SZTUCZNA INTELIGENCJA ARTIFICIAL INTELLIGENCE

Prezentacja na temat: "SZTUCZNA INTELIGENCJA ARTIFICIAL INTELLIGENCE"— Zapis prezentacji:

1 SZTUCZNA INTELIGENCJA ARTIFICIAL INTELLIGENCE
WYKŁAD 3 SYSTEMY EKSPERTOWE Dr hab. inż. Barbara Dębska, prof. PWSZ KROSNO Dr hab. inż. Barbara Dębska, prof. PWSZ Krosno

2 ISTOTA SYSTEMU EKSPERTOWEGO
- człowiek posiadający specjalistyczną wiedzę z pewnej dziedzinie (wiedzę dziedzinową) i umiejętność stosowania jej dla podejmowania decyzji związanych z tą dziedziną (umiejętność wnioskowania w oparciu o posiadaną wiedzę), nabyte w wyniku studiów i praktyki. SYSTEMY EKSPERTOWE Programy komputerowe wspomagające podejmowanie decyzji, w skład których wchodzą dwa zasadnicze elementy: baza wiedzy, zawierająca wiedzę dziedzinową, istotną dla podejmowanych decyzji, system wnioskujący, korzystający z bazy wiedzy dla wypracowania tych decyzji. Pozostałe elementy systemu ekspertowego: edytor bazy wiedzy, do tworzenia, modyfikowanie i kasowanie bazy wiedzy interfejs użytkownika, do korzystania z systemu ekspertowego dynamiczna baza danych - relacyjna baza danych do przechowywania odpowiedzi użytkownika i wyników wnioskowania Dr hab. inż. Barbara Dębska, prof. PWSZ Krosno

3 STRUKTURA FUNKCJONALNA SYSTEMU EKSPERTOWEGO
EDYTOR BAZY WIEDZY BAZA WIEDZY INTERFEJS UŻYTKOWNIKA SYSTEM WNIOSKUJĄCY DYNAMICZNA BAZA DANYCH Dr hab. inż. Barbara Dębska, prof. PWSZ Krosno

4 STRUKTURA INFORMATYCZNA SYSTEMU EKSPERTOWEGO
Plik wykonywalny (Szkieletowy system ekspertowy) INTERFEJS UŻYTKOWNIKA EDYTOR BAZY WIEDZY MASZYNA WNIOSKUJĄCA BAZA WIEDZY Plik tekstowy DYNAMICZNA BAZA DANYCH Dr hab. inż. Barbara Dębska, prof. PWSZ Krosno

5 ISTOTNA CECHA SYSTEMU EKSPERTOWEGO
Baza wiedzy jest plikiem tekstowym, który może być tworzony, czytany i modyfikowany za pomocą edytora bazy wiedzy bez naruszania integralności systemu wnioskującego. Umożliwia to szybkie odczytanie, zrozumienie i modyfikowanie wiedzy dziedzinowej, z której korzysta system ekspertowy Spotykane synonimy System ekspertowy ZMIENIŁEM KOLEJNOŚĆ Program regułowy Program z regułową bazą wiedzy Dr hab. inż. Barbara Dębska, prof. PWSZ Krosno

6 STRUKTURA BAZY WIEDZY Baza wiedzy Baza Baza reguł ograniczeń
Baza rad Baza ograniczeń Baza graficzna Baza modeli Dr hab. inż. Barbara Dębska, prof. PWSZ Krosno

7 ZALETY ROZDZIELENIA BAZY WIEDZY I SYSTEMU WNIOSKUJĄCEGO
Łatwość dostępu do wiedzy dziedzinowej, danej w jawnej postaci pliku tekstowego. Prostota modyfikacji bazy wiedzy bez potrzeby naruszania integralności właściwego programu – systemu wnioskującego. Możliwość tworzenia systemów ekspertowych szkieletowych, tzn. uniwersalnych systemów ekspertowych, które użytkownicy mogą ładować własną, użytkowaną przez nich wiedzą dziedzinową. Dr hab. inż. Barbara Dębska, prof. PWSZ Krosno

8 Przykład zastosowania systemu ekspertowego do diagnostyki:
System ekspertowy KREDYT oceniający wiarygodność kredytową klienta banku (jest nim np: mały przedsiębiorca) i podejmujący decyzję o przyznaniu lub odmowie kredytu Etap pierwszy – budowy bazy wiedzy: Decyzja o przyznaniu lub odmowie kredytu jest wynikiem stosowania kilkunastu reguł określonych przez kierownictwo banku. Reguły te są zapisane w postaci pliku tekstowego, którego odczytanie, zrozumienie i zmodyfikowanie nie nastręcza trudności. Etap drugi – uzupełnienie bazy nowymi regułami: W miarę zbierania przez bank doświadczeń i w miarę zmiany sytuacji na rynku pieniężnym, reguły przyznawania kredytów muszą ulec zmianie. Gdyby reguły te były zanurzone w programie nie będącym systemem ekspertowym i napisanym w języku proceduralnym, odczytanie, zrozumienie i zmodyfikowanie tych reguł byłoby bardzo trudne, a dla osób nie będących twórcami tego programu – wręcz niemożliwe. Dr hab. inż. Barbara Dębska, prof. PWSZ Krosno

9 STRUKTURA BAZY WIEDZY Baza reguł - wiedza dziedzinowa logiczna
Baza ograniczeń - wiedza dziedzinowa logiczna Baza modeli - wiedza dziedzinowa matematyczna Baza graficzna - wiedza w postaci graficznej (obrazy wiedzy) Baza rad uzupełnienia i wyjaśnienia Baza reguł Baza ograniczeń Baza modeli Baza rad mają postać klauzul-faktów Dr hab. inż. Barbara Dębska, prof. PWSZ Krosno

10 BAZA GRAFICZNA Dr hab. inż. Barbara Dębska, prof. PWSZ Krosno

11 BAZA REGUŁ REGUŁY Reguły = wiedza dziedzinowa o charakterze ogólnym
FAKTY Fakty = wiedza dziedzinowa o charakterze szczegółowym Przykład reguły: Jeżeli student_x_otrzymał_wszystkie_zaliczenia_w_terminie i student_ x_zdał_wszystkie_egzaminy_ w_terminie, to student_x_uzyska_wpis_na_kolejny_semestr Przykład faktu: student_J.Kowalski_ zdał_wszystkie_egzaminy_ w_terminie Dr hab. inż. Barbara Dębska, prof. PWSZ Krosno

12 BAZA REGUŁ c.d. Reguły: zdania warunkowe, np. w języku polskim:
A jest prawdą, jeśli B i C i D są prawdą w logice: B i C i D  A lub w Pascalu: if B and C and D then A B, C, D - warunki reguły A - konkluzja reguły (wniosek)  - symbol implikacji w logice then - symbol implikacji regułowej w Pascalu Dr hab. inż. Barbara Dębska, prof. PWSZ Krosno

13 reguła ( Numer_reguły, Wniosek, Lista_warunków )
BAZA REGUŁ c.d. Klauzule dokładnej bazy reguł: reguła ( Numer_reguły, Wniosek, Lista_warunków ) Wniosek: Dowolny łańcuch znaków przedstawiający nazwę zmiennej logicznej, Np. ”wysoka temperatura” Lista_warunków: [Warunek_1 ,..., Warunek _i ,..., Warunek _n] Warunek_i : Dowolny łańcuch znaków przedstawiający nazwę zmiennej logicznej Dr hab. inż. Barbara Dębska, prof. PWSZ Krosno

14 regula(Numer_reguły, Wniosek, Lista_warunków)
ZMIENNA LOGICZNA Zmienna przyjmująca jedną z dwóch wartości: prawda lub fałsz BAZA REGUŁ Sens reguły: regula(Numer_reguły, Wniosek, Lista_warunków) Wniosek jest prawdą wtedy i tylko wtedy, jeżeli wszystkie warunki są prawdą jest następujący: Dr hab. inż. Barbara Dębska, prof. PWSZ Krosno

