U MEL Á I NTELIGENCI A prednáška č. 4

1. UMELÁ INTELIGENCIA prednáška č. 4 Znalostné systémy doc. Ing. Kristína Machová, PhD. kristina.machova@tuke.sk Vysokoškolská, 150, Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

2. Osnova prednášky • Definícia a historickí predchodcovia • Vlastnosti ZS v porovnaní s ľudským riešiteľom • Miesto človeka v tvorbe a používaní ZS • Štruktúra ZS • Produkčný systém • Dopredné a spätné reťazanie • Prehľadávanie inferenčnej siete • Spracovanie neurčitých znalostí • Získavanie znalostí • Vysvetľovací mechanizmus • Vyhodnocovanie ZS • Aplikačné možnosti ZS Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

3. 1. Definícia a historickí predchodcovia ZS je súbor počítačových programov a štruktúrovaných údajov, ktoré sú schopné nahradiť činnosť špecialistu v jeho obore, prípadne ho prekonať. HISTORICKÍ PREDCHODCOVIA • DENDRAL analyzuje údaje hmotového spektrografu a zostavuje molekulárne štruktúry. Prvá aplikácia väčšieho množstva špecifických znalostí. • MACSYMA vykonáva symbolické manipulácie. • MYCIN diagnostikuje a lieči infekčné ochorenia krvi (výsledky porovnateľné s expertom). • HERSAY rieši úlohy na rôznych úrovniach abstrakcie, na úrovni 10 ročného dieťaťa. Chápe súvislú reč (1000 slov). Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

4. 2. Vlastnosti ZS a ľudského riešiteľa Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

5. 3. Miesto človeka v tvorbe a použití ZS VLASTNOSTI ČLOVEKA, KTORÝMI ES NEDISPONUJE sú tvorivosť, schopnosť vyrovnať sa s neočakávaným zvratom situácie, učenie sa novým stratégiám, zdravý rozum (vš. znalosti – zjednodušenie), sebareflexia. expert tvorca nástroja ZS PTZS používateľ znalostný inžinier Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

6. 4. Štruktúra ZS METAZNALOSTI prázdny dedikovaný ––– diagnostický plánovací BZ IM BD PP,IS prehľadávanie IS Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

7. 5. Produkčný systém l1&m1&l5>k1 k1 k2 k3 m1&l5&m3>k2 l5&m2&l7>k3 l1 m1 l5 m3 l7 l2&m2>m1 l3vl4>m2 l2 m2 l6 l8 l6vl8>m3 l3 l4 • Produkčné pravidlo: predpoklady PzáverZ • Reťazenie produkčných pravidiel (podmienka) • Hierarchická štruktúra – strom – inferenčná sieť • Uzly: koreňové, medziľahlé, listové • Uzly: (ne)cieľové, (ne)dotazovateľné Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

8. 6. Dopredné a spätné reťazenie Ak záver jedného pravidla obsahuje tú istú znalosť (v tej istej forme) ako predpoklad ďalšieho, je možné reťazenie pravidiel. Existujú dva druhy reťazenia: • Dopredné reťazenie. Ak aktuálne platia predpoklady, potom platí záver. Vykoná sa vždy prvé pravidlo, ktorého situačná časť je splnená. Hovoríme o priamom reťazení – data driven inference, resp. forward chaining. Nevýhody: - pri dokazovaní hypotézy vykoná aj mnoho nepotrebných pravidiel (nevieme ovplyvniť) - odvodí všetky výsledky na základe stavu BD 2. Spätné reťazenie. Aby platil záver, musíme dokázať tvrdenie. Hovoríme o backward chaining. Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

9. 7. Prehľadávanie inferenčnej siete • NEÚPLNÝ PRIAMY CHOD je pohyb v IS od necieľového ku koreňovému uzlu. Uzly na ceste sa neexpandujú. (Ktoré ciele sú relevantné k zadanému uzlu?) • ÚPLNÝ SPATNÝ CHOD je postup v IS od cieľového uzla k listovým. Uzly na ceste sa expandujú. • ÚPLNÝ PRIAMY CHOD je postup od listových uzlov ku koreňovým. Ak je nutná expanzia, vykoná sa. • NEÚPLNÝ SPATNÝ CHOD smeruje od koreňových k listovým uzlom. Uzly sa neexpandujú. Hľadáme najvierohodnejšie alternatívy (heuristický postup). Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

