Inteligentne Systemy Obliczeniowe Wstęp do systemów ekspertowych

1. Inteligentne Systemy ObliczenioweWstęp dosystemów ekspertowych Prof. Dr hab. Marek Rudnicki

2. SYSTEMY EKSPERTOWE i SZTUCZNA INTELIGENCJA Inteligencja - (psych.) zespół zdolności umysłowych umożliwiających jednostce sprawne korzystanie z nabytej wiedzy oraz skuteczne zachowanie się wobec nowych zadań i sytuacji. Sztuczna Inteligencja (skrót AI od angielskiego określenia Artificial Intelligence ) - to pojęcie stosowane w informatyce i oznaczające rozwiązywanie problemów sposobami wzorowanymi na naturalnych działaniach i procesach poznawczych człowieka za pomocą symulujących je programów komputerowych. Definicji AI jest niemalże tyle, co osób zajmujących się nią. Możliwa jest szeroka definicja (Shalkoff,1990): Prof.. Marek Rudnicki

3. Sztuczna inteligencja AI - dziedzina badań, które usiłują wyjaśnić i emulować zachowanie inteligentne w terminologii procesów obliczeniowych "in terms of computational processes". Zatem AI nie jest czystą nauką (część objaśniająca) ani podstawą nowatorskiej (engineering) inżynierskiej dyscypliny (część emulacyjna). Wyjaśnia to interdyscyplinarną naturę sztucznej inteligencji jako dziedziny. W literaturze podawana jest też definicja inżynierska sztucznej inteligencji, jako: AI to generowanie reprezentacji i procedur, które automatycznie i autonomicznie rozwiązują problemy, które dotychczas były rozwiązywane przez człowieka (Shalkoff, 1990, Charniak, McDetmott, 1985). Prof.. Marek Rudnicki

4. Sztuczna inteligencja ”Celem AI jest zrozumienie inteligencji tak, by możliwe było wykorzystanie jej do przeprowadzania obliczeń". Odróżnia to AI od rozwoju konwencjonalnego oprogramowania dla wąsko zdefiniowanych zadań, jakie można spotkać w systemach ekspertowych. Często utożsamia się AI z ES, z powodu przewagi ES, co jest głównym źródłem zamieszania na temat: co stanowi AI. Zakres problemów zawierających się w ramach AI jest dość szeroki: gry, dowody twierdzeń, rozpoznawanie obrazów, przetwarzanie języków naturalnych, rozpoznawanie mowy, systemy ekspertowe. Prof.. Marek Rudnicki

5. Systemy ekspertowe System - uporządkowany wewnętrznie układ elementów mający określoną strukturę (całość); zespół zasad organiz., norm i reguł obowiązujących w danej dziedzinie; w metodologii zespół sposobów działania (metoda). System Ekspertowy (skrót ES od ang. nazwy Expert Systems) - komputerowy program konsultacyjny, wspomaga decyzje zastępując eksperta w danej dziedzinie, np. w diagnostyce medycznej. Naśladowanie przez system ekspertowy procesu myślenia człowieka jest związane z preferowanym przez projektantów systemów podejściem do problemu rozwiązywania zadań. W podejściu tym komputer jest traktowany jako obiekt badań, natomiast umysł ludzki jest modelem, wzorcem do naśladowania. Prof.. Marek Rudnicki

6. Systemy eskpertowe Systemy ekspertowe są programami, zwykle ograniczonymi do specyficznego zakresu, próbującymi naśladować zachowanie ekspertów - ludzi. Typowe atrybuty ES to: 1. Wiedza jest zwykle reprezentowana w postaci deklaratywnej, umożliwiającej łatwe odczytywanie i modyfikację. Większość ES wykorzystuje struktury 'jeśli przesłanki to akcje ' (IF-THEN), systemy bazujące na regułach. 2. Struktura wiedzy jest klarowna (wyłączając neuronowe ES). 3. Reprezentacja wiedzy i mechanizm sterujący są rozdzielone. Często mechanizm sterujący korzysta z reguł, tzw. meta-reguł. 4. Ważny z punktu widzenia użytkownika interfejs I/O, pozwala na zadawanie pytań i uzyskiwanie wyjaśnień (praca interaktywna). 5. Moduły zdobywania wiedzy i modyfikacji wiedzy są często używane dla rozszerzania systemów ekspertowych. Prof.. Marek Rudnicki

