Alternative Notationen, semantische Netze, Frames

Transcription

UniversitŠt Bielefeld
ReprŠsentation einer Szene
(inst block-2 block)
1 KI und symbolische Repräsentation
block-2
3. Vorlesung: Alternative Notationen: Semantische
Netze; Frames
block-1
u als Menge logischer Formeln
(color block-2 red)
u als semantisches Netz
(supported-by block-2 block-1)
(inst block-1 block)
(color block-1 yellow)
(supported-by block-1 table-1)
table-1
block
(inst table-1 table)
inst
table
inst
inst
Methoden der KŸnstlichen Intelligenz
Ipke Wachsmuth
block-2
red
ÊWS 2000/2001
color
block-1
supported-by
color
table-1
supported-by
yellow
3. Vorlesung
ISA-Hierarchie und Vererbung
• Schlüsselkonzept der KI aus der Tradition semantischer Netze
Semantische Netze (auch: "assoziative Netze") und
prädikatenlogische Formeln repräsentieren die gleiche
Information in unterschiedlichem Format:
• Knoten entsprechen Termen
• markierte gerichtete Kanten
entsprechen
ISA:
Òis aÓ
Òist einÓ
Prädikaten
• Dies kann sich über ganze ISA-Hierarchien fortpflanzen.
Zweck: Ökonomie in der Wissensrepräsentation
–> Suche entlang von inst- und isa-links, um nicht direkt
verfügbare Information zu gewinnen (durch Vererbung).
WAS IST ABER ANDERS?
Zusätzlich enthalten semantische Netze pointer (und
manchmal auch back pointer ), die den Zugriff auf
assoziierte Information (z.B. Instanzen) einfach machen:
ACHTUNG:
Manchmal isa für
Element- und ako für
Teilmengen-Beziehung!
AKO: Òa kind o f Ó
--> später
INDEXING
• Instanzen "erben" Eigenschaften, die Individuenmengen
(Klassen) zugeschrieben werden.
INHERITANCE OF PROPERTIES
d.h. es handelt sich um alternative Notationen,
nicht prinzipiell verschiedene Repräsentationen!
3. Vorlesung
2
Alternative Notationen
Indexing-Schemata
können aber auch in
prädikatenlogischen
Repräsentationen
eingeführt werden.
3
3. Vorlesung
inst
entspricht
isa
entspricht
4
Beispiel einer ISA-Hierarchie
p r o p e r ty - l i n k
can
p r o p e r ty-inheritan c e- l i n k
isa
isa
inst
Kann Clyde
sich bewegen?
color
Knoten (fido,fifi):
gray
fred
female
fifi
inst
sex
fido
male
*Beispiel: prädikatenlogische Rekonstruktion der dog-properties
z.B. (sex fifi female)
(forall(x)(if (inst x dog)
(and (friendliness x high)
(eats x meat))))
5
3. Vorlesung
6
Slot-Assertion-Notation
Zweck:
Slot-and-Filler Notation (Frames)
Ausdruck funktionaler Beziehungen
Die verschiedenen Slot-Assertions werden zu einem
strukturierten Ausdruck kombiniert:
Beispiele.
(catch-object
(catch-object
Aus einer Menge von
Fakten (Assertionen)
wird ein "objektzentriertes" Format.
jack-2 ball-5)
petra-1 keule-3)
Prädikat
Das "catch-objectEreignis catch-22"
werden repräsentiert als:
(catch-object catch-22 )
(catcher catch-22 jack-2)
(caught catch-22 ball-5)
wird
(catch-object
Allgemeine
Struktur: (catch-object
(inst catch-23 catch-object)
(catcher catch-23 petra-1)
(caught catch-23 keule-3)
Aus
Objekt hier:
Argumente (slots)
(inst catch-22 catch-object)
(catcher catch-22 jack-2)
(caught catch-22 ball-5)
3. Vorlesung
inst
sex
Individuen
Type versus Token!
Auch dies sind
prädikatenlogische
Repräsentationen,
die jedoch (durch
die Slot-Prädikate)
mehr ausdrücken
als die oberen:
Funktionale Struktur
high
assertierte Fakten für
inst
clyde
dog
Assertionen*
Property-links von Instanz-
elephant
friendliness
