Következtetés a látás jelentésével kapcsolatban

A logika Ez az alfejezet áttekintést nyújt a logikai reprezentáció és következtetés alapvető fogalmairól. A logika bármely speciális formájára vonatkozó technikai részletek bemutatását a következő fejezetre halasztjuk. Ehelyett egyszerű példákat fogunk használni a wumpus világból vagy ismerős aritmetikai területekről. Azért választjuk ezt az igen rendhagyó megközelítést, mivel a logika fogalmai messze általánosabbak és szebbek, mint azt általában feltételezik. Ezeket a mondatokat a reprezentációs nyelv szintaxisa syntax szerint fejezzük ki, amely specifikálja az összes jól formált, nyelvtanilag helyes mondatot.

A logikai nyelvek szintaxisait és a matematikáét is egyébként rendszerint cikkek és könyvek írása céljából tervezték. A szó szoros értelmében tucatjai léteznek a különböző szintaxisoknak, néhány tele görög betűkkel és egzotikus matematikai szimbólumokkal, néhány inkább vizuálisan követhető, nyilakat és buborékokat tartalmazó diagramokból áll. Minden esetben azonban, az ágens tudásbázisában a mondatok az ágensnek magának vagy az ágens egy részének valódi fizikai konfigurációi.

A következtetés ezeknek a konfigurációknak a létrehozását vagy manipulálását fogja jelenteni. A logikának a nyelv szemantikáját semantics is definiálnia kell.

Dr. Marcos Eberlin X Francisco Quiumento-VITA: AZ UNIVERZUM EREDETE

A logikában a definíció pontosabb. A nyelv szemantikája definiálja minden mondat igazságát truth minden egyes lehetséges világra possible world vonatkozóan. Miután a lehetséges világokat úgy képzelhetjük el, mint potenciálisan valós környezeteket, rúnák a látás helyreállításához az ágens ott lehet vagy nem lehet ott, a modellek olyan matematikai absztrakciók, amelyek csak rögzítik az igazság vagy hamisság értékét minden releváns mondatnak.

Formálisan, a lehetséges modellek nem mások, következtetés a látás jelentésével kapcsolatban minden lehetséges hozzárendelés az x és y változókhoz. Minden ilyen hozzárendelés bármely olyan aritmetikai mondat igazságát rögzíti, amely az x és y változókat tartalmazza. Most, hogy van egy képünk az igazság fogalmáról, tudunk beszélni a logikai következtetésről. Ennek része a mondatok közötti logikai vonzat entailment reláció, annak kifejezése, hogy egy mondat logikusan következik egy másik mondatból.

Hamarosan látni fogjuk, hogy a tudásbázist tekinthetjük egy kijelentésnek, és gyakran beszélhetünk arról, hogy egy tudásbázis maga után vonz egy mondatot. Alkalmazhatunk hasonló elemzést az előző részben bemutatott wumpus világbeli következtetési példára is. Tekintsük a 7. Az ágenst más dolgok mellett az érdekli, hogy vajon a szomszédos [1, 2], [2, 2], [3, 1] négyzetek tartalmaznak-e csapdát.

Ezt mutatja a 7. Például a TB hamis minden modellben, ahol az [1, 2] tartalmaz csapdát, mivel nincs szellő az [1, 1]-ben.

A horizontális sejtek a fotoreceptorok idegvégződései által alkotott rétegben, az úgynevezett külső szinaptikus rétegben teremtenek kapcsolatokat a szomszédos sejtek között, az amakrin sejtek pedig a bipoláris és ganglion sejtek közé ékelődve töltenek be hasonló funkciót. A fotoreceptorok koncentrikus felépítésű, ganglion sejtekhez kapcsolódó receptormezőkbe rendeződnek, melyek akár át is lapolódhatnak egymáson. A pálcikák nagyméretű, homogén mezőket alkotnak, közvetlen kapcsolatban pedig csak egyféle bipoláris sejttel állnak. Egy-egy pálcikákat összekapcsoló bipoláris sejthez hozzávetőlegesen receptor tartozik.

Valójában csak három olyan modell van, amelyben a TB igaz, ezeket a 7. Szemrevételezve megállapíthatjuk a következőt: minden olyan modellben, ahol a TB igaz, ott α1 is igaz. Azt is láthatjuk, hogy: néhány modell, amelyben a TB igaz, az α2 hamis. És azt sem tudja kikövetkeztetni, hogy van csapda a [2, 2]-ben. A vonzat és a bizonyítás megértésében segíthet, ha a TB összes következményeit egy szénakazalnak, az α-t pedig egy gombostűnek képzeljük el.

