Prezentace se nahrává, počkejte prosím

Prezentace se nahrává, počkejte prosím

Úvod do expertních systémů Expertní systém Definice ES (Feigenbaum): expertní systémy jsou počítačové programy, simulující rozhodovací činnost experta.

Podobné prezentace


Prezentace na téma: "Úvod do expertních systémů Expertní systém Definice ES (Feigenbaum): expertní systémy jsou počítačové programy, simulující rozhodovací činnost experta."— Transkript prezentace:

1

2 Úvod do expertních systémů

3 Expertní systém Definice ES (Feigenbaum): expertní systémy jsou počítačové programy, simulující rozhodovací činnost experta při řešení složitých úloh a využívající vhodně zakódovaných, explicitně vyjádřených znalostí, převzatých od experta, s cílem dosáhnout ve zvolené problémové oblasti kvality rozhodování na úrovni experta. Charakteristické rysy ES:  oddělení znalostí a mechanismu jejich využívání,  rozhodování za neurčitosti,  schopnost vysvětlování.

4 Expertní systémy a znalostní systémy Znalostní systém (knowledge-based system) je podle staršího pojetí obecnější pojem než expertní systém. Expertní systémy tedy lze chápat jako zvláštní typ znalostních systémů, který se vyznačuje používáním expertních znalostí a některými dalšími rysy, jako je např. vysvětlovací mechanismus. V poslední době dochází ke stírání rozdílů mezi těmito pojmy.

5 Základní složky ES  báze znalostí,  inferenční mechanismus,  I/O rozhraní (uživatelské, vývojové, vazby na jiné systémy),  vysvětlovací modul,  modul pro udržování znalostí.

6 Architektura ES Prázdný ES Uživatelské rozhraní Vysvětlovací modul Modul udržování znalostí Báze znalostí Uživatel Znalostní inženýr, expert DBS, programy, měřicí přístroje, … Inferenční mechanismus Rozhraní k jiným systémům

7 Báze znalostí a báze faktů Báze znalostí obsahuje znalosti z určitého oboru a specifické znalosti o řešení problémů v tomto oboru. Báze faktů se vytváří v průběhu řešení konkrétního problému a obsahuje data k řešenému problému. Prostředky reprezentace znalostí:  matematická logika,  pravidla (rules),  sémantické sítě (semantic nets),  rámce a scénáře (frames and scripts),  objekty (objects).

8 Inferenční mechanismus Inferenční mechanismus obsahuje obecné (oborově nezávislé) algoritmy schopné řešit problémy na základě manipulace se znalostmi z báze znalostí. Typický inferenční mechanismus je založen na  inferenčním pravidle pro odvozování nových poznatků z existujících znalostí,  strategii prohledávání báze znalostí.

9 Metody inference Dedukce – odvozování závěrů z předpokladů. Indukce – postup od specifického případu k obecnému. Heuristiky – pravidla „zdravého rozumu“ založená na zkušenostech. Generování a testování – metoda pokusů a omylů. Analogie – odvozování závěru na základě podobnosti s jinou situací. Defaultní inference – usuzování z obecných znalostí při absenci znalostí specifických. Nemonotonní inference – je možná korekce resp. ústup od dosavadních znalostí. Intuice – obtížně vysvětlitelný způsob usuzování, zatím nebyl v ES implementován.

10 Neurčitost v expertních systémech Neurčitost se může vyskytovat jednak v bázi znalostí a jednak v bázi faktů. Zdroje neurčitosti:  nepřesnost, nekompletnost, nekonzistence dat,  vágní pojmy,  nejisté znalosti. Prostředky pro zpracování neurčitosti:  Bayesovský přístup, Bayesovské sítě  fuzzy logika.

11 Typy ES: Problémově orientovaný ES: báze znalostí obsahuje znalosti z určitého oboru. Prázdný ES (shell): báze znalostí je prázdná. Diagnostický ES: jeho úkolem je určit, která z hypotéza z předem definované konečné množiny cílových hypotéz nejlépe koresponduje s daty týkajícími se daného konkrétního případu. Plánovací ES: obvykle řeší takové úlohy, kdy je znám cíl řešení a počáteční stav a je třeba s využitím dat o konkrétním řešeném případu nalézt posloupnost kroků, kterými lze cíle dosáhnout.

12 Tvorba ES Tvorba ES zahrnuje procesy:  získání a reprezentace znalostí,  návrh uživatelského rozhraní,  výběr hardwaru a softwaru,  implementace,  validace a verifikace. Vytvářením ES se zabývá znalostní inženýrství (knowledge engineering). V procesu tvorby ES představuje úzké místo akvizice znalostí (knowledge acqusition bottleneck). Toto úzké místo pomáhají překonat metody strojového učení (machine learning).

13 Nástroje pro tvorbu expertních systémů Prázdné expertní systémy: EXSYS, FLEX, G2, HUGIN, M4,... Speciální programová prostředí: CLIPS, OPS5, Lisp, Prolog,... Obecná programová prostředí: Pascal, Delphi, C, C++Builder,...

14 Aplikace ES Aby mělo smysl použít expertní systém pro řešení nějakého problému, musejí být splněny dvě podmínky: 1.Musí se jednat o problém složitý rozsahem nebo neurčitostí vztahů, pro nějž exaktní metoda řešení buď není k dispozici, nebo není schopna poskytnout řešení v požadované době. 2.Efekty plynoucí z použití expertního systému musejí převyšovat vynaložené náklady. To znamená, že by mělo jít o problém s opakovanou potřebou řešení a značnými finančními dopady, pro nějž lidští experti jsou drazí nebo omezeně dostupní.

