wissensbasierte systeme/ expertensysteme teil 1
Post on 20-Oct-2021
4 Views
Preview:
TRANSCRIPT
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 1
Wissensbasierte Systeme/Expertensysteme
Teil 1
BiTS, Sommersemester 2004Dr. Stefan Kooths
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 2
Gliederung
1. Einführung und Einordnung2. Entscheidungsunterstützung(ssysteme)3. Künstliche Intelligenz und Expertensysteme im
Überblick4. Wissensrepräsentation und Inferenz5. Entwicklung von Expertensystemen6. Wissensmanagement7. Zusammenfassung und Ausblick
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 3
Gliederung
1. Einführung und Einordnung2. Entscheidungsunterstützung(ssysteme)3. Künstliche Intelligenz und Expertensysteme im
Überblick4. Wissensrepräsentation und Inferenz5. Entwicklung von Expertensystemen6. Wissensmanagement7. Zusammenfassung und Ausblick
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 4
Literatur
• Turban, E. / Aronson, J. E.:Decision Support Systems and Intelligent Systems, 6th Ed., Prentice Hall, Upper SaddleRiver 2001.
• Luger, G. F.:Artificial Intelligence: Structures and Strategies for Complex Problem Solving, 4th Ed., Addison-Wesley, Upper Saddle River 2002.
alternativ deutsche Übersetzung:
Künstliche Intelligenz: Stragegien zur Lösungkomplexer Probleme, 4. Aufl., Pearson Studium, München 2001.
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 5
Einordnung:WBS/ES EUS bzw. Business Intelligence
Diplom: EUS
Entscheidungslehre/Simulation von Entscheidungen
Wissensbasierte Systeme/Experten-systeme
Künstliche Intelligenz
Neuronale Netze
BA/MA: BI
Management Support Systems
Knowledge-BasedSystems
Soft Computing
Case Studies
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 6
Einordnung in Turban/Aronson 1
• Part I: Decision Making and Computerized Support• Part II: Decision Support Systems• Part III: Collaboration, Communication, Enterprise Decision
Support Systems, and Knowledge Management• Part IV: Fundamentals of Intelligent Systems• Part V: Advanced Intelligent Systems• Part VI: Implementation, Integration, and Impacts
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 7
Einordnung in Turban/Aronson 2
• Part I: Decision Making and Computerized SupportCh. 1 Management Support Systems: An OverviewCh. 2 Decision Making, Systems, Modeling and Support
• Part II: Decision Support SystemsCh. 3 Decision Support Systems: An OverviewCh. 4 Data Warehousing, Access, Analysis, Mining, Vis.Ch. 5 Modeling and AnalysisCh. 6 Decision Support System Development
• Part III: Collaboration, Communication, Enterprise DecisionSupport Systems, and Knowledge Management
Ch. 7 Collaborative Computing Technologies: GSSCh. 8 Enterprise Decision Support SystemsCh. 9 Knowledge Management
Literatur-studium
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 8
Einordnung in Turban/Aronson 2
• Part IV: Fundamentals of Intelligent SystemsCh. 10 Knowledge-Based Decision Support: AI and ESCh. 11 Knowledge Acquisition and ValidationCh. 12 Knowledge RepresentationCh. 13 Inference TechniquesCh. 14 Intelligent Systems Development
• Part V: Advanced Intelligent SystemsCh. 15 Neural Computing: The BasicsCh. 16 Neural Computing Applications, Advanced AISCh. 17 Intelligent Software Agents and Creativity
• Part VI: Implementation, Integration, and ImpactsCh. 18 Implementing and Integrating MSSCh. 19 Impacts on Management Support Systems
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 9
Gliederung
1. Einführung und Einordnung2. Entscheidungsunterstützung(ssysteme)3. Künstliche Intelligenz und Expertensysteme im
Überblick4. Wissensrepräsentation und Inferenz5. Entwicklung von Expertensystemen6. Wissensmanagement7. Zusammenfassung und Ausblick
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 10
Einflussfaktoren auf Entscheidungssituation
