ФАКУЛТЕТ ЗА ИНФОРМАТИЧКИ НАУКИ И КОМПЈУТЕРСКО ИНЖЕНЕРСТВО

ВОВЕД ВО ЕКСПЕРТНИ СИСТЕМИ.

Системи на знаење

СИСТЕМИ НА ЗНАЕЊЕ

2

Експертни системи

Експертен систем

n  Експертен систем (ЕС) е програма базирана на знаење која нуди решавање на проблеми од одреден домен со квалитет на ниво на човечки експерт од доменот.

n  Користи знаење (и теоретско и практично) екстрахирано од експерти (луѓе) од доменот и се обидува да ја имитира нивната методологија на работа.

n  Повеќето ЕС не можат да учат од сопственото искуство

СИСТЕМИ НА ЗНАЕЊЕ

3

Експертни системи

Што се ЕС?

n ЕС ≠ програми за когнитивно моделирање

n ЕС се практични програми кои користат евристични стратегии (развиени од луѓето) при решавањето на одредена класа на проблеми

СИСТЕМИ НА ЗНАЕЊЕ

4

Експертни системи

Карактеристики на ЕС

n Поради евристиката и интензивната употреба на експертско знаење ЕС се: ¨ Отворени за инспекција (меѓучекори и одговори на прашања за процесот на решавање)

¨ Лесно се модифицираат (додавање ново или модификување на постоечкото знаење во базата на знаење)

¨ Eвристични (употреба на најчесто несигурно знаење при решавањето)

СИСТЕМИ НА ЗНАЕЊЕ

5

Експертни системи

Категории на ЕС (1) n  ЕС се изградени за решавање на различни видови

проблеми во медицината, математиката, инженерството, хемијата, геологијата, компјутерските науки, економијата, правото, одбраната и образованието.

ЕС категории на проблеми: 1.  Интерпретација – формирање на заклучоци или

описи на високо ниво од збирка на сурови податоци 2.  Предвидување – проектирање на веројатен исход

и последици на дадена ситуација 3.  Дијагноза – одредување на причината на

дисфункција во комплексни ситуации на основа на набљудувани симптоми

СИСТЕМИ НА ЗНАЕЊЕ

6

Експертни системи

Категории на ЕС (2) 4.  Дизајн – одредување на конфигурација на

системски компоненти кои задоволуваат одредени ограничувања и постигнуваат одредени цели

5.  Планирање – одредување на секвенца на акции кои ќе постигнат одредени цели при дадени појдовни услови

6.  Надгледување – споредување на набљудуваното однесување на систем со неговото очекувано однесување

7.  Дебагирање и поправки – одредување и примена на лек/поправка за констатирани дисфункции

8.  Инструирање – детектирање и корегирање на недостатоци во разбирањето на одредена област од страна на студентот

9.  Контрола – управување со однесувањето на комплексни околини

СИСТЕМИ НА ЗНАЕЊЕ

7

Експертни системи

Дизајн на ЕС базиран на правила

Knowledge engineer

User interface may employ: •  question and answer

•  menu driven

•  natural language

•  graphics interface styles

Knowledge base editor

Inference engine

Explanation subsystem

General knowledge base Case-specific data

Expert

User

СИСТЕМИ НА ЗНАЕЊЕ

8

Експертни системи

Дизајн на ЕС базиран на правила

Инженер на знаење

ИНТЕРФЕЈС •  Прашања и одговори •  Менија

•  Природен јазик

•  Графички кориснички интерфејс

Програма за уредување на базата на знаење

Систем за резонирање

Подсистем за објаснување

База на општо знаење

Знаење за специфични случаи и примери

Експерт

Корисник

СИСТЕМИ НА ЗНАЕЊЕ

9

Експертни системи

Подсистем за објаснување n Подсистемот за објаснување мора да може да одговара на два вида прашања:

n HOW queries – објаснување на начинот како се добиени заклучоците на системот

n WHY queries – објаснување за тоа зошто на системот му треба одреден податок (знаење)

