Tema 1: Introducción Agentes Racionales + Rep. del conocimiento + WWW = Web Semántica

Transcripción

1 Introducción a SIA p. 1/52 Tema 1: Introducción Agentes Racionales + Rep. del conocimiento + WWW = Web Semántica Joaquín Borrego Díaz Departamento de CCIA. Universidad de Sevilla Introducción a SIA p. 1/52

2 Introducción a SIA p. 2/52 Contenido Objetivo del curso Agentes Inteligentes Definición de agente racional Características de los agentes inteligentes Una jerarquía de agencia Entornos Representación del conocimiento Perspectivas en la representación del conocimiento Qué es una lógica? Idea de la Web Semántica Introducción a SIA p. 2/52

3 Introducción a SIA p. 3/52 Objetivo del curso Conocer los fundamentos básicos de: Representación del Conocimiento y Lógica Computacional, Razonamiento automático, e Inteligencia Artificial que se utilizan en el desarrollo formal de la Web Semántica; Ontologías Razonamiento Automático con Ontologías Perspectiva sobre el razonamiento no monótono a utilizar Introducción a SIA p. 3/52

4 Introducción a SIA p. 4/52 Inteligencia Artificial y Agentes Racionales Un objetivo de la IA: estudio y diseño de agentes inteligentes Un agente es un ente que actúa en un entorno, y responde a estímulos de éste. Un agente inteligente es un agente que actúa de manera flexible, Adaptándose a los cambios del entorno Aprendiendo de la experiencia Eligiendo acciones correctas de acuerdo a algún procesamiento finito de la información que posee Exhibiendo un comportamiento dirigido a alcanzar sus objetivos Diferencia entre la información a la que tiene acceso y la que caracteriza el entorno: No son omniscientes Son racionales: actúan de manera correcta según la información que poseen Introducción a SIA p. 4/52

5 Introducción a SIA p. 5/52 Racionalidad y optimalidad en IA Inteligencia Artificial: estudio computacional del comportamiento racional Cuestión: Cómo entender la racionalidad? Problema Fundamental: Dada una propiedad posea, de forma verificable, dicha propiedad Verificación versus validación, diseñar un sistema que Introducción a SIA p. 5/52

6 Introducción a SIA p. 6/52 Racionalidad, optimalidad, éxito Algunas propiedades importantes son: Racionalidad perfecta: El agente actúa en cada instante de tal forma que maximiza su utilidad Racionalidad calculable: El agente elige la acción racional que debería haber elegido al principio de su deliberación Optimalidad acotada: Se comporta lo mejor posible con respecto a su capacidad (computacional y/o cognitiva) Existen otros tipos de propiedades que relacionan corrección, validación y efectividad Introducción a SIA p. 6/52

7 Introducción a SIA p. 7/52 Ejemplo de actuación racional correcta, con fallo Cerrada(puerta) > Girar(pomo) Razonamiento Conocimiento nuevo: Cerrada con llave(puerta). Regla usable: Cerrada con llave(puerta) > Comunicar(conserje). Introducción a SIA p. 7/52

8 Introducción a SIA p. 8/52 Ejemplo de actuación racional correcta, con éxito Cerrada con llave(puerta) Cerrada con llave(puerta) > Usar(llave). Razonamiento Exito en el objetivo: Abierta(puerta) Introducción a SIA p. 8/52

9 Introducción a SIA p. 9/52 Elementos que conducen al fallo Conocimiento deficiente del mundo: Cerrada(puerta) Abanico de acciones deficiente El profesor no puede abrir puertas cerradas, pues no tiene llaves Experiencia previa El profesor conoce Cerrada(puerta) El profesor no conoce Cerrada-con-llave(puerta) Creencia errónea: Cerrada-con-llave(puerta) No es inconsistente con su conocimiento No es válido en el entorno Medida de éxito: Profesor: trivial, fracaso; Conserje: éxito Otra medida para el conserje: éxito menor (espera de alumnos y profesor) Introducción a SIA p. 9/52

