Reprezentace znalostí - úvod

Reprezentace znalostí - úvod Úvod do znalostního inženýrství, ZS 2015/16 6-1

Co je to znalost? Pojem znalost zahrnuje nejen teoretické vědomosti člověka z dané domény, ale také jeho dlouhodobé zkušenosti z praxe. V počítačové terminologii je znalost považována za formu organizace strukturovaných dat. Schéma inspirováno z [2]. Úvod do znalostního inženýrství, ZS 2015/16 6-2

Získávání (akvizice) znalostí Proces získávání znalostí (od expertů, z odborných textů, dat ) a jejich reprezentace Jedná se o klíčovou (a nejvíce časově náročnou) část vývoje ZS Způsoby: o Automatizované získávání znalostí (strojové učení) o Získávání znalostí od expertů (interview, brainstorming) Úvod do znalostního inženýrství, ZS 2015/16 6-3

Prostředky reprezentace znalostí v ZS (vybrané) Formální zápis např. matematický zápis Predikátová logika nejčastěji prvního řádu Produkční pravidla pravidla skládající se z předpokladových a důsledkových částí Rámce struktury, do kterých je možné uložit charakteristiky libovolných objektů Sémantické sítě jedná se o orientovaný graf, kde uzly jsou objekty a hrany jsou vztahy mezi nimi Úvod do znalostního inženýrství, ZS 2015/16 6-4

Co je to znalostní systém (ZS)? Univerzální definice v podstatě neexistuje (to je zapříčiněno rozmanitostí prostředí, ve kterých jsou ZS používány). Jedna z možných charakteristik (podle E. Feigenbauma) je: Znalostní (původně expertní) systémy jsou počítačové programy, simulující rozhodovací činnost experta při řešení složitých úloh a využívající vhodně zakódovaných, explicitně vyjádřených znalostí, převzatých od experta, s cílem dosáhnout ve zvolené problémové oblasti kvality rozhodování na úrovni experta. Úvod do znalostního inženýrství, ZS 2015/16 6-5

Znalostní expertní systém V mnohé literatuře je možné se setkat také s pojmem expertní systém (ES). Pojem ES lze v dnešní době považovat za ekvivalent k termínu ZS. Ovšem dříve byl ES brán jako specifičtější pojem, jelikož ES (podle dřívějšího pojetí) by měl využívat výlučně znalostí získaných od experta a několik dalších specializovaných mechanismů (např. vysvětlovací mechanismus). Ovšem tato specifika ES postupem času a rozvojem technologií přestala platit a dnes lze všechny systémy (spadající do dané kategorie) nazvat ZS. Úvod do znalostního inženýrství, ZS 2015/16 6-6

Typy ZS Dělení ZS je možné podle mnoha kritérií. Mezi základní patří rozdělení podle charakteru řešené úlohy: Diagnostické ZS tyto systémy disponují znalostmi z určité problematiky. Jejich úkolem je určit, na základě získaných dat o aktuální situaci, která z konečné množiny hypotéz nejlépe odpovídá aktuálnímu problému Plánovací ZS řeší problémy, u kterých je dopředu znám počáteční a koncový stav. A jejich úkolem je, na základě Úvod do znalostního inženýrství, ZS 2015/16 6-7

získaných dat o aktuální situaci, nalézt konkrétní cestu, jak dosáhnout požadovaného cílového stavu Hybridní ZS kombinují metody z diagnostických a plánovacích systémů s dalšími metodami, jako jsou evoluční strategie či neuronové sítě Další možné dělení je podle báze znalostí: Prázdné ZS disponují inferenčními mechanismy (a dalšími moduly/funkcemi), ale mají prázdné báze znalostí a faktů Problémově orientované ZS mají již uzpůsobené báze znalostí a faktů pro řešení konkrétní problematiky Úvod do znalostního inženýrství, ZS 2015/16 6-8

Architektura ZS Schéma inspirováno z [3]. Úvod do znalostního inženýrství, ZS 2015/16 6-9

