Ismeretalapú rendszerek, szakértői rendszerekBevezetés, alapok

Ajánlott irodalom

Sántáné-Tóth Edit: Tudásalapú technológia, szakértő rendszerek. Dunaújvárosi Főiskola Kiadói Hivatala, 2000

Futó Iván:Mesterséges intelligencia. Aula Kiadó, 1999. Jackson, P.: Introduction to Expert Systems. Addison-Wesley Publ. Comp, 1986. Giarratano P. C.: Expert Systems: Principles and Programming. PWS Publishing

Co. 1999. http://clipsrules.sourceforge.net/ (CLIPS) http://protege.stanford.edu/ (PROTÉGÉ) http://aaai.org/AITopics/RuleBasedExpertSystems (MYCIN) Kóczy László T., Tick Domonkos: Fuzzy rendszerek http://aispace.org/search/ (keresések, segédlet) http://aispace.org/dTree/ (döntési fa, segédlet)

Miről lesz szó? Tudásalapú rendszerek, szakértői rendszerek

felépítése, jellemzői képességei, főbb funkciói előnyei, hátrányai formális meghatározása alkalmazási területei, klasszikus példák

Megoldáskereső módszerek Tudásreprezentációs módszerek

Tudás-/ ismeretalapú rendszerek(Knowledge Based Systems, KBS)

intelligens problémamegoldás(bonyolult problémák, tanulás korábbi tapasztalatokból,

természetes nyelvű közegek megértése, képek

értelmezése, ...)

kevesebb ember/ kevesebb idő hibás döntések számának csökkenése egyszerűen, olcsón többszörözhető bármikor elérhető veszélyes helyekre elvihető

Tudásalapú rendszerek

újszerű programstruktúrával rendelkező MI programok tudásbázis (szabályok, tények, metaismeretek) következtető gép (megoldáskereső stratégia, egyéb

szolgáltatások)

jellemzői: intelligens információfeldolgozó rendszer tárgyköri ismeretek ábrázolása szimbolikus módon feladatmegoldás szimbólum-manipulációval szimbolikus programok

Szakértői rendszerek(Expert Systems, ES)

ES KBS

szakértői ismeretek felhasználása

szűk problémakör elég bonyolult (igény legyen szakértelemre) emberi szakértők szükségesek szakterület alapkérdéseiben egyetértés a szakértők között tanpéldák, alapadatok részproblémákra osztás

Szakértői rendszerek

elvárások (szakértőhöz hasonlóan): javaslatok adása javaslatok indoklása kérdés/ válasz (“egyenrangú beszélgető partner”) kérdések megmagyarázása bizonytalan szituációban elfogadható javaslat adása

Tudásalapú rendszerek elméleti alapjai

MI programok:intelligens problémamegoldó eszközök,bonyolult probléma, tanulás,természetes nyelvű közlés,képértelmezés, ...

tudásalapú rendszerekújszerű programstruktúrával rendelkező

MI programok (tudásbázis elkülönítése)

szakértői rendszerekolyan tudásalapú rendszerek, amelyek:

szakértői ismeretek felhasználásával

magas szintű teljesítményt nyújtanak

egy szűk problémakör kezelésében

Tudásalapú rendszerek alapvető komponensei

tudásbázis (TB)problématerületet leíró ismeretek (tudás)természetes nyelvhez közeli formalizmusszimbolikus módon leírt rendszer-specifikációTUDÁSREPREZENTÁCIÓS MÓDSZER!

következtető gép (KG)feladatmegoldás “motorja”

általános problémamegoldó ismeretek

MEGOLDÁSKERESŐ MÓDSZER!

munkamemória (MM)kisegítő komponens

konkrét feladat kiinduló/közbülső adatai

információk

Megoldáskereső módszerek nem-algoritmizálható/ bonyolult feladatok problémamegoldás keresés keresés: általános problémamegoldó mechanizmus keresés szükséges:

bonyolult (nem-triviális, komplex, nagy/összetett) probléma a probléma megoldásának algoritmusa nem adott nem-triviális problémamegoldás (emberhez hasonló módon)

a keresési stratégia hatékonysága mérhető: talál-e (optimális) megoldást megoldás költsége keresés költsége (idő, memória)

