1
Úvod do expertních systému
2
Expertní systém

• Definice ES (Feigenbaum) expertní systémy jsou
  pocítacové programy, simulující rozhodovací
  cinnost experta pri rešení složitých úloh a
  využívající vhodne zakódovaných, explicitne
  vyjádrených znalostí, prevzatých od experta, s
  cílem dosáhnout ve zvolené problémové oblasti
  kvality rozhodování na úrovni experta.
• Charakteristické rysy ES
• oddelení znalostí a mechanismu jejich využívání,
• rozhodování za neurcitosti,
• schopnost vysvetlování.

3
Expertní systémy a znalostní systémy

• Znalostní systém (knowledge-based system) je
  podle staršího pojetí obecnejší pojem než
  expertní systém. Expertní systémy tedy lze chápat
  jako zvláštní typ znalostních systému, který se
  vyznacuje používáním expertních znalostí a
  nekterými dalšími rysy, jako je napr.
  vysvetlovací mechanismus.
• V poslední dobe dochází ke stírání rozdílu mezi
  temito pojmy.

4
Základní složky ES

• báze znalostí,
• inferencní mechanismus,
• I/O rozhraní (uživatelské, vývojové, vazby na
  jiné systémy),
• vysvetlovací modul,
• modul pro udržování znalostí.

5
Architektura ES
Báze znalostí
Znalostní inženýr, expert
Prázdný ES
Vysvetlovací modul
Modul udržování znalostí
Inferencní mechanismus
Uživatelské rozhraní
Rozhraní k jiným systémum
DBS, programy, mericí prístroje,
Uživatel
6
Báze znalostí a báze faktu

• Báze znalostí obsahuje znalosti z urcitého oboru
  a specifické znalosti o rešení problému v tomto
  oboru.
• Báze faktu se vytvárí v prubehu rešení
  konkrétního problému a obsahuje data k rešenému
  problému.
• Prostredky reprezentace znalostí
• matematická logika,
• pravidla (rules),
• sémantické síte (semantic nets),
• rámce a scénáre (frames and scripts),
• objekty (objects).

7
Inferencní mechanismus

• Inferencní mechanismus obsahuje obecné (oborove
  nezávislé) algoritmy schopné rešit problémy na
  základe manipulace se znalostmi z báze znalostí.
• Typický inferencní mechanismus je založen na
• inferencním pravidle pro odvozování nových
  poznatku z existujících znalostí,
• strategii prohledávání báze znalostí.

8
Metody inference

• Dedukce odvozování záveru z predpokladu.
• Indukce postup od specifického prípadu
  k obecnému.
• Heuristiky pravidla zdravého rozumu založená
  na zkušenostech.
• Generování a testování metoda pokusu a omylu.
• Analogie odvozování záveru na základe
  podobnosti s jinou situací.
• Defaultní inference usuzování z obecných
  znalostí pri absenci znalostí specifických.
• Nemonotonní inference je možná korekce resp.
  ústup od dosavadních znalostí.
• Intuice obtížne vysvetlitelný zpusob usuzování,
  zatím nebyl v ES implementován.

9
Neurcitost v expertních systémech

• Neurcitost se muže vyskytovat jednak v bázi
  znalostí a jednak v bázi faktu.
• Zdroje neurcitosti
• nepresnost, nekompletnost, nekonzistence dat,
• vágní pojmy,
• nejisté znalosti.
• Prostredky pro zpracování neurcitosti
• Bayesovský prístup, Bayesovské síte
• fuzzy logika.

10
Typy ES

• Problémove orientovaný ES báze znalostí obsahuje
  znalosti z urcitého oboru.
• Prázdný ES (shell) báze znalostí je prázdná.
• Diagnostický ES jeho úkolem je urcit, která
  z hypotéza z predem definované konecné množiny
  cílových hypotéz nejlépe koresponduje s daty
  týkajícími se daného konkrétního prípadu.
• Plánovací ES obvykle reší takové úlohy, kdy je
  znám cíl rešení a pocátecní stav a je treba
  s využitím dat o konkrétním rešeném prípadu
  nalézt posloupnost kroku, kterými lze cíle
  dosáhnout.

11
Tvorba ES

• Tvorba ES zahrnuje procesy
• získání a reprezentace znalostí,
• návrh uživatelského rozhraní,
• výber hardwaru a softwaru,
• implementace,
• validace a verifikace.
• Vytvárením ES se zabývá znalostní inženýrství
  (knowledge engineering). V procesu tvorby ES
  predstavuje úzké místo akvizice znalostí
  (knowledge acqusition bottleneck). Toto úzké
  místo pomáhají prekonat metody strojového ucení
  (machine learning).

12
Nástroje pro tvorbu expertních systému

• Prázdné expertní systémy
• EXSYS, FLEX, G2, HUGIN, M4, ...
• Speciální programová prostredí
• CLIPS, OPS5, Lisp, Prolog, ...
• Obecná programová prostredí
• Pascal, Delphi, C, CBuilder, ...

13
Aplikace ES

• Aby melo smysl použít expertní systém pro rešení
  nejakého problému, musejí být splneny dve
  podmínky
• 1. Musí se jednat o problém složitý rozsahem nebo
  neurcitostí vztahu, pro nejž exaktní metoda
  rešení bud není k dispozici, nebo není schopna
  poskytnout rešení v požadované dobe.
• 2. Efekty plynoucí z použití expertního systému
  musejí prevyšovat vynaložené náklady. To znamená,
  že by melo jít o problém s opakovanou potrebou
  rešení a znacnými financními dopady, pro nejž
  lidští experti jsou drazí nebo omezene dostupní.

