Tvorba aplikace Typ systému malý velký velmi velký Počet pravidel 50-350 500-3000 10000 Počet člověkoroků 0.3-0.5 1-2 3-5 Cea projektu (v tis.$) 40-60 500-1000 2000-5000 Harmo, Kig (1985) Vytvořeí expertího systému pro středě složitý problém vyžaduje asi dva roky práce čtyřčleého týmu ve složeí: vedoucí zalostí ižeýr (a 1/4 úvazku), zalostí ižeýr (a plý úvazek), programátor (a plý úvazek), expert (a 3/4 úvazek). Waterma (1986) 1
Dedikovaé systémy Problémově zaměřeá aplikace šitá a míru kokrétí úloze. Příklady z VŠE: systém TEM: doporučeí ke zlepšeí práce řešitelského kolektivu. Báze zalostí postihuje šest základích oblastí úrově týmové práce: myšleí, práce s iformacemi, odborá připraveost, skupiová práce, motivace, struktura týmu. Systém abzí dva způsoby hodoceí: hodoceí pozorovatelem, ebo samohodoceí týmu. Oproti prázdému systému doplěo o vstupí dotazík sytézu dílčích odpovědí z jedotlivých dotazíků systém REX: pro sytetické zpracováí dat o spolehlivosti autobilů. V prví fázi se srovávají skutečé průběhy poruch s jejich předpokládaým průběhem. Ve druhé fázi pak jsou v bázi zalostí o příčiách odchylek v průběhu poruch vyhledáy zalosti techické povahy, které odhadují možé příčiy těchto odchylek. Oproti prázdému systému doplěo o určeí míry odchylky mezi skutečým a předpokládaým počtem poruch vysvětlováí prováděé během iteraktiví kozultace (výpis aktivavaých pravidel) možost automaticky aktualizovat bázi zalostí a základě požadovaých výsledků kozultace 2
Systém TEM pozorovatel cleové týmu dotazíky souhré odpovedi expertí systém doporuceí ke zlepšeí práce týmu 3
Systém REX Hierarchická podoba báze zalostí vytvořeá s použitím kotextů obecé zalosti porucha příčia techol. třída 1 techol. třída 2... TT: porucha příčia díl 1 díl 2... díl: porucha příčia díl TT Zalosti o příčiách odchylek v průběhu poruch jsou pravidla tvaru JESTLIŽE Poruchy druhu : Pj vykazují v období záruky odchylku : S > P resp. S < P POTOM Poteciálí příčiou poruch je : Z S VÁHOU w Při kozultaci se systémem se postupě provádí aalýza průběhu poruch, a odvozeí příči poruch. 4
Vývoj zalostího systému Softwarový projekt, kde klíčovou roli hraje využití zalostí. Zalostí ižeýrství alýza Idetifikace Zhodoceí Specifikace Defiováí čiosti Vývoj Zpřesňováí a rozšiřováí Využíváí Koceptuálí ávrh Návrh implemetace Implemetace Vyhodoceí Nasazeí Údržba Získáváí zalostí Úvodí představa Detailí pohled 5
Vodopádový model Specifikace požadavků Specifikace chováí Specifikace ávrhů Implemetace Validace Údržba 6
V model Úvodí studie Pouzíváí systému Defiice systému Evaluace systému Návrh systému a modulù Itegrace a testováí Detailí ávrh Validace modulù Implemetace 7
Metodologie KDS poč 90. let jako výzkumý projekt a uiversitě v msterodamu. Nyí de facto evropský stadard pro tvorbu zalostích systémů. podpora fáze aalýzy: 1. Model procesů, zachycující dekompozici procesů daé úlohy, tok iformací mezi imi, a přiřazeí procesů a prvků datové základy (včetě zalostí) jedotlivým agetům (softwarovým i lidským). 2. Model kooperace, který se zaměřuje především a komuikaci mezi uživatelem a systémem, případě i mezi jedotlivými moduly systému avzájem. 3. Model expertizy (tj. expertích zalostí), jehož tvorba je úzce spojea s procesem získáváí zalostí. podpora fáze projektováí: 1. Model globálí architektury, specifikující subsystémy, rozhraí mezi imi a globálí fukce. 2. Fukčí model, realizující dekompozici fukcí jedotlivých subsystémů. 3. Behaviorálí model, přiřazující fukcím projekčí prvky. 4. Fyzický model, kombiující projekčí prvky do detailího ávrhu systému. 8
