Größe: px
Ab Seite anzeigen:

Download ""

Transkript

1 URL: UNIVERSITY OF BIRMINGHAM THE of Computer Science School Edgbaston, Birmingham B15 2TT, England Inferenzverfahren Manfred Kerber and Jíorg Siekmann Published as: Wíorterbuch der Kognitionswissenschaft, 1996, Gerhard Strube èed.è, Klett-Cotta, in German

2 Inferenzverfahren 1 Inferenzverfahren Manfred Kerber Jíorg Siekmann Fachbereich Informatik, Universitíat des Saarlandes, Saarbríucken. Die klassische KI geht von der These aus è physical symbol hypothesisë, H. Simonè, daç intelligente Leistungen an die Fíahigkeit gebunden sind, Wissen symbolisch zu repríasentieren. Damit ergeben sich zwei fundamentale Forschungsfragen, die inzwischen in eigenen Fachdisziplinen mit einer Vielzahl internationaler Spezialkonferenzen untersucht werden: æ Wie kann man èalltags-è Wissen geeignet repríasentieren? æ Wie kann man aus einer gegebenen Wissensrepríasentation gíultige Schlíusse ziehen? Insbesondere die zweite Frage wird in der formalen Logik seit Jahrhunderten untersucht und bei der Bearbeitung dieser Frage ist es auch zur bisher fruchbarsten interdiszipliníaren Zusammenarbeit zwischen KI, Logik, Psychologie und Computerlinguistik gekommen. Inferenz ist ein Prozeç, durch den aus gegebenen Tatsachen und Annahmen Schlíusse gezogen werdenë; diese Deænition umfaçt verschiedene Formen des Schlieçens die wir im folgenden betrachten wollen. Deduktion Eine der am meisten untersuchten Inferenztechniken, die heute auch am besten verstanden wird, ist Das Ziel ist, aus einer gegebenen Menge von Fakten logische Konsequenzen herzuleiten. Fíur die Mathematik heiçt das beispielsweise unter der Annahme von gewissen Axiomen und Deænitionen zu beweisen, daç ein Theorem gilt. In der Physk míochte man eventuell aus gegebenen Sachverhalten èzum Beispiel Messungen in einem Versuchè auf die Bahngeschwindigkeit schlieçen. In der Psychologie interessiert man sich fíur die schon von Aristoteles beobachtete Tatsache, daç Menschen gewisse Schlíusse fíur logischkorrekt halten, andere dagegen nicht Grundlage der Deduktion ist das heiçt eine formale Sprache mit festgelegter Syntax und Semantik.Unter klassischer Logik versteht man und erster Stufe. Typische Formeln der Aussagenlogik haben die Gestalt P, èp! Qè, èèr^p è! Qè èlies P, P impliziert Q, R und P impliziert Qè. Dabei kann P zum Beispiel fíur Sokrates ist ein Menschë, Q fíur Sokrates ist sterblichë und R fíur Alle Menschen sind sterblichë stehen. Die erste Formel liest sich dann: Wenn Sokrates ein Mensch ist, dann ist Sokrates sterblichë. In der Príadikatenlogik erster Stufe sind íuber die aussagenlogischen Formeln hinausgehend nochformeln der Gestalt 8x Menschèxè! sterblichèxèë, MenschèSokratesèë oder sterblichèsokratesèë míoglich, wobei die erste Formel einen Allquantor enthíalt, sie lautet fíur alle x gilt, wenn x ein Mensch ist, dann ist x sterblich.ë Die Frage, was eine logische Konsequenz ist, kann nun durch Deduktionsregeln wie zum Beispiel Ponens oder beschrieben werden. Deduktionsregeln sind der Kern eines deduktiven Kalkíuls èhier konkret eines Hilbertkalkíulsè: aus 1

3 Inferenzverfahren 2 gegebenen Voraussetzungen, die als gíultig angenommen werden, wird in einer Kette von deduktiven Schlíussen èanwendungen einer Deduktionsregelè auf einen bestimmten Sachverhalt geschlossen, der damit ebenfalls gíultig ist. Eine wichtige Voraussetzung fíur diese Vorgehensweise ist die Korrektheit eines Kalkíuls, das heiçt aus einer wahren Voraussetzung kann man nie etwas Falsches schlieçen. Ebenso wichtig ist die Vollstíandigkeit eines Kalkíuls, das heiçt, daç man alle wahren Aussagen auch wirklich so erschlieçen kann. Fíur die Príadikatenlogik erster Stufe sind korrekte und vollstíandige Kalkíule seit 1930 bekannt. Man kann nun nach einer minimalen, aber ausreichenden Regelmenge fíur die Deduktion fragen èzum Beispiel geníugen der Modus Ponens und die Instantiierung, um einen vollstíandigen Kalkíul aufzubauenè, man kann sich aber auch umgekehrt fragen: welche der von Menschen als natíurlich angesehenen Schluçweisen lassen sich korrekt formalisieren? Die letzte Frage fíuhrte zu den Kalkíulen des Natíurlichen Schlieçens von Gentzen ëghe93, S. 76æë. Solche Kalkíule wurden in der ersten Híalfte dieses Jahrhunderts ausgiebig untersucht und es gibt inzwischen eine kaum noch íuberschaubare Menge an guten Logikbíuchern, die diese Resultate aufarbeiten und geschlossen darstellen èeine gute deutschsprachige Referenz ist ëeft86ëè. Die Entwicklung von Deduktionskalkíulen hat eine jahrhundertealte Tradition, die seit dem zweiten Weltkrieg um eine neue Variante bereichert wurde, níamlich die Frage, welche Deduktionsverfahren eignen sich besonders gut fíur die Implementierung auf einem Rechner? Zwei solche Verfahren sind und das Tableauverfahren. Das erste beruht auf der eigens fíur die Mechanisierung auf dem Rechner entwickelten Resolutionsregel, die eine Verallgemeinerung der beiden oben angefíuhrten Regeln ist. P _ Q 1 _ :::_ Q n :P 0 _ R 1 _ :::_ R m çèp è=çèp 0 è çèq 1 è _ :::_ çèq n è _ çèr 1 è _ :::_ çèr m è Allerdings míussen im Gegensatz zur Instantiierung die richtigen Instanzen nicht mehr geraten werden, sondern werden durch bestimmt. Wíahrend das Resolutionsverfahren auf einer bestimmten Normalform aufbaut, ist das fíur das Tableauverfahren nicht der Fall, die Herleitung geschieht durch Dekompositionsregeln, die die Formeln aufspalten ëghe93, S ë. Fíur die automatische Deduktion auf dem Rechner sind eine Reihe von Spezialverfahren zur Eæzienzsteigerung entwickelt worden. Diese betreæen zum Beispiel die Behandlung spezieller Theorien und sogenannte built-ins fíur bestimmte, híauæg vorkommende Príadikate wie die Gleichheit oder Theorien wie Ordnungsrelationen, Arithmetik oder Mengenlehre. Auf eine Spezialbehandlung wollen wir noch kurz eingehen, die Behandlung der Gleichheit. Die Gleichheit ist ein zweistelliges Príadikatensymbol ë= mit der Semantik, daç t 1 = t 2 genau dann gilt, wenn t 1 und t 2 nur als das gleiche Element des Universums interpretiert werden kíonnen. Zwar kann dieses Príadikat fíur eine gegebene Signatur hinreichend genau axiomatisiert werden èals íaquivalenzrelation mit Substitutionseigenschaftè, aber fíur die praktische Realisierung ist das sehr ineæzient. Deshalb wurde das Resolutionsverfahren um eine weitere Inferenzregel, die Paramodulationsregel, erweitert, die es erlaubt Gleiches 2

4 Inferenzverfahren 3 durch Gleiches zu ersetzen. In vielen praktischen Fíallen ist dies immer noch ineæzient und deshalb wurden sogenannte Termersetzungsverfahren entwickelt, die die Gleichheit behandeln, indem die Relation gerichtet wird. Zum Beispiel kann man mit einer Gleichung a = b alle Vorkommen von a durch b ersetzen, aber nicht umgekehrt. Im Zusammenhang mit Variablen und Funktionssymbolen ist es níotig sogenannte kritische Paare zu bestimmen und diese Termersetzung zu vervollstíandigen. Auch dieses Verfahren ist weiter verallgemeinert und verbessert worden. Fíur die Mechanisierung von Logiken und deren Implentierung auf dem Rechner gibt es zahlreiche Lehrbíucher mit unterschiedlichen Schwerpunkten, eine gute Referenz ist ëwolb84ë. Die bisher betrachteten maschinenorientierten Verfahren basieren auf einer mehr oder weniger geschickten, systematischen Suche in dem durch den Kalkíul aufgespannten Suchraum míoglicher Inferenzschritte. Im Gegensatz dazu versuchen èmenschlicheè Mathematiker riesige Suchríaume durch eine geschickte Beweisplanung von vornherein zu vermeiden. Diese Vorgehensweise wird zur Zeit auch fíur rechnerorientierte Verfahren entwickelt: in einem planorientierten Ansatz wird die Suche nach einem Beweis als eine Planungsaufgabe auf einer dem Menschen angepaçten Abstraktionsebene aufgefaçt. Diese Verfahren eignen sich besonders gut fíur interaktive mathematische Assistenzsysteme. Erweiterungen und Alternativen Gewisse Sachverhalte lassen sich in klassischer Príadikatenlogik nur unzureichend beschreiben und operationalisieren. Daher wurden und werden Erweiterungen der klassischen Logik ebenso wie Alternativen zu ihr entwickelt. Die Entwicklungsgeschichte dieser Nichtstandardlogiken ist teilweise schon sehr alt, aber teilweise ist sie auch durch Probleme der Kíunstlichen Intelligenzë èkiè initiiert worden, alle diese Entwicklungen haben jedoch durch die KI neue Aktualitíat erhalten. Man kann die Nichtstandard-Logiken grob in zwei Gruppen unterteilen: 1. in solche, die die klassische Logik erweitern und 2. in solche, die sich als Alternative zur klassischen Logik darstellen. Zur ersten Logiken híoherer Stufe In diesen Systemen wird die Syntax der zugrundeliegenden Sprache gegeníuber der klassischen Logik erweitert. Zur zweiten Gruppe gehíoren Logiken, sowie intuitionistische Logik und konstruktive Logik, die zwar èoftè die gleiche Sprache verwenden, aber einen anderen Tautologiebegriæ haben. Zum Beispiel gilt in der klassischen Logik das Gesetz vom ausgeschlossenen Dritten P _:P,in intuitionistischer Logik oder in mehrwertigen Logiken aber nicht. Eine andere Klassiæzierung nichtklassischer Logiken kann entsprechend dem Abweichen von wichtigen Prinzipien der klassischen Logik erfolgen ëkgs90, S.19ë: 3

