Systemy ekspertowe презентация

dużych wymaganiach intelektualnych, które robią to tak dobrze jak człowiek, który jest ekspertem w tej dziedzinie.

Programy lub zestawy programów komputerowych wspomagające korzystanie z wiedzy i ułatwiające podejmowanie decyzji.

Systemy ekspertowe mogą także spełniać rolę doradczą dla eksperta gdy nie może on wykorzystać swojej wiedzy w sposób optymalny (bardzo skomplikowane problemy, dużo zmiennych decyzyjnych).

bazę wiedzy, konkretne reguły wnioskowania i język komunikacji z użytkownikiem

Wiedza zgromadzona w systemie może być wykorzystywana wielokrotnie przez wielu użytkowników

Komputer daje użytkownikowi najlepszą radę

Jeśli to konieczne, komputer tłumaczy logikę powstania wniosków wyjściowych.

rozwiązania a on je ocenia i wybiera najodpowiedniejsze lub żąda innego rozwiązania.

Podejmujące decyzje bez udziału człowieka

Wynik końcowy nie jest konsultowany z użytkownikiem. Są stosowane gdy udział człowieka jest utrudniony lub niemożliwy.

Krytykujące

Przyjmują postawiony problem i ewentualne rozwiązanie jako wielkości wejściowe. Po analizie oceniają zaproponowane rozwiązanie.

warunków szacujemy te aspekty problemu na które warunki pozwalają. Generowane są wszystkie logiczne konsekwencje faktów wejściowych.

Wnioskowane zstępujące

Rozpoczynamy od postawienia wniosku i zakładamy jego prawdziwość. Następnie ustalamy warunki gwarantujące prawdziwość wniosku. Po sprawdzeniu prawdziwości warunków potwierdzamy lub zaprzeczamy wnioskowi. Ewentualnie wskazujemy na niemożność rozwiązania problemu.

odbieranie od systemu odpowiedzi i wyjaśnień.

poprzez interfejs użytkownika.

Dialog ma następujące cechy:

Można nie udzielić odpowiedzi na jakieś pytanie. W takim przypadku wygenerowane zostanie inne pytanie.
Rozmowa nie jest z góry zaplanowana.
Przebieg dialogu zmienia się w zależności od odpowiedzi na kolejne pytania.

systemie, umożliwiając tym samym jego rozbudowę

proces rozumowania w trakcie rozwiązywania problemu postawionego przez użytkownika.

a użytkownikiem, który umożliwia użytkownikowi uzyskanie informacji dlaczego system udzielił takiej, a nie innej odpowiedzi, albo dlaczego system zadał użytkownikowi określone pytanie

danej dziedziny zapisana za pomocą wybranego sposobu reprezentacji wiedzy, najczęściej reguł.

wprowadzone w trakcie dialogu z użytkownikiem; baza ta umożliwia odtworzenie sposobu wnioskowania systemu i przedstawienie go użytkownikowi za pomocą mechanizmu wyjaśniającego.

wiedzy (tzw. uczenie na pamięć),
pozyskiwanie wiedzy na podstawie instrukcji (tzw. uczenie przez przekazywanie informacji),
Pozyskiwanie wiedzy na podstawie analogii
pozyskiwanie wiedzy na podstawie obserwacji (tzw. uczenie bez nauczyciela),
pozyskiwanie wiedzy na podstawie przykładów.

są konstruowane ze 100% pewnością.

Wnioski nie są binarne.

W niektórych systemach ekspertowych do każdego wniosku określa się pewną liczbę (najczęściej rzeczywistą) mówiącą, o tym jakie jest przekonanie, że wniosek jest prawdziwy (np. w formie prawdopodobieństwa).

proceduralna – polegająca na określeniu zbioru procedur, działanie których reprezentuje wiedzę o problemie

- reprezentacja deklaratywna – polegająca na określeniu zbioru, specyficznych dla rozpatrywanej wiedzy, faktów, stwierdzeń i reguł

stawiamy przed SE.
Wymaga zinwentaryzowania potencjalnych źródeł wiedzy.

Problem stawiany przed SE:
powinien być związany z możliwie wąską specjalizacją
powinien zostać precyzyjnie zdefiniowany
nie powinien reprezentować typowego algorytmu

Identyfikacja powinna zakończyć się raportem zawierającym:
Cel
Potencjalne rozwiązania
Dostępność wiedzy
Uzasadnienie ekonomiczne
Konfigurację sprzętowo-programową

rzeczywistości wraz z umiejętnością jej wykorzystania.

Źródła wiedzy
ekspert
bazy danych i hurtownie danych
istniejące w firmie inne zbiory niż bazy danych
literatura fachowa

Pozyskiwanie wiedzy
klasyczne (od eksperta)
automatyczne (metody odkrywania wiedzy)

zadania
rozważenie przydatności sztucznej inteligencji do rozwiązania zadania
określenie sensowności budowy SE
uświadomienie ograniczeń SE

nabywanie wiedzy na podstawie wywiadów z ekspertami, literatury itp.
dekompozycja problemu na podproblemy
wyodrębnienie obiektów, atrybutów, zależności między wielkościami
określenie sposobu rozwiązania problemu

3. modelowanie wiedzy – powstaje model pozyskanej wiedzy
reprezentacja dziedzinowej wiedzy faktograficznej
reprezentacja wiedzy o związkach między obiektami
reprezentacja wiedzy o strategiach rozwiązania

pozyskiwania ukrytej, poprzednio nieznanej a potencjalnie użytecznej wiedzy na podstawie danych.

