Αναπαράσταση Γνώσης. Αρχές & τεχνικές STRIPS ( Stanford Research Institute Problem Solver, 1971) MYCIN Εκτίμηση και σύγκριση έμπειρων συστημάτων

Transcript

1 Αναπαράσταση γνώσης

2 Αναπαράσταση Γνώσης Αρχές & τεχνικές STRIPS ( Stanford Research Institute Problem Solver, 1971) MYCIN Εκτίμηση και σύγκριση έμπειρων συστημάτων

3 Αναπαράσταση Γνώσης Το σφυρί χτύπησε το βάζο και έσπασε Το σφυρί χτύπησε τον τοίχο και έσπασε Προηγούμενη Γνώση?? Πίνακας με αντικείμενα και βαθμό με τον οποίο σπάζουν? Κοινή Λογική!!!!

4 Αναπαράσταση γνώσης Ανάγκη να αναπαραστήσουμε ότι γνωρίζει ένας εμπειρογνώμονας Προηγούμενη γνώση Οργάνωση Αναπαράσταση Συντακτικό Σημασιολογία

5 Αναπαράσταση γλωσσών STRIPS χρησιμοποιεί εκφράσεις κατηγορηματικών ισχυρισμών <πρόταση>::= <κατηγόρημα> (<ισχυρισμός>, <ισχυρισμός>) MYCIN ένα σύστημα βασισμένο σε κανόνες IF-THEN rules IF condition 1 AND condition 2 THEN conclusion.

6 Λειτουργίες σχετιζόμενες με γεύμα, στόχους και σκοπούς Γεύμα με πελάτη Προϋπόθεση Λίστα Διαγραφής Λίστα Πρόσθεσης Διαθέσιμα χρήματα, όρεξη Διαθέσιμα χρήματα, όρεξη Διαθέσιμος πελάτης Διαθέσιμα χρήματα Προϋπόθεση Λίστα Διαγραφής Λίστα Πρόσθεσης ΑΤΜ, cash card ΑΤΜ machine Διαθέσιμα χρήματα ΑΤΜ machine Προϋπόθεση Λίστα Διαγραφής Λίστα Πρόσθεσης Διαθέσιμο μεταφορικό μέσο Στη δουλειά Στο ΑΤΜ machine

7 STRIPS Stanford Research Institute Problem Solver Σχεδιασμός STRIPS Σύστημα Αναπαράσταση από εκφράσεις κατηγορηματικών ισχυρισμών

8 Γενικό μοντέλο 1 Room A Room B Room C 1 R 2 W = {at(robot, rooma), at(box1, roomb), at(box2, roomc)}

9 Γενικό μοντέλο 2 Room A Room B Room C 1 R 2 W = {at(robot, roomb), at(box1, roomb), at(box2, roomc)}

10 STRIPS Πίνακες Τελεστών push (x, y, z) Προϋπόθεση at(robot, y), at(x, y) Λίστα Διαγραφή at(robot, y), at(x, y) Λίστα Πρόσθεσης at(robot, z), at(x, z)

11 Το σύστημα STRIPS είχε διαδικασίες οι οποίες Συντηρούσαν μια λίστα από στόχους Επιλέγανε ποιος είναι ο επόμενος στόχος για να εργασθεί Αναζητούσαν τους τελεστές που μπορούσαν να εφαρμοσθούν για την πραγματοποίηση του συγκεκριμένου στόχου Ταίριαζαν το στόχο με τη φόρμουλα από την Προσθετική Λίστα Έθεταν τις προϋποθέσεις ως υποστόχους

12 Το STRIPS Σύστημα 1 Έξοδος Η έξοδος είναι ένα σχέδιο, ακολουθία ενεργειών για την επίτευξη στόχων Μέσου τέλους ανάλυση (Means-ends analysis) Τρέχουσα κατάσταση και στόχος (Μείωση της απόστασης) at(box1, rooma)