7. Czynniki pobudzające rozwój systemów ekspertowych Wiedza eksperta jest zasobem rzadkim i drogim. ES pozwalają większemu gronu ludzi działać jako 'ekspert'. Jest to użyteczne przy szkoleniu itp. Edukacyjna rola ES jest bardzo duża, np. MYCIN (system służący do diagnozowania chorób bakteryjnych) doskonale nadaje się do uczenia studentów medycyny, nie ryzykując zdrowiem pacjenta. Połączenie wiedzy kilku ekspertów może spowodować, że ES działa lepiej niż pojedynczy ekspert. Na świecie z powodzeniem pracują systemy ekspertowe (np. MYCIN, PUFF, DENDRAL, PROSPECTOR). Prof.. Marek Rudnicki

8. Czynniki pobudzające rozwój systemów ekspertowych Różnice między systemami ekspertowymi pracującymi w czasie rzeczywistym a konwencjonalnymi ES. Tradycyjne systemy ekspertowe najczęściej znajdują zastosowania w zagadnieniach diagnostycznych i konsultacyjnych. W aplikacjach pracujących w czasie rzeczywistym, wnioskowanie odbywa się z uwzględnieniem najczęściej wielu szybko zmieniających się danych (high-input data rates), krytycznym wymogiem jest 'wyprodukowanie' właściwej odpowiedzi w odpowiednim, krótkim przedziale czasu. Coraz częściej technologie bazujące na systemach ekspertowych znajdują zastosowania w zadaniach czasu rzeczywistego, zwłaszcza w szczególnie ważnych zadaniach (mission-critical applications). Prof.. Marek Rudnicki

9. Pamięć Pamięć długotrwała człowieka przechowuje m.in. wiedzę o metodach rozwiązywania problemów, dane o wzajemnej zależności obiektów i osób, ważniejsze wydarzenia i szczegóły. Pamięć krótkotrwała jest natomiast pamięcią wykorzystywaną do pamiętania bieżących problemów i spraw. Prof.. Marek Rudnicki

10. Pamięć Obszar pamięci systemu, w którym informacje są przechowywane w postaci symbolicznej, nazwano Bazą danych, BW (ang. Knowledge Base, KB). Pamięć krótkotrwałą człowieka zastąpiono Bazą danych bieżących, układ efektorowy zastąpiono układem układem translacji informacji między wejściem i wyjściem systemu, natomiast procesor poznawczy zastąpiono układem interpretacji metody. System z bazą danych, wykonany w taki sposób, może komunikować sie ze światem zewnętrznym za pośrednictwem użytkownika. Prezentowany system ma zdolność przetwarzania informacji zależnie od jej znaczenia i dlatego przyjęto nazywać go SYSTEMEM EKSPERTOWYM. Prof.. Marek Rudnicki

11. SE Jest programem komputerowym, który komunikuje się ze światem zewnętrznym za pośrednictwem operatora oraz dysponuje określonym wycinkiem wiedzy, definiowanym jako dziedzina i wykorzystywanym do rozwiązywania problemów występujących w świecie rzeczywistym. Nazwa system ekspertowy jest uzasadniona tym, że w czasie rozwiązywania postawionych zadań naśladuje on sposób rozumowania ludzi - ekspertów. Ułatwia on również ludziom uzupełnianie ich wiedzy oraz pomaga w efektywnym wykonaniu pracy. Prof.. Marek Rudnicki

12. Cechy SE Systemy ekspertowe, ze względu na sposób działania oraz powierzone funkcje, mają następujące cechy charakterystyczne: wykorzystują bazę wiedzy, w której są gromadzone opinie ekspertów dotyczące określonej dziedziny przedmiotowej, użytkownikom udzielają logicznie uzasadnionych odpowiedzi na pytania dotyczące wybranej dziedziny przedmiotowej, są wyposażone w układy interfejsowe, umożliwiające komunikowanie się użytkowników z systemem w języku coraz bardziej zbliżonym do języka naturalnego. Prof.. Marek Rudnicki

