W2: WPROWADZENIE DO SZTUCZNEJ INTELIGENCJI

I SYSTEMÓW EKSPERTOWYCH

1. Ewolucja zastosowań komputerowych

1.1. Współczesne metody przetwarzania

SIZ (MIS) - przechowywanie danych , dostęp do danych, generowanie raportów ==> SBD

SWD (DSS) - przechowywanie modeli danych i modeli rozwiązań,

generowanie propozycji decyzji ==> SBD + MODELE

SE (ES) - przechowywanie danych i wiedzy, wnioskowanie z

objaśnianiem, generowanie ekspertyz ==> SBW

1.2. Właściwości systemów inteligentnych:

- zachowywanie się logiczne ("świadome")

- zdolność rozwiązywania problemów

- umiejętność dostosowywania się do różnych warunków,

uczenie się

- zdolność komunikowania się i wyjaśniania

Typy systemów informatycznych występujących w przedsiębiorstwie

Typ systemu Przygotowanie decyzji Wspomaganie decyzji

Stopień ewidencyjno- wyszuki- informo- optymali-

złożonosci sprawoz- wania wania zujące i ekspertowy

systemu dawczy informa- kierow- stymulu-

(atrybuty) cji nictwa jące

decyzje

tradycyjny

konwersacyjny

z bazą danych

z bazą danych

i bazą modeli

z bazą danych,

modeli oraz

bazą wiedzy

- w danym typie systemu jest zawarty określony atrybut

Typy systemów wspomagania decyzji

Pod pojęciem systemu wspomagania decyzji (SWD) rozumie się, że system komputerowy jest udostępniany decydentowi w taki sposób, aby mógł on wykorzystywać dane i modele do rozpoznawania, zrozumienia i formułowania problemu, a porady analityczne - do oceny wariantów rozwiązań i podjęcia decyzji

2. Sztuczna inteligencja i jej zastosowania

SZTUCZNA INTELIGENCJA (SI) - jest to automatyzacja niektórych intelektualnych działań człowieka, w zakresie wnioskowania, kojarzenia faktów i wyboru informacji, przy użyciu komputera

SZTUCZNA INTELIGENCJA (SI) - dyscyplina, zajmująca się badaniem właściwości myślenia z wykorzystaniem modeli komputerowych

Subdyscypliny SI:

* robotyka

* synteza mowy

* rozpoznawanie obrazów i wizja komputerowa

* przetwarzanie języka naturalnego

* sieci neuronowe

* reprezentowanie wiedzy

* automatyczne wnioskowanie i dowodzenie twierdzeń

* automatyczne uczenie się

* systemy baz wiedzy (SBW) i systemy ekspertowe (SE)

* rozwiązywanie problemów, metody sterowania i wyszukiwania

* programowanie automatyczne

3. System ekspertowy i jego funkcjonowanie

System ekspertowy (SE) jest to system informatyczny wykorzystujący zapisaną wiedzę eksperta do rozwiązywania zadań, które normalnie wymagają ludzkiej inteligencji. SE symuluje działanie eksperta w sposobie użytkowania - poprzez analizę odpowiedzi użytkownika na pytania kierowane do niego przez system

SE - program komputerowy, który wykorzystując dostępną wiedzę oraz odpowiednie metody wnioskowania:

- rozwiązuje problemy wymagajace udziału eksperta

- uzasadnia rozwiązanie problemu

* Podstawowe typy zastosowań SE:

- wnioskowanie proceduralne

- monitorowanie

- diagnozowanie

- konfigurowanie

- harmonogramowanie

* Korzyści zastosowań SE:

- zwiększanie dostępności ekspertyz

- redukcja kosztów ekspertyz

- objaśnianie odpowiedzi

- odporność na warunki ( psychiczna, szkodliwe środowisko)

* Narzędzia do tworzenia SE:

- języki programowania

- szkieletowe SE

4. Wiedza i jej reprezentowanie

* Pojęcie wiedzy

Wiedza - ogół umiejętności ludzkich, zasób wiadomości z jakiejś

dziedziny

Wiedza = struktury danych + procedury interpretacyjne

Jakie elementy wiedzy są niezbędne , aby zachowywać się mądrze:

- obiekty; klasy, kategorie i opisy

- zdarzenia; akcje, związki przyczynowo-skutkowe

- zasady działania

- meta-wiedza

*Typy wiedzy:

- opisowa

- proceduralna

- intrepretacyjna

- asymilacyjna

* Rodzaje wiedzy:

- czas (dynamiczna, statyczna)

- związki między stanami (faktograficzna, przyczynowa)

- struktura (obiekty, fakty, zasady ...)