10 Introducción a SIA p. 10/52 Elementos que conducen al fallo Componente clave: Creencias y Conocimientos Conocimiento Creencias Mundo real Cerrada(puerta) Cerrada con llave(puerta) Cerrada(puerta) Cerrada con llave(puerta) Aula 33 Introducción a SIA p. 10/52

11 Introducción a SIA p. 11/52 Definición de agente Dada una posible sucesión de percepciones, un agente racional ideal debe de realizar una acción que maximize la medida de éxito, a partir de la base de evidencias que obtiene de dicha sucesión de percepciones, junto con el conocimiento que el agente posee. Noción útil para analizar sistemas, no es una caracterización absoluta. Agente trivial: Un reloj No usa secuencia de percepciones Siempre alcanza éxito No siempre alcanza éxito; no es autónomo: el dueño del reloj viaja Existencia teórica de agentes: aplicación ideal entre las sucesiones de percepciones y las acciones Imposible en la práctica: La tabla tiene tamaño infinito Introducción a SIA p. 11/52

12 Introducción a SIA p. 12/52 Estructura de los agentes inteligentes Alternativa: Conocimiento procedural acerca de la función: programa Agente = Arquitectura + Programa Softbots (infobots): agentes que se ejecutan en primera instancia en un entorno virtual Primera aproximación: descripción PAGE de un agente Perceptions, Actions, Goals, Environments Ejemplo: Controlador aéreo Percepciones: Señales de radar Acciones: Permisos de aterrizaje, desvío de rutas,... Objetivos: Otorgar permisos de aterrizaje seguros a todas las aeronaves que lo requieran, mantener distancias seguras entre éstas. Entorno: Espacio aéreo, virtualizado como un conjunto de referencias geográficas (coordenadas). Introducción a SIA p. 12/52

13 Introducción a SIA p. 13/52 Esqueleto de agente Función Esqueleto-de-Agente (percepción) Devolver acción Estático memoria memoria Actualizar-memoria (memoria, percepción) acción Elegir-mejor-acción (memoria) memoria Actualizar-memoria (memoria,acción) Devolver acción No aparece la medida de éxito como parte del programa; el diseñador la utiliza como medida externa de validación Introducción a SIA p. 13/52

14 Introducción a SIA p. 14/52 Características del programa El agente actúa con cada percepción, no para cada sucesión de percepciones. La sucesión de percepciones es una invención de la memoria del agente Este agente no recoge la idea de computar la función ideal, que asocia acciones a sucesiones, mediante una simple tabla, pues: Un número infinito o excesivamente grande de sucesiones de percepciones. Consultar dicha tabla puede ser inabordable. No sería autónomo: Un cambio en el entorno provocaría la inutilidad de la tabla (revisar la tabla). Introducción a SIA p. 14/52

15 Introducción a SIA p. 15/52 Características de los agentes Flexibilidad: Las propiedades fundamentales de un agente son: Reactividad: Capacidad para responder a los cambios del entorno Pro-actividad: Capacidad de exhibir un comportamiento dirigido a cumplir sus objetivos Sociabilidad: Capacidad de comunicarse con otros agentes Son las exigencias mínimas No se especifica el grado de flexibilidad de cada una de ellas Es posible eludir alguna de éstas, para aplicaciones concretas Introducción a SIA p. 15/52

16 Introducción a SIA p. 16/52 Otras características Continuidad temporal: No hay necesidad de parada. Autonomía: Responder a cambios del entorno. Adaptatividad: Capacidad de aprendizaje del agente, para modificar su comportamiento. Movilidad (a través de espacio físico o de redes telemáticas). Veracidad: Comunicación de información verdadera (desde su punto de vista). Benevolencia: Aptitud receptiva a cooperar en la resolución de cuestiones no conflictivas con sus objetivos. Introducción a SIA p. 16/52

17 Introducción a SIA p. 17/52 Sociabilidad: No es sólo un intercambio de información binaria Cooperación entre objetivos Negociación y cooperación: - Implica conocer los objetivos de otros agentes. - Implica realizar acciones (p.e. pagar) que no son necesarias individualmente. Es quizás la tarea más compleja La racionalidad está muy relacionada con la planificación y con la sociabilidad La reactividad puede ser necesaria para una mayor eficiencia Situación ideal: Combinar módulos reactivos y racionales Introducción a SIA p. 17/52