13 Το σύστημα STRIPS 2 Λίστα από στόχους at(box1, rooma), at(box2, roomb) Συνδυασμός των στόχων με τους τελεστές της προσθετικής λίστας at(box1, rooma) συνδυάζει at(x, z) στη λίστα πρόσθεσης του push(x, y, z) Υποστόχοι at(robot, roomb), at(box1, roomb)

14 Γλώσσα Αναπαράστασης STRIPS Γλώσσα κατηγορηματικών ισχυρισμών, με ομοιόμορφη αναπαράσταση για διευκόλυνση αναζήτησης, φαίνεται ποιοι τελεστές είναι εφαρμόσιμοι Ευρεστική Αναζήτηση (Heuristics) Στόχοι επιτυνχάνονται μέσω διαδικασίας μείωσης του προβλήματος, απλούστεροι υποστόχοι Ερμηνευτής. Η γλώσσα των κατηγορηματικών Ισχυρισμών απαιτεί έναν ερμηνευτή, που αναγνωρίζει τις φόρμουλες της γλώσσας και μεταφέρει το μήνυμά τους ως διαδικασίες που θα πρέπει να πραγματοποιηθούν

15 MYCIN Ένα χαρακτηριστικό Έμπειρο Σύστημα

16 MYCIN Πεδίο εφαρμογής, Στόχοι συλλογισμού διαγνωστικών υποθέσεων Θεραπεία των μολύνσεων του αίματος Αποφασίζει εάν ο ασθενής έχει μόλυνση Καθορίζει τους μικροοργανισμούς που υπεισέρχονται Διαλέγει ένα σύνολο φαρμάκων που μπορεί να να είναι κατάλληλα Επιλέγει το πιο κατάλληλο φάρμακο

17 Οργάνωση του συστήματος MYCIN Χρήστης Ιατρός Συμβουλευτικό πρόγραμμα Δυναμικά Δεδομένα Ασθενών Πρόγραμμα επεξήγησης Στατική Βάση Γνώσης Πρόγραμμα απόκτησης Γνώσης Εμπειρογνώμονας Μολυσματικών Ασθενειών

18 Η βάση γνώσης του MYCIN Γενική μορφή κανόνων IF συνθήκη 1 ΚΑΙ συνθήκη 2 ΚΑΙ ΚΑΙ συνθήκη m ισχύουν ΤΟΤΕ συμπέρασμα 1 ΚΑΙ ΚΑΙ συμπέρασμα n Παράδειγμα κανόνα που καθορίζει την κατηγορία ενός μικροοργανισμού ΕΑΝ Το δείγμα του μικροοργανισμού γραμμικό ΚΑΙ η μορφολογία του μικροοργανισμού ραβδοειδής ΚΑΙ ο ασθενής νοσηλεύεται ΤΟΤΕ Με βεβαιότητα (0.6) η ταυτότητα του μικροοργανισμού είναι ψευτομονάδα Ο αριθμός 0.6 είναι η βεβαιότητα του κανόνα και καθορίζει πόσο σίγουρο είναι το συμπέρασμά του, με την προϋπόθεση ότι ικανοποιούνται οι συνθήκες του.

19 Η βάση γνώσης του MYCIN Η βάση γνώσης περιέχει επίσης γεγονότα και ορισμούς διαφόρων μορφών: Απλές λίστες, π.χ. η λίστα όλων των μικροοργανισμών που γνωρίζει το σύστημα. Πίνακες γνώσης: Περιέχουν εγγραφές κλινικών παραμέτρων και τις τιμές που παίρνουν. Ένα σύστημα ταξινόμησης των κλινικών παραμέτρων ανάλογα με την κατηγορία στην οποία ανήκουν, π.χ. αν είναι χαρακτηριστικά ασθενών ή μικροοργανισμών. Οι πληροφορίες για τον ασθενή αποθηκεύονται στο context tree (δένδρο συμφραζλομενων).

