Programação em Lógica IndutivaProgramação em Lógica Indutiva
Jacques RobinCIn-UFPE
Aprendizagem Indutivo
Programação em Lógica
Programação em Lógica Indutiva (IPL)
O que é ILP (Inductive Logic O que é ILP (Inductive Logic Programming)?Programming)?
ILP x resto da aprendizagem • Descobre conhecimento novo expressado em lógica da 1a
ordem ILP x resto da programação em lógica
• Inverte mecanismos de dedução para implementar indução
Dimensões de aprendizagem Dimensões de aprendizagem
Metáfora cognitiva (ou paradigma):• Simbólica, Nebulosa, Estatística, Conexionista,
Evolucionista, Híbrida Propriedades matemáticas da função a aproximar:
• domínio e contra-domínio {0,1}, R• dependência: linear, linear por parte, não linear, etc.
Representação da função a aproximar:• lógica, probabilística, numérica
Propriedades matemáticas do espaço das representações:• dimensão• densidade
Dimensões de aprendizagem (cont.)Dimensões de aprendizagem (cont.)
Conhecimento:• a priori: aproveitável, necessário• aprendido: novidade, interpretabilidade
Algoritmo de aprendizagem:• iterativo ou não• local ou global
Feedback disponível: • supervisionado, não supervisionado, por reforço• nível de ruído (grau de aproximação)
Aprendizagem: feedback disponívelAprendizagem: feedback disponível
Aprendizagem supervisionada: certo ou errado• Dado um conjunto de exemplos pré-classificados, aprender
uma descrição geral que encapsula a informação contida nesses exemplos e que pode ser usada para prever casos futuros
• ex. concessão de crédito Aprendizagem não supervisionada: se vira!
• Dada uma coleção de dados não classificados, agrupá-los por regularidades
• ex. caixa de supermercado empacotando Aprendizagem por reforço: recompensa/punição
• ex. jogo de xadrez, RoboCup: é por aí!
Dedução x InduçãoDedução x Indução Dedução: D(A,R) = T
• a partir de uma base de axiomas A conhecida a priori uma base de regras de inferência R conhecida a priori
• deduzir: a base de teoremas T, tal que: A R |= T
Indução: I(A,T,R) = H• a partir de:
base de axiomas A conhecida a priori base de teoremas T+ e não teoremas T- observada
empiricamente uma base de regras de inferência R conhecida a priori
• induzir: base de regras de inferência hipotéticas H, tal que: A R H |= T+ e A R H | T-
ILP : indução com A, R, H e T representadas em Lógica de Horn da 1a ordem.
ILP ao longo das dimensões de ILP ao longo das dimensões de aprendizagemaprendizagem
Metáfora cognitiva: simbólica
Função a aproximar: booleana
Representação da função a aproximar: fórmula da lógica de Horn da 1a ordem
Algoritmo de aprendizagem:• iterativo ou não• local ou global
Feedback: • supervisionado • ruído: com ou sem
Conhecimento a priori: • aproveitável• necessário quando poucos
exemplos Conhecimento aprendido:
• altamente interpretável• alguns métodos de ILP criam
novos predicados
ILP x outras abordagem de ILP x outras abordagem de aprendizagemaprendizagem
Vantagens x outros métodos de aprendizagem (ID3, version-space, redes neurais, redes bayesianas, etc.):• indução de relações abstratas e definições recursivas• na forma de um programa diretamente executável• aproveitamento do conhecimento a priori do domínio• poucos exemplos necessários (i.e., A e T podem ser
pequenas)
Desvantagens x outros métodos de aprendizagem:• alto custo computacional do treinamento• dificuldade em formar hipóteses interessantes na ausência
de conhecimento a priori
Aprender relação abstrata com ILP: Aprender relação abstrata com ILP: daughter(D,P) = f(father,female,male,mother).daughter(D,P) = f(father,female,male,mother). Conhecimento a priori Intencional: parent(F,C) :- father(F,C). parent(M,C) :- mother(M,C). Extensional: father(pat,ann). father(tom,sue). female(ann). female(eve). female(sue). male(pat). male(tom). mother(eve,sue). mother(ann,tom).
Exemplos Positivos: daughter(sue,eve). daughter(ann,pat). Negativos: not daughter(tom,ann). not daughter(eve,ann).
Objetivo: Induzir: daughter(D,P) :- female(D), parent(P,D).
Aprender definição recursiva com ILP: Aprender definição recursiva com ILP: ancestorancestor = f(parent, ancestor). = f(parent, ancestor).
Conhecimento a priori Intencional:parent(F,C) :- father(F,C). parent(M,C) :- mother(P,C). Extensional:father(pat,ann).father(tom,sue).female(ann).female(eve).female(sue).male(pat).male(tom).mother(eve,sue).mother(ann,tom).
Exemplos Positivos:ancestor(tom,sue).ancestor(eve,sue).... Negativos:not ancestor(ann,eve).not ancestor(sue,eve).... Definição induzida:ancestor(A,D) :- parent(A,D).ancestor(A,D) :- parent(A,P), ancestor(P,D).
Dimensões de ILPDimensões de ILP
Tarefa:• Grau de automação: interativo x autónomo• Incremental (na apresentação dos dados): sim/não• Semântica: monótona normal, monótona definita, não-monótona• Descoberta de predicados: com/se• Entrada: T+, T+ T-, T+ A R, T+ T- A R• Saída: um x vários predicados, LP x CLP
Abordagem:• Operadores: -subsumption, rlgg, resolução ou implicação inversa• Restrições da linguagem de hipótese L(H) (language bias):
sintáticas x semânticas parametrizadas x declarativas
• Estratégia de busca: Global: especialização (top-down) x generalização (bottom-up) Local (preference bias):
Algoritmo genérico de ILPAlgoritmo genérico de ILP
inicialize fila de hipótese Fh repetir
• delete H de Fh• escolha regras de inferências R1, …, Rk em R• induz H1, …, Hn aplicando R1, …, Rk a H• coloca H1, …, Hn em Fh• pode Fh
até satisfazer critérioDeParada para Fh
Qualquer algoritmo de ILP:• é uma instância desse algoritmo • com definições e implementações particulares para:
inicialize, delete, escolha, pode e critérioDeParada
Generalizacão x EspecializaçãoGeneralizacão x Especialização
Generalização (busca bottom-up) parte da hipótese a mais
específica: qualquer exemplo positivo
iterativamente generaliza-lá aplicando regras de indução até a 1a que cobre:
• quase todos os exemplos positivos
• quase nenhum exemplo negativo
Especialização (busca top-down) parte da hipótese a mais
geral: c(…,X,…) :-. iterativamente especializa-lá aplicando regras de dedução até a 1a que cobre:
• quase todos os exemplos positivos
• quase nenhum exemplo negativo
Para os 2:• “quase” definido quantitativamente via uma taxa de erro• necessária para:
• evitar overfitting da amostra de treinamento• garantir o poder de generalização da hipótese
Semântica monótonaSemântica monótona Propriedades:
• Consistência a priori: A R T- |= {f}• Necessidade a priori: A R | {f}• Consistência a posteriori: A R T- H |= {f}• Completude a posteriori: A R H |= T+
Casos particulares:• Monótona definida:
Monótona normal com B e H limitado a cláusulas definidas, ie, c(X,Y) :- p(X), q(Y) mas não t :- p(X), q(Y).
• Monótona baseada em exemplos: Monótona definida com todos T+ e T- fatos instanciados (unit ground clauses) ie, c(a,b) ou not c(a,b) mas nem c(X,b), nem c(a,b) :- p(a),q(b).
Modelos de HerbrandModelos de Herbrand
M(L) modelo de Herbrand de um programa lógico L sse:• M(L) = {p(…, c, …) | p pred(L) c const(L) L |= p(…,c,…)} = todos os fatos instanciados formados a partir de predicados e constantes de L e deriváveis a partir de L
Exemplo: • L = {male(paulo). female(ana). male(joao).
parent(paulo,joao). parent(ana,joao). father(F,C) :- parent(F,C), male(F). mother(M,C) :- parent(F,C), female(M).}
• M(L) = {male(paulo). female(ana). male(joao). parent(paulo,joao). parent(ana,joao). father(paulo,joao). mother(ana,joao).}
Thm: L sem not M(L) mínimo
Semântica não-monótonaSemântica não-monótona
Pressupostos:• T+ A R • T- = L(H) - A R via hipótese do mundo fechado• A R limitado a cláusulas definidas• M+(A R) = modelo de Herbrand mínimo de A R
Propriedades:• Validade: H M+(A R )• Completude: H |= M+(A R)• Minimal: G H G inválido ou incompleto
Mais conservadora do que semântica monótona:• A R = {bird(tweety). bird(oliver).}• T+ = {flies(tweety).}• Com semântica monótona, flies(X) :- bird(X). H• Com semântica não-monótona, flies(X) :- bird(X). H
Regras e operadores para ILPRegras e operadores para ILP
Especialização (refinamento) baseado em -Subsumption
Relative Least General Generalization (RLGG) Resolução inversa em V Resolução inversa em W (invenção de predicados) Implicação inversa Derivação inversa (inverse entailment)
-Generalização (-Generalização (-Subsumption)-Subsumption)
G -generaliza S sse substituição , (G) S ie, G se unifica com uma parte de S ex, com = {D/ann}, daughter(D,P) :- female(D). -generaliza daughter(ann,P) :- female(ann),
parent(P,ann). Sugere 2 operadores de especializações:
• aplicar substituição e acrescentar premissa (G -generaliza S) (G |= S) -- “G entails S” mas ((G |= S) (G -generaliza S)) contrex,
• G: humano(paiDe(H)) :- humano(H).• S: humano(paide(paiDe(H))) :- humano(H).• G |= S, porém G não -generaliza S
Generalização mínima relativaGeneralização mínima relativa
Generalização mínima de 2 termos T e L (literais):• substituição dos sub-termos que não se casam com variáveis• ex, lgg(daughter(mary,ann),daughter(eve,tom)) =
daughther(D,P)• unificação inversa
Generalização mínima de 2 cláusulas:• lgg(C1 :- P1, …, Q1. , C2 :- P2, …, Q2) = lgg(C1,C2) :- lgg(P1,P2), …, lgg(Q1,Q2).• ex, lgg(daughter(mary,ann) :-
female(mary),parent(ann,mary). , daughter(eve,tom) :- female(eve),parent(tom,eve).) = = daughter(D,P) :- female(D), parent(P,D).
Generalização mínima de 2 termos C1 e C2 relativa a BDE = {D1, …, Dn} a priori:
• rlgg(C1,C2) = lgg(C1 :- D1, …, Dn. , C2 :- D1, …, Dn)
Generalização mínima relativa: exemploGeneralização mínima relativa: exemplo
Com BDE = {parent(ann,mary). parent(ann,tom). parent(tom,eve). parent(tom,ian). female(ann). female(mary). female(eve).}
rlgg(daughter(mary,ann). , daughter(eve,tom).)
= lgg(daughter(mary,ann) :- BDE. , daughter(eve,tom) :- BDE. ).
= daughter(D,P) :- BDE, parent(ann,D0), parent(P,D), parent(P1,D1), parent(P2,D2), parent(P3,D3), parent(P4,D4), female(D1), female(D2), female(D).= daughther(D,P) :- parent(P,D),female(D).
Em GOLEM: premissas redundantes podadas usando bias semântico limitando
busca a cláusulas determinadas.
Busca top-down Busca top-down em reticulado de refinamentoem reticulado de refinamento
Adaptação de ID3 para representação da 1a ordem Espaço de hipótese:
• reticulado no qual cada no -generaliza seus filhos• em cima: conclusão a aprender sem premissa• em baixo: contradição ou hipótese mais específica Hms tal que:
Hms A R |= T+ (e Hms A R |T-)
Percorre reticulado de cima para baixo em largura 1a Cada passo implementa uma abordagem gerar & testar
• gerar: todas as hipóteses Hn em L(H) refinando a hipótese atual
• testar: função heurística de: número de D+ tal que: Hn A R |= T+ número de D- tal que: Hn A R |= T- tamanho de Hn
Busca top-down em reticulado de Busca top-down em reticulado de refinamento: exemplorefinamento: exemplo
daughter(D,P).
daughter(D,D). daughter(D,P) :- parent(P,D).
daughter(D,P) :- parent(D,X).
daughter(D,P):- female(D).
daughter(D,P):- female(D), female(D).
daughter(D,P):- female(D),
parent(P,D).
... ... ...
daughter(D,P):- parent(P,D),
female(D).
... ...
Derivação inversaDerivação inversa
Como: • A R H |= T A R T |= H A R T |= M(A R T) |= H H |= M(A R T)• G -generaliza S G |= S
Então, H pode ser computado em 2 passos:• 1: Deduz M(A R T) a partir de A R e de T • 2: Calcula H = {h L(H) | h -generaliza M(A R T)}
Restrições de L(H): motivaçãoRestrições de L(H): motivação
Se L(H) contem qualquer cláusula de Horn gerável:• por refinamento da cláusula sem premissa• por resolução inversa de 2 elementos de A R T+
Então:• espaço de busca (seja bottom-up ou top-down) • grande demais para ser explorado eficientemente• as vezes até infinito
Restrição de L(H): • meta-conhecimento heurístico a priori • permitindo limitar espaço de busca
Restrições sintáticas parametrizadasRestrições sintáticas parametrizadas
lista dos nomes de predicado permitidos em hipóteses
número máximo de premissas por cláusula número máximo de variáveis por cláusula profundidade máxima dos termos das cláusulas nível máximo dos termos das cláusulas:
• variável V é ligada em cláusula C :- P1, …, Pn sse: V C, ou i {1, …, n}, W V: V Pi W Pi W ligada em C :- P1, …,
Pn.
• cláusula ligada sse todas suas variáveis são ligadas ex, p(X) :- q(Z) não ligada, p(X) :- q(X,Y),r(Y,Z),u(Z,W) ligada.
• nível n(t) de um termo t em cláusula ligada C :- P1, …, Pn: 0 se t C, ou 1 + min(n(s)) se t Pi s Pi ex, n(C, grandfather(G) :- male(G), parent(G,F), parent(F,C)) = 2
Restrições semânticas de L(H): tipos e Restrições semânticas de L(H): tipos e modosmodos
Tipos:const(a). const(b). …clist([]).clist([H|T]) :- const(H), clist(T).
Modos: restrições sobre predicados • na conclusão (modeh) ou premissa (modeb) das regras• número de vezes que um predicado pode ser satisfeito• tipos dos seus argumentos• instanciação dos seus argumentos (constante #, variável de entrada + ou variável de saída -)• ex: modos para append
:- modeh(1,append(+clist,+clist,-clist))?:- modeh(1,append([+const|+clist],+clist,[-const|-clist]))?:- modeh(1,append(#clist,+clist,-clist))?:- modeb(1,append(+clist,+clist,-clist))?
