Transcript tr_ea_1

TUDÁSALAPÚ RENDSZEREK
Előadó: Kovács Zita
2013/2014. II. félév
Bevezetés
A tudásalapú rendszerek a mesterséges
intelligencia szakterület olyan programjai,
amelyekben az adott probléma megoldásához
szükséges ismereteket a rendszer többi részétől
elkülönített modulban, az ún. tudásbázisban
tároljuk szimbolikus módon, a probléma
megoldása pedig szimbólum manipulációk révén
történik.
A tudásalapú rendszerekben egy probléma
megoldása során olyan ismereteket tudunk
felhasználni, amelyeket előzőleg valamilyen
formalizmus
szerint
ábrázoltunk,
reprezentáltunk.
A probléma megoldásához pedig szükségünk
van
az
ismeretábrázolásnak
megfelelő
következtetési mechanizmusra.



információ nagymértékű felhalmozása ->
tudásmenedzsment (tudás előállítása,
összegyűjtése, megosztása, felhasználása és
megújulása)
tudást leírhatóvá kell alakítani, modellezni
(tudásmérnökség)
következtetéseket levonni, stb.


MI kutatások, fejlődés szakaszai
intelligencia – mi is az?
 Az emberi intelligencia az észlelésnek, az
ismeretek memorizálásának, struktúrálásának
és új ismeretekre való következtetésnek a
képessége.


problémamegoldás (GPS – általános
algoritmus, stb…)
Turing-teszt (problémamegoldás mennyire
intelligens)

tudás-elve
Eszerint a problémamegoldás képessége nem az
alkalmazott formalizmustól és a következtetési
módszertől függ, hanem attól, hogy mennyi
és milyen magasan kvalifikált
ismeretanyag áll rendelkezésre az adott
tárgyterület vonatkozásában.

szakmai fejlődés lépcsőfokai, a szakmai
következtetés
és
tudás
sémák
nagyságrendjének függvényében ezekre a
fokozatokra lehet osztani:
 kezdő: kevés tényszerű ismeret, hétköznapi
sémák
 haladó: sok szakmai tény, néhány száz
szakmai séma keveredik a hétköznapi
sémákkal. A szakmai fogalmakat még nem
tudja a hétköznapi szintre visszaegyszerűsíteni.

szakmai fejlődés lépcsőfokai, a szakmai
következtetés
és
tudás
sémák
nagyságrendjének függvényében ezekre a
fokozatokra lehet osztani:
 mesterjelölt: ismer és képes alkalmazni
néhány ezer szakmai sémát és különválnak a
szakmai és hétköznapi sémák. Gondolkodása
analitikus, a problémákat sémái segítségével
lépésről-lépésre oldja meg. Vitaképes és
racionális.

szakmai fejlődés lépcsőfokai, a szakmai
következtetés
és
tudás
sémák
nagyságrendjének függvényében ezekre a
fokozatokra lehet osztani:
 nagymester: több tízezer szakmai séma, melyek
nagy részét nem képes verbálisan kifejezni.
Gondolkodása intuitív, egzakt szakmai levezetések
nélkül is képes egy-egy probléma lényegére
rátapintani és megoldását megtalálni. Nem
szavakat, mondanivalót fogalmaz meg.

adat:
 észlelt, de nem értelmezett szimbólum, jelminta,

mintázat -> jelentés nélküli, szintaktikai fogalom
információ:
 értelmezett adat ->jelentése van, szemantikai

fogalom
tudás vagy ismeret:
 egy döntési folyamat során felhasznált struktúrált,
rendszerezett információ
 A tudás a valós világ tükröződése az emberi
tudatban, amelynek nem minden részlete fejezhető
ki verbálisan, szavakban.

szakértői rendszer:
Az első birtokosa a másodiknak, szakértő
számára készült rendszer.

szakértő rendszer:
Az első szó a második szó egy tulajdonsága, a
rendszer képes a szakértés cselekvésének
megvalósítására.
Mi a szakértő rendszer fogalmat használjuk,
a felhasználó számára egy szakterületen
döntés-támogatást, szakértést biztosító
rendszerekkel foglalkozunk.
az ismereteket az ismeretbázisban tárolják
 a feladatmegoldás következtető gép által
 jellemző a szimbolikus ábrázolás
 azokat,
amelyek
szakértői
ismeretek
felhasználásával magas szintű teljesítményt
nyújtanak egy szűk problémakör kezelésében,
szakértő rendszereknek (ES - expert systems)
nevezzük.
 Feladatok: Ismeretszerzés,
ismeretábrázolás, következtetési stratégia.








