Intelligens Rendszerek I. Tudásábrázolás szemantikus hálókkal, keretekkel és forgatókönyvvel 2007/2008. tanév, I. félév Dr. Kovács Szilveszter E-mail:
[email protected] Miskolci Egyetem Informatikai Intézet 106. sz. szoba Tel: (46) 565-111 / 21-06 mellék
A tudásábrázolás elvárt jellemzői Patrick Winston szerint 1. A fontos dolgokat világosan adja meg. 2. Fedje fel a természetes korlátokat, megkönnyítve a számítások néhány fajtáját. 3. Legyen teljes. 4. Legyen tömör. 5. Legyen átlátható számunkra. 6. Legyen alkalmas gyors feldolgozásra. 7. Rejtse el a részleteket, de tegye elérhetővé azokat szükség esetén. 8. Létezzen rá számítógépi eljárás. A jó tudásábrázolás az MI feladatok megoldásánál fél siker. Dr. Kovács Szilveszter ©
M.I. 10. / 2.
Tudástípusok • Deklaratív • Strukturált • Procedurális
Dr. Kovács Szilveszter ©
M.I. 10. / 3.
Deklaratív tudás • Csak ismeretek, összefüggések és alkalmazási utasítások nélkül • Leírása: – logikai kifejezések – fogalmak – objektumok • Technikák: – formális logika – O-T-É hármas
Dr. Kovács Szilveszter ©
M.I. 10. / 4.
Tudásábrázolási módszerek • Szimbolikus (formális) logika (ítéletkalkulus, elsőrendű logika) • Szabályalapú rendszerek • Szemantikus hálók • Keretek, script-ek • Neurális hálózatok • Modellalapú • Hibrid Dr. Kovács Szilveszter ©
Deklaratív Strukturált Procedurális
M.I. 10. / 5.
Tudásábrázolási módszerek Tudástípus
Technika
Deklaratív
logika O-T-É hármas
Strukturált
szemantikus háló keret (frame) forgatókönyv, táblázat szabálycsoport
Procedurális
szabály eljárás, függvény agenda stratégia
Dr. Kovács Szilveszter ©
M.I. 10. / 6.
Objektum – Tulajdonság (attribútum) – Érték
szín autó objektum
sárga tulajdonság
Dr. Kovács Szilveszter ©
érték
M.I. 10. / 7.
OTÉ hármas több értékkel érintett város utazás
objektum
Pécs Budapest Kecskemét
tulajdonság Dr. Kovács Szilveszter ©
érték M.I. 10. / 8.
Tudásábrázolás szemantikus hálóval • Ross Quillian dolgozta ki (1968) • Biológiai ihletés: az agy fogalomábrázolásának feltételezett formája – objektumok, koncepciók, fogalmak - csomópontok – viszonyaik, kapcsolataik – gráf élek.
• Hierarchikus modell oka: az ember kognitív (megismeréssel kapcsolatos) működésére vonatkozó kísérletek az objektumok specifikus jellemzőinél gyorsabb válaszidőket eredményeztek, mint az általános, magasabb szintű kategóriákhoz tartozó jellemzőknél (Kanári - énekel? Kanári - repül? Kanári - bőre van? ) • Következtetés: hierarchikus egyed - alosztály - osztály kapcsolat valószínű. • Cél: Az emberi információtárolás és visszakeresés modellezése. Dr. Kovács Szilveszter ©
M.I. 10. / 9.
Tudásábrázolás szemantikus hálóval • Szoftveralkalmazás, célja: a természetes nyelvek megértésének gépi modellezése. • Quillian: "egy szó jelentését meg lehet kapni a szóhoz társított szövegek halmazaként" • Programjával az ember gondolkodási folyamatának azt a részét modellezte, amelyet az ember akkor végez, amikor egy lexikon két szava között keres kapcsolatot. Egy szemantikus háló jól definiált eljárásainak segítségével képes volt összeállítani egy választ bármelyik, a szótárban megtalálható szópár esetében azok összevetésére és szembeállítására. • Megkereste a szavakhoz kötődő ismeretek közös részeit, kapcsolódási pontjaikat. Emiatt szokták asszociatív hálónak is nevezni a szemantikus hálót. Dr. Kovács Szilveszter ©
M.I. 10. / 10.
