ΕΜΠΕΙΡΑ ΣΥΣΤΗΜΑΤΑ Χρυσόστομος Στύλιος

ΕΜΠΕΙΡΑ ΣΥΣΤΗΜΑΤΑ Χρυσόστομος Στύλιος Email: stylios@teiep.gr Ιστοσελίδα: Ανακοινώσεις, διαφάνειες, εργασίες, χρήσιμοι σύνδεσμοι, κλπ.

Ύλη του μαθήματος Εισαγωγή-Έμπειρα συστήματα. Αναπαράσταση γνώσης και συμβολική συλλογιστική Συστήματα βασισμένα σε κανόνες Αναπαράσταση αβεβαιότητας. Ασαφής Λογική, Συλλογιστική και Ασαφή Συστήματα Απόκτηση γνώσης Ευρεστική κατηγοριοποίηση Εργαλεία για το σχεδιασμό εμπείρων συστημάτων

Μερικές περιοχές της Τεχνητής Νοημοσύνης Speech Robotics Artificial Neural Systems Vision Expert Systems Natural Language Understanding Επεξεργασία Φυσικής Γλώσσας, Τεχνητή Όραση, Μηχανική Μάθηση Αυτόνομα Robot, Έμπειρα Συστήματα Συστήματα Γνώσης, Απόδειξη Θεωρημάτων, Σχεδιασμός Ενεργειών και Χρονοπρογραμματισμός,

Προσεγγίσεις για την ΤΝ Κλασική ή συμβολική Βασίζεται στην κατανόηση των νοητικών διεργασιών και ασχολείται με τη προσομοίωση της ανθρώπινης νοημοσύνης προσεγγίζοντάς την με αλγορίθμους και συστήματα που βασίζονται στη γνώση. Συνδετική (connectionist approach) ή μησυμβολική: Βασίζεται στη μίμηση της βιολογικής λειτουργίας του εγκεφάλου προσεγγίζοντας το θέμα με τα λεγόμενα νευρομορφικά ή νευρωνικά δίκτυα (neural networks).

Ιστορικά στοιχεία Προϊστορική: η ΤΝ ουσιαστικά προαναγγέλλεται σε διηγήματα επιστημονικής φαντασίας. Κλασική (μέχρι τα μέσα της δεκαετίας του 1960): αναπτύχθηκαν συστήματα που έπαιζαν παιχνίδια και έλυναν γρίφους. Ρομαντική (μέχρι τα μέσα της δεκαετίας του 1970): οι προσπάθειες επικεντρώνονται στην ανάπτυξη συστημάτων που κατανοούν ιστορίες και διάλογους σε φυσική γλώσσα. Μοντέρνα (μέχρι τα τέλη της δεκαετίας του 1980): χαρακτηρίζεται από την ανάπτυξη συστημάτων που βασίζονται στη γνώση και την εμπορική εκμετάλλευση των αποτελεσμάτων της έρευνας γύρω από την ΤΝ. Μετα-μοντέρνα περίοδο με κύριο χαρακτηριστικό το διαδίκτυο. Έμφαση στην ανάπτυξη προγραμμάτων και τεχνικών (πράκτορες) που διευκολύνουν τη χρήση του διαδικτύου (αναζήτηση πληροφοριών) ή την ανάπτυξη εφαρμογών που σχετίζονται με αυτό (όπως το ηλεκτρονικό εμπόριο).

Εξελίξεις στην Τεχνητή Νοημοσύνη ΥΨΗΛΗ Υ π ο λ ο γ ι σ τ ι κ ή Εύρεση γενικών μεθόδων για επίλυση προβλημάτων και χρησιμοποίησή τους για γενικού σκοπού προγράμματα ΧΑΜΗΛΗ 1960 1970 1980

Εξελίξεις στην Τεχνητή Νοημοσύνη ΥΨΗΛΗ Υ π ο λ ο γ ι σ τ ι κ ή Εύρεση γενικών μεθόδων για τη βελτίωση παρουσίασης και αναζήτησης και χρήση αυτών για τη δημιουργία Εξειδικευμένων προγραμμάτων ΧΑΜΗΛΗ 1960 1970 1980

Εξελίξεις στην Τεχνητή Νοημοσύνη ΥΨΗΛΗ Υ π ο λ ο γ ι σ τ ι κ ή Χρήση ευρείας, υψηλής ποιότητας, εξειδικευμένης γνώσης για περιορισμένου εύρους προβλήματα προκειμένου να αναπτυχθούν εξειδικευμένα προγράμματα ΧΑΜΗΛΗ 1960 1970 1980