14
Typické kategorie zpusobu použití ES

• Konfigurace sestavení vhodných komponent
  systému vhodným zpusobem.
• Diagnostika zjištení prícin nesprávného
  fungování systému na základe výsledku pozorování.
• Interpretace vysvetlení pozorovaných dat.
• Monitorování posouzení chování systému na
  základe porovnání pozorovaných dat s ocekávanými.
• Plánování stanovení posloupnosti cinností pro
  dosažení požadovaného výsledku.
• Prognózování predpovídání pravdepodobných
  dusledku zadaných situací.
• Ladení sestavení predpisu pro odstranení poruch
  systému.
• Rízení regulace procesu (muže zahrnovat
  interpretaci, diagnostiku, monitorování,
  plánování, prognózování a ladení).
• Ucení inteligentní výuka pri níž studenti mohou
  klást otázky napr. typu proc, jak, co kdyby.

15
Výhody a nevýhody ES

• Výhody ES
• schopnost rešit složité problémy,
• dostupnost expertíz a snížené náklady na jejich
  provedení,
• trvalost a opakovatelnost expertízy,
• trénovací nástroj pro zacátecníky,
• uchování znalostí odborníku odcházejících
  z organizace.
• Nevýhody ES
• nebezpecí selhání ve zmenených podmínkách,
• neschopnost poznat meze své použitelnosti.

16
Historie vývoje ES

• Poté, co pri rešení praktických problému selhaly
  obecné metody rešení, byla pochopena nutnost
  využívat specifické (expertní) znalosti
  z príslušné problémové domény.
• Etapy vývoje
• 1965-70 pocátecní fáze (Dendral)
• 1970-75 výzkumné prototypy (MYCIN,
  PROSPECTOR, HEARSAY II)
• 1975-80 experimentální nasazování
• 1981- komercne dostupné systémy

17
1.generace ES

• Charakteristické rysy 1.generace ES
• jeden zpusob reprezentace znalostí,
• malé schopnosti vysvetlování,
• znalosti pouze od expertu.

18
2.generace ES

• Charakteristické rysy 2.generace ES
• modulární a víceúrovnová báze znalostí,
• hybridní reprezentace znalostí,
• zlepšení vysvetlovacího mechanismu,
• prostredky pro automatizované získávání znalostí.
• V rámci 2.generace ES se také objevují hybridní
  systémy, v nichž se klasické paradigma expertních
  systému kombinuje s dalšími prístupy, jako jsou
  neuronové síte a evolucní metody.

19
Rozdelení expertních systému dle úrovne jejich
využívání

• poradce - pomucka experta na potvrzení ci
  zpochybnení svých profesionálních názoru. Má
  hlavne kontrolní funkci
• rovnocenný partner - ES navrhuje rešení, konecné
  rozhodnutí však delá uživatel
• expert - pracuje úplne autonomne na úkolech,
  které uživatel není schopen sám vyrešit. Systém
  má konecné slovo v rozhodování a svá rozhodnutí
  casto také ihned provádí. Uživatel obvykle není
  ani schopen kontrolovat správnost techto
  rozhodnutí.

20
Produkcní (pravidlové) systémy

• Poskytují vhodnou strukturu na opis a provádení
  procesu prohledávání.
• Tri základní složky produkcních systému
• báze dat (reprezentace faktu)
• báze (produkcních) pravidel
• inferencní mechanizmus (interpreter)

21
Produkcní pravidlo
predpoklady
dusledek (akce)
dusledková (akcní) cást
predpokladová cást
22
Inferencní mechanizmus

• Inferencní mechanizmus urcuje, jak a v jakém
  poradí aplikovat pravidla na bázi dat.
  Principiálne lze rozlišit
• prímé (doprední) retezení, kdy pri aplikaci
  produkcních pravidel postupujeme ve smeru od
  pocátecního stavu k nekterému ze stavu cílových
  (strategie rízená daty)
• zpetné retezení, kdy se vychází od cíle ve smeru
  pocátecních stavu (strategie rízená cílem)

23
Príklad

• A (Je zamraceno.) B (Je podzim.) ? E (Bude
  pršet.)
• C (Zmoknu.) D (Jsem mimo domova.) ? G (Dostanu
  chripku.)
• E (Bude pršet.) ? H (Natece mi do bot.)
• B (Je podzim.) G (Dostanu chripku.) ?I (Dostanu
  zápal plic.)
• E (Bude pršet.) H (Natece mi do bot.) ? C
  (Zmoknu.)
• G (Dostanu chripku.) E (Bude pršet.) ? F (Budu
  dlouho nemocná/ý.)
• I (Dostanu zápal plic.) K (Nebudu se lécit.) ?F
  (Budu dlouho nemocná/ý.)
• Báze dat at obsahuje data B, D a E, cílový údaj
  at je symbol G.

24
Prímé retezení
Báze dat B (Je podzim) D (Jsem mimo domova) E
(Bude pršet)
Cíl G (Dostanu chripku)
Rešení
c) E (Bude pršet) ? H (Natece mi do bot)
e) E (Bude pršet) H (Natece mi do bot) ?
C(Zmoknu)
b) C (Zmoknu) D (Jsem mimo domova) ? G
(Dostanu chripku)
25
Zpetné retezení
Báze dat B (Je podzim) D (Jsem mimo domova) E
(Bude pršet)
Cíl G (Dostanu chripku)
b) C (Zmoknu) D (Jsem mimo domova) ? G
(Dostanu chripku)
Rešení
e) E (Bude pršet) H (Natece mi do bot) ?
C(Zmoknu)
c) E (Bude pršet) ? H (Natece mi do bot)