15 POGLĄDOWE PRZEDSTAWIANIE REGUŁ
Warunek_1 ,..., Warunek n  (  Symbol implikacji regułowej ) Wniosek Reguły mogą się zagnieżdżać: Zagnieżdżanie reguł: wniosek jednej reguły może być warunkiem innej reguły: reguła(N, Wniosek, [...,ABCD,....]) reguła(M, ABCD, Lista_warunków) Dr hab. inż. Barbara Dębska, prof. PWSZ Krosno

16 ZAGNIEŻDŻANIE REGUŁ Wnioski niektórych reguł są warunkami innych reguł. Baza Reguł: 1. A  D 2. F , H  G 3. B  L 4. D , J  M 5. C , D  F 6. A , E  J Np. : wniosek F reguły 5 jest warunkiem reguły 2 wniosek J reguły 6 jest warunkiem reguły 4 wniosek D reguły 1 jest warunkiem reguły 4 Dr hab. inż. Barbara Dębska, prof. PWSZ Krosno

17 WARUNKI DOPYTYWALNE I NIEDOPYTYWALNE
ZAGNIEŻDŻANIE REGUŁ Zagnieżdżające się reguły mogą mieć warunki dwojakiego rodzaju: Warunki dopytywalne: nie są wnioskami reguł. Wartość logiczna tych warunków jest określana przez użytkownika systemu ekspertowego. Warunki niedopytywalne: są wnioskami reguł. Wartość logiczna tych warunków jest określana przez system ekspertowy. WARUNKI DOPYTYWALNE I NIEDOPYTYWALNE Baza Reguł: 1. A  D 2. F , H  G 3. B  L 4. D , J  M 5. C , D  F 6. A , E  J Podział warunków: Warunki dopytywalne: A, B, C, E i H. System ekspertowy pyta użytkownika o wartość logiczną tych warunków Warunki niedopytywalne: F, D i J. System ekspertowy nie pyta o te warunki, bo ich wartości logiczne wynikają z bazy reguł i warunków dopytywalnych Dr hab. inż. Barbara Dębska, prof. PWSZ Krosno

18 Baza reguł rzadko ma własne fakty
Fakty: zdania bezwarunkowe, uznawane za prawdziwe, np.: A_ jest_prawdą student_J.Kowalski_ zdał_wszystkie_egzaminy_ w_terminie Baza reguł rzadko ma własne fakty Fakty są deklarowane przez użytkownika albo są generowane z reguł w wyniku wnioskowania SPOTYKANE SYNONIMY wniosek = konkluzja, rezultat warunek = przesłanka, założenie Dr hab. inż. Barbara Dębska, prof. PWSZ Krosno

19 KLASYFIKACJA BAZ REGUŁ (1)
Ze względu na sposób występowania warunków niedopytywalnych rozróżniamy: bazy reguł elementarne: warunki niedopytywalne nie występują w postaci zanegowanej bazy reguł rozwinięte: warunki niedopytywalne mogą występować w postaci zanegowanej PRZYKŁAD ELEMENTARNEJ BAZY REGUŁ 1. A , B , C  W 2. W, D , E  V 3. V , H , I , J  U Warunki niedopytywalne W i V reguł 2 i 3 występują w tej bazie w postaci niezanegowanej, tzn. są w takie same jak wnioski reguł 1 i 2. Dr hab. inż. Barbara Dębska, prof. PWSZ Krosno

20 Przykład bazy elementarnej:
Niedogodność: W bazach reguł elementarnych dokładnych często trzeba formułować zarówno reguły dla wniosków (W) i dla negacji wniosków (nieprawda_W) Przykład bazy elementarnej: pojadę_na_wycieczkę_zagraniczną jeżeli dostanę_urlop i będę_miał_pieniądze nie_pojadę_na_wycieczkę_zagraniczną jeżeli nie_dostanę_urlopu nie_pojadę_na_wycieczkę_zagraniczną jeżeli nie_będę_miał_pieniędzy Dr hab. inż. Barbara Dębska, prof. PWSZ Krosno