2. fejezet - Az emberi látással kapcsolatos alapismeretek

A vonzat olyan, mintha a gombostű benne volna a kazalban; a bizonyítás pedig nem más, mint megpróbálni megtalálni ezt a tűt. Egy következtetési eljárást, amely csak vonzat mondatokat vezet le, helyesnek sound vagy igazságtartónak truth-preserving nevezzük. A helyesség egy igencsak kívánatos tulajdonság. Egy nem helyes következtetési eljárás kitalál olyan dolgokat ahogy előrehalad, olyan tűk megtalálását jelenti be, amelyek nem is léteznek.

Egyszerű belátni, hogy a modellellenőrzés, ha alkalmazható,[ 64 ] akkor helyes eljárás. A teljesség completeness tulajdonság szintén következtetés a látás jelentésével kapcsolatban egy következtetési eljárás teljes, ha képes levezetni minden vonzatmondatot. Valódi szénakazlak esetében, amelyek véges méretűek, nyilvánvalónak tűnik, hogy szisztematikus kutatással mindig eldönthető, hogy a tű a kazalban van-e.

Mesterséges intelligencia

Sok tudásbázis esetében azonban a konzekvenciák szénakazlának mérete végtelen, és így a teljesség egy fontos kérdéssé válik. Fontos Egy olyan következtetési folyamatot írtunk le, amelynek következményei bármely világban garantáltan igazak, ahol a premisszák is igazak.

Nevezetesen, ha a TB igaz a valódi világban, akkor bármely, a TB-ből helyes következtetési eljárással levezetett α mondat szintén igaz a valódi világban.

К несчастью для Беккера, вместо неуклюжего такси Халохот обрел под ногами твердую почву. Спокойно подняв пистолет, он выстрелил. Пуля задела Беккера в бок, когда он уже почти обогнул угол здания. Он почувствовал это лишь после того, как сделал пять или шесть шагов. Сначала это напомнило сокращение мышцы чуть повыше бедра, затем появилось ощущение чего-то влажного и липкого.

Ennek megfelelően a valódi világ néhány aspektusa lesz az eset,[ 66 ] mivel a valódi világ bizonyos más aspektusai jelenleg képezik az esetet. Ezt a megfeleltetést a világ és a reprezentáció között mutatja a 7.

A logikai következtetésnek biztosítania kell, hogy az új konfigurációk olyan aspektusait reprezentálják a világnak, amelyek ténylegesen is következnek azokból az aspektusokból, amelyeket a régi konfigurációk reprezentálnak. Fontos Az utolsó kérdés, amivel foglalkoznunk kell a logikai ágensek tárgyalásánál, a megalapozottság grounding kérdése, ami nem más, mint a kapcsolat, ha egyáltalán létezik ilyen, a logikai következtetési folyamat és a valódi környezet között, amelyben az ágens létezik.

Nevezetesen hogyan tudhatjuk meg, hogy a TB igaz-e a valódi világban? Ez egy filozófiai kérdés, következtetés a látás jelentésével kapcsolatban sok-sok könyvet írtak lásd Egy egyszerű válasz az, hogy az ágens érzékelői létesítik a kapcsolatot. Például a mi wumpus világbeli ágensünknek van egy szagló érzékelője.

Az ágensprogram létrehoz egy megfelelő mondatot mindig, ha van illat.

Így bármikor, ha ez a mondat a tudásbázisban van, ez igaz a valódi világban is. Ezáltal az érzetmondatok jelentését és igazságát az őket létrehozó érzékelő és mondatkonstruáló folyamatok határozzák meg.

És mi a teendő az ágens tudásának egyéb részeivel, mint az a meggyőződése, hogy a wumpus rossz illatot terjeszt a szomszédos négyzetekben? Ez nem egy közvetlen reprezentációja egy egyedi érzetnek, hanem egy általános szabály, például érzékelési tapasztalatokból levezetve, de nem azonos magával a tapasztalatnak a kijelentésével. Az ilyen általános szabályokat a tanulásnak learning nevezett mondatkonstruáló folyamat hozza létre, ami a VI.

A tanulás nem tévedhetetlen.

Mesterséges intelligencia | Digitális Tankönyvtár

Lehet, hogy az eset az, hogy a wumpusok mindig rossz illatot árasztanak, kivéve szökőévekben február én, amikor egyébként megfürödnek. Így lehet, hogy a TB nem igaz a valódi világban, de jó tanuló eljárásokkal van ok az optimizmusra.