10. 8. Spracovanie neurčitých znalostí Iba malá časť znalostí experta má tvar, matematizovaných teórií. Expert si vytvára znalostí zo skúseností na základe jeho mentálnych modelov. Často ide o tušenia, osvedčené postupy. Spracovať ich možno napr. heuristikou. • ALGORITMUS. Jednoznačný výpočtový postup vedúci k optimálnemu riešeniu. Vyznačuje sa hromadnosťou, konečnosťou a resultatívnosťou.. • HEURISTIKA. Je neformálny úsudkový postup, osvedčený v dostatočnom počte prípadov (nedokázateľný ale použiteľný). Nezaručuje hromadnosť ani optimál. riešenia. Znalosti o neurčitosti (4. typ znalostí): sú panoramatické, lebo sa týkajú tak predmetných, konkrétnych znalostí ako aj metaznalostí. Vyjadrujú mieru istoty experta vo výsledok. Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

11. 9. Typy neurčitostí • NEURČITOSŤ v BZ. Dôležitá súčasť ZS založenom na vedomostiach experta (jeho skúsenosti, mentálne modely, nie rigorózne tvrdenia, tušenia, osvedčené postupy - heuristiky). HEURISTIKA je neformálny úsudkový postup, osvedčený v dostatočnom počte prípadov (nedokázateľný ale použiteľný, teroristi). • NEURČITOSŤ v BD. Neisté odpovede používateľa, subjektívnosť úsudku, odhady nedostupných informácií, zašumené dáta. • METÓDY: Subjektívna Bayesovská metóda, Algebraická teória, Dempster-Shafferova metóda, Fuzzy prístup (intervaly, počet hodnôt, symbolická, numerická). Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

12. 10. Získavanie znalostí ZÍSKAVANIE NOVÝCH ZNALOSTÍ klasickou cestou strojovým učením priamym prenosom DOPĹŇANIE A MODIFIKÁCIA ZNALOSTÍ spravidla klasickou cestou Nevýhody klasickej cesty: ZI je laik v oblasti E nemá čas, bojí sa o miesto, nedokáže exaktne vyjadriť znalosti používané na riešenie TEIRESIAS je inteligentný modul priameho prenosu znalostí. Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

13. 11. Klasická cesta • Je historicky najstarší model, v ktorom robí znalostný inžinier ZI medzičlánok medzi BZ a expertom E. • Slabým miestom tohto spôsobu je tak ZI (laik v danej oblasti – musí pochopiť základy domény – zdĺhavý proces) ako aj E (niekedy neschopný exaktne vyjadriť svoje znalosti používané na riešenie úloh, nemá čas, bojí sa o miesto). • Pokus vylúčiť z procesu získavania znalostí znalostného inžiniera viedol k PRIAMEMU PRENOSU. Pokus vylúčiť z procesu získavania znalostí experta viedol k STROJOVÉMU UČENIU. Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

14. 12. Priamy prenos • BZ je priamo vytváraná v príslušnom editore expertom, oboznámeným s problematikou programovania. • Nevyhnutný je inteligentný modul priameho získavania znalostí, ktorý: - nie je pasívnym príjemcom znalostí - pomáha expertovi vyjadrovať znalosti - navádza ho a kontroluje - dokáže odhaliť logický rozpor - má rozsiahle dialógové schopnosti - má znalosti o štruktúre BZ Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

15. 13. Strojové učenie • trénovacia množina algoritmus  produkčné pravidlá • Strojové učenie: induktívne a deduktívne kontrolonané a nekontrolované inkrementálne a neinkrementálne • Vychádza z údajov vo forme trénovacej tabuľky: - má dátovú a rozhodovaciu časť - delí sa na trénovaciu a testovaciu množinu Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

16. 14. Vysvetľovací mechanizmus • Používateľ potrebuje vysvetlenie, čo sa robí, keďže nepozná všetky možnosti práce so ZS. Používateľ sa potrebuje utvrdiť v dôveryhodnosti výsledku, keďže ide o riešenie ne-algoritmizovateľnej úlohy. • Vysvetľovanie je charakterizované: 1. Cieľom vysvetľovania 2. Objektom vysvetľovania 3. Spôsobom vysvetľovania 4. Adresátom vysvetľovania Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