Model expertizy Doméová vrstva ( domai layer ) zachycuje pojmy, fakta, vztahy atp. relevatí k daé problémové oblasti (doméě). Zalosti jsou zde zachycey bez ohledu a způsob použití k usuzováí - proto se ěkdy mluví o úrovi statických zalostí. Iferečí vrstva ( iferece layer ) zachycuje abstraktí iferece, které je možé a doméové zalosti aplikovat, a vazby mezi imi. Prostředictvím tzv. doméových rolí je propojea s doméovou vrstvou. Úlohová vrstva ( task layer ) specifikuje, které iferece se pro daou úlohu skutečě použijí. Každá iferece z iferečí vrstvy je chápáa jako primitiví úloha; ty jsou pak seskupováy do hierarchií úloh, a spojováy procedurálími operacemi, jako je apř. sekvece, selekce ebo iterace. Strategická vrstva ( strategy layer ) zachycuje strategické rozhodováí experta, apř. výběr z možých hierarchií úloh, jejich dyamické rozvrhováí atd. Vyskytuje se zpravidla je u velmi složitých a rozsáhlých projektů. 9
Modely geerických úloh Polotovar modelu expertizy, zahrující iferečí a úlohovou vrstvu. bstrakce Strategická v. bstrakce Model geerické úlohy Úlohová v. Iferečí v. Úlohová v. Iferečí v. Doméová v. Strategická v. Doméová v. 10
Příklad GTM Model úlohy heuristické klasifikace Proměé přiřazuje bstraktí řešeí abstrahuje specializuje Pozorovatelé Řešeí /* Dopředé usuzováí */ Heuristická klasifikace (+ Pozorovatelé, - Řešeí) :- získáí dat a jejich vložeí do Pozorovatelých abstrahuje (+ Pozorovatelé, - Proměé) přiřazuje (+ Proměé, - bstraktí řešeí) specializuje (+ bstraktí řešeí, - Řešeí) /* Zpěté usuzováí */ Heuristická klasifikace (+ Pozorovatelé, - Řešeí) :- specializuje (- bstraktí řešeí, - Řešeí) přiřazuje (- Proměé, - bstraktí řešeí) abstrahuje (- Pozorovatelé, - Proměé) získáí dat a jejich vložeí do Pozorovatelých 11
Geerické úlohy kihovy KDS Diagostika Verifikace Idetifikace Korelace Moitorováí Prostá klasifikace alýza systému Klasifikace Heuristická klasifikace Systematické zjemňováí Kihova geerických úloh Modifikace systému Predikce Sytéza systému 12
Získáváí zalostí získáváí zalostí ručí iteraktiví podporovaé počítačem automatizovaé 13
Verbálí techiky elicitace zalostí Verbálí techiky (rozhovorové i observačí) jsou relativě lidsky přirozeým způsobem elicitace zalostí. techiky založeé a rozhovoru - zalosti od experta získáváy mimo mimo rámec jeho expertí aktivity Úvodí výklad experta k daé problematice estrukturovaý rozhovor (běžá odborá koverzace) strukturovaý rozhovor (pevá ageda s cíleými dotazy) itrospekce (myšleí ahlas) V počátečí fázi procesu získáváí zalostí se ěkdy jako specifická forma skupiové diskuse používá braistormig. observačí techiky - vycházejí z procesu řešeí kokrétích, reálých případů kometovaý případ (expert řeší skutečý případ a kometuje svůj postup) prosté pozorováí (zalostí ižeýr bezprostředě iterpretuje postup experta) simulace dialogu systému s uživatelem (expert a uživatel komuikují přes počítačové rozhraí, a všechy jejich akce jsou automaticky zazameáváy) 14
Neverbálí techiky elicitace zalostí Neverbálí (ěkdy také ozačovaé jako vícerozměré ) techiky směřují k zachyceí strukturovaých, everbálích dat. Tříděí karet. Expertovi jsou předložea sada karet, z ichž každá odpovídá jedomu objektu (apř. řešeému případu). Expert má za úkol acházet vytvářet skupiy karet, které mají ěco společého, a sažit se defiovat, o jakou společou vlastost jde. Metoda repertoárové tabulky založeá a tzv. kostruktiví psychologické teorii G.Kellyho. Repertoárová tabulka je dvourozměrá tabulka, v íž jede rozměr odpovídá objektům a druhý kostruktům (vlastostem objektů); uvitř tabulky jsou hodoty kostruktů