Feladatok Ebben a fejezetben olyan ágenseket tervezünk, amelyek képesek reprezentációkat kialakítani a világról, következtetési folyamatot alkalmaznak a világ új reprezentációjának a származtatására, és felhasználják az új reprezentációt a teendők kikövetkeztetésére. Ez a fejezet tudásbázisú ágenseket mutat be. A fogalmak, amelyeket itt tárgyalunk — a tudás reprezentációja és a tudás alkalmazását lehetővé tevő következtetési folyamatok — központi témái a mesterséges intelligencia minden területének. Az emberek, úgy tűnik, ismernek a világról számos dolgot, és következtetéseket végeznek.

Az ítéletkalkulus: egy nagyon egyszerű logika Most egy nagyon egyszerű logikát, az ítéletkalkulust propositional logic mutatjuk be. Azután megnézzük a maga után vonzást — a relációt egy adott mondat és azon mondat között, amelyik az előbbiből következik —, és megnézzük, hogy hogyan vezet ez egy egyszerű logikai következtetés algoritmushoz.

Mindez természetesen a wumpus világban fog lejátszódni. Szintaxis Az ítéletkalkulus szintaxisa meghatározza a lehetséges mondatokat. Az atomi mondatok atomic sentences — oszthatatlan szintaktikai elemek — egyetlen ítéletszimbólumból proposition symbol állnak.

Minden ilyen szimbólum egy kijelentés, ami igaz vagy hamis lehet. Nagybetűs neveket fogunk használni a szimbólumok jelölésére: P, Q, R és így tovább. A nevek tetszőlegesek, de gyakran úgy választjuk őket, hogy a nevek bizonyos jelentéssel is rendelkezzenek.

Például használhatjuk a W1,3-t annak az állításnak a kifejezésére, hogy a wumpus az [1, 3]-ban van. Ne felejtsük el, hogy a W1,3 atomi, így a W, az 1 a rossz látással járó szülés következménye a 3 nem jelentéssel bíró részei a szimbólumnak.

Létezik két ítéletszimbólum, amelyeknek rögzített az értelmezése: az Igaz egy mindig igaz állítás, és a Hamis egy mindig hamis állítás. Összetett mondatok complex sentences létrehozhatók egyszerűbb mondatokból logikai összekötőjelek logical connectives felhasználásával.

Öt elterjedten használt összekötőjel van: ¬ nem. Egy mondatot, mint a ¬W1,3-t, negációnak negation nevezünk. Egy literál literal vagy egy atomi mondat egy pozitív literálvagy egy negált atomi mondat egy negatív literál.

A legtöbb ember számára könnyebb megjegyezni úgy, mint egy fejjel lefelé álló és jelet, vagy a magyar olvasók számára, mint a vagy szó első betűjét. Ez biztosítja, eltérő látás mindkét szemében a szintaxis teljesen egyértelmű. Az olvashatóság javítása céljából gyakran elhagyjuk a zárójeleket, megbízva ehelyett az összekötőjeleknek egy precedencia-sorrendjében. Végül, néha használni fogunk szögletes zárójelet az egyszerű zárójel helyett, ami a mondatot áttekinthetőbbé teszi majd.

Szemantika Most, hogy specifikáltuk az ítéletkalkulus szintaxisát, definiáljuk a szemantikáját is. A szemantika definiálja a szabályokat, amivel meghatározható a mondat igazsága egy bizonyos modellben. Az ítéletkalkulusban a modell egyszerűen az igazságértéket — igaz vagy hamis — rögzíti minden ítéletszimbólumra. Vegyük észre azonban, hogy miután elköteleztük magunkat egy szintaxis mellett, a modellek tisztán matematikai objektumokká váltak, amelyeknek nem feltétlenül van kapcsolatuk a wumpus világgal.

Az ítéletkalkulus szemantikájának meg kell határoznia, hogyan számítsuk ki bármely mondat igazságértékét egy adott modellben. Ez rekurzívan történik. Minden mondat atomi mondatokból és az ötféle összekötőjelből lett létrehozva, így meg kell határoznunk, hogy hogyan számítsuk ki az atomi mondatok igazságát, és meg kell határoznunk azt következtetés a látás jelentésével kapcsolatban, hogy hogyan számítsuk ki az igazságát az egyes összekötőjelek felhasználásával formált összetett mondatnak.

Az atomi mondatok esete egyszerű: Igaz minden modellben igaz, és Hamis ha minden modellben hamis. Minden más ítéletszimbólumnak az igazságértékét közvetlenül a modellben kell meghatározni.

Például a korábban megadott m1 modellben a C1,2 hamis. Összetett mondatokra olyan szabályaink vannak, mint Bármely s mondatra és bármely m modellre, a ¬s mondat az m-ben akkor és csakis akkor igaz, ha s hamis m-ben.