5 Inferenzverfahren 4 1. Ein Prinzip ist die Zweiwertigkeit, das heiçt in der Semantik wird jeder Formel der Wert 1 oder 0 zugeordnet, wobei 1 fíur wahrë und 0 fíur falschë steht; dieses Prinzip wird in den mehrwertigen Logiken und der Fuzzylogik aufgehoben. 2. In den Modallogiken gilt das Extensionalitíatsprinzip nicht mehr, das heiçt der Wahrheitswert einer zusammengesetzten Aussage líaçt sichnicht mehr allein aus den Wahrheitswerten ihrer Bestandteile bestimmen. 3. Klassische Logik ist explosiv, das heiçt aus einem Widerspruch kann man beliebige Aussagen folgern. Somit muç man sich vor Widerspríuchen híuten, da sonst jeder Unsinn hergeleitet werden kann. Will man trotz widerspríuchlicher Datenmengen noch sinnvoll schlieçen èwie es Menschen ja auch oft tunè, so muç man zu Parakonsistenten Logiken íubergehen. 4. Ein weiteres Prinzip klassischer Logik ist die Monotonie: Folgt eine Formel ' aus einer Formelmenge,, so folgt ' auch aus jeder Obermenge von,. Die Abweichung von diesem Prinzip gibt Logiken ihren Namen. Im weiteren soll ein knapper íuberblick íuber die in der KI verwendeten Logiken gegeben werden, wobei sowohl die Einteilung als auch die Einzeldarstellungen stark vereinfacht sind. Entsprechend der Unterscheidung zwischen klassischer Aussagenlogik und klassischer Príadikatenlogik werden diese Logiken èabgesehen von der Logik híoherer Stufe natíurlichè auch fíur den aussagenlogischen und den príadikatenlogischen Fall unterschieden. Ein deutsches Lehrbuch zu nicht-klassischen Logiken ist ëkgs90ë. Logik híoherer Stufe Diese Logik kommt der mathematischen Fachsprache sehr nahe und ist fíur viele Anwendungen in der KI besser geeignet als eine Logik erste Stufe, da hier auch íuber Príadikatssymbole und Funktionssymbole quantiæziert werden darf. Ein typisches Beispiel fíur einen Ausdruck zweiter Stufe ist das Peano-Axiom, welches das Prinzip der vollstíandigen Induktion fíur natíurliche Zahlen beschreibt: 8P P è0è ^ è8n P ènè! P èsènèèè! è8n P ènèè In Worten: Wenn eine Eigenschaft èdas heiçt das Príadikat P èfíur die Null gezeigt werden kann und wenn sie fíur eine natíurliche Zahl n gilt, dann auch fíur deren Nachfolger sènè, dann gilt sie fíur alle natíurlichen Zahlen. Dieses Axiom ist híoherer Stufe, da hier íuber alle Príadikate gesprochen wird. èquantiæzierung: 8P è. Paradox zu vermeiden, werden íublicherweise alle Ausdríucke der Logik híoherer Stufe mit Typen versehen. Im Gegensatz zur Logik erster Stufe gibt es fíur die Logik híoherer Stufe bezíuglich der íublichen Semantik keine korrekten und vollstíandigen Kalkíule. Diese prinzipielle Schwíache kann durch Nichtstandardsemantiken fíur alle praktisch vorkommenden Fíalle behoben werden. Die wichtige Unterscheidung zwischen einer Logik erster Stufe und híoherer Stufe hat sich um 1915 herausgebildet. In einer Logik erster Stufe gelten fundamentale Eigenschaften, wie der Satz von Líowenheim-Skolem, der Kompaktheitssatz, das Uniækationstheorem und viele andere, die in einer Logik híoherer Stufe nicht mehr gelten. Fíur eine Einfíuhrung ist ëand86ë ein empfehlenswertes Lehrbuch. 4

6 Inferenzverfahren 5 erweitern die Syntax unsortierter Logiken. Diese Erweiterungen lassen sich im Prinzip zu allen Logiken bilden, am weitesten entwickelt sind sie fíur die klassische Príadikatenlogik erster Stufe. Sie entsprechen dem íublichen Vorgehen von Menschen, ihren Diskursbereich so zu strukturieren, daç fíur Objekte verschiedener Klassen auch verschiedene Klassen von Symbolen verwendet werden. Dadurch kann zum einen eine kompaktere und intuitivere Darstellung gefunden werden èzum Beispiel verwenden Mathematiker typischerweise n um anzuzeigen, daç n eine natíurliche Zahl ist, oder ç um anzuzeigen, daç ç eine Substitution istè. Zum anderen stellte sich heraus, daç auch der Suchraum in der automatischen Beweissuche erheblich kleiner wird. Formal stehen in der einfachsten Variante Sorten fíur bestimmte einstellige Príadikatssymbole. Zum Beispiel schreibt man in sortierter Logik 8n: IN geradeènè _ ungeradeènè. In unsortierter Logik liest sich diesinder sogenannten Relativierung als: 8n INènè! ègeradeènè _ ungeradeènèè ëmt93ë. behandeln die Konzepte Notwendigkeitë und Míoglichkeitë, mit der Vorstellung, daç eine notwendige Aussage in allen míoglichen Welten gilt, wíahrend eine míogliche Aussage in mindestens einer Welt gelten sollte. Zur Darstellung werden sogenannte Modaloperatoren 2 und 3 verwendet, wobei 2' fíur ' ist notwendigerweise wahrë und 3' fíur ' ist míoglicherweise wahrë steht. Damit ist es míoglich, Sachverhalte zu beschreiben, wie Wenn es míoglich ist, daç es regnet, ist es nicht níotig den Garten zu gieçen èè3rè! è:2gèè.ë Modallogiken selbst wurden schon von Aristoteles untersucht, aber eine formal befriedigende Formulierung wurde erst in diesem Jahrhundert durch die sogenannte Míogliche- Welten-Semantik von Kripke gefunden, in der verschiedene Erreichbarkeitsrelationen der Welten betrachtet werden. Je nach Interpretation der Modaloperatoren erhíalt man verschiedene Modallogiken wie T oder S4, die jeweils verschiedene philosophisch motivierte Ontologien beschreiben. Man kann 2' aber auch temporal interpretieren, es bedeutet dann fíur alle Zeiten gilt 'ë, und 3' bedeutet es gibt einen Zeitpunkt, in dem ' giltë. Je nach Interpretation fíur 2 und 3 erhíalt man: eine epistemische Logik Wissen èwissenèglaubenè, eine Temporallogik Zeit èereignis ist notwendigèmíoglich in der Zukunftè oder eine deontische Logik normative Aussagen èes ist geboten, es ist erlaubtè. Die dynamischen Logiken parametrisieren den Notwendigkeits- und Míoglichkeitsoperator unter anderem mit Computerprogrammen und eignen sich damit besonders gut fíur Aussagen íuber Computerprogramme beispielsweise in der Programmveriækation. In der Korrespondenztheorie werden Aussagen der Modallogik in Aussagen einer Logik híoherer Stufe èund diese wiederum oft in Aussagen der sortierten Príadikatenlogik erster Stufeè íubersetzt. Eine Einfíuhrung in Modallogiken ændet man in ëghe93, S ë. Wíahrend bislang Logiken vorgestellt wurden, deren Syntax und Semantik die klassische Logik erweitern, sollen nun Logiken betrachtet werden, die bei teilweise gleicher Syntax eine andere Semantik èbedeutungè haben. 5

