przestępcą.
26 9.3. Algorytmy FOL wnioskowania w przód i wstecz Przykład wnioskowania z bazy wiedzy FOL Baza wiedzy w postaci zdań FOL: Jest przestępstwem gdy Amerykanin sprzedaje broń krajom wrogim: American(x Sells(x,y,z) ) Weapon(y) Hostile(z) Criminal(x) Nono posiada pewną liczbę rakiet, tj., x Owns(Nono,x) Missile(x) Owns(Nono,M 1 ) Missile(M 1 ) po skolemizacji {x/m 1 } Wszystkie rakiety zostały sprzedanie Nono przez pułkownika Westa Missile(x) Owns(Nono,x) Sells(West,x,Nono) Rakiety są bronią: Missile(x) Weapon(x) Wróg Ameryki jest krajem wrogim: Enemy(x,America) Hostile(x) Pułkownik West jest Amerykaninem American(West) Kraj Nono jest wrogiem Ameryki Enemy(Nono,America)
27 9.3. Algorytmy FOL wnioskowania w przód i wstecz Dowód poprzez wnioskowanie w przód
28 9.3. Algorytmy FOL wnioskowania w przód i wstecz Dowód poprzez wnioskowanie w przód
29 9.3. Algorytmy FOL wnioskowania w przód i wstecz Dowód poprzez wnioskowanie w przód
30 9.3. Algorytmy FOL wnioskowania w przód i wstecz Własności wnioskowania w przód Wnioskowanie w przód jest poprawne i zupełne dla bazy w postaci klauzul Horna pierwszego rzędu. Wnioskowanie w przód dla klauzuli Horna pierwszego rzędu nie zawierających funkcji wymaga skończonej liczby kroków. Wnioskowanie w przód w przypadku ogólnym może się nie zakończyć jeżeli zapytanie nie wynika z bazy FOL i nie można temu zaradzić, gdyż wynikanie z klauzulami Horna pierwszego rzędu jest półrozstrzygalne (patrz twierdzenie Turinga-Churcha). Wnioskowanie w przód jest szeroko używane w dedukcyjnych bazach wiedzy.
31 9.3. Algorytmy FOL wnioskowania w przód i wstecz Dowód poprzez wnioskowanie wstecz
32 9.3. Algorytmy FOL wnioskowania w przód i wstecz Dowód poprzez wnioskowanie wstecz
33 9.3. Algorytmy FOL wnioskowania w przód i wstecz Dowód poprzez wnioskowanie wstecz
34 9.3. Algorytmy FOL wnioskowania w przód i wstecz Dowód poprzez wnioskowanie wstecz
35 9.3. Algorytmy FOL wnioskowania w przód i wstecz Dowód poprzez wnioskowanie wstecz
36 9.3. Algorytmy FOL wnioskowania w przód i wstecz Dowód poprzez wnioskowanie wstecz
37 9.3. Algorytmy FOL wnioskowania w przód i wstecz Dowód poprzez wnioskowanie wstecz
38 9.3. Algorytmy FOL wnioskowania w przód i wstecz Własności wnioskowania wstecz Przy rekurencyjnym dowodzeniu w głąb pamięć zależy liniowo od długości dowodu. Wnioskowanie wstecz jest niezupełne z powodu możliwości zapętlenia się algorytmu (ale można temu zapobiec); Wnioskowanie wstecz może być nieefektywne gdy wielokrotnie sprawdza cele już osiągnięte (można temu zaradzić kosztem dodatkowej pamięci). Wnioskowanie wstecz jest szeroko używane w programowaniu logicznym.
39 9.5. Eliminacja (rezolucja) Zasada eliminacji pozwala dowodzić twierdzenia sformułowane w języku logiki pierwszego rzędu. Zasada eliminacji dla logiki pierwszego rzędu ma postać l 1 l i l k, m 1 m k m n Subst(θ, l 1 l i-1 l i+1 l k m 1 m j-1 m j+1 m n ) gdzie Unify(l i, m k ) = θ. Obie klauzule (alternatywy l j oraz m j ) muszą być standaryzowane, aby nie miały wspólnych zmiennych. Aby zastosować eliminację baza FOL musi być najpierw przekształcona do postaci koniunktywnej normalnej (CNF). Udowodnienie zdania α poprzez rezolucję polega na wykazaniu, że ( KB FOL α ) jest niespełnialne. Zasada rezolucji stosowana jest m.in. przy weryfikacji poprawności projektów układów elektronicznych, przy dowodzeniu poprawności programów, itp.
40 9.5. Eliminacja (rezolucja) Przykład Dane są zdania Bogaty(x) Nieszczęśliwy(x) Bogaty(Jan) Podstawienie θ = { x/jan } sprowadza klauzule Bogaty(x) Bogaty(Jan) do postaci komplementarnej. Eliminacja Bogaty(Jan) Nieszczęśliwy(Jan) Bogaty(Jan) Nieszczęśliwy(Jan) prowadzi więc do wniosku, że Jan jest nieszczęśliwy mimo, że jest bogaty.
41 9.5. Eliminacja (rezolucja) Sprowadzenie zdań FOL do postaci CNF Zdanie Każdy kto kocha wszystkie zwierzęta jest kochany przez kogoś. x [ y Animal(y) Loves(x,y) ] [ y Loves(y,x) ] Reguła eliminacji implikacji, x y x y Eliminacja obu implikacji x [ y Animal(y) Loves(x,y) ] [ y Loves(y,x) ] x [ y Animal(y) Loves(x,y) ] [ y Loves(y,x) ] Reguły negacji kwantyfikatorów, x p x p, x p x p Przesunięcie negacji do wnętrza wyrażeń, x [ y ( Animal(y) Loves(x,y)) ] [ y Loves(y,x) ] x [ y Animal(y) Loves(x,y) ] [ y Loves(y,x) ] x [ y Animal(y) Loves(x,y) ] [ y Loves(y,x)]
42 9.5. Eliminacja (rezolucja) Sprowadzenie zdań FOL do postaci CNF Standaryzacja: każdy kwantyfikator musi używać innej zmiennej x [ y Animal(y) Loves(x,y) ] [ z Loves(z,x) ] Skolemizacja: ogólna forma podstawienia szczegółowego. Każdą zmienną szczegółową zastępuje się przez funkcję Skolema zmiennej zewnętrznej kwantyfikatora ogólnego: F(x) zwierzę być może nie kochane przez x, G(x) ktoś, kto może kochać x. x [ Animal(F(x)) Loves(x,F(x)) ] Loves(G(x),x) Opuszczenie kwantyfikatora ogólnego [ Animal(F(x)) Loves(x,F(x)) ] Loves(G(x),x) Przekształcenie do postaci koniunkcji alternatyw: [ Animal(F(x)) Loves(G(x),x) ] [ Loves(x,F(x)) Loves(G(x),x) ] Powyższa postać CNF jest zupełnie nieczytelna, ale nadaje się do dowodzenia automatycznego.
