Wnioskowanie logiczne i systemy eksperckie
Podstawy Sztucznej Inteligencji (PSZT)
Paweł Wawrzyński
PSZT, zima 2013, wykład 6 2
• Niepewność/niedokładność wiedzy
w systemach wnioskujących/eksperckich
• Niepewność prognoz służących do planowania
• Niedeterminizm wiedzy deklaratywnej pozyskiwanej przez uczenie maszynowe
• Niedeterminizm świata, w którym działa podmiot uczenia proceduralnego
Niepewność, niedokładność,
niedeterminizm
• Zmienność aleatoryczna
– wrodzona, nieredukowalna
– wiedza pozwala ją opisać, ale nie usunąć – przykład: wynik rzutu kostką
• Niepewność epistemiczna
– poznawcza, związana z ograniczoną wiedzą – przykład: konsekwencje regulacji
administracyjnych
Niepewność
PSZT, zima 2013, wykład 6 4
• Zmienność aleatoryczna
– probabilistyka, statystyka – metody Bayesowskie
• Niepewność, niedokładność
– Rozmyte: zbiory, pojęcia, reguły, systemy, logika – Zbiory przybliżone
Niepewność, niedokładność,
niedeterminizm - recepty
• Główna motywacja: zmusić komputer do
posługiwania się wiedzą wyrażaną w języku naturalnym
• Przykład takiej wiedzy: „jeśli od dłuższego czasu jest sucho, nawadnianie powinno być obfite”
• Ogólnie: człowiek umie podejmować decyzje posługując się ograniczoną wiedzą wyrażoną przy użyciu nieprecyzyjnych pojęć.
Tego samego chcemy od komputera
Logika rozmyta
PSZT, zima 2013, wykład 6 6
Zbiory rozmyte
Zbiory rozmyte, przykłady
PSZT, zima 2013, wykład 6 8
Rozmyte spójniki logiczne
Stwierdzenie w logice rozmytej
PSZT, zima 2013, wykład 6 10
Reguły rozmyte
Wyostrzenie (Defuzyfikacja)
PSZT, zima 2013, wykład 6 12