meat
implizit allquantifizierte
isa
tiger
4
isa
eats
Netzes (dog,mammal):
Was ist ein
Elefant?
striped
3. Vorlesung
mammal
Property-links von Klassen-
head
has-part
higher
animal
has-part
pattern
true
Knoten eines semantischen
legs
Welche Dinge haben
Streifenmuster?
ACHTUNG – unterscheide:
isa
amoeba
numlegs
furry
Haben Tiere
Beine?
move
animal
Idee von Eigenschaftsvererbung
7
3. Vorlesung
catch-22
(catcher jack-2)
(caught
ball-5))
<token>
(catcher
(caught
<token>)
<token>))
8
Objekte/Frames
Kernideen von Frames
(bzw. allgemein von objektzentrierten Repräsentationen)
u Formalismen, mit denen eine Menge von Fakten
l
l
l
strukturiert
ökonomisch
mit Basiswissen über die Verwendung
u Vererbungshierarchien
u zugeordnete Prozeduren
u Erwartungswerte (Defaults)
abgespeichert werden kann.
z.B.:
Objekt
Eigenschaften
Werte
Elefant :
ist_ein :
Farbe :
hat :
Größe :
Lebensraum :
Säugetier
grau
Rüssel
groß
Boden
3. Vorlesung
u Verwendungsaspekte
a) Eigenschaftszuschreibung
b) Klassifikation anhand von Eigenschaften
9
3. Vorlesung
Vererbungshierarchie - Beispiel
Objekt
Eigenschaften
Werte
Säugetier :
ist_ein :
Vermehrung :
...
Wirbeltier
lebendgebärend
...
Objekt
Eigenschaften
Werte
Elefant :
ist_ein :
Farbe :
hat :
Größe :
Lebensraum :
Säugetier
grau
Rüssel
groß
Boden
3. Vorlesung
10
Konzepthierarchien
Bemerkungen:
Lebewesen
l
Tier
SŠugetier
l
Haustier
l
Hund
11
3. Vorlesung
Manchmal wird für „Objekt“ auch
„Konzept“ gesagt.
Manchmal wird für „Hierarchien“
wie links auch „Heterarchien“
gesagt.
Es gibt viele Weisen, Hierarchien
bzw. Heterarchien für eine „Welt“
anzugeben.
12
Vererbungshierarchien
Zugeordnete Prozeduren
u dienen der ökonomischen Datenhaltung
l
l
l
u (kleine) Programme, die einer Eigenschaft eines Objektes
zugeordnet sind und bei jedem Lese- oder Schreibzugriff
auf dessen Wert ausgeführt werden, etwa um:
Objekte (genaugenommen Objektklassen) werden in Hierarchien
strukturiert
individuelle Eigenschaften werden beim Objekt selbst
abgespeichert
l
allgemeine Eigenschaften werden den Vorgängern in der
Hierarchie zugeordnet und an alle Nachfolger vererbt
l
aus vorhandenen Parametern neue zu berechnen, z.B. Alter aus
Geburtsdatum
Werteänderungen zu überwachen, z.B. bei jedem Schreibzugriff
den neuen Wert auf dem Bildschirm anzeigen (active values)
u flexibler: Vererbungsheterarchien
l
Vererbung der Eigenschaften mehrerer Vorgänger möglich
l
Möglichkeit der gezielten Unterdrückung einzelner Eigenschaften
3. Vorlesung
u Zugeordnete Prozeduren können in einer Objekthierarchie
(ähnlich wie Werte) vererbt werden.
13
3. Vorlesung
Erwartungswerte (Defaults)
Von semantischen Netzen ...
u Vorbelegungen von Werten, die normalerweise, aber nicht
immer stimmen und daher durch konkrete Informationen
überschrieben werden können.
u Beispiel:
(typischerweise kšnnen
(Vogel Flugfähigkeit ja)
Všgel fliegen)
(Pinguin ist_ein Vogel)
(Pinguin Flugfähigkeit nein)
u ACHTUNG: Der Einsatz von Defaults kann erfordern, daß
Schlußfolgerungen zurückgezogen werden müssen.
Wirbeltier
15
selbstbewegend
Beweglichkeit
ist_ein
hat
Kopf
SŠugetier
lebendgebŠrend
Beine
ist_ein
generische
Eigenschaft
Farbe
Grš§e
gro§
Elefant
grau
hat
Lebensraum
individuelle
Eigenschaft
3. Vorlesung
hat
Vermehrung
Boden
Zahnweh
3. Vorlesung
14
inst
hat
clyde
inst
RŸssel
fred
16
