Wissensbasierte Systeme/ Expertensysteme Teil 1
Werbung
Wissensbasierte Systeme/ Expertensysteme Teil 1 BiTS, Sommersemester 2004 Dr. Stefan Kooths KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 1 Gliederung 1. Einführung und Einordnung 2. Entscheidungsunterstützung(ssysteme) 3. Künstliche Intelligenz und Expertensysteme im Überblick 4. Wissensrepräsentation und Inferenz 5. Entwicklung von Expertensystemen 6. Wissensmanagement 7. Zusammenfassung und Ausblick KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 2 Gliederung 1. Einführung und Einordnung 2. Entscheidungsunterstützung(ssysteme) 3. Künstliche Intelligenz und Expertensysteme im Überblick 4. Wissensrepräsentation und Inferenz 5. Entwicklung von Expertensystemen 6. Wissensmanagement 7. Zusammenfassung und Ausblick KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 3 Literatur • Turban, E. / Aronson, J. E.: Decision Support Systems and Intelligent Systems, 6th Ed., Prentice Hall, Upper Saddle River 2001. • Luger, G. F.: Artificial Intelligence: Structures and Strategies for Complex Problem Solving, 4th Ed., AddisonWesley, Upper Saddle River 2002. alternativ deutsche Übersetzung: Künstliche Intelligenz: Stragegien zur Lösung komplexer Probleme, 4. Aufl., Pearson Studium, München 2001. KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 4 Einordnung: WBS/ES Ù EUS bzw. Business Intelligence Diplom: EUS BA/MA: BI Entscheidungslehre/ Simulation von Entscheidungen Management Support Systems Wissensbasierte Systeme/Expertensysteme Knowledge-Based Systems Künstliche Intelligenz Soft Computing Neuronale Netze Case Studies KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 5 Einordnung in Turban/Aronson 1 • Part I: Decision Making and Computerized Support • Part II: Decision Support Systems • Part III: Collaboration, Communication, Enterprise Decision Support Systems, and Knowledge Management • Part IV: Fundamentals of Intelligent Systems • Part V: Advanced Intelligent Systems • Part VI: Implementation, Integration, and Impacts KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 6 Einordnung in Turban/Aronson 2 • Part I: Decision Making and Computerized Support Ch. 1 Management Support Systems: An Overview Ch. 2 Decision Making, Systems, Modeling and Support Literaturstudium • Part II: Decision Support Systems Ch. Ch. Ch. Ch. 3 4 5 6 Decision Support Systems: An Overview Data Warehousing, Access, Analysis, Mining, Vis. Modeling and Analysis Decision Support System Development • Part III: Collaboration, Communication, Enterprise Decision Support Systems, and Knowledge Management Ch. 7 Collaborative Computing Technologies: GSS Ch. 8 Enterprise Decision Support Systems Ch. 9 Knowledge Management KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 7 Einordnung in Turban/Aronson 2 • Part IV: Fundamentals of Intelligent Systems Ch. Ch. Ch. Ch. Ch. 10 11 12 13 14 Knowledge-Based Decision Support: AI and ES Knowledge Acquisition and Validation Knowledge Representation Inference Techniques Intelligent Systems Development • Part V: Advanced Intelligent Systems Ch. 15 Neural Computing: The Basics Ch. 16 Neural Computing Applications, Advanced AIS Ch. 17 Intelligent Software Agents and Creativity • Part VI: Implementation, Integration, and Impacts Ch. 18 Implementing and Integrating MSS Ch. 19 Impacts on Management Support Systems KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 8 Gliederung 1. Einführung und Einordnung 2. Entscheidungsunterstützung(ssysteme) 3. Künstliche Intelligenz und Expertensysteme im Überblick 4. Wissensrepräsentation und Inferenz 5. Entwicklung von Expertensystemen 6. Wissensmanagement 7. Zusammenfassung und Ausblick KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 9 Einflussfaktoren auf Entscheidungssituation KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 10 Traditionelle Computerunterstützung • Problemdefinition • Klassifikation in Standardkategorien • Konstruktion/Auswahl eines adäquaten mathematischen Modells • Erzeugen und Bewerten von Lösungsalternativen • Auswahl der besten Lösung Ö Klassisches Operations Research (Management Science) KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 