Megoldáskereső módszerek a probléma leírásának alapvető elemei

kezdeti állapot(ok) műveletek/ akciók halmaza közbülső állapotok/ állapottér (implicit) célfüggvény (vagy lehetséges célállapot(ok)) műveletek költsége

feladat: célállapot elérése, út/ utak keresése (akciósorozat) keresési tér

megoldás közben keletkezik) reprezentálása: irányított gráffal

Megoldáskereső módszerek

fogalmak: csúcs/él gyökér szülő/gyermek elágazási tényező szint levél cél út költség

H A N O I T O R N Y A I

reprezentáció:

állapot - m elyik korong m elyik rúdon, p l. (1 , 1 , 1)

művelet - korong áthelyezése i. rúdról j. rúdra (1 i, j 3 )

(1 ,1 ,1 )

(2 ,1 ,1 )

(2 ,3 ,1 )

(1 ,3 ,1 ) (1 ,2 ,1 )

(2 ,2 ,2 ) (3 ,2 ,2 ) (3 ,1 ,2 ) (1 ,1 ,2 ) (1 ,1 ,3 ) (2 ,1 ,3 ) (2 ,3 ,3 ) (3 ,3 ,3 )

(3 ,1 ,1 )

(3 ,2 ,1 )

(2 ,2 ,1 )

(2 ,2 ,3 )

(1 ,2 ,3 )

(1 ,3 ,3 )(2 ,1 ,2 ) (3 ,1 ,3 )

(2 ,3 ,2 ) (3 ,2 ,3 )

(3 ,3 ,1 )

(3 ,3 ,2 )

(1 ,3 ,2 )

(1 ,2 ,2 )

Megoldáskereső módszerek

probléma: optimális megoldási stratégia? minden lehetséges megoldás kipróbálása kombinatorikus

robbanás

azonban: gyakorlati feladatoknál nem szükséges az összes megoldás

cél: „elég jó” megoldás „elég rövid” idő alatt

konfliktusfeloldás: a lehetséges akciók közötti választás (keresési stratégia) heurisztikus ismeret figyelembe vétele (extra tudás a feladatról)

Keresési stratégiák osztályozása (felhasznált ismeretek alapján)

véletlenszerű keresésnem biztosított a véges időn belüli célbaérés

vak keresések (neminformált keresések)teljes körű szisztematikus bejárás

nincs információ az út/csúcs „jóságáról”

az algoritmus a cél és nemcél csúcsokat különbözteti meg

bonyolultabb problémáknál: kombinatorikus robbanás heurisztikus keresések (informált keresések)

feladatspecifikus heurisztikus ismeretek felhasználása

becslés az út/csúcs „jóságáról”

Keresési stratégiák osztályozása (módosíthatóság alapján) nem-módosítható vezérlési stratégiák

a kiválasztott akció nem vonható vissza másik alkalmazható akció kipróbálására nincs lehetőség minden lépés végérvényes

módosítható vezérlési stratégiák felismerik a hibás/ nem megfelelő akciókat az algoritmus egy korábbi állapotba lép vissza (új irányt próbál

ki), ha végállapotba ér, amely nem célállapot az adott irány nem tűnik igéretesnek

Nem-módosítható stratégiák

a kiválasztott akció nem módosítható/ nem vonható vissza

nincs lehetőség visszalépésre az algoritmus csak az aktuális csúcsról tárol információt

(korábbi elágazásokról nem) alkalmazható akciók = az aktuális csúcsra alkalmazható

akciók választás (lokális ismeret alapján, legígéretesebb gyermek)

(optimális) megoldás nem biztosított

Hegymászó keresés

Módosítható stratégiák

visszalépéses vezérlési stratégiákegyszerre egy út nyilvántartása

gráfkereső vezérlési stratégiáktovábblépéskor a kiválasztott csúcs minden utódjának

létrehozása

nyílt csúcsok közül legígéretesebb csúcs kiválasztása

már vizsgált utak nyilvántartása (emlékezet) nem-informált vezérlési stratégiák (mélységi, szélességi, ...) heurisztikus vezérlési stratégiák (előretekintő, A, A*, ...)