Szemantikus háló (Quillian)
Dr. Kovács Szilveszter ©
M.I. 10. / 11.
Szemantikus háló szállít
emberek
úttest
közlekedési eszköz
közlekedési hely
gépjármű
ez egy ez egy
repülő
szgk.
ez egy
ez egy teherautó
ez egy
busz.
van
szállít motor tárgyak A kapcsolatok feltüntetésével az éleken Dr. Kovács Szilveszter ©
M.I. 10. / 12.
Szemantikus háló
Dr. Kovács Szilveszter ©
M.I. 10. / 13.
Szemantikus háló Helikopter
Motoros Repülő Szerkezet
Levegőben
Motoros Sárkányrepülő Motoros Repülőgép
Üzemanyag
Motor Vitorlázó Repülőgép
Motor Nélküli Repülő Szerkezet
Siklóernyő Ejtőernyő Gyalogsárkány
Dr. Kovács Szilveszter ©
M.I. 10. / 14.
Szemantikus háló • Irányított gráf – Csomópont, levél: objektum, tulajdonság érték – Él: csomópontok közötti reláció (osztályba tartozás vagy tulajdonság)
• Hierarchikus rendszer • Öröklődés
Dr. Kovács Szilveszter ©
M.I. 10. / 15.
Következtetés szemantikus hálóval • Egy háló tárolja a tématerület ismereteit • A problémát (megválaszolandó kérdést) egy másik hálóval adjuk meg (célháló) • A kisebb célhálót illesztjük a tématerület hálójának azonos csomópontokat tartalmazó részére • A kérdésre a választ a tématerület hálójának illeszkedő része hordozza. • Általában a hálókezelő algoritmusra ennél több feladat hárul, elő kell állítania például az öröklött tulajdonságokat is.
Dr. Kovács Szilveszter ©
M.I. 10. / 16.
Egyed-alosztály-osztály • Egyed: van olyan tulajdonsága, ami csak rá igaz • Osztály: jellemzői több egyedre, vagy alosztályra igazak • A közös tulajdonságokat csak az osztálynál kell tárolni az egyedekre, vagy alosztályokra öröklődik. • A tulajdonságörökítés (inheritance) általánosan értendő: nemcsak a tulajdonság jellegű kapcsolatok öröklődnek, hanem például a birtoklást, valamilyen érzelem irányulását, stb. is beleértjük. • A tulajdonságörökítést a hálókezelő programnak kell végeznie. • A taxonomikus kapcsolat: osztályba tartozás. • Másik fő kapcsolati forma: tulajdonság hozzárendelés, objektum-attribútum-érték hármas. • Kapcsolatleírás mutatókkal Dr. Kovács Szilveszter ©
M.I. 10. / 17.
Előnyös tulajdonságok •
• •
•
Az osztályhierarchia a tulajdonságok hatékony tárolását is segíti: az osztály minden alosztályára, illetve egyedére egyaránt érvényes tulajdonságok a legmagasabb, legáltalánosabb szinten kerülnek tárolásra, azonban érvényesek a becsatlakozó alsóbb osztályokra és egyedekre is működik az öröklődés. Kiküszöböli a redundanciát, ellentmondásmentességet eredményez. A grafikus ábrázolás szemléletes és könnyű érthetőséget jelent és az emberi gondolkodáshoz közel áll. Gyors számítógépi reprezentációt tesz lehetővé: a csomópontok memóriaterületekre, az élek mutatókra képezhetők le. Elmarad a listák elemeinek kimerítő illesztése, mely a szabály- és logika alapú ismeretszemléltetést jellemezte. Az objektumok megtalálása ún. hash táblák segítségével gyorsan megtörténhet, a kapcsolatoknak megfelelő mutatók pedig meghatározzák a kapcsolódó ismeretelemek helyét. Rugalmas tudásszemléltetési eszköz: könnyen bővíthető új objektumokkal és viszonylatokkal, a módosítás és a törlés egyszerű. Dr. Kovács Szilveszter ©
M.I. 10. / 18.
