Einführung in die Methoden der Künstlichen Intelligenz - Goethe ...

3
Aussagenlogik
In diesem Kapitel werden die Aussagenlogik und dort angesiedelte Deduktionsverfahren
erörtern, und zeigen, wie diese (relativ einfache) Logik verwendet werden kann, um
intelligente Schlüsse zu ziehen und Entscheidungsverfahren zu implementieren. Bereits
in Kapitel 1 haben wir in Abschnitt 1.4.2 die Wissenrepräsentationshypothese nach Brian
Smith erörtert. Wir wiederholen sie an dieser Stelle, da sie als Paradigma insbesondere
dieses Kapitel motiviert:
„Die Verarbeitung von Wissen lässt sich trennen in: Repräsentation von Wissen,
wobei dieses Wissen eine Entsprechung in der realen Welt hat; und in
einen Inferenzmechanismus, der Schlüsse daraus zieht.“
Diese Hypothese ist die Basis für solche Programme, die Faken, Wissen, Beziehung
modellieren und entsprechende Operationen (und Simulationen) darauf aufbauen. Ein
Repräsentations- und Inferenz-System besteht, abstrakt gesehen dabei aus den Komponenten:
Formale Sprache, die die syntaktisch gültigen Formeln und Anfragen festegt, Semantik
der den Sätzen der formalen Sprache eine bedeutung zuweist, und der Inferenzprozedur
(operationale Semantik), die (algorithmisch) angibt, wie man Schlüsse aus der gegebenen
Wissensbasis ziehen kann. Die Inferenzen müssen korrekt bezüglich der Semantik
sein. Die Korrektheit eine solchen Systems kann geprüft werden, indem man nachweist,
dass die operationale Semantik die Semantik erhält.
Die Implementierung des Repräsentations- und Inferenz-Systems besteht im Allgemeinen
aus einem Parser für die Erkennung der Syntax (der formalen Sprache) und der Implementierung
der Inferenzprozedur.
Stand: 25. November 2012 M. Schmidt-Schauß & D. Sabel, Skript KI, WS 2012/13