Báze znalostí Jedná se o datovou strukturu, do které jsou ukládány znalosti (a řešení problémů) z určité specifické oblasti. Ukládají se nejen poznatky exaktně dokázané, ale i znalosti, které získal expert během své praxe (ovšem tyto poznatky jsou zatíženy neurčitostí) tzv. heuristiky. Při vytváření báze je kladen důraz na: Modularitu zajišťuje přehlednost pro snadné úpravy či rozšíření stávající báze Strukturalizaci slouží pro rychlé vyhledávání znalostí Úvod do znalostního inženýrství, ZS 2015/16 6-10

Báze faktů Tato báze se využívá pro ukládání konkrétních dat k danému problému. Tyto údaje jsou inferenčním mechanismem (využívajícího bázi znalostí) různě modifikovány tak, aby ZS mohl poskytnout odpovídající závěr nebo provést určitou akci. Data jsou získávána např.: Z měřících přístrojů Od uživatele Úvod do znalostního inženýrství, ZS 2015/16 6-11

Inferenční mechanismus Jedná se o programový modul, umožňující napodobování uvažování lidského experta. Modul funguje na základě interakce s bázemi znalostí a faktů. Obvykle je založen na prohledávání báze znalostí Pro odvozování nových znalostí (ze stávajících) využívá inferenční pravidlo (výpis několika přístupů viz další slajd) Heuristiky (znalosti zatížené neurčitostí) inferen. mecha. (na jejich zpracování) využívá metody založené na fuzzy množinách, teorii pravděpodobnosti Úvod do znalostního inženýrství, ZS 2015/16 6-12

Inferenční metody (vybrané) Indukce inferenční mechanismus postupuje od specifičtějších poznatků k obecnějším Dedukce konečný závěr je odvozen z předpokladů Abdukce odvozování od již známého závěru k možným předpokladům Generování a testování poznatky jsou získávány metodou pokusů a omylů Analogie vytváření odpovědí na základě podoby s jiným (již známým) stavem Úvod do znalostního inženýrství, ZS 2015/16 6-13

Pravidlové (produkční) systémy Název je odvozen od produkčních pravidel, která jsou v těchto systémech využívána Jedná se o kategorii ZS, která se liší od běžných logických systémů nemonotónním usuzováním a možností přemítání za neurčitosti Úvod do znalostního inženýrství, ZS 2015/16 6-14

Nemonotónní usuzování Oproti klasickému monotónnímu usuzování, které nepředpokládá změny v již nastavených faktech, nemonotónní tyto změny podporuje. Nemonotónní usuzování tedy umožňuje úpravy faktů a korekce závěrů (během procesu usuzování). Úvod do znalostního inženýrství, ZS 2015/16 6-15

Produkční pravidla Produkční pravidla se skládají z levé a pravé části Levá část se nazývá antecedent, část vzorů, o Obsahuje podmínky, které musejí být splněny, aby mohlo být pravidlo aplikováno o Může obsahovat logické operátory AND, OR, o Negace (NOT) značí, že danému vzoru nesmí žádný fakt (z báze faktů) odpovídat Pravá strana je tzv. konsekvent, závěr, důsledek, Úvod do znalostního inženýrství, ZS 2015/16 6-16

o Obvykle provádí změny v bázi faktů o Může obsahovat AND, větvení, Obecné tvary pravidel: IF levá_část THEN pravá_část IF levá_část THEN pravá_část_1 ELSE pravá_část_2 IF levá_část THEN pravá_část_1 AND pravá_část_2 Úvod do znalostního inženýrství, ZS 2015/16 6-17

Základní struktury v pravidlových systémech Systémy porovnávání se vzorem Tyto systémy jsou založeny na jednoduchém principu porovnávání levých částí (částí vzorů) pravidel s bázemi faktů. V případě kompletní shody je možné pravidlo aplikovat. Systémy porovnávání se vzorem jsou vhodné pro plánovací a návrhové úlohy. Úvod do znalostního inženýrství, ZS 2015/16 6-18

Inferenční sítě Inferenční síť je další způsob implementace produkčních systémů. Tato síť je graf, jehož uzly odpovídají jednotlivým faktům a (orientované) hrany odpovídají pravidlům. Síť se obvykle používá u klasifikačních a diagnostických úloh. Úvod do znalostního inženýrství, ZS 2015/16 6-19