20 Παράδειγμα Δένδρου Περιβάλλοντος Ασθενή Ασθενής Καλλιέργεια C1 Καλλιέργεια C2 Καλλιέργεια C3 Επέμβαση Μικροοργανισμός U1 Μικροοργανισμός U2 Μικροοργανισμός U3 Φάρμακο D1 Φάρμακο D2

21 MYCIN Session 1 Ποιό είναι το όνομα του ασθενή? John Doe Άνδρας ή γυναίκα? Άνδρας Ηλικία? 55 Υπάρχουν θετικές καλλιέργειες που δείχνουν έναν γενικό τύπο? Ναι Τι τύπος μόλυνσης είναι? Ουσιαστικά βακτεραιμία (bacteraemia) Πότε εμφανίστηκαν τα συμπτώματα? 5 Μάρτιου

22 MYCIN Session 2 Ποια είνα η πιο πρόσφατη θετική καλλιέργεια C1. Από που πάρθηκε η C1? Από το αίμα. Πότε πάρθηκε η C1? 9 Μαρτίου Ποιός είναι ο πιο σημαντικός μικροοργανισμός από την αυτή την καλλιέργεια U1. Έχει προσδιοριστεί ο U1? Όχι. Ο U1 είναι κυλινδρικός, κοκκώδης ή κάτι άλλο? Κυλινδρικός Ποια είναι η υφή του U1? Gram-negative.

23 MYCIN Session 3 Υπάρχουν άλλες θετικές καλλιέργειες από περιοχές που δεν σχετίζονται με την μόλυνση που ψάχνεις διάγνωση? Οχι. Ο U1 έχει αναπτυχθεί ανεροβικά? Ναι...(Και άλλες απαντήσεις και ερωτήσεις) Όταν το πρόγραμμα είναι ικανοποιημένο ότι έχει κατανοήσει την κατάσταση τότε το MYCIN ανακοινώνει τη διάγνωσή του Η διάγνωση μου βασίζεται στην εκτίμηση ότι έσω προσδιορίσει το U1 ο οποίος μάλλον είναι : 1. Pseudomonas-aeruginosa 2. Klebsiella-pneumoniae 3. E. coli 4. Bacteroides-fragilis 5. Enterobacter 6. Proteus-nonmirabilis

24 MYCIN Session 4 Ρωτώντας ακόμη περισσότερες ερωτήσεις σχετικά με τον ασθενή το MYCIN πριν τη διάγνωση: Με διαβάθμιση από 0 στο 4, ποιος είναι ο βαθμός σοβαρότητας της ασθένειας του ασθενούς? 3 Μήπως ο ασθενής έχει αλλεργική αντίδραση σε κάποιο αντιβιοτικό φάρμακο? Οχι. Πόσο είναι το βάρος του ασθενούς? 70 κιλά. Η πρώτη μου διάγνωση είναι : προκειμένου να καλύψουμε τα 1, 2, 3, 5, & 6, να δοθεί gentamycin σε δόση 119 mg (1.7 mg / kg) q8h IV [or IM] για 10 ημέρες. Να προσαρμοστεί η δόση σε περίπτωση μη επιτυχίας. Προκειμένου να καλύψουμε το 4, να δοθεί clindamycin σε δόση f 595 mg (8.5 mg / kg) q6h IV [or IM] για 14 ημέρες.

25 Ακολουθία εκτέλεσης κανόνων Κανόνες προς τα μπρος (ορθή ακολουθία εκτέλεσης) Οι κανόνες διασυνδέονται σε μια κατεύθυνση προς τα μπροστά από τις ισχυρισμούς προς τα συμπεράσματα Κανόνες προς τα πίσω (ανάστροφη ακολουθία εκτέλεσης) Οι κανόνες οδηγούν προς τα πίσω, από τις υποθέσεις προς τις ερωτήσεις

26 Δομή Ελέγχου στο MYCIN Το MYCIN χρησιμοποιεί ανάστροφη ακολουθία εκτέλεσης Υποστόχους Δένδρα AND / OR

