Systemy ekspertowe

1.

Systemy ekspertowe
Systemy komputerowe, które wykonują skomplikowane zadania w
określonej dziedzinie o dużych wymaganiach intelektualnych, które
robią to tak dobrze jak człowiek, który jest ekspertem w tej
dziedzinie.
Programy lub zestawy programów komputerowych wspomagające
korzystanie z wiedzy i ułatwiające podejmowanie decyzji.
Systemy ekspertowe mogą także spełniać rolę doradczą dla eksperta
gdy nie może on wykorzystać swojej wiedzy w sposób optymalny
(bardzo skomplikowane problemy, dużo zmiennych decyzyjnych).

2.

Idea systemu ekspertowego
1. Przenosimy wiedzę eksperta do programu komputerowego
2. Program jest wyposażony w bazę wiedzy, konkretne reguły
wnioskowania i język komunikacji z użytkownikiem
3. Wiedza zgromadzona w systemie może być wykorzystywana
wielokrotnie przez wielu użytkowników
4. Komputer daje użytkownikowi najlepszą radę
5. Jeśli to konieczne, komputer tłumaczy logikę powstania wniosków
wyjściowych.

3.

Podział systemów ekspertowych ze względu na
funkcję lub przeznaczenie
1. Doradcze
Przedstawiają użytkownikowi pewne rozwiązania a on je ocenia i
wybiera najodpowiedniejsze lub żąda innego rozwiązania.
2. Podejmujące decyzje bez udziału człowieka
Wynik końcowy nie jest konsultowany z użytkownikiem. Są
stosowane gdy udział człowieka jest utrudniony lub niemożliwy.
3. Krytykujące
Przyjmują postawiony problem i ewentualne rozwiązanie jako
wielkości wejściowe. Po analizie oceniają zaproponowane
rozwiązanie.

4.

Podział systemów ekspertowych ze względu na
sposób wnioskowania
1. Wnioskowanie postępujące
Na podstawie prawdziwych warunków szacujemy te aspekty
problemu na które warunki pozwalają. Generowane są wszystkie
logiczne konsekwencje faktów wejściowych.
2. Wnioskowane zstępujące
Rozpoczynamy od postawienia wniosku i zakładamy jego
prawdziwość. Następnie ustalamy warunki gwarantujące
prawdziwość wniosku. Po sprawdzeniu prawdziwości warunków
potwierdzamy lub zaprzeczamy wnioskowi. Ewentualnie
wskazujemy na niemożność rozwiązania problemu.

5.

Budowa systemu ekspertowego

6.

Budowa systemu ekspertowego
Interfejs użytkownika umożliwia zadawanie pytań, udzielanie
informacji systemowi oraz odbieranie od systemu odpowiedzi i
wyjaśnień.

7.

Budowa systemu ekspertowego
Użytkownik korzystający z systemu ekspertowego prowadzi dialog
z systemem poprzez interfejs użytkownika.
Dialog ma następujące cechy:
-
Można nie udzielić odpowiedzi na jakieś pytanie. W takim
przypadku wygenerowane zostanie inne pytanie.
Rozmowa nie jest z góry zaplanowana.
Przebieg dialogu zmienia się w zależności od odpowiedzi na
kolejne pytania.

8.

Budowa systemu ekspertowego
Edytor bazy wiedzy pozwala na modyfikację wiedzy zawartej w
systemie, umożliwiając tym samym jego rozbudowę

9.

Budowa systemu ekspertowego
Mechanizm wnioskowania jest głównym składnikiem systemu
ekspertowego wykonującym cały proces rozumowania w trakcie
rozwiązywania problemu postawionego przez użytkownika.

10.

Budowa systemu ekspertowego
Mechanizm wyjaśniający - jeden z elementów interfejsu pomiędzy
systemem a użytkownikiem, który umożliwia użytkownikowi
uzyskanie informacji dlaczego system udzielił takiej, a nie innej
odpowiedzi, albo dlaczego system zadał użytkownikowi określone
pytanie

11.

Budowa systemu ekspertowego
Baza wiedzy jest to deklaratywna postać wiedzy ekspertów z danej
dziedziny zapisana za pomocą wybranego sposobu reprezentacji
wiedzy, najczęściej reguł.

12.

Budowa systemu ekspertowego
Baza danych zmiennych jest pamięcią roboczą przechowującą
pewne fakty wprowadzone w trakcie dialogu z użytkownikiem;
baza ta umożliwia odtworzenie sposobu wnioskowania systemu i
przedstawienie go użytkownikowi za pomocą mechanizmu
wyjaśniającego.

13.

Baza wiedzy
O jakości systemu ekspertowego decyduje baza wiedzy.
Techniki pozyskiwania wiedzy:
1. bezpośrednie zapisanie wiedzy (tzw. uczenie na pamięć),
2. pozyskiwanie wiedzy na podstawie instrukcji (tzw. uczenie
przez przekazywanie informacji),
3. Pozyskiwanie wiedzy na podstawie analogii
4. pozyskiwanie wiedzy na podstawie obserwacji (tzw. uczenie
bez nauczyciela),
5. pozyskiwanie wiedzy na podstawie przykładów.