18 Introducción a SIA p. 18/52 Una Jerarquía de agencia (I): Agentes reactivos Idea: Resumir partes generales de la tabla de la aplicación ideal con reglas Esquema: Si Evento y Condición entonces Acción Función Agente-Reactivo(percepción) devuelve acción Estático: reglas estado regla acción Interpretar(percepción) Elegir-regla(estado, reglas) Disparo(regla) Los agentes reactivos actúan a partir de percepciones actuales Muy eficientes, pero de aplicación restringida Introducción a SIA p. 18/52

19 Introducción a SIA p. 19/52 Una jeraquía de agencia (II) Agentes con estado interno Agentes con memoria Agentes basados en objetivos Agentes guiados por utilidad Agente con componente pensante Deducen su comportamiento de sus creencias Introducción a SIA p. 19/52

20 Introducción a SIA p. 20/52 Agente con razonamiento deductivo Esqueleto de agente con razonamiento deductivo Función Agente-deliberativo Para cada acción hacer Si entonces Devolver Para cada acción hacer Si entonces Devolver Devolver acción-nula Necesita de un demostrador automático para la lógica utilizada Está limitado por la complejidad de la demostración automática Existen lógicas para las que la relación Cuestión: Qué lógica elegir? es eficientemente computable Introducción a SIA p. 20/52

21 Introducción a SIA p. 21/52 Agentes BDI (Rao-Georgeff) El estado interno se compone de: Las creencias, que hemos comentado anteriormente. Los deseos: tareas que desea realizar; pueden ser incluso inalcanzables y/o inconsistentes. Intenciones: deseos que se ha comprometido a conseguir. El ciclo de ejecución consiste en gestionar tal estado interno, con el objetivo de alcanzar las intenciones Problema: Cómo se relacionan los distintos tipos de conocimiento? Introducción a SIA p. 21/52

22 Introducción a SIA p. 22/52 Esquema del intérprete BDI do Opciones = generador-opciones (cola-eventos, B,D,I) Opciones-seleccionadas=Deliberar(opciones,B,D,I) Actualizar-Intenciones(Opciones-seleccionadas,I) Ejecutar(I) Percibir Eliminar-éxitos(B,D,I) Eliminar-imposibles(B,D,I) until quit Introducción a SIA p. 22/52

23 Introducción a SIA p. 23/52 Programación de agentes BDI Cómo diseñar los programas para las macros: Deliberar(opciones,B,D,I) Se necesita el razonamiento automático (temas 2,3,4) Actualizar-Intenciones(Opciones-seleccionadas,I) Se necesita razonamiento no monótono (temas 5,6,8) Ejecutar(I) Se necesitaría planificación (tema 7). No se necesitaría implementar el interprete La implementación del intérprete es la plataforma Introducción a SIA p. 23/52

24 Introducción a SIA p. 24/52 Una arquitectura general para agentes Mensajes/eventos del exterior Mensajes/acciones al exterior Cola de eventos Cola de meta-objetivos E_1 E_2... E_n G_1 G_2... G_n Componente reactiva Componente racional Componente pro-activa REGLAS E-C-A REGLAS PLANIF. REGLAS C-A CONOCIMIENTO BASE Introducción a SIA p. 24/52

25 Introducción a SIA p. 25/52 Flujo de información MENSAJES E_1 E_2... E_n G_1 G_2... G_n REGLAS E C A REGLAS PLANIF. REGLAS C A CONOCIMIENTO BASE Introducción a SIA p. 25/52

26 Introducción a SIA p. 26/52 Sistemas multiagente Conjunto de agentes que interactuan entre sí y con el entorno Agentes heterogéneos Computación asincronizada, en general Comunicación de conocimiento y/o de creencias Formatos de intercambio, por ejemplo, KIF (Knowledge Interchange Format): versión con tipos de la lógica de predicados El conocimiento comunicado depende de la ontología que usa cada agente Representación de la ontología Sociabilidad y veracidad Entornos como agentes (p.e. la red de interconexión) Problema: Cuál es el conocimiento común del sistema? Necesario para la verificación del sistema multiagente Introducción a SIA p. 26/52