Τα έμπειρα Συστήματα προέρχονται από την Τεχνητή Νοημοσύνη Η ΤΝ ξεκίνησε με τη θεώρηση ότι η συμβολική επεξεργασία είναι πιο πέρα από τους υπολογιστές. Ο όρος ΤΝ εισήχθηκε όταν η συμβολική επεξεργασία ωρίμασε και έφτασε στο σημείο όπου οι ερευνητές είχαν να αντιμετωπίσουν προβλήματα για τα οποί οι άνθρωποι θεωρούσαν ότι εμπεριείχαν ευφυία. Στην αρχή η ΤΝ αφορούσε την επίλυση γενικών προβλημάτων. Οι ερευνητές θεωρούσαν ότι η ευφυία αφορούσε τη γενική αντίληψη να επιλύει προβλήματα, ενώ τα συγκεκριμένα προβλήματα εισάγονταν ως δεδομένα στο σύστημα

Έμπειρα Συστήματα και Τεχνητή Νοημοσύνη Επειδή υπήρχε έλλειψη της απαιτούμενης γενικής γνώσης για λυθούν εξειδικευμένα προβλήματα, οι προσπάθειες επικεντρώθηκαν στο να καθορισθεί η κοινής αίσθησης γνώση ή εγκυκλοπαιδική γνώση Μικρά συστήματα τα οποία μπορούσαν να περιέχουν εξειδικευμένη γνώση για ένα συγκεκριμένο πεδίο εφαρμογής κατασκευάστηκαν με επιτυχία και χρησιμοποιήθηκαν αρκετά Τα έμπειρα συστήματα ως αρχιτεκτονική και εφαρμογή αποτέλεσαν ένα ξεχωριστό πεδίο της ΤΝ στο τέλος της δεκαετίας του 70, και στις αρχές του 80.

Εξέλιξη 1943 Κανόνες Παραγωγής 1954Αλγόριθμοι Markov για τον έλεγχο της εκτέλεσης των κανόνων 1956 Dartmouth Conference, Ευρεστική Heuristic Αναζήτηση, εισαγωγή του όρου ΤΝ 1958 LISP Γλώσσα προγραμματισμού (McCarthy) 1965 Ασαφής Λογικής για ερμηνεία Ασαφών Αντικειμένων (Zadeh) Έναρξη του προγράμματος DENDRAL, πρώτο έμπειρο σύστημα (Feigenbaum, Buchanan) 1969 MACSYMA έμπειρο μαθηματικό σύστημα (Martin, Moses) 1970 PROLOG 1971 HEARSAY για αναγνώριση φωνής 1973 MYCIN για ιατρικές διαγνώσεις (Shortliffe) 1975 Πλαίσια (frames) για αναπαράσταση γνώσης (Minsky) 1976 Dempster-Shafer Θεωρία για τη συλλογιστική μέσα σε κάτω αβεβαιότητα PROSPECTOR 1978 XCON/R1 για το σχεδιασμό υπολογιστών DEC 1979 Ο αλγόριθμός Rete για ταχύ ταίριασμα προτύπων (Forgy) 1982 SMP έμπειρο μαθηματικό σύστημα 1985 CLIPS εργαλείο για την ανάπτυξη έμπειρων συστημάτων (NASA)

Ανάπτυξη εμπείρων συστημάτων Dendral Internist Casnet Mycin Hearsay Puff Prospector Teiresias Xcon(R1) 1965 1970 1975 1980

Γνωστά έμπειρα συστήματα DENDRAL Ταυτοποίηση χημικών ενώσεων μέσω δεδομένων φασματικής ανάλυσης. Χρήση ευριστικής αναζήτησης. MYCIN Διάγνωση μηνιγγίτιδας και βακτηραιμίας. Χειρισμός αβέβαιων γνώσεων με συντελεστές βεβαιότητας. PROSPECTOR Πρόβλεψη θέσης ορυκτών κοιτασμάτων από γεωλογικά δεδομένα. Χρήση σημασιολογικών δικτύων και δικτύων πιθανοτήτων. XCON Επιλογή και διάταξη εξαρτημάτων υπολογιστών ώστε να ικανοποιούνται οι απαιτήσεις των πελατών.