14.

Niepewność w systemach ekspertowych
Wnioski generowane przez system ekspertowy nie zawsze są
konstruowane ze 100% pewnością.
Wnioski nie są binarne.
W niektórych systemach ekspertowych do każdego wniosku
określa się pewną liczbę (najczęściej rzeczywistą)
mówiącą, o tym jakie jest przekonanie, że wniosek jest
prawdziwy (np. w formie prawdopodobieństwa).

15.

Baza wiedzy
Dane w bazie wiedzy mają postać symboliczną.
Typy symbolicznej reprezentacji wiedzy
-
reprezentacja proceduralna – polegająca na określeniu zbioru
procedur, działanie których reprezentuje wiedzę o problemie
-
reprezentacja deklaratywna – polegająca na określeniu zbioru,
specyficznych dla rozpatrywanej wiedzy, faktów, stwierdzeń i
reguł

16.

Etapy budowy systemu ekspertowego

17.

Etapy budowy systemu ekspertowego
1. Identyfikacja problemu
Polega na określeniu celu i zadania jakie stawiamy przed SE.
Wymaga zinwentaryzowania potencjalnych źródeł wiedzy.
Problem stawiany przed SE:
- powinien być związany z możliwie wąską specjalizacją
- powinien zostać precyzyjnie zdefiniowany
- nie powinien reprezentować typowego algorytmu
Identyfikacja powinna zakończyć się raportem zawierającym:
- Cel
- Potencjalne rozwiązania
- Dostępność wiedzy
- Uzasadnienie ekonomiczne
- Konfigurację sprzętowo-programową

18.

Etapy budowy systemu ekspertowego
2. Akwizycja wiedzy
Wiedza to ogół wiarygodnych informacji o rzeczywistości wraz z
umiejętnością jej wykorzystania.
Źródła wiedzy
- ekspert
- bazy danych i hurtownie danych
- istniejące w firmie inne zbiory niż bazy danych
- literatura fachowa
Pozyskiwanie wiedzy
- klasyczne (od eksperta)
- automatyczne (metody odkrywania wiedzy)

19.

Etapy budowy systemu ekspertowego
2. Akwizycja wiedzy
Etapy pozyskiwania wiedzy
1. rozpoznanie dziedziny – sprecyzowanie zadania
- rozważenie przydatności sztucznej inteligencji do rozwiązania zadania
- określenie sensowności budowy SE
- uświadomienie ograniczeń SE
2.
-
nabywanie wiedzy na podstawie wywiadów z ekspertami, literatury itp.
dekompozycja problemu na podproblemy
wyodrębnienie obiektów, atrybutów, zależności między wielkościami
określenie sposobu rozwiązania problemu
3.
-
modelowanie wiedzy – powstaje model pozyskanej wiedzy
reprezentacja dziedzinowej wiedzy faktograficznej
reprezentacja wiedzy o związkach między obiektami
reprezentacja wiedzy o strategiach rozwiązania

20.

Etapy budowy systemu ekspertowego
2. Akwizycja wiedzy
Automatyczne pozyskiwanie wiedzy (odkrywanie) – proces
pozyskiwania ukrytej, poprzednio nieznanej a potencjalnie użytecznej
wiedzy na podstawie danych.
Nowa wiedza jest wnioskowana na podstawie danych zawierających:
- opis obiektów
- definicje związków występujących między obiektami
- wartości cech opisujących obiekty
Etapy odkrywania wiedzy:
- eksploracja dziedziny
- zbieranie danych
- definiowanie wzorców wiedzy na podstawie danych
- uogólnianie
- weryfikacja nowej wiedzy
- przetwarzanie odkrytej wiedzy do wymaganej reprezentacji

21.

Etapy budowy systemu ekspertowego
3. Reprezentowanie wiedzy
Reprezentowanie wiedzy to specyficzny sposób odwzorowywania faktów,
właściwości i stanów obiektów z pewnej dziedziny, umożliwiający
wnioskowanie.
Techniki reprezentowania wiedzy
1. Ramy – zawierają atrybuty obiektów i ich wartości
2. Sieci semantyczne – graficzna reprezentacja dwuwartościowych relacji
między obiektami. Każdy węzeł odpowiada obiektowi i może być
powiązany z innymi obiektami przez zorientowane strzałki.
3. Reguły produkcyjne
- czytelny zapis „modułów” wiedzy wyrażony jako zdania IF...THEN
- możliwość rozwiązywania złożonych problemów przez wybór
odpowiedniego zestawu reguł
- łatwość modyfikacji wiedzy (uzupełnianie o nowe reguły)

22.

Etapy budowy systemu ekspertowego
4. Wdrożenie systemu

23.

Etapy budowy systemu ekspertowego
Przykładowy projekt SE
1. Identyfikacja problemu
Cel: wspomaganie firmy konsultingowej w zakresie doradztwa finansowego
dla indywidualnych klientów.
Funkcje:
- rejestracja informacji o kliencie
- klasyfikacja klienta ze względu na udzieloną poradę
Klasa zadania: proste, dobrze zdefiniowane, rozwiązujące problem
klasyfikacyjny.
Rozwiązania: propozycja sposobu zagospodarowania środków klienta:
- gra na rynku papierów wartościowych
- lokata w banku
- brak sugestii

24.