43 9.5. Eliminacja (rezolucja) Dowód rezolucyjny dla kaluzuli Horna American(x Sells(x,y,z) ) Weapon(y) Hostile(z) Criminal(x)
44 9.5. Eliminacja (rezolucja) Dowód rezolucyjny dla kaluzuli Horna American(x Sells(x,y,z) ) Weapon(y) Hostile(z) Criminal(x)
45 9.5. Eliminacja (rezolucja) Dowód rezolucyjny dla kaluzuli Horna American(x Sells(x,y,z) ) Weapon(y) Hostile(z) Criminal(x) {x/west}
46 9.5. Eliminacja (rezolucja) Dowód rezolucyjny dla kaluzuli Horna American(x Sells(x,y,z) ) Weapon(y) Hostile(z) Criminal(x) {x/west}
47 9.5. Eliminacja (rezolucja) Dowód rezolucyjny dla kaluzuli Horna American(x Sells(x,y,z) ) Weapon(y) Hostile(z) Criminal(x) {x/west}
48 9.5. Eliminacja (rezolucja) Dowód rezolucyjny dla kaluzuli Horna American(x Sells(x,y,z) ) Weapon(y) Hostile(z) Criminal(x) {x/west}
49 9.5. Eliminacja (rezolucja) Dowód rezolucyjny dla kaluzuli Horna American(x Sells(x,y,z) ) Weapon(y) Hostile(z) Criminal(x) {x/west} {x/y}
50 9.5. Eliminacja (rezolucja) Dowód rezolucyjny dla kaluzuli Horna American(x Sells(x,y,z) ) Weapon(y) Hostile(z) Criminal(x) {x/west} {x/y}
51 9.5. Eliminacja (rezolucja) Dowód rezolucyjny dla kaluzuli Horna American(x Sells(x,y,z) ) Weapon(y) Hostile(z) Criminal(x) {x/west} {x/y} {y/m1}
52 9.5. Eliminacja (rezolucja) Dowód rezolucyjny dla kaluzuli Horna American(x Sells(x,y,z) ) Weapon(y) Hostile(z) Criminal(x) {x/west} {x/y} {y/m1}
53 9.5. Eliminacja (rezolucja) Dowód rezolucyjny dla kaluzuli Horna American(x Sells(x,y,z) ) Weapon(y) Hostile(z) Criminal(x) {x/west} {x/y} {y/m1} {x/m1}
54 9.5. Eliminacja (rezolucja) Dowód rezolucyjny dla kaluzuli Horna American(x Sells(x,y,z) ) Weapon(y) Hostile(z) Criminal(x) {x/west} {x/y} {y/m1} {x/m1}
55 9.5. Eliminacja (rezolucja) Dowód rezolucyjny dla kaluzuli Horna American(x Sells(x,y,z) ) Weapon(y) Hostile(z) Criminal(x) {x/west} {x/y} {y/m1} {x/m1}
56 9.5. Eliminacja (rezolucja) Dowód rezolucyjny dla kaluzuli Horna American(x Sells(x,y,z) ) Weapon(y) Hostile(z) Criminal(x) {x/west} {x/y} {y/m1} {x/m1}
57 9.5. Eliminacja (rezolucja) Dowód rezolucyjny dla kaluzuli Horna American(x Sells(x,y,z) ) Weapon(y) Hostile(z) Criminal(x) {x/west} {x/y} {y/m1} {x/m1}
58 9.5. Eliminacja (rezolucja) Dowód rezolucyjny dla kaluzuli Horna American(x Sells(x,y,z) ) Weapon(y) Hostile(z) Criminal(x) {x/west} {x/y} {y/m1} {x/m1}
59 9.5. Eliminacja (rezolucja) Dowód rezolucyjny dla kaluzuli Horna American(x Sells(x,y,z) ) Weapon(y) Hostile(z) Criminal(x) {x/west} {x/y} {y/m1} {x/m1} {x/nono}
60 9.5. Eliminacja (rezolucja) Dowód rezolucyjny dla kaluzuli Horna American(x Sells(x,y,z) ) Weapon(y) Hostile(z) Criminal(x) {x/west} {x/y} {y/m1} {x/m1} {x/nono}
61 9.5. Eliminacja (rezolucja) Dowód rezolucyjny dla kaluzuli Horna American(x Sells(x,y,z) ) Weapon(y) Hostile(z) Criminal(x) {x/west} {x/y} {y/m1} {x/m1} {x/nono}
62 9.5. Eliminacja (rezolucja) Dowód rezolucyjny dla kaluzuli Horna American(x Sells(x,y,z) ) Weapon(y) Hostile(z) Criminal(x) {x/west} {x/y} {y/m1} {x/m1} {x/nono} Klauzula pusta dowiedziono klauzulę Criminal(West)
63 9.6. Automatyczne dowodzenie twierdzeń Programy dowodzenia twierdzeń (Theorem Provers, Automated Reasoners) umożliwiają dowodzenie twierdzeń sformułowanych w języku logiki pierwszego rzędu. Najbardziej znane programy: OTTER - pierwszy program dowodzenia twierdzeń w FOL (Argonne National Laboratrory, USA), PROVER9 - następca OTTERa, PTTP - Prolog Technology Theorem Prover (Stanford University, USA), ONTIC - system reprezentacji wiedzy matematycznej, AURA - Automated Reasoning Assistent, SAM, EQP, SPIN i inne.. (n.p. na stronie ar.colognet.org znajdują się linki do ponad pięćdziesięciu (!) programów dowodzenia twierdzeń).
64 9.6. Automatyczne dowodzenie twierdzeń Idea programu OTTER Dane definiujące dowodzony problem: Zbiór zdań opisujących problem (set of support, SOS). Aksjomaty użytkowe, nie będące elementami SOS, opisujące wiedzę ogólną na temat problemu. Zbiór tzw. równań demodulujących (demodulators) określających formy kanoniczne do których przekształcane są wszystkie zdania (np. x+0=x: x+0 x). Zbiór parametrów i klauzul sterujących. Program OTTER stosuje rezolucję do kolejnych zdań zbioru opisującego SOS względem aksjomatów użytkowych. Rezolucja klauzul SOS przebiega w kolejności od najprostszej, wybieranej heurystycznie za pomocą algorytmu best-first.
65 9.6. Automatyczne dowodzenie twierdzeń Programy dowodzenia twierdzeń pozwoliły uzyskać wiele ważnych wyników matematycznych: 1969 program SAM udowadnia kilka lematów teorii warstw Natarjan Shankar przy użyciu programu Boyera- Moora dowiódł po raz pierwszy w sposób ścisły słynne Twierdzenie Gödla o Niezupełności. Twierdzenie Gödla Jeżeli system S zawiera ciąg dowodów D i oraz ciąg wszystkich formuł zdaniowych jednoargumentowych Z i, to istnieje formuła Z k (w) = j { D j dowodzi Z w (w) } W systemie S można zatem sformułować zdanie Gödla Z k (k) = j { D j dowodzi Z k (k) } którego nie można dowieść! Gdyby można było go dowieść, to byłoby fałszywe, a system byłby sprzeczny,... zatem jest prawdziwe, ale nie można tego dowieść.