pro jedotlivé objekty. Maticová aalýza. Založea a dvourozměré tabulce, kde jede rozměr tvoří objekty a druhý vlastosti; a rozdíl od repertoárové tabulky euvažuje bipolárí vlastosti objektů, ýbrž je přítomost/epřítomost daé vlastosti (apř. symptomu) u daého objektu (apř. diagózy). Vícerozměré škálováí. spočívá ve vytvořeí tabulky vzájemých podobostí všech objektů, a v její ásledé statistické aalýze vedoucí k uspořádáí objektů do shluků. Žebříková aalýza ( ladderig ) slouží pro geerováí struktury doméových koceptů pomocí střídáí vzestupých a sestupých kroků v geeralizačí hierarchii. 15
Modelováí zalostí Model je účelová abstrakce, která umožňuje sížit složitost zkoumaého předmětu tím, že se soustředí pouze a jeho ěkteré aspekty. Zalostí modely abstrahováí od podrobostí datové reprezetace a algoritmické realizace odděleí postupu řešeí problému od charakteristik věcé doméy Předosti vyplývající z používáí abstraktích modelů Usaděí vývoje aplikace. Model vede tvůrce systému k lepšímu strukturováí řešeé úlohy, má kotrolí a dokumetačí fukci díleí a opakovaé používáí. Pokud jsou modely založey (alespoň zčásti) a veřejých kihovách a stadardizovaé termiologii, pak jsou srozumitelé eje tvůrcům aplikace, ale i celé komuitě, která a tyto stadardy přistupuje. Modely metodologie KDS. 16
Zalostí otologie Otologie je explicití dohoda o sdíleé koceptualizaci. 1. Otologie tvoří koceptuálí popis zalostí hraje roli meta-úrově, defiující, co a v jaké podobě může být ve zalostech obsažeo. 2. Otologie by měla být sdílitelá eměla by být určea výlučě pro jediou aplikaci. Předpokladem sdílitelosti je přijetí daého způsobu koceptualizace v rámci širší komuity, jako jistého stadardu. 3. Otologie je defiovaá explicitě, tj. ejde o ústí dohodu, ale o iformace zachyceé v určitém dokumetu, pomocí jistého jazyka. Hlaví příosy využíváí otologií: Usaděí komuikace mezi lidmi/orgaizacemi díky jasému vymezeí používaých pojmů Usaděí spolupráce počítačových systémů otologie zde hraje roli výměého formátu zalostí Usaděí vývoje zalostí aplikace, v íž otologie plí fukci základí, koceptuálí vrstvy báze zalostí 17
Typy a příklady otologií Doméová otologie tvoří koceptuálí základ zalostí z věcé doméy The Eterprise Otology (Velká Britáie) jako model orgaizačí struktury a čiostí podiku jako celku i jeho jedotlivých částí. PRÁVNÍ VLSTNICTVÍ: Vztah mezi PRÁVNÍ ENTITOU a Etitou, v rámci ěhož má PRÁVNÍ ENTIT jistá práva vůči Etitě. Poz.: O Etitě v takovém Vztahu řekeme, že je v PRÁVNÍM VLSTNICTVÍ. Úlohové otologie můžeme ztotožit s modely řešeí problémů - (apr. KDS) Geerické otologie se podobají doméovým, avšak vyzačují se širokým (až uiverzálím) záběrem Projekt Cyc (US) jako otologie obecých (commo sese) zalostí z ejrůzějších oblastí. Otologie má formálí charakter použitý jazyk CycL, vychází z predikátového kalkulu prvího řádu. (#%ist #%LargeCorpIteralsMt #%Forll x (#%HumaResourcesDepartmet #%allistaces) (#%actsicapacity x #%mediatoriprocesses #%EmployeeHirig #%MaiFuctio))) 18
Poloautomatizovaé získáváí zalostí Systémy vycházející z použití repertoárové tabulky: systém Ets z roku 1985 (Boose), jeho tuzemská implemetace Saze (1988), či ovější systém WebGrid (http://gigi.cpsc.ucalgary.ca). Postup tvorby báze zalostí: 1. expert zadává sezam všech možých řešeí problému 2. expert zadává tzv. tabulku ohodoceí (ratig grid), ve které je každý cíl popsá pomocí zaků (kostruktů) 3. systém kostruuje zalosti ve formě implikací mezi jedotlivými póly růzých zaků. 4. systém pokračuje geerováím pravidel. Z každého kostruktu vycházejí ke každému objektu tato dvě pravidla: Jestliže vj, pak Oi s váhou wij Jestliže -vj, pak Oi s váhou -wij Váha w ij je dáa součiem ohodoceí t ij z tabulky a důležitosti d j j-tého kostruktu, který se dále ásobí opravým koeficietem f(m): w ij = f(m) d j t ij, 5. po vytvořeí všech pravidel může expert přistoupit k testováí báze zalostí. Systém prověří podobost a kostruktů a testuje úplost báze zalostí. 19
