Intelligens Rendszerek I. Tudásábrázolás szemantikus hálókkal, keretekkel és forgatókönyvvel

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


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


M.I. 10. / 6.

Objektum – Tulajdonság (attribútum) – Érték

szín autó objektum

sárga tulajdonság


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)


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


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


M.I. 10. / 14.

Szemantikus háló • Irányított gráf – Csomópont, levél: objektum, tulajdonság érték – Él: csomópontok közötti reláció (osztályba tartozás vagy tulajdonság)

• Hierarchikus rendszer • Öröklődés


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.


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


Repülés

M.I. 10. / 20.

Hiányosságok


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


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


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.


M.I. 10. / 27.

Keretek leírása • grafikus • táblázatos • FRL – Frame Representation Language


M.I. 10. / 28.

Grafikus megjelenítés


M.I. 10. / 29.

Táblázatos leírás (osztály) frame

személyautó

szülő osztály

gépjármű

tulajdonságok

motor

1

gurul

igaz

kerék

4

szín

ismeretlen


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 …


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


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


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.).


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


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


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


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


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.

Intelligens Rendszerek I. Tudásábrázolás szemantikus hálókkal, keretekkel és forgatókönyvvel

Recommend Documents