11 Decision Support Systeme • semistrukturierte/unstrukturierte Entscheidungen • oftmals unsichere Entscheidungssituation (man weiß mehr als nichts, aber nicht alles) • Effektivität wichtiger als Effizienz effektiv = die richtigen Dinge tun (Zielerreichung) effizient = die Dinge richtig tun (Ressourceneinsatz) zusätzliche Literatur: Back, A.: Entscheidungsunterstützungssysteme; in: Handwörterbuch Unternehmensrechnung und Controlling, Stuttgart 2001, S. 370-374. [PDF auf Website] KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 12 MSS, DSS und MIS Quelle: A. Back (2001), S. 369 KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 13 Unterstützung durch DSS KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 14 Phasen des Entscheidungsprozesses 1 • Intelligence Phase Problem-/Chancenidentifikation Problemklassifikation Problemzerlegung Verantwortungszuordnung • Design Phase Alternativen- und Modellentwicklung (Wirkung von Entscheidungsvariablen) Formulierung von Entscheidungskriterien Modelle – Normative Modelle und (Sub-) Optimierung (Rationalitätsannahme, keine Ungewissheit, vollständige Präferenzordnung) – Deskriptive Modelle und Simulation (befriedigende Lösungen) Sicherheit, Risiko, Ungewissheit KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 15 Phasen des Entscheidungsprozesses 2 • Choice Phase Suche (analytisch, blind, heuristisch), Bewertung (Zielkonflikte, Sensitivitätsanalysen, Wenn-DannAnalysen, Zielanalysen (z. B. Break-even)), Empfehlung von Lösungen • Implementation Phase Durchsetzung Unterstützung und Akzeptanz Erklärung KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 16 Idealeigenschaften und –fähigkeiten eines DSS KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 17 Struktur und Komponenten eines DSS KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 18 Gliederung 1. Einführung und Einordnung 2. Entscheidungsunterstützung(ssysteme) 3. Künstliche Intelligenz und Expertensysteme im Überblick 1. Künstliche Intelligenz 2. Expertensysteme im Überblick 4. 5. 6. 7. Wissensrepräsentation und Inferenz Entwicklung von Expertensystemen Wissensmanagement Zusammenfassung und Ausblick KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 19 3.1 Künstliche Intelligenz • • • • Konzepte und Definitionen Künstliche vs. Natürliche Intelligenz Kerntechnologien und Bereiche Wissensbasierte Entscheidungsunterstützung KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 20 Künstliche Intelligenz: Konzepte und Definitionen • Zwei wesentliche Aspekte Was ist Intelligenz = Wie denken Menschen? Wie lässt sich intelligentes Verhalten maschinell darstellen? • Zwei (von vielen) Definitionen „ AI is behavior by a machine that, if performed by a human being, would be considered intelligent“ „ AI is the study of how to make computers do things at which, at the moment, people are better“ KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 21 Eigenschaften von Intelligenz • Lernen aus Erfahrung • Umgang mit uneindeutigen/widersprüchlichen Daten • (Schnelle) Reaktion auf neue Situationen • gedankliche Durchdringung von Problemen • Anwendung von Wissen zur Gestaltung der Umwelt • Denken und Schlussfolgern • Relevanzbewertung Ö Vorbild für KI-Anwendungen KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 22 Test auf Intelligenz • Turing-Test nach Alan Turing (brit. Mathematiker) „Computing machinery and intelligence“ (1950) • aber: nicht Nachbau, sonder Nutzung von Intelligenz (WI-Sicht)! KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 23 Wissensverarbeitung • numerisch/subsymbolisch vs. symbolisch • algorithmisch vs. nicht-algorithmisch • Nutzung von Heuristiken möglichst erfolgreich arbeitende Lösungsverfahren (keine Lösungsgarantie, keine zwingend perfekte Lösung) nicht beweisbar basieren auf Vermutungen, plausiblen Annahmen (Hypothesen), Analogien, Erfahrungen relativ schnelle, recht gute Lösungen für komplexe Probleme (bspw. bei kombinatorischer Explosion) KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 24 Wissensrepräsentation und Inferenz • Wissensarten deklarativ: Know-what (Fakten, Regeln, Theorien) prozedural: Know-how (Anwendungswissen) Metawissen • Wissensbasis Speicher für das gesamte, innerhalb eines WBS repräsentierte Wissen meist eng umgrenztes Wissensgebiet (sog. Domaine) • Inferenz Nutzung bestehenden Wissens Anwendung von logischen oder heuristischen Verfahren zur Gewinnung neuen Wissens wichtige Verfahrensklasse: Mustererkennung KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 25 Grobkonzept von KI-Programmen KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 26 Künstliche vs. Natürliche Intelligenz • Kommerzielle Vorteile von KI unsterblich/permanent leicht zu kopieren/verteilen potenziell kostengünstiger, insbesondere bei hoher Nutzerzahl konsistent und genau (kann auch Nachteil sein, s.u.) dokumentierbar schneller besser als viele Menschen • Nachteile von KI mangelnde Kreativität (zu konsistent, zu genau) kein Zugang zu natürlichen Sensoren kein allgemeines Hintergrundwissen KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 27 Kerntechnologien der KI • Softcomputing Neuronale Netze Fuzzy Logic Genetische Algorithmen • Expertensysteme „starke“ Problemlösungsmethoden Konstruktion, Simulation, Diagnose • Agentbasierte Systeme (DAI = Distributed AI) kontextbezogen autonom flexibel sozial Ö Kombination: Hybride Systeme KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 28 Wichtige Teilgebiete/Anwendungsbereiche der KI • Automatisches Beweisen • Spracherkennung (NLP = Natural Language Processing) • Bildverstehen • Robotik und Sensorik • Intelligente Tutoren (ICAI = Intelligent Computer-Aided Instruction) • Textzusammenfassungen • Übersetzung • ... KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 29 Wissensbasierte Entscheidungsunterstützungssysteme • Generell: alle nicht mathematisierbaren Aspekte des Entscheidungsprozesses (z. B. Variablenauswahl) • MBMS: Aufbau, Speicherung, Verwaltung • Umgang mit Unsicherheit, insbes. Ungewissheit • User-Interface (z. B. via NLP) • Nutzung spezieller Fähigkeiten lernfähiger, mustererkennender, fehlertoleranter Systeme KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 30 3.2 Expertensysteme im Überblick • • • • • • • • • Wichtige Grundbegriffe Komponenten und Struktur Arbeitsweise Beispielanwendung Wichtige Anwendungsbereiche Vorteile Probleme und Grenzen Erfolgsfaktoren Typen von Expertensystemen KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 31 Expertise • umfassende, aufgabenbezogene Kenntnisse • erworben durch Training, Lesen, Erfahrung • Teilaspekte: Fakten über das Fachgebiet Theorien über das Fachgebiet allgemeine Regeln und Vorgehensweisen Heuristiken für spezielle Situationen globale Lösungsstrategien Metawissen • erlaubt es, schnellere und bessere Entscheidungen zu treffen (Wissen, nicht Basisintelligenz ist entscheidend) • Novize wird nur allmählich zum Experten KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 32 Experten • erkennen, formulieren und hierarchisieren Probleme • lösen Probleme schnell und korrekt • erläutern ihre Lösung • lernen aus (positiver und negativer) Erfahrung • restrukturieren ihr Wissen • Problem: implizites Wissen • verstoßen gegen Regeln, falls notwendig • wissen, was sie nicht wissen (Metawissen) KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 33 Wissenstransfer und Knowledge Engineering • Experte Ö Computersystem Ö Anwender • Wissensakquise Wissensingenieure • Wissensrepräsentation Knowledge Engineering • Inferenztechniken • Transfer zum Anwender (User Interface) Lösung Erklärung KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 34 KI und BWL • • • • Wissensrepräsentation Wissenserwerb Inferenz-Steuerung Selbstdokumentation Was wissen, wie lernen, denken und argumentieren Ökonomen? KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 35 Konventionelle DV und ES im Vergleich KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 36 Struktur von Expertensystemen • Wesensmerkmal: Trennung von Wissensbasis und Inferenzmaschine KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 37 Entwicklungs- und Einsatzmodus Komponenten Beteiligte KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 38 Nutzertypen und Einsatzarten • Nutzer ist Nichtexperte Ö ES als Berater • Nutzer ist