Visszalépéses keresés

az MI egyik legjelentősebb módosítható keresési stratégiája aktuális út és a választási pontok nyilvántartása alkalmazható akciók = az út végén levő csúcsra alkalmazható

akciók választás (első alternatíva) zsákutca esetén visszalépés (backtrack)

útszakasz végének törlése legközelebbi elágazáshoz való visszalépés folytatás egy másik irányban (következő alternatíva)

folytatás egy cél csúcs eléréséig vagy az összes út megvizsgálásáig

Visszalépéses keresés

visszalépés szükséges: a csúcsból nem vezet további út (zsákutca vége) a csúcsot nem érdemes tovább vizsgálni (heurisztika

alapján) aktuális csúcsból kiinduló minden útról visszaléptünk

(zsákutca torkolata) nyilvántartott út egy csúcsába jutunk (kör) túl messzire vagyunk a kezdőcsúcstól (mélységi korlát)

Visszalépéses keresés

Visszalépéses keresés

visszalépéses keresés előnye: viszonylag egyszerű, könnyen megvalósítható kicsi memóriaigényű

MI rendszerekben nagy jelentősége van: szakértői rendszerek következtető gépének vezérlési stratégiája Prolog rendszerek

visszalépéses keresés hátránya: nem garantált a cél elérése végtelen mélységű vagy kört tartalmazó gráfban

(kiegészítés: mélységi korlát, körök figyelése) rossz irány esetén csak a zsákutca végén veszi észre azt ugyanazon zsákutcába vezető útszakaszt több út részeként is bejárhat (nincs

emlékezete)

Gráfkereső stratégiák

az MI másik legjelentősebb módosítható keresési stratégiája az összes vizsgált út nyilvántartása (bizonyos mélységig) a cél eléréséhez legígéretesebbnek tűnő út folytatása a kiválasztott út végén levő csúcs összes gyermekének

előállítása csúcs kiterjesztése részgráf készítése az összes vizsgált út végén levő csúcsok nyílt csúcsok

(kiterjesztésre váró csúcsok) nem felejti el a keresési gráf már megvizsgált részét

Gráfkereső stratégiák

az általános gráfkereső algoritmus fő lépései:1. Add the initial node to L. (L: list of open nodes)

2. If L is empty, return failure;

otherwise choose a node n from L.

3. If n is a goal node, stop and return the path from the initial node to n;

otherwise, remove n from L,

expand n,

add the successors of n to L,

return to step 2.

különböző gráfkereső stratégiák: hogyan válasszuk a csúcsot a nyílt csúcsok halmazából hogyan (hova) tegyük az előállított csúcsokat a nyílt csúcsok halmazába

Gráfkereső stratégiák

néhány fontosabb gráfkereső stratégia: neminformált stratégiák:

mélységi keresés szélességi keresés egyenletes keresés

informált stratégiák: előretekintő keresés A* keresés

Gráfkereső stratégiák

Strategy Selection from L Complete? Optimal? Memory

depth-first last node added no no linear

breadth-first first node added yes yes exponential

uniform-cost minimal g(n) yes yes exponential

best-first minimal h(n) no no exponential

A* minimal f(n) yes yes exponential

Tudásreprezentációs módszerek

tudás: sokrétű, nehéz pontosan jellemezni, formalizálni, változik szimbólumokkal való leírása: ismeret

cél: ismeret megszerzése, “kinyerése” ismeret ábrázolása, reprezentálása ismeret hasznosítása, feladatmo-ra való felhasználása

ehhez szükséges: leíró eszköz, szintaxis (nyelv, grafikus leíró eszköz) elemek jelentését meghatározó szemantika (pl. következtető

módszer)

}

Reprezentációs módszerek osztályozása

problémaleírás módja szerint: procedurális/ algoritmikus reprezentáció

probléma megoldását vagy annak stratégiáját adjuk meg HOGYAN oldjuk meg a feladatot

leíró/ deklaratív reprezentáció problémát írjuk le, MIT kell megoldanunk megoldást következtető rendszer végzi logika alapú leírások

Tudásalapú rendszereknél jellemzően deklaratív leírás + hatékonyságnövelő algoritmikus elemek (pl. démonok, meta-szabályok)