Beispielsprache FRL (1977)
... zu Frames (Ausschnitt)
(Frame Representation Language)
Objekt
Eigenschaften
Werte
Säugetier :
ist_ein :
Vermehrung :
...
Wirbeltier
lebendgebärend
...
u Frame (für jeweils ein Objekt)
u Slots (für Eigenschaften)
u Facetten (für „Wertarten“)
l
Objekt
Eigenschaften
l
Werte
l
Elefant :
3. Vorlesung
ist_ein :
Farbe :
hat :
Größe :
Lebensraum :
Säugetier
grau
Rüssel
groß
Boden
l
l
l
$value
$require
$default
$if-added
$if-removed
$if-needed
; tatsŠchlicher Wert des Slots
; Wertebereich fŸr $value
; Erwartungswert (Standardannahme)
; auszufŸhren bei Eintrag eines Werts fŸr $value
; auszufŸhren bei Lšschen eines Werts fŸr $value
; auszufŸhren falls $value-Wert benštigt wird
u Werte
17
3. Vorlesung
18
Problematik von Defaults
Vererbungshierarchien in FRL
Frame Elefant
Slot
Facette
Wert
Frame Clyde
Slot
Facette
Wert
AKO
$value
Säugetier
AKO
$value
Elefant
Objekt
Eigenschaften
Werte
Elefant :
ist_ein :
Farbe :
hat :
Größe :
Lebensraum :
Säugetier
grau
...
...
...
Objekt
Eigenschaften
Werte
Clyde :
ist_ein :
Farbe :
hat :
Größe :
Lebensraum :
Elefant
...
...
...
...
ACHTUNG: Eigentlich zu unterscheiden:
• generische Objekte (Objektklassen)
• individuelle Objekte (Instanzen)
3. Vorlesung
ãWerteÒ
kšnnen
auch
(Lisp-)
Prozeduren
sein .
u FRAGE:
Was ist groß, grau, hat einen Rüssel und lebt auf
Bäumen?
u ANTWORT:
Ein Elefant –
die Bäume sind eine Abweichung bezüglich des
Lebensraums typischer Elefanten.
Manche Frame-Sprachen
unterscheiden daher
ISA- und AKO-Slots!
(Brachmann, 1985)
19
3. Vorlesung
20
Kritik an Frame-Sprachen/FRL
Ursprung von Frames
Kognitive Theorie über:
u Alle Zusicherungen können durch Ausnahmen
überschrieben werden.
u Eine automatische Klassifikation neuer Objekte anhand
ihrer Eigenschaften ist daher nicht möglich.
Marvin Minsky (1975):
A framework for representing knowledge. In
P.H. Winston (ed.): The
Psychology of Computer
Vision. New York:
McGraw-Hill.
u Radikale Konsequenz:
Erwartungswerte (Defaults) und Abweichungen bei der
Objekt-Definition verbieten.
È Grundidee der KL-ONE-Sprachen (spŠter)
3. Vorlesung
21
3. Vorlesung
u Wiedererkennen von stereotypen Objekten
(z.B. Wohnzimmer)
u Handeln bei stereotypen Ereignissen (z.B.
Kindergeburtstag)
u Beantwortung von Fragen über stereotype
und konkrete Objekte
Nur der dritte Aspekt ist in FRL und den
meisten Frame-Sprachen berücksichtigt.
22
<Frame-Bild>
RŸckblick auf Teil 1
• Was ist Künstliche Intelligenz?
• Ziele und Vorhaben der KI
• Symbolverarbeitung; interne Repräsentation
• Eindeutigkeitsforderung: referentiell, semantisch, funktional
• Prädikatenkalkül; Inferenzregeln
• Alternative Notationen (Logik, semantische Netze, Frames)
• Verwendung: Eigenschaftszuschreibung bzw. Klassifikation
Leseempfehlung heute:
u Charniak & McDermott,
Kapitel 1, Seite 22-29
3. Vorlesung
23
3. Vorlesung
24

Alternative Notationen, semantische Netze, Frames

Transcription

Documents pareils

wat-turnier@telekom-post - Telekom Post

SV Brackwede - FLVW

SEPA-Lastschriftmandat Aufnahmeantrag Den ausgefüllten Antrag

hier kommt oppa - Die Pensionäre

Seite 1 I/1 Bildung des Stadtkreises Bielefeld Allerhöchste

anmelden - Society Messe

Im Brennpunkt - Bund der Freien Waldorfschulen

DAS KUNSTHANDWERK

1 Symbolische Repräsentation

reich der Universität Bielefeld