7 Inferenzverfahren 6 Intuitionistische Logik In einem Grundlagenstreit Anfang des Jahrhunderts ging es darum, ob die klassische Logik und die in ihr entwickelte Mengenlehre ein geeignetes Mittel zur Modellierung der Mathematik sei: die Ablehnung des Prinzips vom ausgeschlossenen Dritten ' _:' in der intuitionistischen und der damit eng verwandten konstruktivistischen Logik ist ein wesentlicher Unterschied zur klassischen Logik. Dieses Prinzip besagt, daç wenn man zeigen kann, daç eine Formel ' falsch ist, man ihr Gegenteil :' als wahr ansehen darf. In der konstruktivistischen Logik ist dagegen fíur jede Aussage ein konstruktiver Beweis erforderlich und ein indirekter Schluç wie oben nicht zulíassig. Will man zum Beispiel zeigen, daç jede natíurliche Zahl eine Primfaktorzerlegung hat, so muç man im Prinzip einen Algorithmus dafíur angeben. Wenn die konstruktivistische Logik in der Mathematik auch eine Auçenseiterrolle spielt, so hat sie jedoch durch die Informatik und fíur Fragen der Berechenbarkeit èinsbesondere fíur funktionale Programmeè neue Aktualitíat erhalten. Zur Formalisierung intuitionistischer Logiken kann man Dialoglogiken verwenden, in denen Beweise als ein Wechselspiel von Behauptungen eines Proponenten, Angriæen dieser Behauptungen durch einen Opponenten und Erwiderungen des Proponenten aufgefaçt werden. Mehrwertige Logiken Mehrwertige Logiken weichen vom Prinzip der Zweiwertigkeit ab. Den logischen Formeln werden nicht mehr nur die Werte 0 und 1 èfíur falsch undwahrè zugeordnet sondern auch míogliche Zwischenwerte aus dem Intervall ë0; 1ë, mit denen so etwas wie vielleichtë modelliert werden kann. Mehrwertige Logiken wurden zuerst von èlukasiewicz und Post eingefíuhrt, zuníachst als dreiwertige Logik èwahr, falsch, unbekanntè und dann verallgemeinert. Gewisse Síatze, die in klassischer Logik allgemeingíultig sind, wie zum Beispiel P _:P, sind in mehrwertigen Logiken nicht mehrgíultig. Mehrwertige Logiken lassen sich auch gut einsetzen, um die Partialitíat von Funktionen zu formalisieren èpartielle Logikenè. In der klassischen Logik geht man davon aus, daç alle Funktionen total sind, das heiçt, daç sie íuberall deæniert sind. Damit kann man Funktionen wie x 7! 1 nur unzureichend modellieren, wenn man von einem Universum ausgeht, das x die Null enthíalt. Mit mehrwertigen Logiken hat man die Míoglichkeit, Aussagen neben den Werten wahrë und falschë auch noch den Wert undeæniertë zukommen zu lassen. Dies ist auch fíur die theoretische Informatik interessant, zum Beispiel um nicht-terminierende Programme zu beschreiben. Bei geht man davon aus, daç sich gewisse Begriæe wie warmë oder hat Fieberë nur unscharf fassen lassen. Als Werte sind dabei nicht nur endlich viele, sondern unendlich vielewahrheitswerte im Intervall ë0; 1ë zugelassen. Parakonsistente Logiken Da klassische Logiken explosiv sind, das heiçt aus einem Widerspruch kann man beliebige Aussagen folgern, eignen sie sich nur bedingt fíur das Alltagsschlieçen, denn Menschen kíonnen mit Widerspríuchen meist recht gut umgehen. Von unterschiedlichen philosphischen Ansíatzen ausgehend sind daher unterschiedliche parakonsistente Logiken entwickelt worden, in denen es míoglich ist, trotz widerspríuchlicher Aussagen verníunftig zu schlieçen. Sie basieren teilweise auf der Relevanzlogik, in der die 6

8 Inferenzverfahren 7 Implikation! so deæniert wird, daç die Konklusion einen inhaltlichen Bezug zur Príamisse haben muç ëprn89ë. Nichtmonotone Logiken Eine ganz andere Alternative zu den bisher erwíahnten Logiken sind die nichtmonotonen Logiken, die unter anderem zur Beschreibung der Revision von Wissen entwickelt wurden: menschliche und computerbasierte Schluçweisen sind im allgemeinen nichtmonoton nichtmonotonesè. Das typische Beispiel ist das Schlieçen íuber einen Vogel Tweety. Wir wissen, daç Víogel æiegen kíonnen, also kann auch der Vogel Tweety æiegen. Erfahren wir aber zusíatzlich, daç Tweety ein Pinguin ist, so nehmen wir diese Schluçfolgerung wieder zuríuck, da wir wissen, daç Pinguine nicht æiegen kíonnen. Das heiçt, eine Ableitung ètweety kann æiegenè ist eventuell nicht mehr gíultig, wenn neue Fakten hinzugenommen werden: der Schluç gilt nicht mehr in jeder beliebigen Obermenge der Príamissen. èdas heiçt æ ` ', aber æ ë æ 6` 'è Dieses Vorgehen modelliert ziemlich gut unser Vorgehen im Alltag: Wir gehen meist davon aus, daç sich alles in gewisser Hinsicht normal verhíalt. Erst wenn die Fakten uns dazu zwingen, íandern wir als gíultig angenommene íuberzeugungen. Nichtmonotone Logiken sind ein sehr aktiv untersuchtes Gebiet der KI, da man in allen realistischen Anwendungen davon ausgehen muç, daç allgemeine Aussagen im Einzelfall zuríuckgenommen werden míussen ëgn87ë. Metalogik Manchmal míochte man die Logik als formales System benutzen, um Aussagen íuber sie selbst zu machen. So kann man beispielsweise in einer Logik ein Beweissystem fíur die Resolution deænieren und dann formal auf der Metaebene Eigenschaften daríuber beweisen. Bei einem solchen Vorgehen muç man die Sprache, íuber die man Aussagen macht, genau von der unterscheiden, in der man solche Aussagen macht, um nicht inparadoxien zu laufen. Die erste Sprache wird Objektsprache genannt, die zweite Metasprache. Zum Beispiel kann man ausdríucken, daç TautologieèëA_:Aè oder TautologieèëAè^TautologieèëBè! TautologieèëA ^ Bè, wobei die Ausdríucke Formeln der Metalogik mit einem Metapríadikat Tautologie sind. Die Formel der Objektebene A _:A wird zu einer Konstanten der Metalogik und dort mit Anfíuhrungszeichen ë: geschrieben. Um eine Beziehung zwischen der Metalogik und der Objektlogik herzustellen, benutzt man sogenannte Reæektionsregeln èreæektion aufwíarts und Reæektion abwíartsè Tautologieèë'è ' èrefèè èrefè ' Tautologieèë'è Als Alternative zu dieser strengen Trennung von Objekt- und Metasprache gibt es amalgamierte Sprachen, in denen gemischte Ausdríucke wie 8' Tautologieèë'è! ' zulíassig sind. Man muç allerdings sehr aufpassen, daç Tarskis Paradoxon íuber die Wahrheit nicht alle Anstrengung zunichte macht. 7

9 Inferenzverfahren 8 Abduktion Der amerikanische Logiker Charles S. Peirce unterschied Dabei beschreibt die Abduktion die Suche nach geeigneten Vorbedingungen fíur einen logischen Schluç. Dies ist die Vorgehensweise eines Detektives èdie Schluçweisen von Sherlock Holmes sind in erster Linie abduktiv und daraufhin untersucht worden ëes83ë oder eines Mediziners, der eine Diagnose stellt. Nicht von ungefíahr ist dies auch die wichtigste Schluçweise, die den meisten Expertensystemen der KI zugrunde liegt. Ein Beispiel: Die Straçe wird naçë Wenn es regnet, wird die Straçe naçë Es regnetë In der geschickten Suche nach den sogenannten Abduciblesë í im Beispiel also die angenommene Aussage, daç es regnet í liegt die ganze Geschicklichkeit eines Programmes und eines Menschen wie Sherlock Holmes. Induktion Induktives Schlieçen ist ebenso wie abduktives nicht notwendigerweise korrekt, sondern eine Form èvom Speziellen zum Allgemeinenè, die auch in den empirischen Wissenschaften von zentraler Bedeutung ist, Aristoteles schreibt schon 330 v.chr.: Wissenschaftliche Erkenntnis durch Beweis èdeduktionè ist unmíoglich, auçer man weiç die erstenë primíaren Príamissen ::: Diese Príamissen míussen wir erhalten; denn die Methode, durch die selbst Sinneswahrnehmungen das Universelle ergeben ist induktiv. Eine typische Anwendung dieser allgemeinen Vorgehensweise ænden wirinderphysik: nach zahlreichen Messungen íuber den Zusammenhang zwischen Stromstíarke, Spannung und Widerstand, formulierte Ohm das nach ihm genannte Gesetz: U = R æ I, das diese Messungen verallgemeinert. In diesem Sinne ist eine empirische Wissenschaft niemals èendgíultigè korrekt, aber sie muç nach Popper falsiæzierbar sein, das heiçt ein Gegenbeispiel geníugt, um die allgemeine Aussage zu Fall zu bringen. Carnap ëcar50ë hat Ergebnisse der Wahrscheinlichkeitstheorie auf die Logik íubertragen, um solche induktiven Schlíusse zu formalisieren. In der KI wurden solche Schluçverfahren erstmals von Reynolds und Plotkin untersucht und implementiert. Heute ist induktives Schlieçen der Gegenstand einer Reihe von KI-Gebieten, wie dem induktiven Lernenë und dem fallbasierten Schlieçenë ècase-based reasoningè. 8