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 11
Traditionelle Computerunterstützung
• Problemdefinition• Klassifikation in Standardkategorien• Konstruktion/Auswahl eines adäquaten
mathematischen Modells• Erzeugen und Bewerten von Lösungsalternativen• Auswahl der besten Lösung
Klassisches Operations Research (Management Science)
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 12
Decision Support Systeme
• semistrukturierte/unstrukturierte Entscheidungen• oftmals unsichere Entscheidungssituation (man
weiß mehr als nichts, aber nicht alles)• Effektivität wichtiger als Effizienz
effektiv = die richtigen Dinge tun (Zielerreichung)effizient = die Dinge richtig tun (Ressourceneinsatz)
zusätzliche Literatur:Back, A.: Entscheidungsunterstützungssysteme; in: Handwörterbuch Unternehmensrechnung und Controlling, Stuttgart 2001, S. 370-374. [PDF auf Website]
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 13
MSS, DSS und MIS
Quelle: A. Back (2001), S. 369
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 14
Unterstützung durch DSS
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 15
Phasen des Entscheidungsprozesses 1
• Intelligence PhaseProblem-/ChancenidentifikationProblemklassifikationProblemzerlegungVerantwortungszuordnung
• Design PhaseAlternativen- und Modellentwicklung (Wirkung von Entscheidungsvariablen)Formulierung von EntscheidungskriterienModelle– Normative Modelle und (Sub-) Optimierung
(Rationalitätsannahme, keine Ungewissheit, vollständige Präferenzordnung)
– Deskriptive Modelle und Simulation (befriedigende Lösungen)
Sicherheit, Risiko, Ungewissheit
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 16
Phasen des Entscheidungsprozesses 2
• Choice PhaseSuche (analytisch, blind, heuristisch),Bewertung (Zielkonflikte, Sensitivitätsanalysen, Wenn-Dann-Analysen, Zielanalysen (z. B. Break-even)),Empfehlung von Lösungen
• Implementation PhaseDurchsetzungUnterstützung und AkzeptanzErklärung
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 17
Idealeigenschaften und –fähigkeiten eines DSS
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 18
Struktur und Komponenten eines DSS
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 19
Gliederung
1. Einführung und Einordnung2. Entscheidungsunterstützung(ssysteme)3. Künstliche Intelligenz und Expertensysteme im
Überblick1. Künstliche Intelligenz2. Expertensysteme im Überblick
4. Wissensrepräsentation und Inferenz5. Entwicklung von Expertensystemen6. Wissensmanagement7. Zusammenfassung und Ausblick
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 20
3.1 Künstliche Intelligenz
• Konzepte und Definitionen• Künstliche vs. Natürliche Intelligenz• Kerntechnologien und Bereiche• Wissensbasierte Entscheidungsunterstützung
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 21
Künstliche Intelligenz: Konzepte und Definitionen
• Zwei wesentliche AspekteWas ist Intelligenz = Wie denken Menschen?Wie lässt sich intelligentes Verhalten maschinell darstellen?
• Zwei (von vielen) Definitionen„ AI is behavior by a machine that, if performed by a human being, would be considered intelligent“„ AI is the study of how to make computers do things at which, at the moment, people are better“
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 22
Eigenschaften von Intelligenz
• Lernen aus Erfahrung• Umgang mit uneindeutigen/widersprüchlichen
Daten• (Schnelle) Reaktion auf neue Situationen• gedankliche Durchdringung von Problemen• Anwendung von Wissen zur Gestaltung der
Umwelt• Denken und Schlussfolgern• Relevanzbewertung
Vorbild für KI-Anwendungen
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 23
Test auf Intelligenz
• Turing-Testnach Alan Turing (brit. Mathematiker)„Computing machinery and intelligence“ (1950)
• aber: nicht Nachbau, sonder Nutzung von Intelligenz (WI-Sicht)!
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 24
Wissensverarbeitung
• numerisch/subsymbolisch vs. symbolisch• algorithmisch vs. nicht-algorithmisch• Nutzung von Heuristiken
möglichst erfolgreich arbeitende Lösungsverfahren (keine Lösungsgarantie, keine zwingend perfekte Lösung)nicht beweisbarbasieren auf Vermutungen, plausiblen Annahmen (Hypothesen), Analogien, Erfahrungenrelativ schnelle, recht gute Lösungen für komplexe Probleme (bspw. bei kombinatorischer Explosion)
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 25
Wissensrepräsentation und Inferenz
• Wissensartendeklarativ: Know-what (Fakten, Regeln, Theorien)prozedural: Know-how (Anwendungswissen)Metawissen
• WissensbasisSpeicher für das gesamte, innerhalb eines WBS repräsentierte Wissenmeist eng umgrenztes Wissensgebiet (sog. Domaine)
• InferenzNutzung bestehenden WissensAnwendung von logischen oder heuristischen Verfahren zur Gewinnung neuen Wissenswichtige Verfahrensklasse: Mustererkennung
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 26
Grobkonzept von KI-Programmen
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 27
Künstliche vs. Natürliche Intelligenz
• Kommerzielle Vorteile von KIunsterblich/permanentleicht zu kopieren/verteilenpotenziell kostengünstiger, insbesondere bei hoher Nutzerzahlkonsistent und genau (kann auch Nachteil sein, s.u.)dokumentierbarschnellerbesser als viele Menschen
• Nachteile von KImangelnde Kreativität (zu konsistent, zu genau)kein Zugang zu natürlichen Sensorenkein allgemeines Hintergrundwissen
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 28
Kerntechnologien der KI
• SoftcomputingNeuronale NetzeFuzzy LogicGenetische Algorithmen
• Expertensysteme„starke“ ProblemlösungsmethodenKonstruktion, Simulation, Diagnose
• Agentbasierte Systeme (DAI = Distributed AI)kontextbezogenautonomflexibelsozial
Kombination: Hybride Systeme
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 29
Wichtige Teilgebiete/Anwendungsbereiche der KI
• Automatisches Beweisen• Spracherkennung (NLP = Natural Language
Processing)• Bildverstehen• Robotik und Sensorik• Intelligente Tutoren (ICAI = Intelligent
Computer-Aided Instruction)• Textzusammenfassungen• Übersetzung• ...
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 30
Wissensbasierte Entscheidungsunterstützungssysteme
• Generell: alle nicht mathematisierbaren Aspekte des Entscheidungsprozesses (z. B. Variablen-auswahl)
• MBMS: Aufbau, Speicherung, Verwaltung• Umgang mit Unsicherheit, insbes. Ungewissheit• User-Interface (z. B. via NLP)• Nutzung spezieller Fähigkeiten lernfähiger,
mustererkennender, fehlertoleranter Systeme
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 31
3.2 Expertensysteme im Überblick
• Wichtige Grundbegriffe• Komponenten und Struktur• Arbeitsweise• Beispielanwendung• Wichtige Anwendungsbereiche• Vorteile• Probleme und Grenzen• Erfolgsfaktoren• Typen von Expertensystemen
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 32
Expertise
• umfassende, aufgabenbezogene Kenntnisse• erworben durch Training, Lesen, Erfahrung• Teilaspekte:
Fakten über das FachgebietTheorien über das Fachgebietallgemeine Regeln und VorgehensweisenHeuristiken für spezielle Situationenglobale LösungsstrategienMetawissen
• erlaubt es, schnellere und bessere Entscheidungen zu treffen (Wissen, nicht Basisintelligenz ist entscheidend)
• Novize wird nur allmählich zum Experten
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 33
Experten
• erkennen, formulieren und hierarchisieren Probleme
• lösen Probleme schnell und korrekt• erläutern ihre Lösung• lernen aus (positiver und negativer) Erfahrung• restrukturieren ihr Wissen• Problem: implizites Wissen• verstoßen gegen Regeln, falls notwendig• wissen, was sie nicht wissen (Metawissen)
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 34
Wissenstransfer und Knowledge Engineering
KnowledgeEngineering
• Experte Computersystem Anwender• Wissensakquise
• Wissensrepräsentation• Inferenztechniken• Transfer zum Anwender (User Interface)
LösungErklärung
Wissensingenieure
KI und BWL
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 35
• Wissensrepräsentation• Wissenserwerb• Inferenz-Steuerung• Selbstdokumentation
Was wissen, wie lernen, denkenund argumentieren Ökonomen?
