Title:
1Úvod do expertnÃch systému
2 Expertnà systém
- Definice ES (Feigenbaum) expertnà systémy jsou
pocÃtacové programy, simulujÃcà rozhodovacÃ
cinnost experta pri rešenà složitých úloh a
využÃvajÃcà vhodne zakódovaných, explicitne
vyjádrených znalostÃ, prevzatých od experta, s
cÃlem dosáhnout ve zvolené problémové oblasti
kvality rozhodovánà na úrovni experta. - Charakteristické rysy ES
- oddelenà znalostà a mechanismu jejich využÃvánÃ,
- rozhodovánà za neurcitosti,
- schopnost vysvetlovánÃ.
3Expertnà systémy a znalostnà systémy
- Znalostnà systém (knowledge-based system) je
podle starÅ¡Ãho pojetà obecnejÅ¡Ã pojem než
expertnà systém. Expertnà systémy tedy lze chápat
jako zvláštnà typ znalostnÃch systému, který se
vyznacuje použÃvánÃm expertnÃch znalostà a
nekterými dalÅ¡Ãmi rysy, jako je napr.
vysvetlovacà mechanismus. - V poslednà dobe docházà ke stÃránà rozdÃlu mezi
temito pojmy.
4Základnà složky ES
- báze znalostÃ,
- inferencnà mechanismus,
- I/O rozhranà (uživatelské, vývojové, vazby na
jiné systémy), - vysvetlovacà modul,
- modul pro udržovánà znalostÃ.
5Architektura ES
Báze znalostÃ
Znalostnà inženýr, expert
Prázdný ES
Vysvetlovacà modul
Modul udržovánà znalostÃ
Inferencnà mechanismus
Uživatelské rozhranÃ
Rozhranà k jiným systémum
DBS, programy, mericà prÃstroje,
Uživatel
6Báze znalostà a báze faktu
- Báze znalostà obsahuje znalosti z urcitého oboru
a specifické znalosti o rešenà problému v tomto
oboru. - Báze faktu se vytvárà v prubehu reÅ¡enÃ
konkrétnÃho problému a obsahuje data k reÅ¡enému
problému. - Prostredky reprezentace znalostÃ
- matematická logika,
- pravidla (rules),
- sémantické sÃte (semantic nets),
- rámce a scénáre (frames and scripts),
- objekty (objects).
7Inferencnà mechanismus
- Inferencnà mechanismus obsahuje obecné (oborove
nezávislé) algoritmy schopné rešit problémy na
základe manipulace se znalostmi z báze znalostÃ. - Typický inferencnà mechanismus je založen na
- inferencnÃm pravidle pro odvozovánà nových
poznatku z existujÃcÃch znalostÃ, - strategii prohledávánà báze znalostÃ.
8Metody inference
- Dedukce odvozovánà záveru z predpokladu.
- Indukce postup od specifického prÃpadu
k obecnému. - Heuristiky pravidla zdravého rozumu založená
na zkušenostech. - Generovánà a testovánà metoda pokusu a omylu.
- Analogie odvozovánà záveru na základe
podobnosti s jinou situacÃ. - Defaultnà inference usuzovánà z obecných
znalostà pri absenci znalostà specifických. - Nemonotonnà inference je možná korekce resp.
ústup od dosavadnÃch znalostÃ. - Intuice obtÞne vysvetlitelný zpusob usuzovánÃ,
zatÃm nebyl v ES implementován.
9Neurcitost v expertnÃch systémech
- Neurcitost se muže vyskytovat jednak v bázi
znalostà a jednak v bázi faktu. - Zdroje neurcitosti
- nepresnost, nekompletnost, nekonzistence dat,
- vágnà pojmy,
- nejisté znalosti.
- Prostredky pro zpracovánà neurcitosti
- Bayesovský prÃstup, Bayesovské sÃte
- fuzzy logika.
10Typy ES
- Problémove orientovaný ES báze znalostà obsahuje
znalosti z urcitého oboru. - Prázdný ES (shell) báze znalostà je prázdná.
- Diagnostický ES jeho úkolem je urcit, která
z hypotéza z predem definované konecné množiny
cÃlových hypotéz nejlépe koresponduje s daty
týkajÃcÃmi se daného konkrétnÃho prÃpadu. - Plánovacà ES obvykle reÅ¡Ã takové úlohy, kdy je
znám cÃl reÅ¡enà a pocátecnà stav a je treba
s využitÃm dat o konkrétnÃm reÅ¡eném prÃpadu
nalézt posloupnost kroku, kterými lze cÃle
dosáhnout.
11Tvorba ES
- Tvorba ES zahrnuje procesy
- zÃskánà a reprezentace znalostÃ,
- návrh uživatelského rozhranÃ,
- výber hardwaru a softwaru,
- implementace,
- validace a verifikace.
- VytvárenÃm ES se zabývá znalostnà inženýrstvÃ
(knowledge engineering). V procesu tvorby ES
predstavuje úzké mÃsto akvizice znalostÃ
(knowledge acqusition bottleneck). Toto úzké
mÃsto pomáhajà prekonat metody strojového ucenÃ
(machine learning).
12Nástroje pro tvorbu expertnÃch systému
- Prázdné expertnà systémy
- EXSYS, FLEX, G2, HUGIN, M4, ...
- Speciálnà programová prostredÃ
- CLIPS, OPS5, Lisp, Prolog, ...
- Obecná programová prostredÃ
- Pascal, Delphi, C, CBuilder, ...
