Reprezentacia znalosti a inferencia

Naposledy modifikovane: 23.6.2011

Charakterizacia oblasti

na uvod vystizna charakterizacia oblasti, ktorej sa venujeme v tomto kurze; pochadza z Handbook of Knowledge representation

Knowledge Representation and Reasoning is at the heart of the great challenge of Artificial Intelligence: to understand the nature of intelligence and cognition so well that computers can be made to exhibit human-like abilities. As early as 1958, John McCarthy contemplated Artificial Intelligence systems that could exercise common sense. From this and other early work, researchers gained the conviction that (artificial) intelligence could be formalized as symbolic reasoning with explicit representations of knowledge, and that the core research challenge is to figure out how to represent knowledge in computers and to use it algorithmically to solve problems.

Fifty years later, this book surveys the substantial body of scientific and engineering insights that constitute the field of Knowledge Representation and Reasoning. Advances have been made on three fronts. First, researchers have explored general methods of knowledge representation and reasoning, addressing fundamental issues that cut across application domains. Second, researchers have developed specialized methods of knowledge representation and reasoning to handle core domains, such as time, space, causation and action. Third, researchers have tackled important applications of knowledge representation and reasoning, including query answering, planning and the Semantic Web.

back

suvisiace kurzy

back

2010/2011

Podmienky pre absolvovanie kurzu

kriteria hodnotenia vystupov

treba ziskat aspon 10 bodov (aspon 2.5 bodu za kazdy vystup)

  • urobit zaverecnu pisomku v den ustnej skusky; treba ziskat aspon 10 bodov
  • absolvovat ustnu skusku; treba ziskat aspon 10 biodov; pri ustnej skuske mozno pouzivat literaturu, poznamky; pri prisomke nie su dovolene (literatura Inteligencia ako vypocet, casti 3, 4.1, 4.2, 5, 6.1, 6.2, 7.1 a texty, ktore budu dodavane k prednaskam) pricom okem toho bude mozne ziskat bonusve body v minitestoch pocas pednasok

    back

    Prednasky

    V tychto dvoch suboroch budu pribudat informacie dvoch druhov o preberanej latke; tu sa pokusim prezentovat isty "nadhlad", zakladne myslienky, z ktorych by sa mali vycitat ciele kurzu

    takyto "nadhlad" sa moze utopit v preberanych technikalitach; samozrejme, bez nich by obraz o latke zdaleka nebol postacujuci, sumar preberanych technikalit najdete tu

    15.2.

    Uvod - podmienky absolvovania, zameranie kurzu.

    Rekapitulacia zakladnyh potrebnych pojmov logiky: prvoradovy jazyk, interpretacia, model, vyplyvanie

    literatura: Inteligencia ako vyopcet , dodatok B

    17.2.

    Deklarativne programy - rekapitulacia zakladnych potrebnych pojmov: herbrandovska interpretacia, herbrandovsky model, najmensi model, T_P operator

    literatura: Inteligencia ako vypocet , dodatok D

    22.2.

    uvod k projektu
    pozri vlanajsie (akad. rok 2009-2010) scenare a literaturu z dielne Antoniou a jeho kolegovia

    zaverecny projekt Michala Antonica z vlanajska; pouzitemu formalizmu zatial nie sme pripraveni rozumiet

    formalizacia scenara z Bikakis, Antoniou

    uvod do reprezentacie znalosti
    Co budeme rozumiet pod reprezentaciou znalosti. Klasicka logika a reprezentacia znalosti. Relacne databazy a deduktivne databazy ako reprezentacia znalosti. Nemonotonnne usudzovanie, negacia v logickom programovani.

    literatura: Mc Carthy Programs with Common Sense

    Suitability of Logic for Knowledge Representation, part 1.5 of Handbook of Knowledge Representation chapter 1

    Inteligencia ako vypocet cast 1.2, kapitola 2, cast 3.1

    projekt pre NASA:

    Gelfond et al. A-Ptolog decision suppot system for space shuttle ,

    NASA, Space Ace

    CyC

    24.2.

    defaultove teorie

    literatura: Inteligencia ako vypocet, cast 4.1.1

    1.3.

    defaultove teorie, pokr.

    3.3.

    defaultove teorie s preferenciami; kontextove defaultove teorie

    8.3.

    opakovanie - vypocet extenzii defaultovych teorii problemy s negaciou v logickych programoch; definicia stabilneho modelu normalneho logickeho programu

    literatura:

    10.3.

    stabilne modely, pokracovanie

    heuristiky , zbierka uloh , Asparagus , an environment for submitting and archiving benchmark problems and instances.

    15.3.

    vlastnosti stabilnych modelov (generujuce pravidla; atomy podoprete pravidlami); priklady reprezentacie znalosti logickymi programami a ich stabilnymi modelmi; suvis syntaktickych vlastnosti pravidiel a existencie stabilnych modelov

    17.3.

    logicke programy s preferenciami; logicke programy a kontexty; parakonzistentna logika (usudzovanie za pritomnosti nekonzistentnosti; literatura: Inteligencia ako vypocet, cast 3.2); zbierka uloh

    22.3.

    defeasible logic programming

    24.3.

    DeLP, ukoncenie distributed defeasible reasoning; abstract argumentattion framework

    29.3.

    midterm

    31.3.

    vypocitatelnost a zlozitost nemonotonneho usudzovania

    literatura k vypoctovym aspektom:

    5.4.

    hierarchicke siete literatura: Inteligencia ako vypocet, casti 4.2.2, 4.2.3 (pripadne aj indformacia z 8.2)

    typ uloh na zaverecnu pisomku: na zaklade opisu hierarchickych vztahov v prirodzenom jazyku vytvorit reprezentaciu v jazyku logiky alebo grafovu reprezentaciu, odvodzovat dosledky z tej repreznetacie (podla skeptickeho alebo doverciveho pristupu; pripadne s preferovanim speecifickejsej infroamcie)

    7.4.

    stratifikovane a lokalne stratifikovane logicke programy; literatura: Inteligencia ako vypocet, cast. 6.1

    typ uloh na zaverecnu pisomku: zistit, ci logicky program je (lokalne) stratifikovany, vypocitat jeho perfektny model; nejake jednoduche dokazy, napr. ci nejaky zakladny atom patri aebo nepatri do perfektneho modelu

    12.4.

    ddobre fundovane modely logickych programov; literatura: Inteligencia ako vypocet, cast. 6.2

    typ uloh: vypocitat dobre fundovany model jednoducheho programu; jdnoduche vztahy, suvisiace s informacnym alebo pravdivostnym usporiadanim

    14.4.

    logicke programy s preferenciami

    literatura:

    typy uloh: pre dany logicky program s preferenciami intuitivne (na zaklade preferovanych generujucih pravidiel alebo preferovanych literalov urcit preferovany stabilny model a zdovodnit rozhodnutie

    27.4.

    reprezentacia dynamiky v logickom programovani

    28.4.

    nemonotonne usudzovanie - implemenatcie, aplikacie

    literatura, linky: