Dies ist eine alte Version des Dokuments!

Inhaltsverzeichnis

Wissensverarbeitung

Wissensverarbeitung

Informationen

SHRDLU (offizielle Seite mit grafischem Java-Programm)

Lernziele

Einleitung
- Was bedeutet Wissensverarbeitung?
- Was unterscheidet Wissensverarbeitung von Datenverarbeitung?
- Warum und wozu ist diese andere Art der Computerprogrammierung erforderlich?
- Welche grundsätzlich unterschiedlichen Systeme gehören dazu?
- Wie sind diese aufgebaut und wie arbeiten sie?
Wissen
- Woraus besteht Wissen?
- Wie kann man Wissen strukturieren und darstellen?
- Wie kann man Wissen in formalen Sprachen formulieren?
  - Wie kann man mit Wissen Probleme lösen?
- Was ist ein Zustandsraum?
- Wie kann man daraus einen Zustandsbaum machen?
- Welche Suchverfahren im Zustandsbaum gibt es?
- Was ist Backtracking und wofür benötigt man es?
- Was ist eine Heuristikfunktion und insbesondere eine A-Heuristik?
- Was ist ein UND-ODER-Baum?
- Wie funktioniert Rekursion und warum ist sie für das Problemlösen wichtig?
  - Expertensysteme
- Aus welchen Komponenten ist ein Expertensystem aufgebaut?
- Wofür kann man es anwenden?
- Welche Arbeit muss dabei der Mensch übernehmen?
- Welche klassischen Beispiele gibt es?
- Warum sind Schachcomputer so schlecht?
- Was ist eine Inferenzmaschine?
- Wie kann man ein Expertensystem realisieren?
  - Expertensystem-Implementierung in Prolog
- Wie kann Wissen verschiedener Art in Prolog formuliert werden?
- Welche inneren Vorgänge werden beim Bearbeiten eines Goals bearbeitet?
- Wie geht man mit Listen um?
- Wie erstellt man ein Prolog-Programm mit SWI-Prolog, bringt es zum Laufen und testet es?
- Wie nutzt man die Standardprädikate sinnvoll?
- Wie implementiert man ein Planungssystem in Prolog?
- Wie implementiert man ein Beratungs- oder Diagnosesystem in Prolog?
- Für welche anderen Aufgaben kann Prolog eingesetzt werden?
  - Verarbeitung von ungenauem Wissen
- Wie können unscharfe (fuzzy) Mengen beschrieben werden?
- Wie werden Ausdrücke in Fuzzy Logic ausgewertet?
- Was ist das Ergebnis eines Fuzzy-Reglers bei gegebenen Eingangsgrößen?
- Wie kann man mit Prolog ein Fuzzy-System entwickeln?
  
  ===== Zusammenfassung des Skripts =====

Einleitung

Definition Wissensverarbeitung
- Wissenschaft, die sich mit Beschleunigung, Rationalisierung und Automatisierung der Transformation von Wissen in Informationen und umgekehrt befasst.
- Informationen werden aus der Umgebung exzerpiert und als Wissen gespeichert; aus gespeichertem Wissen werden Informationen gewonnen, die sinnvolles Handeln und Entscheiden ermöglichen.
Methoden
- künstliche Intelligenz (Simulation menschlicher Intelligenz)
  - Beschäftigung mit Methoden, die es Computern ermöglichen, Aufgaben zu lösen, zu denen Intelligenz nötig ist, wenn sie von Menschen durchgeführt werden.
  - Nachweis: Turing-Test
  - findet nicht unbedingt die beste Lösung, aber eine brauchbare mit vertretbarem Aufwand (siehe Travelling Salesman)
- Heuristik (Anwendung von menschlichen Problemlösungsverfahren in der Programmierung)
- automatisiertes Erkennen (Bild- und Spracherkennung)
Themengebiete
- Art, Struktur und computergerechte Speicherung des Wissens
- Extraktion von Wissen aus Informationen
- Generierung von Informationen aus Wissen
Probleme
- Komplexität der Aufgabe
- Ohnmacht der Computer
  - Programm ist niemals schlauer als Programmierer
  - Computer benötigen klare Algorithmen, ihnen fehlt die Kreativität und Intuition
  - Beispiel: Travelling Salesman
Abgrenzung zur Datenverarbeitung
- Problemlösung
  - Programmierer löst das Problem durch Finden eines Algorithmus
  - Computer löst das Problem durch Anwendung von Wissen
- Lösungsweg
  - Der Lösungsweg ist vorherbestimmt (Algorithmus)
  - Der Lösungsweg ist nicht vorherbestimmt
- Wissen
  - Das erforderliche Wissen steckt in den Funktionen des Programms
  - Das erforderliche Wissen ist unabhängig von der Funktion des Programms
Wissensbasierte Systeme
- Transformation Wissen <> Information
- Information → Wissen durch Menschen
- Wissen → Information durch System
Denkende Computer
- Schlussfolgerung
  - Logik, Prinzip der klassischen Expertensysteme, Wissen nicht präzise formulierbar → Fuzzy Logic
- Künstliches Gehirn (neuronale Netze)
```
* Datenbergwerk (Data Mining) 
* Globale Optimierung
* Kombinationen der 4 oberen Verfahren
```

Wissen

Wissen besteht aus
- Fakten
  - gebunden an Objekte
    - Eigenschaften und Methoden
    - Instanzen von Objektklassen (für Attribute lediglich Slots)
    - Vererbung ist möglich (Taxonomie)
      
      * Regeln * Metawissen
      
      * Darstellung von Objektwissen in Frames oder assoziativen (OAW-)Tripeln (Vorteil OAW: stets gleiche Struktur)
Darstellung von Objektbeziehungen in Frames oder semantischen Netzen
Darstellung von Regelwissen
- Dämonen an jedem Slot: if-needed (trigger) und if-changed
- Formulierung in einer formalen Sprache
- Prädikatenlogik
  - Teilgebiet der mathematischen Logik
  - Ermöglicht präzise Formulierung von Fakten und Regeln
  - Prädikat: Satzaussage

Wie kann man mit Wissen Probleme lösen?