Čiost systému SZE 1. Repertoárová tabulka B C D E p 100 100-100 50-50 q 100-100 100-100 50 r 50-100 -100 100-100 2. implikace q -q p 1 2 -p 2 0 Když -p, pak i q, a tedy když -q, pak i p. 3. pravidla Když p, pak B s váhou 66 s váhou 66 D s váhou 33 E s váhou -33 C s váhou -66 Když -p, pak B s váhou -66 s váhou -66 D s váhou -33 E s váhou 33 C s váhou 66... 20
utomatizovaé získáváí zalostí Používaé metody z oblasti statistiky shluková aalýza, diskrimiačí aalýza, regresí aalýza z oblasti strojového učeí idukce rozhodovacích stromů ebo rozhodovacích pravidel, euroové sítě, bayesovské sítě geetické algoritmy, učeí zalozee a istacich Zalosti se získávají geeralizací z velkého počtu příkladů při je miimálím využití zalostí (a tedy miimálím přispěí experta). Učeí a základě podobosti objekty, patřící do téže třídy mají podobé charakteristiky problém alezeí vhodých atributů z koečého počtu příkladů odvozujeme obecé zalosti (iduktiví iferece) problém reprezetativosti příkladů 21
Tréovací data a prostor atributů Data pro alezeí zalostí pro hodceí boity klieta baky příjem kliet koto příjem půjčit 01 15000 3000 e 02 15000 10000 e 03 15000 17000 o 04 30000 5000 e 05 30000 15000 o 06 50000 20000 o 07 60000 2000 e 08 90000 5000 o 09 90000 10000 o 10 90000 20000 o 11 100000 10000 o 12 100000 17000 o koto 22
Rozhodovací stromy příjem >=mi p >=mi k příjem <mi p koto <mi k mi p mi k koto 23
Rozhodovací pravidla IF příjem>=mi_p THEN o IF příjem<mi_p & koto<mi_k THEN e IF příjem<mi_p & koto>=mi_k THEN o příjem mi p mi k koto 24
Neuroové sítě příjem koto 25
Případy kliet koto příjem půjčit 01 15000 3000 e 02 15000 10000 e 03 15000 17000 o 04 30000 5000 e 05 30000 15000 o 06 50000 20000 o 07 60000 2000 e 08 90000 5000 o 09 90000 10000 o 10 90000 20000 o 11 100000 10000 o 12 100000 17000 o příjem koto 26
Perspektivy Expertí systémy zatím edosáhly takového rozšířeí a obliby jako apř. databázové systémy ebo tabulkové kalkulátory. chybějí efektivější techiky získáváí zalostí, které by urychlily vývoj kokretí aplikace, edostatečé itegrováí do používaých techologií, která sižuje přijatelost expertích systémů pro uživatele (uživatel používá zavedeou iformačí techologii, do které ivestoval), zalostí ižeýři kladou malý důraz a aplikačí oblast (úkolem by mělo být vyřešit kokretí problém, ikoliv apasovat jej a používaý ástroj), chybějí přesé testovací procedury, které by zaručily, že výsledý systém správě fuguje. 27
Příos expertích systémů zvýšeá dostupost expertízy (expertí systémy lze provozovat a libovolých počítačích), sížeé áklady a provedeí expertízy (cea práce počítče je ižší ež cea práce experta), trvalost expertízy (zalosti uložeé v expertím systému jsou použitelé trvale, expert může odejít), ásobá expertíza (zalosti v expertím systému mohou pocházet od více expertů), vzrůst spolehlivosti expertízy (ve stejých situacích systém rozhoduje stejě, expertízu je možo dokumetovat...), schopost vysvětlováí, rychlá odezva, úplost expertízy (expertí systém epodléhá emocím, úavě, stresu) 28
Otevřeé otázky využítí kauzálích modelů usuzováí a základě modelů kvalitativí usuzováí více zdrojů zalostí tabule práce v reálém čase zlepšeí vysvětlováí využití kauzálích modelů 29