Αναπαράσταση γνώσης και συλλογιστική

Στοχος

• Κατανοεί θεμελιώδεις έννοιες για την αναπαράσταση γνώσης όπως λογικό πρόγραμμα, άρνηση και άρνηση ως αποτυχία, υπόθεση ανοιχτού και κλειστού κόσμου, γράφοι γνώσης, οντολογίες
• Αναγνωρίζει και κατανοεί τις τεχνικές Αναπαράστασης Γνώσης και την αξιοποίησή τους στα πλαίσια επίλυσης προβλημάτων / εφαρμογών
• Επισημαίνει την ιδιαιτερότητα των επιμέρους προβλημάτων συλλογιστικής, την επιλογή και την προσαρμογή σε αυτά των κατάλληλων τεχνικών αναζήτησης, επίλυσης περιορισμών, επίλυσης answer sets και προτιμήσεων
• Σχεδιάζει την αποτίμηση των μεθόδων σε σύγκριση μεταξύ τους, αναγνωρίζει τις δυνατότητες και περιορισμούς της κάθε μεθόδου
• Κατανοεί την δομή του σημασιολογικού ιστού και τον τρόπο λειτουργίας των βασικών εργαλείων του
• Επικοινωνεί ιδέες που αφορούν στην εφαρμογή τεχνικών αναπαράστασης γνώσης και συλλογιστικής με καθαρό, σαφή και τυπικό τρόπο. Με στόχο να σχεδιάζει, κατασκευάζει και να αποτιμά συστήματα αναπαράστασης γνώσης και συλλογιστικής για την επίλυση πραγματικών προβλημάτων, και να εξηγεί τη λειτουργία τους

• Ικανότητα οργάνωσης και σχεδιασμού εργασίας και διαχείρισης του χρόνου
• Ικανότητα τεκμηριωμένης γραπτής επικοινωνίας
• Ικανότητα επίλυσης προβλημάτων
• Ικανότητα ανάπτυξης κριτικής σκέψης και ικανότητα για κριτικές προσεγγίσεις
• Ικανότητα εφαρμογής των θεωρητικών γνώσεων στην πράξη
• Ικανότητα προσαρμογής των μεθόδων και τεχνικών σε νέες καταστάσεις και συνθήκες
• Άσκηση κριτικής και αυτοκριτικής
• Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης

Περιεχομενα

• Εισαγωγή στον λογικό προγραμματισμό: Γεγονότα κανόνες και ερωτήσεις, αναδρομή, λίστες και συναρτησιακοί όροι, αντίστροφη χρήση κατηγορημάτων
• Λογικός προγραμματισμός για την ΤΝ: Μη ντετερμινιστικός προγραμματισμός, παραγωγή-και-αποτυχία (generate-and-test), αναζήτηση σε Prolog
• Προσεγγίσεις στην άρνηση γνώσης: Άρνηση-ως-αποτυχία, στρωματοποίηση, well-founded άρνηση σε μη στρωματοποιημένη γνώση
• Αναπαράσταση ατελούς γνώσης: Answer Set Programming, περιορισμοί ακεραιότητας, σταθερά μοντέλα, ικανοποιησιμότητα, απαρίθμηση, επίλυση answer sets
• Αναπαράσταση προτιμήσεων: ποσοτικές και ποιοτικές προτιμήσεις, αναπαράσταση ποιοτικών προτιμήσεων με λογικούς φορμαλισμούς, προτιμήσεις μεταξύ συνόλων
• Αναπαράσταση γνώσης και συμπερασμός στο Σημασιολογικό Ιστό: data integration και το πρόβλημα της σημασίας των ατομικών συμβόλων στην αναπαράσταση γνώσης, σημασιολογική αναπαράσταση στο Web, Resource Description Framework (RDF), οντολογίες γράφοι γνώσης (KG), OWL 2, Λογικές Περιγραφής και ισοδυναμία με RDFS και OWL 2, αλγόριθμοι συμπερασμού για τις Λογικές Περιγραφής που καλύπτουν τις RDFS, OWL 2
• Αναπαράσταση χωρικής και αριθμητικής γνώσης και συμπερασμός: Many-valued logics, Satisfiability Modulo Theories (SMT), γεωχωρικά δεδομένα και συμπερασμός, αναπαραστάσεις και συμπερασμός σε 3Δ

Ενδεικτικη βιβλιογραφια

• Lloyd, John W. Foundations of logic programming. Springer Science & Business Media, 2012.
• O’Keefe, Richard. The craft of Prolog. Logic programming.  MIT Press, 1990.
• Apt, Krzysztof R., and Mark Wallace. Constraint logic programming using ECLiPSe. Cambridge University Press, 2006.
• Baral, Chitta. Knowledge representation, reasoning and declarative problem solving with Answer sets, 2001
• Guus Schreiber and Yves Raimond (eds), RDF 1.1 Primer. W3C Working Group Note, 24 June 2014, https://www.w3.org/TR/rdf11-primer
• Pascal Hitzler, Markus Krötzsch, Bijan Parsia, Peter F. Patel-Schneider, and Sebastian Rudolph (eds), OWL 2 Web Ontology Language Primer (Second Edition). W3C Recommendation, 11 December 2012, http://www.w3.org/TR/owl2-primer
• Tom Mitchell, “Learning sets of rules”. Chapter 10, Machine Learning, McGraw Hill, 1997.
• Stasinos Konstantopoulos, Rui Camacho, Nuno Fonseca and Vitor Santos Costa, “Induction as a search procedure”. Chapter 7, Artificial Intelligence for Advanced Problem Solving Techniques. Information Science Reference, IGΙ Global, 2008.