1. Wyjaśnij pojęcia:

• Rozpoznawanie (identyfikacja) – polega na sformułowaniu problemu tj. ustaleniu dziedziny wiedzy, jej zakresu, wielkości słownika, itp.

• Wnioskowanie - proces umożliwiający na podstawie prawdziwości pewnych zdań zwanych przesłankami, stwierdzenie prawdziwości innego zdania zwanego wnioskiem

• Sztuczna inteligencja - zdolność do rozwiązywania problemów sposobami wzorowanymi na naturalnych działaniach i procesach poznawczych człowieka za pomocą symulujących je programów komputerowych

• Reprezentacja wiedzy - sposób organizacji wiedzy w bazie wiedzy, symboliczny sposób zapisu otaczającego nas świata

• Pozyskiwanie wiedzy - pozyskiwanie informacji symbolicznej połączone z nabyciem umiejętności efektywnego wykorzystania wiedzy

Manualne: źródło wiedzy → inżynier wiedzy → baza wiedzy

Półautomatyczne: źródło wiedzy → narzędzia do przetwarzania wiedzy → baza wiedzy

Automatyczne: ┌→ baza wiedzy → narzędzia generowania nowej wiedzy → ┐

• Inżynier wiedzy (projektant SE) - osoba która zajmuje się przeniesieniem wiedzy eksperta do zapisu formalnego. Stanowi ogniwo pośrednie między SE a ekspertem. Ma możliwość zakodowania wiedzy w SE.

• System ekspercki - jest to inteligentny program komputerowy wykorzystujący procedury wnioskowania do rozwiązywania tych problemów, które są na tyle trudne, że normalnie wymagają znaczącej ekspertyzy specjalistów.

• Wiedza to zbiór cech intelektu człowieka – w pierwszej kolejności zbiór dostępnych informacji, faktów. Do wiedzy zaliczymy również zdolność wnioskowania, modyfikowania wcześniej poznanych informacji i pojęć, odnajdowanie analogii czy zdrowy rozsądek lub II def. Informacje potrzebne do tego , aby działanie systemu można było uznać za inteligentne

 2. Wymień i omów elementy SE

Na system ekspercki składają się trzy zasadnicze elementy:

• Baza wiedzy (knowledge base);

• Maszyna wnioskująca (inferencje engine)

• Interfejs komunikacji z użytkownikiem (user’s interface)

Dodatkowo w skład systemu mogą wchodzić:

• Moduł pozyskiwania wiedzy

• Edytor używany przez eksperta i inżyniera wiedzy

• Moduł objaśniający

Baza wiedzy zawiera informacje z określonej dziedziny wiedzy. Wiedzę systemu eksperckiego można podzielić na dwie części:

• faktograficzną – odnosi się do stwierdzeń o otaczającej nas rzeczywistości (np. wyniki badań pacjenta)

• proceduralną – wskazuje na związki między faktami (np. powiązanie miedzy wynikami badań a chorobami)

Inne informacje zawarte w bazie wiedzy:

• słownik pojęć – jest to słownik, którym operuje system ekspercki w czasie pozyskiwania wiedzy od użytkownika lub w czasie wyjaśniania mu prezentowanych rozwiązań

• metawiedza systemu - ogólne zależności, określające sposób podejmowania decyzji niezależnie od dziedziny wiedzy, którą zajmuje się system ekspercki

Maszyna wnioskująca zawiera procedury umożliwiające operowanie na wiedzy systemu w celu wyciągania wniosków (poszukiwania rozwiązań). Działa w oparciu o wybraną metodę wnioskowania. Operuje bezpośrednio na bazie danych i może w trakcie działania zmieniać jej zawartość poprzez wprowadzanie do niej nowych faktów. Wszystkie stosowane metody wnioskowania mają na celu znalezienie jakiejś drogi (najczęściej najkrótszej) prowadzącej do któregoś z możliwych rozwiązań lub do rozwiązania najlepszego pod jakimś względem.

Interfejs komunikacji z użytkownikiem umożliwia wprowadzanie do systemu informacji będących opisem analizowanego problemu oraz zapoznanie się z pośrednimi i końcowymi wynikami działania systemu. Stanowi narzędzie pozyskiwania wiedzy od użytkowników. Aby możliwy był rozwój systemu musi być do niego dostarczana nowa wiedza, a równocześnie istniejąca powinna być modyfikowana i ulepszana. Zapewniają to moduły dla użytkownika i dla eksperta.
Sposoby organizacji komunikacji użytkownik - komputer:

• inicjatywę przy poszukiwaniu rozwiązania ma system

• inicjatywę przy poszukiwaniu rozwiązania ma użytkownik

Moduł pozyskiwania wiedzy odpowiada za pozyskiwanie nowej wiedzy jak i modyfikację i ulepszanie istniejącej.
Moduł objaśniający przedstawia całą drogę wnioskowania aby przekonać użytkownika o poprawności rozwiązań proponowanych przez system.

