EXPERTNÍ SYSTÉMY V CHOVU VČEL A MOŽNOSTI JEJICH VYUŽITÍ V. Vostrovský Katedra informatiky, Vysoká škola zemědělská, 165 21 Praha 6 Suchdol, tel.



Podobné dokumenty
Prolog PROgramming in LOGic část predikátové logiky prvního řádu rozvoj začíná po roce 1970 Robert Kowalski teoretické základy Alain Colmerauer, David

Václav Matoušek KIV. Umělá inteligence a rozpoznávání. Václav Matoušek / KIV

Struktura e-learningových výukových programù a možnosti jejího využití

Umělá inteligence a rozpoznávání

Logika a logické programování

Negativní informace. Petr Štěpánek. S použitím materiálu M.Gelfonda a V. Lifschitze. Logické programování 15 1

Usuzování za neurčitosti

Základy umělé inteligence

1. Znalostní systémy a znalostní inženýrství - úvod. Znalostní systémy. úvodní úvahy a předpoklady. 26. září 2017

Domény. Petr Štěpánek. S využitím materialu Krysztofa R. Apta

Projekt podpořený Operačním programem Přeshraniční spolupráce Slovenská republika Česká republika

Zdeněk. Havlíček. katedra informatiky, PEF, Vysoká škola zemědělská Praha 6 - Suchdol

popel, glum & nepil 16/28

Klasické metodiky softwarového inženýrství I N G M A R T I N M O L H A N E C, C S C. Y 1 3 A N W

Results of innovation of the course Application software

Základy umělé inteligence

Expertní systémy. 1. Úvod k expertním systémům. Cíl kapitoly:

Tableaux metody. Jiří Vyskočil 2011

Zadání soutěžních úloh

POROVNÁNÍ NĚKTERÝCH SW PRO ZOBRAZENÍ GRAFU FUNKCE DVOU PROMĚNNÝCH

Úvod do expertních systémů

Anotace: V příspěvku jsou ukázány hlavní charakteristiky operačního systému OS/400.

OSTRAVSKÁ UNIVERZITA V OSTRAVĚ PŘÍRODOVĚDECKÁ FAKULTA

28.z-8.pc ZS 2015/2016

1 Úvod 1.1 Vlastnosti programového vybavení (SW)

Tovek Tools. Tovek Tools jsou standardně dodávány ve dvou variantách: Tovek Tools Search Pack Tovek Tools Analyst Pack. Připojené informační zdroje

Informační a znalostní systémy jako podpora rozhodování

Programovací jazyky. imperativní (procedurální) neimperativní (neprocedurální) assembler (jazyk symbolických instrukcí)

UNIVERZITA PARDUBICE

Nový způsob práce s průběžnou klasifikací lze nastavit pouze tehdy, je-li průběžná klasifikace v evidenčním pololetí a školním roce prázdná.

Formálnílogickésystémy pro aplikaci v informatice Martin Žáček

Inovace výuky prostřednictvím ICT v SPŠ Zlín, CZ.1.07/1.5.00/ Vzdělávání v informačních a komunikačních technologií

Zpracování neurčitosti

MATEMATICKÁ TEORIE ROZHODOVÁNÍ

Typy souborů ve STATISTICA. Tento článek poslouží jako přehled hlavních typů souborů v programu

Metody odvozování. matematická východiska: logika, Prolog

POSUDEK VEDOUCÍHO BAKALÁŘSKÉ PRÁCE

Problémové domény a jejich charakteristiky

ARCHITEKTURA INFORMAČNÍCH SYSTÉMŮ PODLE ÚROVNĚ ŘÍZENÍ

Název diplomové práce: Srovnávač životního pojištění. Určení: Bakalářská práce. Vedoucí: Doc. Ing. Petr Sosík, Dr.

čtyřleté gymnázium a vyšší stupeň osmiletého gymnázia

Formální systém výrokové logiky

APROXIMACE KŘIVEK V MATLABU NEWTONŮV INTERPOLAČNÍ POLYNOM CURVE FITTING IN MATLAB NEWTON INTERPOLATION POLYNOMIAL

1 Uživatelská dokumentace

Výukový materiál zpracován v rámci projektu EU peníze školám

Firma příjemce voucheru. ACEMCEE, s. r. o. ( U Vodárny 2, Brno. Informační a komunikační technologie

MATEMATICKÁ TEORIE ROZHODOVÁNÍ

Manuál k databázi soupisů duší

Práce s PID regulátorem regulace výšky hladiny v nádrži

TÉMATICKÝ OKRUH Teorie zpracování dat, Databázové a informační systémy a Teorie informačních systémů

Select sort: krok 1: krok 2: krok 3: atd. celkem porovnání. výběr nejmenšího klíče z n prvků vyžaduje 1 porovnání

Systémy pro podporu rozhodování. Hlubší pohled 2

Obecná teorie systémů

Spojení a kontakty: Střední průmyslová škola strojní a elektrotechnická a Vyšší odborná škola, Liberec 1, Masarykova 3, příspěvková organizace

Slučování tabulek. Sloučení dvou tabulek

Petr Křemen. Katedra kybernetiky, FEL ČVUT. Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 1 / 112

Modely datové. Další úrovní je logická úroveň Databázové modely Relační, Síťový, Hierarchický. Na fyzické úrovni se jedná o množinu souborů.