27 Introducción a SIA p. 27/52 Dimensiones de complejidad en SMA Comunicación de creencias Cooperación. Planificación multiagente Dinámica. Comportamiento emergente Verificación Validación. Introducción a SIA p. 27/52

28 Introducción a SIA p. 28/52 Aplicaciones Controladores aéreos Controladores de distribución de energía electrica Simulación de sistemas complejos Agentes para la manufacturación industrial (robots) Mercados electrónicos Subastas en Internet de recursos empresariales Agentes de búsqueda de información Web Semántica Introducción a SIA p. 28/52

29 Introducción a SIA p. 29/52 Entornos: Características (I) Dependen del agente! Accesible vs. Inaccesible Accesible: El agente tiene acceso a toda la información que desee efectivamente accesible: El agente tiene acceso a la información necesaria para su tarea Determinista vs. No determinista determinista para un agente: si está perfectamente determinado quién es el estado siguiente Introducción a SIA p. 29/52

30 Introducción a SIA p. 30/52 Entornos: Características (II) Episódico vs. no episódico Episodio: conjunto de percepciones, elegido como tal por el agente Entorno episódico: La acción sólo depende del episodio actual Estático vs. dinámico: Un entorno es estático si éste no cambia mientras el agente delibera Discreto vs. continuo Entorno discreto: Un número limitado de percepciones y acciones posibles Conclusión: La representación del entorno depende de como el agente entenderá el mundo Introducción a SIA p. 30/52

31 Introducción a SIA p. 31/52 Esqueleto de simulador de entornos Esquema de un ciclo de la simulación: Incorpora agentes Crea las percepciones para el agente Recibe la acción Actualiza el entorno percibido por los agentes El entorno es un agente! El caso más complejo: entorno inaccesible, no determinista, no episódico, dinámico y contínuo Exploración espacial Introducción a SIA p. 31/52

32 Introducción a SIA p. 32/52 Conclusión Representación del Conocimiento Introducción a SIA p. 32/52

33 Introducción a SIA p. 33/52 Representación del conocimiento (RC) (I) Tres perspectivas (no excluyentes) Primera perspectiva: Epistemología aplicada El conocimiento representado como Base de conocimiento = Estructuras (simbólicas) + Programas Hipótesis de representación del conocimiento: Todo mecanismo inteligente debe poseer ingredientes para que: 1. Nosotros, como observadores externos, podamos representar todo el conocimiento que el proceso exhibe 2. Independientemente de la atribución (significado), se pueda generar nuevo conocimiento de manera puramente formal Introducción a SIA p. 33/52

34 "#!! "# $ $ &% &% # # % % # Introducción a SIA p. 34/52 Representación del conocimiento (II) Segunda perspectiva: La representación del conocimiento como Decir-Preguntar Todo sistema de razonamiento debe poseer al menos dos operaciones: : Dada la base, el hecho es añadido a, para obtener una nueva base. : Preguntar a la base sobre el hecho. La respuesta depende del paradigma del sistema: SI, NO, Desconocido, SI con probabilidad p, etc. # '( Tercera perspectiva: RC como la encarnación de los sistemas IA Entiende el conocimiento como una serie de unidades interconectadas que son colectivamente responsables de la representación de diversos conceptos. Introducción a SIA p. 34/52

35 Introducción a SIA p. 35/52 Paradigmas de la Representación del conocimiento De las perspectivas emergen diversos paradigmas Conocimiento procedural: El conocimiento se codifica mediante funciones/procedimientos. Redes: Grafos cuyos nodos representan conceptos o entidades, y los arcos relaciones entre ellas Marcos: Parecido a las redes, pero cada concepto tiene varias propiedades heredables por defecto a los nodos que dependen de éste. Lógica: Declaración formal del conocimiento. Arboles de decisión, reglas Conocimiento estadístico, paralelismo... Esquemas híbridos En este curso utilizaremos fundamentalmente la lógica, y veremos cómo con ésta se pueden simular otros paradigmas Introducción a SIA p. 35/52