27 Δένδρο AND / OR ΑΣΤΥΝΟΜΙΚΟΣ ΣΗΜΑ ΟΠΛΟ ΣΤΟΛΗ ΠΕΡΙΣΤΡΟΦΟ ΠΙΣΤΟΛΙ ΚΑΡΑΜΠΙΝΑ If x έχει ΣΗΜΑ and x έχει ΟΠΛΟ, then x is ΑΣΤΥΝΟΜΙΚΟΣ If x έχει ΠΕΡΙΣΤΡΟΦΟ or x έχει ΠΙΣΤΟΛΙ or x έχει καραμπίνα, then x φέρει ΟΠΛΟ If x έχει ΣΤΟΛΗ, then x έχει ΣΗΜΑ

28 Δομή Ελέγχου του MYCIN 1. Κάθε υποστόχος είναι μια γενικευμένη μορφή του αρχικού στόχου 2. Χρησιμοποιείται κάθε κανόνας που είναι σχετικός με το στόχο 3. Εάν ο υπάρχον υποστόχος είναι ένα κόμβος φύλλο τότε ζητιούνται περισσότερες πληροφορίες- δεδομένα.

29 Έλεγχος Εκτέλεσης στο Mycin v Οι κανόνες εκτελούνται ανάστροφα από κάποιον αρχικό στόχο-σκοπό (σύσταση κατάλληλης θεραπείας). v Ο αρχικός στόχος σταδιακά αναλύεται σε απλούστερους υποστόχους που πρέπει να επιτευχθούν για να επιτευχθεί και ο αρχικός στόχος. q Οι υποστόχοι περιλαμβάνουν τον καθορισμό των εμπλεκομένων μικροοργανισμών και τη διαπίστωση της σοβαρότητάς τους ως παράγοντες της μολυσματικής ασθένειας. q Οι περισσότεροι υποστόχοι έχουν δικούς τους υποστόχους, όπως π.χ. τον καθορισμό των ιδιοτήτων της χρώσης και της μορφολογίας του μικροοργανισμού. v Οι απλούστεροι στόχοι είναι η ανάκληση γεγονότων από τη βάση δεδομένων ή το χρήστη. q Εργαστηριακά δεδομένα που δεν μπορούν να εξαχθούν με λογικούς συμπερασμούς. v Βασικός στόχος: IF υπάρχει κάποιος μικροοργανισμός που χρειάζεται αντιμετώπιση ΚΑΙ όλοι οι υπόλοιποι μικροοργανισμοί έχουν αντιμετωπισθεί THEN φτιάξε μία λίστα με πιθανές θεραπείες-φάρμακα και εξακρίβωσε την καλύτερη από αυτές.

30 Ανάστροφη Ακολουθία Εκτέλεσης στο Mycin v v q q q q q q Οι κανόνες που περιέχουν τις κύριες παραμέτρους εκτελούνται πριν από τους υπόλοιπους. Πολλοί από τους συμπερασμούς στο Mycin είναι αβέβαιοι. Συλλέγονται πληροφορίες από όλους τους σχετικούς κανόνες. Η βεβαιότητά τους συνδυάζεται για να εξαχθεί η τελική βεβαιότητα κάποιου συμπεράσματος. Αν κάποιος κανόνας έχει βεβαιότητα 1.0 τότε χρησιμοποιείται μόνο αυτός για την εξαγωγή συμπεράσματος. Αν κάποιο συμπέρασμα εξαχθεί με βεβαιότητα μεταξύ 0.2 και +0.2, τότε θεωρείται ότι δεν εξήχθη καθόλου (αυθαίρετη παραδοχή). Αν κάποια από τις συνθήκες ενός κανόνα είναι από την αρχή σίγουρα ψευδής (βεβαιότητα -1.0), τότε ο κανόνας αυτός δεν εξετάζεται καθόλου. Αν κάποια παράμετρος εξαχθεί με απόλυτη βεβαιότητα (1.0), τότε προηγούνται οι κανόνες που έχουν αυτήν την παράμετρο στη συνθήκη τους.