Reprezentációs módszerek osztályozása

problémaleírás szerkezete szerint: egyszerű/ elemi reprezentáció

egyszerű, struktúra nélküli elemek atomok, ezek kapcsolatai, rajtuk végezhető műveletek, róluk szóló állítások

logika alapú rendszerek

strukturált reprezentáció belső struktúrával, attribútumokkal rendelkező objektumok objektumok kapcsolata lehet:

taxonomikus/ osztályozó hierarchia, pl. állatok rendszertana szervezeti hierarchia, pl. autó részei

keret-alapú rendszerek

Reprezentációs módszerek osztályozása procedurális reprezentáció (procedurális pr.nyelv eljárásai) logika-alapú reprezentáció

logikai nyelvek (állítások, logikai következtetés) szabályalapú reprezentáció (feltételtől függő állítások, tevékenységek) formális nyelvtanok (módszerek nyelvek tulajdonságainak felismerésére) algebrai kifejezések (formalizmusok spec. mat. ismeretek leírására)

strukturált/ keret-alapú reprezentáció keretek/ frame-ek (fogalom/ objektum strukturált szimbolikus leírására) asszociatív hálók/ szemantikus hálók (fizikai/ oksági kapcs. leírására) rokonsági hierarchiák (taxonómiák, rendszertanok) döntési fák (osztályozási feladatoknál alkalmazott módszerek) forgatókönyvek/ script-ek (eseménysorozatok oksági kapcs. leírására)

hibrid tudásreprezentáció

Hagyományos programok

program = adat + algoritmus

bemenő adat: konkrét feladat

kimenő adat: eredmény

cél: függvény leképezés megvalósítása

(bemenő adatok megfelelő kimenő adatok)

HOGYAN? algoritmus (programozó írja le)

szereplők: rsz.szervező, pr.tervező, programozó, felhasználó

passzív aktív

Adatbázis alkalmazások

adatbáziskezelő rendszerek fő elvei: nagyméretű adatbázisok, egyidőben nagyszámú felhasználó adat-függetlenség fizikailag különböző helyeken tárolt adatokhoz való hozzáférés

program helyett: DB alkalmazások (pl. lekérdezések)

szerkezete: adat-rész: adatbázis (több alkalmazás közösen használja) algoritmus: adatbáziskezelő rendszer

cél: reláció megvalósítása, MIT (milyen mat. relációt) akarunk

leíró/ deklaratív

I/O adatok lehetnek halmazok halmaz-műveletek lehetnek

új szereplő: DB adminisztrátor

Tudásalapú rendszerek

tudásbázis + következtető gép

TB részei: tények (adatok) összefüggések, tények közötti kapcsolatok

problémamegoldás folyamata (emberi pr.mo-hoz hasonló): tudáselemek/ tudásdarabkák/ sémák/ ökölszabályok feladatmegoldás: tudáselemek szituációfüggő mozgósításával eredmény: adat helyett információ (magyarázattal ellátott szakértői szintű javaslat,

tanács)

INTELLIGENS INFORMÁCIÓFELDOLGOZÓ RENDSZER

új szereplők: tudásmérnök,

tárgyköri szakértő

Hagyományos rendszerek Tudásalapú/szakértô rendszerek

Numerikus információkkal dolgoznak. Szimbolikus információkkal dolgoznak.

Feladatleírás: procedurális módon. Feladatleírás: deklaratív módon.

Feladatmegoldás: ciklikusfeldolgozással.

Feladatmegoldás: következtetéssel.

Egzakt (esetleg közelítô) algoritmussaltörténô feladatmegoldás.

Elfogadható következtetéssel,heurisztikák alkalmazásával történôfeladatmegoldás.

A megoldáshoz szükséges adatok,algoritmusok megszerzése viszonylagkönnyû.

A tudásbázisba beépítendô szakértôitudás megszerzése drága és nehéz.(tudásszerzés a rendszerfejlesztés szûkkeresztmetszete)

Az adatok pontosak. A szakértôi tudás nem pontos: zajos,nem-teljes, gyakran ellentmondásos.

Nincs felhasználóbarát magyarázatadás(csak programtesztelô funkciók).

A rendszerrel generálhatókfelhasználóbarát magyarázatok,indoklások.