• Wissensrepräsentation• Wissenserwerb• Inferenz-Steuerung• Selbstdokumentation
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 36
Konventionelle DV und ES im Vergleich
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 37
Struktur von Expertensystemen
• Wesensmerkmal: Trennung von Wissensbasis und Inferenzmaschine
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 38
Entwicklungs- und Einsatzmodus
Komponenten
Beteiligte
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 39
Nutzertypen und Einsatzarten
• Nutzer ist NichtexperteES als Berater
• Nutzer ist LernenderES als Trainer
• Nutzer ist ES-EntwicklerES als Partner
• Nutzer ist ExperteES als Kollege/Assistent
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 40
Lebenszyklus von Expertensystemen
• Entwicklungproblemspezifische Wissensakquise (deklarativ, prozedural) und Entscheidung über RepräsentationsmethodeInferenzmaschine, Blackboard, Erklärungskomponente, Schnittstellen, IntegrationEvtl. Nutzung von ES-Shells (Bsp.: MYCIN/EMYCIN, D3)
• EinsatzInteraktiver Dialog zwischen ES und NutzerES erfragt Fakten und wendet Regeln anNutzer kann Erklärungen anfordern
• VerbesserungRapid Prototyping Entwicklungszyklen
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 41
Beispielanwendungen
• EXSYShttp://www.exsys.com/demomain.html
• d3 (Uni Würzburg)http://d3.informatik.uni-wuerzburg.de/index.html
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 42
D3: Fakteneingabe
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 43
D3: Erklärungskomponente
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 44
D3: Diagnoseergebnis
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 45
Wichtige Anwendungsbereiche
• HauptgebieteDiagnoseKonstruktionSimulation
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 46
Vorteile 1
• erhöhte Produktivität (quantitativ, qualitativ)• Beschleunigung von Entscheidungsprozessen• Reduktion von Ausfallzeiten• Sicherung knappen Expertenwissens• größere Flexibilität• erleichterter Zugang zu komplexen Systemen
(intelligente Handbücher)• Ersatz für aufwändigere Kontrollhardware• Einsatz in gefährlichen Umgebungen• Entlastung von Routinetätigkeiten, Wissenzugang
für Helpdesks
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 47
Vorteile 2
• Umgang mit unsicherem, unvollständigem Wissen• ES als Trainer (Mehrfachnutzung von Wissen)• Zuverlässigkeit (keine Ermüdung)• raum- und zeitunabhängiger Wissenszugang,
insbesondere über webbasierte Ansätze (Basisverbreiterung)
• können durch Integration andere Informationssysteme „intelligent“ machen
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 48
Probleme und Grenzen
• mangelnde Verfügbarkeit von Wissen• schwierige Wissensextraktion und -formalisierung
Fähigkeit undBereitschaft menschlicher Expertenschwierige Bewertung der eigenen ExpertiseKommunikationsprobleme zwischen Experte und Wissensingenieur
• Rolle der NutzerÜberforderungmangelndes Vertrauen
• eng umrissene Problembereiche (kein Weltwissen)• keine Garantie für (korrekte) Lösungen• Hauptproblem: ES-Management
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 49
Erfolgsfaktoren (Idealbedingungen)
• Wissensniveau ist genügend hoch und• über mind. einen kooperativen Experten
verfügbar• eng umgrenzter, relevanter, nichttrivialer
Problembereich• keine rein quantitative Lösung möglich• leistungsfähige ES-Shell für Rapid Prototyping• bedienungsfreundliches User Interface
(insbesondere beim Einsatz mit Novizen)• Verfügbarkeit von kompetenten Entwicklern• Berücksichtigung von Nutzer-Motivation• ES-Einsatz als Managementaufgabe
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 50
Typen von Expertensystemen
• Abgrenzung: ES vs. WBS• Technologien
regelbasiertfallbasiertmodellbasiertframebasierthybrid
• Entwicklungeigene VollentwicklungShells (leere Wissensbasis)Fertigprodukte
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 51
Chapter Highlights 1
• The primary objective of AI is to build computer systems that perform tasks that can be characterized as intelligent.