Reprezentace znalostí - úvod

Gymnázium a Střední odborná škola, Rokycany, Mládežníků 1115

POPIS STANDARDU CEN TC278/WG7. 1 z 5. draft prenv Geografická silniční databáze. Oblast: ZEMĚPISNÁ DATA V SILNIČNÍ DOPRAVĚ ( GRD)

Programovací jazyky. imperativní (procedurální) neimperativní (neprocedurální) assembler (jazyk symbolických instrukcí)

Úvod do teoretické informatiky

Programování v čistém Prologu

Specializace 6. Ošetřování chovných a plemenných včelstev. 6. Řízení (zabezpečování) opylovacích služeb v rozsahu celých provozů.

Historie a vývoj umělé inteligence

Základy informatiky. Teorie grafů. Zpracoval: Pavel Děrgel Úprava: Daniela Szturcová

Aplikovaná informatika

Ing. Petr Hájek, Ph.D. Podpora přednášky kurzu Aplikace umělé inteligence

Inženýr IT a řídících systémů

Vyučovací hodina. 1vyučovací hodina: 2vyučovací hodiny: Opakování z minulé hodiny. Procvičení nové látky

IB013 Logické programování I Hana Rudová. jaro 2011

TEORIE ZPRACOVÁNÍ DAT

DOPLŇKOVÉ FUNKCE OSS PŘÍLOHA 1.5

Pokročilé operace s obrazem

PROVOZNÍ DENÍK NÁVOD

Druhy a formy projektového managementu, projektový cyklus a úvod do vybraných nástrojů projektového managementu

7. Inferenční metody. Inferenční metody Václav Matoušek, Josef Strolený Úvod do znalostního inženýrství, ZS 2014/

Systém přirozené dedukce výrokové logiky

INOVACE VE VZDĚLÁVÁNÍ DOSPĚLÝCH. Zdenko Reguli Lucie Mlejnková

Úvod do informatiky. Miroslav Kolařík

Úvodem... 4 Co je to vlastně formulář Co je to šablona dokumentu Jak se šablona uloží Jak souvisí formulář se šablonou...

Inovace výuky prostřednictvím ICT v SPŠ Zlín, CZ.1.07/1.5.00/ Vzdělávání v informačních a komunikačních technologií

Datová věda (Data Science) akademický navazující magisterský program

Pravidlové znalostní systémy

Studijní informační systém KOS ikos přístup pro referenty

4. Úvod do paralelismu, metody paralelizace

Lekce 01 Úvod do algoritmizace

Závěrečná práce. Odborný styl

Algoritmizace Dynamické programování. Jiří Vyskočil, Marko Genyg-Berezovskyj 2010

1. 5. Minimalizace logické funkce a implementace do cílového programovatelného obvodu CPLD

Základy umělé inteligence

Informační a komunikační technologie

Logika pro sémantický web

Příprava na vysoké školy technických oborů, reg. č. CZ.1.07/1.1.04/

Logika. 5. Rezoluční princip. RNDr. Luděk Cienciala, Ph. D.

POSTUP NAHRÁNÍ SOFTWAROVÝCH ROZŠÍŘENÍ DO OBCHODNÍ PLATFORMY METATRADER 4 PRO UŽIVATELE MS WINDOWS

PRODUKTY. Tovek Tools

NÁSTROJE A TECHNIKY PROJEKTOVÉHO MANAGEMENTU

2. Modelovací jazyk UML 2.1 Struktura UML Diagram tříd Asociace OCL. 3. Smalltalk 3.1 Jazyk Pojmenování

Výroková logika - opakování

Transkript:

EXPERTNÍ SYSTÉMY V CHOVU VČEL A MOŽNOSTI JEJICH VYUŽITÍ V. Vostrovský Katedra informatiky, Vysoká škola zemědělská, 165 21 Praha 6 Suchdol, tel. (02)3382274, fax. (02)393708 Anotace: Příspěvek popisuje jednoduchý expertní systém s poměrně rozsáhlou bází znalostí, který byl realizován katedrou informatiky na provozně ekonomické fakultě VŠZ Praha. Vytvořený expertní systém umožňuje uživateli, tj. začínajícímu i pokročilému včelaři, orientovat se v problematice chovu včel, včelích nemocech a poskytuje mu kvalifikované odpovědi na jeho dotazy či problémy, se kterými se během chovu střetává. Summary: The introduction of the paper dealts with brief description of basic functions of the simple expert system with large knowledge base for bee-keeper needs. Klíčová slova: expertní systém, řídící a vysvětlovací mechanismus, báze znalostí, produkční pravidlo, AND-OR graf, kořenový uzel, mezilehlý uzel, listový uzel. Key words: expert system, management and explication mechanism, knowledge base, production rule, AND- OR graph, root node, between-level node, leaf node. Cíl vytvořeného expertního systému Cílem vytvořeného expertního systému bylo vhodným způsobem doplnit teorii chovu včel tak, aby uživatel získal prostředek, který mu pružně poskytne kvalifikované odpovědi na dotazy a doporučí taková opatření pro chov včel, jimiž bude moci zabránit nepříznivému stavu v sledovaném včelstvu. Tyto požadavky se staly ideovým podkladem pro rozhodnutí vytvořit expertní systém zabývající se problematikou chovu včel. Včelařství, chceme-li je provozovat ekonomicky, zvláště v dnešních podmínkách, se stává činností velmi náročnou a ekonomicky rizikovou. V souvislosti s neustálým zhoršováním životního prostředí a nákazovou situací, tj. napadení varoázou, se chovatelé včel stále častěji dostávají do situace, kdy pociťují citelný nedostatek informací pro opatření k nápravě nepříznivého stavu ve svých chovech včel. Dostupnost expertů pro tuto problematiku je naprosto nevyhovující pro jejich nedostatek a vzdálenost. A zde se otevírá široké pole působnosti pro aplikaci expertního systému.

Teoretická východiska pro vytvoření expertního systému Expertní systémy jsou programy pro řešení úloh, které pro svoji složitost je schopný řešit pouze specialista v daném oboru, tj. expert. Obecně existují dva typy expertních systémů: diagnostické a plánovací. Tento příspěvek se zabývá problematikou diagnostických systémů, jejichž úkolem je zjistit, která z možných cílových hypotéz se vztahuje ke konkrétnímu vyšetřovanému problému (cílové hypotézy reprezentují např. diagnozy nemocí, příčiny neúspěšnosti chovu, poruchy činnosti zařízení atd.). Obecně se expertní systém skádá ze tří částí: - prázdný expertní systém, tvořený řídícím a vysvětlovacím mechanismem, - báze znalostí, tvořená informacemi získanými od specialisty v daném oboru, tj. experta, znalosti jsou zde reprezentovány jako pravidla, - báze údajů, tvořená informacemi, které zadává uživatel nejčastěji v dialogu v průběhu konzultace. Konzultace uživatele s expertním systémem se skládá z otázek kladených systémem a z odpovědí uživatele, na jejichž základě systém postupně modifikuje aktuální model řešeného problému. Posloupnost otázek není pevně stanovená, ale závisí na stavu aktuálního modelu, tj. na odpovědích na předešlé dotazy. Na konci konzultace systém oznámí, která z vyšetřovaných hypotéz odpovídá danému případu. Popis vytvořeního expertního systému Vytvořený expertní systém byl realizován pomocí logického programovacího prostředku Prolog 80. Důvodem použití tohoto prostředku byla jeho dostupnost. Vlastní údaje, specifické pro řešení daného problému, jsou uloženy v bázi znalostí. Tato báze obsahuje znalosti nutné pro chov včel. Je organizována izolovaně, čímž umožňuje snadnou aktualizaci množiny znalostí. Celkově v tomto expertním systému je tvořena 124 pravidly, přičemž toto číslo není konečné a bude se dále zvyšovat, tak jak poroste funkčnost zrealizovaného systému. Takováto velikost báze znalostí zařazuje tento expertní systém do kategorie velkých. Z tohoto důvodu nebylo použito klasického způsobu zápisu jednotlivých pravidel: pravidlo(číslo-pravidla,vstupní_argument,závěr,seznam_vlastností_které_argument_musí_mít_aby_mohl_byt_odvozen_závěr). Tento způsob záznamu je velmi nepřehledný, jeho aktualizace složitá a lze jej doporučit pro záznam maximálně 30 pravidel s předpokladem jejich minimální aktualizace. Pro vytvářený expertní systém byl proto použit následující způsob záznamu znalostí: potřebné znalosti jsou reprezentovány jako produkční pravidla. Jde o formální přepis výroků "Když předpoklady potom výsledek, kde předpoklady představují obyčejně konjunkci či disjunkci