Άλλα Έμπειρα Συστήματα CRYSALYS MOLGEN ACE MUD EMYCIN TEIRESIAS HEARSAY COMPASS ONCOCIN

Χρειάζεται ένα έμπειρο Σύστημα? Είναι κατάλληλο το πεδίο εφαρμογής? Μπορεί το πρόβλημα να λυθεί με συμβατικό προγραμματισμό? Είναι το πεδίο καλά περιορισμένο? Υπάρχει πράγματι ανάγκη για ένα έμπειρο σύστημα? Υπάρχει τουλάχιστον ένας εμπειρογνώμονας που να μπορεί να βοηθήσει? Μπορεί ο εμπειρογνώμονας να εξηγήσει τη γνώση και εμπειρία έτσι ώστε να μπορεί να την κατανοήσει ο μηχανικός γνώσης? Είναι η γνώση κυρίως ευρεστική και αβέβαιη?

Ανάπτυξη και λειτουργία ΕΣ Ειδικός Ερωτήσεις - συνεντεύξεις Απαντήσεις (γνώση) Μηχανικός Γνώσης Τεχνικές Αναπαράστασης Δεδομένα Γνώσης Διασύνδεση Μεταφοράς Γνώσης Ανάπτυξη Έμπειρο Σύστημα Λειτουργία Διασύνδεση με Χρήστη Χρήστης

Τι πρέπει να διαθέτει ένα έμπειρο σύστημα Υψηλή απόδοση Ικανοποιητικός χρόνος απόκρισης Αξιοπιστία Κατανοήσιμο Ευέλικτο

Χαρακτηριστικά ΕΣ Επεξήγηση και αιτιολόγηση συλλογισμού. π.χ. με βάση ποια στοιχεία και συλλογισμούς έγινε μια ιατρική διάγνωση. Δυνατότητα χειρισμού της ενσωματωμένης γνώσης. Η γνώση πρέπει να είναι σε κατανοητή μορφή. Πρέπει να είναι εύκολη η προσθήκη ή διόρθωση γνώσεων. Η γνώση πρέπει να είναι σαφώς διαχωρισμένη από τον υπόλοιπο κώδικα (π.χ. κώδικας χειρισμού γνώσης). Χειρισμός αβέβαιης ή ελλιπούς γνώσης. π.χ. «Αν ο ασθενής έχει υψηλό πυρετό»

Πλεονεκτήματα ΕΣ έναντι ανθρώπων Διαρκής διαθεσιμότητα. Χαμηλό κόστος λειτουργίας. Αλλά υψηλό κόστος ανάπτυξης. Ευκολία μεταφοράς και αποτύπωσης γνώσης. Η μεταφορά γνώσεων μεταξύ ανθρώπων απαιτεί μακροχρόνια εκπαίδευση. Οι άνθρωποι δυσκολεύονται να εξηγήσουν τις γνώσεις τους. Συνέπεια και απουσία παρορμήσεων. Πάντα τα ίδια συμπεράσματα με τα ίδια δεδομένα. Εργασία υπό αντίξοες συνθήκες. Αντικειμενικότητα. Δυνατότητα συγκερασμού απόψεων πολλών ειδικών.

Μειονεκτήματα ΕΣ έναντι ανθρώπων Απουσία έμπνευσης, πρωτοτυπίας. Περιορισμένο πεδίο γνώσης. Απουσία κοινής λογικής. π.χ. εντοπισμός προφανών λαθών (π.χ. ηλικία > 200). Έλλειψη μετα-γνώσης. Απουσία γνώσης των ορίων και των δυνατοτήτων τους. Δυσκολία απόκρισης σε πραγματικό χρόνο. Ανάγκη ελέγχων ορθότητας, πληρότητας, συνέπειας των γνώσεων που εισάγονται. Αδυναμία μάθησης.

Αρχιτεκτονική ενός Έμπειρου συστήματος Δομή Ελέγχου (Ερμηνεία κανόνων Βάση Γνώσης (Σύνολο κανόνων Συνολική Βάση

Ένα έμπειρο σύστημα Εννοιολογικό Μοντέλο Απόκτηση Γνώση Προγραμματισμός του συστήματος της Βάσης Γνώσης Βάση Γνώσης If p(x) ^q(x,y) then r(y) Εμπειρία If u(x) ^u(y) then s(z) If r(y) ^s(x,y) then t(x). Μηχανισμός Συμπερασμού On Off. Εφαρμοσμένο Έμπειρο σύστημα

Τμήματα ενός Έμπειρου συστήματος βασισμένου σε κανόνες Βάση Γνώσης (Κανόνες) Μηχανισμός Εξαγωγής Συμπερασμάτων Χώρος Εργασίας (Γεγονότα) Μηχανισμός Επεξήγησης Μηχανισμός Απόκτησης Γνώσης Διεπαφή με το Χρήστη

Θέματα στα Έμπειρα Συστήματα Απόκτηση της γνώσης Παρουσίαση της γνώσης Έλεγχος της μεθοδολογίας δικαιολόγησης Επεξήγηση των λύσεων

Απόκτηση Γνώσης Τι είναι η γνώση? Αλήθεια Γεγονός Πεποίθηση Πληροφορία Μετασχηματισμός και μεταφοράς της εμπειρίας από την πηγή της γνώσης σε ένα πρόγραμμα.

