Logika stosowana. Ćwiczenia Wnioskowanie przez abdukcję. Marcin Szczuka. Instytut Matematyki, Uniwersytet Warszawski



Podobne dokumenty
Logika Stosowana. Wykład 1 - Logika zdaniowa. 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

Metody wnioskowania. Wnioskowanie w przód (ang. forward chaining) Wnioskowanie w tył (ang. Backward chaining) Od przesłanki do konkluzji Np..

Metoda tabel semantycznych. Dedukcja drogi Watsonie, dedukcja... Definicja logicznej konsekwencji. Logika obliczeniowa.

Logika Stosowana. Wykład 7 - Zbiory i logiki rozmyte Część 3 Prawdziwościowa logika rozmyta. Marcin Szczuka. Instytut Informatyki UW

Metoda Tablic Semantycznych

Kultura logiczna Wnioskowania dedukcyjne

Myślenie w celu zdobycia wiedzy = poznawanie. Myślenie z udziałem rozumu = myślenie racjonalne. Myślenie racjonalne logiczne statystyczne

Wstęp do logiki. Kto jasno i konsekwentnie myśli, ściśle i z ładem się wyraża,

Wstęp do logiki. Klasyczny Rachunek Zdań III

Kognitywistyka: tworzenie pojęć i rozumowanie Studium przypadku: rozumowania abdukcyjne

teoria relewancji jako przykład inferencjonizmu jako przykład słabego kontekstualizmu

Indukcja matematyczna

Rachunek zdań i predykatów

Zasady krytycznego myślenia (1)

Indukcja matematyczna. Zasada minimum. Zastosowania.

Podstawy Sztucznej Inteligencji (PSZT)

RACHUNEK ZDAŃ 7. Dla każdej tautologii w formie implikacji, której poprzednik również jest tautologią, następnik także jest tautologią.

PRZEWODNIK PO PRZEDMIOCIE

Logika Stosowana. Wykład 2 - Logika modalna Część 3. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2017/2018

Maria Romanowska UDOWODNIJ, ŻE... PRZYKŁADOWE ZADANIA MATURALNE Z MATEMATYKI

Inżynieria wiedzy Wnioskowanie oparte na wiedzy niepewnej Opracowane na podstawie materiałów dra Michała Berety

Kilka ciekawostek czyli licznik. Metodologia badania naukowego. Mianownik czyli wiedza ogółem. Globalny naukowy dorobek podwaja się co lat

Logika dla socjologów Część 2: Przedmiot logiki

KARTA PRZEDMIOTU. 1. NAZWA PRZEDMIOTU: Statystyka matematyczna (STA230) 2. KIERUNEK: MATEMATYKA. 3. POZIOM STUDIÓW: I stopnia

Uniwersytet Śląski w Katowicach str. 1 Wydział

Instytut Automatyki i Inżynierii Informatycznej Politechniki Poznańskiej. Adam Meissner. Elementy uczenia maszynowego

Liczba godzin Punkty ECTS Sposób zaliczenia. konwersatoria 30 zaliczenie z oceną

Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach PROGRAM KSZTAŁCENIA. Studia III stopnia (doktoranckie) kierunek Informatyka

Semiotyka logiczna (1)

Adam Meissner.

KARTA PRZEDMIOTU. 1. NAZWA PRZEDMIOTU: Matematyka finansowa (MFI222) 2. KIERUNEK: MATEMATYKA. 3. POZIOM STUDIÓW: I stopnia

Dowody założeniowe w KRZ

Komputerowa diagnoza medyczna tworzenie i interpretowanie. prof. dr hab. inż. Andrzej Walczak

Ocena dokładności diagnozy

Opis. Wymagania wstępne (tzw. sekwencyjny system zajęć i egzaminów) Liczba godzin zajęć dydaktycznych z podziałem na formy prowadzenia zajęć

KARTA PRZEDMIOTU. 12. PRZEDMIOTOWE EFEKTY KSZTAŁCENIA Odniesienie do kierunkowych efektów kształcenia (symbol)

Zasada indukcji matematycznej

KARTA PRZEDMIOTU. 1. NAZWA PRZEDMIOTU: Ubezpieczenia majątkowe 2. KIERUNEK: MATEMATYKA. 3. POZIOM STUDIÓW: I stopnia 4. ROK/ SEMESTR STUDIÓW: III/6

KARTA PRZEDMIOTU. 12. PRZEDMIOTOWE EFEKTY KSZTAŁCENIA Odniesienie do kierunkowych efektów kształcenia (symbol)

KARTA PRZEDMIOTU. 1. NAZWA PRZEDMIOTU: Analiza zespolona. 2. KIERUNEK: Matematyka. 3. POZIOM STUDIÓW: I stopnia 4. ROK/ SEMESTR STUDIÓW: II/4