- kompletność (pełna , niepełna)

- wiarygodność (pewna, niepewna)

* Elementy techniki reprezentowania wiedzy (RW)

- język RW

- formalizm RW (język RW + reguły transformacji)

- system RW (formalizm RW + mechanizmy sterowania)

* Metoda reprezentowania wiedzy (MRW) - klasa systemów RW charakteryzujaca się:

- kategoriami opisu

- formalizmami RW

- metodami wnioskowania

* Podział MRW:

- logika formalna

- deklaratywne ==> sieci semantyczne

- proceduralne ==> reguły (systemy produkcji)

- proceduralno-deklaratywne ==> obiektowe (ramy)

Sieci semantyczne (SS) - opracowane przez C. Quilliana jako formalizm wyrażający zobiektywizowane znaczenie słów. Sieć semantyczna - graf skierowany z etykietowanymi łukami i węzłami, w których symbole etykietujące są nośnikami znaczenia. Kategorie stosowane w SS: obiekt, atrybut, związek

Reguły - wiedza wyrażona za pośrednictwem zdań:

Jeżeli (warunek) To (akcja)

Kategorie stosowane przy opisie wiedzy: reguła, przesłanka, konkluzja, zmienna. Warunki i akcje mogą wykorzystywać rachunek zdań, rachunek predykatów czy wnioskowanie probabilistyczne

Ramy (Minsky) - element wiedzy obejmujący informacje deklaratywne i proceduralne, w zdefiniowanych wewnętrznie relacjach. Kategorie używane przy opisie wiedzy: obiekt, klasa, slot (atrybut) , metoda.

5. Wnioskowanie

5.1. Wnioskowanie do przodu

(„data driven”, bottom-up reasoning)

* polega na szukaniu konsekwencji logicznych

ustalonych faktów

* zadania:

- projektowanie (konstruowanie)

- harmonogramowanie

- monitorowanie

5.2. Wnioskowanie do tyłu

(data driven, event-driven, bottom-up reasoning)

* polega na szukaniu faktów, które potwierdzają hipotezę

* zadania:

- klasyfikowanie

- diagnozowanie

ZARYS PROCESU TWORZENIA

SYSTEMU Z BAZĄ WIEDZY

1. Etapy tworzenia SBW

Uczestnicy:

• ekspert dziedzinowy

• inżynier wiedzy

• użytkownik

Środki:

• metodyki i techniki

• narzędzia wspomagające (sprzęt, oprogramowanie)

Identyfikacja problemu - określenie podstawowego celu i zadania tworzonego SBW

Klasy zadań:

• stopień złożoności (proste - złożone)

• definiowalność (dobrze - słabo zdefiniowane)

• typ transformacji (proceduralne, monitorujące, klasyfikacyjne, diagnostyczne, konfigurująco-projektujące, planująco-harmonogramujące)

Źródła wiedzy:

• ekspert dziedzinowy

• piśmiennictwo

• istniejące oprogramowanie

• Problem powinien:

• być precyzyjnie zdefiniowany

• dotyczyć relatywnie wąskiej specjalności

• być rozwiązywany w sposób niealgorytmiczny wykorzystując operacje symboliczne

Akwizycja wiedzy - proces transformacji wiedzy (uzyskanej od eksperta lub innych źródeł) dotyczącej zdefiniowanego problemu i metod jego rozwiązań do bazy wiedzy

Podetapy akwizycji wiedzy:

• rozpoznanie dziedziny ==> sprecyzowanie zadania

• nabywanie wiedzy ==> literatura, protokoły

• modelowanie wiedzy ==> model wiedzy

Problemy akwizycji wiedzy

• paradoks ekspertyzy

• trudność uogólniania rozwiązań

• ignorowanie kontekstu

• aspekt psychologiczny

Rozpoznanie dziedziny - polega na analizie dostępnej wiedzy w kontekście zidentyfikowanego problemu; dotyczy:

• rozważenia przydatności „sztucznej inteligencji” w rozwiązaniu problemu (rodzaje i źródła wiedzy, metody jej reprezentacji, rodzaje wnioskowania itp.)

• określenia sensowności budowy systemu (dostępność źródeł wiedzy, zapotrzebowanie, efekty ekonomiczne itp.)

• uświadomienia ograniczoności SBW

Nabywanie wiedzy - proces polegający na wydobywaniu wiedzy od eksperta

Podstawowe cele nabywania wiedzy

• dekompozycja problemu na podproblemy

• wyodrębnienie obiektów, atrybutów, zależności między wielkościami

• określenie sposobu rozwiązywania problemu

Modelowanie wiedzy - proces opracowywania jawnego modelu wiedzy niezależnego od formalizmu reprezentacji

Model wiedzy powinien uwzględniać:

• reprezentację dziedzinowej wiedzy faktograficznej

• reprezentacje wiedzy o związkach inferencyjnych

• reprezentację wiedzy o strategiach rozwiązywania

Metody modelowania wiedzy dziedzinowej:

• drzewa (sieci semantyczne) - dla reprezentacji hierarchii obiektów

• grafy - dla reprezentacji powiązań przestrzennych, czasowych i przyczynowych między wyodrębnionymi obiektami

Metody modelowania wiedzy o związkach

inferencyjnych:

• tablice decyzyjne - dla reprezentacji związków inferencyjnych pomiędzy wartościami stałego zbioru zmiennych a wartościami zmiennej konkluzji

• drzewa decyzyjne - klasyczne metoda reprezentująca kolejność decyzji w procesie rozwiązywania problemu

• sieci inferencyjne - pokazujące sposób wnioskowania eksperta od danych wejściowych do końcowych konkluzji

Metody modelowania wiedzy o strategiach:

• diagramy przepływu - prezentujące kolejne zadania prowadzące do rozwiązania problemu

• drzewa dekompozycji - umożliwiające podział zadania na podzadania

Budowa systemu z bazą wiedzy

1. Identyfikacja problemu

Cel: wspomaganie firmy konsultingowej w zakresie doradztwa finansowego dla indywidualnych klientów

Funkcje:

• rejestracja informacji o kliencie

• klasyfikacja klienta (ze względu na udzieloną poradę)

Klasa zadania:

• proste

• dobrze zdefiniowane

• problem klasyfikacyjny

Wejście:

• dane ogólne

• dane o stanie finansów klienta

Wyjście (ekspertyza):

• propozycja sposobu zagospodarowania pieniędzy klienta

2. Akwizycja wiedzy

2.1. Rozpoznanie dziedziny

Źródła wiedzy:

- ekspert dziedzinowy

- poradniki „ciułacza”

Reprezentacja wiedzy:

- obiekty

- reguły

Wnioskowanie:

- do przodu

Zasadność budowy:

- istnieje zapotrzebowanie

- system będzie przyspieszał obsługę klientów oraz podawał uzasadnienie udzielonej porady

2.2. Nabywanie wiedzy

Metody:

- dialog z ekspertem wraz z rejestracją analizy

przebiegu ekspertyzy; opracowanie

drzewa decyzyjnego i diagramu zależności

- weryfikacja zgromadzonej wiedzy przez

niezależnego eksperta

Przykładowe pytania zadawane ekspertowi:

- Na podstawie jakich wielkości doradzasz

klientowi lokowanie gotówki na % ?

- Jak możesz ustalić pozycję finansową klienta?

- Jakie rodzaje ekspertyz zazwyczaj wykonujesz?

- Od czego zależy stan dochodów klienta?

Drzewo decyzyjne porady finansowej

Diagram zależności

Klient

Wniosek Lokata Akcje Podział

Kowalski Nowak

Wiedza dziedzinowa - reprezentacja obiektowa

Wewnętrzna reprezentacja klasy obiektów klient:

Sloty:

• Nazwisko

• Imię

• Nr dowodu osobistego

• Dochód (roczny w zł)

• Oszczędności (stan w zł)

• Zatrudnienie (Boolean)

• Na utrzymaniu (liczba osób)

• Stan dochodów

• Stan oszczędności

* Przykłady zastosowań SE

- DENDRAL - interpretacja widma masowego molekuły

- PROSPEKTOR - poszukiwanie złóż minerałów

- MYCIN - diagnozowanie i terapia chorób infekcyjnych

- R1/XCON - konfigurowanie systemów komputerowych VAX

- ISIS - harmonogramowanie planu produkcji

- IMS - automatyzacja obsługi problemów zarządzania

Praca pochodzi z serwisu www.e-sciagi.pl

Mechanizm

wnioskujący

Baza

wiedzy

Automatyczne biuro

Systemy przetwarzania transakcyjnego

Systemy informatyczne zarządzania

Systemy wspomagania decyzji

Systemy wspomagania zarządzania szczebla strategicznego

IDENTYFIKACJA

PROBLEMU

REPREZENTOWANIE

WIEDZY

AKWIZYCJA

WIEDZY

IMPLEMENTOWANIE

SYSTEMU Z BAZĄ WIEDZY

Baza wiedzy

Wiedza sformalizowana

Wiedza nabyta przez inżyniera wiedzy

Wiedza wyartykułowana przez eksperta

Wiedza eksperta

* wiedza dziedzinowa

* doświadczenie i praktyka

* literatura fachowa

* wiedza o metodach inżynierii wiedzy

* doświadczenia i praktyka

* analiza rozwiązań podobnych problemów

Ekspert

Inżynier wiedzy

Baza wiedzy

Porada

finansowa

Stan oszczędności

Liczba osób na utrzymaniu

Stan dochodów

Wielkość oszczędności

Stałe zatrudnienie

Wielkość

dochodów

Porada

finansowa

• lokata w banku

• kup akcje

• podziel na akcje i lokatę

Zbiór reguł 1

Liczba osób na utrzymaniu < max

(tak, nie)

Stan

oszczędności

(dobry, zły)

Stan

dochodów

(dobry, zły)

Zbiór reguł 2

Zbiór reguł 3

Wielkość oszczędności >min

(tak, nie)

Stałe zatrudnienie

(tak, nie)

Wielkość dochodów > min

(tak, nie)

---