13. SE Systemy Ekspertowe pracujące w czasie rzeczywistym znajdują zastosowanie w wielu rzeczywistych zadaniach sterowania przebiegiem procesu. Jedną z zalet, jakie daje ich stosowanie to bardzo dobre rezultaty w krótkim czasie. Działanie jest spójne niezależnie od czasu i położenia geograficznego, w których odbywa się proces. Systemy ekspertowe czasu rzeczywistego mogą wykonywać również użyteczne wstępne przetwarzanie danych, z których wyniki wykorzystywane są przez operatorów ludzi; pełnią wtedy bardzo istotną rolę pomocniczą dla pracy operatora. Prof.. Marek Rudnicki

14. SE Nawet wtedy, gdy cała wymagana dla sterowania wiedza nie może być zredukowana do postaci reguł czy innej akceptowanej przez ES, stosowanie systemów ekspertowych może okazać się pożądane dla celów odpowiedniej filtracji wiedzy niezbędnej operatorowi. Ułatwia mu to podejmowanie decyzji i może eliminować zmęczenie lub nudę, co może przyczyniać się do lepszej reakcji operatora w ważnych sytuacjach i zapewnić większe bezpieczeństwo. Innym zyskiem zastosowania systemów ekspertowych pracujących w czasie rzeczywistym w sterowaniu procesami jest ich zdolność do wysokiej jakości przetwarzania często zmieniających się danych poprzez pełniejsze monitorowanie i inicjowanie akcji prewencyjnych. Prof.. Marek Rudnicki

15. SE Prof.. Marek Rudnicki

16. SE Prof.. Marek Rudnicki

17. EKSPERT Człowiek posiadający specjalistyczną wiedzę z pewnej dziedzinie (wiedzę dziedzinową) i umiejętność stosowania jej dla podejmowania decyzji związanych z tą dziedziną (umiejętność wnioskowania w oparciu o posiadaną wiedzę), nabyte w wyniku studiów i praktyki.

18. SYSTEMY EKSPERTOWE Programy komputerowe wspomagające podejmowanie decyzji, których elementami są: baza wiedzy, zawierająca wiedzę dziedzinową, istotną dla podejmowanych decyzji, system wnioskujący, korzystający z bazy wiedzy dla wypracowania tych decyzji.

19. SYSTEMY EKSPERTOWE Pozostałe elementy systemu ekspertowego: edytor bazy wiedzy, do tworzenia, modyfikowanie i kasowanie bazy wiedzy interfejs użytkownika, do korzystania z systemu ekspertowego dynamiczna baza danych - relacyjna baza danych do przechowywania odpowiedzi użytkownika i wyników wnioskowania

20. Struktura SE Prof.. Marek Rudnicki

21. DYNAMICZNA BAZA DANYCH STRUKTURA FUNKCJONALNA SYSTEMU EKSPERTOWEGO Prof.. Marek Rudnicki

22. Plik wykonywalny (Skorupowy system ekspertowy) EDYTOR BAZY WIEDZY BAZA WIEDZY INTERFEJS UŻYTKOWNIKA SYSTEM WNIOSKUJĄCY Plik tekstowy DYNAMICZNA BAZA DANYCH STRUKTURA INFORMATYCZNA SYSTEMU EKSPERTOWEGO Prof.. Marek Rudnicki

23. Istotna cecha systemu ekspertowego Umożliwia to szybkie odczytanie, zrozumienie i modyfikowanie wiedzy dziedzinowej, z której korzysta system ekspertowy Baza wiedzy jest plikiem tekstowym, który może być tworzony, czytany i modyfikowany za pomocą edytora bazy wiedzy bez naruszania integralności systemu wnioskującego.