66 9.6. Automatyczne dowodzenie twierdzeń Programy dowodzenia twierdzeń pozwoliły uzyskać wiele ważnych wyników matematycznych program AURA udowadnia twierdzenia z wielu dziedzin matematyki. Program OTTER (i jego nowsze wersje: MACE 2, EQP) jest jednym z najlepszych programów dowodzenia twierdzeń. Za pomocą EQP dowiedziono w roku 1996 słynnej hipotezy Robbinsa (o równoważności algebry Robbinsa i algebry boolowskiej), nieudowodnionej od roku 1933, nawet przez samego Alfreda Tarskiego* ). Dowód uzyskany programem EQP liczy tylko 17 linijek! *) Alfred Tarski ( ) wybitny polski logik, wykładowca UW i liceum Żeromskiego (do 1939), oraz uniwersytetów Harvarda, Princeton i Berkeley (USA). Jako pierwszy sformułował definicję prawdy. Uważany za największego logika w dziejach po Arystotelesie.
67 9.6. Automatyczne dowodzenie twierdzeń Programy dowodzenia twierdzeń pozwoliły uzyskać wiele ważnych wyników matematycznych: Za pomocą programów dowodzących udowodniono wiele twierdzeń: - geometrii algebraicznej, - logiki kombinatorycznej, - autodualnych algebr Boolowskich, - teorii grup, półgrup i kwazigrup, - teorii krat i kwazikrat i wielu innych... Podejmowane są nawet próby formalizacji całej matematyki: - projekt QED (niestety upadł), - system Mizar; kontynuacja idei QED; Baza - teoria zbiorów Tarskiego, 8800 definicji, 50,000 twierdzeń; umożliwia dowodzenie twierdzeń a nawet... automatyczne pisanie artykułów! W obu projektach są silne akcenty polskie.
68 9.6. Automatyczne dowodzenie twierdzeń Programy dowodzące są też używane w różnych dziedzinach jako asystenci: człowiek-ekspert nadzoruje rozwiązanie problemu wytyczając kierunki działań, program-asystent rozwiązuje problemy szczegółowe. Innymi zastosowaniami programów dowodzących są weryfikacja oraz synteza układów elektronicznych lub oprogramowania. Program AURA posłużył do weryfikacji 16-bitowego układu sumującego (1983). Specjalne programy dowodzące służą do weryfikacji poprawności układów VLSI, np. procesorów CPU. Program SPIN służy do weryfikacji poprawności oprogramowania. Za jego pomocą weryfikowano w NASA oprogramowanie Remote Agent sterujące lotem sond międzyplanetarnych, m.in. sondy Deep Space One (1999).
69 Podsumowanie Algorytmy wnioskowania w logice pierwszego rzędu są ważnymi narzędziami sztucznej inteligencji. Uogólniona wersja Modus Ponens stanowi efektywną regułę wnioskowania w logice pierwszego rzędu. Algorytmy wnioskowania w przód i wstecz są najważniejszymi narzędziami wnioskowania automatycznego w logice pierwszego rzędu. Uogólniona zasada rezolucji pozwala dowodzić twierdzeń w bazie wiedzy reprezentowanej w postaci normalnej koniunktywnej (CNF). Automatyczne dowodzenie twierdzeń umożliwiło udowodnienie wielu twierdzeń matematycznych. Automatyczne dowodzenie twierdzeń pomaga także przy syntezie i weryfikacji oprogramowania.
Logika Stosowana. Wykład 1 - Logika zdaniowa. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2016/2017
Logika Stosowana Wykład 1 - Logika zdaniowa Marcin Szczuka Instytut Informatyki UW Wykład monograficzny, semestr letni 2016/2017 Marcin Szczuka (MIMUW) Logika Stosowana 2017 1 / 30 Plan wykładu 1 Język
Bardziej szczegółowoElementy logiki. Wojciech Buszkowski Wydział Matematyki i Informatyki UAM Zakład Teorii Obliczeń
Elementy logiki Wojciech Buszkowski Wydział Matematyki i Informatyki UAM Zakład Teorii Obliczeń 1 Klasyczny Rachunek Zdań 1.1 Spójniki logiczne Zdaniem w sensie logicznym nazywamy wyrażenie, które jest
Bardziej szczegółowoSID Wykład 6 Wnioskowanie w logice I rzędu
SID Wykład 6 Wnioskowanie w logice I rzędu Wydział Matematyki, Informatyki i Mechaniki UW slezak@mimuw.edu.pl Rachunek zdań: zalety i wady Rachunek zdań jest deklaratywny: elementy syntaktyki odpowiadaj
Bardziej szczegółowoRACHUNEK ZDAŃ 7. Dla każdej tautologii w formie implikacji, której poprzednik również jest tautologią, następnik także jest tautologią.
Semantyczne twierdzenie o podstawianiu Jeżeli dana formuła rachunku zdań jest tautologią i wszystkie wystąpienia pewnej zmiennej zdaniowej w tej tautologii zastąpimy pewną ustaloną formułą, to otrzymana
Bardziej szczegółowoMetoda tabel semantycznych. Dedukcja drogi Watsonie, dedukcja... Definicja logicznej konsekwencji. Logika obliczeniowa.
Plan Procedura decyzyjna Reguły α i β - algorytm Plan Procedura decyzyjna Reguły α i β - algorytm Logika obliczeniowa Instytut Informatyki 1 Procedura decyzyjna Logiczna konsekwencja Teoria aksjomatyzowalna
Bardziej szczegółowoAdam Meissner.
Instytut Automatyki i Inżynierii Informatycznej Politechniki Poznańskiej Adam Meissner Adam.Meissner@put.poznan.pl http://www.man.poznan.pl/~ameis SZTUCZNA INTELIGENCJA Podstawy logiki pierwszego rzędu
Bardziej szczegółowoAndrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki. Wykład 9. Koniunkcyjne postacie normalne i rezolucja w KRZ
Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki Wykład 9. Koniunkcyjne postacie normalne i rezolucja w KRZ 1 Inferencyjna równoważność formuł Definicja 9.1. Formuła A jest
Bardziej szczegółowo1. Wstęp do logiki. Matematyka jest nauką dedukcyjną. Nowe pojęcia definiujemy za pomocą pojęć pierwotnych lub pojęć uprzednio wprowadzonych.