СИСТЕМИ НА ЗНАЕЊЕ

10

Експертни системи

Систем за резонирање Системот за резонирање (inference engine): n  претставува интерпретер на базата на знаење n  го применува знаењето при решавањето на конкретен проблем

n  кај продукциските системи презема контролен циклус на препознавање-делување (recognize-act) Процедурите кои го имплементираат контролниот циклус се независни и одвоени од продукциските правила

СИСТЕМИ НА ЗНАЕЊЕ

11

Експертни системи

Модуларен дизајн на ЕС n  Одвоеноста на машината за резонирање од базата

на знаење е важна од неколку причини: 1.  Репрезентација на знаењето на поприроден начин во

форма на if-then правила 2.  Градителите на ЕС може да се концентрираат на

организација и имплементација на знаење за решавање на проблемот

3.  Може да се вршат промени на дел од базата на знаење без потреба за промени во остатокот од кодот

4.  Истиот код за контрола и резонирање (изведување) може да се употреби за различни системи базирани на знаење (expert system shell)

5.  Модуларноста овозможува лесно експериментирање со алтернативни контролни режими над истата база на правила

СИСТЕМИ НА ЗНАЕЊЕ

12

Експертни системи

Начини на резонирање во ЕС

n  Различни проблеми бараат различен начин на резонирање при нивното решавање: ¨ Пребарување водено од целта

(goal-driven search) ¨ Пребарување водено од податоците

(data-driven search) n  Изборот на школката на ЕС зависи од проблемот кој треба да се решава

n  Прибирањето и организацијата на знаењето во базата на знаење е посебен проблем

СИСТЕМИ НА ЗНАЕЊЕ

13

Експертни системи

Учесници во изградбата на ЕС

n Примарни учесници во изградбата на ЕС се:

¨ Инженер на знаење (knowledge engineer)

¨ Експерт во областа (domain expert)

¨ Краен корисник (end user)

СИСТЕМИ НА ЗНАЕЊЕ

14

Експертни системи

Режими на работа кај ЕС

n Режим на прибирање на знаење

n  Консултациски режим

n Објаснувачки режим

СИСТЕМИ НА ЗНАЕЊЕ

15

Експертни системи

Режим на прибирање на знаење

n Се врши прибирање на почетното знаење во ЕС и ажурирање на знаењето од страна на инженерот на знаење, кој пак се консултира со некој експерт или со енциклопедии, книги, прирачници, ...

СИСТЕМИ НА ЗНАЕЊЕ

16

Експертни системи

Што содржи прибраното знаење

n Речникот како и жаргонот на областа

n Општите факти и концепти во областа

n Проблемите кои се јавуваат во областа

n Решенија на постојните проблеми добиени од искуството во областа

n Техники за решавање на проблеми во областа

СИСТЕМИ НА ЗНАЕЊЕ

17

Експертни системи

Пример на консултациски режим ... ЕС: Како се вика пациентот? Корисникот: Џорџ Вашингтон. ЕС: Дали е машко или женско? Корисникот: машко. ЕС: Кои се симптомите? Корисникот: главоболка, треска, висока температура ЕС: Дали има проблеми со стомакот? Корисникот: да. ЕС: Кога е роден болниот? Корисникот: 22. 2. 1732 г.

СИСТЕМИ НА ЗНАЕЊЕ

18

Експертни системи

... Пример на консултациски режим

ЕС: Најверојатно Џорџ Вашингтон има вирусна инфекција. Препорачувам: два аспирина дневно, пиење многу течност, многу одмор. Јавете ми за развојот на состојбата на болниот по два дена.

??? Недостиг на општо познати знаења

СИСТЕМИ НА ЗНАЕЊЕ

19

Експертни системи

Пример на објаснувачки режим...

ЕС: Дали менингитисот е добиен за време на престој во болницата?

Корисникот: Зошто го прашуваш тоа? < ЕС влегува во објаснувачки режим > [2.0] Тоа ќе помогне во одредување на организмите што ја предизвикаа инфекцијата. Досега е востановено:

[2.1] инфекцијата е менингитис

СИСТЕМИ НА ЗНАЕЊЕ

20

Експертни системи

...Пример на објаснувачки режим...