24. Baza wiedzy Baza reguł Baza rad Baza modeli Baza ograniczeń Pliki rad STRUKTURA BAZY WIEDZY Prof.. Marek Rudnicki

25. Spotykane synonimy • system ekspertowy • program regułowy • program z regułową bazą wiedzy Prof.. Marek Rudnicki

26. wiedza dziedzinowa uzupełniająca i wyjaśniająca STRUKTURA BAZY WIEDZY Baza reguł - wiedza dziedzinowa logiczna Baza ograniczeń - wiedza dziedzinowa logiczna Baza modeli - wiedza dziedzinowa matematyczna Baza rad Pliki rad Prof.. Marek Rudnicki

27. STRUKTURA BAZY WIEDZY Baza reguł Baza ograniczeń Baza modeli Baza rad mają postać klauzul zawierających zmienne Prof.. Marek Rudnicki

28. Zmienne stosowane w systemach ekspertowych RMSE • W systemach ekspertowych RMSE są stosowane wyłącznie zmienne łańcuchowe • Zmienne łańcuchowe : • Dowolny ciąg znaków rozpoczynający i kończący się cudzysłowem górnym “. Prof.. Marek Rudnicki

29. Podstawowe typy zmiennych łańcuchowych w systemach ekspertowych dokładnych zmienne łańcuchowe typu: • logicznego • rzeczywistego • całkowitego Prof.. Marek Rudnicki

30. Podstawowe typy zmiennych łańcuchowych w systemach ekspertowych dokładnych • Logiczne zmienne łańcuchowe : • “Nazwa” jest logiczną zmienną łańcuchową, • jeżeli Nazwa przyjmuje tylko wartości ze zbioru stałych logicznych {Prawda, Nieprawda} Prof.. Marek Rudnicki

31. Podstawowe typy zmiennych łańcuchowych w systemach ekspertowych dokładnych • Rzeczywiste zmienne łańcuchowe : • “Wartość” jest rzeczywistą zmienną łańcuchową, jeżeli Wartość przyjmuje wartościrzeczywiste Prof.. Marek Rudnicki

32. Podstawowe typy zmiennych łańcuchowych w systemach ekspertowych dokładnych • Całkowite zmienne łańcuchowe : • “Wartość” jest całkowitą zmienną łańcuchową, jeżeli Wartość przyjmuje wartościcałkowite Prof.. Marek Rudnicki

33. REGUŁY FAKTY BAZA REGUŁ Reguły = wiedza dziedzinowa o charakterze ogólnym Fakty = wiedza dziedzinowa o charakterze szczegółowym Prof.. Marek Rudnicki

34. BAZA REGUŁ Przykład reguły: Jeżeli student_x_otrzymał_wszystkie_zaliczenia_w_terminie i student_ x_zdał_wszystkie_egzaminy_ w_terminie, to student_x_uzyska_wpis_na_kolejny_semestr Przykład faktu: student_J.Kowalski_ zdał_wszystkie_egzaminy_ w_terminie Prof.. Marek Rudnicki

35. BAZA REGUŁ Reguły: zdania warunkowe, np. • w języku polskim: A jest prawdą, jeśli B i C i D są prawdą • w logice: B i C i D  A lub • w Prologu: A :- B, C, D B, C, D – warunki reguły A – wniosek reguły  - symbol implikacji w logice :- - symbol implikacji regułowej w Prologu Prof.. Marek Rudnicki

36. Klauzule dokładnej bazy reguł: BAZA REGUŁ regula(Numer_reguły, Wniosek, Lista_warunków, Semafor_wyświetlania) fakt(Warunek_dopytywalny) Prof.. Marek Rudnicki

37. System ekspertowy- definicja • System ekspertowy (doradczy): program komputerowy wykorzystujący procedury wnioskowania do rozwiązywania problemów, które są na tyle trudne, że wymagają znaczącej ekspertyzy specjalistów. • Wiedza (niezbędna, by zapewnić odpowiedni poziom ekspertyzy), wraz z procedurami wnioskowania - model ekspertyzy, posiadanej przez najlepszych specjalistów w danej dziedzinie. Prof.. Marek Rudnicki

