Ismeretalapú rendszerek tervezése, ismeretszerzés, ismeretalapú rendszerek fejlesztése

Tudásalapú rendszerépítés jellegzetességei

Tudásalapú rendszerek építése

Ismeretalapú rendszerek tervezése, ismeretszerzés, ismeretalapú rendszerek fejlesztése Takács Eszter Magdolna DFSVDK Mesterséges intelligencia, szakértői rendszerek VEMISAM254M

Utolsó módosítás: 2013. november 6.



Tartalom 1

Tudásalapú rendszerépítés jellegzetességei Tervezés első lépései Jellegzetes tudásalapú stratégiák Feladat kiválasztás Feladat elemzés Feladat szerkezet meghatározás Tudásszerzés A tudásalapú és a hagyományos technológia összevetése

2

Tudásalapú rendszerek építése Célvezérelt rendszerek építése Pl. Kutyafajtákat kiválasztó rendszer építése

Adatvezérelt rendszerek Strukturált szabályalapú rendszerek építése Hibrid rendszerek építése



Tervezés első lépései

Tervezés első lépései

Feladat elemzése Feladat külső természete Feladatvégzés környezetének vizsgálata Feladatvégző ember és szakértő viselkedése Érdemes-e a feladattal tovább foglalkozni?

Feladat-szerkezet meghatározása Feladat struktúrája, belső természete Hogyan gondolkodik a feladatvégző és a szakértő? Milyen a szakértő tudásának szerkezete? Hogyan használja?

Tudásszerzés Szakértőkkel való konzultáció



Jellegzetes tudásalapú stratégiák

Intelligens feladatmegoldó segédletek

Kisméretű PC alapú Alacsony költségek Papír alapú módszer kiváltása Fejlesztői és felhasználói kör egybeesik Procedurális vagy diagnosztizáló Pl. telefonkönyv, hibakeresési kézikönyv, összeszerelési útmutató




Középméretű tanácsadó rendszerek

Középméretű PC-n és/vagy munkaállomásokon működtethető Átlagos költségek Előbbinél „okosabb” Alkalmazói programfejlesztők Nem azt mondják meg, hogy mit kell, hanem, hogy mit lehetne tenni. Diagnosztizáló, monitorozó, konfiguráló vagy ütemező Pl. karbantartó szakemberek segítése a hibák felderítésében




Középméretű tanácsadó rendszerek nagygépeken, hálózatokon

Középméretű Nagygépeken működtethető Átlagos költségek Nagygépes alkalmazói programfejlesztők Több felhasználó kiszolgálása, különböző jogokkal Diagnosztizáló, monitorozó, konfiguráló vagy ütemező Pl. nagygépek CPU-teljesítményének finomhangolása




Nagyméretű LISP-alapú rendszerek

Nagyméretű LISP-alapú gépek Magas költségek LISP-programozók, tudásmérnökök Pl. orvosi diagnózisra és terápiára javaslatot tevő MYCIN




Beágyazott rendszerek

Nagyméretű Nagygépek, munkaállomások Közepes költségek Alkalmazói programfejlesztők Pl. meglévő rendszerekbe beágyazott intelligens felhasználói felület, vagy utófeldolgozó komponens



Feladat kiválasztás


Tudás alapú vállalati stratégia kiválasztása megtörtént Lehetséges feladatok felmérése Feladat elemzési munkalap kitöltése Táblázat alapján eldönteni, hogy mely feladat(ok) megvalósítását célszerű beindítani




A feladat jellemzése

A feladat jelenlegi megvalósítása Kulcs-kritériumok Tárgyköri szakértő rendelkezésre áll Eset-adatok rendelkezésre állnak Szűk problémakörből vett, jól definiált a feladat Procedurális a feladat Struktúrált elemzéssel oldható meg a feladat Verbális ismeretek





Kizáró kritériumok - elkerülendő feladatok Kerüljük a „köznapi tudás” kezelését Kerüljül az analógián alapuló következtetéseket Kerüljük az érzékeléssel összefüggő ismeretek kezelését Kerüljük a nagyon gyakran változó tárgyterületeket Kerüljük azokat a feladatokat, ahol a szakértők egyetértése nem biztosítható Kerüljük a bonyolult geometriai és térbeli következtetéseket Kerüljük a bonyolult oksági, vagy időkezelést igénylő következtetéseket

Tudásalapú rendszerépítés jellegzetességei Feladat kiválasztás


A probléma típusa és a következtetés jellege Felhasználói szempontok Megértésre szükség van Hardver-ismeretek, hardver rendelkezésre állás Szoftver-ismeretek, szoftver rendelkezésre állás Sebesség Elfogadható pontosság Magyarázatadás igénye A felhasználó motiváltsága Oktatás, betanítás

Vezetői szempontok, rendszer értékelése




Feladat elemzés

Feladat elemzés szempontjai Munkakörnyezet Eszközök hiánya, nem megfelelő tájékoztatás

Szituáció A feladat kezdésének ideje, sorrendje nem ismert

Feladatvégző Ügyetlen, nem motivált, nincs elég szakértelme, összekeveri a feladatokat. . .