Determinação:
Restrições semânticas de L(H): Restrições semânticas de L(H): determinaçãodeterminação
h(…,X0i,...) :- p1(...,X1j,…), …, pn(…,Xnk,…). determinada dados um conhecimento a priori B e exemplos D sse:• as instanciações dos X0j, …, Xij restringem os X(i+1)j a um
único valor, ie, i {1,…,n}, Xij pi, Xkl, k < I, ! v tal que:
Xij/v compatível com Xkl/vkl
Exemplo:• D: parent(jef,paul). parent(jef,ann). male(paul). female(ann).• hasFather(C) :- parent(P,C). determinada: P/jef• isFather(F) :- parent(F,C). não determinada: C/{paul;ann}
Torna aprendizagem eficiente (porém incompleto)
Preferências sintáticas e probabilísticas Preferências sintáticas e probabilísticas
(H) = número de bits na codificação mínima de H Thm:
• H que minimiza (H) em L(H) também maximiza P(H|B E)• ie, a hipótese mais concisa sempre corresponde a mais
verossímil Prova: Thm de Bayes + Thm de Shannon Justificação téorica do navalha de Occam
PROGOL: nas dimensões de ILPPROGOL: nas dimensões de ILP Tarefa:
• Grau de automação: interativo ou autônomo• Incremental (na apresentação dos dados): sim ou não• Semântica: não-monótona• Descoberta de predicados: ?• Entrada: D+ ou D+^D- ou D+^B ou D+^D-^B• Saída: um ou vários predicados, LP
Abordagem:• Operadores: derivação inversa, -generalização• Restrições da linguagem de hipótese L(H) (language
bias): sintáticas e semânticas parametrizadas e declarativas
• Estratégia de busca: Global: top-down, mais bottom-up bounded Local: poda espaço usando função heurística f(H)
estimando poderDePredição(H) x concisão(H)
PROGOL: algoritmoPROGOL: algoritmo
Instância do algoritmo genérico de ILP com: inicialize: H = {obj(…,X,…) :- }. delete: dE, B H |= E escolha: H que maximiza f(H), função heurística de
busca aproximando (poderDePredição(H),concisão(H))
pode: • hipóteses mais específicas que M(B D)• hipóteses que não pode mais melhorar f(H)
critérioDeParada:• |falsos+| + |falsos-| < limiar de ruído, ou• E =
PROGOL: função heurística de buscaPROGOL: função heurística de busca
f(H) = (P(p-n-c-h+1))/p, com:• P = |E+|• p = |E+ deduzidos de H| (verdadeiros +)• n = |E- deduzidos de H| (falsos -)• c = |H| (em número de literais)• h = |variáveis de saída não restritas|
PROGOL: construir hipótese + específica PROGOL: construir hipótese + específica % Restrições semânticas de L(H):- set(r, 10000) % max Prolog unif:- set(h, 100) % max Prolog search
depth:- modeh(1,implies5(+bool5, +bool5, -
bool5).:- modeb(1,or5(+bool5, +bool5, -bool5).:- modeb(1,not5(+bool5, -bool5).bool5(X) :- integer(X), X => 0, X <= 4.
% B: conhecimento a priori not5(I,Out) :- Out is 4 - I.or5(X,X,X).or5(I,J,Out) :- I > J, Out is I.or5(I,J,Out) :- I < J, Out is J.
% E+: exemplos positivosimplies5(4,4,4).implies5(4,0,0).implies5(0,4,4).implies5(1,2,3)% E-: exemplos negativos:- implies5(2,0,0).:- implies5(4,2,4).
1/ d= implies5(4,4,4) mode declar or5(4,4,4) M(B d) not5(4,0) M(B d) or5(4,0,4) M(B d) or5(0,4,4) M(B d) or5(0,0,0) M(B d) not5(4,0) M(B d) M(B d) = or5(4,4,4) not5(4,0) or5(4,0,4) or5(0,4,4) or5(0,0,0) not5(4,0) implies5(4,4,4). maxspec{h | h H |= e} = or5(A,A,A)
not5(A,B) or5(A,B,A) or5(B,A,A) or5(B,B, B)
not5(B,A) implies5(A,A,A).
CProgol Version 4.4|- consult(implies5a)?[No contradictions found]yes|- generalise(implies5/3)?[Generalising implies5(4,4,4).][Most specific clause is]implies5(A,A,A) :- or5(A,A,A), not5(A,B), or5(A,B,A), or5(B,A,A), or5(B,B,B),
not5(B,A).
PROGOL: Generalizar hipótese + PROGOL: Generalizar hipótese + especifica 1 especifica 1 % Restrições semânticas de L(H):- set(r, 10000) % max Prolog unif:- set(h, 100) % max Prolog search depth:- modeh(1,implies5(+bool5, +bool5, -
bool5).:- modeh(1,or5(+bool5, +bool5, -bool5).:- modeh(1,not5(+bool5, -bool5).bool5(X) :- integer(X), X => 0, X <= 4.
% B: conhecimento a priori not5(I,Out) :- Out is 4 - I.or5(X,X,X).or5(I,J,Out) :- I > J, Out is I.or5(I,J,Out) :- I < J, Out is J.
