Controllo Procedurale

Il controllo procedurale si riferisce alla guida mirata del processo di ragionamento in un sistema di IA per renderlo più efficiente e gestibile, evitando percorsi inferenziali inutili. Data la complessità computazionale delle procedure automatiche di dimostrazione dei teoremi (come la Risoluzione in FOL), il controllo procedurale è essenziale per ottimizzare le performance, specialmente in domini complessi.

Necessità e Obiettivi:

• Le procedure di ragionamento generale sono computazionalmente costose.
• Conoscere la struttura del dominio può guidare il ragionamento in modo più mirato.
• Obiettivo è migliorare l’efficienza e la gestibilità del processo inferenziale.

Strategie e Applicazioni:

1. Forme Logiche Orientate:

   • Una strategia consiste nell’usare implicazioni unidirezionali, che limitano l’inferenza in una sola direzione.
   • Un esempio pratico è la suddivisione della base di conoscenza (KB) in “fatti” (verità di base, atomi istanziati) e “regole” (nuove relazioni, implicazioni universali). Questo permette di distinguere tra conoscenza di base e conoscenza derivabile.

2. Definizione delle Regole e Ordine degli Obiettivi:

   • La formulazione delle regole in una KB ha un impatto significativo sull’efficienza del ragionamento. Si consideri la definizione della relazione Ancestor(x, y) (x è antenato di y) basata su Parent(x, y) (x è genitore di y):
     • Definizione 1 (Ricerca Discendente/Dall’alto verso il basso): Parent(x, y) ⊃ Ancestor(x, y) e Parent(x, z) $\land$ Ancestor(z, y) ⊃ Ancestor(x, y). Per dimostrare Ancestor(a, e), si cerca un figlio b di a (Parent(a,b)) e poi si verifica se b è antenato di e (Ancestor(b,e)). Questa soluzione è efficiente se ogni individuo nella catena ha pochi figli, e la sua complessità dipende dalla profondità dell’albero.
     • Definizione 2 (Ricerca Ascendente/Dal basso verso l’alto): Parent(x, y) ⊃ Ancestor(x, y) e Ancestor(x, z) $\land$ Parent(z, y) ⊃ Ancestor(x, y). Per dimostrare Ancestor(a, e), si risale l’albero partendo da e: si cerca un genitore d di e (Parent(d,e)) e poi si controlla se a è antenato di d (Ancestor(a,d)). Questa soluzione è più efficiente della prima se ogni individuo ha molti figli (rispetto a pochi genitori).
     • Definizione 3 (Ricerca Bidirezionale/Mista): Parent(x, y) ⊃ Ancestor(x, y) e Ancestor(x, z) $\land$ Ancestor(z, y) ⊃ Ancestor(x, y). Questa opzione suggerisce una ricerca in entrambe le direzioni contemporaneamente.
   • L’ordine degli obiettivi nella concatenazione all’indietro (backward chaining) è logicamente irrilevante, ma può influenzare drasticamente l’efficienza computazionale. Ad esempio, per dimostrare AmericanCusin(x) dalla regola America(x) $\land$ Cusin(x) ⊃ AmericanCusin(x), se si valuta prima America(x) si potrebbe dover iterare su milioni di americani per trovare il cugino, mentre valutando prima Cusin(x) si itererebbe su un numero molto minore di cugini, rendendo la ricerca più efficiente.

Ruolo nel Backward Chaining: Il controllo procedurale è cruciale per mitigare gli svantaggi del backward chaining, come il rischio di cicli infiniti (specialmente con tautologie) e l’inefficienza dovuta alla ripetizione di ricerche per gli stessi obiettivi. Le considerazioni sul controllo procedurale sono quindi necessarie per evitare “tranelli” e rendere il backward chaining utilizzabile in pratica.