38. System ekspertowy Wiedza systemu eksperckiego: fakty i heurystyki. Fakty: powszechnie akceptowane przez specjalistów. Heurystyki: informacja subiektywna, która charakteryzuje proces oceny przez określonego specjalistę. Heurystyki: intuicyjne domysły, przypuszczenia, zdroworozsądkowe zasady postępowania. Poziom ekspertyzy - funkcja rozmiaru i jakości bazy wiedzy danego systemu. Prof.. Marek Rudnicki

39. Po co Dlaczego? 1. Koszty: w dłuższym okresie czasu są znacznie tańsze, pomagają w rozwiązywaniu problemów wymagających najbardziej specjalistycznej (najdroższej) wiedzy. 2. Brak ekspertów. 3. Pracują szybciej, nie męczą się, są bardziej niezawodne niż ludzie. 4. Konsekwentne, spójne, obiektywne, dokładne. 5. Zawsze do dyspozycji (nie strajkują!). 6. Analiza dużych ilości danych wymaga komputera. SE: systemy oparte na wszystkich sposobach reprezentacji wiedzy, najczęściej w postaci reguł produkcji. Prof.. Marek Rudnicki

40. Etapy tworzenia SE Analizy problemu - oceny, czy budowa SE dla danego problem ma sens. Specyfikacji systemu - szczegółowego określenia funkcji i oczekiwań. Akwizycji wiedzy - zgromadzenia, wydobycia z ekspertów i organizacji wiedzy. Wyboru metody reprezentacji wiedzy i narzędzi do budowy SE. Konstrukcji systemu - utworzenia bazy wiedzy, reguł wnioskowania, systemu wyjaśniającego rozumowanie i prowadzenia dialogu z użytkownikiem. Weryfikacji i testowania systemu. Akwizycja wiedzy wymaga transferu ekspertyzy i jej reprezentacji. Prof.. Marek Rudnicki

41. Postać wiedzy Fakty z danej dziedziny wiedzy, np: „W starych silnikach Diesla przy przegrzaniu dochodzi do gwałtownego podwyższenia obrotów na skutek chwilowego spalania oleju.” Reguły typu: „Przed zdjęciem obudowy wyciągnąć wtyczkę.” Heurystyki, czyli co by tu zrobić: „Jak nie zaskakuje a jest iskra to warto sprawdzić przewód paliwa”. Ogólne strategie postępowania. Teoria danej dziedziny, np. działania silników samochodowych. Prof.. Marek Rudnicki

42. Akwizycja wiedzy • prowadzenie wywiadów z ekspertami • analiza kwestionariuszy wypełnianych przez ekspertów • analiza raportów pisanych przez ekspertów • analiza komentarzy ekspertów wykonywanych w czasie pracy • obserwacja ekspertów przy pracy • introspekcja Prof.. Marek Rudnicki

43. Rodzaje cd. Systemy kontrolne pozwalające na sterowanie skomplikowanymi systemami, takimi jak automatyczne zakłady produkcyjne itp. Systemy diagnostyczne to jedno z najbardziej popularnych zastosowań SE, w zagadnieniach technicznych, medycynie, analizie chemicznej i wielu innych problemach. Systemy testujące pomagają przy znajdywaniu problemów i mogą być częścią systemów kontrolnych lub systemów diagnostycznych. Systemy naprawcze nie tylko prowadzą testy ale i planują działania korekcyjne. Można do nich zaliczyć również niektóre systemy medyczne, zalecające leczenie. Systemy projektujące wspomagają prace projektowe, takie jak projektowanie układów elektronicznych, CAD czy CAM. Prof.. Marek Rudnicki

44. Rodzaje systemów ekspertowych Systemy edukacyjne czyli CAI, lub ICAI (Intelligent Computer Aided Instruction), a więc inteligentne wspomaganie nauczania, systemy algebry symbolicznej. Systemy interpretujące wspomagające analizę i interpretację informacji, wydobywanie informacji z baz danych, interpretujące dane geologiczne. Systemy planistyczne wspomagające strategiczne działanie i planowanie zadań, np. planowanie syntezy związków chemicznych czy budowy systemów komputerowych. Systemy prognostyczne wspomagające wyciąganie wniosków i przewidywanie tendencji. Prof.. Marek Rudnicki

45. Konstrukcja systemów ekspertowych Zwykle próbuje się oddzielićbazy wiedzy od mechanizmów wnioskowania. Reguły produkcji: <obiekt,atrybut,wartość>, np. <samochód,kolor,czerwony> Stosowane są też ramy, sieci semantyczne, sieci Bayesowskie, reprezentacje bezpośrednie i proceduralne; rzadziej reprezentacje logiczne. Alternatywy dla ES prowadzących wnioskowanie: symulacje sytuacji w różnych warunkach, oceny statystyczne. Prof.. Marek Rudnicki

46. Rodzaje rozumowania DSS (Decision Support Systems), Inteligentne DSS? Dialog z użytkownikiem + wyjaśnienia sposobów wnioskowania. ES nie zawsze system rozumuje w sposób podobny do człowieka - inne ograniczenia. • Rozumowanie retrospektywne (które reguły i dlaczego) • Rozumowanie hipotetyczne (co by było gdyby ...) • Rozumowanie „wbrew faktom” (counterfactual reasoning) - dlaczego nie udało się osiągnąć spodziewanych konkluzji? Prof.. Marek Rudnicki

47. Architektury ES • Architektura hierarchiczna:poziom faktów z danej dziedziny + przynajmniej jeden meta-poziom, wiedza strategiczna, fakty dotyczące reguł niższego poziomu.Systemy hierarchiczne działające w szerszych domenach wiedzy tworzą drzewa taksonomiczne usiłując podzielić całą wiedzę na rozłączne specjalistyczne dziedziny. • Architektura wielowarstwowa: kilka warstw, leżące wyżej kontrolują działanie na niższym poziomie; meta-wiedza i kryteria strategicznego planowania i działania. Czasami przestrzeń zamiast warstwy, np. przestrzeń działania (konkretne akcje), przestrzeń planowania (określanie celów bieżących), przestrzeń strategii (koncentracja uwagi na jakimś obszarze, cofanie działań). Prof.. Marek Rudnicki

48. Koncentracja Podsumowanie Zgaduj Cofnij Sprawdź przewidywania Operatory korygujące Proponuj Cel Przestrzeń strategii Przestrzeń projektu Sortuj Transformuj Połącz Testuj Przestrzeń działania Przykład architektury warstwowej (MolGen) Interpreter Meta-plany Akcje Prof.. Marek Rudnicki

49. Architektury ES 2 • Architektura tablicowa (blackboard): łączenie wiedzy z kilku źródeł w „pamięci roboczej”, z której korzystają moduły wnioskujące. Jedna lub kilka tablic, informacje mają hierarchiczną strukturę o wzrastającym stopniu szczegółowości. Zastosowana po raz pierwszy w systemie HEARSAY, jednym z pierwszych działających systemów do rozpoznawania mowy. • Architektura hybrydowa: regułowo-koneksjonistycznaUmożliwia automatyczne tworzenie skojarzeń. Systemy koneksjonistyczne mogą służyć odkrywaniu wiedzy na podstawie analizy danych; wiedza dodawana jest do systemu. Przykład: MMPI-IDSS Prof.. Marek Rudnicki

50. Architektury ES 2 • Architektura symulacyjna: modele numeryczne danej dziedziny, zależności funkcyjne nie dające się uchwycić w postaci reguł.Systemy tworzące sieci przyczynowych powiązań (causal networks) lub probabilistyczne sieci Bayesowskie. • Architektura korzystająca z analogii (case-based reasoning). W wielu dziedzinach (prawo, medycyna) podstawą rozumowania są analogie, precedensy. Korzystają z bazy danych opisujących znane przypadki,ocen podobieństwa, reguł szukania i używania analogii. Zawierają opis klas problemów, jakie potrafią rozwiązać, wraz ze schematami rozwiązań i sposobami określania podobieństwa do znanych przypadków z danej klasy. Prof.. Marek Rudnicki