Astăzi voi vorbi despre metode logice de raționament de prezentarea prin

propoziții sau prin predicate și tipuri de raționament. Aici voi face o paranteza legată de
includerea subiectului acesta în contextul mai larg al inteligenței artificiale. Acum 20 de
ani marea majoritatea a inteligenței artificiale era bazată pe reprezentări logice, rețelele
neuronale erau oarecum de nisa. (Ca fapt divers eu am lucrat cu rețele neuronale din
2003 de la doctorat, am intrat pe partea cealalta). Am vorbit în primul curs ca exista
doua direcții majore în inteligenta artificiala, una bazată pe simboluri explicite și alta
directie bazată pe rețele neuronale sub simbolica blackbox etc. Succesul prezent al
inteligenței artificiale se bazează pe rețele neuronale, deci mai ales pe metode de tip
learning (vom face aceste lucruri spre sfarsitul semestrului I și semestrul II). De aceea,
în contextul international sa zicem metodele logice au intrat în umbra, accentul fiind pe
rețelele neuronale și învățare cantarire mai mult sau mai puțin, la ora actuala. Vreau sa
subliniez faptul că au basculat interesul din partea logica în partea subsimbolica
conexionista. Mi se pare oarecum nedrept și de aceea am lăsat acest curs și încă unul
în care spuneam ca logica fazica nu mai are adevărat sau fals ci niveluri de apartenența
între 0 și 1. Așadar, mi se pare prea drastică eliminarea logicii pentru ca rețelele
neuronale au niște limite adică care i avantajul și dezavantajul fiecărei direcții de acolo
(rețelele neuronale pot invata din lumea reala din date afectate de zgomot, aici după
cum o sa vedem toate metodele din cursul de astăzi, toate sunt batute-n cuie adică
dacă introduci ceva fals iti da peste cap tot raționamentul, dar după principiul pe care
deja îl știți că falsul implica orice). Este foarte greu sa introduci variabilitatea lumii reale
într un set de simboluri, însă o data ce le ai poți sa lucrezi foarte frumos cu ele si sa
demonstrezi teoreme, ce o sa va arăt în cursul de azi. Cum sa reprezinti lumea reala in
simboluri aceasta este problema și pentru problemele acestea 2 problems didactice de
la început, partea logica era perfectă, pentru ca omul stătea și se gândea el apoi punea
problema în niște simboluri după aplica metodele automate și iesea foarte frumos.
Când, suntem într-o lume deschisa în care nu mai putem sa codam în simboluri, toata
lumea, metodele logice au o problema și de aceea interesul a basculat înspre rețelele
neuronale. Pe de alta parte, rețelele neuronale nu pot gândi chiar dacă se numesc
rețele neuronale și chiar dacă pot face tot felul de lucruri de care ați mai auzit și la
televizor, în mediul online ce probleme rezolvă acestea. De fapt, rețelele neuronale nu
gandesc sunt cumva tot ce ar face omul din instinct adică să recunoască o persoana,
sa vorbeasca. Deci tot ce face omul din instinct se poate coda cu o rețea neuronala, dar
cu siguranta inteligența umană este mai mult de atat si probabil că la un moment dat ar
trebui integrate cele doua direcții principale. Adică în partea de prelucrare directă,
primara care vine din organele de simt, rețelele neuronale sunt perfecte, dar în
prelucrările secundare deci în partea de raționament, gandirea, rețelele neuronale nu
funcționează chiar atat de bine și probabil ca ar trebui scoase niște simboluri din acele
reprezentări neuronale. Aceasta problema nu este rezolvată deocamdată, cu metodele
actuale eu sunt destul de sceptic că s ar rezolva. Sunt diferite chestii care încearcă să
explice modelele astea, însă mie mi se par niște carpeli care nu se duc la esența, adică
cum scoate creierul niste simboluri din ce invata in lumea reala prin trailerror. Acesta
este problema principala si culmea ca nici în creier nu exista niște structuri specializate.
deci neocortexul este omogen sunt niște coloane de neuroni cam toate la fel. Este
foarte greu din punct de vedere ale științelor, neuroștiințelor (ca tot se cartografiaza
creierul)  nu este nicăieri o zona în care sa spunem ca acolo se afla simbolurile deci tot
sunt distribuite ca într o rețea neuronala, dar mecanismul prin care se ajunge de la o
experienta din asta de zi cu zi la niște cunoștințe cristalizate nu s a identificat. Probabil
dacă se va identifica acest mecanism biologic va și un mare progres în inteligenta
artificiala, sau poate că se va inventa ceva care să combine cele doua tipuri de
raționament. Deocamdată, aceasta este problema numărul 1 în inteligenta artificiala
curentă în stadiul actual al domeniului ca sa poți face niște raționamente precum omul,
deci la nivelul acesta de simboluri, dar bazată pe o infrastructură de rețele neuronale.