15 Typické kategorie způsobů použití ES Konfigurace – sestavení vhodných komponent systému vhodným způsobem. Diagnostika – zjištění příčin nesprávného fungování systému na základě výsledků pozorování. Interpretace – vysvětlení pozorovaných dat. Monitorování – posouzení chování systému na základě porovnání pozorovaných dat s očekávanými. Plánování – stanovení posloupnosti činností pro dosažení požadovaného výsledku. Prognózování – předpovídání pravděpodobných důsledků zadaných situací. Ladění – sestavení předpisu pro odstranění poruch systému. Řízení – regulace procesů (může zahrnovat interpretaci, diagnostiku, monitorování, plánování, prognózování a ladění). Učení – inteligentní výuka při níž studenti mohou klást otázky např. typu proč, jak, co kdyby.

16 Výhody a nevýhody ES Výhody ES:  schopnost řešit složité problémy,  dostupnost expertíz a snížené náklady na jejich provedení,  trvalost a opakovatelnost expertízy,  trénovací nástroj pro začátečníky,  uchování znalostí odborníků odcházejících z organizace. Nevýhody ES:  nebezpečí selhání ve změněných podmínkách,  neschopnost poznat meze své použitelnosti.

17 Historie vývoje ES Poté, co při řešení praktických problémů selhaly obecné metody řešení, byla pochopena nutnost využívat specifické (expertní) znalosti z příslušné problémové domény. Etapy vývoje: počáteční fáze (Dendral) výzkumné prototypy (MYCIN, PROSPECTOR, HEARSAY II) experimentální nasazování 1981-komerčně dostupné systémy

18 1.generace ES Charakteristické rysy 1.generace ES:  jeden způsob reprezentace znalostí,  malé schopnosti vysvětlování,  znalosti pouze od expertů.

19 2.generace ES Charakteristické rysy 2.generace ES:  modulární a víceúrovňová báze znalostí,  hybridní reprezentace znalostí,  zlepšení vysvětlovacího mechanismu,  prostředky pro automatizované získávání znalostí. V rámci 2.generace ES se také objevují hybridní systémy, v nichž se klasické paradigma expertních systémů kombinuje s dalšími přístupy, jako jsou neuronové sítě a evoluční metody.

20 VŠB - TU Ostrava, Rozdělení expertních systémů dle úrovně jejich využívání  poradce - pomůcka experta na potvrzení či zpochybnění svých profesionálních názorů. Má hlavně kontrolní funkci  rovnocenný partner - ES navrhuje řešení, konečné rozhodnutí však dělá uživatel  expert - pracuje úplně autonomně na úkolech, které uživatel není schopen sám vyřešit. Systém má konečné slovo v rozhodování a svá rozhodnutí často také ihned provádí. Uživatel obvykle není ani schopen kontrolovat správnost těchto rozhodnutí.

21 VŠB - TU Ostrava, Produkční (pravidlové) systémy Poskytují vhodnou strukturu na opis a provádění procesu prohledávání. Tři základní složky produkčních systémů:  báze dat (reprezentace faktů)  báze (produkčních) pravidel  inferenční mechanizmus (interpreter)

22 VŠB - TU Ostrava, Produkční pravidlo předpokladydůsledek (akce) důsledková (akční) část předpokladová část

23 VŠB - TU Ostrava, Inferenční mechanizmus Inferenční mechanizmus určuje, jak a v jakém pořadí aplikovat pravidla na bázi dat. Principiálně lze rozlišit:  přímé (dopřední) řetězení, kdy při aplikaci produkčních pravidel postupujeme ve směru od počátečního stavu k některému ze stavů cílových (strategie řízená daty)  zpětné řetězení, kdy se vychází od cíle ve směru počátečních stavů (strategie řízená cílem)

24 VŠB - TU Ostrava, Příklad a)A (Je zamračeno.) & B (Je podzim.)  E (Bude pršet.) b)C (Zmoknu.) & D (Jsem mimo domova.)  G (Dostanu chřipku.) c)E (Bude pršet.)  H (Nateče mi do bot.) d)B (Je podzim.) & G (Dostanu chřipku.)  I (Dostanu zápal plic.) e)E (Bude pršet.) & H (Nateče mi do bot.)  C (Zmoknu.) f)G (Dostanu chřipku.) & E (Bude pršet.)  F (Budu dlouho nemocná/ý.) g)I (Dostanu zápal plic.) & K (Nebudu se léčit.)  F (Budu dlouho nemocná/ý.) Báze dat ať obsahuje data B, D a E, cílový údaj ať je symbol G.

25 VŠB - TU Ostrava, Přímé řeťezení Báze dat: B (Je podzim) D (Jsem mimo domova) E (Bude pršet) Cíl: G (Dostanu chřipku) Řešení: c) E (Bude pršet)  H (Nateče mi do bot) e) E (Bude pršet) & H (Nateče mi do bot)  C(Zmoknu) b) C (Zmoknu) & D (Jsem mimo domova)  G (Dostanu chřipku)

26 VŠB - TU Ostrava, Zpětné řeťezení Báze dat: B (Je podzim) D (Jsem mimo domova) E (Bude pršet) Cíl: G (Dostanu chřipku) Řešení: c) E (Bude pršet)  H (Nateče mi do bot) e) E (Bude pršet) & H (Nateče mi do bot)  C(Zmoknu) b) C (Zmoknu) & D (Jsem mimo domova)  G (Dostanu chřipku)


Stáhnout ppt "Úvod do expertních systémů Expertní systém Definice ES (Feigenbaum): expertní systémy jsou počítačové programy, simulující rozhodovací činnost experta."

Podobné prezentace


Reklamy Google