Ismeretalapú rendszerek felépítése

Ismeretalapú rendszerek felépítése

tudásbázis tudásdarabkák szimbolikus leírása (reprezentációs technika) meta-ismeretek

következtető gép megoldáskereső stratégia többi komponens működésének támogatása

munkamemória specifikus információ (külvilágból érkező/ onnan kért) következtetések során kapott ismeretek

Ismeretalapú rendszerek felépítése

magyarázó alrendszerrsz. akcióinak megmagyarázása felhasználói kérésre

jellegzetes magyarázatadási módok: magyarázatadás feladatmegoldás közben:

WHY... (magyarázó következtetés, intelligens súgó-help) WHAT IF... (hipotetikus következtetés) WHAT IS ... (tallózás a TB-ban és MM-ban)

magyarázatadás, indoklás a feladatmegoldás után: HOW ... (magyarázó következtetés, visszatekintő következtetés) WHY NOT ... (magyarázó következtetés, ellenpéldák keresése) WHAT IS ... (tallózás a TB-ban és MM-ban)

Ismeretalapú rendszerek felépítése

tudásbázis kezelő/fejlesztő alrendszer feladatai: TB építése, tesztelése, módosítása tartalmaz: TB fejlesztő eszközök, teszt-esetek könyvtára,

tudásszerzést támogató szolgáltatások felhasználói felület ( user)

természetes nyelvű párbeszéd, konzultáció/ javaslat speciális felületek

adatbázis- és egyéb kapcsolatok fejlesztői felület ( tudásmérnök, tárgyköri szakértő)

Ismeretalapú rendszerek készítése

legkritikusabb része: ismeretszerzés (tudásmérnök/ tárgyterületi szakértők)

tudásmérnök feladata: tudásbeszerzés, adott formába öltés: módszerek,

ökölszabályok, eljárások felderítése, rendszerezése, finomítása, formalizálása

tudásreprezentációs és következtetési stratégia kiválasztása tudásalapú rendszer megépítése TB ellenőrzés TB karbantartás

Szakértői keretrendszer (shell)

üres TB, erőteljes TB fejlesztő alrendszer tárgyterülettől független szolgáltatásokat nyújt SZR

létrehozásához és működtetéséhez támogatja a gyors prototípuskészítést, inkrementális

rendszerépítést pl. CLIPS, GoldWorks, G2, Level5

Szakértői keretrendszer (shell)

Explanationsubsystem

Inferenceengine

Knowledgeacquisitionsubsystem

Case specificdatabase

Knowledgebase

Userinterface

Developer'sinterface

User

Knowledgeengineer

Emberi szaktudás Mesterséges szakismeretek

Mulandó (ha nem használjuk, elfelejtjük).

Állandó, tartós ("halhatatlan").

Nehéz átadni, reprodukálni. Oktatással terjeszthető.

Könnyű átvinni, reprodukálni. Oktatni a szakértő rendszer felhasználását kell.

Nehéz dokumentálni. Könnyű dokumentálni.

Nem mindig következetes, gyakran labilis.

Mindig következetes.

Drága, általában nehezen érhető el. Elérhető áron megszerezhető, a helyszínre vihető, sokszorosítható.

Emberi szaktudás Mesterséges szakismeretek

Kreatív, innovatív. Ihlettelen, lélektelen.

A körülményekhez alkalmazkodik,tanul. (ismeretbôvítés, képesség-fejlesztés)

Csak azt tudja, amit beleépítettek. (hatékonygépi tanulási mechanizmusok kellenének)

Általában ismeri tudásának,képességeinek korlátait.

Nincs tudatában ismeretei korlátainak -hacsak bele nem programozták.

A környezetéhez különbözôérzékszerveivel kapcsolódik.

Felhasználói felülete általában egyféle.

A gondolkodási folyamatokváltozatosak, gazdagok.

A belsô feldolgozás szimbólumokkal (ésnumerikus értékekkel) manipulál.

Széles látószögbôl, több aspektusbólvizsgálja a problémákat.

Szûk látószögbôl, csak a beépítettaspektus(ok)ból tud a problémáhozhozzáállni.

Van hétköznapi józan esze. Nincs hétköznapi józan esze, csak technikaitudása van. Nem lehet vakon hinni benne.Csak tanácsot, javaslatot ad.

