Referat Expertensysteme - Was ist ein Expertensystem?

_{Zwischenergebnisse, Problemlösungen}

Wie aus obiger Abbildung zu ersehen ist, gibt es in der Regel zwei Klassen von Benutzern:

normale Benutzer:

Sie stellen Fragen an das Expertensystem bzw. beschreiben ihm anhand von Fakten einen Fall und können anschließend Lösungen erfragen bzw. überprüfen.

Experten:

Diese Benutzer    sind   entweder   selbst   Fachexperten oder   Knowledge-Engeneerer, die

Expertenwissen meist in Form von Wenn-Dann-Regeln in das System eingeben.

Das gesamte im Expertensystem gespeicherte Wissen wird in der sogenannten Knowledge-Base gespeichert. Dieses Wissen besteht meist aus Regeln und Fakten. Weiters kann man das Wissen noch in drei Kategorien einteilen:

Situationsspezifisches Wissen:

Dieses Wissen umfaßt einen oder mehrere Fälle, die dem Expertensystem pr sentiert werden bzw. wurden. Meist sind das die Fakten, die vom Benutzer eingegeben werden bzw. worden sind.

Zwischenergebnisse, Probleml sungen:

Bei diesem Wissen handelt es sich um Wissen, das das Expertensystem selbständig ermittelt hat. Im Normalfall sind das aus Regeln abgeleitete Regeln und Fakten.

Expertenwissen:

Das ist jenes Wissen, das dem Expertensystem als Basis für Problemlösungen dient. Es besteht in der Regel aus Regeln und aus wenigen fixen Fakten. Dieses Wissen wird vom Experten eingegeben.

Das eigentliche Programm, das hinter dem Expertensystem steht, besteht aus mehreren Komponenten, die relativ unabhängig voneinander sind und deshalb auch auf unterschiedlichen Rechnern installiert sein k nnen:

Dialogkomponente:

Dies ist jener Teil des Expertensystems, mit dem der Benutzer am häufigsten Kontakt hat. In der Dialogkomponente kann der Benutzer die Fakten seines Falles darstellen bzw. er  bekommt vom Expertensystem Fragen gestellt, die er beantworten muß. Die zweite Aufgabe der Dialogkomponente besteht darin, daß das Expertensystem die gefundene Lösung dem Benutzer darstellen und dieser Fragen zu dieser stellen bzw. die Lösung zurückweisen kann.

Erklärungskomponente:

Dieser Teil "erklärt" dem Benutzer die Handlungen des Expertensytems (z.B warum eine Frage gestellt wurde). Sie ist eine Art von Online Hilfe, die dem Benutzer das Expertensystem verständlicher und dessen Schritte nachvollziehbarer machen soll.

Wissenserwerbskomponente:

Seite 8 von 8

Über diese Schnittstelle kann ein Experte Wissen in das System einspielen.

Inferenzkomponente:

Das ist das Herz des Expertensystems. Diese Komponente versucht selbständig Probleme zu lösen, indem sie aus Fakten und Regeln der Wissensbasis neue Fakten und Regeln ableitet. Diese Komponente sehen wir uns im n chsten Punkt genauer an.

8 Die Inferenzkomponente (Inference Engine)

8.1 Schlußregeln (Operatoren, Ableitungsformen)

Die beiden allgemeinen Ableitungsformen sind der Modus Ponens und der Modus

Tollens. Beide Schlußregeln sollen hier mit Hilfe eines Beispiels erklärt werden:

Gegeben ist die Regel:

"Für alle X gilt: Wenn X ein Mensch ist, dann ist X sterblich"

Modus Ponens:

Zusammen mit dem Fakt, daß Sokrates ein Mensch ist, k nnen wir ableiten, daß

Sokrates sterblich ist.

Modus Tollens:

(arbeitet umgekehrt) Zusammen mit dem Fakt, daß Zeus nicht sterblich ist, können wir ableiten, daß Zeus kein Mensch ist.

In der Praxis arbeiten mehrere dem Anwendungsgebiet angepaßte Ableitungsformen besser als nur wenige allgemeine.

2 Das Inferenzverfahren

Das Ziehen von Schlußfolgerungen erfolgt durch das Verketten von Regeln aus der Wissens-Basis. Diese Verkettungen lassen sich mit Hilfe von UND/ODER Bäumen darstellen.