Az ilyen szabályok visszavezetik az összetett mondatok igazságának eldöntését egyszerűbb mondatokra. Minden összekötőjelre vonatkozó szabály összefoglalható egy igazságtáblában truth tableamely meghatározza egy összetett mondat igazságértékét a mondat komponenseinek minden lehetséges igazságérték hozzárendeléseihez.

Az öt logikai összekötőjel igazságtábláját mutatja a 7. Ilyen táblák felhasználásával bármely s mondat igazságértéke egy m modellre vonatkozóan kiszámolható rekurzív kiértékelések egyszerű folyamatával.

2.1. Az emberi szem

Korábban azt mondtuk, hogy a tudásbázist mondatok halmaza alkotja. Most láthatjuk, hogy egy logikai tudásbázis ilyen mondatok konjunkciója. Ez azt jelenti, hogy tudásbázisokat és mondatokat egymással felcserélhetően használhatunk. Tekinthetjük a táblázat úgy is, hogy minden sor egy modell, és az egyes oszlopbeli elemek az adott sorban azt mondják meg, hogy a megfelelő mondat igaz-e az adott modellben. Az ítéletkalkulus nem kíván semmilyen ok-okozati relációt vagy relevanciát P és Q között.

Egy másik esete a félreértéseknek, hogy bármely implikáció igaz, ha az előzménye hamis. Az egyetlen eset, amikor ez a mondat hamis, ha P igaz, de Q hamis. Például, egy négyzet szellős, ha a szomszédos, ha a szomszédos négyzetben csapda van, és egy négyzet csakis akkor szellős négyzetben csapda van. Nem szabályozza azokat a modelleket, amelyekben S1,1 hamis és C1,2 igaz, amivel megszegnénk a wumpus világ szabályait. Egy másik mód ennek érzékeltetésére, hogy az implikáció igényli a csapda jelenlétét, ha szellő van, miközben az ekvivalencia szintén megkívánja a csapda hiányát, ha nincs szellő.

Egy egyszerű tudásbázis Most, hogy definiáltuk az ítéletkalkulus szemantikáját, létre tudunk hozni egy tudásbázist a wumpus világ számára. Az következtetés a látás jelentésével kapcsolatban kedvéért csak a csapdákkal fogunk törődni, a wumpust magát feladatként az olvasóra hagyjuk. A tudás, amelyet most leírunk, elégséges ahhoz, hogy elvégezzük a 7.

Először meg kell választanunk a szótárunkat az ítéletszimbólumaink megnevezéséhez. Minden i, j-re: Legyen Ci,j igaz, ha csapda van [i, j]-ben. Legyen Si,j igaz, ha szellő van [i, j]-ben.

2.2. A színlátás és világosságérzékelés folyamata

A tudásbázis tartalmazza a következő mondatokat mindegyiket felcímkézzük a kényelem kedvéért : Nincs csapda az [1, 1]-ben: Egy négyzet akkor és csakis akkor szellős, ha csapda van a szomszédos négyzetben. Most hozzáadjuk a szellő érzetet az első két meglátogatott négyzetre abban a specifikus világban, ahol az ágens jelenleg tartózkodik, ami elvezet a 7.

A tudásbázis most Sz1-től Sz5-ig tartalmaz mondatokat. Például, hogy a tudásbázis maga után vonzza-e a C2,2 állítást. Az első algoritmusunk a következtetésre a vonzat definíciójának közvetlen megvalósítása lesz: vegyük sorba a modelleket, és ellenőrizzük, hogy α igaz-e minden modellben, amelyben a TB igaz. Az ítéletlogikában a modellek az igaz és hamis értékek hozzárendelései minden egyes ítéletszimbólumhoz.

Ebben a három modellben igaz, így nincsen csapda az [1, 2]-ben. Viszont a C2,2 a három modellből kettőben igaz és egyben hamis, így még nem tudjuk megmondani, hogy van-e csapda [2, 2]-ben.

Az algoritmus helyes, mivel közvetlenül a vonzat definícióját valósítja meg, és teljes, mivel bármely TB-on és α mondaton működik, és mindig sikeresen véget ér, hiszen véges számú modellt kell megvizsgálni. A TB igaz, ha Sz1-től és Sz5-ig igaz, amely a sorból csak 3-ban fordul elő. Mind a 3 sorban C1,2 hamis, tehát nincsen csapda az [1, 2]-ben.

Viszont lehet, hogy van csapda [2, 2]-ben bár lehet, hogy nincs. Az IT az igazságtáblát jelöli. A modell változó reprezentál egy részleges modellt, egy hozzárendelést a változók egy részéhez. Ha a TB és az α mondat összesen n szimbólumot tartalmaz, akkor 2n modell létezik.