szimbolikus információkkal dolgoznak
feladatleírásuk deklaratív
feladatmegoldás elfogadható
következtetéssel, heurisztikák
alkalmazásával
ismeretbázisba a szakértői tudást építik
ismeretszerzés bonyolult feladat
a szaktudás: nem-pontos, hiányos, zajos,
ellentmondásos
tartalmaznak felhasználóbarát
magyarázatot
Hagyományos rendszerek
Ismeretalapú/szakértő
rendszerek
Numerikus információkat
dolgoznak fel.
Szimbolikus információkkal
dolgoznak.
Feladatleírás: procedurális
módon
Feladatleírás: deklaratív
módon.
Feladatmegoldás: ciklikus
feldolgozással
Feladatmegoldás:
következtetéssel
Egzakt (esetleg közelítő)
algoritmussal történő
feladatmegoldás
Elfogadható
következtetéssel,
heurisztikák alkalmazásával
történő feladatmegoldás.
Hagyományos rendszerek
Ismeretalapú/szakértő
rendszerek
A megoldáshoz szükséges
adatokat és algoritmusokat
viszonylag könnyű
megszerezni.
Az ismeretbázisba
beépítendő szakértői tudás
drága, megszerezni nehéz.
(az ismeretszerzés a
rendszerfejlesztés szűk
keresztmetszete)
Az adatok pontosak
(legalábbis a feldolgozást
jelentő módszerekhez
mérten, ld. pl. közelítő
számítások
A szaktudás jellemzője az,
hogy nem pontos: zajos,
nem-teljes (hiányos) és
gyakran ellentmondásos.
Hagyományos rendszerek
Ismeretalapú/szakértő
rendszerek
Nincs felhasználóbarát
magyarázatadás (csak
programtesztelő funkciók)
mert:
a feladat át van fogalmazva a
hagyományos nyelv
struktúráinak felhasználásával,
így a feladatmegoldás lépéseit
csak a feladatot és a nyelvet
ismerő fejlesztő érti meg
(„trace”, „backtrace”, „post
mortem dump”)
A rendszerrel generálhatók
felhasználóbarát
magyarázatok, indoklások,
mert:
a feladat leíró módon és a
felhasználó gondolatvilágához
hasonló szimbolikus
struktúrákban van ábrázolva,
ezért a felhasználó követni
tudja az ilyen jellegű elemi
lépésekben történő
feladatmegoldást.
Emberi szaktudás
Mulandó, ha nem
használjuk, elfelejtjük
Szakértő rendszer
ismeretbázisa
Állandó, tartós
Nehéz átadni, reprodukálni; Könnyű átvinni,
oktatással terjeszthető
reprodukálni
Nehéz dokumentálni
Könnyen dokumentálható
Nem mindig következetes, Mindig következetes, bár
gyakran labilis, emocionális érzéketlen
hatásokra érzékeny
Kreatív, innovatív
Ötlettelen, lélektelen
Emberi szaktudás
Szakértő rendszer
ismeretbázisa
A körülményekhez alkalmazkodik, Csak a beépített tudást
tanul (ismeretbővítés, képességhasznosítja, gépi tanulási
fejlesztés)
mechanizmusok igénye
A gondolkodási folyamatok
változatosak, nehezen
követhetőek
A következtetési módszerek
gazdagsága. Nehezen
definiálható, mikor melyik
célravezető
Dinamikusan, a helyzethez
alkalmazkodva több aspektusból
vizsgálja a problémákat
Szűk technikai látószögből, csak a
beépített aspektusokból képes a
problémákhoz közelíteni
Az embert hétköznapi józan esze
és hatalmas háttérinformáció
segíti
Az elemi hétköznapi ismeretek
hiánya gátolja széleskörű
alkalmazhatóságát
pótolja a szakértő hiányt
 jól követi a tárgyterület változásait
 növeli a szakértő képességét
 fokozza a szakértő produktivitását
 megőrzi a szakértelmet
 következetes megoldási módot alkalmaz
 részleges, hiányos, részben ellentmondásos
adatokkal is tud dolgozni
 magyarázatot ad, indokol

ismeretei egy adott szűk tárgyterületről
származnak
 nem oldható meg teljes biztonsággal a rendszer
verifikálása, validálása és hitelesítése
 válaszai nem mindig korrektek
 nincs hétköznapi józan esze, az elemi
ismereteket nehéz beépíteni
 az ismeretszerzés bonyolult folyamat
 a fejlesztés hosszú
 a rendszer futási paraméterei gyakran nem
kedvezőek




A területnek eléggé szűknek kell lennie
ahhoz, hogy a szükséges tudást jól meg
lehessen ismerni.
A problémának elég bonyolultnak kell lennie,
hogy a szakértelemre igény mutatkozzon.
Léteznie kell az illető területnek emberi
szakértőinek, akiknek a tudásából ki lehet
indulni

az emberi szakértők között a szakterület
alapkérdéseinek megítélésében nagyfokú
egyetértés legyen

az adott szakterületen számos tanpélda,
alapadat rendelkezésre álljon, mert csak így
lehet a szakértő rendszert megbízhatóan
tesztelni, tudásának korlátait meghatározni