Etapy budowy systemu ekspertowego
Przykładowy projekt SE
1. Identyfikacja problemu
Wiedza: dysponujemy odpowiednim doradcą finansowym, literatura
fachowa jest niezwykle bogata.
Przewidujemy następujące zasilenia informacyjne i wyjścia:
- wejście: dane ogólne, dane o stanie finansów klienta
- wyjście: propozycja sposobu zagospodarowania środków klienta oraz
uzasadnienie propozycji
Zapotrzebowanie: mamy wstępne zapewnienie firmy konsultingowej o
kupnie systemu. Badania rynku wskazują na popyt na tego typu
oprogramowanie.

25.

Etapy budowy systemu ekspertowego
Przykładowy projekt SE
1. Identyfikacja problemu
Infrastruktura: ponieważ zadanie zostało zakwalifikowane do grupy
prostych i dobrze zdefiniowanych zastosowane zostanie narzędzie typu
„otwarty system ekspertowy” wymagający komputera PC średniej klasy
i środowiska Windows.

26.

Etapy budowy systemu ekspertowego
Przykładowy projekt SE
2. Akwizycja wiedzy
Ankietyzacja eksperta i literatura fachowa.
Ustalono następujące obiekty:
- DOCHÓD
- OSZCZĘDNOŚCI
- KAPITAŁ
- LOKATA

27.

Etapy budowy systemu ekspertowego
Przykładowy projekt SE
3. Reprezentowanie wiedzy
Za pomocą ram

28.

Etapy budowy systemu ekspertowego
Przykładowy projekt SE
3. Reprezentowanie wiedzy
Za pomocą sieci semantycznej

29.

Etapy budowy systemu ekspertowego
Przykładowy projekt SE
3. Reprezentowanie wiedzy
Za pomocą reguł produkcyjnych
Jeżeli kapitał jest wysoki to możesz inwestować w akcje
Jeżeli nie masz oszczędności to twoje miesięczne dochody na 1 osobę
muszą być dwukrotnie wyższe od przewidywanego minimum
socjalnego
Jeżeli masz małe oszczędności to należy je zwiększyć przed
zainwestowaniem w akcje
Jeżeli znane są dochody i liczba osób na utrzymaniu to dochód na osobę
stanowi iloraz tych wartości
Jeżeli kapitał jest niski to powinieneś oszczędzać.

30.

Zalety systemów ekspertowych
1. Umożliwiają wygenerowanie jasnej i spójnej odpowiedzi
wielokrotnie w przypadku powtarzających się pytań/zadań.
2. Pomagają w określeniu logiki podejmowanych decyzji.
3. Pytania do użytkownika zadawane są w sposób
uporządkowany, nie ma możliwości pominięcia pytań.
4. Są bardziej elastyczne niż rozwiązania w postaci kodu
(łatwiejsza jest modyfikacja bazy danych niż kodu).
5. Utrzymują cały czas wiedzę niezbędną do rozwiązywania
danej grupy problemów.
6. Umożliwiają konstruowanie systemów hybrydowych (np.
połączenie systemu ekspertowego z analizą baz danych).

31.

Wady systemów ekspertowych
1. Możliwość umieszczenia w bazie niewiarygodnej wiedzy,
np. po automatycznej eksploracji źródeł.
2. Ekspert nie zawsze jest w stanie wyjaśnić logikę swojego
wnioskowania.
3. Wprowadzanie nowych reguł może prowadzić do konfliktów
z tymi istniejącymi w bazie.
4. Brak „kreatywności” w przypadku nieprzewidzianych
sytuacji.
5. Błędy w bazie wiedzy prowadzą do błędnych wniosków.
6. Adaptacja do zmieniającej się rzeczywistości wymaga
zmian w bazie wiedzy.

32.

Przykłady systemów ekspertowych - historia
1. DENDRAL
Najstarszy system ekspertowy, powstał w 1965r.
Ustalał struktury molekularne nieznanych chemicznych
związków organicznych na podstawie analizy widm
spektroskopowych.
System osiągnął sprawność porównywalną, a w niektórych
przypadkach przewyższającą, ekspertów-ludzi.

33.

Przykłady systemów ekspertowych - historia
2. MYCIN
Powstał w latach 70-tych jako jeden z pierwszych systemów
ekspertowych. Był wzorcem dla kolejnych systemów.
Miał wspomagać decyzje lekarskie (medyczne narzędzie
diagnostyczne).
Jako pierwszy podawał współczynniki pewności rozwiązań i
korzystał z niepewnych lub niekompletnych danych
Napisany w języku LISP.

34.

Przykłady systemów ekspertowych - historia
2. MYCIN
Baza wiedzy zawierała około 500 reguł na temat różnych
infekcji krwi oraz zapalenia opon mózgowo-rdzeniowych.
Wspomagał lekarzy w identyfikacja choroby i terapii.

35.

Przykłady systemów ekspertowych - teraźniejszość
http://www.doktor-medi.pl/