Inference v pravidlových systémech Základem inferenčních metod v produkčních systémech je pravidlo modus ponens. Pravidlo říká: Jestliže platí předpoklad E a pravidlo E H, pak platí i závěr H. Nebo opakem je modus tollens, které říká: Jestliže platí pravidlo E H a neplatí závěr H, pak neplatí ani předpoklad E. Úvod do znalostního inženýrství, ZS 2015/16 6-20

Dopředné (přímé) řetězení Systém, využívající dopředného řetězení (někdy také přímé řetězení), porovnává aktuální bázi faktů s levými stranami pravidel. Takto vybírá použitelná pravidla, prostřednictvím nichž postupuje k závěrům. Tento přístup je zejména vhodný pro řešení plánovacích, rozvrhových a konfiguračních problémů. Úvod do znalostního inženýrství, ZS 2015/16 6-21

Algoritmus dopředného řetězení 1) Prosté porovnávání levých stran produkčních pravidel s bází faktů a získání množiny odpovídajících pravidel. 2) Při nalezení více než jednoho vyhovujícího pravidla se řeší, které pravidlo má přednost. K tomu se využívá několik postupů (z nichž základní jsou popsány na dalším slajdu). 3) U pravidla, vybraného v předchozím kroku, je zpracována pravá část a pokračuje se výběrem dalšího pravidla. Úvod do znalostního inženýrství, ZS 2015/16 6-22

Přístupy pro řešení konfliktů Prohledávání do hloubky preference pravidel, jejichž vzory odpovídají novějším položkám v bázi faktů Prohledávání do šířky preferována jsou pravidla, jejichž vzory odpovídají starším položkám v bázi faktů Preference složitosti vybírána jsou pravidla s největším počtem odpovídajících vzorů Preference jednoduchosti preferována jsou produkční pravidla s obecnější vzorovou částí Preference podle pořadí uvedení daného pravidla Preference podle přiřazené priority Úvod do znalostního inženýrství, ZS 2015/16 6-23

Zpětné řetězení ZS, postupující metodou zpětného řetězení, nejprve vybere možný závěr a poté se snaží, na základě získaných faktů (od uživatele, z měřicích přístrojů ) a znalostní báze, potvrdit vybranou hypotézu. Z toho vyplývá, že se prochází pravidla v bázi znalostí od závěrů k předpokladům. Tyto systémy jsou vhodné zejména pro diagnostické a klasifikačních úlohy. Úvod do znalostního inženýrství, ZS 2015/16 6-24

Algoritmus zpětného řetězení 1) Utvoř zásobník a naplň jej všemi koncovými cíli. 2) Shromáždi všechna pravidla schopná splnit cíl na vrcholu zásobníku. Je-li zásobník prázdný, pak konec. 3) Zkoumej postupně všechna pravidla z předchozího kroku. a) Jsou-li všechny předpoklady splněny, pak odvoď závěr (proveď pravidlo). Jestliže zkoumaný cíl byl koncový, pak jej odstraň ze zásobníku a vrať se na krok 2. Jestliže to byl podcíl (dílčí cíl), odstraň jej ze zásobníku a vrať se ke zpracování předchozího pravidla, které bylo dočasně odloženo. Úvod do znalostního inženýrství, ZS 2015/16 6-25

b) Jestliže fakty nalezené v bázi faktů nesplňují předpoklady pravidla, je zkoumání pravidla ukončeno. c) Jestliže pro některý parametr předpokladu chybí hodnota v bázi faktů, zjišťuje se, zda existuje pravidlo, z něhož by mohla být tato hodnota odvozena. Pokud ano, parametr se vloží do zásobníku jako podcíl, zkoumané pravidlo se dočasně odloží a přejde se na krok 2. V opačném případě se tato hodnota zjistí od uživatele a pokračuje se v kroku 3.a) zkoumáním dalšího předpokladu. 4) Jestliže pomocí žádného ze zkoumaných pravidel nebylo možné odvodit hodnotu důsledku, pak daný cíl zůstává neurčen. Odstraní se ze zásobníku a pokračuje se krokem 2. Úvod do znalostního inženýrství, ZS 2015/16 6-26

Rezoluce V úlohách, ve kterých se ZS pokouší dokázat určitou hypotézu (obvykle využívající zpětné řetězení) je vhodné používat pravidlo rezoluce (namísto modus ponens). Úvod do znalostního inženýrství, ZS 2015/16 6-27

