Intelligens Rendszerek I. Tudásábrázolás szemantikus hálókkal, keretekkel és forgatókönyvvel

Intelligens Rendszerek I. Tudásábrázolás szemantikus hálókkal, keretekkel és forgatókönyvvel 2007/2008. tanév, I. félév Dr. Kovács Szilveszter E-mail: szkovacs@iit.uni-miskolc.hu Miskolci Egyetem Informatikai Intézet 106. sz. szoba Tel: (46) 565-111 / 21-06 mellék

A tudásábrázolás elvárt jellemzői Patrick Winston szerint 1. A fontos dolgokat világosan adja meg. 2. Fedje fel a természetes korlátokat, megkönnyítve a számítások néhány fajtáját. 3. Legyen teljes. 4. Legyen tömör. 5. Legyen átlátható számunkra. 6. Legyen alkalmas gyors feldolgozásra. 7. Rejtse el a részleteket, de tegye elérhetővé azokat szükség esetén. 8. Létezzen rá számítógépi eljárás. A jó tudásábrázolás az MI feladatok megoldásánál fél siker. Dr. Kovács Szilveszter M.I. 10. / 2.

Tudástípusok Deklaratív Strukturált Procedurális Dr. Kovács Szilveszter M.I. 10. / 3.

Deklaratív tudás Csak ismeretek, összefüggések és alkalmazási utasítások nélkül Leírása: logikai kifejezések fogalmak objektumok Technikák: formális logika O-T-É hármas Dr. Kovács Szilveszter M.I. 10. / 4.

Tudásábrázolási módszerek Szimbolikus (formális) logika (ítéletkalkulus, elsőrendű logika) Szabályalapú rendszerek Szemantikus hálók Keretek, script-ek Neurális hálózatok Modellalapú Hibrid Deklaratív Strukturált Procedurális Dr. Kovács Szilveszter M.I. 10. / 5.

Tudásábrázolási módszerek Tudástípus Deklaratív Strukturált Technika logika O-T-É hármas szemantikus háló keret (frame) forgatókönyv, táblázat szabálycsoport Procedurális szabály eljárás, függvény agenda stratégia Dr. Kovács Szilveszter M.I. 10. / 6.

Objektum Tulajdonság (attribútum) Érték autó szín sárga objektum tulajdonság érték Dr. Kovács Szilveszter M.I. 10. / 7.

OTÉ hármas több értékkel utazás érintett város Pécs Budapest Kecskemét objektum tulajdonság érték Dr. Kovács Szilveszter M.I. 10. / 8.

Tudásábrázolás szemantikus hálóval Ross Quillian dolgozta ki (1968) Biológiai ihletés: az agy fogalomábrázolásának feltételezett formája objektumok, koncepciók, fogalmak - csomópontok viszonyaik, kapcsolataik gráf élek. Hierarchikus modell oka: az ember kognitív (megismeréssel kapcsolatos) működésére vonatkozó kísérletek az objektumok specifikus jellemzőinél gyorsabb válaszidőket eredményeztek, mint az általános, magasabb szintű kategóriákhoz tartozó jellemzőknél (Kanári - énekel? Kanári - repül? Kanári - bőre van? ) Következtetés: hierarchikus egyed - alosztály - osztály kapcsolat valószínű. Cél: Az emberi információtárolás és visszakeresés modellezése. Dr. Kovács Szilveszter M.I. 10. / 9.

Tudásábrázolás szemantikus hálóval Szoftveralkalmazás, célja: a természetes nyelvek megértésének gépi modellezése. Quillian: "egy szó jelentését meg lehet kapni a szóhoz társított szövegek halmazaként" Programjával az ember gondolkodási folyamatának azt a részét modellezte, amelyet az ember akkor végez, amikor egy lexikon két szava között keres kapcsolatot. Egy szemantikus háló jól definiált eljárásainak segítségével képes volt összeállítani egy választ bármelyik, a szótárban megtalálható szópár esetében azok összevetésére és szembeállítására. Megkereste a szavakhoz kötődő ismeretek közös részeit, kapcsolódási pontjaikat. Emiatt szokták asszociatív hálónak is nevezni a szemantikus hálót. Dr. Kovács Szilveszter M.I. 10. / 10.