Denkansätze
- Suche im Zustandsraum
- Problemreduktion
- Rekursion
- Vorwärts-/Rückwärtsverkettung (Forward/Backward Chaining)
Suche im Zustandsraum
- Suche nach dem optimalen Weg durch einen gerichteten Graphen, der alle Zustände des Systems als Knoten und alle Operatoren als Kanten enthält
- Umwandlung in Zustandsbaum durch Verbieten bereits besuchter Zustände
- Suchverfahren
  - Tiefensuche
    - Backtracking
      
      * Breitensuche * Least-Cost-Suche * Heuristische Suche / Best-First-Suche * **A-Heuristik**: Heuristik (Schätzfunktion), die die Summe des bisherigen Aufwands mit einer Schätzung für den Restaufwand verbindet
      
      * Problemreduktion
- Zerlegung des Problems in Teilprobleme, bis Teilprobleme direkt aus der Wissensbasis lösbar sind
- Darstellung als UND-ODER-Baum
- Auf ODER-Knoten können wieder die obigen Suchverfahren angewandt werden
Rekursion
- Sonderfall der Problemreduktion
- Lösungsverfahren für Problem ist auch für Teilprobleme anwendbar
- Vorgehensweise
  1. Was ist der einfachste Sonderfall und was ist in diesem Fall zu tun?
  2. Was ist der nächst kompliziertere Fall und was ist dann zu tun?
  3. Was ist der nächst kompliziertere Fall und wie kann dieser auf den vorherigen abgebildet werden?
  4. Welches ist der allgemeine Fall und wie kann dieser auf den vorherigen abgebildet werden?
  5. Lässt sich der zweite Fall ebenso auf den ersten zurückführen?
  6. Formulieren des Gesamtalgorithmus

Expertensysteme

Definition: System, das nach Eingabe des Wissens eines Experten, Probleme aus dem Fachgebiet dieses Experten selbstständig lösen kann.
Die Bestandteile des Systems können standardisiert werden.
```
* {{:se:aufbauexpertensystem.jpg|Aufbau eines Expertensystems}}
```
* Anwendungsbereiche
- Planungssysteme
- Diagnosesysteme
- Beratungssysteme
Transformation von Informationen zu Wissen ist dem Menschen vorbehalten

Expertensystem-Implementierung in Prolog

Prolog

deklarative Programmiersprache

* Wissensdarstellung
  * Prädikatenlogik
  * Meta-Wissen: Problemlösungsverfahren      
* Problemlösungsmechanismen      
  * Rückwärtsverkettung
  * Rekursion
  * Tiefen-/Breitensuche
  * Backtracking
  * Pattern Matching
  * Unifikation von Variablen

* Syntax

Variablen: großer Anfangsbuchstabe, Konstanten: kleiner Anfangsbuchstabe, anonyme Variable: _
Arity: Anzahl der Parameter eines Prädikats

Goal ist eine Anfrage an das Programm
Unifikation/Bindung von Variablen
Box-Modell: call, redo, exit, fail
Standardprädikate
- write, nl, writenl
- asserta, assertz, assert, retract, abolish
- fail, cut
- member, sort, msort, reverse, append
- findall

Verarbeitung von ungenauem Wissen

Unscharfe Mengen
- Die Zugehörigkeit eines Objekts zu einer Menge wird nicht mit wahr oder falsch, sondern mit einem Zugehörigkeitswert zwischen 0 und 1 beschrieben.
- Der Wertebereich einer linguistischen Variablen kann in linguistische Werte unterteilt werden.
- Die Zugehörigkeit eines numerischen Werts zu einem linguistischen Wert wird über eine Zugehörigkeitsfunktion (meistens Dreiecks- oder Trapezfunktionen) beschrieben.
- Die Umsetzung eines numerischen Wertes in einen oder mehrere linguistische Werte mit Zugehörigkeitswert wird Fuzzyfikation genannt.
  * Fuzzy Logic
- x UND y → minimum(x, y)
- x OR y → maximum(x, y)
- not x → 1 - x

ToDo

Informationen zu Systemen: MYCIN, EMYCIN, PUFF, XCON, PROSPECTOR, MOVER, SHRDLU, Ham-RPM, ELIZA
Expertensystemshells: NEXPERT Object, Smart Elements, KEE, EMYCIN, TWAICE
Prolog-Aufgaben S. 45/46 und 49

Stefans Wiki

Benutzer-Werkzeuge

Webseiten-Werkzeuge

**Dies ist eine alte Version des Dokuments!**

Inhaltsverzeichnis

Wissensverarbeitung

Informationen

Lernziele

Einleitung

Wissen

Wie kann man mit Wissen Probleme lösen?

Expertensysteme

Expertensystem-Implementierung in Prolog

Verarbeitung von ungenauem Wissen

ToDo

Seiten-Werkzeuge

Dies ist eine alte Version des Dokuments!