36 Introducción a SIA p. 36/52 Qué es una lógica? Una lógica está compuesta de: Sintaxis: Símbolos + reglas de construcción de expresiones. Semántica: Definición precisa del significado de las expresiones. Conceptos de Modelo Verdad en un modelo y válido para una base de conocimiento Consistencia y validez. Problema I: Qué lógica elegir? Lógica proposicional: para razonar sobre hechos Lógica de predicados: para razonar con elementos y propiedades Lógicas modales: para dotar de intención al conocimiento Otras Equilibrio entre expresividad y decidibilidad Introducción a SIA p. 36/52

37 Introducción a SIA p. 37/52 Lógica (I) Problema II: Representar el conocimiento sobre el mundo con una lógica Diferenciar entre el significado lógico y el significado real Verdad lógica Verdad real ) ) Verdad real. Verdad lógica. Problema distinto al de la completitud de la lógica La completitud de la lógica se refiere a los modelos matemáticos, que son abstracciones del modelo real Introducción a SIA p. 37/52

38 Introducción a SIA p. 38/52 El proceso de percepción y representación Entorno Modelo Base de conocimiento ENTORNO Percepción Modelo formal Representación K? Modelo no pretendido Ingeniería de los dispositivos Ingeniería del conocimiento AGENTE PROBLEMA DE REFINAMIENTO Introducción a SIA p. 38/52

39 Introducción a SIA p. 39/52 Lógica (II) Problema III: Diseñar métodos mecánicos para calcular (deducir) nuevo conocimiento lógico Procedimiento puramente simbólico; no interviene el significado El problema de mecanizar la validez de una fórmula El problema de la no unicidad de modelo Aproximar la validez con un proceso de cálculo: La demostración Adecuación: Demostrable Completitud: Valido (lógicamente) Valido (lógicamente) Demostrable Eficiencia versus restricción de la lógica Qué hacer? Introducción a SIA p. 39/52

40 -,+ 3 4 * -,+ 3 Introducción a SIA p. 40/52 Lógica (III) Problema IV: Diseñar métodos mecánicos para calcular (deducir) nuevo conocimiento real El problema de la no unicidad de modelo para la representación lógica El principio de la pobreza del lenguaje: No es posible obtener un sistema que genere todo el conocimiento verdadero acerca del entorno El problema de la monotonía: En algunos casos, añadir nuevo conocimiento invalida conocimiento anteriormente adquirido. Ejemplo: Base de conocimiento: Ave(x) Nuevo hecho: Ave( ) Qué hacemos? /10. 2 Vuela(x). Vuela( / 0. 2 ) Introducción a SIA p. 40/52

41 Introducción a SIA p. 41/52 Web Semántica Propuesta por Tim Berns Lee, uno de los creadores de la actual WWW: La Web Semántica es una WWW donde los metadatos son procesables por máquinas Las máquinas entienden la información contenida en la Web Semántica Diferencias entre la actual WWW y la Web Semántica: Actual WWW Web Semántica Leng. de representación HTML XML Leng. de rep. semántica No tiene RDF Ref. semánticos No tiene Ontologías (p.e. OWL) Raz. con los datos Puramente sintáctico Raz. automático Confianza en los resultados Insegura Lógica Introducción a SIA p. 41/52

42 Introducción a SIA p. 42/52 Deficiencias de la actual WWW Ejemplo 1: Búsquese en Google información sobre una palabra de significado ambiguo, como por ejemplo banco Deficiencia: No existe referente semántico en las páginas, y es difícil deducir el significado de una palabra a través del contexto Ejemplo 2: Necesito buscar un banco que me ofrezca un préstamo en unas ciertas condiciones, sabiendo que mi situación personal es X Deficiencia: No existe un agente inteligente que sea capaz de deducir, de la información expuesta en la página del banco, cuáles serían las características del préstamo Necesitamos: Un lenguaje común para la comunicación de la pregunta Que la información no sea ambigua Razonamiento automático No sólo demostración automática; se necesita razonamiento con conocimiento común Introducción a SIA p. 42/52

