Pobieranie prezentacji. Proszę czekać

Pobieranie prezentacji. Proszę czekać

Języki sztucznej inteligencji, a relacyjne bazy danych. Zastosowania. Franciszek Korta Przemysław Koprowski.

Podobne prezentacje


Prezentacja na temat: "Języki sztucznej inteligencji, a relacyjne bazy danych. Zastosowania. Franciszek Korta Przemysław Koprowski."— Zapis prezentacji:

1 Języki sztucznej inteligencji, a relacyjne bazy danych. Zastosowania. Franciszek Korta Przemysław Koprowski

2 Podobieństwa języków sztucznej inteligencji do baz danych Języki SI Fakty Reguły Cele Bazy danych Krotki (rekordy) Relacje Zapytania

3 Prolog jako baza danych Zbiór klauzul można przedstawić jako następujące tabele w bazie danych: Ojciec(Adam, Stefan). Ojciec(Adam, Beata). Matka(Anna, Stefan). Matka(Anna, Beata). OjciecPotomek AdamStefan AdamBeata MatkaPotomek AnnaStefan AnnaBeata

4 Webowe bazy danych Przykład implementacji CLIPSa w PHP: clips_clear(); clips_set_strategy(LEX_STRATEGY); clips_load("rules.clp"); clips_reset(); clips_assert(array("hunter", "brian", "dick")); clips_run(); $facts = clips_get_fact_list(); print_r($facts); MySQL i PHP : Function insert_auction ($Owner,$CatID,$Nazwa,$Opis,$CenaMin,$Il osc,$DTZak) { $q='INSERT INTO aukcja VALUES (0,'.$Owner.','.$CatID.',"'.$Nazwa.'","'.$Opis.' ",'.$CenaMin.','.$Ilosc.',NOW(),NOW() + INTERVAL '; $q.=$DTZak.' MINUTE)'; $r=mysql_query($q); }

5 Łącząc relacyjne bazy danych (bazy wiedzy) oraz programy w językach sztucznej inteligencji (tzw. motory wnioskujące) otrzymujemy dedukcyjne bazy danych wykorzystywane w systemach ekspertowych. Motor wnioskujący pozwala na wydedukowanie nowych faktów z dostarczonych wcześniej informacji. Pytanie użytkownika: Ilu stroicieli fortepianów jest w Nowym Yorku? Odpowiedź systemu: Ponieważ w New Haven liczącym około mieszkańców jest 3 lub 4 stroicieli fortepianów, co w stosunku do liczby mieszkańców wynosi 1 na a Nowy York liczy 7 milionów mieszkańców, stąd szacunkowo można określić liczbę stroicieli fortepianów na około 70, no powiedzmy 50 lub 60.

6 Systemy ekspertowe Są to programy, których podstawowym zadaniem jest symulowanie ludzkiej ekspertyzy w określonej, na ogół wąskiej dziedzinie (np. ekonomii, medycynie itp.) Moduł główny (motor wnioskowania i baza wiedzy) Interfejs inżyniera wiedzy Interfejs użytkownika

7 Cechy systemów ekspertowych odróżniające je od konwencjonalnych programów: Jawna interpretacja wiedzy i oddzielenie jej od procedur sterowania Zdolność wyjaśniania znalezionych przez system rozwiązań programów Przetwarzanie wiedzy wykorzystujące głównie przetwarzanie symboli Do rozwiązywania problemów wykorzystywane są głównie różne metody rozumowania (wnioskowania), w mniejszym zaś stopniu algorytmy

8 Struktura typowego systemu ekspertowego Baza wiedzy Moduł wnioskowania Sterowanie Interfejsy we/wy Moduł wyjaśnień Moduł pozyskiwania wiedzy wiedza dane zapytania

9 Charakterystyka szkieletowych systemów ekspertowych Ponieważ systemy eksperckie mają budowę modułową, można łatwo odseparować maszynę wnioskującą i interfejs użytkownika od bazy wiedzy. Pozwala to na tworzenie szkieletowych systemów eksperckich, czyli gotowych programów komputerowych z maszyną wnioskującą i pustą bazą wiedzy. Specjalne edytory znajdujące się w tych programach umożliwiają wpisywanie odpowiednich reguł dotyczących danego problemu, po wprowadzeniu których system rozwiąże postawione zadanie. Użytkownicy tych systemów nie muszą zajmować się programowaniem, do nich należy jedynie przekazywanie wiedzy o danym problemie.