A jelentés tárolása • A szemantikus háló önmagában nem hordozza a teljes jelentést. • A kapcsolatok értelmezése a szemantikus hálót szemlélő emberre, ill. a hálót kezelő algoritmusra hárul. • Például mondhatjuk azt, hogy a Cápa a Hal osztály egyede, de jelenthetné a kapcsolat azt is, hogy a Cápa a Hal objektum mellett él. • A számítógép számára csak annyi, az objektumokhoz kötődő ismeret áll rendelkezésre, amennyit a háló kapcsolatrendszere és az azt kezelő algoritmus megtestesít. Dr. Kovács Szilveszter ©
M.I. 10. / 19.
Hiányosságok képes rá
Madár
Repülés
nem képes rá Madár Sas
Pingvin
Dr. Kovács Szilveszter ©
Repülés
M.I. 10. / 20.
Hiányosságok
Dr. Kovács Szilveszter ©
M.I. 10. / 21.
Hiányosságok • Az öröklött tulajdonság nem mindig érvényes egy adott alosztályra, vagy egyedre. • A pingvin madár mivolta ellenére nem tud repülni • Megoldás: az azonos tulajdonságra vonatkozó ellentétes értelmű kapcsolatok közül az alsóbb szinthez kötődőt vesszük. • Egyes egyedek rendelkezhetnek kivételes tulajdonsággal
Dr. Kovács Szilveszter ©
M.I. 10. / 22.
Hiányosságok
• Típus/egyed megkülönböztetés – a fizikai jellemző tulajdonság a színhez, mint osztályhoz kötődik és nem az osztály egyedéhez • Nem tud olyan fogalmakat kezelni, mint – legalább egy nem specifikált objektum, – összes objektum Dr. Kovács Szilveszter ©
M.I. 10. / 23.
Szemantikus háló és predikátumlogika • A szemantikus háló könnyen átírható predikátumokra pl. OTÉ hármasok megnevezésével pl. színe(szék,piros) kamata(lakáshitel, 0.0275) Továbbá: a madarak tudnak repülni és van csőrük és szárnyuk. (∀x)(madár(x) → (jellemzője(x,repülni_tud) ∧ jellemzője(x,csőr) ∧ jellemzője(x,szárny)))
• Eltérés: – A kapcsolódó objektumok elérése a predikátum logikában sokkal lassúbb és körülményesebb – Kivételkezelése és öröklődési ellentmondás feloldó képessége erőteljesebb, mint a logikáé. Dr. Kovács Szilveszter ©
M.I. 10. / 24.
Keret (frame) és forgatókönyv alapú tudásábrázolás • A keret és a forgatókönyv tudásábrázolási forma újdonsága abban van a szemantikus hálóhoz képest, hogy a tudáselemeket sztereotip egységekbe, keretekbe, forgatókönyvekbe szervezi. Ezek az egységek objektumoknak, tevékenységeknek, vagy eseményeknek felelhetnek meg. • A keretek (frames) Marvin Minsky nevéhez fűződnek (1975). • A forgatókönyveket (script-ek) Roger Schank publikálta (1977). Dr. Kovács Szilveszter ©
M.I. 10. / 25.
Keret (frame) alapú tudásábrázolás • Egy objektumról meglévő összes ismeret egy helyen • M. L. Minski (1975): egy átélt szituációt a hozzá tartozó viselkedéssel együtt az agy egy keretben (frame) tárolja • OOP-vel közös elemek • A szemantikus háló továbbfejlesztésének tekinthető
Dr. Kovács Szilveszter ©
M.I. 10. / 26.
Keret (frame) alapú tudásábrázolás • A keretek a valós világra vonatkozó ismereteket oly módon reprezentálják, hogy egyesítik az objektumokra, tevékenységekre és eseményekre vonatkozó deklaratív leírást azon információk előállítására vonatkozó eljárások megadásával, melyek célok elérésének, információk megszerzésének módjára vonatkoznak. • A keret tudásábrázolási forma bevezeti a prototípus fogalmát, mely azt a felismerést tükrözi, hogy az emberi ismerettárolás sok sztereotip leképezést tartalmaz. • A valós, vagy elvont objektumokat, fogalmakat reprezentáló keretek hierarchikus keretrendszerré kapcsolódnak össze az ismeretábrázolás során.
