Języki sztucznej inteligencji, a relacyjne bazy danych. Zastosowania.

Slides:



Advertisements
Podobne prezentacje
Zewnętrzne i wewnętrzne uwarunkowania inteligentnej specjalizacji regionów Toruń, 20 marca 2013 Instytut Badań nad Przedsiębiorczością i Rozwojem.
Advertisements

System lingwistyczny - wnioskowanie
Mechanizm wnioskowania rozmytego
REGUŁOWO-MODELOWE SKORUPOWE SYSTEMY EKSPERTOWE Część 2
REGUŁOWO-MODELOWE SKORUPOWE SYSTEMY EKSPERTOWE Część 1
Wprowadzenie do C++ Zajęcia 2.
PROGRAMOWANIE STRUKTURALNE
SZTUCZNA INTELIGENCJA
przetwarzaniu informacji
Rola komputera w przetwarzaniu informacji.
BAZA DANYCH - RODZAJE.
Budowa i funkcje elektronicznego katalogu biblioteki szkolnej
Hurtownie Danych Mariusz Dołęga.
Materiały do zajęć z przedmiotu: Narzędzia i języki programowania Programowanie w języku PASCAL Część 7: Procedury i funkcje © Jan Kaczmarek.
P O D S T A W Y P R O G R A M O W A N I A
Model lingwistyczny – wnioskowanie Mamdani’ego
Inteligentne Systemy Informacyjne
Wykład 7 Wojciech Pieprzyca
Wyższa Szkoła Informatyki i Zarządzania
SZTUCZNA INTELIGENCJA ARTIFICIAL INTELLIGENCE
SZTUCZNA INTELIGENCJA ARTIFICIAL INTELLIGENCE
Zapis informacji Dr Anna Kwiatkowska.
Typy systemów informacyjnych
dr inż. Piotr Muryjas Wyższa Szkoła Przedsiębiorczości i Administracji
Wieloplatformowa Gra edukacyjna dla nastolatków
Certyfikacja Kompetencji Informatycznych w standardzie ECCC
Wykład 25 Regulatory dyskretne
Komputerowe wspomaganie medycznej diagnostyki obrazowej
Moduł: Informatyka w Zarządzaniu
Wybrane zagadnienia relacyjnych baz danych
Podstawowe informacje o maturze dla gimnazjalistów.
Programowanie obiektowe – język C++
Stało- i zmiennopozycyjna reprezentacja liczb binarnych
1 Każdy obiekt jest scharakteryzowany poprzez: tożsamość – daje się jednoznacznie wyróżnić; stan; zachowanie. W analizie obiektowej podstawową strukturą
Bazy danych, sieci i systemy komputerowe
1. Współczesne generacje technologii
Propozycja standardów efektywnościowych OWES VI Ogólnopolskie Spotkanie Sieciujące OWES Kraków, 10 października 2012 r.
SYSTEMY EKSPERTOWE I SZTUCZNA INTELIGENCJA
SYSTEMY EKSPERTOWE I SZTUCZNA INTELIGENCJA
PRZYGOTOWALI Bartosz Pawlik Daniel Sawa Marcin Turbiński.
Techniki sztucznej inteligencji
Zagadnienia AI wykład 2.
Zagadnienia AI wykład 6.
Modelowanie Kognitywne
Zagadnienia AI wykład 5.
Podstawy języka skryptów
Edward Lazear Imperializm ekonomiczny
OPTYMALIZACJA DZIAŁANIA PROGRAMU. 1. OPTYMALIZACJA Optymalizacja to sposób wyznaczania najlepszego rozwiązania. W programowaniu komputerowym są sposoby.
4 lipca 2015 godz pok września 2015 godz pok. 212.
Warstwowe sieci jednokierunkowe – perceptrony wielowarstwowe
Metody Sztucznej Inteligencji – technologie rozmyte i neuronowe Wnioskowanie Mamdani’ego - rozwinięcia  Dr hab. inż. Kazimierz Duzinkiewicz, Katedra Inżynierii.
Wybrane zagadnienia inteligencji obliczeniowej Zakład Układów i Systemów Nieliniowych I-12 oraz Katedra Mikroelektroniki i Technik Informatycznych proponują.
Wstęp do programowania Wykład 10 Programowanie w logice.
Temat: Porównanie technologii php,c# oraz javascript na przykładzie webaplikacji typu społecznościowy agregator treści Autor: Wojciech Ślawski.
Języki i technologie wytwarzania stron WWW Autor: Michał Walkowski Referat.
KNW K Konwencjonalne oraz N Niekonwencjonalne metody W Wnioskowania.
Paweł i Robert r. szk. 2012/2013. Czym zajmuje si ę Administrator Baz Danych? Zadania administratora polegają na zarządzaniu bazą danych, określaniu uprawnień.
GeneracjeTechnologia Architektura przetwarzania 0. Przekaźniki elektromechaniczne 1. Lampy elektronowe 2. Tranzystory 3. Układy scalone 3.5.Układy dużej.
Metody sztucznej inteligencji - Technologie rozmyte i neuronowe 2015/2016 Systemy rozmyte – wnioskowanie Mamdani’ego I © Kazimierz Duzinkiewicz, dr hab.
Temat: Tworzenie bazy danych
Metody sztucznej inteligencji - Technologie rozmyte i neuronowe 2015/2016 Systemy rozmyte – wnioskowanie Mamdani’ego II © Kazimierz Duzinkiewicz, dr hab.
Algorytmy, sposoby ich zapisu.1 Algorytm to uporządkowany opis postępowania przy rozwiązywaniu problemu z uwzględnieniem opisu danych oraz opisu kolejnych.
Metody sztucznej inteligencji - Technologie rozmyte i neuronowe 2015/2016 Systemy rozmyte – wnioskowanie formalne © Kazimierz Duzinkiewicz, dr hab. inż.
Systemy neuronowo – rozmyte
IV Konferencja Naukowo-Techniczna "Nowoczesne technologie w projektowaniu, budowie.
Metody sztucznej inteligencji
Systemy eksperckie i sztuczna inteligencja
MATEMATYKA Egzamin ósmoklaisty
Zapis prezentacji:

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

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

Prolog jako baza danych Ojciec Potomek Adam Stefan Beata Zbiór klauzul można przedstawić jako następujące tabele w bazie danych: Ojciec(Adam, Stefan). Ojciec(Adam, Beata). Matka(Anna, Stefan). Matka(Anna, Beata). Matka Potomek Anna Stefan Beata

Webowe bazy danych MySQL i PHP: Przykład implementacji CLIPS’a w PHP: Function insert_auction ($Owner,$CatID,$Nazwa,$Opis,$CenaMin,$Ilosc,$DTZak) { $q='INSERT INTO aukcja VALUES (0,'.$Owner.','.$CatID.',"'.$Nazwa.'","'.$Opis.'",'.$CenaMin.','.$Ilosc.',NOW(),NOW() + INTERVAL '; $q.=$DTZak.' MINUTE)'; $r=mysql_query($q); } Przykład implementacji CLIPS’a 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);

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 300 000 mieszkańców jest 3 lub 4 stroicieli fortepianów, co w stosunku do liczby mieszkańców wynosi 1 na 100 000 a Nowy York liczy 7 milionów mieszkańców, stąd szacunkowo można określić liczbę stroicieli fortepianów na około 70, no powiedzmy 50 lub 60.

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

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

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

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.

Niezwykle ważną i wręcz unikatową cechą systemów ekspertowych są tzw 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

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.

Consus Współczynnik CF 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) Współczynnik CF Wartość 0 (przesłanka niewiarygodna) Wartość -1 (FAŁSZ)

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 CF1 oznacza CF z jakim został przyjęty wniosek z z reguły 1, CF2 odpowiednio – z reguły 2, a newCF – ostateczny stopień pewności faktu, którego dotyczyły wnioski reguły 1 i reguły 2.

Przykładowy system ekspertowy w programie Consus

C Language Integrated Production System CLIPS C Language Integrated Production System Jest środowiskiem do tworzenia obiektowych systemów ekspertowych 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

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

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

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