43 5 Introducción a SIA p. 43/52 Solución adoptada Conocimiento común explícito: Ontologías Toda expresión de la W.S. susceptible de ser procesada debe estar referenciada con respecto a una ontología Pero, realmente, Introducción a SIA p. 43/52

44 Introducción a SIA p. 44/52 Ejemplo de marca semántica en RDF Uso del lenguaje RDF: <rdf:rdf xmlns:rdf=" xmlns:dc=" <rdf:description about=" <dc:creator>elliotte Rusty Harold</dc:CREATOR> <dc:title>cafe con Leche</dc:TITLE> </rdf:description> </rdf:rdf> Introducción a SIA p. 44/52

45 Introducción a SIA p. 45/52 Ejemplo con marca semántica (II) Ejemplo de descripción en OWL: <owl:class rdf:id="person"> <rdfs:subclassof rdf:resource="#animal"/> <rdfs:subclassof> <owl:restriction> <owl:onproperty rdf:resource="#hasparent"/> <owl:toclass rdf:resource="#person"/> </owl:restriction> </rdfs:subclassof> <rdfs:subclassof> <owl:restriction owl:cardinality="1"> <owl:onproperty rdf:resource="#hasfather"/> </owl:restriction> </rdfs:subclassof> </owl:class> Introducción a SIA p. 45/52

46 Introducción a SIA p. 46/52 Esquema de la Web Semántica Introducción a SIA p. 46/52

47 Introducción a SIA p. 47/52 Relación con el curso Bases de conocimiento Auto desc. documento Datos Datos Datos Lenguaje Ontologico RDF + RDF Schema Reglas LOGICA Web Trust Demostracion Razonamiento Automatico LOGICAS Logicas descriptivas; OWL Lenguajes para marcas semanticas XML+NS+XML schema UNICODE URI Introducción a SIA p. 47/52

48 6 Introducción a SIA p. 48/52 Agentes para la Web Semántica Agentes inteligentes que razonan con la información Entorno de trabajo: la Web Semántica SMA: Abstracción (metáfora) de las sociedades reales Deben de razonar con bases de conocimiento. Formalmente: Bases de conocimiento + ontologías teorías lógicas Dificultades: Escalabilidad del razonamiento La parte intencional de la base de conocimiento es muy compleja En último término, razonamiento no monótono: Tarea de IA Introducción a SIA p. 48/52

49 Introducción a SIA p. 49/52 Dinámica en la Web Semántica Introducción a SIA p. 49/52

50 Introducción a SIA p. 50/52 Soluciones Mantener el equilibrio entre la eficiencia del razonamiento y la expresividad Mantener ontologías robustas Refinar los algoritmos de razonamiento automático Potentes demostradores automáticos Técnicas de representación y razonamiento del conocimiento originales de IA Tareas: Búsqueda de información Extracción de información Mantenimiento de recursos débilmente estructurados Generación automática de documentos Tareas complejas: Servicios Web Semánticos Introducción a SIA p. 50/52

51 Introducción a SIA p. 51/52 Aplicaciones Comercio Electrónico B2B (p.e. mercados electrónicos) B2C (p.e. compra inteligente por Internet) C2C (p.e. sociedades virtuales) Recuperación de conocimiento: data mining inteligente Semantic Web mining= data mining + razonamiento automático Desarrollo de agentes inteligentes para la actividad comercial en WWW Línea de investigación preferente en el programa marco I+D+I de la UE Introducción a SIA p. 51/52

52 Introducción a SIA p. 52/52 Bibliografía Para una introducción a los agentes inteligentes Russel & Norvig, cap. 2 Poole, cap. 1 V.Julian, V.Botti: Agentes Inteligentes: el siguiente paso en la Inteligencia Artificial NOVATICA Vol. Mayo/Junio 2000 n. 145, pp , 2000 Sobre el problema de la representación del conocimiento: Libro de Sowa Sobre la Web Semántica: T. Berns- Lee, J. Hendler y O. Lassila: The Semantic Web. Scientific American, n. May 2001 The semantic web: yet another heap? (Y. Ding, y otros) Data and Knowledge Engineering 41: (2002) Web semántica en W3C Introducción a SIA p. 52/52