for AI

Lecture 5 of Artificial Intelligence
Production System
Produced by Qiangfu Zhao (Since 2008), All rights reserved ©
AI Lec05/1
Topics of this lecture
•
•
•
•
•
•
•
•
Production system
Inference engine
Working memory
Knowledge base
Pattern matching
Conflict resolution
Forward inference
Back inference
•
•
•
•
•
•
•
•
プロダクションシステム
推論エンジン
作業メモリ（短期メモリ）
知識ベース（長期メモリ）
パターン照合
競合解消
前向き推論
後ろ向き推論
Produced by Qiangfu Zhao (Since 2008), All rights reserved ©
AI Lec05/2
Production system
• Production system (or
production rule system) was
proposed by Allen Newell in
1973.
• A production system typically
contains three parts
– Inference engine.
– Knowledge base (Long-term
memory), and
– Working memory (Short-term
memory).
Inference Engine
Knowledge base
Working memory
プロダクションシステムは生産システムではないよ！
Produced by Qiangfu Zhao (Since 2008), All rights reserved ©
AI Lec05/3
作業メモリ(short-term memory)
• The working memory is
Example:
also called short-term
– D1: 太郎は体毛を持つ
memory.
– D2: 太郎は鋭い歯を持つ
– D3: 太郎は鋭い爪を持つ
• It contains the observed
– D4: 太郎の体の色は黄褐
data for making a decision,
色である
and intermediate data
– D5: 太郎は黒い斑点を持つ
produced by the inference
engine.
A child is often considered as
“clever” if he/she has a good
short memory capability.
Produced by Qiangfu Zhao (Since 2008), All rights reserved ©
AI Lec05/4
知識ベースの例
• R4
• R1
– If(xは体毛を持つ)
– Then(xは哺乳動物である)
• R2
– If(xは授乳する)
– Then(xは哺乳動物である)
• R3
– if(xは飛ぶ)
– (xは卵を産む)
– Then(xは鳥類である）
– If(Xは翼を持つ）
– （Xはペンギンでない）
– Then（Xは飛ぶ）
• R5
– if（Xは哺乳動物である）
– （Xは肉を食べる）
– Then（Xは肉食動物である）
ある条件が満たされるなら、その結論を
新しい事実として確認され、それを作業
メモリに追加する.
Produced by Qiangfu Zhao (Since 2008), All rights reserved ©
AI Lec05/5
知識ベースの例（続き）
• R6
–
–
–
–
• R8
If（Xは哺乳動物である）
（Xは鋭い歯を持つ）
（Xは鋭い爪を持つ）
Then（Xは肉食動物である）
• R7
–
–
–
–
If（Xは肉食動物である）
（Xの体の色は黄褐色である）
（Xは黒いしまを持つ）
Then（Xはトラである）
• R9
– if（Xは哺乳動物である）
– （Xはひずめを持つ）
– Then（Xは有蹄動物である）
–
–
–
–
If（Xは肉食動物である）
（Xの体の色は黄褐色である）
（Xは黒い斑点を持つ）
Then（Xはチータである）
Produced by Qiangfu Zhao (Since 2008), All rights reserved ©
AI Lec05/6
知識の定義
• 一般的に、ルールは以下のように構成される：
– ルール名
– If (条件部)
– Then (実行部)
• 実行内容として、作業メモリに新しいデータを「追加
する」、いらないデータを「削除する」、などがある.
Produced by Qiangfu Zhao (Since 2008), All rights reserved ©
AI Lec05/7
推論エンジン(Inference engine)
• 推論エンジンは、作業メモリのデータと知識ベースのルール
を基に、一つの結論を導く.
• 前向き推論：新しい事実が観測されたときに、事実に最も合
う結論を求める.
• 後ろ向き推論：仮設を先に立てて、その仮設が事実に合って
いるかどうかを証明する.
– 観測に対して事前知識があれば、後ろ推論は速いかも知れない.
• 推論は探索問題である。
– 前向き推論の場合、作業メモリの初期状態は探索のスタート地点で
ある。状態遷移の方法と、最終状態の確認方法は重要である。
Produced by Qiangfu Zhao (Since 2008), All rights reserved ©
AI Lec05/8
前向き推論の過程
• Step 1: パターン照合(pattern matching)
– 作業メモリ内のデータに満たす条件部を持つ全てのルールの集合を
求める.
– この集合のことを「競合集合」という.
• Step 2: 競合解消(conflict resolution)
– 競合集合からある基準に基づき、特定のルールを一つ選択する.