10 Inferenzverfahren 9 Analogie Das Schlieçen durch Analogie analogesè ist ebenso wie die beiden Schluçweisen zuvor nicht notwendigerweise logisch korrekt. Es ist aber eine der fundamentalen Formen menschlichen Schlieçens und spielt von daher in kognitionswissenschaftlichen Untersuchungen eine groçe Rolle. Die Frage, ob Berlin eine U-Bahn hat, kíonnte man bejahen, wenn man weiç, daç groçe Stíadte wie Míunchen ein solches Verkehrssystem haben: der Analogieschluç setzt Berlin fíur Míunchen. Das naive Modell fíur den elektrischen Strom ist analog zu einem Wasserrohrleitungssystem und kann helfen analoge Gesetzmíaçigkeiten èwie das Ohmsche Gesetz oder die Kirchhoæschen Gesetzeè zu entdecken. Im Gebiet der Inferenzsysteme sind analoge Schluçweisen weiter ausdiæerenziert und genauer untersucht worden: Um eine Aussage zu beweisen, ist es fíur Menschen oft hilfreich, eine analoge, schon bewiesene Aussage zu kennen, so daç der Beweis íubertragen werden kann. Um dies auf den Rechner zu íubertragen, ist eine erste Herangehensweise, eine Abbildung zwischen dem bekannten Quelltheorem èund -beweisè zu dem Zieltheorem und damit dem gesuchten Zielbeweis zu schaæen. Eine solche Beziehung líaçt sich allerdings meistens nicht durch eine einfache Symbolabbildung angeben, sondern man muç allgemeinere und abstraktere Formen des analogen Schlieçens formalisieren. Deduktion mit Annotationen Ein urspríungliches Ziel der logischen Formalisierung war, das menschliche Schlieçen zu untersuchen und formal zu fassen. Die starke mathematische Ausrichtung und Formalisierung hat jedoch dazugefíuhrt, daç dieses urspríungliche Ziel oftmals wieder aus den Augen verloren wurde. In einer neueren Entwicklung wird dies auch wieder formal gefaçt mit zwei Auspríagungen: Im kontext-basierten Schlieçen, wie es von McCarthy, Guha und Giunchiglia eingefíuhrt wurde, wird Schlieçen mit Bezug zu einem Kontext untersucht. Dies ermíoglicht zum Beispiel, Schlieçen mit groçen Wissensbasen wie CYC in verschiedene Kontexte zu partitionieren. Eng verwandt mit dem kontext-basierten Schlieçen sind deduktive Systeme zur Verarbeitung annotierter Formeln è labelled deductive systemsëè èkurz LDSè von Gabbay ëgab94ë. Jede Formel wird mit einer Annotation versehen, die eine Begríundung fíur diese Formel angibt und in Beweisen werden diese Annotationen propagiert. Sei zum Beispiel æ eine Annotation und ' ein Formel, dann ist æ : ' eine annotierte Formel. Der Modus Ponens hat dann die Gestalt: æ : ' æ : '! è èmpè èæ æ æè :è wobei æ eine Funktion ist, die aus den Annotationen æ und æ eine fíur die Formel è berechnet. Wíahlt man nun fíur die Ausgangsannahmen einer Herleitung verschiedene Annotationen und fíur die Funktion æ die Konkatenation, so kann man die Relevanzlogik dadurch deænieren, daç man nur solche Formeln als Theoreme ansieht, deren Annotationen alle Annahmen enthalten. Lineare Logik ergibt sich daraus, daç jede Annotation der 9

11 Inferenzverfahren 10 Annahmen in den Theoremen genau einmal vorkommen. Damit hat man ein sehr míachtiges Hilfsmittel in der Hand: durch Einschríankung der zulíassigen Annotationen in den Theoremen kann man die verschiedensten Schluçweisen simulieren. Auçer fíur die zwei erwíahnten Logiken, hat Gabbaydiesfíur Modallogiken, Temporallogiken und mehrwertige Logiken durchgefíuhrt, und es gibt Ansíatze zur Behandlung von Metalogiken und Abduktion. Logik-Programmierung Um Inferenzverfahren besonders eæzient auf dem Rechner zu realisieren, wurde Programmierung als ein eigenes Programmierparadigma èneben dem funktionalen und dem klassischen prozeduralen Programmierenè entwickelt. Die Grundidee ist, daç logische Formeln eingegeben werden und dann Anfragen gestellt werden, ob gewisse Aussagen èqueryè gelten. Dies ist auch die allgemeine Aufgabe des automatischen Beweisens, wo bekanntermaçen das Suchverhalten sehr unangenehm sein kann. Da in einer Programmiersprache besonderes Gewicht auf die Eæzienz gelegt wird, hat man die Eingabesprache in verschiedener Hinsicht abgeschwíacht. Zum einen werden keine beliebigen Formeln der Logik erster Stufe zugelassen, sondern nur Hornformeln, das sind Klauseln der Gestalt diebèxè ^ geldèy è! stiehltèx; Y è. In Klauselform :diebèxè _:geldèy è _ stiehltèx; Y è handelt es sich um Disjunktionen von Literalen, wobei maximal ein positives Literal auftreten darf. Diese Einschríankung verhindert indeænite Antworten wie stiehltèpeter; 10DMè_ stiehltèklara; 100DMè. Besteht eine Klausel nur aus einem positiven Literal, so heiçt sie ein Faktum wie magèhans; mariaè. Besteht eine Klausel aus einem positiven Literal und endlich vielen negativen, so handelt es sich um eine Regel wie :magèhans;xè_magèx; weinè. Anfragen sind Klauseln, die nur aus negative Literale bestehen, zum Beispiel :magèhans; hansè, mit der man anfragt, ob Hans sich selbst mag. Nun kann man aber zum Beispiel auch fragen, ob Hans sich nicht selbst mag. Dafíur enthalten logische Programmiersprachen wie prolog eine spezielle Negation, die in gewisser Weise keine echteë Negation ist, sondern íuberpríuft, ob das Gegenteil abgeleitet werden kann, wenn nicht, wird die Annahme als wahr angenommen, das heiçt nichtë steht fíur nicht ableitbarë. Fragt man, ob Hans sich nicht selbst mag, so versucht man zu zeigen, daç Hans sich selbst mag, scheitert dies, so wird angenommen, daç er sich nicht selbst mag. Durch as failure wird das logische Programmieren nicht-monoton, da nun durch das Hinzufíugen des Faktums magèhans; hansè nicht mehr abgeleitet werden kann, daç er sich nicht mag. In neueren Entwicklungen sind die Gebiete des nichtmonotonen Schlieçens und des logischen Programmierens wieder stark zusammengewachsen. Fíur die Inferenz ist entscheidend, wie eine Antwort gesucht wird. In der wird das Programm in der gegebenen Reihenfolge durchsucht, um Fakten und Regeln íuber das Anfragepríadikat zu ænden. Dabei werden Variablen gebunden und an die Stelle der letzten Bindung wird eine Marke gesetzt, zu der beim Scheitern der weiteren Suche oder beim Suchen nach einer weiteren Suche zuríuckgesprungen wird. Dies Verfahren genannt. Die wesentliche Entwicklung dieses Gebietes liegen in der 10

12 Inferenzverfahren 11 eæzienten Abarbeitung, zum Beispiel auf der WAM, der Warren Abstract Machine. Schluçbemerkung Die Untersuchung logischer Schluçweisen und die Entwicklung entsprechender Inferenzverfahren hat eine zweieinhalbtausendjíahrige Geschichte í wenn auch die eigentliche Explosion unseres Wissens íuber Logik erst in diesem Jahrhundert stattfand. Die Fíulle des heute bekannten Materials wurde und wird von Dov Gabbay als Hauptherausgeber in fast zehn Handbuchreihen mit insgesamt íuber einhundert Bíanden von renommierten Autoren der ganzen Welt zusammengetragen. Die bisher erschienenen Bíande sind von Oxford University Press veríoæentlicht worden. Literatur ëand86ë Peter B. Andrews. An Introduction to Mathematical Logic and Type Theory: To Truth through Proof. Academic Press, Orlando, Florida, USA, ëcar50ë Rudolf Carnap. Logical Foundations of Probability. University of Chicago Press, Chicago, USA, ëeft86ë ëes83ë Heinz-Dieter Ebbinghaus, Jíorg Flum, Wolfgang Thomas. Einfíuhrung in die mathematische Logik. Wissenschaftliche Buchgesellschaft, Darmstadt, Umberto Eco, Thomas A. Sebeok, Hrsg. The Sign of Three. Indiana University Press, Bloomington & Indianapolis, USA, ëgab94ë Dov M. Gabbay. LDS í Labelled Deductive Systems : Volume 1 í foundations. Technischer Bericht MPI-I , Max-Planck-Institut fíur Informatik, Saarbríucken, ëghe93ë ëgn87ë Dov M. Gabbay, C. J. Hogger, J. A. Robinson, Hrsg. Handbook of Logic in Artiæcial Intelligence and Logic Programming í Volume 1: Logical Foundations, Band 167. Oxford University Press, Oxford, England, Michael R. Genesereth, Nils J. Nilsson. Logical Foundations of Artiæcial Intelligence. Morgan Kaufmann, San Mateo, USA, ëkgs90ë Lothar Kreiser, Siegfried Gottwald, Werner Stelzner, Hrsg. Nichtklassische Logik. Akademie Verlag, Berlin, ëmt93ë ëprn89ë K. Meinke, J.V. Tucker, Hrsg. Many-sorted Logic and its Application. John Wiley & Sons, Chichester, England, Graham Priest, Richard Routley, Jean Norman, Hrsg. Paraconsistent Logic í Essay on the Inconsistent. Philosophia Verlag, Míunchen, ëwolb84ë Larry Wos, Ross Overbeek, Ewing Lusk, Jim Boyle. Automated Reasoning í Introduction and Applications. Prentice Hall, Englewood Cliæs, New Jersey, USA,

Logische Folgerung. Definition 2.11

Logische Folgerung. Definition 2.11 Logische Folgerung Definition 2.11 Sei 2A eine aussagenlogische Formel und F eine endliche Menge aussagenlogischer Formeln aus A. heißt logische Folgerung von F genau dann, wenn I ( ) =1für jedes Modell

Mehr

Zusammenhänge präzisieren im Modell

Zusammenhänge präzisieren im Modell Zusammenhänge präzisieren im Modell Dr. Roland Poellinger Munich Center for Mathematical Philosophy Begriffsfeld Logik 1 Mathematik und Logik Die Mathematik basiert auf logisch gültigen Folgerungsschritten

Mehr

5.1 Drei wichtige Beweistechniken... 55 5.2 Erklärungen zu den Beweistechniken... 56

5.1 Drei wichtige Beweistechniken... 55 5.2 Erklärungen zu den Beweistechniken... 56 5 Beweistechniken Übersicht 5.1 Drei wichtige Beweistechniken................................. 55 5. Erklärungen zu den Beweistechniken............................ 56 Dieses Kapitel ist den drei wichtigsten

Mehr

Rhetorik und Argumentationstheorie.

