Elementy kognitywistyki III: Modele i architektury poznawcze

Podobne dokumenty
Elementy kognitywistyki III: Modele i architektury poznawcze

Elementy kognitywistyki III: Modele i architektury poznawcze

Elementy kognitywistyki III: Modele i architektury poznawcze

Wstęp do kognitywistyki. Wykład 12: Wprowadzenie do SI. Obliczeniowa teoria umysłu

Czy architektura umysłu to tylko taka sobie bajeczka? Marcin Miłkowski

Wykład 11b. System aksjomatyczny Klasycznego Rachunku Predykatów. Aksjomaty i reguły inferencyjne

Reprezentacja wiedzy ontologie, logiki deskrypcyjne

Elementy kognitywistyki II:

Główne problemy kognitywistyki: Reprezentacja

Elementy kognitywistyki II: Sztuczna inteligencja

Dowody założeniowe w KRZ

Elementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD XII: Modele i architektury poznawcze

Modelowanie danych, projektowanie systemu informatycznego

Semantyka rachunku predykatów

Ontologie, czyli o inteligentnych danych

Logika Stosowana. Wykład 2 - Logika modalna Część 2. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2016/2017

Systemy ekspertowe i ich zastosowania. Katarzyna Karp Marek Grabowski

Programowanie w logice

Wykład 11a. Składnia języka Klasycznego Rachunku Predykatów. Języki pierwszego rzędu.

Elementy kognitywistyki III: Modele i architektury poznawcze

MATEMATYKA DYSKRETNA, PODSTAWY LOGIKI I TEORII MNOGOŚCI

1 Projektowanie systemu informatycznego

Wstęp do kognitywistyki. Wykład 5: Rewolucja kognitywna?

Czy istnieje logika w naszych głowach

Logika Stosowana. Wykład 1 - Logika zdaniowa. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2016/2017

Wprowadzenie do logiki Klasyczny Rachunek Zdań część 3

Wprowadzenie do logiki Zdania, cz. III Język Klasycznego Rachunku Predykatów

Metody dowodzenia twierdzeń i automatyzacja rozumowań Systemy aksjomatyczne I

Podstawy Sztucznej Inteligencji (PSZT)

Programowanie deklaratywne

Klasyczny rachunek zdań 1/2

Kultura logiczna Klasyczny rachunek zdań 1/2

2

Składnia rachunku predykatów pierwszego rzędu

Z punktu widzenia kognitywisty: język naturalny

Spis treści Informacje podstawowe Predykaty Przykłady Źródła RDF. Marek Prząda. PWSZ w Tarnowie. Tarnów, 6 lutego 2009

Wstęp do kognitywistyki. Wykład 7: Psychologia poznawcza: nietrwałe reprezentacje mentalne

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

Reprezentacje grafów nieskierowanych Reprezentacje grafów skierowanych. Wykład 2. Reprezentacja komputerowa grafów

Reguły gry zaliczenie przedmiotu wymaga zdania dwóch testów, z logiki (za ok. 5 tygodni) i z filozofii (w sesji); warunkiem koniecznym podejścia do

Co to jest znaczenie? Współczesne koncepcje znaczenia i najważn. i najważniejsze teorie semantyczne

Andrzej Wiśniewski Logika II. Materiały do wykładu dla studentów kognitywistyki. Wykład 14. Wprowadzenie do logiki intuicjonistycznej

Modularność: ujęcie funkcjonalne czy architekturalne?

KIERUNEK: KOGNITYWISTYKA

SZTUCZNA INTELIGENCJA

ćwiczenia 15 zaliczenie z oceną

Wstęp do kognitywistyki. Wykład 6: Psychologia poznawcza

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

Reprezentacja wiedzy i wnioskowanie

Wykład I. Wprowadzenie do baz danych

PRZEWODNIK PO PRZEDMIOCIE

Uwagi wprowadzajace do reguł wnioskowania w systemie tabel analitycznych logiki pierwszego rzędu

Język myśli. ang. Language of Thought, Mentalese. Dr hab. Maciej Witek Zakład Filozofii Nauki, Wydział Humanistyczny Uniwersytet Szczeciński

Metody dowodzenia twierdzeń i automatyzacja rozumowań Tabele syntetyczne: definicje i twierdzenia

Logika formalna SYLABUS A. Informacje ogólne

Andrzej Wiśniewski Logika II. Materiały do wykładu dla studentów kognitywistyki

Logika formalna wprowadzenie. Ponieważ punkty 10.i 12. nie były omawiane na zajęciach, dlatego można je przeczytać fakultatywnie.