• Step 3: 実行(Action)
– 選択されたルールの実行部を実行し、作業メモリを更新する.
• Step 4: 終了判別(Terminating criterion)
– 実行の結果として、納得のできる結論が得ていれば、終了；
– そうではなければ、Step 1へ.
Produced by Qiangfu Zhao (Since 2008), All rights reserved ©
AI Lec05/9
前向き推論の例
• 第一回目の推論
– パターン照合R1
– 競合解消：いらない
– 実行：「太郎が哺乳動物であ
る」ことを新しいデータとして
作業メモリに追加し、データ
名はD6
– この結論に納得する？
• Yes: 終わり
• No：第２回目の推論へ
•
•
•
•
•
D1: 太郎は体毛を持つ
D2: 太郎は鋭い歯を持つ
D3: 太郎は鋭い爪を持つ
D4: 太郎の体の色は黄褐色である
D5: 太郎は黒い斑点を持つ
•
•
•
•
•
•
D1: 太郎は体毛を持つ
D2: 太郎は鋭い歯を持つ
D3: 太郎は鋭い爪を持つ
D4: 太郎の体の色は黄褐色である
D5: 太郎は黒い斑点を持つ
D6: 太郎が哺乳動物である
Produced by Qiangfu Zhao (Since 2008), All rights reserved ©
AI Lec05/10
前向き推論の例
• 第２回目の推論
– パターン照合R1, R6
– 競合解消： R1が使用された
ので、R6を使う
– R6を実行し、「太郎が肉食動
物である」を新しいデータとし
て作業メモリに追加する
– 以上の結論に納得する？
• Yes: 終わり
• No: 推論を続く
•
•
•
•
•
•
D1: 太郎は体毛を持つ
D2: 太郎は鋭い歯を持つ
D3: 太郎は鋭い爪を持つ
D4: 太郎の体の色は黄褐色である
D5: 太郎は黒い斑点を持つ
D6: 太郎が哺乳動物である
•
•
•
•
•
•
•
D1: 太郎は体毛を持つ
D2: 太郎は鋭い歯を持つ
D3: 太郎は鋭い爪を持つ
D4: 太郎の体の色は黄褐色である
D5: 太郎は黒い斑点を持つ
D6: 太郎が哺乳動物である
D7: 太郎が肉食動物である
Produced by Qiangfu Zhao (Since 2008), All rights reserved ©
AI Lec05/11
前向き推論の例
• 第３回目の推論
– パターン照合R1, R6, R9
– 競合解消：R9
– R9を実行し、「太郎がチータ
である」を新しいデータとして
作業メモリに追加する
– 納得する？
• Yes: 終わり
• No: 推論を続く
この例では、これ以上の推論を
するためのルールとデータはな
いので、ここで終わり。
•
•
•
•
•
•
•
D1: 太郎は体毛を持つ
D2: 太郎は鋭い歯を持つ
D3: 太郎は鋭い爪を持つ
D4: 太郎の体の色は黄褐色である
D5: 太郎は黒い斑点を持つ
D6: 太郎が哺乳動物である
D7: 太郎が肉食動物である
•
•
•
•
•
•
•
•
D1: 太郎は体毛を持つ
D2: 太郎は鋭い歯を持つ
D3: 太郎は鋭い爪を持つ
D4: 太郎の体の色は黄褐色である
D5: 太郎は黒い斑点を持つ
D6: 太郎が哺乳動物である
D7: 太郎が肉食動物である
D8: 太郎がチータである
Produced by Qiangfu Zhao (Since 2008), All rights reserved ©
AI Lec05/12
解決すべき問題点
• パターンマッチングのコスト
をどう削減するか?
– 作業メモリにあるデータの
数：n
– 知識ベースにあるルールの
数：m
– 一回の推論に必要とされる
照合の数：n x m
• 競合が発生した場合、それ
をどう解消すれば、最も適
切な結論にたどり着くことが
できるのか?
ルールの重要度
条件部の詳細度
ルールの使用時刻
同じルールをできるだけ使用
しない
– データの生成時刻
–
–
–
–
Produced by Qiangfu Zhao (Since 2008), All rights reserved ©
AI Lec05/13
LEX戦略(Lexicographic sort)
1.
2.
3.
4.
既に実行したルールを競合集合から削除する.
より新しいデータにマッチするルールを選択する.
条件部の詳細度が大きいルールを選択する.
任意のルールを選択する.