Struktura bazy wiedzy – jest bezposrednia konsekwencja metody reprezentacji wiedzy. Składa się z: Baza opisów: ogólne informacje z zakresu rozpatrywanej dziedziny przechowywane w mało sformalizowanej postaci;
Baza danych: może być częścią bazy wiedzy. Dane są przechowywane w postaci relacji i przetwarzane zgodnie z przyjętymi zasadami;
Baza reguł: zasadnicza część bazy wiedzy. Zawiera opis wiedzy zgodnie z przyjętą metodą reprezentacji (w postaci reguł). Mechanizm wnioskowanie operuje własnie na tej części bazy wiedzy, pozostałe stanowią jedynie uzupełnienie;
Baza faktów: fakty zbierane są przed rozpoczęciem procesu wnioskowania, stanowią punkt wyjściowy do przeprowadzenia procesu wnioskowania;
Baza modeli: zawiera opis tej części wiedzy, która jest dokładnie zdefiniowana (np. modele obliczeniowe zjawisk fizycznych). Wykorzystanie modeli polega na podaniu części parametrów w celu uzyskania wartości pozostałych;
Baza zależności ogólnych: zawiera informacje na temat sposobów posługiwania się wiedzą zgromadzoną w systemie. Jest to tzw metawiedza. Jedynie w dużych systemach wydziela się specjalne miejsce do przechowywania meta wiedzy;
Baza słowników: zawiera określenia i sformułowania specjalistyczne z rozpatrywanej dziedziny wiedzy, w celu ułatwienia komunikacji z użytkownikiem.

 3. Wymień znane Tobie:

• metody reprezentacji wiedzy:

  • reguły (rules) wykorzystuje formalne zapisy i twierdzenia logiki. Jeżeli FAKT1 i …i FAKTi TO KONKLUZJA. Służy także do reprezentacji metawiedzy.

  • sieci semantyczne (semantic networks) opisuje rozpatrywany problem za pomocą obiektów i relacji zachodzących między nimi. Oznaczamy symbolem S= < G, {ζ_i }, {ψ_i }>. G-dowolny graf, {ζ_i } zbiór funkcji na wierzchołkach, {ψ_i } zbiór funkcji na gałęziach. . Wykorzystuje się je do zapisania w zwięzłej formie wielu stwierdzeń. Wadą sieci jest trudność modyfikacji o nową wiedzę

  • trójki: <obiekt, atrybut, wartość> (triplets) jest analogia do sieci semantycznych.

  • ramy (frazes) – najbardziej złożona reprezentacja wiedzy. Umożliwiają wierne odwzorowanie rozpatrywanej dziedziny. Rama składa się ze szczelin, w których zapisywane są informacje. Pojedyncza rama może stanowić opis obiektu lub pojęcia. W szczelinach mogą być przechowywane dane, zbiory wartości, wskaźniki na inne ramy, reguły postępowania, reguły, procedury postępowania. Pojęcie nazywamy wzorcem lub prototypem, obiekt egzemplarzem.

• metody wnioskowania:

  • wnioskowanie wstępujące ( w przód – CLIPS) odpowiada naturalnemu podążaniu od przesłanek do konkluzji,

  • wnioskowanie zstępujące (wstecz) (wstecz – PROLOG) mając konkluzję staramy się znaleźć przesłanki ją potwierdzające,

  • mieszana

• rodzaje systemów eksperckich:

  • ze względu na dziedzinę zastosowań:

    • instruktażowe

    • interpretujące

    • testujące

    • diagnostyczne

    • naprawcze

    • planistyczne

    • prognostyczne

    • projektujące

    • kontrolne

  • ze względu na metodę reprezentacji wiedzy:

    • regałowe

    • ramowe

    • wykorzystujące sieci semantyczne

  • ze względu na technologię projektowania:

    • dedykowanie

    • szkieletowe

  • ze względu na wielkość bazy wiedzy:

    • małe (kilkaset reguł)

    • średnie (kilka tys. reguł)