% E+: exemplos positivosimplies5(4,4,4).implies5(4,0,0).implies5(0,4,4).implies5(1,2,3)% E-: exemplos negativos:- implies5(2,0,0).:- implies5(4,2,4).
% Generalising implies5(A,A,A).[C:0,1,0,0 implies5(A,A,A).][C:-5,1,1,0 implies5(A,B,A).] % pruned[C:2,3,1,0 implies5(A,B,B).] % 1st tried [C:0,2,0,1 implies5(A,A,B).] % pruned[C:1,5,2,1 implies5(A,B,C).] % 2nd % Specialising implies5(A,B,B)[C:0,3,1,0 implies5(A,B,B) :- or5(B,B,B).][C:0,3,1,0 implies5(A,B,B) :- or5(B,B,C).][C:0,2,0,0 implies5(A,B,B) :- or5(A,B,B).][C:-2,2,1,0 implies5(A,B,B) :- or5(A,B,A).][C:0,3,1,0 implies5(A,B,B) :- or5(A,B,C).][C:0,2,0,0 implies5(A,B,B) :- or5(B,A,B).][C:-2,2,1,0 implies5(A,B,B) :- or5(B,A,A).][C:0,3,1,0 implies5(A,B,B) :- or5(B,A,C).][C:0,3,1,0 implies5(A,B,B) :- or5(A,A,A).][C:0,3,1,0 implies5(A,B,B) :- or5(A,A,C).][C:0,3,1,0 implies5(A,B,B) :- not5(B,C).][C:0,3,1,0 implies5(A,B,B) :- not5(A,C).][C:-2,3,1,0 implies5(A,B,B) :- not5(B,C), or5(B,C,D).]...[C:-2,3,1,0 implies5(A,B,B) :- or5(A,A,C), not5(C,D).]
PROGOL: Generalizar hipótese + PROGOL: Generalizar hipótese + especifica 2especifica 2
% Specialising implies5(A,B,C)[C:0,5,2,1 implies5(A,B,C) :- or5(A,A,A).]...[C:0,5,2,1 implies5(A,B,C) :- or5(B,B,D).][C:-2,3,1,0 implies5(A,B,C) :- or5(B,B,C), not5(C,D).]...[C:0,4,0,1 implies5(A,B,C) :- or5(A,B,B), not5(B,D).][C:0,5,2,1 implies5(A,B,C) :- not5(A,D).][C:0,5,2,1 implies5(A,B,C) :- not5(B,D).][C:0,4,0,0 implies5(A,B,C) :- or5(B,A,B), not5(A,D), or5(A,D,C).]...[C:-1,4,0,1 implies5(A,B,C) :- or5(A,B,B), not5(B,D), not5(D,E).][C:0,4,1,0 implies5(A,B,C) :- not5(A,D), or5(A,D,C).][C:-1,5,2,1 implies5(A,B,C) :- not5(A,D), or5(A,D,E).][C:2,5,0,0 implies5(A,B,C) :- not5(A,D), or5(B,D,C).] % BINGO![C:-3,3,1,1 implies5(A,B,C) :- not5(A,D), or5(B,D,B).][C:-1,5,2,1 implies5(A,B,C) :- not5(A,D), or5(B,D,E).][122 explored search nodes, f=2,p=5,n=0,h=0][5 redundant clauses retracted]
% Restrições semânticas de L(H):- set(r, 10000) % max Prolog unif:- set(h, 100) % max Prolog search depth:- modeh(1,implies5(+bool5, +bool5, -
bool5).:- modeh(1,or5(+bool5, +bool5, -bool5).:- modeh(1,not5(+bool5, -bool5).bool5(X) :- integer(X), X => 0, X <= 4.
% B: conhecimento a priori not5(I,Out) :- Out is 4 - I.or5(X,X,X).or5(I,J,Out) :- I > J, Out is I.or5(I,J,Out) :- I < J, Out is J.
% E+: exemplos positivosimplies5(4,4,4).implies5(4,0,0).implies5(0,4,4).implies5(1,2,3)% E-: exemplos negativos:- implies5(2,0,0).:- implies5(4,2,4).
PROGOL: exemplo com ruídoPROGOL: exemplo com ruído