Elementy logiki i teorii zbiorów. 1. Wstęp do logiki. Matematyka jest nauką dedukcyjną. Nowe pojęcia definiujemy za pomocą pojęć pierwotnych lub pojęć uprzednio wprowadzonych. Pojęcia pierwotne to najprostsze
Bardziej szczegółowoZasady krytycznego myślenia (1)
Zasady krytycznego myślenia (1) Andrzej Kisielewicz Wydział Matematyki i Informatyki 2017 Przedmiot wykładu krytyczne myślenie vs logika praktyczna (vs logika formalna) myślenie jasne, bezstronne, oparte
Bardziej szczegółowoMetoda Tablic Semantycznych
Procedura Plan Reguły Algorytm Logika obliczeniowa Instytut Informatyki Plan Procedura Reguły 1 Procedura decyzyjna Logiczna równoważność formuł Logiczna konsekwencja Procedura decyzyjna 2 Reguły α, β,
Bardziej szczegółowoTautologia (wyrażenie uniwersalnie prawdziwe - prawo logiczne)
Tautologia (wyrażenie uniwersalnie prawdziwe - prawo logiczne) Definicja 1: Tautologia jest to takie wyrażenie, którego wartość logiczna jest prawdą przy wszystkich możliwych wartościowaniach zmiennych
Bardziej szczegółowoPodstawy Sztucznej Inteligencji (PSZT)
Podstawy Sztucznej Inteligencji (PSZT) Paweł Wawrzyński Wnioskowanie logiczne i systemy eksperckie Systemy posługujące się logiką predykatów: część 3/3 Dzisiaj Uogólnienie Poprawność i pełność wnioskowania
Bardziej szczegółowo0.1. Logika podstawowe pojęcia: zdania i funktory, reguły wnioskowania, zmienne zdaniowe, rachunek zdań.
Wykłady z Analizy rzeczywistej i zespolonej w Matematyce stosowanej Wykład ELEMENTY LOGIKI ALGEBRA BOOLE A Logika podstawowe pojęcia: zdania i funktory, reguły wnioskowania, zmienne zdaniowe, rachunek
Bardziej szczegółowoLOGIKA I TEORIA ZBIORÓW
LOGIKA I TEORIA ZBIORÓW Logika Logika jest nauką zajmującą się zdaniami Z punktu widzenia logiki istotne jest, czy dane zdanie jest prawdziwe, czy nie Nie jest natomiast istotne o czym to zdanie mówi Definicja
Bardziej szczegółowoLogika Stosowana. Wykład 2 - Logika modalna Część 2. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2016/2017
Logika Stosowana Wykład 2 - Logika modalna Część 2 Marcin Szczuka Instytut Informatyki UW Wykład monograficzny, semestr letni 2016/2017 Marcin Szczuka (MIMUW) Logika Stosowana 2017 1 / 27 Plan wykładu
Bardziej szczegółowoLogika Matematyczna (10)
Logika Matematyczna (10) Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl Rezolucja w KRZ Jerzy Pogonowski (MEG) Logika Matematyczna (10) Rezolucja w KRZ 1 / 39 Plan
Bardziej szczegółowoIII rok kognitywistyki UAM,
METODY DOWODZENIA TWIERDZEŃ I AUTOMATYZACJA ROZUMOWAŃ WYKŁAD 6A: REZOLUCJA III rok kognitywistyki UAM, 2016 2017 1 Rezolucja w KRZ Dowody rezolucyjne w KRZ są równie proste, jak dowody tablicowe Metoda
Bardziej szczegółowoKonsekwencja logiczna
Konsekwencja logiczna Niech Φ 1, Φ 2,..., Φ n będa formułami logicznymi. Formuła Ψ wynika logicznie z Φ 1, Φ 2,..., Φ n jeżeli (Φ 1 Φ 2 Φ n ) Ψ jest tautologia. Formuły Φ 1, Φ 2,..., Φ n nazywamy założeniami
Bardziej szczegółowoLogika predykatów pierwszego rzędu PROLOG. Zarządzanie wiedzą. Wykład Reprezentacja wiedzy logika predykatów. Joanna Kołodziejczyk.
Wykład Reprezentacja wiedzy logika predykatów maj 2010 Logika predykatów pierwszego rzędu Plan wykładu Logika predykatów pierwszego rzędu Porównanie z rachunkiem zdań Rachunek zdań ograniczona ekspresja
Bardziej szczegółowoWykład 6. Reguły inferencyjne systemu aksjomatycznego Klasycznego Rachunku Zdań
Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki Wykład 6. Reguły inferencyjne systemu aksjomatycznego Klasycznego Rachunku Zdań System aksjomatyczny logiki Budując logikę
Bardziej szczegółowoMETODY DOWODZENIA TWIERDZEŃ I AUTOMATYZACJA ROZUMOWAŃ
METODY DOWODZENIA TWIERDZEŃ I AUTOMATYZACJA ROZUMOWAŃ KONWERSATORIUM 6: REZOLUCJA V rok kognitywistyki UAM 1 Kilka uwag terminologicznych Słuchacze zapewne pamiętają z zajęć dotyczących PROLOGu poniższą
Bardziej szczegółowoProgramowanie w logice
Programowanie w logice PROLOG cz.1 PROLOG język wysokiego poziomu Powstał w 1972 na Uniwersytecie w Marsylii (Francja) w zespole A.Colmerauer a i F.Roussel a PROgrammation en LOGique, PROgramming in LOGic,
Bardziej szczegółowoAdam Meissner SZTUCZNA INTELIGENCJA
Instytut Automatyki i Inżynierii Informatycznej Politechniki Poznańskiej Adam Meissner Adam.Meissner@put.poznan.pl http://www.man.poznan.pl/~ameis SZTUCZNA INTELIGENCJA Elementy wnioskowania automatycznego
Bardziej szczegółowoMATEMATYKA DYSKRETNA, PODSTAWY LOGIKI I TEORII MNOGOŚCI
MATEMATYKA DYSKRETNA, PODSTAWY LOGIKI I TEORII MNOGOŚCI Program wykładów: dr inż. Barbara GŁUT Wstęp do logiki klasycznej: rachunek zdań, rachunek predykatów. Elementy semantyki. Podstawy teorii mnogości
Bardziej szczegółowoLogika binarna. Prawo łączności mówimy, że operator binarny * na zbiorze S jest łączny gdy (x * y) * z = x * (y * z) dla każdego x, y, z S.