Uniwersytet w Białymstoku Wydział Ekonomiczno-Informatyczny w Wilnie SYLLABUS na rok akademicki 2012/2013

Opis efektów kształcenia dla programu kształcenia (kierunkowe efekty kształcenia) WIEDZA. rozumie cywilizacyjne znaczenie matematyki i jej zastosowań

PSYCHOLOGIA od r. ak. 2013/2014

Logika formalna SYLABUS A. Informacje ogólne

Konspekt do wykładu z Logiki I

Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa. Diagnostyka i niezawodność robotów

Wykład 6. Reguły inferencyjne systemu aksjomatycznego Klasycznego Rachunku Zdań

SYSTEM DIAGNOSTYCZNY OPARTY NA LOGICE DOMNIEMAŃ. Ewa Madalińska. na podstawie prac:

Ziemia obraca się wokół Księżyca, bo posiadając odpowiednią wiedzę można stwierdzić, czy są prawdziwe, czy fałszywe. Zdaniami nie są wypowiedzi:

Rachunek logiczny. 1. Język rachunku logicznego.

Systemy ekspertowe. Krzysztof Patan

Liczba godzin Punkty ECTS Sposób zaliczenia. ćwiczenia 15 zaliczenie z oceną

Kierunek i poziom studiów: matematyka, studia I stopnia, rok I. Sylabus modułu: Wstęp do matematyki (03-MO1S-12-WMat)

Wykład 3. Miara zewnętrzna. Definicja 3.1 (miary zewnętrznej) Funkcję µ przyporządkowującą każdemu podzbiorowi

3. DIAGNOZA PSYCHOLOGICZNA ZA POMOCĄ TESTÓW

Podstawy logiki i analizy ilościowej Kod przedmiotu

LISTA KURSÓW PLANOWANYCH DO URUCHOMIENIA W SEMESTRZE ZIMOWYM 2015/2016

Katedra Teorii i Filozofii Prawa Poznań, dnia 12 lutego 2013 r. OPISU MODUŁU KSZTAŁCENIA (SYLABUS)

Filozofia, Historia, Wykład V - Filozofia Arystotelesa

Podstawowe Pojęcia. Semantyczne KRZ

Wykład 2 Hipoteza statystyczna, test statystyczny, poziom istotn. istotności, p-wartość i moc testu

PRZEWODNIK PO PRZEDMIOCIE

Wykład 8 Dane kategoryczne

KARTA PRZEDMIOTU. 12. PRZEDMIOTOWE EFEKTY KSZTAŁCENIA Odniesienie do kierunkowych efektów kształcenia (symbol)

Filozofia przyrody, Wykład V - Filozofia Arystotelesa

Logika dla socjologów

Struktury formalne, czyli elementy Teorii Modeli

Filozofia z elementami logiki Klasyfikacja wnioskowań II część 1

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

O badaniach nad SZTUCZNĄ INTELIGENCJĄ

ćwiczenia 15 zaliczenie z oceną

1.1 Rachunek prawdopodobieństwa

Przeszukiwanie z nawrotami. Wykład 8. Przeszukiwanie z nawrotami. J. Cichoń, P. Kobylański Wstęp do Informatyki i Programowania 238 / 279

Monoidy wolne. alfabetem. słowem długością słowa monoidem wolnym z alfabetem Twierdzenie 1.

Kraków, 14 marca 2013 r.

Logika Stosowana. Wykład 8 - Wnioskowanie indukcyjne Część 1 Problem indukcji. Marcin Szczuka. Instytut Informatyki UW

WYKŁAD 3: METODA AKSJOMATYCZNA

KARTA MODUŁU KSZTAŁCENIA

JEZYKOZNAWSTWO. I NAUKI O INFORMACJI, ROK I Logika Matematyczna: egzamin pisemny 29 czerwca Imię i Nazwisko:...

Kierunek: INFORMATYKA Specjalność INŻYNIERIA SYSTEMÓW INFORMATYCZNYCH

Kierunek: INFORMATYKA Specjalność INŻYNIERIA SYSTEMÓW INFORMATYCZNYCH

Kierunek: INFORMATYKA Specjalność INŻYNIERIA SYSTEMÓW INFORMATYCZNYCH

KARTA PRZEDMIOTU. 12. PRZEDMIOTOWE EFEKTY KSZTAŁCENIA Odniesienie do kierunkowych efektów kształcenia (symbol)

Efekt kształcenia. Ma uporządkowaną, podbudowaną teoretycznie wiedzę ogólną w zakresie algorytmów i ich złożoności obliczeniowej.