[2.2] не се забележани организми при првиот наод

[2.3] типот на инфекцијата е бактериска [2.4] неврохирургијата не е еден од релевантните настани во историјата на пациентот ПЦ100

[2.5] староста на пациентот ПЦ100 е поголема од 25 години

СИСТЕМИ НА ЗНАЕЊЕ

21

Експертни системи

... Пример на објаснувачки режим...

Значи ако инфекцијата е настаната додека пациентот ПЦ100 е хоспитализиран, тогаш постои доказ дека организмите кои можеби ја предизвикале се Е. Коли (0,75), стафилококи (0,3), псевдомона (0,3), клебсиела (0,5).

СИСТЕМИ НА ЗНАЕЊЕ

22

Експертни системи

...Пример на објаснувачки режим

Корисникот: Како го доби [2.3]? ЕС: Следните правила придонесоа кон заклучокот дека инфекцијата е бактериска: [2.7] правило 148 со доверливост (0,19) [2.8] правило 500 со доверливост (0,51) [2.9] правило 501 со доверливост (0,95) [3.0] правило 502 со доверливост (0,97)

СИСТЕМИ НА ЗНАЕЊЕ

23

Експертни системи

Кои проблеми се соодветни за имплементација на ЕС? n  Развојот на ЕС е доста скап. Во следниве случаи развојот на ЕС

е оправдан:

1.  Потребата за решение ја оправдува цената (проценета заштеда, пораст на квалитет, продуктивност, рентабилност, ...)

2.  Експертиза (од страна на човек – експерт) не е расположлива во сите ситуации каде таа е потребна

3.  Проблемот може да се реши со техники на симболичко резонирање

4.  Доменот на проблемот е добро структуриран и нема потреба од знаења од општа култура (common-sense reasoning)

5.  Проблемот не може да се реши со примена на традиционалните пресметковни методи

6.  Постојат признати експерти расположени за соработка 7.  Проблемот е од соодветна област и комплексност

СИСТЕМИ НА ЗНАЕЊЕ

24

Експертни системи

Експертен систем МАЈСТОР

n  Правило 1: ¨ АКО ¨ Моторот добива бензин и вергла ¨ ТОГАШ ¨ Проблем се свеќичките

n  Правило 2: ¨ АКО ¨ Моторот не вергла и светлата не работат ¨ ТОГАШ ¨ Проблем е акумулаторот или каблите

СИСТЕМИ НА ЗНАЕЊЕ

25

Експертни системи

Експертен систем МАЈСТОР n  Правило 3:

¨ АКО ¨ Моторот не вергла и светлата работат ¨ ТОГАШ ¨ Проблем е стартерот

n  Правило 4: ¨ АКО ¨ Има бензин во резервоарот и има бензин во карбураторот

¨ ТОГАШ ¨ Моторот добива бензин

СИСТЕМИ НА ЗНАЕЊЕ

26

Експертни системи

the problem is X

Rule 1 Rule 2 Rule 3 Rule 4

Production rules Working memory

СИСТЕМИ НА ЗНАЕЊЕ

27

Експертни системи

Моторот добива бензин Моторот вергла Проблем се свеќичките

Правило 1 Правило 2 Правило 3 Правило 4

Продукциски правила Работна меморија

СИСТЕМИ НА ЗНАЕЊЕ

28

Експертни системи

Има бензин во резервоарот

Има бензин во карбураторот Моторот добива бензин Моторот вергла Проблем се свеќичките

Правило 1 Правило 2 Правило 3 Правило 4

Продукциски правила Работна меморија

СИСТЕМИ НА ЗНАЕЊЕ

29

Експертни системи

Проблемот е X

Правило 1: Проблем се свеќичките

Правило 2: Проблем е акумулаторот или каблите

Правило 3: Проблем е стартерот

Моторот добива бензин

Моторот вергла

Моторот не вергла

Светлата не работат

Моторот вергла

Светлата работат

Правило 4: Моторот добива бензин

Има бензин во резервоарот

Има бензин во карбураторот

СИСТЕМИ НА ЗНАЕЊЕ

30

Експертни системи

Недостатоци на ЕС

n Недостаток на здрав разум или знаење од општа култура (common sense)

n Недостаток на флексибилност и робустност

n Неможност за давање на издржани објаснувања за одлуките што ги предлагаат

n Тешкотии со проверка на коректноста n Мали можности за учење од искуство

СИСТЕМИ НА ЗНАЕЊЕ

31

Експертни системи

Несигурност - Uncertainty Нека е акцијата At = да се тргне кон аеродромот t минути пред летот Дали At ќе ме доведе на аеродромот на време?

Проблеми: 1.  делумна набљудливост (состојба на патот, плановите на другите возачи итн) 2.  шум во сензорите (сообраќајни извештаи) 3.  несигурност во резултатите од акциите (дупната гума итн) 4.  комплексност својствена за моделирањето и предвидувањето на сообраќајот

оттука чистиот логички приод (a purely logical approach) или

1.  ризикува неточност (falsehood): “A25 ќе ме доведе таму на време”, или 2.  води до заклучоци кое се премногу слаби за донесување на одлуки (decision

making): “A25 ќе ме доведе таму на време ако нема сообраќајка на мостот и ако не врне и ако не

се дупне некоја гума итн итн” (A1440 изгледа разумно дека ќе ме доведе таму на време, ама ќе треба да преспијам на

аеродромот ...)

СИСТЕМИ НА ЗНАЕЊЕ

32

Експертни системи

Методи за справување со несигурностите n  Предодредена (Default) или немонотона (nonmonotonic) logic:

¨  Претпоставка дека колата нема дупната гума ¨  Претпоставка A25 врши работа освен ако не е противречно со новите сознанија

n  Прашања: Кои претпоставки се разумни? Како да се справиме со противречностите?

n  Правила со „меки“ тежински фактори: ¨  A25 |→0.3 стигне таму на време ¨  Роса |→ 0.99 ВлажнаТрева ¨  ВлажнаТрева |→ 0.7 Дожд

n  Дилеми: Проблеми со комбинациите, на пр., Росата предизвикува Дожд??

n  Веројатност (Probability) ¨  Се моделира степенот на верување (belief) кај агентот ¨  Според достапните сознанија (evidence), ¨  A25 ќе ме доведе на време на аеродромот, со веројатност 0,04

СИСТЕМИ НА ЗНАЕЊЕ

33

Експертни системи

Веројатност (Probability) Веројатносните тврдења ги сумираат ефектите на

¨  мрзливост: неуспех во набројувањето на исклучоците, квалификациите итн.

¨  непознавање (ignorance): недостиг на релевантни факти, почетни услови итн.

Субјективна веројатност: n  Веројатностите ги поврзуваат исказите за сопствената состојба на знаењето на агентот пр., P(A25 | без извештаи за сообраќајки) = 0,06

n  Веројатностите на исказите се менуваат со нови сознанија (докази): пр., P(A25 | без извештаи за сообраќајки, 5 наутро) = 0,15

СИСТЕМИ НА ЗНАЕЊЕ

34

Експертни системи

Донесување на одлуки при несигурност Да претпоставиме дека системот верува во следново:

P(A25 стигне таму на време | …) = 0.04 P(A90 стигне таму на време | …) = 0.70 P(A120 стигне таму на време | …) = 0.95 P(A1440 стигне таму на време | …) = 0.9999

n  Која акција да се избере? Зависи од нашиот избор дали сакаме повеќе да го испуштиме летот наспроти да чекаме повеќе време на аеродромот, итн. ¨  Теоријата на полезност (Utility theory) се користи за да се претстават преференците и да се заклучува за нив

¨  Теорија на одлучување = теорија на веројатност + теорија на полезност (Decision theory = probability theory + utility theory)

СИСТЕМИ НА ЗНАЕЊЕ

35

Како да се дефинира Utility(n)

n Одредувањето на ф-јата на полезност преставува сложен проблем дури и за нешто општо прифатено како универзална вредност, како што се парите