Tárgyköri szakértő Nincs/nehezen elérhető javaslat

Visszacsatolás Nincs vagy nem megfelelő visszacsatolás

Kimenet Előírások, szabványok

Eredmények Értékelés, értékelés eredményét közlik a feladatvégzővel



Feladat elemzés

A feladat elemzéséhez szükséges első interjúk

Feladat-végrehajtás lényegének tisztázása Alábbi kérdésekre válaszolni Kik lesznek a felhasználók? Mi célból fogják használni a rendszert? Hol fogják a rendszert használni? Hol és hogyan ülhetnek le mellé? Mikor fogják használni (feladat-végrehajtás közben, előtte, utána)? A felhasználói hatékonyságot növeli, vagy csökkenti? Milyen áron? Miért fogják használni? Mi győzi meg az embereket, hogy használják?



Feladat szerkezet meghatározás


Tárgyköri ismeretek szerveződésének meghatározása Kognitív elemzés Szakértő mit tud Ismereteit hogyan mozgósítja

Hagyományos szoftver tervezésre nem jellemző




A tudásmérnöki munka

Tudásalapú rendszereket tervez, fejleszt Visszacsatolásos fejlesztési folyamat Tudásszerzés -> Ismeretek formalizálása -> Tudásbázis-szintű kódolás -> Tesztelés



Tudásszerzés

Tudásszerzés folyamatának szereplői

Tárgyterületi szakértő Tudásmérnök Rendszerszervező (integrált alkalmazásoknál) Tudásbázis-adminisztrátor (komolyabb tudásalapú projekteknél)



Tudásszerzés

A szakértővel való együttműködés főbb problémái

A „ jó” (a legjobb) szakértő megtalálása Egy vagy több szakértő bevonása a munkába Ütemezési kérdések, a vállalatvezetés támogatása „Jó” felhasználók bekapcsolása A rendszert tesztelő szakértő(k) kiválasztása Kommunikációs problémák



Tudásszerzés

Tudásszerzés az egyes rendszerfejlesztési fázisokban

Tudásszerzési módok Kezdeti interjúk a szakértővel, szakértőkkel és a felhasználókkal. Kezdeti tudásszenő interjúk. Esetek tesztelése és további folyamatos tudásszerző interjúk. Tesztelés felhasználók és további szakértők bevonásával.

Rendszerépítési fázisok Projekt kiválasztás, elemzés, tervezés, prototípus fejlesztés indítása. Prototípus-fejlesztés. Prototípus-fejlesztés, rendszerfejlesztés. Rendszetfejlesztés.



Tudásszerzés

Néhány praktikus elv a tudásszerzéshez

Célszerű tipikus esetek, problémák és megoldások megbeszélésével kezdeni Nem szabad kényszeríteni a szakértőt a számára szokatlan formalizmusok, tudásreprezentációs módszerek használatára Ne szakítsuk meg a szakértő beszédét A beszélgetés rögzítése Írásos és egyéb anyagok tanulmányozása



Tudásszerzés

Ismeretszerzés módszerei

Közvetlen módszerek Direkt módszerek Indirekt módszerek

Közvetett vagy automatikus módszerek Induktív eszközök Adatbázisokból való automatikus ismeretszerzés



A tudásalapú és a hagyományos technológia összevetése

A tudásalapú és a hagyományos technológia összevetése Tudásalapú technológia Tudásszerzés Formalizált (szak)ismeret Tudásbázis (megfelelő következtető géppel végrehajtható kód) A formalizált ismeretanyag struktúrája és a tudásbázis struktúrája közel azonos.

Bonyolultabb fázis: tudásszerzés

Hagyományos technológia Kezdeti követelmény-specifikálás Strukturált specifikáció, rendszerterv Programkód (részei: adat és algoritmus) Strukturált specifikáció és a programkód közötti leképezés nem struktúra-tartó. A közbeiktatott rendszertervezés határozza meg a progam-struktúrát. Bonyolultabb fázis: rendszertervezés



Célvezérelt rendszerek építése


Kisméretű szabályalapú rendszerek többsége célvezérelt Alkalmazási típusuk diagnosztizáló Az építés első lépései A probléma elemzése és definiálása A probléma szerkezetének meghatározása Az induló szabálykészlet kidolgozása A szabályok továbbfejlesztése, finomítása A következtetés és vezérlés „testre-szabása”




Pl. Kutyafajtákat kiválasztó rendszer szabályai 1. szabály ha

tipus = vadaszkutya marmagassag = nagy szinvaltozat = voros akkor kutyafajta = ir szetter

3. szabály ha

tipus = juhaszkutya marmagassag = kozepes szinvaltozat = fekete-feher szorzet = kozepesen hosszu akkor kutyafajta = border collie

2. szabály ha

tipus = orzo marmagassag = hatalmas szinvaltozat = feher szorzet = raszta akkor kutyafajta = komondor 4. szabály ha

tipus = oleb marmagassag = pottom ful-tipus = folallo tomeg = tollpihe akkor kutyafajta = csivava




Pl. Kutyafajtákat kiválasztó rendszer absztrahálással

Tudásbázis mélyítése Kérdezett nem érti, hogy mért kérdezik a kutya típusát. Nagy mozgásigényű fajtát keres.

