0 – IA Simbolica
0.1 – Representacao do Conhecimento
0.1.1 – Logica Proposicional
0.1.2 – Logica de Primeira Ordem
0.1.3 – Redes Semanticas
0.1.4 – Frames – Minsky
0.1.5 – Ontologias
0.1.6 – Sistemas de Producao – Regras
LEGENDA
No Principal
Ramo
Metodo
Problemas
Modelo
Arquitetura
Conceitos Fundamentais: Conhecimento, Representação e Raciocínio
O conhecimento é o alicerce para resolver problemas em domínios como medicina ou finanças. Na IA, o foco está em representar esse conhecimento de forma que programas possam armazená-lo, acessá-lo e atualizá-lo. Para isso, é necessário identificar elementos como objetos (itens com características específicas), eventos (ocorrências em um domínio), desempenho (processos para realizar tarefas) e fatos (verdades do mundo real). Além disso, diferentes tipos de conhecimento são essenciais: o declarativo (saber o quê), o processual (saber como fazer), o estrutural (relações entre conceitos) e o heurístico (experiências práticas para resolver problemas). Após estruturar o conhecimento, o próximo passo é utilizá-lo por meio do raciocínio. Na IA, o raciocínio é a manipulação de símbolos que representam proposições verdadeiras para gerar novas conclusões, um processo conhecido como inferência lógica.Conceitos de Lógica Proposicional está dentro do paradigma Simbólico
A representação lógica é uma linguagem sem ambiguidades, composta por regras sintáticas (construção das sentenças) e semânticas (interpretação delas). Ela pode ser dividida em duas categorias principais. A lógica proposicional, também chamada de sentencial, representa fatos por meio de proposições que são verdadeiras ou falsas, sendo a base para linguagens de programação. Já a lógica de predicados, ou de primeira ordem, amplia essa capacidade ao permitir o uso de variáveis e quantificadores, facilitando a representação de objetos e suas relações. Dessa forma, a escolha da lógica adequada depende da complexidade do problema a ser resolvido.Inferência e Resolução na Prática
Na lógica proposicional, as proposições combinam-se por conectivos como E, OU, SE ENTÃO e SE SOMENTE SE, seguindo princípios como o da identidade (uma verdade é verdade) e da não contradição (nada pode ser verdadeiro e falso ao mesmo tempo). A inferência, aqui, é o processo de aplicar regras conhecidas para validar sentenças. Na lógica de predicados, as declarações dividem-se em objetos e predicados, permitindo maior expressividade. Quantificadores como “existencial” (existe pelo menos um) e “universal” (para todos) são usados para generalizar afirmações. Essas técnicas são fundamentais para que máquinas não apenas armazenem dados, mas também desenvolvam a habilidade de aprender e se comportar de maneira inteligente, otimizando recursos computacionais e resolvendo problemas complexos com eficiência.|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 |
def negacao(P): return not(P) def ou(P,Q): return P or Q def e(P,Q): return P and Q def se_entao(P, Q): return (not P) or Q def se_somente_se(P, Q): return P == Q # Exemplos de uso: P = False Q = True print('\nProposição de NEGAÇÃO') print(f'P = {P}') print('Resolução:') print(f'﹁ P = {negacao(P)}') print('\nProposição OU') print(f'P = {P} e Q = {Q}') print('Resolução:') print(f'P v Q = {ou(P,Q)}') print('\nProposição E') print(f'P = {P} e Q = {Q}') print('Resolução:') print(f'P ^ Q = {e(P,Q)}') print('\nProposição SE ENTÃO') print(f'P = {P} e Q = {Q}') print('Resolução:') print(f'P ͢ Q = {se_entao(P,Q)}') print('\nProposição SE SOMENTE SE') print(f'P = {P} e Q = {Q}') print('Resolução:') print(f'P ͍͢ Q = {se_somente_se(P,Q)}') |