Dr. Kovács Szilveszter ©
M.I. 10. / 27.
Keretek leírása • grafikus • táblázatos • FRL – Frame Representation Language
Dr. Kovács Szilveszter ©
M.I. 10. / 28.
Grafikus megjelenítés
Dr. Kovács Szilveszter ©
M.I. 10. / 29.
Táblázatos leírás (osztály) frame
személyautó
szülő osztály
gépjármű
tulajdonságok
motor
1
gurul
igaz
kerék
4
szín
ismeretlen
Dr. Kovács Szilveszter ©
osztály
M.I. 10. / 30.
Táblázatos leírás (példány) frame
Suzuki
szülő osztály
személyautó
tulajdonságok
*motor
1
*gurul
igaz
*kerék
4
szín
ismeretlen Dr. Kovács Szilveszter ©
példány
M.I. 10. / 31.
FRL leírás frame: AKO$: slot:
személyautó gépjármű kerék: $default: 4 $require: 3, 4 motor: $default: 1 $require: 1, 2 gurul: $default: TRUE $require: TRUE, FALSE …
Dr. Kovács Szilveszter ©
M.I. 10. / 32.
A szemantikus hálóval megegyező tulajdonságok • Hierarchikus egyed - alosztály - osztály szerkezet • Tulajdonság örökítés, mely kiterjed a procedurális tulajdonságokra is • Hasonló számítógépes reprezentáció: – keretek - memóriahelyek – kapcsolatok - mutatók
• Grafikus ábrázolás használható, de a grafika inkább a keretleíró nyelvek támogatója • Rugalmas tudás bővítés, módosítás, törlés
Dr. Kovács Szilveszter ©
M.I. 10. / 33.
A szemantikus hálókon túlmutató tulajdonságok • Egységbefoglalás: objektum, attribútumok, értékek, deklaratív és procedurális összetevők. slot - filler, attribútum - érték párok, speciális attribútum a keret neve. • Az attribútumok és attribútum-értékek megadása más keretekre való utalással, többszörös egymásba ágyazással is lehetséges • Értékeket előállító függvények • Az értékváltozásokra működésbe lépő mechanizmusok, esemény (várakozás) vezérelt démon rendszer működik: IF_NEEDED, WHEN_ACCESS, BEFORE_CHANGE, AFTER_CHANGE
Dr. Kovács Szilveszter ©
M.I. 10. / 34.
A szemantikus hálókon túlmutató tulajdonságok • Megadható: az attribútumok értékkészlete, értéktartománya, alap (default) értéke • Sokkal elterjedtebb, mint a szemantikus háló, mivel annak összes tulajdonságát magába foglalja • Speciális keretkezelő nyelvek Pl: FRL,KRL,OWL,NETL,KL-ONE, ART, stb. • Hibrid rendszerben is alkalmazásra került (KappaPC, Level5 Object, Nexpert, Object/Smart Elements, Aion Development System, CBR Express, stb.).
Dr. Kovács Szilveszter ©
M.I. 10. / 35.
A forgatókönyv Roger Schank 1977 • Koncepcionális primitíveket (magasabb szintű elvonatkoztatások) és azok kapcsolatait rögzíti Példa: előadás forgatókönyv • Kellékek (díszletek): előadóterem, tábla, kréta, írásvetítő, projektor, transzparensek, filctollak • Szereplők (szerepek): hallgatók, tanár • Nézőpont: tanár • Eseménysorrend: – – – – –
1. Belép a terembe 2. Hozzákészül, kivéve, ha nincs diák, mert akkor elmegy 3. Megtartja az előadást 4. Összepakol 5. Elmegy
• Fő esemény: 3. Megtartja az előadást Dr. Kovács Szilveszter ©
M.I. 10. / 36.
