Znalostné systémy - prednášky
- ü prednáška 27. 9. 2000
- ü prednáška 2. 10. 2000
- ü prednáška 9. 10. 2000
- ü prednáška 16. 10. 2000
- ü prednáška 23. 10. 2000
- ü prednáška 30. 10. 2000
- ü prednáška 6. 11. 2000
- ü prednáška 13. 11. 2000
- ü prednáška 20. 11. 2000
- ü prednáška 27. 11. 2000
- ü prednáška 4. 12. 2000
- ü prednáška 11. 12. 2000
- prednáška - 27. 9. 2000
- prednáška - 2. 10. 2000
- sumarizácia zdrojov súvisiacich
s umelou inteligenciou a špeciálne
znalostnými systémami dostupných v študovni
- dejiny umelej inteligencie (pozri V. Mařík a kol. Umělá inteligence (1),
kapitola 1)
- príklady prvých expertných systémov (DENDRAL, MYCIN, PROSPECTOR,
R1 (XCON))
- údaje -- informácie -- znalosti
- znalostné inžinierstvo, predmet znalostného inžinierstva
- znalostný systém, angl. knowledge-based system alebo iba knowledge system
(softvérový systém, ktorého činnosť sa zakladá
na využívaní ním uchovávaných špecifických znalostí o riešenom
probléme a problémovej oblasti)
- znalostný systém vs. expertný systém
- typy znalostných systémov podľa typov problémov
- architektúra znalostného systému
- účastníci procesu tvorby a používania znalostného systému
a vzťahy medzi nimi a znalostným systémom (expert,
znalostný inžinier, softvérový inžinier, používateľ, systémová obsluha)
- úlohy:
- poslať mail s elektronickou adresou;
- štúdium a hľadanie materiálov
- prednáška - 9. 10. 2000
- znalosti v expertných systémoch, heuristiky, metaznalosti
- výhody oddelenej reprezentácie znalostí
- charakteristiky problémov vhodných pre znalostné systémy
- aplikácie znalostných systémov
- výhody a ohraničenia znalostných systémov, nevýhody experta - človeka
- úlohy:
- poslať mail s elektronickou adresou (tí, ktorí to ešte nezvládli);
- štúdium a hľadanie materiálov;
- príprava písomného zdôvodnenia výberu prostredia na tvorbu ZS;
- prečítať prípadovú štúdiu o expertnom systéme MYCIN (materiál je v RELE)
- prednáška - 16. 10. 2000
- charakteristika jednotlivých častí architektúry znalostného systému,
prídavné komponenty ako samostatné znalostné systémy (ZS pre komunikáciu,
ZS pre vysvetľovanie, ZS pre generovanie výsledkov, ZS pre tvorbu
a udržiavanie bázy znalostí)
- analýza expertného systému MYCIN (na základe časti z kniky
M.Stefik: Introduction to Knowledge Systems, Morgan Kaufmann Publ., 1995.)
- na čo slúži MYCIN, správanie a komunikácia s používateľom
- reprezentácia znalostí v MYCINE
- formalizmus reprezentácie znalostí, syntax, sémantika - všeobecne
- reprezentácia znalostí pomocou pravidiel
- syntax pravidiel, podmienka, situácia, dôsledok, akcia
- základná architektúra pravidlového (produkčného) systému
- usudzovanie s pravidlami: priame (dopredné) reťazenie, spätné reťazenie
- určenie aplikovateľnosti pravidla
- vytvorenie konfliktnej množiny
- výber aplikovateľného pravidla z konfliktnej množiny (stratégie)
- odpálenie pravidla
- pravidlový formalizmus a programovací jazyk prolog
- úlohy:
- poslať mail so zdrojom na samostatné štúdium (najneskôr 23.10.2000)
- poslať mail s názvom a odkazom (URL) na prostredie, ktoré budete analyzovať
(čo najskôr)
- finálna príprava písomného zdôvodnenia výberu prostredia na tvorbu ZS;
- prednáška - 23. 10. 2000
- distribuovaná umelá inteligencia: distribuovaný prístup k riešeniu úloh,
multiagentové systémy
- výhody multiagentového systému
- agent - definícia, princípy
- umiestnenie - v prostredí
- telesnosť
- inteligencia
- súčinnosť
- vynorenie sa (emergence, synergia) - pre celý systém
- klasifikácia agentov
- reaktívne agenty:
agenty bez pamäti (tropistické)
agenty s pamäťou (hysteretické)
- uvažujúce agenty (deliberative, cognitive):
agent so zámerom (intentional)
sociálny agent
- spoločenstvá agentov
- komunikácia: zámer komunikovať, vlastnosti prostredia, štruktúra správy, význam správy
- koordinácia: centrálna, distribuovaná
- kooperácia: spolupráca a súperenie, rozdelenie schopností medzi agentov
- úlohy:
- venovať sa spracovaniu vybraných článkov
- prednáška - 30. 10. 2000
- architektúry a modely agentov
- funkčný model
- subsumpčný model
- architektúra InteRRaP
- aktivačná sieť
- bunkové automaty ako agenty
- genetické algoritmy ako multiagentové systémy
- ECO-agent
- učenie sa
- učenie sa celého systému agentov
- špecializovanie sa na vykonávané akcie
- učenie sa na základe ohodnotenia situácie
- úlohy:
- vypracovať a odovzdať prvú verziu spracovaného článku
- prednáška - 6. 11. 2000
- typy znalostných systémov podľa typov úloh: diagnostické, návrhové (plánovacie)
- doplňujúce poznámky k pravidlovým znalostným systémom
- architektúra pravidlového znalostného systému
- procedúra zisťovania aplikovateľnosti pravidla (spätný chod - chronologický,
s použitím znalostí)
- kombinácia priameho a spätného reťazenia
- príklady báz znalostí a odvodzovania v ES Flex
- analýza bázy znalostí
- charakteristiky, ktoré sa sledujú: redundancia, konflikty, modularita,
neúplnosť, sémanticky
nesprávne podmienky, analýza použiteľnosti fragmentov znalostí
- príklady pre bázu pravidiel (doštudovať Ignizio: Introduction to Expert
Systems, dostupné v študovni)
- neurčitosť znalostí
- zdroje neurčitosti, neurčitosť v pravidlách (abdukcia)
- vyjadrenie neurčitosti
- modely pre prácu s neurčitosťou
- úlohy, ktoré sa v súvislosti s neurčitosťou riešia
- analýza práce s neurčitosťou v systéme MYCIN
- úlohy:
- pracovať na posudkoch článkov
- analýza vlastností vybraného
prostredia pre tvorbu znalostných systémov, scenár ukážky
- prednáška - 13. 11. 2000
- zhodnotenie pravidlového formalizmu reprezentácie znalostí
- dokončenie modelov pre prácu s neurčitosťou
- pravdepodobnostný model (Bayesova formula)
- fuzzy množiny a neurčitosť (príklad
1,
2,
3,
4)
- používanie hodnoty neviem
- vplyv neurčitosti znalostí a pozorovaní na analýzu bázy znalostí
- zhodnotenie jednotlivých prístupov
- sémantické siete, konceptuálne grafy
(príklad operácií),