Matematyka dyskretna. Andrzej Łachwa, UJ, /15

Poprawność semantyczna

Logika dla prawników

Przedmiotowe Zasady Oceniania matematyka, geometria w ćwiczeniach, funkcje w zastosowaniach Sposoby sprawdzania osiągnięć edukacyjnych

Semantyka rachunku predykatów

Elementy logiki matematycznej

Wstęp do logiki. Klasyczny Rachunek Predykatów I

KARTA PRZEDMIOTU. 12. PRZEDMIOTOWE EFEKTY KSZTAŁCENIA Odniesienie do kierunkowych efektów kształcenia (symbol)

Paradygmaty dowodzenia

Podsumowanie wyników ankiety

Adam Kirpsza Zastosowanie regresji logistycznej w studiach nad Unią Europejska. Anna Stankiewicz Izabela Słomska

JEZYKOZNAWSTWO. I NAUKI O INFORMACJI, ROK I Logika Matematyczna: egzamin pisemny 11 czerwca Imię i Nazwisko:... FIGLARNE POZNANIANKI

Systemy ekspertowe i ich zastosowania. Katarzyna Karp Marek Grabowski

Instytut Automatyki i Inżynierii Informatycznej Politechniki Poznańskiej. Adam Meissner. Elementy uczenia maszynowego

Wnioskowanie bayesowskie

Transkrypt:

Logika stosowana Ćwiczenia Wnioskowanie przez abdukcję Marcin Szczuka Instytut Matematyki, Uniwersytet Warszawski Wykład fakultatywny w semestrze zimowym 2013/2014 Marcin Szczuka (MIMUW) Logika stosowana 2013/2014 1 / 12

Plan wykładu 1 Abdukcja 2 Przykłady wnioskowań abdukcyjnych Marcin Szczuka (MIMUW) Logika stosowana 2013/2014 2 / 12

Abdukcja Abdukcja jest rodzajem rozumowania (wnioskowania) w którym na podstawie rezultatów (wniosków) próbujemy wyjaśnić, jak mogło dojść do ich zaistnienia. Abdukcja jest także często nazywana wnioskowaniem przez najlepsze wyjaśnienie (ang. Inference to the Best Explanation). Jako metoda wnioskowania abdukcja jest znacznie mniej sformalizowania niż dwie poprzednio poznane techniki: dedukcja i indukcja. Znacznie gorzej poddaje się ona ścisłemu opisowi formalnemu znanemu w logice matematycznej. Niemniej, wnioskowania abdukcyjne, przy ustaleniu dodatkowych ograniczeń, znalazły swoje miejsce w wielu dziedzinach współczesnej nauki i techniki, np. w diagnostyce błędów w inżynierii (w tym inżynierii oprogramowania), sztucznej inteligencji i innych. Marcin Szczuka (MIMUW) Logika stosowana 2013/2014 3 / 12

Trochę historii Zainteresowanie wnioskowaniem od wniosków do przesłanek wywodował w zasadzie jeden człowiek, amerykański filozof Charles Sanders Peirce (1839 1914). Peirce początkowo używał terminu zgadywanie (ang. guessing), potem jednak, dla uniknięcia wieloznaczności, wprowadził pojęcie abdukcji (to abduce) jako procesu (czynności) wnioskowania o założeniach na podstawie hipotez. Według Peirce a, aby wywnioskować przez abdukcję ( wyabdukować ) hipotetyczne wyjaśnienie A z zaobserwowanego zjawiska (rezultatu) B należy pokazać, że A może być prawdziwe przy przyjęciu B za ustalone (prawdziwe). Innymi słowy, by wywnioskować abdukcyjnie A z B należy wykazać, że A jest warunkiem dostatecznym, ale niekoniecznym dla B. Marcin Szczuka (MIMUW) Logika stosowana 2013/2014 4 / 12

Koncepcja abdukcji Według Peirce a zasada abdukcji może być przedstawiona następująco: Obserwujemy zaskakujące zjawisko B. Gdyby A było prawdziwe, prawdziwość B byłaby oczywista. Mamy zatem podstawy, by podejrzewać, że A jest prawdziwe. Wielu wspólczesnych, prominentnych filozofów nauki (np. Boyd 1981, 1984, Harré 1986, 1988, Lipton 1991, 2004, Psillos 1999, McMullin 1992) uważa abdukcję, pomimo jej dalece nieformalnej postaci, za co najmniej równoważną dedukcji i indukcji metodę prowadzenia rozumowania w badaniach naukowych. Marcin Szczuka (MIMUW) Logika stosowana 2013/2014 5 / 12

Działanie abdukcji Dedukcja Reguła: Wszystkie fasolki z tego worka są białe. Warunek: Te fasolki są z tego worka. Konkluzja: Te fasolki są białe. Indukcja Warunek: Te fasolki są z tego worka. Obserwacja: Te fasolki są białe. Reguła wynikowa: Wszystkie fasolki z tego worka są białe. Abdukcja Reguła: Wszystkie fasolki z tego worka są białe. Obserwacja: Te fasolki są białe. Wyjaśnienie wynikowe: Te fasolki są z tego worka. Marcin Szczuka (MIMUW) Logika stosowana 2013/2014 6 / 12