Logika binarna Logika binarna zajmuje się zmiennymi mogącymi przyjmować dwie wartości dyskretne oraz operacjami mającymi znaczenie logiczne. Dwie wartości jakie mogą te zmienne przyjmować noszą przy tym
Bardziej szczegółowoMatematyka ETId Elementy logiki
Matematyka ETId Izolda Gorgol pokój 131A e-mail: I.Gorgol@pollub.pl tel. 081 5384 563 http://antenor.pol.lublin.pl/users/gorgol Zdania w sensie logicznym DEFINICJA Zdanie w sensie logicznym - zdanie oznajmujace,
Bardziej szczegółowoWprowadzenie do Sztucznej Inteligencji
Wprowadzenie do Sztucznej Inteligencji Wykład 2 Informatyka Studia Inżynierskie Automatyczne dowodzenie twierdzeń O teoriach formalnie na przykładzie rachunku zdań Zastosowanie dedukcji: system Logic Theorist
Bardziej szczegółowoUkłady równań i nierówności liniowych
Układy równań i nierówności liniowych Wiesław Krakowiak 1 grudnia 2010 1 Układy równań liniowych DEFINICJA 11 Układem równań m liniowych o n niewiadomych X 1,, X n, nazywamy układ postaci: a 11 X 1 + +
Bardziej szczegółowoRachunek zdań i predykatów
Rachunek zdań i predykatów Agnieszka Nowak 14 czerwca 2008 1 Rachunek zdań Do nauczenia :! 1. ((p q) p) q - reguła odrywania RO 2. reguła modus tollens MT: ((p q) q) p ((p q) q) p (( p q) q) p (( p q)
Bardziej szczegółowoRachunek zdań. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak
Rachunek zdań Materiały pomocnicze do wykładu wykładowca: dr Magdalena Kacprzak RACHUNEK ZDAŃ Zdania Definicja Zdanie jest to stwierdzenie w języku naturalnym, któremu można przypisać wartość prawdy lub
Bardziej szczegółowoPodstawy Sztucznej Inteligencji (PSZT)
Podstawy Sztucznej Inteligencji (PSZT) Paweł Wawrzyński Wnioskowanie logiczne i systemy eksperckie Systemy posługujące się logiką predykatów: część 2/3 Dzisiaj Literały i klauzule w logice predykatów Sprowadzania
Bardziej szczegółowoInterpretacja Niech U będzie zbiorem formuł takim, że zbiór {p 1,..., p k } jest zbiorem wszystkich symboli predykatywnych, {f 1,..., f l } jest zbior
Rachunek predykatów Wykład 5 Plan wykładu Funkcje i termy Postać klauzulowa formuł Modele Herbranda Twierdzenie Herbranda Rezolucja dla klauzul ustalonych Podstawienia Uzgadnianie Rezolucja Funkcje i termy
Bardziej szczegółowoElementy logiki Klasyczny rachunek zdań. Wojciech Buszkowski Zakład Teorii Obliczeń Wydział Matematyki i Informatyki Uniwersytet im.
Elementy logiki. Klasyczny rachunek zdań. 1 Elementy logiki Klasyczny rachunek zdań Wojciech Buszkowski Zakład Teorii Obliczeń Wydział Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza Elementy
Bardziej szczegółowoPoczątki informatyki teoretycznej. Paweł Cieśla
Początki informatyki teoretycznej Paweł Cieśla Wstęp Przykładowe zastosowanie dzisiejszych komputerów: edytowanie tekstów, dźwięku, grafiki odbiór telewizji gromadzenie informacji komunikacja Komputery
Bardziej szczegółowoDefinicja: alfabetem. słowem długością słowa
Definicja: Niech X będzie zbiorem niepustym. Zbiór ten będziemy nazywać alfabetem. Skończony ciąg elementów alfabetu X będziemy nazywać słowem a liczbę elementów tego ciągu nazywamy długością słowa. Na
Bardziej szczegółowoStruktury formalne, czyli elementy Teorii Modeli
Struktury formalne, czyli elementy Teorii Modeli Szymon Wróbel, notatki z wykładu dra Szymona Żeberskiego semestr zimowy 2016/17 1 Język 1.1 Sygnatura językowa Sygnatura językowa: L = ({f i } i I, {P j
Bardziej szczegółowoĆwiczenia do rozdziału 2, zestaw A: z książki Alfreda Tarskiego Wprowadzenie do logiki
0 1 Ćwiczenia do rozdziału 2, zestaw A: z książki Alfreda Tarskiego Wprowadzenie do logiki 2. W następujących dwóch prawach wyróżnić wyrażenia specyficznie matematyczne i wyrażenia z zakresu logiki (do
Bardziej szczegółowoProgramowanie deklaratywne i logika obliczeniowa
Programowanie deklaratywne i logika obliczeniowa Programowanie deklaratywne i logika obliczeniowa Wykład logika 12 godzin Dr hab. inż. Joanna Józefowska, prof. PP dyżur: poniedziałek 9.30-11.00 p. 10,
Bardziej szczegółowoMatematyka dyskretna dla informatyków
Matematyka dyskretna dla informatyków Część I: Elementy kombinatoryki Jerzy Jaworski Zbigniew Palka Jerzy Szymański Uniwersytet im. Adama Mickiewicza Poznań 2007 4 Zależności rekurencyjne Wiele zależności
Bardziej szczegółowoLogika. Michał Lipnicki. 15 stycznia Zakład Logiki Stosowanej UAM. Michał Lipnicki () Logika 15 stycznia / 37
Logika Michał Lipnicki Zakład Logiki Stosowanej UAM 15 stycznia 2011 Michał Lipnicki () Logika 15 stycznia 2011 1 / 37 Wstęp Materiały na dzisiejsze zajęcia zostały opracowane na podstawie pomocy naukowych
Bardziej szczegółowoWYKŁAD 3: METODA AKSJOMATYCZNA
METODY DOWODZENIA TWIERDZEŃ I AUTOMATYZACJA ROZUMOWAŃ WYKŁAD 3: METODA AKSJOMATYCZNA III rok kognitywistyki UAM, 2016 2017 Plan na dziś: 1. Przypomnimy, na czym polega aksjomatyczna metoda dowodzenia twierdzeń.
Bardziej szczegółowo1. Składnia. Logika obliczeniowa - zadania 1 SKŁADNIA Teoria
Logika obliczeniowa - zadania 1 SKŁADNIA 1. Składnia 1.1. Teoria 1. Składnia oznacza reguły tworzenia... z.... 2. Rachunek predykatów pierwszego rzędu (w skrócie: rachunek predykatów) wyróżnia cztery zbiory
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 10. WNIOSKOWANIE W LOGICE ROZMYTEJ Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska WNIOSKOWANIE W LOGICE DWUWARTOŚCIOWEJ W logice
Bardziej szczegółowoElementy logiki matematycznej
Elementy logiki matematycznej Przedmiotem logiki matematycznej jest badanie tzw. wyrażeń logicznych oraz metod rozumowania i sposobów dowodzenia używanych w matematyce, a także w innych dziedzinach, w
Bardziej szczegółowoWstęp do Techniki Cyfrowej... Algebra Boole a
Wstęp do Techniki Cyfrowej... Algebra Boole a Po co AB? Świetne narzędzie do analitycznego opisu układów logicznych. 1854r. George Boole opisuje swój system dedukcyjny. Ukoronowanie zapoczątkowanych w
Bardziej szczegółowoAlgebrę L = (L, Neg, Alt, Kon, Imp) nazywamy algebrą języka logiki zdań. Jest to algebra o typie
3. Wykłady 5 i 6: Semantyka klasycznego rachunku zdań. Dotychczas rozwinęliśmy klasyczny rachunek na gruncie czysto syntaktycznym, a więc badaliśmy metodę sprawdzania, czy dana formuła B jest dowodliwa
Bardziej szczegółowoMonoidy wolne. alfabetem. słowem długością słowa monoidem wolnym z alfabetem Twierdzenie 1.