5. szabály ha mozgasigeny = nagy akkor tipus = vadaszkutya tipus = juhaszkutya




Pl. Kutyafajtákat kiválasztó rendszer döntési táblája Típus vadász őrző juhász

Marmag. nagy hatalmas közepes

öleb

pöttöm

Szín vörös fehér feketefehér *

Szőr * raszta köz. hosszú *

Fül * * *

Tömeg * * *

Kutyafajta ír szetter komondor border collie

fölálló

tollpihe csivava

Leíró közelítés: összes javaslatot beírjuk, majd kitöltjük a tulajdonságokat Empirikus közelítés: ugyanarra a javaslatra akár több alternatív sort megadhatunk. Pl. Egy kutyafajtán belül létezik több színváltozat.




Szabályok továbbfejlesztése Egyszerűsítő javaslatok Azonos sorokból csak egyet tartsunk meg. Megegyező javaslattal rendelkező sorokat a feltételben or -ral fogjuk össze.

Minden esetben adjon választ Felhasználóbarát párbeszéd Többjavaslatos szituációk Bizonytalanságkezelés: bizonyossági tényezőket rendelünk a szabályokhoz Finomítjuk a szabályokat Egyesítjük az ismétlődő szabályokat Újabb szabályok bevitelével bővítjük a tárolt ismeretanyagot




Több javaslatot adó szituációk, bizonytalanság kezelés Több javaslatos szituációk Nem csak egy megoldásra vagyunk kíváncsiak, hanem mindre. Pl. Ne csak a csivavát találja meg, hanem a yorkshire terriert is.

Bizonytalanság kezelés Azonos tulajdonságú kutyafajták közül egyes fajtákat gyakrabban ajánl a rendszer. Pl. Egyes kutyafajták hajlamosabbak a betegségekre, ezért azokat nem ajánlja gyakran a rendszer.

Kérdezett nem tudja pontosan a választ Pl. A kérdezett nem tudja megállapítani pontosan a marmagasságot.

Bizonyossági tényező hozzárendelése a szabályokhoz, lehetséges válaszokhoz, bemeneti adatokhoz.




Tudásbázis finomítása

Attribútum absztrakció: ismétlődő feltételeknél, felhasználó számára jobb érthetőség miatt Ha tipus = juhaszkutya, marmagassag = kozepes akkor csaladi-kutyanak-idealis = igen

Ismétlődő szabályok Ismétlődő szabályok helyett adatbázis szabályok használata

Transzformációs szabályok Ha pontos-marmagassag ≥ 70cm akkor marmagassag = hatalmas

Tudásalapú rendszerépítés jellegzetességei Célvezérelt rendszerek építése

Szabályok bevitele, testreszabás

Szabályok bevitelénél gondosan kell eljárni Konzisztencia ellenőrzése Végtelen ciklusok elkerülése

Testreszabás Sorrend, prioritás beállítása Bizonytalanságnál küszöbszámok megadása Többszörös cél kezelése




Adatvezérelt rendszerek

Adatvezérelt rendszerek

Adatokból konstruálnak egy vagy több elfogadható megoldást Sok megoldás miatt a tudásmérnöknek több beleszólást kell biztosítani a vezérlés menetébe Kiinduló adatok megadása Konzultáció menetének előírása Megállási feltétel

Tudásalapú rendszerépítés jellegzetességei Adatvezérelt rendszerek

A fejlesztés lépései

A probléma elemzése és definiálása Induló adatok megadása Induló szabálykészlet megadása A rendszer megállásának beállítása Szabályvégrehajtása vezérlése A rendszer továbbfejlesztése




Strukturált szabályalapú rendszerek építése

Strukturált szabályalapú rendszerek építése

A probléma elemzése és definiálása Kontextus-hierarchia meghatározása Induló kontextusfa megtervezése A kontextusfa implementálása A kontextusfa és a szabályok kibővítése, felülbírálata



Hibrid rendszerek építése

Hibrid rendszerek építése

Keret és szabályalapú technikák + objektum orientált felhasználói felület A probléma meghatározása Keretek és rések megadása Példányok megadása Felhasználói felület megadása Szabályok megadása Démonok megadása Üzenetküldés kidolgozása

Ismeretalapú rendszerek tervezése, ismeretszerzés, ismeretalapú rendszerek fejlesztése

Recommend Documents