Sztuczna inteligencja i logika. Podsumowanie przedsięwzięcia naukowego Kisielewicz Andrzej WNT 20011

Co to jest znaczenie? Współczesne koncepcje znaczenia i najważn. i najważniejsze teorie semantyczne

Księgarnia PWN: Szymon Wróbel - Umysł, gramatyka, ewolucja

Elementy kognitywistyki III: Modele i architektury poznawcze

Elementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD IX: Agent przetwarza język naturalny

Elementy kognitywistyki III: Modele i architektury poznawcze

V Seminarium Naukowe "Inżynierskie zastosowania technologii informatycznych" - relacja

Logika Matematyczna (1)

Kultura logiczna Wnioskowania dedukcyjne

PRZEWODNIK PO PRZEDMIOCIE

Programowanie w Logice Struktury danych (Lista 2)

Systemy Agentowe główne cechy. Mariusz.Matuszek WETI PG

ROZDZIAŁ 1. Rachunek funkcyjny

Reprezentacje poznawcze

4 Klasyczny rachunek zdań

Wstęp do logiki. Klasyczny Rachunek Predykatów I

Rachunek logiczny. 1. Język rachunku logicznego.

Sztuczna inteligencja - wprowadzenie

Rachunek zdań i predykatów

Paradygmaty programowania

Załącznik Nr 4. odniesienie do obszarowych efektów kształcenia w KRK. kierunkowe efekty kształceniaopis WIEDZA

Testowanie i walidacja oprogramowania

Epistemologia. #00 Abstrakty prac. Paweł Łupkowski. Instytut Psychologii UAM

Zaawansowane Modelowanie I Analiza Systemów Informatycznych

Internet Semantyczny. Logika opisowa

Zasada rozszerzania. A U A jest zbiorem rozmytym, B jest obrazem zbioru A Przeniesienie rozmytości A w odwzorowaniu f na zbiór B. sup.

P. KOŁODZIEJCZYK, Związek logiki kwantyfikatorów rozgałęzionych i teorii sieci semantycznych...

Wstęp do kognitywistyki. Wykład 3: Logiczny neuron. Rachunek sieci neuronowych

Znaczenie. Intuicyjnie najistotniejszy element teorii języka Praktyczne zastosowanie teorii lingwistycznej wymaga uwzględnienia znaczeń

Strukturalizacja otoczenia agentów: ontologie, CYC, sieci semantyczne

Metoda Tablic Semantycznych

Podstawowe Pojęcia. Semantyczne KRZ

Programowanie deklaratywne

Języki programowania zasady ich tworzenia

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

LOGIKA I TEORIA ZBIORÓW

Andrzej Wiśniewski Logika II. Materiały do wykładu dla studentów kognitywistyki. Wykład 15. Trójwartościowa logika zdań Łukasiewicza

SZTUCZNA INTELIGENCJA

JÓZEF W. BREMER WPROWADZENIE DO LOGIKI

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

Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki. Wykłady 12 i 13. Dowód i dowodzenie w KRP. Tezy KRP

Systemy eksperowe. Agnieszka Nowak Brzezińska Wykład I

Transkrypt:

Elementy kognitywistyki III: Modele i architektury poznawcze Wykład IV: Reprezentacje jako Modele symboliczne I: Rachunek predykatów, Sieci semantyczne

Gwoli przypomnienia: Kroki w modelowaniu kognitywnym: teoretyczne ramy pojęciowe (modele pojęciowe) przeformułowanie założeń w precyzyjnym języku dodatkowe założenia szacowanie parametrów na podstawie danych empirycznych porównywanie przewidywań konkurujących modeli

Problem reprezentacji...w psychologii: reprezentacja poznawcza: uproszczony model tego, do czego się odnosi spór o reprezentacjonizm reprezentacja przedstawia w obrębie umysłu bodźce: realizm konstruktywizm