Lernender Ö ES als Trainer • Nutzer ist ES-Entwickler Ö ES als Partner • Nutzer ist Experte Ö ES als Kollege/Assistent KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 39 Lebenszyklus von Expertensystemen • Entwicklung problemspezifische Wissensakquise (deklarativ, prozedural) und Entscheidung über Repräsentationsmethode Inferenzmaschine, Blackboard, Erklärungskomponente, Schnittstellen, Integration Evtl. Nutzung von ES-Shells (Bsp.: MYCIN/EMYCIN, D3) • Einsatz Interaktiver Dialog zwischen ES und Nutzer ES erfragt Fakten und wendet Regeln an Nutzer kann Erklärungen anfordern • Verbesserung Rapid Prototyping Ö Entwicklungszyklen KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 40 Beispielanwendungen • EXSYS http://www.exsys.com/demomain.html • d3 (Uni Würzburg) http://d3.informatik.uni-wuerzburg.de/index.html KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 41 D3: Fakteneingabe KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 42 D3: Erklärungskomponente KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 43 D3: Diagnoseergebnis KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 44 Wichtige Anwendungsbereiche • Hauptgebiete Diagnose Konstruktion Simulation KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 45 Vorteile 1 • • • • • • erhöhte Produktivität (quantitativ, qualitativ) Beschleunigung von Entscheidungsprozessen Reduktion von Ausfallzeiten Sicherung knappen Expertenwissens größere Flexibilität erleichterter Zugang zu komplexen Systemen (intelligente Handbücher) • Ersatz für aufwändigere Kontrollhardware • Einsatz in gefährlichen Umgebungen • Entlastung von Routinetätigkeiten, Wissenzugang für Helpdesks KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 46 Vorteile 2 • • • • Umgang mit unsicherem, unvollständigem Wissen ES als Trainer (Mehrfachnutzung von Wissen) Zuverlässigkeit (keine Ermüdung) raum- und zeitunabhängiger Wissenszugang, insbesondere über webbasierte Ansätze (Basisverbreiterung) • können durch Integration andere Informationssysteme „intelligent“ machen KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 47 Probleme und Grenzen • mangelnde Verfügbarkeit von Wissen • schwierige Wissensextraktion und -formalisierung Fähigkeit und Bereitschaft menschlicher Experten schwierige Bewertung der eigenen Expertise Kommunikationsprobleme zwischen Experte und Wissensingenieur • Rolle der Nutzer Überforderung mangelndes Vertrauen • eng umrissene Problembereiche (kein Weltwissen) • keine Garantie für (korrekte) Lösungen • Hauptproblem: ES-Management KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 48 Erfolgsfaktoren (Idealbedingungen) • Wissensniveau ist genügend hoch und • über mind. einen kooperativen Experten verfügbar • eng umgrenzter, relevanter, nichttrivialer Problembereich • keine rein quantitative Lösung möglich • leistungsfähige ES-Shell für Rapid Prototyping • bedienungsfreundliches User Interface (insbesondere beim Einsatz mit Novizen) • Verfügbarkeit von kompetenten Entwicklern • Berücksichtigung von Nutzer-Motivation • ES-Einsatz als Managementaufgabe KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 49 Typen von Expertensystemen • Abgrenzung: ES vs. WBS • Technologien regelbasiert fallbasiert modellbasiert framebasiert hybrid • Entwicklung eigene Vollentwicklung Shells (leere Wissensbasis) Fertigprodukte KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 50 Chapter Highlights 1 • • • • • • • • • • The primary objective of AI is to build computer systems that perform tasks that can be characterized as intelligent. The major characteristics of AI are symbolic processing, use of heuristics instead of algorithms, and application of inference techniques. AI has several major advantages over people: It is permanent, it can be easily duplicated and disseminated, it can be less expensive than human intelligence, it is consistent and thorough, and it can be documented. Natural (human) intelligence has advantages over AI: It is creative, it uses sensory experiences directly, and it reasons from a wide context of experiences. Knowledge rather than data or information is the key concept of AI. In conventional computing, we