    • duże (powyżej 10tys. reguł)

 4. Podaj angielskie odpowiedniki

• sztuczna inteligencja – artificial intelligence

• SE – expert systems

• wnioskowanie – conclusion, inferencje, reasoning

• wiedza – knowledge

• maszyna wnioskująca – inference engine

• baza wiedzy – knowledge base

Funkcje Systemu Eksperckiego:
- Diagnostyka
- kontrola przebiegu procesów
- Doradztwo
- Działania instruktażowe
- prognostyka
-planowanie

Do czego służy System Ekspercki- Do naśladowania rozumowania eksperta w procesie rozwiązywania problemów z określonej dziedziny wiedzy.

Dodatkowo:
Reprezentowanie niepewności wiedzy: niepewność może dotyczyć zarówno faktów jak i konkluzji.
Teoria Bayesa – prawdopodobieństwa bayesowskie przypisywane są wszystkim hipotezom i mogą być modyfikowane w trakcie pracy systemu na podstawie nowych danych
CF – współczynnik pewności – wartości mogą być zmienne w trakcie pracy systemu. Mogą być przypisywane faktom lub konkluzjom. Podane wartości współczynników traktowane są jako progowe. Są podstawą do aktywowanie reguł (po przekroczeniu przez nie progów)
Rozumowanie rozmyte – podstawą jest koncepcja zbiorów rozmytych. Istotą tej koncepcji jest zastąpienie klasycznej funkcji dwuwartościowej f(x) = 1 gdy x należy do A i 0 w pp. Funkcją rozmyta f: A -> <0,1> co odpowiada otaczającej nas rzeczywistości, gdyż w praktyce określenia często są niejednoznaczne.

Klasyfikacja metod pozyskiwania wiedzy:
Ze względu na stopień zaangażowania oprogramowania w pozyskiwanie i kreowania wiedzy, metody jej pozyskiwania można podzielić na:

• manualne – przydatne na ogół na etapie projektowania i przygotowania prototypu; [ źródło wiedzy -> inż.wiedzy -> baza wiedzy]

• półautomatyczne – system ma za zadanie weryfikować i porządkować wiedzę pozyskaną od użytkownika; półautomatyczne pozyskiwanie wiedzy kojarzone jest zazwyczaj z tzw. maszynowym uczeniem – polega ono na pozyskiwaniu wiedzy w trakcie dialogu z ekspertem lub użytkownikiem; rodzaje uczenia: a) przez zapamiętywanie, b) na podstawie instrukcji, c) na przykładach, d) przez analogie; [źródło wiedzy -> narzędzia do przetwarzania wiedzy -> baza wiedzy]

• automatyczne – nie jest niezbędny udział eksperta, procedury pozyskiwania wiedzy mogą działać automatycznie, analizując wiedzę zgromadzoną w bazie wiedzy; [ |-> baza wiedzy -> narzędzia generowania wiedzy ->| ]
  Wybrane metody pozyskiwania wiedzy:

a) MANUALNE
- wywiad – rozmowa inż. z ekspertem
- analiza protokołów – inż. zapoznaje się z protokołami sporządzonymi przez ekspertów w czasie rozwiązywania problemów
- „przerobienie” problemu – ekspert bierze bezpośredni udział w rozwiązywaniu problemu, kieruje inżynierem
- kwestionariusze – eksperci udzielają odpowiedzi na postawione w nich pytania
- stanowi opis danych i reguł niezbędnych do rozwiązania zadania
- burza mózgów – zgromadzenie w jednym miejscu i czasie dużej liczby ekspertów i danie im możliwości swobodnej wymiany poglądów
b) PÓŁAUTOMATYCZNE
- uczenie przez zapamiętywanie – polega na bezpośrednim wprowadzaniu wiedzy do s.e. zgodnie z wcześniej przyjętą strukturą wiedzy
- na podstawie instrukcji – selekcja i przetworzenie wiedzy wprowadzanej przez eksperta lub inż. do postaci wewnętrznej
- na przykładach – rozwiązywanie przez eksperta różnych szczególnych przypadków z wykorzystaniem s.e.; kolejne rozwiązania służą do uzupełniania wiedzy systemu
- przez analogię – wskazywanie przez eksperta analogii w rozwiązywanym zagadnieniu do wcześniej rozwiązanych problemów (niekiedy może odbywać się bez nadzoru eksperta – wtedy jest to metoda automatyczna)
c) AUTOMATYCZNE
- indukcja i dedukcja