výroků a výsledek představuje výrok, který vyplývá z těchto předpokladů. Takováto báze znalostí představuje tzv. AND-OR graf, kde cílové hypotézy (výroky) odpovídají kořenovým uzlům a odpovědi uživatele listovým uzlům. Mezilehlé uzly reprezentují subcíle, které umožňují dekompozici celé úlohy. Dekompozice pomocí mezilehlých uzlů je výhodná v úlohách, kde výrok zodpovídající takovémuto uzlu představuje předpoklad vícerých cílových hypotéz (subcílů vyšší úrovně). Schematicky lze takovýto AND-OR graf znázornit následovně: k1 k2 k3...... m1 l3 m2 l6 m2 l6 m3 l9 l10 l6 l12 l13... l1 l2 l4 l5 m4 l7 l8 l10 m5...... l14 l11 Přepis tohoto grafu báze znalostí do jazyka PROLOG 80 je pak poměrně jednoduché: každému produkčnímu pravidlu odpovídá pravidlo prologovské, přičemž je účelné použit různé predikáty pro kořenové, mezilehlé a listové uzly. Indikátory uzlů jsou celá čísla, přičemž se rozlišují tři typy: - kořenové jméno predikátu k, - mezilehlé jméno predikátu m, - listové jméno predikátu l. Hlavní predikát takovéhoto expertního systému pak lze definovat takto: expert:-retract((l(_):-!)),fail. expert:-retract((l(_):-!,fail)),fail. expert:-retract((m(_):-!)),fail. expert:-retract((m(_):-!,fail)),fail. expert:-k(x),k(x,diag),write("diagnoza: ")),write(diag). Řízení dialogu bude pak řešeno následujícím predikátem: l(x):-l(x,otazka), repeat, write(otazka),write("?"),read(odp),

(Odp=a,asserta(l(X):-!),!; Odp=n,asserta((l(X):-!,fail)),!,fail). V případě jiné odpovědi než a či n bude otázka znovu zopakována. Vlastní AND-OR graf lze pak přepsat do PROLOGu pomocí následujících klauzulí: k(1):-m(1),l(3),m(2),l(6). k(2):-m(2),l(6),m(3),l(9),l(10). k(3):-l(6),l(12),l(13). atd. m(1):-b(1),(l(1);l(2),e(1),!. m(2):-b(2),l(4),l(5),m(4),e(2),!. m(3):-b(3),(l(7);l(8)),e(3),!. m(4):-b(4),(l(10);m(5),e(4),!. m(5):-b(5),l(14),l(11),e(5),!. atd. Ukládání informací o vyšetřených mezilehlých uzlech a výpis pomocných diagnóz, tj. textů mezilehlých uzlů, realizují pomocné predikáty: e(x):-asserta(m(x):-!,(m(x,subdg),write(subdg),nl;true). b(x):-asserta((m(x):-!,fail)),!. Výše popsaný způsob řešení báze znalostí umožňuje velmi jednoduše AND-OR graf rozšiřovat. Stačí zde pouze doplnit příslušná pravidla pro jednotlivé uzly. Zvětší se tak rozsah programu, ale ne jeho složitost a přehlednost. Pro určení diagnózy je v průměru potřeba zodpovědět 15-20 otázek, doba odezvy systému je 4-8 sekund. S cílovou hypotézou navíc uživatel získává i odpovídající vysvětlení, jakou dedukcí došel expertní systém k závěrečné diagnóze. Toto umožňuje využít tento systém i pro potřebu školení a výchovy nových zájemců o chov včel. Zhodnocení dosažených výsledků a závěr Vzhledem k tomu, že se u nás tato informační technologie dostává do podvědomí naší včelařské veřejnosti teprve v posledních letech, lze tento vytvořený expertní systém chápat jako zcela průkopnickou práci. Z tohoto důvodu jeho největší přínos spočívá v nalezení inspirací pro vývoj dalších daleko dokonalejších aplikací, které bude vhodné realizovat v některé z novějších verzí PROLOGu, tak aby bylo možno odstranit některé nedostatky vyplývající z použití této verze PROLOG 80. Jde především o nemožnost vytvoření odpovídajícího uživatelského prostředí a omezené možnosti realizování kvalitního vysvětlovacího mechanismu. Do budoucna je nutno

zvažovat i možnost práce s grafickými informacemi a možnost ovládání expertního systému myší. Velmi užitečné bude odzkoušet i spouštění PROLOGu z prostředí FOXPRO, které bude umožňovat vytvořit kvalitní uživatelské prostředí realizovaného expertního systému a propojit faktografické údaje z vhodných databází do báze znalostí. Literatura Bratko I. : Prolog programming for Artificial Inteligence, Addison-Wesley, 1986 Gosman, Svatoslav: Umělá inteligence a expertní systémy, Kancelářské stroje, 1990 Fiala V. : Možnosti využití jazyka Prolog, Výběr informací 6/1990, 753-767 Jirků P. : Programování v jazyku Prolog, SNTL, Praha 1991