31 q q q v Κατηγοριοποίηση στο Mycin Το σύστημα οδηγείται από τις λύσεις προς τα δεδομένα. Χρησιμοποιεί δενδροειδή ιεράρχηση των υπο-στόχων. Το Mycin χρησιμοποιεί πρώτα σε βάθος αναζήτηση Παράδειγμα κανόνα: IF A complete blood count is available AND The white blood count is less than 2500/cm 3 THEN The following bacteria might be causing infection: E.coli (0.75), Pseudomonas (0.5), Pneumonia (0.5) q Η πρώτη πρόταση του κανόνα αποτρέπει τη χρήση του στην περίπτωση που δεν είναι διαθέσιμα τα αποτελέσματα της εξέτασης του αίματος. q Αν δεν υπήρχε, το δεύτερο μέρος θα ζητούσε αυτά τα δεδομένα από το χρήστη. q Το τρίτο μέρος προσδιορίζει πιθανές υποψήφιες λύσεις. v Βασικά στάδια κατηγοριοποίησης: q Χρησιμοποιούνται οι σχέσεις γενίκευσης, για να βρεθεί μία γενική κατηγορία ασθενούς για την οποία μπορεί να βρει μία πιθανή αιτία (ασθένεια). q H γενική κατηγορία γίνεται ολοένα και πιο συγκεκριμένη, επιλέγοντας υποκατηγορίες της αρχικής ασθένειας από την ιεραρχία των μικροβίων.

32 Βασικά στάδια κατηγοριοποίησης Χώρος Δεδομένων Χώρος Κατηγοριών-Λύσεων Κατηγορίες ασθενών Κατάσταση Εκτεθειμένου Ξενιστή Α Ι Τ Ι Α Κατηγορίες ασθενειών Βακτήρια που προσβάλουν μη-αποστειρωμένα μέρη Δεδομένα ασθενούς ΓΕΝΙΚΕΥΣΗ ΕΠΙΛΟΓΗ ΥΠΟΚΑΤΗΓΟΡΙΑΣ Κατάσταση ανοσοκαταστολής ΙΕΡΑΡΧΙΑ Κατάσταση λευκοπενίας ΟΡΙΣΜΟΣ Βακτήρια που προσβάλουν την περιοχή GI Εντεροβακτήρια ΕΠΙΛΟΓΗ ΥΠΟΚΑΤΗΓΟΡΙΑΣ Χαμηλός αριθμός λευκών αιμοσφαιρίων ΠΟΙΟΤΗΤΑ Αριθμός λευκών αιμοσφαιρίων < 2500 Μόλυνση από τον οργανισμό E.coli ΕΠΙΛΟΓΗ ΥΠΟΚΑΤΗΓΟΡΙΑΣ Συγκεκριμένη ασθένεια

33 Αξιολόγηση του MYCIN Υπάρχουσες μελέτες έχουν αποδείξει ότι η επίδοση του MYCIN ήταν συγκρίσιμη με αυτή των εμπειρογνωμόνων. MYCIN δεν πέτυχε εμπορικά επειδή Η βάση γνώση δεν ήταν πλήρης Χρειαζόταν περισσότερη υπολογιστική ισχύ Οι ιατροί ζητούσαν ένα πιο φιλικό περιβάλλον επικοινωνίας.

34 Γενική Αξιολόγηση Εμπείρων Συστημάτων Αντικειμενικά κριτήρια επιτυχίας Θα πρέπει να ακολουθούνται πειραματικές διαδικασίες Η αξιολόγηση πρέπει να είναι πού προσεκτική και λεπτομερής

35 Σύγκριση STRIPS & MYCIN Τύπος Σχεδιασμού v έμπειρο σύστημα Μικρό μέγεθος v Μεγάλο & πολύπλοκο Ευρεστικά - λίγα v πολλά Δομή ελέγχου στόχοι & υποστόχοι Φτωχή γνώση v βάση γνώσης

36 Περίληψη Αναπαράσταση γνώσης και γλώσσες STRIPS Στόχοι & υποστόχοι MYCIN Κανόνες παραγωγής Ορθή και ανάστροφη ακολουθία εκτέλεσης κανόνων Αξιολόγηση συστημάτων