Rhetorik und Argumentationstheorie. Rhetorik und Argumentationstheorie 2 [frederik.gierlinger@univie.ac.at] Teil 2 Was ist ein Beweis? 2 Wichtige Grundlagen Tautologie nennt man eine zusammengesetzte Aussage, die wahr ist, unabhängig vom

Mehr

2. Vorlesung. Slide 40

2. Vorlesung. Slide 40 2. Vorlesung Slide 40 Knobelaufgabe Was tut dieses Programm? Informell Formal Wie stellt man dies sicher? knobel(a,b) { Wenn a = 0 dann return b sonst { solange b 0 wenn a > b dann { a := a - b sonst b

Mehr

Mai 2006. Hauptseminar: Nichtrelationale Datenbanken Historisch-Kulturwissenschaftliche Informationsverarbeitung Universität zu Köln

Mai 2006. Hauptseminar: Nichtrelationale Datenbanken Historisch-Kulturwissenschaftliche Informationsverarbeitung Universität zu Köln Hauptseminar: Nichtrelationale Historisch-Kulturwissenschaftliche Informationsverarbeitung Universität zu Köln Mai 2006 Was ist eine Datenbank? Erweiterung relationaler um eine Deduktionskomponente Diese

Mehr

Prolog basiert auf Prädikatenlogik

Prolog basiert auf Prädikatenlogik Software-Technologie Software-Systeme sind sehr komplex. Im Idealfall erfolgt die Programmierung problemorientiert, während die notwendige Übertragung in ausführbare Programme automatisch erfolgt. Prolog-Philosophie:

Mehr

Grundlagen der Künstlichen Intelligenz

Grundlagen der Künstlichen Intelligenz Grundlagen der Künstlichen Intelligenz 27. Aussagenlogik: Logisches Schliessen und Resolution Malte Helmert Universität Basel 28. April 2014 Aussagenlogik: Überblick Kapitelüberblick Aussagenlogik: 26.

Mehr

Modallogik (aussagenlogisch)

Modallogik (aussagenlogisch) Kapitel 2 Modallogik (aussagenlogisch) In diesem Abschnitt wird eine Erweiterung der Aussagenlogik um sogenannte Modalitäten behandelt. Damit erlangt man eine größere Aussagekraft der Sprache, allerdings

Mehr

Entwicklung eines korrekten Übersetzers

Entwicklung eines korrekten Übersetzers Entwicklung eines korrekten Übersetzers für eine funktionale Programmiersprache im Theorembeweiser Coq Thomas Strathmann 14.01.2011 Gliederung 1 Einleitung

Mehr

Wissensrepräsentation und -verarbeitung in Logiken. bereinigt Pränex Skolem ( -Eliminierung) Klausel (Menge von Klauseln, Notation ohne Quantoren)

Wissensrepräsentation und -verarbeitung in Logiken. bereinigt Pränex Skolem ( -Eliminierung) Klausel (Menge von Klauseln, Notation ohne Quantoren) Was bisher geschah Wissensrepräsentation und -verarbeitung in Logiken klassische Aussagenlogik klassische Prädikatenlogik: Wiederholung Syntax, Semantik Normalformen: bereinigt Pränex Skolem ( -Eliminierung)

Mehr

Formale Methoden II. Gerhard Jäger. SS 2008 Universität Bielefeld. Teil 8, 11. Juni 2008. Formale Methoden II p.1/30

Formale Methoden II. Gerhard Jäger. SS 2008 Universität Bielefeld. Teil 8, 11. Juni 2008. Formale Methoden II p.1/30 Formale Methoden II SS 2008 Universität Bielefeld Teil 8, 11. Juni 2008 Gerhard Jäger Formale Methoden II p.1/30 Beispiele Anmerkung: wenn der Wahrheitswert einer Formel in einem Modell nicht von der Belegungsfunktion

Mehr

Logische Programmierung

Logische Programmierung Logische Programmierung B-82 Deklaratives Programmieren in Prädikatenlogik: Problem beschreiben statt Algorithmus implementieren (idealisiert). Grundlagen: Relationen bzw. Prädikate (statt Funktionen);

Mehr

5 Logische Programmierung

5 Logische Programmierung 5 Logische Programmierung Logik wird als Programmiersprache benutzt Der logische Ansatz zu Programmierung ist (sowie der funktionale) deklarativ; Programme können mit Hilfe zweier abstrakten, maschinen-unabhängigen

Mehr

Organisatorisches. Zeit und Ort: Mo 12-14 MZH 1450 Mi 16-18 MZH 1460. Prof. Carsten Lutz Raum Cartesium 2.59 Tel. (218)-64431 clu@uni-bremen.

Organisatorisches. Zeit und Ort: Mo 12-14 MZH 1450 Mi 16-18 MZH 1460. Prof. Carsten Lutz Raum Cartesium 2.59 Tel. (218)-64431 clu@uni-bremen. Logik Organisatorisches Zeit und Ort: Mo 12-14 MZH 1450 Mi 16-18 MZH 1460 Prof. Carsten Lutz Raum Cartesium 2.59 Tel. (218)-64431 clu@uni-bremen.de Position im Curriculum: Wahlbereich Bachelor-Basis, Theoretische

Mehr

Binäre Suchbäume (binary search trees, kurz: bst)

Binäre Suchbäume (binary search trees, kurz: bst) Binäre Suchbäume (binary search trees, kurz: bst) Datenstruktur zum Speichern einer endlichen Menge M von Zahlen. Genauer: Binärbaum T mit n := M Knoten Jeder Knoten v von T ist mit einer Zahl m v M markiert.

Mehr

Terme stehen für Namen von Objekten des Diskursbereichs (Subjekte, Objekte des natürlichsprachlichen Satzes)

Terme stehen für Namen von Objekten des Diskursbereichs (Subjekte, Objekte des natürlichsprachlichen Satzes) Prädikatenlogik Man kann den natürlichsprachlichen Satz Die Sonne scheint. in der Prädikatenlogik beispielsweise als logisches Atom scheint(sonne) darstellen. In der Sprache der Prädikatenlogik werden

Mehr

Klausur Formale Systeme Fakultät für Informatik WS 2009/2010

Klausur Formale Systeme Fakultät für Informatik WS 2009/2010 Klausur Formale Systeme Fakultät für Informatik WS 2009/2010 Prof. Dr. Bernhard Beckert 18. Februar 2010 Name: Mustermann Vorname: Peter Matrikel-Nr.: 0000000 Klausur-ID: 0000 A1 (15) A2 (10) A3 (10) A4

Mehr

Formeln. Signatur. aussagenlogische Formeln: Aussagenlogische Signatur

Formeln. Signatur. aussagenlogische Formeln: Aussagenlogische Signatur Signatur Formeln Am Beispiel der Aussagenlogik erklären wir schrittweise wichtige Elemente eines logischen Systems. Zunächst benötigt ein logisches System ein Vokabular, d.h. eine Menge von Namen, die

Mehr

Erfüllbarkeit und Allgemeingültigkeit

Erfüllbarkeit und Allgemeingültigkeit Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 3.3 Aussagenlogik Erfüllbarkeit 44 Erfüllbarkeit und Allgemeingültigkeit Def.: eine Formel ϕ heißt erfüllbar, wennesein I gibt, so dass I = ϕ

Mehr

Aussagenlogische Widerlegungsverfahren zum Nachweis logischer Eigenschaften und Beziehungen

Aussagenlogische Widerlegungsverfahren zum Nachweis logischer Eigenschaften und Beziehungen Einführung in die Logik - 4 Aussagenlogische Widerlegungsverfahren zum Nachweis logischer Eigenschaften und Beziehungen Widerlegungsverfahren zum Aufwärmen: Bestimmung von Tautologien mittels Quick Falsification

Mehr

Formale Systeme, WS 2012/2013 Lösungen zu Übungsblatt 4

Formale Systeme, WS 2012/2013 Lösungen zu Übungsblatt 4 Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Dr. Peter H. Schmitt David Farago, Christoph Scheben, Mattias Ulbrich Formale Systeme, WS 2012/2013 Lösungen zu Übungsblatt

Mehr

Semantik von Formeln und Sequenzen

Semantik von Formeln und Sequenzen Semantik von Formeln und Sequenzen 33 Grundidee der Verwendung von Logik im Software Entwurf Syntax: Menge von Formeln = Axiome Ax K ist beweisbar Formel ϕ beschreiben Korrektkeit Vollständigkeit beschreibt

Mehr

Theoretische Grundlagen des Software Engineering

Theoretische Grundlagen des Software Engineering Theoretische Grundlagen des Software Engineering 7: Einführung Aussagenlogik schulz@eprover.org Logisches Schließen 2 gold +1000, 1 per step, Beispiel: Jage den Wumpus Performance measure death 1000 10

Mehr

I. Aussagenlogik. Aussagenlogik untersucht Verknüpfungen wie "und", "oder", "nicht", "wenn... dann" zwischen atomaren und komplexen Sätzen.