inferencia pre sémantické siete (zisťovanie relácií medzi uzlami, porovnávanie
fragmentov sietí)
- rámce, deklaratívne a procedurálne
znalosti v rámcoch, spôsoby získavania hodnôt atribútov
rámcov, inferencia pre rámce (porovnávanie rámcov)
- kombinácia rámcového a pravidlového formalizmu reprezentácie znalostí
- úlohy:
- pracovať na posudkoch článkov
- vypracovať priebežnú správu o analýze prostredia pre tvorbu
znalostných systémov
- prednáška - 20. 11. 2000
- scenáre - reprezentácia a odvodzovanie
- formálna logika
- formálny systém pre opis problému (výrokový počet, predikátová logika,
jazyk predikátovej logiky, interpretácia)
- postup vytvárania bázy znalostí (zápis všeobecných znalostí, zápis reprezentácie
zvlášneho prípadu problému)
- teória dôkazu (priamy dôkaz, dôkaz sporom)
- odvodzovancie pravidlá (modus ponens, modus tolens, and eliminácia, vovedenie
and, vovedenie or, rezolvencia, substitúcie, zovšeobecnený modus ponens,
odstránenie existenčného a všeobecného kvantifikátora)
- problémy s reprezentáciou znalostí pomocou logiky: všobecné metódy inferencie -
len na základe syntaxe, exponenciálny nárast stavového priestoru pri dôkaze -
výpočtová zložitosť, náročná formulácia znalostí, nemožnosť vyjadrenia
heuristických znalostí, rozdielov medzi stavmi, platnosti len za určitých
podmienok, kvantifikácie (veľa ľudí), tranzitívnych relácií, ktoré platia
iba určitý počet aplikácií
- porovnanie jednotlivých formalizmov reprezentácie znalostí, hybridné
formalizmy reprezentácie znalostí
- použitie jazyka prolog pri tvorbe znalostných systémov
- priamo napísať znalostný systém v štandardnom prologu
- použitie prologu ako implementačného jazyka pre interpret nejakého iného
jazyka reprezentácie znalostí, ktorý môže byť natoľko vzdialený od prologu,
koľko potrebujeme
- rozšírenie jazyka prolog a potom jeho priame použitie
na implementáciu znalostného systému
- úlohy:
- pripravovať sa na test (pravidlový formalizmus reprezentácie znalostí)
- pracovať na analýze prostredia na tvorbu znalostných systémov
- prednáška - 27. 11. 2000
- priebežný test zameraný na pravidlový formalizmus reprezentácie znalostí
- vyhodnotenie spracovaných referátov
- vyhodnotenie formalizmov reprezentácie znalostí (porovanie)
- znalostné inžinierstvo vs. softvérové inžinierstvo
- životný cyklus znalostného systému
- získavanie znalostí - techniky (manuálne, semiautomatické, automatické)
- úlohy:
- dokončiť analýzu prostredia na tvorbu znalostných systémov
- prednáška - 4. 12. 2000
- získavanie znalostí
- príznakové mriežky
- indukcia pravidiel, ID3 algoritmus (viac info pozri Ingnizio: Introduction
to Expert Systems)
- prezentácie analyzovaných prostredí na tvorbu znalostných systémov
- Michal Ďurdina, Pavol Boďo: HUGIN
- Gabriel Pap, Zdeno Kubo: ESIE
- Marián Varga: Clips a vytvorená aplikácia
- úlohy:
- pracovať na analýze prostredia na tvorbu znalostných systémov (tí, ktorí ešte
neprezentovali)
- dopracovať finálnu verziu článku (odovzdať Zoltánovi Vargovi)
- prednáška - 11. 12. 2000
- implementácia znalostných systémov
- RETE algoritmus
- prezentácie analyzovaných prostredí na tvorbu znalostných systémov
- Szabolcs Molnár, Zoltán Varga: Jess
- Marián Bobrík: Grass
- Stanislav Poljovka: XPrestRule
- úlohy:
- najneskôr do 18.1. 2001 doručiť
- Zoltánovi Vargovi správy o analýze prostredia na tvorbu
Znalostných systémov a aj samotné prostredia v elektronickom tvare;
- Zoltánovi Vargovi a mne finálne verzie referátov (ešte môžete získať
0-4 body).
- pripraviť sa na skúšku (19.1.2001, 8.00, CD150)
Last update by
Mária Bieliková
on