これらの戦略も、heuristic
であり、推論（探索）を効率
化することができる。
Produced by Qiangfu Zhao (Since 2008), All rights reserved ©
AI Lec05/14
AND/OR 木
• 後ろ向き推論を行うた
めに、AND/OR木が使
用される.
• AND/OR木において、
２種類の節点がある
– AND節点（円弧のある
もの）：全ての分岐が同
時に成立する.
– OR節点：分岐の中で
一つ成立すればよい.
文
主語
代名詞
述語
名詞句
冠詞
動詞
名詞
名詞句
冠詞
名詞
Ex1: The man made a desk
Ex2: She reads a book
Produced by Qiangfu Zhao (Since 2008), All rights reserved ©
AI Lec05/15
例題
• 下のデータとチータに対応するAND/OR木を利用して、
いま観測した動物がチータであることを証明せよ。
•
•
•
•
•
D1: 太郎は体毛を持つ
D2: 太郎は鋭い歯を持つ
D3: 太郎は鋭い爪を持つ
D4: 太郎の体の色は黄褐色である
D5: 太郎は黒い斑点を持つ
Produced by Qiangfu Zhao (Since 2008), All rights reserved ©
AI Lec05/16
後ろ向き推論に使うAND/OR木
太郎がチータである
R9
太郎が肉食動物である
太郎が R5 の
太郎が R6 の
条件を満たす
条件を満たす
太郎が黒い
太郎の体の
斑点を持つ
色は黄褐色
である
R６
R５
太郎が哺乳太郎が肉を太郎が哺乳太郎が鋭い太郎が鋭い
類である
食べる
類である
歯を持つ
爪を持つ
R1
太郎は体毛
を持つ
R1
太郎は体毛
を持つ
Produced by Qiangfu Zhao (Since 2008), All rights reserved ©
AI Lec05/17
後ろ向き推論の過程
Logic Verify_Node(Pnode n)
• Step 1: Set the root node of the AND/OR tree as
the current node n.
• Step 2: For the current node n,
– if n is a leaf, search in the working memory for the
datum which can match the given condition. Return
True if such a datum exists; return False otherwise.
– If n is an internal node, call Verify_Node for each
child node recursively,
• Return the AND of all results if n is an AND node.
• Return the OR of all results if n is an OR node.
Produced by Qiangfu Zhao (Since 2008), All rights reserved ©
AI Lec05/18
プロダクションシステムの特長
• 整理されていない知識が利用できる
– 推論は作業メモリのデータに適応してルールを選択して
いるので、知識ベースにあるルールの順番、ルール間の
関係などを考慮する必要はない.
• 知識ベースの更新が簡単
– ルールは互いに独立であり、他のルールを直接に利用し
たり、呼び出したりはしないので、知識ベースの追加、修
正、削除などが自由に行える.
真実あるいは真実から導いた結論
などをあつめるだけでよい！
Produced by Qiangfu Zhao (Since 2008), All rights reserved ©
AI Lec05/19
プロダクションシステムの問題点
• ルール間の関係は不明確。
• 体系的な知識になっていない。
• 推論の効率が悪い。
Produced by Qiangfu Zhao (Since 2008), All rights reserved ©
AI Lec05/20
今週の課題 (1)
• LEX戦略による前向き推論を行う.
• 競合集合、選ばれたルール、得られたデータを各サイク
ルごと、スライド中の例のように示せ.
• 演習中にTAに回答を提出すること.
• 類似問題が中間試験に出るので、今のうち、前向き推
論をマスターしよう。
• Working memoryの初期値は以下とする
–
–
–
–
D1:
D2:
D3:
D4:
太郎は体毛を持つ
太郎は肉を食べる
太郎の体の色は黄褐色である
太郎は黒い斑点を持つ
Produced by Qiangfu Zhao (Since 2008), All rights reserved ©
AI Lec05/21
今週の課題 (2)
• スケルトンをもとに、LEX戦略に基づく前向き
推論のプログラムを実装せよ.
• 入力として、スライドP.5-6, 10-12のデータと
ルールを使用し、実行結果を確認せよ.
Produced by Qiangfu Zhao (Since 2008), All rights reserved ©
AI Lec05/22
今週のクイズ
•
プロダクションシステムの３つの構成部分は何？
•
知識の一般的定義を与えよ。
•
•
LEX戦略の物理的意味はなに？
•
“The man made a desk”に対応するAND/OR木を書け。
前向き推論とはなに？
Produced by Qiangfu Zhao (Since 2008), All rights reserved ©
AI Lec05/23

Download Report