10 Niezwykle ważną i wręcz unikatową cechą systemów ekspertowych są tzw. wyjaśnienia. Jak (ang. how to explanations) mają charakter retrospektywny i informują o sposobie rozwiązania danego problemu Dlaczego (why explanations) uzasadniają celowość pytań stawianych przez system ekspertowy Co to jest (what is explanations) tekstowe objaśnienia wybranych pojęć w bazie wiedzy Opisy faktów pokazują źródło i metodę pozyskania faktów oraz dostępność wyjaśnień

11 PC Shell Jest to pierwszy polski - w pełni komercyjny - szkieletowy system ekspertowy System PC-Shell jest systemem o architekturze hybrydowej, tj. łączącej w sobie różne metody rozwiązywania problemów i reprezentacji wiedzy. Interesującą właściwością systemu PC-Shell jest między innymi wbudowany, w pełni zintegrowany, symulator sieci neuronowej. Inną istotną cechą systemu PC-Shell jest jego struktura tablicowa, co umożliwia podzielenie dużej bazy wiedzy na mniejsze moduły - zorientowane tematycznie, tzw. źródła wiedzy.

12

13 Consus Shell regułowych systemów ekspertowych oparty na teorii pewności. Teoria pewności opiera się na tzw. stopniach pewności (Certainty Factor – CF) Stopień pewności to liczba od [-1,1] gdzie -1 oznacza fałsz, 1 prawdę. Stopień pewności przypisany jest każdemu faktowi, stwierdzeniu lub regule. Wartość 1 (PRAWDA) Wartość -1 (FAŁSZ) Współczynnik CF Wartość 0 (przesłanka niewiarygodna)

14 Stosuje się następujące zasady wyznaczania współczynnika pewności -stopień pewności przesłanki jest obliczany jako maksimum z CF części przesłanki połączonych spójnikiem OR, oraz jako minimum części połączonych spójnikiem AND -Wnioski reguły są przyjmowane z CF obliczonym jako iloczyn CF przesłanki i CF reguły, -Jeżeli o pewnym fakcie wnioskowano z różnych reguł, to jego CF był obliczany następująco: Niech CF 1 oznacza CF z jakim został przyjęty wniosek z z reguły 1, CF 2 odpowiednio – z reguły 2, a newCF – ostateczny stopień pewności faktu, którego dotyczyły wnioski reguły 1 i reguły 2.

15 Przykładowy system ekspertowy w programie Consus

16 CLIPS Posiada wiele rozszerzeń oraz interfejsów do różnych języków programowania (C++ ADA, PHP, Python, Java, Perl) Jest przenośny, przez co dostępny na wielu różnych platformach Posiada moduł do logiki rozmytej (FuzzyCLIPS) Powstał w 1985 roku w NASA, obecnie rozwijany jako public domain C Language Integrated Production System Jest środowiskiem do tworzenia obiektowych systemów ekspertowych

17

18 Przykłady systemów ekspertowych DENDRAL Ustalanie struktury molekularnej nieznanych związków chemicznych MYCIN, INTERNIST/CADUCEUS, CASNET Duże systemy ekspertowe opracowane na potrzeby medycyny PROSPECTOR Poszukiwanie złóż minerałów R1/XCON Konfigurowanie komputerów VAX w firmie DELL

19 Przykłady systemów ekspertowych INVEST Doradztwo w zakresie inwestycji LENDING ADVISOR Pomoc w podejmowaniu decyzji kredytowych UNDERWRITING ADVISOR Ocena ryzyka na podstawie podań o ubezpieczenie AUDITOR Szacowanie funduszy asygnowanych z tytułu nieściągalnych długów ISAF Polski system służący do diagnostyki zjawisk ekonomiczno- finansowych w przedsiębiorstwach

20 Typowe obszary zastosowań systemów ekspertowych: systemy doradcze i wspomagania decyzji dydaktyka (wyższe uczelnie i szkoły średnie) analizy finansowe (ekonomiczne) analizy wniosków kredytowych w bankach doradztwo podatkowe technika, Np. do analizy danych pomiarowych medycyna


Pobierz ppt "Języki sztucznej inteligencji, a relacyjne bazy danych. Zastosowania. Franciszek Korta Przemysław Koprowski."

Podobne prezentacje


Reklamy Google