СИСТЕМИ НА ЗНАЕЊЕ

36

Пример со коцкањето n  Замислете ако ви се понуди: да фрлате паричка и ако погодите дали е „петка“ или „глава“ да добиете 3 милиони евра, а ако не погодите нема да добиете ништо. Или ако изберете да не фрлате паричка ќе добиете 1 милион евра. Што ќе изберете?

n  Или формално (ако k е вашата досегашна заштеда):

EU(Prifati)=½U(Sk)+½U(Sk+3.000.000) EU(Odbij)=U(Sk+1.000.000)

n  Зависи дали k≈0 или k=500.000.000 или уште повеќе ако е k=5.000.000.000

СИСТЕМИ НА ЗНАЕЊЕ

37

Општа вредност (полезност) на парите

За некој поединец во ограничен опсег

Општо за сите за цел опсег

Примена во системи за одлучување за кредитирање, инвестирање, осигурување и сл.

СИСТЕМИ НА ЗНАЕЊЕ

38

Експертни системи

Историски развој на ЕС

1965 1970 1975 1980

HEARSAY

SAINT

DENDRAL

HEARSAY2 HEARSAY3 HARPY MYCIN EMYCIN PUFF

PROSPECTOR KAS

CASNET EXPERT

META-DENDRAL

SIN MATHLAB MACSYMA

СИСТЕМИ НА ЗНАЕЊЕ

39

Експертни системи

MYCIN (~1970) n Напишан во дијалект на LISP n Факти од облик:

¨ (identity organism_1 klebsiella 0.25) ¨ (sensitivity organism_2 penicillin -1.0)

n Правила од облик: ¨  IF: (AND (same_context infection primary_bacteria)

(membf_context site sterilesite) (same_context portal GI))

¨ THEN: (conclude context_ident bacteroid tally 0.7)

СИСТЕМИ НА ЗНАЕЊЕ

40

Експертни системи

Правила и резонирање кај MYCIN

n  без веројатносните коефициенти правилата би биле еквивалентни на предикатна логика

n MYCIN е воден од целта (goal-driven), односно поврзува наназад – тргнува од некоја претпоставка дека инфекцијата е предизвикана од некоја бактерија и се обидува да го докаже тоа

СИСТЕМИ НА ЗНАЕЊЕ

41

Експертни системи

Несигурностите во системот… n Фактор на сигурност (доверливост)

(fidelity, reliability, confidence) n Опсегот е: од -1 сигурно неточно,

до 1 сигурно точно Изведување: IF A THEN B (fAB) A (fA) ð B (fB=fA·fAB) Или со прагова вредност (ако fA > Θ тогаш fB=fA·fAB) (Θ≈0,2)

СИСТЕМИ НА ЗНАЕЊЕ

42

Експертни системи

..Несигурностите во системот

Во случај на повеќе премиси, прво се врши И-операција на непрецизирана (матна – Fuzzy) логика (т.е. минимум), па ако се добие вредност поголема од прагот, тогаш резултатот се множи со факторот на доверливост на самото правило (fAB).

MYCIN се покажува успешен во 90% од случаите.

СИСТЕМИ НА ЗНАЕЊЕ

43

Експертни системи

Посебен вид на ЕС - HEARSAY n Развиван за потребите на препознавање на говор

n Репрезентацијата на знаење е преку база на продукциски правила поделени во логички целини (партиции, наречени специјалисти)

n Секој специјалист е комплетно множество на продукциски правила за посебни делови од говорот (фрази, зборови, слогови, фонеми и обележја на сигналот).

СИСТЕМИ НА ЗНАЕЊЕ

44

Експертни системи

Резонирање преку табла n Ваквите системи се викаат табла-системи

(blackboard systems)

Табла

Специјалист 1 Специјалист 2

Специјалист 3

Специјалист 4 Специјалист 5

Дневен ред _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _

Водител

фокусер

СИСТЕМИ НА ЗНАЕЊЕ

Метафората на табла-системите

!

Експертни системи

45