Ιεραρχία της Γνώσης Μετά Γνώση Γνώση Πληροφορία Δεδομένα Θόρυβος

Απόκτηση Γνώσης Το πρόβλημα της γνώση Χρήση επαγγελματικής διαλέκτου Δύσκολο να χαρακτηριστεί κάποια πληροφορία Οι εμπειρογνώμονες γνωρίζουν περισσότερο από απλά γεγονόταs

Απόκτηση Γνώσης Βαθιά Γνώση Εμπειρική Γνώση Ευρεστική Γνώση Η απόκτηση γνώσης συμβαίνει σε κύκλους

Αναπαράσταση Γνώσης Λογική ακρίβεια Ευρεστική δύναμη Επεξηγηματική παρουσίαση

Αναπαράσταση Γνώσης Παραγωγή κανόνων Δομημένα αντικείμενα Λογικά Προγράμματα

Έλεγχος Συλλογισμού Μετά Γνώση Χρονοπρογραμματισμός Έλεγχος Αναζήτηση

Επεξήγηση Λύσεων Διεπαφή Ανθρώπου/Υπολογιστή Χαρακτηριστικά Υπερ & κατά για μια υπόθεση Λίστα των συγκρίσιμων υποθέσεων Λίστα των συνεπειών/ αποτελεσμάτων Να δίνει προβλέψεις Δικαιολόγηση ερωτήσεων Δικαιολόγηση απαντήσεων

Επεξήγηση Λύσεων Είναι σημαντική για Χρήστες Μηχανικούς της γνώσης Εμπειρογνώμονες Προγραμματιστές Διευθυντές

Διαφορές μεταξύ έμπειρων συστημάτων και συμβατικών προγραμμάτων Χαρακτηριστικό Συμβατικό πρόγραμμα Έμπειρο Σύστημα Ελέγχεται από Ακολουθία δηλώσεων Μηχανισμός Εξαγωγής συμπερασμάτων Έλεγχος & Δεδομένα Ενιαία Σαφής διαχωρισμός Δυνατότητα Ελέγχου Μεγάλη Δύσκολη Λύση από Αλγόριθμός Κανόνες & Συμπεράσματα Αναζήτηση Λύσης Μικρή ή καθόλου Μεγάλη Επίλυση προβλήματος Ο αλγόριθμοςt Κανόνες

Διαφορές μεταξύ έμπειρων συστημάτων και συμβατικών προγραμμάτων Χαρακτηριστικό Συμβατικός Έμπειρο Σύστημαm προγραμματισμός Είσοδος Υποτίθεται ότι είναι σωστή Δεν είναι πλήρης και απόλυτα σωστή Άγνωστη είσοδος Δύσκολο να Ανταποκρίνεται αντεπεξέλθει Έξοδος Πάντα σωστή Ποικίλει και Εξαρτάται από το πρόβλημα Επεξήγηση Καμία Συνήθως Εφαρμογές Αριθμητικές, αρχεία Συμβολικός κείμενο Συλλογισμός Εκτέλεση Γενικά ακολουθιακή Κανόνες

Διαφορές μεταξύ έμπειρων συστημάτων και συμβατικών προγραμμάτων Χαρακτηριστικό Συμβατικός προγραμματισμός Έμπειρο Σύστημα Σχεδιασμός του προγράμματος Δομημένος σχεδιασμός Ελάχιστη ή καθόλου δομημένο Τροποποίηση Δύσκολη Λογική Επέκταση Γίνεται σε μεγάλη ποσότητα Επαυξητική

Περίληψη Εξέλιξη από την ΤΝ Ιστορικά στοιχεία Αρχιτεκτονική Τμήματα Διεπαφή χρήστη Βάση γνώσης Μηχανισμός εξαγωγής συμπερασμάτων Μνήμη Δυνατότητα επεξηγήσεων Γνώση Ιεραρχία Απόκτηση Επεξήγηση Έλεγχος Διαφορές μεταξύ έμπειρων συστημάτων και συμβατικών συστημάτων.