8.3 Problemlösungsstrategien

Rückwärtsverkettung:

Der Inferenzmechanismus beginnt am Ziel und arbeitet sich rückwärts durch die von Operatoren erzeugten Subziele hindurch. Der Inferenzprozeß versucht alle Regeln anzuwenden, in deren Konklusion das Ziel, also die Lösung auftritt. Die Rückwärtsverkettung wird  dann angewendet, wenn Probleme in Form von Hypothesen vorliegen. Sie erweist sich als effizient, wenn nur wenige Daten, aber sehr viele Regeln überprüft werden müssen.

Vorwärtsverkettung:

Dieser Inferenzmechanismus geht von den anfänglichen Daten und Axiomen (Grundsätzen) aus und versucht alle Regeln, die von den bekannten Daten ausgehen, anzuwenden. Schritt für Schritt werden immer neue Ergebnisse erreicht

Seite 9 von 9

bis man das erreicht, was man erreichen will. Die Vorwärtsverkettung wird dann eingesetzt, wenn möglichst viele Antworten gefunden werden sollen.

Depth-first und Breadth-first Suche:

Sowohl bei der Rückwärtsverkettung als auch bei der Vorwärtsverkettung gibt es zwei Vorgangsmöglichkeiten. Bei der Depth-first Suche unternimmt der Inferenzmechanismus jeden Versuch, ein Subziel zu ermitteln.  Eine Suche nach Details hat Vorrang. Bei der Breadth-first Suche werden zuerst alle Prämissen (Voraussetzungen) angesehen, bevor die Details beachtet werden.

Backtracking:

Backtracking nennt man den Vorgang, in dem aktuelle Lösungswege verworfen und nach einer Alternative gesucht wird.

8.4 Heuristische Suche

Die Hauptmethode der KI ist das Suchen nach Lösungen. Die Verwendung von Heuristiken (Faustregeln) ist eine Technik, die darauf abzielt, die Effizienz eines Suchprozesses zu verbessern. Sie ist teilweise jedoch nur unter Opferung der Vollständigkeit der Lösungen einsetzbar. Bei diesem Verfahren kann nicht garantiert werden, daß es in allen Fällen die beste L sung liefert. D.h. wir verzichten darauf, unter allen Umständen die beste Lösung zu finden und geben uns mit einer recht guten zufrieden.

9 Prolog - Implementierungssprache der KI

Prolog (Kürzel für "PROgrammierung in LOGik") ist als nicht-algorithmische Program- miersprache Vertreter einer Generation von Computersprachen, die besonders Anwendungen unterstützen, bei denen nicht numerische Berechnungen, sondern symbolische Manipulationen im Mittelpunkt stehen.

PROLOG´s Kontrollstruktur ist gekennzeichnet durch die Mechanismen Unifizierung,

Backtracking und Rekursion.

Als Unifizierung  bezeichnet man einen Prozeß, der versucht, zwei PROLOG Strukturen durch geeignete Bindung der freien Variablen zu identifizieren.

Hinter dem Backtracking Mechanismus verbirgt sich die Strategie, die Problemlösung über ein "Trial und  Error-Verfahren" zu erzielen.  Soll Prolog z.B. prüfen, ob eine Reise von Paris nach Paderborn empfehlenswert ist, so versucht Prolog zunächst in einer Regel1 dieses zu erreichen. Dies scheitert jedoch an der fehlenden Direktflugverbindung zwischen Paris und Paderborn. An dieser Stelle "backtrackt" Prolog und sucht einen Alternativbeweis. Die Suche gelingt, da Prolog Paderborn als interessant identifiziert.

Der Backtracking Mechanismus in Prolog unterstützt die Implementation von wissensbasierten Systemen und Expertensystemen, bei denen zielorientierte Such- und Auswertstrategien für Regeln verwendet werden.

Seite 10 von 10

Als wichtigster Schleifenmechanismus steht in Prolog die Rekursion zur Verfügung. Mit ihrer Hilfe ist es möglich, komplexe Abl ufe auf elementare Abl ufe zu reduzieren oder rekursiv definierbare Datenstrukturen elementweise abzuarbeiten.

Es ist  auch möglich, Schleifen mit Hilfe des Backtracking-Mechanismus zu realisieren. Dies ist jedoch nur dann ratsam, wenn die Informationen aus den einzelnen Schleifendurchläufen nicht weiterverarbeitet werden müssen, da Prolog bei Backtracking davor gebildete Variablenbindungen wieder auflöst.

Quellen:

Künstliche Intelligenz und Expertensysteme  von Stuart E. Savory   Auflage

_{Oldenbourg Verlag: MünchenWien 985}