Általában egy területen annál jobb szakértő
rendszert lehet építeni, minél jobban
feltördelhető az illető terület olyan
részproblémákra, amelyek csak kevéssé
interferálnak egymással
Munkamemória
Tudásbázis
Speciális
felületetek
Következtetőgép
Tudásszerzés
Magyarázat
Felhasználói felület
Tudásmérnök
Végfelhasználó
 ismeretbázis:
az adott problémakörre,
tárgykörre vonatkozó specifikus ismeretek
(tények,
objektumok,
kapcsolatok,
heurisztikák) szimbolikus leírását tartalmazza
valamely ismeretreprezentációs módszer
szerint szervezve.
Jellemzően megtalálhatók itt az adott tárgykör
szakértőjének
heurisztikáit
megfogalmazó
szabályok.
 következtető-gép:
az
adott
ismeretreprezentációs módokat kiszolgáló
megoldáskereső stratégia implementációja.
 magyarázó
alrendszer:
a
feladat
megoldása közben felhasználóbarát módon
tájékoztatja a felhasználót a megoldás
aktuális állapotáról és megindokolja a rendszer
javaslatát.
Típuskérdések: miért (aktuális szabály), hogyan
(eredményhez vezető út), mi lenne ha
(hipotetikus következtetés).

ismeretbázis
fejlesztő
alrendszer:
az
ismeretbázis
megépítéséhez,
teszteléséhez,
módosításához nyújt fejlesztői szolgáltatásokat.
Az ismeretszerzés a rendszerépítő tudásmérnök és a
tárgyterületi szakértő közötti, a szakértői
ismeretek megszerzését célzó együttműködés
mind a fejlesztési, mind az aktualizálási fázisokban,
amelynek célja:
 az adott feladatra vonatkozó ismeretek, valamint a
szakértői feladatmegoldás során alkalmazott
módszerek, szabályok, eljárások forrásainak
feltárása,
 a megszerzett ismeretek rendszerezése és
formalizálása,
 a feladathoz
illő ismeretreprezentáció és
következtetési stratégia kiválasztása.

részei: ismeretbázis fejlesztő eszközök, tesztesetek bázisa, ismeretszerzést támogató
eszközök
 felhasználói felület:
◦ végfelhasználó: a rendszerrel tanácsadó partnerként
konzultál. A magyarázó alrendszer által adott
indoklások figyelembevételével dönt a megoldási
javaslatokról
 felhasználói felület:
◦ tudásmérnök: a tárgyköri ismeretek megszerzésében,
az
ismeretek
formalizálásában
jártas
számítástechnikai szakember. Feladatai közé tartozik
az ismeretek elrendezése, a tudás analízise,
formalizálása, dokumentálása, a megfelelő fejlesztő
eszköz kiválasztása, a rendszer elkészítése
 felhasználói felület:
◦ tárgyköri
szakértő:
a
tudásmérnök
konzultánsa. Ő végzi a rendszer tesztelését.
szakmai
Munkamemória
Tudásbázis
Speciális
felületetek
Következtetőgép
Tudásszerzés
Magyarázat
Felhasználói felület
Tudásmérnök
Végfelhasználó
A rendszerépítő tudásmérnök és a
tárgyterületi szakértő közötti, a
szakértői ismeretek megszerzését
célzó együttműködés.
 Mind
a fejlesztési, mind az
aktualizálási fázisokban.

Tudás
Szakértő
Dokumentu
mok
Ismeretszerzés
Szoftver
Tudásmérnök
Szoftver eszközökkel
támogatva
pl: PCPACK
Tudás
könyvtár
 Az
adott
feladatra
vonatkozó
ismeretek, valamint a szakértői
feladatmegoldás során alkalmazott
módszerek, szabályok, eljárások
forrásainak feltárása.


A megszerzett ismeretek rendszerezése és
formalizálása.
A feladathoz illő ismeretreprezentáció és
következtetési stratégia kiválasztása.




a szakterület ontológiája: az alkalmazási területre
jellemző fogalmakat, kifejezéseket illetve a köztük
fennálló kapcsolatot írja le.
ismeretbázis: a logikai ismereteket tárolja a szakterület
ontológiájában előforduló fogalmakra.
problémamegoldó
módszerek:
a
vezérlési
szerkezeteket adják meg (osztályozás, hiba diagnosztika,
tervezés).
leképezés: a szakterület ontológiájában szereplő
fogalmakat, valamint az ismeretbázist összerendeli a
problémamegoldó módszerek igényeivel.
 tudásmérnök
 tárgyköri szakértő
 rendszerszervező
 tudásbázis adminisztrátor
 a megfelelő szakértő megtalálása
 több szakértő bevonása
(együttműködés)
 ütemezési kérdések
 felhasználók bekapcsolása a kezdeti
szakaszoktól

közvetlen (emberi segédlettel)
 direkt
▪ interjú
▪ protokoll elemzés
▪ közvetlen megfigyelés
▪ a fogalmak hierarchikus elrendezése
 indirekt
▪ a tudásmérnök pszichológiailag átgondolt
feladatok elé állítja a szakértőt abból a célból,
hogy a nem tudatosult tudására, annak
szerveződésére következtessen

automatikus
 adatbányászat
 adatbázisok elemzése
 ok-okozati összefüggések feltárása