Nowa wiedza jest wnioskowana na podstawie danych zawierających:
opis obiektów
definicje związków występujących między obiektami
wartości cech opisujących obiekty

Etapy odkrywania wiedzy:
eksploracja dziedziny
zbieranie danych
definiowanie wzorców wiedzy na podstawie danych
uogólnianie
weryfikacja nowej wiedzy
przetwarzanie odkrytej wiedzy do wymaganej reprezentacji

faktów, właściwości i stanów obiektów z pewnej dziedziny, umożliwiający wnioskowanie.

Techniki reprezentowania wiedzy
Ramy – zawierają atrybuty obiektów i ich wartości
Sieci semantyczne – graficzna reprezentacja dwuwartościowych relacji między obiektami. Każdy węzeł odpowiada obiektowi i może być powiązany z innymi obiektami przez zorientowane strzałki.
Reguły produkcyjne
czytelny zapis „modułów” wiedzy wyrażony jako zdania IF...THEN
możliwość rozwiązywania złożonych problemów przez wybór odpowiedniego zestawu reguł
łatwość modyfikacji wiedzy (uzupełnianie o nowe reguły)

zakresie doradztwa finansowego dla indywidualnych klientów.
Funkcje:
rejestracja informacji o kliencie
klasyfikacja klienta ze względu na udzieloną poradę
Klasa zadania: proste, dobrze zdefiniowane, rozwiązujące problem klasyfikacyjny.

Rozwiązania: propozycja sposobu zagospodarowania środków klienta:
gra na rynku papierów wartościowych
lokata w banku
brak sugestii

literatura fachowa jest niezwykle bogata.
Przewidujemy następujące zasilenia informacyjne i wyjścia:
wejście: dane ogólne, dane o stanie finansów klienta
wyjście: propozycja sposobu zagospodarowania środków klienta oraz uzasadnienie propozycji

Zapotrzebowanie: mamy wstępne zapewnienie firmy konsultingowej o kupnie systemu. Badania rynku wskazują na popyt na tego typu oprogramowanie.

do grupy prostych i dobrze zdefiniowanych zastosowane zostanie narzędzie typu „otwarty system ekspertowy” wymagający komputera PC średniej klasy i środowiska Windows.

fachowa.
Ustalono następujące obiekty:
DOCHÓD
OSZCZĘDNOŚCI
KAPITAŁ
LOKATA

kapitał jest wysoki to możesz inwestować w akcje
Jeżeli nie masz oszczędności to twoje miesięczne dochody na 1 osobę muszą być dwukrotnie wyższe od przewidywanego minimum socjalnego
Jeżeli masz małe oszczędności to należy je zwiększyć przed zainwestowaniem w akcje
Jeżeli znane są dochody i liczba osób na utrzymaniu to dochód na osobę stanowi iloraz tych wartości
Jeżeli kapitał jest niski to powinieneś oszczędzać.

powtarzających się pytań/zadań.
Pomagają w określeniu logiki podejmowanych decyzji.
Pytania do użytkownika zadawane są w sposób uporządkowany, nie ma możliwości pominięcia pytań.
Są bardziej elastyczne niż rozwiązania w postaci kodu (łatwiejsza jest modyfikacja bazy danych niż kodu).
Utrzymują cały czas wiedzę niezbędną do rozwiązywania danej grupy problemów.
Umożliwiają konstruowanie systemów hybrydowych (np. połączenie systemu ekspertowego z analizą baz danych).

eksploracji źródeł.
Ekspert nie zawsze jest w stanie wyjaśnić logikę swojego wnioskowania.
Wprowadzanie nowych reguł może prowadzić do konfliktów z tymi istniejącymi w bazie.
Brak „kreatywności” w przypadku nieprzewidzianych sytuacji.
Błędy w bazie wiedzy prowadzą do błędnych wniosków.
Adaptacja do zmieniającej się rzeczywistości wymaga zmian w bazie wiedzy.

struktury molekularne nieznanych chemicznych związków organicznych na podstawie analizy widm spektroskopowych. 

System osiągnął sprawność porównywalną, a w niektórych przypadkach przewyższającą, ekspertów-ludzi.

z pierwszych systemów ekspertowych. Był wzorcem dla kolejnych systemów.

Miał wspomagać decyzje lekarskie (medyczne narzędzie diagnostyczne).

Jako pierwszy podawał współczynniki pewności rozwiązań i korzystał z niepewnych lub niekompletnych danych

Napisany w języku LISP.

na temat różnych infekcji krwi oraz zapalenia opon mózgowo-rdzeniowych.

Wspomagał lekarzy w identyfikacja choroby i terapii.