Szemantikus háló (Quillian) Dr. Kovács Szilveszter M.I. 10. / 11.

Szemantikus háló emberek szállít közlekedési eszköz ez egy repülő úttest közlekedési hely ez egy gépjármű ez egy ez egy ez egy szgk. teherautó van busz. tárgyak szállít motor A kapcsolatok feltüntetésével az éleken Dr. Kovács Szilveszter M.I. 10. / 12.

Szemantikus háló Dr. Kovács Szilveszter M.I. 10. / 13.

Szemantikus háló Motoros Repülő Szerkezet Helikopter Motoros Sárkányrepülő Levegőben Üzemanyag Motor Motoros Repülőgép Vitorlázó Repülőgép Motor Nélküli Repülő Szerkezet Siklóernyő Ejtőernyő Gyalogsárkány Dr. Kovács Szilveszter M.I. 10. / 14.

Szemantikus háló Irányított gráf Csomópont, levél: objektum, tulajdonság érték Él: csomópontok közötti reláció (osztályba tartozás vagy tulajdonság) Hierarchikus rendszer Öröklődés Dr. Kovács Szilveszter M.I. 10. / 15.

Következtetés szemantikus hálóval Egy háló tárolja a tématerület ismereteit A problémát (megválaszolandó kérdést) egy másik hálóval adjuk meg (célháló) A kisebb célhálót illesztjük a tématerület hálójának azonos csomópontokat tartalmazó részére A kérdésre a választ a tématerület hálójának illeszkedő része hordozza. Általában a hálókezelő algoritmusra ennél több feladat hárul, elő kell állítania például az öröklött tulajdonságokat is. Dr. Kovács Szilveszter M.I. 10. / 16.

Egyed-alosztály-osztály Egyed: van olyan tulajdonsága, ami csak rá igaz Osztály: jellemzői több egyedre, vagy alosztályra igazak A közös tulajdonságokat csak az osztálynál kell tárolni az egyedekre, vagy alosztályokra öröklődik. A tulajdonságörökítés (inheritance) általánosan értendő: nemcsak a tulajdonság jellegű kapcsolatok öröklődnek, hanem például a birtoklást, valamilyen érzelem irányulását, stb. is beleértjük. A tulajdonságörökítést a hálókezelő programnak kell végeznie. A taxonomikus kapcsolat: osztályba tartozás. Másik fő kapcsolati forma: tulajdonság hozzárendelés, objektum-attribútum-érték hármas. Kapcsolatleírás mutatókkal Dr. Kovács Szilveszter M.I. 10. / 17.

Előnyös tulajdonságok Az osztályhierarchia a tulajdonságok hatékony tárolását is segíti: az osztály minden alosztályára, illetve egyedére egyaránt érvényes tulajdonságok a legmagasabb, legáltalánosabb szinten kerülnek tárolásra, azonban érvényesek a becsatlakozó alsóbb osztályokra és egyedekre is - működik az öröklődés. Kiküszöböli a redundanciát, ellentmondásmentességet eredményez. A grafikus ábrázolás szemléletes és könnyű érthetőséget jelent és az emberi gondolkodáshoz közel áll. Gyors számítógépi reprezentációt tesz lehetővé: a csomópontok memóriaterületekre, az élek mutatókra képezhetők le. Elmarad a listák elemeinek kimerítő illesztése, mely a szabály- és logika alapú ismeretszemléltetést jellemezte. Az objektumok megtalálása ún. hash táblák segítségével gyorsan megtörténhet, a kapcsolatoknak megfelelő mutatók pedig meghatározzák a kapcsolódó ismeretelemek helyét. Rugalmas tudásszemléltetési eszköz: könnyen bővíthető új objektumokkal és viszonylatokkal, a módosítás és a törlés egyszerű. Dr. Kovács Szilveszter M.I. 10. / 18.