I. Aussagenlogik. Aussagenlogik untersucht Verknüpfungen wie und, oder, nicht, wenn... dann zwischen atomaren und komplexen Sätzen. I. Aussagenlogik 2.1 Syntax Aussagenlogik untersucht Verknüpfungen wie "und", "oder", "nicht", "wenn... dann" zwischen atomaren und komplexen Sätzen. Sätze selbst sind entweder wahr oder falsch. Ansonsten

Mehr

2 Der Beweis. Themen: Satz und Beweis Indirekter Beweis Kritik des indirekten Beweises

2 Der Beweis. Themen: Satz und Beweis Indirekter Beweis Kritik des indirekten Beweises 2 Der Beweis Themen: Satz und Beweis Indirekter Beweis Kritik des indirekten Beweises Satz und Beweis Ein mathematischer Satz besteht aus einer Voraussetzung und einer Behauptung. Satz und Beweis Ein mathematischer

Mehr

Logik für Informatiker

Logik für Informatiker Logik für Informatiker 2. Aussagenlogik Teil 3 30.04.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Letztes Mal Aussagenlogik Syntax: welche Formeln? Semantik:

Mehr

Wissensbasierte Systeme

Wissensbasierte Systeme WBS4 Slide 1 Wissensbasierte Systeme Vorlesung 4 vom 03.11.2004 Sebastian Iwanowski FH Wedel WBS4 Slide 2 Wissensbasierte Systeme 1. Motivation 2. Prinzipien und Anwendungen 3. Logische Grundlagen 4. Suchstrategien

Mehr

3. Grundlegende Begriffe von Logiken - Aussagenlogik

3. Grundlegende Begriffe von Logiken - Aussagenlogik 3. Grundlegende Begriffe von Logiken - Aussagenlogik Wichtige Konzepte und Begriffe in Logiken: Syntax (Signatur, Term, Formel,... ): Festlegung, welche syntaktischen Gebilde als Formeln (Aussagen, Sätze,

Mehr

Einführung in die Fuzzy Logic

Einführung in die Fuzzy Logic Einführung in die Fuzzy Logic Entwickelt von L. Zadeh in den 60er Jahren Benutzt unscharfe (fuzzy) Begriffe und linguistische Variablen Im Gegensatz zur Booleschen Logik {0,} wird das ganze Intervall [0,]

Mehr

Program = Logic + Control

Program = Logic + Control Program = Logic + Control Prozedurale/imperative Sprachen: Abläufe formulieren Computer führt aus von-neumann-maschine Idee von deklarativen/logischen/funktionalen Programmiersprachen: Zusammenhänge formulieren

Mehr

Aussagenlogische Kalküle

Aussagenlogische Kalküle Aussagenlogische Kalküle Ziel: mit Hilfe von schematischen Regeln sollen alle aus einer Formel logisch folgerbaren Formeln durch (prinzipiell syntaktische) Umformungen abgeleitet werden können. Derartige

Mehr

Diskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier fernau@uni-trier.de

Diskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier fernau@uni-trier.de Diskrete Strukturen und Logik WiSe 2007/08 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Diskrete Strukturen und Logik Gesamtübersicht Organisatorisches Einführung Logik & Mengenlehre

Mehr

Nichtmonotones Schließen

Nichtmonotones Schließen Was bisher geschah Wissensrepräsentation und -verarbeitung in Zustandsübergangssystemen klassischer Aussagenlogik: Entscheidungstabellen, -bäume, -diagramme Wissensrepräsentation und -verarbeitung durch

Mehr

Aussagenlogik. Aussagen und Aussagenverknüpfungen

Aussagenlogik. Aussagen und Aussagenverknüpfungen Aussagenlogik Aussagen und Aussagenverknüpfungen Aussagen sind Sätze, von denen sich sinnvollerweise sagen läßt, sie seien wahr oder falsch. Jede Aussage besitzt also einen von zwei möglichen Wahrheitswerten,

Mehr

9. Übung Formale Grundlagen der Informatik

9. Übung Formale Grundlagen der Informatik Institut für Informatik Sommersemester 2001 Universität Zürich 9. Übung Formale Grundlagen der Informatik Norbert E. Fuchs (fuchs@ifi.unizh.ch) Reinhard Riedl (riedl@ifi.unizh.ch) Nadine Korolnik (korolnik@ifi.unizh.ch)

Mehr

Theoretische Informatik

Theoretische Informatik Theoretische Informatik Einheit 1 Mathematische Methodik 1. Problemlösen 2. Beweistechniken 3. Wichtige Grundbegriffe Methodik des Problemlösens Klärung der Voraussetzungen Welche Begriffe sind zum Verständnis

Mehr

Beschreibungslogiken. Daniel Schradick 1schradi@informatik.uni-hamburg.de

Beschreibungslogiken. Daniel Schradick 1schradi@informatik.uni-hamburg.de Beschreibungslogiken Daniel Schradick 1schradi@informatik.uni-hamburg.de Was sind Beschreibungslogiken? Definition: Formalisms that represent knowledge of some problem domain (the world ) by first defining

Mehr

Beispiel. Bsp.: Betrachte Schlussweise in: (3) folgt aus (1) und (2), siehe z.b. Resolutionsregel. was ist mit folgender Schlußweise:

Beispiel. Bsp.: Betrachte Schlussweise in: (3) folgt aus (1) und (2), siehe z.b. Resolutionsregel. was ist mit folgender Schlußweise: Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 5.4 Prädikatenlogik mit Gleichheit Resolution 192 Beispiel Bsp.: Betrachte Schlussweise in: 1 Wenn es regnet, dann wird die Straße nass. R N

Mehr

Informationsblatt Induktionsbeweis

Informationsblatt Induktionsbeweis Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln

Mehr

Inhalt. SWP Logische Programme. Motivation. Formalisierung. Wissensbasis. Bsp (Bibel)Verwandtschaften. Motivation Sprache LP

Inhalt. SWP Logische Programme. Motivation. Formalisierung. Wissensbasis. Bsp (Bibel)Verwandtschaften. Motivation Sprache LP Inhalt SWP Logische Programme Franz Wotawa Institut für Softwaretechnologie wotawa@ist.tugraz.at Motivation Sprache LP Resolution Unifikation Datenbanken und logische Programme Semantik 2 Motivation Bsp

Mehr

Zusammenfassung. Satz. 1 Seien F, G Boolesche Ausdrücke (in den Variablen x 1,..., x n ) 2 Seien f : B n B, g : B n B ihre Booleschen Funktionen

Zusammenfassung. Satz. 1 Seien F, G Boolesche Ausdrücke (in den Variablen x 1,..., x n ) 2 Seien f : B n B, g : B n B ihre Booleschen Funktionen Zusammenfassung Zusammenfassung der letzten LV Einführung in die Theoretische Informatik Woche 6 Harald Zankl Institut für Informatik @ UIBK Wintersemester 2014/2015 Satz 1 Seien F, G Boolesche Ausdrücke

Mehr

SWP Logische Programme

SWP Logische Programme SWP Logische Programme Alexander Felfernig, Stephan Gspandl Institut für Softwaretechnologie {alexander.felfernig,sgspandl}@ist.tugraz.at Institute for Software Technology Inhalt Motivation Logische Programme

Mehr

Semantic Web Technologies I!

Semantic Web Technologies I! www.semantic-web-grundlagen.de Semantic Web Technologies I! Lehrveranstaltung im WS11/12! Dr. Elena Simperl! DP Dr. Sebastian Rudolph! M.Sc. Anees ul Mehdi! www.semantic-web-grundlagen.de Logik Grundlagen!

Mehr

Auswahl von Klauseln und Atomen in Prolog

Auswahl von Klauseln und Atomen in Prolog 5.6 Prolog... ist die bekannteste Implementierung einer LP-Sprache; wurde Anfang der 1970er von Alain Colmerauer (Marseille) und Robert Kowalski (Edinburgh) entwickelt. konkretisiert den vorgestellten

Mehr

Satz. Für jede Herbrand-Struktur A für F und alle t D(F ) gilt offensichtlich

Satz. Für jede Herbrand-Struktur A für F und alle t D(F ) gilt offensichtlich Herbrand-Strukturen und Herbrand-Modelle Sei F eine Aussage in Skolemform. Dann heißt jede zu F passende Struktur A =(U A, I A )eineherbrand-struktur für F, falls folgendes gilt: 1 U A = D(F ), 2 für jedes

Mehr

Informatik A. Prof. Dr. Norbert Fuhr auf Basis des Skripts von Prof. Dr. Wolfram Luther und der Folien von Peter Fankhauser

Informatik A. Prof. Dr. Norbert Fuhr auf Basis des Skripts von Prof. Dr. Wolfram Luther und der Folien von Peter Fankhauser Informatik A Prof. Dr. Norbert Fuhr fuhr@uni-duisburg.de auf Basis des Skripts von Prof. Dr. Wolfram Luther und der Folien von Peter Fankhauser 1 Teil I Logik 2 Geschichte R. Descartes (17. Jhdt): klassische

Mehr

WS 2009/10. Diskrete Strukturen

WS 2009/10. Diskrete Strukturen WS 29/ Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws9

Mehr

Betragsgleichungen und die Methode der Fallunterscheidungen

Betragsgleichungen und die Methode der Fallunterscheidungen mathe online Skripten http://www.mathe-online.at/skripten/ Betragsgleichungen und die Methode der Fallunterscheidungen Franz Embacher Fakultät für Mathematik der Universität Wien E-mail: franz.embacher@univie.ac.at