Výběr dotazu Schéma (s úpravami) převzato z [5]. Úvod do znalostního inženýrství, ZS 2015/16 6-28

RETE algoritmus RETE algoritmus slouží k rychlému výběru pravidla v produkčním systému. Jedná se o propracovanější postup, než je výběr pravidla přístupem dopředného řetězení. V případě dopředného řetězení se po každém provedení pravidla porovnává báze faktů se všemi vzory (vzor je podmínka umístěná v levé části pravidla) každého produkčního pravidla (daného systému). Ovšem vykonáním již zmíněného pravidla se obvykle báze faktů upraví jen minimálně, tudíž dochází k mnoha redundantním operacím. Úvod do znalostního inženýrství, ZS 2015/16 6-29

Pro zamezení právě zmíněného jevu RETE algoritmus využívá síťovou architekturu (RETE je latinský výraz pro síť), skládající se z hran a uzlů. Každá hrana spojuje dva uzly (počáteční a koncový uzel) a reprezentuje vztahy proměnných počátečního uzle. Uzly jsou tří typů: startovní uzel, podmínkový uzel (existuje vždy jeden uzel pro jednu podmínku) a uzel pro konjunkci podmínek (pro každou konjunkci je jeden uzel). Každý uzel má určitý počet výstupních hran, vedoucích do dalších uzlů. Pokud však daný uzel výstupní hrany nemá, pak odpovídá pravidlu, které se (za předpokladu splnění všech podmínek) vykoná. Úvod do znalostního inženýrství, ZS 2015/16 6-30

Nově přidaný fakt do báze faktů je opatřen příznakem (tzv. token). Tento příznak se vkládá do startovního uzlu, odkud se šíří dále do sítě, ale jen těmi hranami, ve kterých jeho argumenty splňují vztah. A pokud je některý z faktů odstraněn, pak se tento jev šíří po síti stejným způsobem. Jednotlivé uzly RETE sítě se ukládají do alfa a beta pamětí. V alfa paměti jsou uzly (označované A i,1, A i,2,, A i,n ) vytvářené pro každý vzor každého pravidla. A v beta paměti jsou propojovací uzly (značené B i,1, B i,2,, B i,n ) vytvořené pro alfa uzly každého Úvod do znalostního inženýrství, ZS 2015/16 6-31

pravidla. Indexy i představují dané pravidlo. Jednotlivé uzly v beta paměti jsou vytvářeny následujícím způsobem: Pro B i,1 levý vstup je z A i,1 a pravý vstup je z A i,2 Pro B i,j, kde j>1 levý vstup je z B i,j-1 a pravý vstup je z A i,j+1 Úvod do znalostního inženýrství, ZS 2015/16 6-32

Nepravidlové systémy V těchto systémech nejsou znalosti reprezentovány produkčními pravidly, ale např. prostřednictvím: o Sémantických sítí o Rámců o Objektů o Petriho sítí o Rozhodovacích stromů, konceptuálních grafů Úvod do znalostního inženýrství, ZS 2015/16 6-33

Sémantické sítě Někdy také asociativní sítě Jedná se o ohodnocený orientovaný graf, kde uzly jsou objekty a hrany relace (mezi objekty) Nejčastější vztahy: is-a, part-of, has-a Podpora tranzitivity a dědičnosti Ovšem sémantické sítě nejsou standardizovány, tudíž každý ZS může cokoliv z nich interpretovat po svém Úvod do znalostního inženýrství, ZS 2015/16 6-34

Mezi výhody sémantických sítí patří explicitní vyjádření a rychlé vyhledávání Hlavní nevýhodou je neexistence standardů Úvod do znalostního inženýrství, ZS 2015/16 6-35

Rámce Datová struktura umožňující reprezentaci stereotypních znalostí o daném objektu (pojmu) Reprezentují obecné znalosti (pravdivé pro většinu případů) Jsou často využívané při modelovém a případovém usuzování Rámec je tvořený jménem a atributy o Atributy (rubriky, sloty) slouží pro ukládání vlastností o Při vytváření jsou atributy prázdné => jsou vyplňovány během inicializace Úvod do znalostního inženýrství, ZS 2015/16 6-36

o Využívání předdefinovaných hodnot o Mohou obsahovat položky (aktuální hodnoty, výchozí hodnoty, rozsah hodnot ) a procedury, které jsou aplikovány, pokud nastane příslušný stav o Procedury v rámcích jsou: IF-NEEDED pokud je požadována hodnota atributu, ale daný atribut nemá inicializační hodnotu IF-ADDED je aplikována při vkládání hodnoty IF-CHANGED, IF-REMOVAL, IF-DELETED Úvod do znalostního inženýrství, ZS 2015/16 6-37