Esetalapú következtetés • CBR – Case Based Reasoning • Cél: Régebbi feladatok megoldásakor szerzett tapasztalatok hasznosítása hasonló aktuális feladatok megoldásához • Egy eset összetevői: – probléma leírása – probléma megoldásának leírása – megoldás jóságának/rosszaságának minősítése
• Az eset leírása történhet bármilyen ismeretreprezentációs módszerrel, leggyakoribb a keretalapú szemléltetés • Nehézség: olyan metrika meghatározása, amely révén az esetek egymással számszerű eredménnyel összehasonlíthatók (közelség) (10cm - 20cm; piros színű - narancs színű; szép gyönyörű) • Az eseteket esetbázisban tároljuk
Dr. Kovács Szilveszter ©
M.I. 10. / 37.
Az esetalapú következtetés működése 1. Visszakeresés: megkeressük az aktuális problémához legjobban hasonlító (legközelebbi) korábbi problémaleírást 2. Újrafelhasználás: ha a hasonlóság egy megadott értéket meghalad, a korábbi eset megoldását használjuk fel az aktuális probléma megoldására 3. Adaptálás: ha a legközelebbi eset hasonlósága nem éri el a kívánt szintet, a rendszer interaktív módon hozzáigazítja az eset problémaleírását az aktuális problémához, eközben a megoldást is módosítja 4. Tanulás: A 3. pontban előállt adaptált esetet az esetbázishoz adja, a megoldás jóságának/rosszaságának minősítésével együtt Dr. Kovács Szilveszter ©
M.I. 10. / 38.
Az esetalapú következtetés működése
Dr. Kovács Szilveszter ©
M.I. 10. / 39.
Az esetalapú következtetés jellemzői • Előnyös tulajdonságok: – A probléma modelljének előzetes kidolgozása nélkül is alkalmazható – Használat közben fejlődik, könnyen bővíthető – Robusztus: hiányos, vagy rosszul definiált fogalmakkal is megadhatók esetek – Nem algoritmizálható problémák esetén is alkalmazható – Képes támogatni a korábbi hibás megoldások elkerülését is
• Hátrányos tulajdonságok: – Emberi interakciót igényel az esetek többségében – Minősége romolhat az eltérő felhasználók eltérő igényszintje miatt a tanulás során
Dr. Kovács Szilveszter ©
M.I. 10. / 40.
Összevetés a szabályalapú rendszerekkel Szabályalapú
Esetalapú
szabály: a többi szabálytól független
eset: a többi esettől nem független
szabály visszakeresés: egzakt illesztéssel
eset visszakeresés: közelség vizsgálattal
szabályalkalmazás: szabályok sokaságát láncolva
eset alkalmazás: visszakeresés, hozzáigazítás
előzetes problémamodell kidolgozást igényel
nem igényel problémamodellezést
szűk keresztmetszet: az információkinyerés
csak esetek összegyűjtését igényli
hosszú fejlesztési idő
akár üres esetbázissal is indítható az alkalmazása
nagy szabályszám esetén lelassul
képes nagymennyiségű eset kezelésére
bővítés után validálást, konzisztenciaellenőrzést igényel
bővítése egyszerű
nem tanul
tanul, használat közben fejlődik Dr. Kovács Szilveszter ©
M.I. 10. / 41.
Esetalapú szoftvereszközök Pl: – KATE – ReCall – ReMind
Hibrid eszközökben: – – – –
CBR Express ART IM ART Enterprise Eclipse
Dr. Kovács Szilveszter ©
M.I. 10. / 42.
Ajánlott irodalom • Jelen előadás fóliái részben az alábbi források alapján készültek: Dr. Dudás László: Mesterséges Intelligencia Módszerek, Miskolci Egyetem, Alkalmazott Informatikai Tanszék, http://www.ait.iit.uni-miskolc.hu/~dudas/MIEAok Fekete I. - Gregorics T. - Nagy S.: Bevezetés a mesterséges intelligenciába, LSI Oktatóközpont, Budapest, 1990. Michael Negnevitsky: Artificial Intelligence: A Guide to Intelligent Systems, Addison Wesley, Pearson Education Limited, 2002. ISBN 0201-71159-1 Stuart J. Russel – Peter Norvig: Mesterséges Intelligencia modern megközelítésben, Panem-Prentice-Hall, Budapest, 2000, ISBN 963 545 241 1 Dr. Kovács Szilveszter ©
M.I. 10. / 43.