Mehr

Einführung in PROLOG. Christian Stocker

Einführung in PROLOG. Christian Stocker Einführung in PROLOG Christian Stocker Inhalt Was ist PROLOG? Der PROLOG- Interpreter Welcher Interpreter? SWI-Prolog Syntax Einführung Fakten, Regeln, Anfragen Operatoren Rekursion Listen Cut Funktionsweise

Mehr

Werkstatt Euler und die Lösung der quadratischen Gleichung

Werkstatt Euler und die Lösung der quadratischen Gleichung Werkstatt Leonhard Euler und die Lösung der quadratischen Gleichungen Im Jahr 1767 hat der Mathematiker Leonhard Euler (1707 1783) das Buch Vollständige Anleitung zu Algebra im russischen Original veröffentlicht,

Mehr

der einzelnen Aussagen den Wahrheitswert der zusammengesetzten Aussage falsch falsch falsch falsch wahr falsch wahr falsch falsch wahr wahr wahr

der einzelnen Aussagen den Wahrheitswert der zusammengesetzten Aussage falsch falsch falsch falsch wahr falsch wahr falsch falsch wahr wahr wahr Kapitel 2 Grundbegriffe der Logik 2.1 Aussagen und deren Verknüpfungen Eine Aussage wie 4711 ist durch 3 teilbar oder 2 ist eine Primzahl, die nur wahr oder falsch sein kann, heißt logische Aussage. Ein

Mehr

Logic in a Nutshell. Christian Liguda

Logic in a Nutshell. Christian Liguda Logic in a Nutshell Christian Liguda Quelle: Kastens, Uwe und Büning, Hans K., Modellierung: Grundlagen und formale Methoden, 2009, Carl Hanser Verlag Übersicht Logik - Allgemein Aussagenlogik Modellierung

Mehr

Answer Set Programming

Answer Set Programming Answer Set Programming mit Answer Set Prolog (A-Prolog) Wangler Thomas Logikprogrammierung Institut für Computerlinguistik Universität Heidelberg Inhaltsverzeichnis Inhaltsverzeichnis Inhaltsverzeichnis

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Einheit 3: Alphabete (und Relationen, Funktionen, Aussagenlogik) Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Oktober 2008 1/18 Überblick Alphabete ASCII Unicode

Mehr

5 Eigenwerte und die Jordansche Normalform

5 Eigenwerte und die Jordansche Normalform Mathematik für Physiker II, SS Mittwoch 8.6 $Id: jordan.tex,v.6 /6/7 8:5:3 hk Exp hk $ 5 Eigenwerte und die Jordansche Normalform 5.4 Die Jordansche Normalform Wir hatten bereits erwähnt, dass eine n n

Mehr

Grundlagen der Kognitiven Informatik

Grundlagen der Kognitiven Informatik Grundlagen der Kognitiven Informatik Wissensrepräsentation und Logik Ute Schmid Kognitive Systeme, Angewandte Informatik, Universität Bamberg letzte Änderung: 14. Dezember 2010 U. Schmid (CogSys) KogInf-Logik

Mehr

Modellierung und Programmierung 1

Modellierung und Programmierung 1 Modellierung und Programmierung 1 Prof. Dr. Sonja Prohaska Computational EvoDevo Group Institut für Informatik Universität Leipzig 21. Oktober 2015 Automat versus Computer Ein Automat ist eine Maschine,

Mehr

3.Inferenzsysteme 3.4 Logische Programme und Antwortmengensemantik

3.Inferenzsysteme 3.4 Logische Programme und Antwortmengensemantik Darstellung, Verarbeitung und Erwerb von Wissen 3.Inferenzsysteme 3.4 Logische Programme und Antwortmengensemantik DVEW WS 2004/05 c Gabriele Kern-Isberner 1 Stratifizierte Programme (Whlg.) Sei P ein

Mehr

Theorie der Informatik

Theorie der Informatik Theorie der Informatik 6. Formale Sprachen und Grammatiken Malte Helmert Gabriele Röger Universität Basel 17. März 2014 Einführung Beispiel: Aussagenlogische Formeln Aus dem Logikteil: Definition (Syntax

Mehr

1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:

1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:

Mehr

Vorlesung Analysis I / Lehramt

Vorlesung Analysis I / Lehramt Vorlesung Analysis I / Lehramt TU Dortmund, Wintersemester 2012/ 13 Winfried Kaballo Die Vorlesung Analysis I für Lehramtsstudiengänge im Wintersemester 2012/13 an der TU Dortmund basiert auf meinem Buch

Mehr

Bestimmung einer ersten

Bestimmung einer ersten Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,

Mehr

Theoretische Grundlagen der Informatik

Theoretische Grundlagen der Informatik Theoretische Grundlagen der Informatik Vorlesung am 12.01.2012 INSTITUT FÜR THEORETISCHE 0 KIT 12.01.2012 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der Informatik

Mehr

Primzahlen und RSA-Verschlüsselung

Primzahlen und RSA-Verschlüsselung Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also

Mehr

Jenseits der Endlichkeit. Eine Einführung in die cantorsche Unendlichkeitslehre. Diplom-Informatiker Peter Weigel

Jenseits der Endlichkeit. Eine Einführung in die cantorsche Unendlichkeitslehre. Diplom-Informatiker Peter Weigel Jenseits der Endlichkeit. Eine Einführung in die cantorsche Unendlichkeitslehre. Diplom-Informatiker Peter Weigel Januar 2010 Peter Weigel. Jenseits der Endlichkeit. Eine Einführung in die cantorsche Unendlichkeitslehre.

Mehr

Klassische Aussagenlogik

Klassische Aussagenlogik Eine Einführung in die Logik Schon seit Jahrhunderten beschäftigen sich Menschen mit Logik. Die alten Griechen und nach ihnen mittelalterliche Gelehrte versuchten, Listen mit Regeln zu entwickeln, welche

Mehr

Grundlagen der Mathematik

Grundlagen der Mathematik Universität Hamburg Winter 2016/17 Fachbereich Mathematik Janko Latschev Grundlagen der Mathematik Lösungsskizzen 2 Präsenzaufgaben (P2) Wir betrachten drei Teilmengen der natürlichen Zahlen: - A = {n

Mehr

Paradoxien der Replikation

Paradoxien der Replikation Joachim Stiller Paradoxien der Replikation Alle Rechte vorbehalten Paradoxien Die Paradoxien (Wiki) Hier einmal Auszüge aus dem Wiki-Artikel zum Begriff Paradoxon Ein Paradox(on) (auch Paradoxie, Plural

Mehr

Klausur für Studiengänge INF und IST

Klausur für Studiengänge INF und IST Familienname: Matrikelnummer: Studiengang: (bitte ankreuzen) INF IST MED Vorname: Email-Adresse: Immatrikulationsjahr: Klausur für Studiengänge INF und IST sowie Leistungsschein für Studiengang Medieninformatik

Mehr

Konzepte der AI. Maschinelles Lernen

Konzepte der AI. Maschinelles Lernen Konzepte der AI Maschinelles Lernen http://www.dbai.tuwien.ac.at/education/aikonzepte/ Wolfgang Slany Institut für Informationssysteme, Technische Universität Wien mailto: wsi@dbai.tuwien.ac.at, http://www.dbai.tuwien.ac.at/staff/slany/

Mehr

5.1 Inferenz. Theorie der Informatik. Theorie der Informatik. 5.1 Inferenz. 5.2 Resolutionskalkül. 5.3 Zusammenfassung. Inferenz: Motivation

5.1 Inferenz. Theorie der Informatik. Theorie der Informatik. 5.1 Inferenz. 5.2 Resolutionskalkül. 5.3 Zusammenfassung. Inferenz: Motivation Theorie der Informatik 9. März 2015 5. Aussagenlogik III Theorie der Informatik 5. Aussagenlogik III 5.1 Inferenz Malte Helmert Gabriele Röger 5.2 Resolutionskalkül Universität Basel 9. März 2015 5.3 Zusammenfassung

Mehr

Wissensbasierte Systeme/ Expertensysteme. Teil 2

Wissensbasierte Systeme/ Expertensysteme. Teil 2 Wissensbasierte Systeme/ Expertensysteme Teil 2 BiTS, Sommersemester 2004 Dr. Stefan Kooths KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 2 1 Gliederung 1. Einführung und Einordnung 2. Entscheidungsunterstützung(ssysteme)

Mehr

Grundlagen der Informationverarbeitung

Grundlagen der Informationverarbeitung Grundlagen der Informationverarbeitung Information wird im Computer binär repräsentiert. Die binär dargestellten Daten sollen im Computer verarbeitet werden, d.h. es müssen Rechnerschaltungen existieren,

Mehr

De Morgan sche Regeln

De Morgan sche Regeln De Morgan sche Regeln Durch Auswerten der Wahrheitswertetabelle stellen wir fest, dass allgemeingültig ist; ebenso (p q) p q (p q) p q. Diese beiden Tautologien werden als die De Morgan schen Regeln bezeichnet,

Mehr

Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse

Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Dipl.-Math. Kevin Everard Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14 Auswahl vorausgesetzter Vorkenntnisse

Mehr

4. AUSSAGENLOGIK: SYNTAX. Der Unterschied zwischen Objektsprache und Metasprache lässt sich folgendermaßen charakterisieren:

4. AUSSAGENLOGIK: SYNTAX. Der Unterschied zwischen Objektsprache und Metasprache lässt sich folgendermaßen charakterisieren: 4. AUSSAGENLOGIK: SYNTAX 4.1 Objektsprache und Metasprache 4.2 Gebrauch und Erwähnung 4.3 Metavariablen: Verallgemeinerndes Sprechen über Ausdrücke von AL 4.4 Die Sprache der Aussagenlogik 4.5 Terminologie

Mehr

Übersicht. 9. Schließen in der Prädikatenlogik 1. Stufe

Übersicht. 9. Schließen in der Prädikatenlogik 1. Stufe Übersicht I Künstliche Intelligenz II Problemlösen III Wissen und Schlußfolgern 6. Logisch schließende Agenten 7. Prädikatenlogik 1. Stufe 8. Entwicklung einer Wissensbasis 9. Schließen in der Prädikatenlogik

Mehr

Primzahlzertifikat von Pratt

Primzahlzertifikat von Pratt Primzahlzertifikat von Pratt Daniela Steidl TU München 17. 04. 2008 Primzahltests in der Informatik "Dass das Problem, die Primzahlen von den Zusammengesetzten zu unterscheiden und letztere in ihre Primfaktoren

Mehr

Universität Koblenz-Landau, Abteilung Koblenz FB 4 Informatik. Seminar Entscheidungsverfahren für logische Theorien. Endliche Modelle.