Prin aceasta introducere, am vrut sa introduc cursul de astăzi în contextul mai mare si
sa motivez faptul ca e totusi util să știți despre lucrurile astea. Aici cred ca este
motivatia reprezentării logice sau reprezentării formalizate ale cunoștințelor ce vom face
și cursul viitor, când limbajul natural, propozițiile sunt ambigue cuvintele pot avea
sensuri multiple iar o noțiune poate fi reprezentată prin cuvinte multiple și atunci
ambiguitatea acesta pune piedici unui raționament formalizat. Este exact același lucru
pe care l am spus și la cerințele software dacă mai tine-ti minte, ca putea sa fie
descrierea cerințelor în limbaj natural, puteau fi și confuze plus alte chestii care duceau
la defecte. Pe de alta parte, puteau sa fie reprezentări formale ca aici, dar care sunt
greu de făcut, tocmai din ce va spuneam înainte de reprezentare a unui drum variabil
într-un sens de simboluri și la mijloc era partea aia un sfert de limbaj natural structurat
formalizat. Pentru a evita aceste ambiguități se formalizeaza codarea și formalismul
logic este o modalitate verificata a început acum 2500 de ani cu silogisme partea asta
este foarte bine pusă la punct de vedere teoretic. Un alt lucru pe care as dori să-l
punctez, aceste tipuri de metode sunt poate printre puținele care pot crea cunoștințe noi
prin combinarea unor cunoștințe deja existente. celelalte metode pot face inferențe
adică îți poți da seama de la o situație poți sa pui intrebari  ce se va întâmpla în viitor,
cum se clasifica rețelele neuronale, cum se vorbește, care i următorul cuvant etc. Deci
cumva se creează ceva nou, dar de fapt alea interpoleaza niște date deja existente nu
extrapolează poate este o chestiune de nuanță, însă este foarte importantă pentru că
dacă scoți o rețea neuronala din distribuția ei de date pentru care a fost antrenată nu
mai merge. S-au făcut niște experimente de genul sa învețe reguli simple 1+1+1+1 de 4
ori, de 5 ori și așa mai departe și învață cam pe la 6 și după da 7, deci pana și un copil
ar putea sa invete de cate ori apare 1 acolo și sa stie regula. Raționamentul logic face
chestia asta, poate crea cunoștințe noi din cunoștințe deja existente și asta mi se pare
un lucru foarte important si bineinteles ca este folosită pentru demonstrarea automată a
teoremelor și am inclus cateva exemple: demonstrarea faptului ca algebra Robins este
o algebra buleala simplificata care folosește doar sau si not, era ideea dacă este
echivalentă cu algebra buleala completa și în “96 s a demonstrat acest lucru folosind un
program pe care o sa vi-l arăt și eu ora viitoare. După s a mai demonstrat formal
teorema completitudinii lui Kurt Godel ca în fiecare sistem exista propozitii care nu pot fi
demonstrate ca fiind adevărate, adică ele sunt adevărate dar nu le putem demonstra și
asta e ideea de completitudine a unui sistem adică trebuie sa te ridici deasupra
sistemului respectiv ca sa poti cuprinde tot ce este  în sistemul de jos. Sunt tot felul de
lucruri din astea… și incompletitudinea asta, incertitudinea cuantică… deci sunt niște
teoreme care dau niște limitări ale perceptiilor noastre asupra naturii, de fapt, ca nu-i
vorba doar de a demonstra o teorema a+b=c e vorba ca exista niste limitări în modul în
care putem noi percepe natura înconjurătoare, deci indiferent ce am face nu ca suntem
noi incapabili sa calculăm… pur și simplu nu putem noi asta e problema principala.
Suntem intr o realitate limitata, într o percepție limitata. Aici am pus cea mai lungă
demonstrație care este într-un format verificabil automat de asta e în terabiti ca e un
fișier care poate fi verificat cu alte pachete de demonstrare automată cu chestii de
colorare, dar o astfel de demonstrație cu siguranță nu ar fi putut fi făcută de un om, deci
dincolo de partea asta cu conexionismul cu logicul sunt niște utilizari practice concrete
de demonstrare automată a teoremelor pentru ce vom face acum. La fel, tot legat de ce
v-am spus la software de cerințe exista programe de verificare formala care a unor
sisteme care nu se testează empiric ci se demonstrează, ca un anumit algoritm,
program, sau circuit este corect în toate cazurile. Toate astea s-au demonstrat ca sunt
corecte… remote agent e un sistem de reparare automată pentru o sondă spațială deci
în chestii din astea critice pentru aviație, centrale nucleare etc sunt foarte importante
chestiile astea cu verificare formala ca sa nu explodeze avionul sau centrala nucleara,
este un agent un sistem autonom care diagnosticheaza statia spatiala, dacă apare un
defect ar fi bine sa fie reparate automat ca pană se transmite problema pe pamant și
pana ajunge rezolvarea înapoi poate sa explodeze sonda spațială.