13Aplikace ES
- Aby melo smysl použÃt expertnà systém pro reÅ¡enÃ
nejakého problému, musejà být splneny dve
podmÃnky - 1. Musà se jednat o problém složitý rozsahem nebo
neurcitostà vztahu, pro nejž exaktnà metoda
rešenà bud nenà k dispozici, nebo nenà schopna
poskytnout reÅ¡enà v požadované dobe. - 2. Efekty plynoucà z použità expertnÃho systému
musejà prevyšovat vynaložené náklady. To znamená,
že by melo jÃt o problém s opakovanou potrebou
reÅ¡enà a znacnými financnÃmi dopady, pro nejž
lidÅ¡tà experti jsou drazà nebo omezene dostupnÃ.
14Typické kategorie zpusobu použità ES
- Konfigurace sestavenà vhodných komponent
systému vhodným zpusobem. - Diagnostika zjiÅ¡tenà prÃcin nesprávného
fungovánà systému na základe výsledku pozorovánÃ. - Interpretace vysvetlenà pozorovaných dat.
- Monitorovánà posouzenà chovánà systému na
základe porovnánà pozorovaných dat s ocekávanými. - Plánovánà stanovenà posloupnosti cinnostà pro
dosaženà požadovaného výsledku. - Prognózovánà predpovÃdánà pravdepodobných
dusledku zadaných situacÃ. - Ladenà sestavenà predpisu pro odstranenà poruch
systému. - RÃzenà regulace procesu (muže zahrnovat
interpretaci, diagnostiku, monitorovánÃ,
plánovánÃ, prognózovánà a ladenÃ). - Ucenà inteligentnà výuka pri nÞ studenti mohou
klást otázky napr. typu proc, jak, co kdyby.
15Výhody a nevýhody ES
- Výhody ES
- schopnost rešit složité problémy,
- dostupnost expertÃz a snÞené náklady na jejich
provedenÃ, - trvalost a opakovatelnost expertÃzy,
- trénovacà nástroj pro zacátecnÃky,
- uchovánà znalostà odbornÃku odcházejÃcÃch
z organizace. - Nevýhody ES
- nebezpecà selhánà ve zmenených podmÃnkách,
- neschopnost poznat meze své použitelnosti.
16Historie vývoje ES
- Poté, co pri rešenà praktických problému selhaly
obecné metody reÅ¡enÃ, byla pochopena nutnost
využÃvat specifické (expertnÃ) znalosti
z prÃsluÅ¡né problémové domény. - Etapy vývoje
- 1965-70 pocátecnà fáze (Dendral)
- 1970-75 výzkumné prototypy (MYCIN,
PROSPECTOR, HEARSAY II) - 1975-80 experimentálnà nasazovánÃ
- 1981- komercne dostupné systémy
171.generace ES
- Charakteristické rysy 1.generace ES
- jeden zpusob reprezentace znalostÃ,
- malé schopnosti vysvetlovánÃ,
- znalosti pouze od expertu.
182.generace ES
- Charakteristické rysy 2.generace ES
- modulárnà a vÃceúrovnová báze znalostÃ,
- hybridnà reprezentace znalostÃ,
- zlepÅ¡enà vysvetlovacÃho mechanismu,
- prostredky pro automatizované zÃskávánà znalostÃ.
- V rámci 2.generace ES se také objevujà hybridnÃ
systémy, v nichž se klasické paradigma expertnÃch
systému kombinuje s dalÅ¡Ãmi prÃstupy, jako jsou
neuronové sÃte a evolucnà metody.
19Rozdelenà expertnÃch systému dle úrovne jejich
využÃvánÃ
- poradce - pomucka experta na potvrzenà ci
zpochybnenà svých profesionálnÃch názoru. Má
hlavne kontrolnà funkci - rovnocenný partner - ES navrhuje reÅ¡enÃ, konecné
rozhodnutà však delá uživatel - expert - pracuje úplne autonomne na úkolech,
které uživatel nenà schopen sám vyrešit. Systém
má konecné slovo v rozhodovánà a svá rozhodnutÃ
casto také ihned provádÃ. Uživatel obvykle nenÃ
ani schopen kontrolovat správnost techto
rozhodnutÃ.
20Produkcnà (pravidlové) systémy
- Poskytujà vhodnou strukturu na opis a provádenÃ
procesu prohledávánÃ. - Tri základnà složky produkcnÃch systému
- báze dat (reprezentace faktu)
- báze (produkcnÃch) pravidel
- inferencnà mechanizmus (interpreter)
21Produkcnà pravidlo
predpoklady
dusledek (akce)
dusledková (akcnÃ) cást
predpokladová cást
22Inferencnà mechanizmus
- Inferencnà mechanizmus urcuje, jak a v jakém
poradà aplikovat pravidla na bázi dat.
Principiálne lze rozliÅ¡it - prÃmé (doprednÃ) retezenÃ, kdy pri aplikaci
produkcnÃch pravidel postupujeme ve smeru od
pocátecnÃho stavu k nekterému ze stavu cÃlových
(strategie rÃzená daty) - zpetné retezenÃ, kdy se vycházà od cÃle ve smeru
pocátecnÃch stavu (strategie rÃzená cÃlem)
23PrÃklad
- 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, cÃlový údaj
at je symbol G.
24PrÃmé retezenÃ
Báze dat B (Je podzim) D (Jsem mimo domova) E
(Bude pršet)
CÃl G (Dostanu chripku)
ReÅ¡enÃ
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)
25Zpetné retezenÃ
Báze dat B (Je podzim) D (Jsem mimo domova) E
(Bude pršet)
CÃl G (Dostanu chripku)
b) C (Zmoknu) D (Jsem mimo domova) ? G
(Dostanu chripku)
ReÅ¡enÃ
e) E (Bude pršet) H (Natece mi do bot) ?
C(Zmoknu)
c) E (Bude pršet) ? H (Natece mi do bot)