21 Przykład rozwiniętej bazy reguł:
1. A , B , C  W 2. nW , D , E  V 3. nV , H , I , J  U nX = nieprawda_X Warunki niedopytywalne nW i nV reguł 2 i 3 są zanegowanymi wnioskami reguł 1i 2. Zalety baz rozwiniętych: Brak potrzeby formułowania reguł dla wniosków (W) i ich negacji (nW). Przykład bazy rozwiniętej: pojadę_na_wycieczkę_zagraniczną jeżeli dostanę_urlop i będę_miał_pieniądze kłopot_z_psem jeżeli pojadę_na_wycieczkę_zagraniczną narastające_zmęczenie jeżeli nie_pojadę_na_wycieczkę_zagraniczną Dr hab. inż. Barbara Dębska, prof. PWSZ Krosno

22 KLASYFIKACJA BAZ REGUŁ (2)
Ze względu na pewność reguł, warunków i wniosków rozróżnia się: bazy reguł dokładne, których reguły są prawdą, których warunki i wnioski mogą być albo prawdą, albo nieprawdą bazy reguł przybliżone, których reguły, warunki i wnioski mogą mieć różne stopnie pewności. Dr hab. inż. Barbara Dębska, prof. PWSZ Krosno

23 KLASYFIKACJA BAZ REGUŁ (3)
Bazy reguł elementarne rozwinięte Bazy reguł rozwinięte przybliżone (BRP) dokładne (BRD) elementarne przybliżone (BEP) dokładne (BED) Bazy reguł dokładne przybliżone Dr hab. inż. Barbara Dębska, prof. PWSZ Krosno

24 Wnioskowanie dokładne
KLASYFIKACJA SYSTEMÓW WNIOSKUJĄCYCH (1) Bazy reguł rozwinięte dokładne (BRD) Wnioskowanie elementarne dokładne dokładne (BED) Wnioskowanie dokładne Dr hab. inż. Barbara Dębska, prof. PWSZ Krosno

25 Wnioskowanie przybliżone
KLASYFIKACJA SYSTEMÓW WNIOSKUJĄCYCH (2) Bazy reguł rozwinięte przybliżone (BRP) Wnioskowanie elementarne przybliżone przybliżone (BEP) Wnioskowanie przybliżone Dr hab. inż. Barbara Dębska, prof. PWSZ Krosno

26 BAZA OGRANICZEŃ Baza ograniczeń zawiera zbiory warunków dopytywalnych wykluczających się. np.: ( temperatura_jest_wyższa_od _40ºC, temperatura_jest_niższa_od_10 ºC, temperatura_jest_pomiędzy_10ºC _i_40ºC). (nie_C, C) lub: Klauzule bazy ograniczeń: ograniczenie (Nr_ograniczenia, Lista_warunków_dopytywalnych_wykluczających_się) Dr hab. inż. Barbara Dębska, prof. PWSZ Krosno

27 ZAŁOŻENIE ZAMKNIĘTEGO ŚWIATA
Dla wszystkich systemów ekspertowych dokładnych zakłada się, że: prawdą jest tylko to, co wynika z reguł bazy reguł, z ograniczeń bazy ograniczeń, z modeli bazy modeli oraz z faktów i wartości argumentów zadeklarowanych przez użytkownika. Wszystko, co nie wynika z bazy reguł, bazy ograniczeń i bazy modeli oraz z deklaracji użytkownika , uważa się za nieprawdziwe. Założenie zamkniętego świata = „in dubio pro reo” Jeżeli oskarżonemu nie udowodniono winy, uważa się go za niewinnego Dr hab. inż. Barbara Dębska, prof. PWSZ Krosno

28 Implikacja logiki: q  p q p q  p Prawda Prawda Prawda
Stąd różnica pomiędzy implikacją logiki a implikacją regułową systemu ekspertowego: Implikacja logiki: q  p q p q  p Prawda Prawda Prawda Nieprawda Prawda Prawda Nieprawda Nieprawda Prawda Implikacja regułowa: q  p q p q  p Prawda Prawda Prawda Nieprawda Nieprawda Prawda Skończyłem na 44 slajdie z pliku SE_PPT Dr hab. inż. Barbara Dębska, prof. PWSZ Krosno

29 Dziękuję za uwagę SZTUCZNA INTELIGENCJA Sieciowe Systemy Informatyczne
Dr hab. inż. Barbara Dębska, prof. PWSZ Krosno