Deductive Reasoning Agents

Transcription

Multiagentensysteme
Deductive Reasoning
Agents
Volkan Aksu & Sebastian Ptock
Überblick

Einleitung


Der Staubsauger-Roboter

Agentenorientierte Programmierung (AOP)

Concurrent MetateM (CMM)

Zusammenfassung
Einleitung
Vorher ein bisschen Logik
Argument : ist eine Aussage oder eine Folge von Aussagen, die zur
Begründung oder zur Widerlegung einer Behauptung (These) angeführt wird.
(http://de.wikipedia.org/wiki/Argument)
Argumente bestehen aus einer Schlussfolgerung oder Konklusion und einer
oder mehreren Prämissen.
Einleitung
Vorher ein bisschen Logik
Überlegen Sie, ob das folgende Beispiel nach unserer Definition ein gültiges
Argument ist!
Hubschrauber sind Vögel.
Alle Vögel sind Lebewesen.
——————————————
Hubschrauber sind Lebewesen
Einleitung
Deduktive Gültigkeit
Deduktive Gültigkeit: Wenn alle Prämissen wahr sind, dann muss die Konklusion
wahr sein.
Es ist Benzin im Tank oder der Motor läuft nicht.
Der Motor läuft.
——————————————————————
Benzin ist im Tank.
Einleitung
Deduktion
Die Deduktion (v. lat.: deducere = herabführen) (…) ist in (…) der Logik eine
Schlussfolgerungsweise vom Allgemeinen auf das Besondere.
Genauer gesagt werden mithilfe der Deduktion spezielle Einzelerkenntnisse aus
allgemeinen Theorien gewonnen. Sie bezeichnet das Verfahren, aus gegebenen
Prämissen (...) Schlussfolgerungen abzuleiten.
http://de.wikipedia.org/wiki/Deduktion
Beispiel:
Alle Menschen sind sterblich.
Sokrates ist ein Mensch.
Sokrates ist sterblich.
Einleitung
Deduktion & Induktion
Im Gegensatz zur Induktion:
Die Induktion geht vom Einzelnen zum Allgemeinen.
Beispiel:
 Platon war ein Mensch.
 Aristoteles war ein Mensch.
 Epikur war ein Mensch.
 Platon ist gestorben.
 Aristoteles ist gestorben.
 Epikur ist gestorben.
 ----------------------------------------------------------- Alle Menschen sind sterblich.
Agenten lassen sich in deliberative Agenten und reaktive Agenten unterscheiden.
Deliberative Agenten : denken gewissermaßen nach, bevor sie handeln.
Reaktive Agenten : reagieren sofort auf Signale. Die logische Schlussfolgerung ist
dabei nicht möglich.
RALPH
Aufbau von RALPH:










K amera:
sieht Tür
Interpretation :
übersetzt
Wis s ens bas is :
kennt Tür
Plan :
stoppen
Aktion :
anhalten
Probleme
Schwierigkeiten bei den deduktiv schließenden Agenten:
The transduction problem: Übersetzen der Informationen über die Umgebung in
eine adäquate symbolische Repräsentation.
The representation/reasoning problem: adäquate, zeitnahe Manipulation /
Schlussfolgerung symbolisch repräsentierter Informationen.
Formale Definition
Wie kann man den Aufbau und Funktionsweise eines solchen Agenten formal
beschreiben?
>>>Agent als Theorembeweiser
Der Agent hat einen internen Zustand Δ.
Beispiele für prädikatenlogische Formeln:
Offen(ventil221)
Temperatur(reaktor4726, 321)
Druck(tank7776, 28)
Formale Definition
L: Menge von Sätzen in PL-1
D: Menge von Datenbanken (L) / Menge von Mengen von PL-1 Formeln
D=℘(L)
∆iD: Zustand des Agenten
ρ: Menge von Deduktionsregeln
∆├ ρφ heißt:
Die Formel φ kann aus ∆ mit den Deduktionsregeln ρ bewiesen werden.
Ac: Menge von ausführbaren Aktionen
α: Aktion αAc
see: S -> Per
next: D x Per -> D
action: D -> Ac
// Objekt als Symbol wahrnehmen
// Wahrnehmung in interne Repräsentation aufnehmen
// Passende Aktion wählen
Formale Defintion
Beispiel für Funktion action
Funktionen:
 vorwärts
 saugen
 drehen (nur eine Richtung 90°)
Sensor:
 Dreck
 Null
Blickrichtung:
 Nord
 Ost
 Süd
 West
Next-Funktion
Drei Domänen-Prädikate:
In(x,y): Agent ist auf Block(x,y)
Dreck(x,y): Dreck auf Block(x,y)
Blick(d): Blickrichtung des Agenten
Wir möchten eine Funktion “next” entwerfen, die die aktuelle, wahrgenommene
Information der Datenbank hinzufügt und alte, nicht mehr benötigte Informationen
löscht. So werden Domänen-Prädikate aktualisiert.
Next-Funktion
old(∆) = {P(t1...tn) | P ∈ {In, Dreck, Blick} & P(t1…tn) ∈ ∆}
Zustand als Prädikat aus Domäne
new: D x Per -> D
Datenbank aktualisieren
next(∆,p) = (∆ \ old(∆)) ∪ new(∆,p)
Deduktionsregeln
Deduktionsregeln haben die Form:
φ(...) → ψ(...)
Ziel: Wenn Dreck vorhanden, dann saugen!
In(x,y) Λ Dreck(x,y) → Do(saugen)
Wie kommt dieser Agent vorwärts?
In(0,0) Λ Blick(Nord) Λ ¬Dreck(0,0) → Do(vorwärts)
In(0,1) Λ Blick(Nord) Λ ¬Dreck(0,1) → Do(vorwärts)
In(0,2) Λ Blick(Nord) Λ ¬Dreck(0,2) → Do(drehen)
In(0,2) Λ Blick(Ost) → Do(vorwärts)
Agentenorientierte
Programmierung
entwickelt von Yoav Shoham
Idee: Agenten mit mentalen Eigenschaften zu programmieren (Wünsche,
Glauben,Bedürfnisse, Intention etc.)