3. Wykłady 3 i 4: Języki i systemy dedukcyjne. Klasyczny rachunek zdań. 3.1. Monoidy wolne. Niech X będzie zbiorem niepustym. Zbiór ten będziemy nazywać alfabetem. Skończony ciąg elementów alfabetu X będziemy
Bardziej szczegółowoEgzamin z logiki i teorii mnogości, rozwiązania zadań
Egzamin z logiki i teorii mnogości, 08.02.2016 - rozwiązania zadań 1. Niech φ oraz ψ będą formami zdaniowymi. Czy formuła [( x : φ(x)) ( x : ψ(x))] [ x : (φ(x) ψ(x))] jest prawem rachunku kwantyfikatorów?
Bardziej szczegółowoIII rok kognitywistyki UAM,
METODY DOWODZENIA TWIERDZEŃ I AUTOMATYZACJA ROZUMOWAŃ WYKŁAD 14: POWTÓRKA III rok kognitywistyki UAM, 2016 2017 Dzisiejszy wykład w całości poświęcony będzie omówieniu przykładowych zadań, podobnych do
Bardziej szczegółowoRachunek predykatów. Formuły rachunku predykatów. Plan wykładu. Relacje i predykaty - przykłady. Relacje i predykaty
Rachunek predykatów Wykład 4 Plan wykładu Relacje i predykaty Formuły rachunku predykatów Interpretacje Logiczna równoważność Metoda tabel Modele skończone i nieskończone Rozstrzygalność Relacje i predykaty
Bardziej szczegółowoO pewnych związkach teorii modeli z teorią reprezentacji
O pewnych związkach teorii modeli z teorią reprezentacji na podstawie referatu Stanisława Kasjana 5 i 12 grudnia 2000 roku 1. Elementy teorii modeli Będziemy rozważać język L składający się z przeliczalnej
Bardziej szczegółowoElementy logiki Klasyczny rachunek zdań. Wojciech Buszkowski Zakład Teorii Obliczeń Wydział Matematyki i Informatyki Uniwersytet im.
Elementy logiki. Klasyczny rachunek zdań. Elementy logiki Klasyczny rachunek zdań Wojciech Buszkowski Zakład Teorii Obliczeń Wydział Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza 1 Spójniki
Bardziej szczegółowoAndrzej Wiśniewski Logika II. Materiały do wykładu dla studentów kognitywistyki
Andrzej Wiśniewski Logika II Materiały do wykładu dla studentów kognitywistyki Wykład 5. Wprowadzenie do semantyki teoriomodelowej cz.5. Wynikanie logiczne 1 Na poprzednim wykładzie udowodniliśmy m.in.:
Bardziej szczegółowoZiemia obraca się wokół Księżyca, bo posiadając odpowiednią wiedzę można stwierdzić, czy są prawdziwe, czy fałszywe. Zdaniami nie są wypowiedzi:
1 Elementy logiki W logice zdaniem nazywamy wypowiedź oznajmującą, która (w ramach danej nauki) jest albo prawdziwa, albo fałszywa. Tak więc zdanie może mieć jedną z dwóch wartości logicznych. Prawdziwość
Bardziej szczegółowoPODSTAWY SZTUCZNEJ INTELIGENCJI
Katedra Informatyki Stosowanej Politechnika Łódzka PODSTAWY SZTUCZNEJ INTELIGENCJI Laboratorium PROGRAMOWANIE SYSTEMÓW EKSPERTOWYCH Opracowanie: Dr hab. inŝ. Jacek Kucharski Dr inŝ. Piotr Urbanek Cel ćwiczenia
Bardziej szczegółowoZastosowanie logiki matematycznej w procesie weryfikacji wymagań oprogramowania
Zastosowanie logiki matematycznej w procesie weryfikacji wymagań oprogramowania Testerzy oprogramowania lub osoby odpowiedzialne za zapewnienie jakości oprogramowania oprócz wykonywania testów mogą zostać
Bardziej szczegółowoLogika Stosowana. Wykład 2 - Logika modalna Część 3. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2017/2018
Logika Stosowana Wykład 2 - Logika modalna Część 3 Marcin Szczuka Instytut Informatyki UW Wykład monograficzny, semestr letni 2017/2018 Marcin Szczuka (MIMUW) Logika Stosowana 2018 1 / 36 Plan wykładu
Bardziej szczegółowoSztuczna Inteligencja i Systemy Doradcze
Sztuczna Inteligencja i Systemy Doradcze Wnioskowanie w logice I rzędu Wnioskowanie w logice I rzędu 1 Rachunek zdan: zalety i wady Rachunek zdań jest deklaratywny: elementy syntaktyki odpowiadają faktom
Bardziej szczegółowoAlfred N. Whitehead
Plan wykładu Automatyczne dowodzenie twierdzeń Dowodzenie twierdzeń matematycznych Dedukcja Logic Theorist Means-endsends Analysis Rezolucja Programowanie w logice PROLOG Logic Theorist - 1956 Automatyczne
Bardziej szczegółowoTwierdzenia Gödla dowody. Czy arytmetyka jest w stanie dowieść własną niesprzeczność?
Semina Nr 3 Scientiarum 2004 Twierdzenia Gödla dowody. Czy arytmetyka jest w stanie dowieść własną niesprzeczność? W tym krótkim opracowaniu chciałbym przedstawić dowody obu twierdzeń Gödla wykorzystujące
Bardziej szczegółowoDODATEK 1: Wtedy h(α) = 1 oraz h(β) = 0. Jak pamiętamy ze szkoły, obraz sumy zbiorów jest sumą obrazów tych zbiorów. Mamy zatem:
DODATEK 1: DOWODY NIEKTÓRYCH TWIERDZEŃ DOTYCZACYCH SEMANTYKI KLASYCZNEGO RACHUNKU ZDAŃ 2.2. TWIERDZENIE O DEDUKCJI WPROST (wersja semantyczna). Dla dowolnych X F KRZ, α F KRZ, β F KRZ zachodzą następujące
Bardziej szczegółowoLogika formalna wprowadzenie. Ponieważ punkty 10.i 12. nie były omawiane na zajęciach, dlatego można je przeczytać fakultatywnie.
Logika formalna wprowadzenie Ponieważ punkty 10.i 12. nie były omawiane na zajęciach, dlatego można je przeczytać fakultatywnie. 1. Zdanie logicznie prawdziwe (Prawda logiczna) Zdanie, którego analityczność
Bardziej szczegółowoMetody dowodzenia twierdzeń i automatyzacja rozumowań Systemy aksjomatyczne I
Metody dowodzenia twierdzeń i automatyzacja rozumowań Systemy aksjomatyczne I Mariusz Urbański Instytut Psychologii UAM Mariusz.Urbanski@.edu.pl OSTRZEŻENIE Niniejszy plik nie zawiera wykładu z Metod dowodzenia...
