200 likes | 349 Vues
Umelá inteligencia 1 Znalostné systémy. Doc. Ing. Kristína Machová, PhD. Znalostné systémy Osnova:. Definícia a historickí predchodcovia Vlastnosti znalostného systému Miesto človeka v tvorbe a používaní ZS Štruktúra znalostného systému Produkčný systém Dopredné a spätné reťazanie
E N D
Umelá inteligencia 1Znalostné systémy Doc. Ing. Kristína Machová, PhD.
Znalostné systémyOsnova: Definícia a historickí predchodcovia Vlastnosti znalostného systému Miesto človeka v tvorbe a používaní ZS Štruktúra znalostného systému Produkčný systém Dopredné a spätné reťazanie Spracovanie neurčitých znalostí Získavanie znalostí Vysvetľovací mechanizmus Vyhodnocovanie a validácia ZS Aplikačné možnosti ZS
Znalostné systémyDefinícia a historickí predchodcovia ES je súbor počítačových programov a štruktúrovaných údajov, ktoré sú schopné nahradiť činnosť špecialistu v jeho obore, prípadne ho prekonať. HISTORICKÍ PREDCHODCOVIA DENDRAL analyzuje údaje hmotového spektrografu a zostavuje molekulárne štruktúry. Prvá aplikácia väčšieho množstva špecifických znalostí. MACSYMA vykonáva symbolické manipulácie. MYCIN diagnostikuje a lieči infekčné ochorenia krvi (výsledky porovnateľné s expertom). HERSAY rieši úlohy na rôznych úrovniach abstrakcie, na úrovni 10 ročného dieťaťa. Chápe súvislú reč (1000 slov).
expert tvorca nástroja ZS PTZS používateľ znalostný inžinier Znalostné systémyMiesto človeka v tvorbe a používaní ZS VLASTNOSTI ČLOVEKA: tvorivosť, schopnosť vyrovnať sa s neočakávaným zvratom situácie, učenie sa novým stratégiám, zdravý rozum (vš. znalosti – zjednodušenie), sebareflexia.
METAZNALOSTI prázdny dedikovaný ––– diagnostický plánovací BZ IM BD PP,IS prehľadávanie IS Znalostné systémyŠtruktúra znalostného systému
Znalostné systémyProdukčný systém l1&m1&l5>k1 k1 k2 k3 m1&l5&m3>k2 l5&m2&l7>k3 l1 m1 l5 m3 l7 l2&m2>m1 l3vl4>m2 l2 m2 l6 l8 l6vl8>m3 l3 l4 • Produkčné pravidlo: predpoklady PzáverZ • Reťazenie produkčných pravidiel (podmienka) • Hierarchická štruktúra – strom – inferenčná sieť • Uzly: koreňové, medziľahlé, listové • Uzly: (ne)cieľové, (ne)dotazovateľné
Znalostné systémyDopredné a spätné reťazenie Ak záver jedného pravidla obsahuje tú istú znalosť (v tej istej forme) ako predpoklad ďalšieho, je možné reťazenie pravidiel. Existujú dva druhy reťazenia: Dopredné reťazenie. Ak aktuálne platia predpoklady, potom platí záver. Vykoná sa vždy prvé pravidlo, ktorého situačná časť je splnená. Hovoríme o priamom reťazení – data driven inference, resp. forward chaining. Nevýhody: - pri dokazovaní hypotézy vykoná aj mnoho nepotrebných pravidiel (nevieme ovplyvniť) - odvodí všetky výsledky na základe stavu BD 2.Spätné reťazenie. Aby platil záver, musíme dokázať tvrdenie. Hovoríme o backward chaining.
Znalostné systémySpracovanie neurčitých znalostí Iba malá časť znalostí experta má tvar, matematizovaných teórií. Expert si vytvára znalostí zo skúseností na základe jeho mentálnych modelov. Často ide o tušenia, osvedčené postupy. Spracovať ich možno napríklad heuristikou. • ALGORITMUS. Jednoznačný výpočtový postup vedúci k optimálnemu riešeniu. Vyznačuje sa hromadnosťou, konečnosťou a resultatívnosťou.. • HEURISTIKA. Je neformálny úsudkový postup, osvedčený v dostatočnom počte prípadov (nedokázateľný ale použiteľný). Nezaručuje hromadnosť ani optimál. riešenia. Znalosti o neurčitosti (4. typ znalostí): sú panoramatické, lebo sa týkajú tak predmetných, konkrétnych znalostí ako aj metaznalostí. Vyjadrujú mieru istoty experta vo výsledok.
Znalostné systémyTypy neurčitostí • NEURČITOSŤ v BZ Dôležitá súčasť ES založenom na vedomostiach experta (jeho skúsenosti, mentálne modely, nie rigorózne tvrdenia, tušenia, osvedčené postupy - heuristiky). HEURISTIKA je neformálny úsudkový postup, osvedčený v dostatočnom počte prípadov (nedokázateľný ale použiteľný, teroristi). • NEURČITOSŤ v BD Neisté odpovede používateľa, subjektívnosť úsudku, odhady nedostupných informácií, zašumené dáta. METÓDY: Subjektívna Bayesovská metóda, Algebraická teória, Dempster-Shafferova metóda, Fuzzy prístup (intervaly, počet hodnôt, symbolická, numerická).
Znalostné systémyZískavanie znalostí ZÍSKAVANIE NOVÝCH ZNALOSTÍ klasickou cestou strojovým učením priamym prenosom DOPĹŇANIE A MODIFIKÁCIA ZNALOSTÍ spravidla klasickou cestou Nevýhody klasickej cesty: • ZI je laik v oblasti • E nemá čas, bojí sa o miesto, nedokáže exaktne vyjadriť znalosti používané na riešenie • TEIRESIAS je inteligentný modul priameho prenosu znalostí.