tell the computer how to solve the problem. In AI, we tell the computer what the problem is and give it the knowledge needed to solve similar problems and the necessary procedures to use the knowledge. Major application areas of AI include expert systems, natural language processing, speech understanding, intelligent robotics, computer vision, fuzzy logic, intelligent agents, intelligent computer-aided instruction, and neural computing. Expert systems, the most applied AI technology, attempt to imitate the work of experts. They apply expertise to problem solving. For an expert system to be effective, it must be applied to a narrow domain of knowledge and include qualitative factors. Natural language processing is an attempt to allow users to communicate with computers in a natural language. Currently, conversation is done via the keyboard and monitor; in the future, it will be carried out by voice. KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 51 Chapter Highlights 2 • • • • • • • • • • • • • An intelligent robot is one that can respond to changes in its environment. Most of today’s robots do not have that capability. Computers can be used as tutors. If AI supports them, they can dramatically improve training and teaching. The various AI technologies can be integrated among themselves and with other computer-based technologies. Expert systems imitate the reasoning process of experts for solving difficult problems. The power of an ES is derived from the specific knowledge it possesses, not from the particular knowledge representation and inference schemes it uses. Expertise is task-specific knowledge acquired from training, reading, and experience. Experts can make fast and good decisions regarding complex situations. A few experts possess most of the knowledge in organizations. Expert system technology attempts to transfer knowledge from experts and documented sources to the computer and make it available for use by non-experts. Expert systems involve knowledge processing, whereas other CBIS process data or information. An inference engine provides the reasoning capability in expert systems. A distinction is made between a development environment (building an ES) and a consultation environment (using an ES). The major components of an ES are the knowledge acquisition subsystem, knowledge base, inference engine, blackboard, user interface, and explanation subsystem. KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 52 Chapter Highlights 3 • • • • • • • • • • • • • The knowledge engineer captures the knowledge from the expert and programs it into the computer. Although the major user of the ES is a non-expert, other users (such as students, ES builders, and even experts) may use ES. Knowledge can be declarative (facts) or procedural. When expert systems are constructed, they are improved repeatedly in an iterative manner, using a process called rapid prototyping. The 10 generic categories of ES are interpretation, prediction, diagnosis, design, planning, monitoring, debugging, repair, instruction, and control. Expert systems can provide many benefits. The most important are improvement in productivity or quality, preservation of scarce expertise, enhancing other systems, coping with incomplete information, and providing training. Many ES failures are caused by non-technical problems such as lack of managerial support and poor end-user training. Although there are several technical limitations to the use of expert systems, some of them will disappear with improved technology. Expert systems, like human experts, can make mistakes. Some make a distinction between expert systems, where most of the knowledge comes from experts, and knowledge systems, where the majority of the knowledge comes from documented sources. Some ES are available as ready-made systems; they render advice for standard situations. A trend is developing to disseminate such advice on the Internet, intranets, and extranets. Some expert systems provide advice in a real-time mode. ES and AI provide support to the Internet and intranets as well. KOOTHS – BiTS: Wissensbasierte Systeme/Expertensysteme | Teil 1 53