Bardziej szczegółowoMyślenie w celu zdobycia wiedzy = poznawanie. Myślenie z udziałem rozumu = myślenie racjonalne. Myślenie racjonalne logiczne statystyczne
Literatura: podstawowa: C. Radhakrishna Rao, Statystyka i prawda, 1994. G. Wieczorkowska-Wierzbińska, J. Wierzbiński, Statystyka. Od teorii do praktyki, 2013. A. Aczel, Statystyka w zarządzaniu, 2002.
Bardziej szczegółowoRachunek logiczny. 1. Język rachunku logicznego.
Rachunek logiczny. Podstawową własnością rozumowania poprawnego jest zachowanie prawdy: rozumowanie poprawne musi się kończyć prawdziwą konkluzją, o ile wszystkie przesłanki leżące u jego podstaw były
Bardziej szczegółowovf(c) =, vf(ft 1... t n )=vf(t 1 )... vf(t n ).
6. Wykład 6: Rachunek predykatów. Język pierwszego rzędu składa się z: symboli relacyjnych P i, i I, gdzie (P i ) oznaczać będzie ilość argumentów symbolu P i, symboli funkcyjnych f j, j J, gdzie (f j
Bardziej szczegółowoElementy logiki i teorii mnogości
Elementy logiki i teorii mnogości Zdanie logiczne Zdanie logiczne jest to zdanie oznajmujące, któremu można przypisać określoną wartość logiczną. W logice klasycznej zdania dzielimy na: prawdziwe (przypisujemy
Bardziej szczegółowoJAO - Wprowadzenie do Gramatyk bezkontekstowych
JAO - Wprowadzenie do Gramatyk bezkontekstowych Definicja gramatyki bezkontekstowej Podstawowymi narzędziami abstrakcyjnymi do opisu języków formalnych są gramatyki i automaty. Gramatyka bezkontekstowa
Bardziej szczegółowoAdam Meissner STUCZNA INTELIGENCJA
Instytut Automatyki i Inżynierii Informatycznej Politechniki Poznańskiej Adam Meissner Adam.Meissner@put.poznan.pl http://www.man.poznan.pl/~ameis STUCZNA INTELIGENCJA Elementy programowania w logice Literatura
Bardziej szczegółowoPrzykłady zdań w matematyce. Jeśli a 2 + b 2 = c 2, to trójkąt o bokach długości a, b, c jest prostokątny (a, b, c oznaczają dane liczby dodatnie),
Elementy logiki 1 Przykłady zdań w matematyce Zdania prawdziwe: 1 3 + 1 6 = 1 2, 3 6, 2 Q, Jeśli x = 1, to x 2 = 1 (x oznacza daną liczbę rzeczywistą), Jeśli a 2 + b 2 = c 2, to trójkąt o bokach długości
Bardziej szczegółowoROZDZIAŁ 1. Rachunek funkcyjny
ROZDZIAŁ 1 Rachunek funkcyjny Niech X 1,..., X n będą dowolnymi zbiorami. Wyrażenie (formułę) ϕ(x 1,..., x n ), w którym występuje n zmiennych x 1,..., x n i które zamienia się w zdanie logiczne, gdy zamiast
Bardziej szczegółowoIndukcja. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak
Indukcja Materiały pomocnicze do wykładu wykładowca: dr Magdalena Kacprzak Charakteryzacja zbioru liczb naturalnych Arytmetyka liczb naturalnych Jedną z najważniejszych teorii matematycznych jest arytmetyka
Bardziej szczegółowoLekcja 3: Elementy logiki - Rachunek zdań
Lekcja 3: Elementy logiki - Rachunek zdań S. Hoa Nguyen 1 Materiał a) Zdanie proste, złożone b) Spójniki logiczne (funktory zdaniotwórcze):,,,,, (alternatywa wykluczająca - XOR). c) Tautologia, zdanie
Bardziej szczegółowoProgramowanie liniowe
Programowanie liniowe Maciej Drwal maciej.drwal@pwr.wroc.pl 1 Problem programowania liniowego min x c T x (1) Ax b, (2) x 0. (3) gdzie A R m n, c R n, b R m. Oznaczmy przez x rozwiązanie optymalne, tzn.
Bardziej szczegółowoElementy logiki i teorii mnogości Wyk lad 1: Rachunek zdań
Elementy logiki i teorii mnogości Wyk lad 1: Rachunek zdań Micha l Ziembowski m.ziembowski@mini.pw.edu.pl www.mini.pw.edu.pl/ ziembowskim/ October 2, 2016 M. Ziembowski (WUoT) Elementy logiki i teorii
Bardziej szczegółowoLOGIKA Klasyczny Rachunek Zdań
LOGIKA Klasyczny Rachunek Zdań Robert Trypuz trypuz@kul.pl 5 listopada 2013 Robert Trypuz (trypuz@kul.pl) Klasyczny Rachunek Zdań 5 listopada 2013 1 / 24 PLAN WYKŁADU 1 Alfabet i formuła KRZ 2 Zrozumieć
Bardziej szczegółowoDowody założeniowe w KRZ
Dowody założeniowe w KRZ Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl w styczniu 2007 Jerzy Pogonowski (MEG) Dowody założeniowe w KRZ w styczniu 2007 1 / 10 Dowody
Bardziej szczegółowoWprowadzenie do Sztucznej
Wprowadzenie do Sztucznej Inteligencji Wykład 2 Informatyka Studia InŜynierskie Konsekwencje logiczne Formuła A jest konsekwencją logiczną zbioru formuł U, co zapisujemy U A, jeŝeli kaŝda interpretacja,
Bardziej szczegółowoUwagi wprowadzajace do reguł wnioskowania w systemie tabel analitycznych logiki pierwszego rzędu
Witold Marciszewski: Wykład Logiki, 17 luty 2005, Collegium Civitas, Warszawa Uwagi wprowadzajace do reguł wnioskowania w systemie tabel analitycznych logiki pierwszego rzędu 1. Poniższe wyjaśnienie (akapit
Bardziej szczegółowoParadygmaty dowodzenia
Paradygmaty dowodzenia Sprawdzenie, czy dana formuła rachunku zdań jest tautologią polega zwykle na obliczeniu jej wartości dla 2 n różnych wartościowań, gdzie n jest liczbą zmiennych zdaniowych tej formuły.
Bardziej szczegółowoI. Podstawowe pojęcia i oznaczenia logiczne i mnogościowe. Elementy teorii liczb rzeczywistych.