Tudásalapú/ szakértő rsz. előnyei pótolják a szakértőhiányt, elérhető áron terjesztik a szakértői ismereteket

(TROPICAID) tárgyterület változásait jól nyomon követik (R1) növelik a szakértő képességét fokozzák a szakértő produktivitását megőrzik a szakértelmet létrehozhatók hagyományos technológiával nem megvalósítható rendszerek (Buck

Rogers) a tanácsadásban következetesek, egyenletes teljesítményűek állandóan rendelkezésre állnak képesek részleges, nem-teljes adatokkal is dolgozni képesek magyarázatot/ indoklást adni

Tudásalapú/ szakértő rsz. hátrányai

ismereteik egy adott szűk tárgyterületről valók, korlátaikat nem ismerik

válaszaik nem mindig korrektek (tanácsaikat elemezni kell!) nincs hétköznapi józan eszük (ez a legnagyobb korlát)

minden kézenfekvő ellenőrzést be kell építeni (sok kivétel megnöveli a TB méretét, a végrehajtási időt)

A szakértő rendszer formális meghatározása

"Egy szakértő rendszert a számítógépben tárolt ismeretbázis

megjelenítéseként értelmezünk, ahol a szakértői ismeretek

olyan formában tárolódnak, hogy a rendszer képes

intelligens tanácsot vagy intelligens döntést hozni az adott

kérdéssel összefüggésben. További jellemző, amelyet

sokan alapvetőnek is tartanak, a rendszernek az a

képessége, hogy - igény szerint és az érdeklődő számára

alkalmas módon - igazolja is saját okfejtését.”

British Computer Society's Specialist Group, 1983

Tekintélyes kutatók szélsőséges véleményei a szakértői rendszerekről:

"A szakértői rendszerek révén okossá válik az értelmi fogyatékos gyerek, diagnosztizálhatók a bonyolult betegségek, az Egyesült Államok megszerzi a világhatalmat és a világ megmenekül a nukleáris katasztrófától.”

"A király - legalábbis ha a mesterséges intelligencia ötödik generációjáról van szó - anyaszült meztelen, legalábbis a bokájáig, onnan lefelé viszont egy pár jól kidolgozott díszes cipőt visel, amelyet szakértő rendszereknek neveznek.”

"A piacon jelenleg kapható szakértői rendszerek semmiféle mesterséges intelligenciát nem tartalmaznak."

"Mindenre ezt használjuk: programírásra, programtervezésre,egyszóval mindenütt, ahol az alkotó gondolkodást rendszerezni, majderedményét a gyakorlatban realizálni kell.”

Alkalmazási terület, klasszikus példák DENDRAL (DENDritic Algorithm)

Ismeretlen szerves vegyületek molekulaszerkezetének meghatározása tömegspektrográfiai és mágneses rezonancia mérési adatokból.

INTERNISTOrvosi rendszer belgyógyászati betegségek diagnosztikájának támogatására.

QMR (Quick Medical Reference) Elektronikus kézikönyv.

MYCIN/NEOMYCINA vér bakteriális eredetű fertőzései, agyhártyagyulladás diagnosztizálása, terápia

meghatározása.

EMYCINMYCIN alapú keretrendszer.

Alkalmazási terület, klasszikus példák

PROSPECTORGeológusok segítése ásványlelőhelyek felkutatásában.

HEARSAYAngol beszédmegértő rendszer (1000 szavas beépített szótárral).

Egymástól független ismeretforrások együttes munkáját vezérli.

GUIDON/GUIDON2Intelligens támogatás orvostanhallgatók oktatásában. (MYCIN alapú)

R1/XCONVAX számítógéprendszerek konfigurálásának támogatása.

Hazai ismeretalapú alkalmazások

Keretrendszerek: ALL-EX Plus

Tudásalapú szimulációt támogató CS-Prolog alapú eszköz.

GENESYSSzabályalapú eszköz főként osztályozó, diagnosztikai típusú

rendszerek fejlesztéséhez.

MProlog ShellMProlog nyelvű tudásbázist kezelő eszköz.

Hazai ismeretalapú alkalmazások

Probléma-orientált fejlesztések: CAPE: Számítógépes protokollok elemzéséhez.

CreditExpert: Hitel elbírálásához.

MetabolExpert: Kémiai, orvosi, biológiai előrejelzésekhez.

OPSQL: Oracle alapú intelligens adatszótár.

PANGEA: Tervezés automatizálásához.

ProjectExpert: Projectépítés tervezési fázisához.

ZEXPERT: Banki alkalmazásokhoz.