Mentale Eigenschaften – die Eigenschaften zu zweifeln, einzusehen, zu bejahen, zu
verneinen, zu wollen, nicht zu wollen, bildlich vorzustellen und zu empfinden – sind
Eigenschaften der Seele, nicht des Körpers.
(Ansgar Beckermann, Mentale Eigenschaften und mentale Substanzen– Antworten
der Analytischen Philosophie auf das 'Leib-Seele-Problem' (2002))
Agentenorientierte
Programmierung

Programmiersprache Agent0

Erste Programmiersprache für agentenorientiertes Programmieren

Ein Agent wird spezifiziert durch:

Überzeugungen (beliefs)

Verpflichtungen (commitments)

Fähigkeiten (capabilities)

Verpflichtungsregeln (commitment rules)
Agentenorientierte
Programmierung
commitment rules bestimmen, wie der Agent agiert.
Jede Regel enthält:
 Nachrichtenzustand (message condition)
 geistigen Zustand (mental condition)
 Aktion
Beispiel einer Verpflichtungsregel (commitment rules):
COMMIT(
( agent, REQUEST, DO(time, action)
), ;;; msg conditon
( B,
[now, Friend agent] AND
CAN (self, action) AND
NOT [time, CMT(self, anyaction)]
), ;;; mental condition
self,
DO(time, action) )
Agentenorientierte
Programmierung

Entwickelt von Michael Fisher

Basiert auf direkter Ausführung logischer Formeln


Mehrere, konkurrierende Agenten, die über „Broadcast“-Nachrichten
kommunizieren
Agenten haben zwei Komponenten:
 Schnittstelle
 „Computational Engine“
Schnittstelle
Interaktion mit der Umwelt & anderen Agenten




„agent identifier“: Jeder Agent hat eine eigene ID
„environment propositions“: Menge von Symbolen, die definiert, welche
Nachrichten empfangen werden können
„component propositions“: Menge von Symbolen, die definiert, welche Nachrichten
gesendet werden können
Beispiel:
stack(pop, push)[popped, full]
agent identifier: stack
environment propositions: pop, push
component propositions: popped, full
Computational Engine



History: Zustände des Agenten & empfangene Nachrichten
Deduktionsregeln:
Vorbedingung (Vergangenheit) -> Konsequenz (Zukunft)
Aktionsauswahl: Nachricht verschicken
Regeln
Propostional MetateM Logic (PML) basiert auf temporaler Logik:
Zyklus
1. History aktualisieren, wenn Nachrichten empfangen wurden
2. Regeln auswählen (Vergangenheit der Regeln mit History vergleichen)
3. Den Regeln entsprechend agieren/Nachrichten verschicken:
a. Vorher zurückgestellte Aktionen aufgreifen
b. Nicht erfüllbare Aktionen für nächsten Durchlauf „merken“
4. GOTO 1
Beispiel
Zusammenfassung & Fragen
Was sind die zwei Grundprobleme beim deduktiven Schließen?
Worin unterscheiden sich reaktive und deliberative Agenten?
Was wäre, wenn man den Staubsauger-Roboter auf ein 10x10 Feld setzt? Wie
„elegant“ wäre die Implementierung mit logischen Formeln?
(Beispiel: Niki der Roboter)
Was ist das Grundkonzept der agentenorientierten Programmierung(AOP)? Was
versteht man unter “commitment rules”?
Aus welchen Komponenten besteht die Schnittstelle eines Agenten in einem
Concurrent MetateM System?

Deductive Reasoning Agents

Transcription

Similar documents

Psychodynamische Falldiagnose

Spezifikation, Verifikation, Testtheorie

Deduktion mit Resolution

Agentenorientiertes Software Engineering

Jahresbericht 2006 - Fachbereich Informatik

Karl Poppers kritischer Rationalismus heute

pdf: 7K