• The major characteristics of AI are symbolic processing, use of heuristics instead of algorithms, and application of inference techniques.
• AI has several major advantages over people: It is permanent, it can be easily duplicated and disseminated, it can be less expensive than human intelligence, it is consistent and thorough, and it can be documented.
• Natural (human) intelligence has advantages over AI: It is creative, it uses sensory experiences directly, and it reasons from a wide context of experiences.
• Knowledge rather than data or information is the key concept of AI.• In conventional computing, we tell the computer how to solve the problem. In AI, we
tell the computer what the problem is and give it the knowledge needed to solve similar problems and the necessary procedures to use the knowledge.
• Major application areas of AI include expert systems, natural language processing, speech understanding, intelligent robotics, computer vision, fuzzy logic, intelligent agents, intelligent computer-aided instruction, and neural computing.
• Expert systems, the most applied AI technology, attempt to imitate the work of experts. They apply expertise to problem solving.
• For an expert system to be effective, it must be applied to a narrow domain of knowledge and include qualitative factors.
• Natural language processing is an attempt to allow users to communicate with computers in a natural language. Currently, conversation is done via the keyboard and monitor; in the future, it will be carried out by voice.
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 52
Chapter Highlights 2
• An intelligent robot is one that can respond to changes in its environment. Most of today’s robots do not have that capability.
• Computers can be used as tutors. If AI supports them, they can dramatically improve training and teaching.
• The various AI technologies can be integrated among themselves and with other computer-based technologies.
• Expert systems imitate the reasoning process of experts for solving difficult problems.
• The power of an ES is derived from the specific knowledge it possesses, not from the particular knowledge representation and inference schemes it uses.
• Expertise is task-specific knowledge acquired from training, reading, and experience.• Experts can make fast and good decisions regarding complex situations.• A few experts possess most of the knowledge in organizations.• Expert system technology attempts to transfer knowledge from experts and
documented sources to the computer and make it available for use by non-experts.• Expert systems involve knowledge processing, whereas other CBIS process data or
information.• An inference engine provides the reasoning capability in expert systems.• A distinction is made between a development environment (building an ES) and a
consultation environment (using an ES).• The major components of an ES are the knowledge acquisition subsystem,
knowledge base, inference engine, blackboard, user interface, and explanation subsystem.
KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 53
Chapter Highlights 3
• The knowledge engineer captures the knowledge from the expert and programs it into the computer.
• Although the major user of the ES is a non-expert, other users (such as students, ES builders, and even experts) may use ES.
• Knowledge can be declarative (facts) or procedural.• When expert systems are constructed, they are improved repeatedly in an iterative
manner, using a process called rapid prototyping. • The 10 generic categories of ES are interpretation, prediction, diagnosis, design,
planning, monitoring, debugging, repair, instruction, and control.• Expert systems can provide many benefits. The most important are improvement in
productivity or quality, preservation of scarce expertise, enhancing other systems, coping with incomplete information, and providing training.
• Many ES failures are caused by non-technical problems such as lack of managerial support and poor end-user training.
• Although there are several technical limitations to the use of expert systems, some of them will disappear with improved technology.
• Expert systems, like human experts, can make mistakes.• Some make a distinction between expert systems, where most of the knowledge
comes from experts, and knowledge systems, where the majority of the knowledge comes from documented sources.
• Some ES are available as ready-made systems; they render advice for standard situations. A trend is developing to disseminate such advice on the Internet, intranets, and extranets.
• Some expert systems provide advice in a real-time mode.• ES and AI provide support to the Internet and intranets as well.
top related