I. Podstawowe pojęcia i oznaczenia logiczne i mnogościowe. Elementy teorii liczb rzeczywistych. 1. Elementy logiki matematycznej. 1.1. Rachunek zdań. Definicja 1.1. Zdaniem logicznym nazywamy zdanie gramatyczne
Bardziej szczegółowoLOGIKA Dedukcja Naturalna
LOGIKA Dedukcja Naturalna Robert Trypuz Katedra Logiki KUL 7 stycznia 2014 Robert Trypuz (Katedra Logiki) Założeniowy system klasycznego rachunku zdań 7 stycznia 2014 1 / 42 PLAN WYKŁADU 1 Przykład dowodów
Bardziej szczegółowoAlgebra Boole a i jej zastosowania
lgebra oole a i jej zastosowania Wprowadzenie Niech dany będzie zbiór dwuelementowy, którego elementy oznaczymy symbolami 0 oraz 1, tj. {0, 1}. W zbiorze tym określamy działania sumy :, iloczynu : _ oraz
Bardziej szczegółowoOpis efektów kształcenia dla programu kształcenia (kierunkowe efekty kształcenia) WIEDZA. rozumie cywilizacyjne znaczenie matematyki i jej zastosowań
TABELA ODNIESIEŃ EFEKTÓW KSZTAŁCENIA OKREŚLONYCH DLA PROGRAMU KSZTAŁCENIA DO EFEKTÓW KSZTAŁCENIA OKREŚLONYCH DLA OBSZARU KSZTAŁCENIA I PROFILU STUDIÓW PROGRAM KSZTAŁCENIA: POZIOM KSZTAŁCENIA: PROFIL KSZTAŁCENIA:
Bardziej szczegółowoKryteria oceniania z matematyki zakres podstawowy Klasa I
Kryteria oceniania z matematyki zakres podstawowy Klasa I zakres Dopuszczający Dostateczny Dobry bardzo dobry Zdanie logiczne ( proste i złożone i forma zdaniowa oraz prawa logiczne dotyczące alternatywy,
Bardziej szczegółowoPoprawność semantyczna
Poprawność składniowa Poprawność semantyczna Poprawność algorytmu Wypisywanie zdań z języka poprawnych składniowo Poprawne wartościowanie zdań języka, np. w języku programowania skutki wystąpienia wyróżnionych
Bardziej szczegółowoElementy rachunku zdań i algebry zbiorów
Rozdział 1. Elementy rachunku zdań i algebry zbiorów 1.1. Zdania Przez α, β będziemy oznaczać zdania. Każdemu zdaniu możemy przyporządkować wartość logiczną 1, gdy jest prawdziwe oraz wartość logiczną
Bardziej szczegółowoWYKŁAD 7: DEDUKCJA NATURALNA
METODY DOWODZENIA TWIERDZEŃ I AUTOMATYZACJA ROZUMOWAŃ WYKŁAD 7: DEDUKCJA NATURALNA III rok kognitywistyki UAM, 2016 2017 Systemy dedukcji naturalnej pochodzą od Gerharda Gentzena (1909 1945) oraz Stanisława
Bardziej szczegółowo1 Podstawowe oznaczenia
Poniżej mogą Państwo znaleźć skondensowane wiadomości z wykładu. Należy je traktować jako przegląd pojęć, które pojawiły się na wykładzie. Materiały te nie są w pełni tożsame z tym co pojawia się na wykładzie.
Bardziej szczegółowoWstęp do logiki. Klasyczny Rachunek Zdań II
Wstęp do logiki Klasyczny Rachunek Zdań II DEF. 1 (Słownik). Następujące znaki tworzą słownik języka KRZ: p 1, p 2, p 3, (zmienne zdaniowe) ~,,,, (spójniki) ), ( (nawiasy). DEF. 2 (Wyrażenie). Wyrażeniem
Bardziej szczegółowoW planie dydaktycznym założono 172 godziny w ciągu roku. Treści podstawy programowej. Propozycje środków dydaktycznych. Temat (rozumiany jako lekcja)
Ramowy plan nauczania (roczny plan dydaktyczny) dla przedmiotu matematyka w zakresie rozszerzonym dla klasy I liceum ogólnokształcącego uwzględniający kształcone i treści podstawy programowej W planie
Bardziej szczegółowoAndrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki. Wykład 10. Twierdzenie o pełności systemu aksjomatycznego KRZ
Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki Wykład 10. Twierdzenie o pełności systemu aksjomatycznego KRZ 1 Tezy KRZ Pewien system aksjomatyczny KRZ został przedstawiony
Bardziej szczegółowoLogika pragmatyczna. Logika pragmatyczna. Kontakt: Zaliczenie:
Logika pragmatyczna Logika pragmatyczna Kontakt: dr hab. inż. Adam Kasperski pokój 509 B4 adam.kasperski@pwr.wroc.pl materiały + literatura + informacje na stronie www. Zaliczenie: Kolokwium pisemne na
Bardziej szczegółowoZasada indukcji matematycznej
Zasada indukcji matematycznej Twierdzenie 1 (Zasada indukcji matematycznej). Niech ϕ(n) będzie formą zdaniową zmiennej n N 0. Załóżmy, że istnieje n 0 N 0 takie, że 1. ϕ(n 0 ) jest zdaniem prawdziwym,.
Bardziej szczegółowoALGEBRA Z GEOMETRIĄ BAZY PRZESTRZENI WEKTOROWYCH
ALGEBRA Z GEOMETRIĄ 1/10 BAZY PRZESTRZENI WEKTOROWYCH Piotr M. Hajac Uniwersytet Warszawski Wykład 11, 18.12.2013 Typeset by Jakub Szczepanik. Istnienie bazy Tak jak wśród wszystkich pierścieni wyróżniamy
Bardziej szczegółowoAndrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki. Wykłady 7 i 8. Aksjomatyczne ujęcie Klasycznego Rachunku Zdań
Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki Wykłady 7 i 8. Aksjomatyczne ujęcie Klasycznego Rachunku Zdań 1 Istnieje wiele systemów aksjomatycznych Klasycznego Rachunku
Bardziej szczegółowoJęzyk rachunku predykatów Formuły rachunku predykatów Formuły spełnialne i prawdziwe Dowody założeniowe. 1 Zmienne x, y, z...
Język rachunku predykatów 1 Zmienne x, y, z... 2 Predykaty n-argumentowe P(x, y,...), Q(x, y...),... 3 Funktory zdaniowe,,,, 4 Kwantyfikatory: istnieje, dla każdego Język rachunku predykatów Ustalenie
Bardziej szczegółowoBazy dedukcyjne. 1. Filozofia nowego sposobu projektowania baz danych. 2. Wady klasycznych systemów bazodanowych
Bazy dedukcyjne 1. Filozofia nowego sposobu projektowania baz danych Bazy dedukcyjne to nowe podejście do projektowania baz danych, oparte na logice matematycznej. W porównaniu do poprzednich modeli baz
Bardziej szczegółowoProgramowanie deklaratywne
Programowanie deklaratywne Artur Michalski Informatyka II rok Plan wykładu Wprowadzenie do języka Prolog Budowa składniowa i interpretacja programów prologowych Listy, operatory i operacje arytmetyczne
Bardziej szczegółowo