A jelentés tárolása A szemantikus háló önmagában nem hordozza a teljes jelentést. A kapcsolatok értelmezése a szemantikus hálót szemlélő emberre, ill. a hálót kezelő algoritmusra hárul. Például mondhatjuk azt, hogy a Cápa a Hal osztály egyede, de jelenthetné a kapcsolat azt is, hogy a Cápa a Hal objektum mellett él. A számítógép számára csak annyi, az objektumokhoz kötődő ismeret áll rendelkezésre, amennyit a háló kapcsolatrendszere és az azt kezelő algoritmus megtestesít. Dr. Kovács Szilveszter M.I. 10. / 19.

Hiányosságok Madár képes rá Repülés nem képes rá Madár Sas Pingvin Repülés Dr. Kovács Szilveszter M.I. 10. / 20.

Hiányosságok Dr. Kovács Szilveszter M.I. 10. / 21.

Hiányosságok Az öröklött tulajdonság nem mindig érvényes egy adott alosztályra, vagy egyedre. A pingvin madár mivolta ellenére nem tud repülni Megoldás: az azonos tulajdonságra vonatkozó ellentétes értelmű kapcsolatok közül az alsóbb szinthez kötődőt vesszük. Egyes egyedek rendelkezhetnek kivételes tulajdonsággal Dr. Kovács Szilveszter M.I. 10. / 22.

Hiányosságok Típus/egyed megkülönböztetés a fizikai jellemző tulajdonság a színhez, mint osztályhoz kötődik és nem az osztály egyedéhez Nem tud olyan fogalmakat kezelni, mint legalább egy nem specifikált objektum, összes objektum Dr. Kovács Szilveszter M.I. 10. / 23.

Szemantikus háló és predikátumlogika A szemantikus háló könnyen átírható predikátumokra pl. OTÉ hármasok megnevezésével l. színe(szék,piros) kamata(lakáshitel, 0.0275) Továbbá: a madarak tudnak repülni és van csőrük és szárnyuk. ( x)(madár(x) (jellemzője(x,repülni_tud) jellemzője(x,csőr) jellemzője(x,szárny))) Eltérés: A kapcsolódó objektumok elérése a predikátum logikában sokkal lassúbb és körülményesebb Kivételkezelése és öröklődési ellentmondás feloldó képessége erőteljesebb, mint a logikáé. Dr. Kovács Szilveszter M.I. 10. / 24.

Keret (frame) és forgatókönyv alapú tudásábrázolás A keret és a forgatókönyv tudásábrázolási forma újdonsága abban van a szemantikus hálóhoz képest, hogy a tudáselemeket sztereotip egységekbe, keretekbe, forgatókönyvekbe szervezi. Ezek az egységek objektumoknak, tevékenységeknek, vagy eseményeknek felelhetnek meg. A keretek (frames) Marvin Minsky nevéhez fűződnek (1975). A forgatókönyveket (script-ek) Roger Schank publikálta (1977). Dr. Kovács Szilveszter M.I. 10. / 25.

Keret (frame) alapú tudásábrázolás Egy objektumról meglévő összes ismeret egy helyen M. L. Minski (1975): egy átélt szituációt a hozzá tartozó viselkedéssel együtt az agy egy keretben (frame) tárolja OOP-vel közös elemek A szemantikus háló továbbfejlesztésének tekinthető Dr. Kovács Szilveszter M.I. 10. / 26.

Keret (frame) alapú tudásábrázolás A keretek a valós világra vonatkozó ismereteket oly módon reprezentálják, hogy egyesítik az objektumokra, tevékenységekre és eseményekre vonatkozó deklaratív leírást azon információk előállítására vonatkozó eljárások megadásával, melyek célok elérésének, információk megszerzésének módjára vonatkoznak. A keret tudásábrázolási forma bevezeti a prototípus fogalmát, mely azt a felismerést tükrözi, hogy az emberi ismerettárolás sok sztereotip leképezést tartalmaz. A valós, vagy elvont objektumokat, fogalmakat reprezentáló keretek hierarchikus keretrendszerré kapcsolódnak össze az ismeretábrázolás során. Dr. Kovács Szilveszter M.I. 10. / 27.