Reprezentacje w modelach obliczeniowych Dwa pytania: jakiego rodzaju reprezentacjami modele manipulują? na jakiej zasadzie reprezentacje reprezentują? w jakich warunkach coś jest reprezentacją? co determinuje odniesienie reprezentacji? reprezentacje atomiczne nie mają wewnętrznej struktury reprezentacje złożone zestawione z reprezentacji atomicznych reprezentacje kompozycjonalne: to, co reprezentuje całość jest funkcją tego, co reprezentują części oraz relacji strukturalnych 1001011: k ; 75

Standardowe formaty reprezentacji...wysokiego poziomu (kompilowane następnie na kod maszynowy) I. Rachunek predykatów 7 typów wyrażeń (PROLOG): predykaty: pies(x), zatrudniony(x,y), is_a(jan, czlowiek) nazwy: X=jan, Y=spolka_zoo zmienne: X, Y zdania, zdania otwarte: zatrudniony(jan, spolka_zoo). spójniki: ssak(x) : czlowiek(x). kwantyfikatory

Rachunek predykatów Zapytanie w PROLOGu cel; odnalezienie odpowiedzi realizacja celu? pies(snoopy). YES.? pies(x). X=snoopy. X=odie. zalety reprezentacji w postaci RP wyraźna semantyka znane własności formalne modularność naturalny sposób hierarchiczna) wyrażania słabość: fragmentacja informacji pewnych idei (zależność

Sieci semantyczne

Sieci semantyczne Ukierunkowany graf, na który składają się: węzły oraz łączące je łuki pierwotnie: model ludzkiej pamięci asocjacyjnej (Quillian 1968) obecnie: formalizm reprezentacji wiedzy automatycznego systemu wnioskowania oraz wsparcie 6 typów sieci semantycznych: 1. sieci definicyjne: podstawowe relacje: podtyp oraz jest-to (is-a) wspierają regułę dziedziczności (inheritance) informacje w sieci uznaje się za prawdziwe (definicje) system KL-ONE (Brachman, Schmolze)

Hierarchia dziedziczności

Sieci semantyczne 2. sieci asercyjne zaprojektowane by wyrażać asercje sądów przygodna prawdziwość przechowywanych informacji modele struktur pojęciowych tkwiących u podstaw semantyki języka naturalnego Peirce: notacja graficzna pokazująca atomy i molekuły logiki R. Schank: zależności pojęciowe (Conceptual Dependency) od słów do pojęć; reprezentacja na poziomie zdań; później: skrypty (Schank, Abelson 1977), MOP, TOP

Sieci semantyczne

Sieci asercyjne, cd.

Sieci asercyjne, cd. S. Shapiro: MIND, SNePS: propozycjonalne sieci semantyczne Sądy reprezentowane są przez węzły, nie łuki, oraz: Każdy węzeł reprezentuje unikalne pojęcie Każde pojęcie reprezentowane jest przez węzeł Wiedza o pojęciu: struktura związana z węzłem Sieci sem. reprezentują sieci przekonań (nie świat lub tekst) modyfikacja sieci propozycjonalnych: Grafy Pojęciowe (J. Sowa) relacje zagnieżdżone w węzłach propozycjonalnych własności lingwistyczne (Tesniere), logiczne (Peirce)

Sieci asercyjne, cd.

Grafy pojęciowe

Sieci semantyczne, cd. 3. sieci implikacyjne relacją wiążącą węzły jest implikacja (inne relacje zagnieżdżone) reprezentacja wzorców przekonań, przyczynowości i wnioskowań 4. sieci wykonawcze obejmują wewn. (powiązane z węzłami) lub zewnętrzne mechanizmy: przesyłające informacje między węzłami wykonujące działania na węźle lub okolicznych węzłach transformujące grafy (łączenie, rozbijanie) przykład: grafy przepływu danych [dataflow graphs]: węzły pasywne/aktywne

Sieci semantyczne, cd.

Sieci uczące się i hybrydowe budują i rozszerzają swoje reprezentacje w oparciu o przykłady modyfikacja sieci: pamięć rdzenna [rote memory] zmiana wag restrukturyzowanie 6. sieci hybrydowe: łączą w sobie dwie lub więcej z powyższych technik wnioskowanie: rozprzestrzeniająca się aktywacja [spreading activation] pytania: przekazanie niepełnej sieci zalety: kolekcjonują informacje razem słabości: reprezentacja typowości/normalności, dysjunkcji, negacji

Sieci uczące się i hybrydowe