Inferenza logica
L'inferenza logica è un processo di ragionamento logico che permette di derivare delle conclusioni dalle formule dei modelli logici. Mentre la conseguenza logica determina una relazione generale tra le formule, il processo di inferenza logica si occupa di analizzare tutti i singoli casi. Ad esempio, data la seguente conseguenza logica è possibile comprendere se un animale è un toro oppure meno.
Se è un bovino, adulto, maschio, non castrato allora è un toro
L'algoritmo trae una conclusione a partire dalle premesse. In questo caso le premesse sono le seguenti: A ( bovino ) + B ( adulto ) + C ( maschio ) + D ( non castrato ). Se queste premesse ( formule ) sono tutte soddisfatte, allora anche la conclusione è vera ( toro ). Il processo di inferenza logica analizza tutte le realtà possibili ( modelli ) e individua quelle che soddisfano tutte le condizioni della conseguenza logica. Questo tipo di processo di inferenza è detto model checking. Ad esempio, l'agente razionale può osservare gli animali di una fattoria e capire se si trova dinnanzi a un toro oppure meno.
Grazie al processo di inferenza logica l'agente razionale può alimentare la propria base di conoscenza. Ad esempio, nell'esempio precedente giunge alla conclusione che, pur essendo bovini, la mucca, il vitello e il bue non sono un toro. Si tratta, ovviamente, di un esempio molto semplice per comprendere la differenza tra la conseguenza logica e l'inferenza logica.
Oltre a essere una forma di ragionamento logico, l'inferenza logica è anche una tecnica di memorizzazione della conoscenza. Quando l'agente razionale deriva una conclusione può registrarla nella base di conoscenza ( rappresentazione estesa ). Questo processo di archiviazione delle informazioni può, tuttavia, occupare molto spazio in memoria ( complessità spaziale ). Ad esempio, l'agente razionale analizza un gallo e conclude l'analisi affermando che "il gallo non è un toro". Archiviare in memoria tutto ciò che non è un toro è una pratica del tutto inefficiente e dispendiosa. La conclusione può essere archiviata anche sotto forma di formula ( es. se è bovino, adulto e maschio allora è un toro ). In questo modo l'agente non deve memorizzare tutto ciò che non è un toro ( rappresentazione per formule ). Per riconoscere il toro deve soltanto richiamare la formula dalla memoria e verificare se è soddisfatta dalla realtà osservata ( modello ). Le formule consentono di costruire una rappresentazione della conoscenza in modo più efficiente, in quanto occupano uno spazio minore della memoria ( minore complessità spaziale ).
Complessità temporale. La rappresentazione per formule riduce lo spazio di memoria ma comporta un maggiore dispendio di risorse del processore rispetto alla rappresentazione estesa poiché, nel caso delle formule, la conoscenza non è mai pronta all'uso ma deve essere rielaborata ogni volta che occorre. Ad esempio, ipotizziamo di chiedere all'agente razionale se il gallo è un toro. Tramite la rappresentazione estesa l'agente razionale deve semplicemente ricercare le informazioni sul gallo nella base di conoscenza e trovare il record in cui è registrata l'informazione specifica ("non è un toro"). Nella rappresentazione per formule, invece, l'agente razionale deve cercare ed elaborare la formula che definisce il toro e verificare se può essere applicata al caso osservato ( gallo ). Il processo implica un dispendio maggiore di risorse computazionali del processore ( complessità temporale ) e, quindi, è caratterizzato da un tempo di risposta più lungo. In conclusione, non è possibile affermare una preferenza a favore della rappresentazione per formule o della rappresentazione estesa. A seconda delle caratteristiche del problema da risolvere ( complessità dell'algoritmo ) e delle esigenze pratiche di rapidità della risposta dell'algoritmo, può convenire di più la rappresentazione estesa o la rappresentazione per formule.
Base di conoscenza molto grande. Quando la base di conoscenza è molto grande la rappresentazione estesa potrebbe essere caratterizzata da una maggiore complessità temporale rispetto alla rappresentazione per formule. Nel caso delle basi di conoscenza molto grandi il processo di ricerca delle informazioni diventa molto lungo. In questi casi è possibile affermare la preferenza a favore della rappresentazione per formule sia dal punto di vista della complessità spaziale che da quello della complessità temporale.
Processo di apprendimento probabilistico. L'osservazione dei modelli ( casi ) che soddisfano la conseguenza logica permette all'agente razionale di costruire nuove ipotesi. Ad esempio, può individuare delle caratteristiche comuni aggiuntive e migliorare le definizioni. Osservando tutti i tori della fattoria può rendersi conto che si tratta di quadrupedi o del fatto che possiedano un paio di corna. Queste caratteristiche possono essere aggiunte nella base di conoscenza sotto forma di condizioni aggiuntive. Quando una condizione non è sempre vera, è possibile ricorrere alle variabili fuzzy ( V/F ). Ad esempio, è possibile concludere che al 90% dei casi un toro ha un mantello di colore nero se si trova in una corrida spagnola ma, in altri contesti, può avere un mantello di qualsiasi colore dal bianco al nero.
- Inferenza logica tramite categorie. Quando le informazioni di un dominio di conoscenza sono efficacemente organizzate in categorie e sottocategorie all'interno di un'ontologia, la rappresentazione della conoscenza agevola notevolmente il processo di inferenza logica. Dinnanzi a un oggetto sconosciuto l'agente razionale osserva le sue caratteristiche e verifica la coincidenza delle stesse con quelle delle categorie e/o sottocategorie del dominio.
Ad esempio, l'agente razionale osserva un oggetto sconosciuto con un motore e quattro ruote. Queste caratteristiche ( motore, quattro ruote ) coincidono con quelle della sottocategoria 'automobili'. L'agente può, quindi, inferire che l'oggetto sconosciuto è un'automobile e si tratta di un veicolo. Inizialmente l'agente non conosce la natura dell'oggetto. Grazie all'osservazione delle caratteristiche dell'oggetto e alla coincidenza con le caratteristiche di una sottocategoria del dominio di conoscenza, l'agente può inferire un'ipotesi sulla natura dell'oggetto. - Ciclo inferenziale ( inferenza ). Il processo inferenziale è spesso confuso con la deduzione logica. In realtà, il ragionamento umano si avvale di tre forme di inferenza: l'abduzione, la deduzione e l'induzione.