Keretek leírása grafikus táblázatos FRL Frame Representation Language Dr. Kovács Szilveszter M.I. 10. / 28.

Grafikus megjelenítés Dr. Kovács Szilveszter M.I. 10. / 29.

Táblázatos leírás (osztály) frame szülő osztály tulajdonságok személyautó gépjármű motor gurul kerék szín osztály 1 igaz 4 ismeretlen Dr. Kovács Szilveszter M.I. 10. / 30.

Táblázatos leírás (példány) frame szülő osztály tulajdonságok Suzuki személyautó *motor *gurul *kerék szín példány 1 igaz 4 ismeretlen Dr. Kovács Szilveszter M.I. 10. / 31.

FRL leírás frame: személyautó AKO$: gépjármű slot: kerék: $default: 4 $require: 3, 4 motor: $default: 1 $require: 1, 2 gurul: $default: TRUE $require: TRUE, FALSE Dr. Kovács Szilveszter M.I. 10. / 32.

A szemantikus hálóval megegyező tulajdonságok Hierarchikus egyed - alosztály - osztály szerkezet Tulajdonság örökítés, mely kiterjed a procedurális tulajdonságokra is Hasonló számítógépes reprezentáció: keretek - memóriahelyek kapcsolatok - mutatók Grafikus ábrázolás használható, de a grafika inkább a keretleíró nyelvek támogatója Rugalmas tudás bővítés, módosítás, törlés Dr. Kovács Szilveszter M.I. 10. / 33.

A szemantikus hálókon túlmutató tulajdonságok Egységbefoglalás: objektum, attribútumok, értékek, deklaratív és procedurális összetevők. slot - filler, attribútum - érték párok, speciális attribútum a keret neve. Az attribútumok és attribútum-értékek megadása más keretekre való utalással, többszörös egymásba ágyazással is lehetséges Értékeket előállító függvények Az értékváltozásokra működésbe lépő mechanizmusok, esemény (várakozás) vezérelt démon rendszer működik: IF_NEEDED, WHEN_ACCESS, BEFORE_CHANGE, AFTER_CHANGE Dr. Kovács Szilveszter M.I. 10. / 34.

A szemantikus hálókon túlmutató tulajdonságok Megadható: az attribútumok értékkészlete, értéktartománya, alap (default) értéke Sokkal elterjedtebb, mint a szemantikus háló, mivel annak összes tulajdonságát magába foglalja Speciális keretkezelő nyelvek Pl: FRL,KRL,OWL,NETL,KL-ONE, ART, stb. Hibrid rendszerben is alkalmazásra került (KappaPC, Level5 Object, Nexpert, Object/Smart Elements, Aion Development System, CBR Express, stb.). Dr. Kovács Szilveszter M.I. 10. / 35.

A forgatókönyv Roger Schank 1977 Koncepcionális primitíveket (magasabb szintű elvonatkoztatások) és azok kapcsolatait rögzíti Példa: előadás forgatókönyv Kellékek (díszletek): előadóterem, tábla, kréta, írásvetítő, projektor, transzparensek, filctollak Szereplők (szerepek): hallgatók, tanár Nézőpont: tanár Eseménysorrend: 1. Belép a terembe 2. Hozzákészül, kivéve, ha nincs diák, mert akkor elmegy 3. Megtartja az előadást 4. Összepakol 5. Elmegy Fő esemény: 3. Megtartja az előadást Dr. Kovács Szilveszter M.I. 10. / 36.