Příklad rámce Výrobce Firma Příklad instance rámce Výrobce Lenovo Model --- CPU Intel Core i5 DĚDIČNOST Model CPU G510 Intel Core i5 RAM --- DOPLNĚNÍ RAM 8 GB HDD 1 TB ZMĚNA HDD 2 TB Úvod do znalostního inženýrství, ZS 2015/16 6-38

Mezi rámci může existovat dědičnost (zamezení duplikace) Rámec může být zobecněním nebo specializací jiného rámce (rámců) Výhodami jsou strukturovanost, organizace znalostí, Mezi hlavní nevýhody patří obtížné přizpůsobování novým situacím, Úvod do znalostního inženýrství, ZS 2015/16 P-39

Objekty Objekt obsahuje data a metody (procedury) Objekt je instance třídy Třída je skupina objektů (se stejnými vlastnostmi a stejným chováním) Vlastnosti třídy stanovují datové složky a chování určují metody Základní vlastnosti (známé z OOP): o Dědičnost schopnost získání vlastností od jiného objektu Úvod do znalostního inženýrství, ZS 2015/16 P-40

o Zapouzdření data objektu jsou přístupná pouze prostřednictvím příslušných metod o Polymorfismus možnost společné metody (pro více objektů) se stejným názvem, ale s různými definicemi Objekty komunikují zasíláním zpráv Mezi objekty existují vazby: o Časná známá při kompilaci o Pozdní určeno za běhu Úvod do znalostního inženýrství, ZS 2015/16 P-41

Mezi výhody patří abstrakce, dědičnost, znovu použitelnost Mezi nevýhody patří problematika se zohledňováním neuvažovaných situací Úvod do znalostního inženýrství, ZS 2015/16 P-42

Petriho sítě Orientovaný (ohodnocený graf) Skládá se z míst, hran a přechodů Existují 2 typy hran: vstupní (z místa do přechodu) a výstupní (z přechodu do místa) Místa disponují libovolným počtem tokenů (značené tečkami) Pokud je na každém vstupním místě alespoň 1 token, dojde k odpalu/posunu v rámci kroku nedeterministický výpočet (více přechodů může současně pálit tokeny) Úvod do znalostního inženýrství, ZS 2015/16 P-43

Příklad sítě Úvod do znalostního inženýrství, ZS 2015/16 P-44

Rozhodovací stromy Strom je složen z uzlů a hran Uzly jsou stádia rozhodování, 2 typy: o Rozhodovací deterministické úlohy o Situační náhodné alternativy Zpětná indukce rozhodovací strom se prochází od koncového uzlu ke kořeni a vyhledává se optimální řešení Úvod do znalostního inženýrství, ZS 2015/16 P-45

Literatura: [1] KAZÁK, J. Výuka reprezentace znalostí. Bakalářská práce. Plzeň, ZČU 2015. [2] BERKA, P. a kol. Expertní systémy. Skriptum. Praha, VŠE 1998. [3] KELEMEN, J. Tvorba expertních systémů v prostředí CLIPS: Podrobný průvodce. 1. vyd. Praha: Grada Publishing, 1999, ISBN 80-716-9501-7. [4] DVOŘÁK, J. Expertní systémy. Skriptum. Brno, VUT 2004. [5] MÜLLER, L. Znalostní systémy. Skriptum. Plzeň, ZČU 2002. [6] WEBOVÝ PRŮVODCE SVĚTEM EXPERTNÍCH SYSTÉMŮ [online]. Petr Fazurel. [cit. 31. 3. 2015]. Dostupné z: http://www.milost.wz.cz/umi/referat/index.html. Úvod do znalostního inženýrství, ZS 2015/16 P-46

Úvod do znalostního inženýrství, ZS 2015/16 P-47