17. 15. Vysvetľovací mechanizmus - cieľ Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

18. 16. Delenie vysvetlení • Vysvetlenia pomocou vopred pripravených textov. S každým krokom programu je zviazaný vysvetľujúci text, ktorý bol vopred pripravený (chybové hlásenia). Nevýhody: nutnosť predvídať otázky, nezohľadňuje dynamiku vysvetľovania, žiadny konceptuálny model. • Vysvetlenia generované z behu programu. GOAL, TRACE, WHY, HOW, WHAT, WHAT-IF • Vysvetlenia podľa modelu. Systém používa: IS (expertné znalosti, na riešenie problému) kauzálny model (model znalosti, na formuláciu vysvetlení). Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

19. 17. Vyhodnocovanie ZS ZS sa v procese tvorby opakovane vyhodnocuje, resp. testuje. Vyhodnocovanie zahŕňa tri procesy: • Verifikáciu – kontrolu vnútornej konzistentnosti a úplnosti. • Validáciu – stanovenie, či ES uspokojivo realizuje ciele, pre ktoré bol navrhnutý. • Prijatie používateľom (user acceptance) – použiteľnosť systému pre konečného používateľa Testovanie je dôležité a to v každej fáze návrhu. Každá modifikácia prototypu musí byť znovu vyhodnotená. Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

20. 18. Validácia ZS Je komplikovaná, keďže si kladie za cieľ testovať správnosť z významového hľadiska. Existuje niekoľko prístupov: • Empirické metódy. Sú dominantné. Spočívajú v testovaní prototypu na testovacích príkladoch a ohodnocovaní výsledkov z hľadiska prijateľnosti, presnosti a správnosti. • Klasická metóda. Ak nezávislý expert nedokáže odlíšiť riešenia ZS od riešení iného experta, potom je ZS validný. Výsledky ZS je možné testovať voči štandardu: kde n je počet testov a Va je miera kvality ZS. Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

21. 19. Prijatie používateľom Predstavuje ochotu používateľa ZS používať. Vyhodnocujú sa nasledovné faktory: • Ľahkosť učenia. • Riadenie. Používateľ musí mať pocit, že riadi dialóg. Systém by nemal reagovať nepredvídateľne. • Stupeň úsilia. Je nutné sa vyhnúť pri návrhu ZS každému nie nevyhnutnému úsiliu (mentálnemu, fyzickému) • Rýchlosť. Výsledky musia byť získané v reálnom čase. • Vstup a výstup informácií. Je potrebné rešpektovať zvyklosti používateľa. • Odolnosť a korekcia chýb. ZS má byť schopný korigovať náhodné chyby (výber alternatívy je lepší ako zadávanie). Testy prebiehajú pomocou: interview, dotazník, pozorovanie..... Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

22. 20. Aplikačné možnosti ZS • ZAHRANIČNÉ ZS: spomínané, EXSYS, CLIPS, PROSPECTOR (detekcia ložísk nerastných surovín – ekon. efekt), R1 (konfigurácie počítačov VAX), QTC (návrh súčiastok) • DOMÁCE ZS: PROLEX(ochorenia tráviaceho traktu), KRAVEX(optimalizácia kŕmnej dávky), EQUANT(Hájek, práca s neurčitosťou), FEL-EXPERT(Mařík, genetické ochorenia, psychofyziologické záznamy z EEG, klasif. organických toxických látok, plánovanie kusovej výroby),TEAM(zostavovanie riešiteľských tímov), CODEX(Popper, diagnostika chorôb), AREX(hodnotenie spoľahlivosti automobilov) Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

23. 20. Aplikačné možnosti ZS EKONOMICKÉ APLIKÁCIE FAST...hodnotenie bonity klienta LendingAdvisor...hodnotenie žiadosti o pôžičky (riziká, štrukt.) PLANET...podpora auditorov, štandardizácia auditu EXPERTAG...pomocník auditorov a daňových poradcov NyseFocusReviewSystem...finančné problémy, NewYork-burza MarketMind...finančné operácie v reálnom čase, NewYork-burza CARMA...analýza trhu, používa EXSYS FINCEN...používa ministerstvo financií USA, preverovanie transakcií nad 10.000$, odhaľovanie nelegálnych aktivít, používa ES-NexpertObject Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach