Post on 12-Aug-2019
Intelligens Rendszerek I.Tudásábrázolás szemantikus hálókkal,
keretekkel és forgatókönyvvel
2007/2008. tanév, I. félévDr. Kovács Szilveszter
E-mail: szkovacs@iit.uni-miskolc.huMiskolci Egyetem
Informatikai Intézet 106. sz. szobaTel: (46) 565-111 / 21-06 mellék
Dr. Kovács Szilveszter © M.I. 10. / 2.
A tudásábrázolás elvárt jellemzőiPatrick Winston szerint1. 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. / 4.
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. / 5.
Tudásábrázolási módszerek• Szimbolikus (formális) logika
(ítéletkalkulus, elsőrendű logika)• Szabályalapú rendszerek• Szemantikus hálók• Keretek, script-ek• Neurális hálózatok• Modellalapú• Hibrid
DeklaratívStrukturáltProcedurális
Dr. Kovács Szilveszter © M.I. 10. / 6.
szabályeljárás, függvényagendastratégia
Procedurális
szemantikus hálókeret (frame)forgatókönyv, táblázatszabálycsoport
Strukturált
logikaO-T-É hármas
Deklaratív
TechnikaTudástípus
Tudásábrázolási módszerek
Dr. Kovács Szilveszter © M.I. 10. / 7.
Objektum – Tulajdonság (attribútum) – Érték
autó sárgaszín
objektum tulajdonság érték
Dr. Kovács Szilveszter © M.I. 10. / 8.
OTÉ hármas több értékkel
utazás Pécsérintett város
objektum tulajdonság érték
BudapestKecskemét
Dr. Kovács Szilveszter © M.I. 10. / 9.
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. / 10.
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. / 12.
Szemantikus háló
szállít ez egyközlekedési eszközemberek repülő
gépjármű
ez egy
úttest
közlekedési hely szgk.
ez egy
busz.
ez egy
teherautó
ez egy
tárgyak
szállítmotor
van
A kapcsolatok feltüntetésével az éleken
Dr. Kovács Szilveszter © M.I. 10. / 14.
Szemantikus hálóHelikopter
Motoros Sárkányrepülő
Motoros Repülőgép
MotorosRepülő Szerkezet
Üzemanyag Motor
Motor NélküliRepülő
Szerkezet
VitorlázóRepülőgép
Siklóernyő
Ejtőernyő
Gyalogsárkány
Levegőben
Dr. Kovács Szilveszter © M.I. 10. / 15.
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. / 16.
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. / 17.
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. / 18.
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, ellentmondás-mentességet 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. hashtáblák 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. / 19.
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. / 20.
Hiányosságok
Repülésképes rá
Madár
Madár
Sas Pingvin Repülésnem képes rá
Dr. Kovács Szilveszter © M.I. 10. / 22.
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. / 23.
• 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
Hiányosságok
Dr. Kovács Szilveszter © M.I. 10. / 24.
Szemantikus háló és predikátumlogika• A szemantikus háló könnyen átírható predikátumokra
pl. OTÉ hármasok megnevezésévelpl. 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. / 25.
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 Schankpublikálta (1977).
Dr. Kovács Szilveszter © M.I. 10. / 26.
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. / 27.
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. / 28.
Keretek leírása
• grafikus
• táblázatos
• FRL – Frame Representation Language
Dr. Kovács Szilveszter © M.I. 10. / 30.
Táblázatos leírás (osztály)
ismeretlenszín
4kerék
igazgurul
1motortulajdonságok
gépjárműszülő osztály
osztályszemélyautóframe
Dr. Kovács Szilveszter © M.I. 10. / 31.
Táblázatos leírás (példány)
ismeretlenszín
4*kerék
igaz*gurul
1*motortulajdonságok
személyautószülő osztály
példánySuzukiframe
Dr. Kovács Szilveszter © M.I. 10. / 32.
FRL leírásframe: személyautóAKO$: gépjárműslot: kerék: $default: 4
$require: 3, 4motor: $default: 1
$require: 1, 2gurul: $default: TRUE
$require: TRUE, FALSE…
Dr. Kovács Szilveszter © M.I. 10. / 33.
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. / 34.
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. / 35.
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, AionDevelopment System, CBR Express, stb.).
Dr. Kovács Szilveszter © M.I. 10. / 36.
A forgatókönyvRoger Schank 1977• Koncepcionális primitíveket (magasabb szintű
elvonatkoztatások) és azok kapcsolatait rögzítiPélda: 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. / 37.
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. / 38.
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. / 40.
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. / 41.
Összevetés a szabályalapú rendszerekkel
tanul, használat közben fejlődiknem tanul
bővítése egyszerűbővítés után validálást, konzisztenciaellenőrzést igényel
képes nagymennyiségű eset kezelésérenagy szabályszám esetén lelassul
akár üres esetbázissal is indítható az alkalmazása
hosszú fejlesztési idő
csak esetek összegyűjtését igényliszűk keresztmetszet: az információkinyerés
nem igényel problémamodellezéstelőzetes problémamodell kidolgozást igényel
eset alkalmazás: visszakeresés, hozzáigazításszabályalkalmazás: szabályok sokaságát láncolva
eset visszakeresés: közelség vizsgálattalszabály visszakeresés: egzakt illesztéssel
eset: a többi esettől nem függetlenszabály: a többi szabálytól független
EsetalapúSzabályalapú
Dr. Kovács Szilveszter © M.I. 10. / 42.
Esetalapú szoftvereszközök
Pl:– KATE– ReCall– ReMind
Hibrid eszközökben:– CBR Express– ART IM– ART Enterprise– Eclipse
Dr. Kovács Szilveszter © M.I. 10. / 43.
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 mesterségesintelligenciába, 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