Koło rozumowań Pierce a HIPOTEZY DEDUKCJA ABDUKCJA PRZEWIDYWANIA DANE INDUKCJA Marcin Szczuka (MIMUW) Logika stosowana 2013/2014 7 / 12

Pseudo-formalizacja abdukcji Z punktu widzenia logiki formalnej realizujemy proces wyjaśniania w oparciu o teorię T i zbiór obserwacji O. Abdukcja odpowiada wyróżnieniu zbioru możliwych wyjaśnień (Explanations) i wybraniu z niego wyjaśnienia E. Przy założeniu, że T, O, E są wyrażone za pomocą zbiorów literałów, aby E było prawidłowym wyjaśnieniem dla O, zgodnym z T, musi zachodzić: 1 T E = O; 2 T E jest niesprzeczny. Zwykle by wybrać jedno wyjaśnienie spośród wszystkich E spełniających powyższe warunki stosuje się dodatkowe kryterium optymalności (minimalności), np. zasadę najkrótszego opisu lub podobne. Istnieje formalny system logiczny pierwszego rzędu (Cialdea, Mayer i Pirri 1993) dla wnioskowania abdukcyjnego, który jest pełny i poprawny. Jest on oparty na rachunku sekwentów. Pokazano także dualny do niego system formalny oparty na tablicach semantycznych (semantic tableaux). Istnieją także rozszerzenia na logiki modalne. Marcin Szczuka (MIMUW) Logika stosowana 2013/2014 8 / 12

Plan wykładu 1 Abdukcja 2 Przykłady wnioskowań abdukcyjnych Marcin Szczuka (MIMUW) Logika stosowana 2013/2014 9 / 12

Abdukcja w badaniach klinicznych W badaniach klinicznych dla nowych testów medycznych, np. wykrywających jakieś schorzenie, stosuje się następująca metodologię. Wykonujemy test na populacji składającej się z próbki osób chorych i próbki kontrolnej osób zdrowych. Niech x oznacza przynależność do pozytywnych wyników testu, x negatywnych. Niech y oznacza przynależności do osób chorych, a ȳ zdrowych. Wtedy, możemy ocenić jakość testu przez wykonanie prostych pomiarów ilościowych i wyznaczenie wartości takich jak: Czułość (Sensitivity) Pr(x y) odpowiada szansie pozytywnego wyniku testu u osoby chorej. FPR (False Positive Ratio) Pr(x ȳ) odpowiada szansie pozytywnego wyniku testu u osoby zdrowej. Dla użyteczności testu w praktyce medycznej musimy podać używającemu go lekarzowi coś innego, mianowicie Pr(y x) i Pr(y x). Marcin Szczuka (MIMUW) Logika stosowana 2013/2014 10 / 12

Abdukcja w badaniach klinicznych Znając Pr(y x) i Pr(y x) moglibyśmy wyznaczyć docelową szansę, że pacjent jest chory jako: Pr() = Pr(y) Pr(y x) + Pr( x) Pr(y x) Wykonujemy test na populacji składającej się z próbki osób chorych i próbki kontrolnej osób zdrowych. Niech x oznacza przynależność do pozytywnych wyników testu, x negatywnych. Niech y oznacza przynależności do osób chorych, a ȳ zdrowych. Wtedy, możemy ocenić jakość testu przez wykonanie prostych pomiarów ilościowych i wyznaczenie wartości takich jak: Czułość (Sensitivity) Pr(x y) odpowiada szansie pozytywnego wyniku testu u osoby chorej. FPR (False Positive Ratio) Pr(x ȳ) odpowiada szansie pozytywnego wyniku testu u osoby zdrowej. Dla użyteczności testu w praktyce medycznej musimy podać używającemu go lekarzowi coś innego, mianowicie Pr(y x) i Pr(y x). Marcin Szczuka (MIMUW) Logika stosowana 2013/2014 11 / 12

Inn przykłady wykorzystania abdukcji Abdukcja jest często stosowana w rozumowaniach prawniczych, szczególnie w systemach prawa precedensowego. Abdukcję wykorzystuje się w diagnostyce błędów (fault diagnostics). Jednym z prominentnych przykładów jest wykorzystanie abdukcji bayesowskiej do diagnostyki (wyjaśniania) wielokrotnych błędów pochodzących z różnych źródeł w implementacjach API dla protokołów komunikacyjnych. Liczne zastosowania znajduje abdukcja w systemach wspomagania diagnozy medycznej. W wielu aspektach wykorzystanie Sieci Bayesowskich (Bayesian Networks) może być postrzegane jako realizacja wnioskowań typu abdukcyjnego. Marcin Szczuka (MIMUW) Logika stosowana 2013/2014 12 / 12