Universität Koblenz-Landau, Abteilung Koblenz FB 4 Informatik. Seminar Entscheidungsverfahren für logische Theorien. Endliche Modelle. Universität Koblenz-Landau, Abteilung Koblenz FB 4 Informatik Seminar Entscheidungsverfahren für logische Theorien Tobias Hebel Koblenz, am 18.02.2005 Inhaltsverzeichnis 1 Einleitung... 3 2 Grundlagen...

Mehr

Klausur Formale Systeme Fakultät für Informatik WS 2009/2010. Prof. Dr. Bernhard Beckert. 18. Februar 2010

Klausur Formale Systeme Fakultät für Informatik WS 2009/2010. Prof. Dr. Bernhard Beckert. 18. Februar 2010 Klausur Formale Systeme Fakultät für Informatik Name: Mustermann Vorname: Peter Matrikel-Nr.: 0000000 Klausur-ID: 0000 WS 2009/2010 Prof. Dr. Bernhard Beckert 18. Februar 2010 A1 (15) A2 (10) A3 (10) A4

Mehr

Normalformen der Prädikatenlogik

Normalformen der Prädikatenlogik Normalformen der Prädikatenlogik prädikatenlogische Ausdrücke können in äquivalente Ausdrücke umgeformt werden Beispiel "X (mensch(x) Æ sterblich(x)) "X (ÿ mensch(x) sterblich(x)) "X (ÿ (mensch(x) Ÿ ÿ

Mehr

Grammatiken. Einführung

Grammatiken. Einführung Einführung Beispiel: Die arithmetischen Ausdrücke über der Variablen a und den Operationen + und können wie folgt definiert werden: a, a + a und a a sind arithmetische Ausdrücke Wenn A und B arithmetische

Mehr

Prädikate zum Testen und Manipulieren der Struktur der Terme; Mehr meta-logische Prädikate z.b. zum Testen des Zustands der Ableitung;

Prädikate zum Testen und Manipulieren der Struktur der Terme; Mehr meta-logische Prädikate z.b. zum Testen des Zustands der Ableitung; Mehr Prolog Prolog bietet mehr an, z.b.: Prädikate zum Testen und Manipulieren der Struktur der Terme; Mehr meta-logische Prädikate z.b. zum Testen des Zustands der Ableitung; Mehr extra-logische Prädikate,

Mehr

Was ist Logische Programmierung?

Was ist Logische Programmierung? Was ist Logische Programmierung? Die Bedeutung eines Computer-Programms kann durch Logik erklärt werden. Die Idee der logischen Programmierung besteht darin, die Logik eines Programms selber als Programm

Mehr

Qualitative und Quantitative Forschungsmethoden

Qualitative und Quantitative Forschungsmethoden Qualitative und Quantitative Forschungsmethoden Unterschiede zwischen den Forschungsstrategien Überprüfendes vs. Entdeckendes Erkenntnisinteresse Ziel ist die Überprüfung von Theorieaussagen. Es werden

Mehr

Stichwortverzeichnis. A-Aussage. logisches Quadrat 42

Stichwortverzeichnis. A-Aussage. logisches Quadrat 42 A A-Aussage logisches Quadrat 43 Addition boolesche Algebra 46 Algebra boolesche 46 Algorithmus 306 Alle-Aussage alternative Schreibweise 253 f., 265 erkennen 256 Übersetzung 250 f. Allquantor 242 Definition

Mehr

Seminar Klassische Texte der Neuzeit und der Gegenwart Prof. Dr. Gianfranco Soldati. René Descartes Meditationen Erste Untersuchung

Seminar Klassische Texte der Neuzeit und der Gegenwart Prof. Dr. Gianfranco Soldati. René Descartes Meditationen Erste Untersuchung Seminar Klassische Texte der Neuzeit und der Gegenwart Prof. Dr. Gianfranco Soldati René Descartes Meditationen Erste Untersuchung INHALTSVERZEICHNIS 1 EINLEITUNG 3 1.1 PROBLEMSTELLUNG 3 1.2 ZIELSETZUNG

Mehr

Das Briefträgerproblem

Das Briefträgerproblem Das Briefträgerproblem Paul Tabatabai 30. Dezember 2011 Inhaltsverzeichnis 1 Problemstellung und Modellierung 2 1.1 Problem................................ 2 1.2 Modellierung.............................

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Kapitel 6: Induktives Vorgehen Thomas Worsch KIT, Institut für Theoretische Informatik Wintersemester 2015/2016 GBI Grundbegriffe der Informatik KIT, Institut für Theoretische

Mehr

Mathem.Grundlagen der Computerlinguistik I, WS 2004/05, H. Leiß 1

Mathem.Grundlagen der Computerlinguistik I, WS 2004/05, H. Leiß 1 Mathem.Grundlagen der Computerlinguistik I, WS 2004/05, H. Leiß 1 1 Vorbemerkungen Mathematische Begriffe und Argumentationsweisen sind in vielen Fällen nötig, wo man über abstrakte Objekte sprechen und

Mehr

Programmieren mit Python in der Sek. 1

Programmieren mit Python in der Sek. 1 Programmieren mit Python in der Sek. 1 20.9.2010 Reinhard Oldenburg Überblick Kurzvorstellung: Was ist Python Didaktische Überlegungen zur Stellung des Programmierens Gründe für Python Beispiele Was ist

Mehr

Normalformen boolescher Funktionen

Normalformen boolescher Funktionen Normalformen boolescher Funktionen Jeder boolesche Ausdruck kann durch (äquivalente) Umformungen in gewisse Normalformen gebracht werden! Disjunktive Normalform (DNF) und Vollkonjunktion: Eine Vollkonjunktion

Mehr

Einführung in die Theoretische Informatik

Einführung in die Theoretische Informatik Einführung in die Theoretische Informatik Woche 10 Harald Zankl Institut für Informatik @ UIBK Wintersemester 2014/2015 Zusammenfassung Zusammenfassung der letzten LV Satz Sei G = (V, Σ, R, S) eine kontextfreie

Mehr

Einführung in die Logik

Einführung in die Logik Einführung in die Logik Klaus Madlener und Roland Meyer 24. April 2013 Inhaltsverzeichnis 1 Aussagenlogik 1 1.1 Syntax................................. 1 1.2 Semantik............................... 3 1.3

Mehr

Grundlagen der Theoretischen Informatik - Sommersemester 2012. Übungsblatt 1: Lösungsvorschläge

Grundlagen der Theoretischen Informatik - Sommersemester 2012. Übungsblatt 1: Lösungsvorschläge Lehrstuhl für Softwaretechnik und Programmiersprachen Professor Dr. Michael Leuschel Grundlagen der Theoretischen Informatik - Sommersemester 2012 Übungsblatt 1: Lösungsvorschläge Disclaimer: Bei Folgendem

Mehr

Vor(schau)kurs für Studienanfänger Mathematik: Aussagen und Mengen

Vor(schau)kurs für Studienanfänger Mathematik: Aussagen und Mengen Vor(schau)kurs für Studienanfänger Mathematik: Aussagen und Mengen 09.10.2014 Herzlich Willkommen zum 2. Teil des Vorschaukurses für Mathematik! Organisatorisches Der Vorkurs besteht aus sechs Blöcken

Mehr

Aufgabe 1: Malerarbeiten

Aufgabe 1: Malerarbeiten Aufgabe 1: Malerarbeiten Fritz braucht zwei Stunden, um ein Zimmer zu streichen. Susi braucht für das gleiche Zimmer drei Stunden. Wie lange brauchen beide zusammen, um das Zimmer zu streichen? Lösung:

Mehr

Was bisher geschah. Aufgaben: Diagnose, Entscheidungsunterstützung Aufbau Komponenten und Funktion

Was bisher geschah. Aufgaben: Diagnose, Entscheidungsunterstützung Aufbau Komponenten und Funktion Was bisher geschah Daten, Information, Wissen explizites und implizites Wissen Wissensrepräsentation und -verarbeitung: Wissensbasis Kontextwissen Problemdarstellung fallspezifisches Wissen repräsentiert

Mehr

Fixpunktsemantik logischer Programme Pascal Hitzler Juli 1997 Kurzuberblick im Rahmen der Vorlesung Einfuhrung in Prolog von T. Cornell im Sommersemester 1997 an der Universitat Tubingen. Beweise sind

Mehr