Esetalapú következtetés CBR Case Based Reasoning Cél: Régebbi feladatok megoldásakor szerzett tapasztalatok hasznosítása hasonló aktuális feladatok megoldásához Egy eset összetevői: probléma leírása probléma megoldásának leírása megoldás jóságának/rosszaságának minősítése Az eset leírása történhet bármilyen ismeretreprezentációs módszerrel, leggyakoribb a keretalapú szemléltetés Nehézség: olyan metrika meghatározása, amely révén az esetek egymással számszerű eredménnyel összehasonlíthatók (közelség) (10cm - 20cm; piros színű - narancs színű; szép - gyönyörű) Az eseteket esetbázisban tároljuk Dr. Kovács Szilveszter M.I. 10. / 37.

Az esetalapú következtetés működése 1. Visszakeresés: megkeressük az aktuális problémához legjobban hasonlító (legközelebbi) korábbi problémaleírást 2. Újrafelhasználás: ha a hasonlóság egy megadott értéket meghalad, a korábbi eset megoldását használjuk fel az aktuális probléma megoldására 3. Adaptálás: ha a legközelebbi eset hasonlósága nem éri el a kívánt szintet, a rendszer interaktív módon hozzáigazítja az eset problémaleírását az aktuális problémához, eközben a megoldást is módosítja 4. Tanulás: A 3. pontban előállt adaptált esetet az esetbázishoz adja, a megoldás jóságának/rosszaságának minősítésével együtt Dr. Kovács Szilveszter M.I. 10. / 38.

Az esetalapú következtetés működése Dr. Kovács Szilveszter M.I. 10. / 39.

Az esetalapú következtetés jellemzői Előnyös tulajdonságok: A probléma modelljének előzetes kidolgozása nélkül is alkalmazható Használat közben fejlődik, könnyen bővíthető Robusztus: hiányos, vagy rosszul definiált fogalmakkal is megadhatók esetek Nem algoritmizálható problémák esetén is alkalmazható Képes támogatni a korábbi hibás megoldások elkerülését is Hátrányos tulajdonságok: Emberi interakciót igényel az esetek többségében Minősége romolhat az eltérő felhasználók eltérő igényszintje miatt a tanulás során Dr. Kovács Szilveszter M.I. 10. / 40.

Összevetés a szabályalapú rendszerekkel Szabályalapú szabály: a többi szabálytól független szabály visszakeresés: egzakt illesztéssel szabályalkalmazás: szabályok sokaságát láncolva előzetes problémamodell kidolgozást igényel szűk keresztmetszet: az információkinyerés hosszú fejlesztési idő nagy szabályszám esetén lelassul bővítés után validálást, konzisztenciaellenőrzést igényel nem tanul Esetalapú eset: a többi esettől nem független eset visszakeresés: közelség vizsgálattal eset alkalmazás: visszakeresés, hozzáigazítás nem igényel problémamodellezést csak esetek összegyűjtését igényli akár üres esetbázissal is indítható az alkalmazása képes nagymennyiségű eset kezelésére bővítése egyszerű tanul, használat közben fejlődik Dr. Kovács Szilveszter M.I. 10. / 41.

Esetalapú szoftvereszközök Pl: KATE ReCall ReMind Hibrid eszközökben: CBR Express ART IM ART Enterprise Eclipse Dr. Kovács Szilveszter M.I. 10. / 42.

Ajánlott irodalom Jelen előadás fóliái részben az alábbi források alapján készültek: Dr. Dudás László: Mesterséges Intelligencia Módszerek, Miskolci Egyetem, Alkalmazott Informatikai Tanszék, http://www.ait.iit.uni-miskolc.hu/~dudas/mieaok Fekete I. - Gregorics T. - Nagy S.: Bevezetés a mesterséges intelligenciába, LSI Oktatóközpont, Budapest, 1990. Michael Negnevitsky: Artificial Intelligence: A Guide to Intelligent Systems, Addison Wesley, Pearson Education Limited, 2002. ISBN 0201-71159-1 Stuart J. Russel Peter Norvig: Mesterséges Intelligencia modern megközelítésben, Panem-Prentice-Hall, Budapest, 2000, ISBN 963 545 241 1 Dr. Kovács Szilveszter M.I. 10. / 43.