Znalostné systémyKlasická cesta • Je historicky najstarší model, v ktorom robí znalostný inžinier ZI medzičlánok medzi BZ a expertom E. • Slabým miestom tohto spôsobu je tak ZI (laik v danej oblasti – musí pochopiť základy domény – zdĺhavý proces) ako aj E (niekedy neschopný exaktne vyjadriť svoje znalosti používané na riešenie úloh, nemá čas, bojí sa o miesto). • Pokus vylúčiť z procesu získavania znalostí znalostného inžiniera viedol k PRIAMEMU PRENOSU. Pokus vylúčiť z procesu získavania znalostí experta viedol k STROJOVÉMU UČENIU.
Znalostné systémyVysvetľovací mechanizmus • Používateľ potrebuje vysvetlenie, čo sa robí, keďže nepozná všetky možnosti práce so ZS. • Používateľ sa potrebuje utvrdiť v dôveryhodnosti výsledku, keďže ide o riešenie ne-algoritmizovateľnej úlohy. • Vysvetľovanie je charakterizované: • Cieľom vysvetľovania • Objektom vysvetľovania • Spôsobom vysvetľovania • Adresátom vysvetľovania
Znalostné systémyDelenie vysvetlení • Vysvetlenia pomocou vopred pripravených textov S každým krokom programu je zviazaný vysvetľujúci text, ktorý bol vopred pripravený (chybové hlásenia). Nevýhody: nutnosť predvídať otázky, nezohľadňuje dynamiku vysvetľovania, žiadny konceptuálny model. • Vysvetlenia generované z behu programu GOAL, TRACE, WHY, HOW, WHAT, WHAT-IF • Vysvetlenia podľa modelu Systém používa: IS (expertné znalosti, na riešenie problému) kauzálny model (model znalosti, na formuláciu vysvetlení).
Znalostné systémyVyhodnocovanie ZS ZS sa v procese tvorby opakovane vyhodnocuje, resp. testuje. Vyhodnocovanie zahŕňa tri procesy: • Verifikáciu – kontrolu vnútornej konzistentnosti a úplnosti. • Validáciu – stanovenie, či ZS uspokojivo realizuje ciele, pre ktoré bol navrhnutý. • Prijatie používateľom(user acceptance) – použiteľnosť systému pre konečného používateľa Testovanie je dôležité a to v každej fáze návrhu. Každá modifikácia prototypu musí byť znovu vyhodnotená.
Znalostné systémyValidácia ZS Je obtiažna, keďže testuje správnosť z významového hľadiska. Existuje niekoľko prístupov: • Empirické metódy. Sú dominantné. Spočívajú v testovaní prototypu na testovacích príkladoch a ohodnocovaní výsledkov z hľadiska prijateľnosti, presnosti a správnosti. • Klasická metóda. Ak nezávislý expert nedokáže odlíšiť riešenia ZS od riešení iného experta, potom je ZS validný. Výsledky ZS je možné testovať voči štandardu: kde n je počet testov a Va je miera kvality ZS.
Znalostné systémyPrijatie používateľom Predstavuje ochotu používateľa ZS používať. Vyhodnocujú sa nasledovné faktory: • Ľahkosť učenia. • Riadenie. Používateľ musí mať pocit, že riadi dialóg. Systém by nemal reagovať nepredvídateľne. • Stupeň úsilia. Je nutné sa vyhnúť pri návrhu ZS každému nie nevyhnutnému úsiliu (mentálnemu, fyzickému) • Rýchlosť. Výsledky musia byť získané v reálnom čase. • Vstup a výstup informácií. Je potrebné rešpektovať zvyklosti používateľa. • Odolnosť a korekcia chýb. ZS má byť schopný korigovať náhodné chyby (výber alternatívy je lepší ako zadávanie). Testy prebiehajú pomocou: interview, dotazník, pozorovanie.....
Znalostné systémyAplikačné možnosti ZS • ZAHRANIČNÉ ZS: spomínané, EXSYS, CLIPS, PROSPECTOR(detekcia ložísk nerastných surovín), R1(konfigurácie počítačov VAX), QTC(návrh súčiastok) • DOMÁCE ZS: PROLEX(ochorenia tráviaceho traktu), KRAVEX(optimalizácia kŕmnej dávky), EQUANT(Hájek, práca s neurčitosťou), FEL-EXPERT(Mařík, genetické ochorenia, psycho-fyziologické záznamy z EEG, klasif. organických toxických látok, plánovanie kusovej výroby), TEAM(zostavovanie riešiteľských tímov), CODEX(Popper, diagnostika chorôb), AREX(hodnotenie spoľahlivosti automobilov)
Znalostné systémyAplikačné možnosti ZS • EKONOMICKÉ APLIKÁCIE: FAST...hodnotenie bonity klienta LendingAdvisor...hodnotenie žiadosti o pôžičky (riziká, štrukt.) PLANET...podpora auditorov, štandardizácia auditu EXPERTAG...pomocník auditorov a daňových poradcov NyseFocusReviewSystem...finančné problémy, NewYork-burza MarketMind...finančné operácie v reálnom čase, NewYork-burza CARMA...analýza trhu, používa EXSYS FINCEN...používa ministerstvo financií USA, preverovanie transakcií nad 10.000$, odhaľovanie nelegálnych aktivít, používa ES-NexpertObject
Znalostné systémyLiteratúra Machová Kristína: Znalostné systémy v otázkach a odpovediach. ELFA s.r.o., 2005, Košice, 101s., ISBN 80-8086-018-1.