Computers

Künstliche Intelligenz - Expertensysteme

Expertensysteme

Expertensysteme besetzen eine Art Mikrowelt - zum Beispiel ein Modell des Laderaums und seiner Ladung -, die in sich geschlossen und relativ unkompliziert ist. Bei solchen KI-Systemen werden alle Anstrengungen unternommen, um alle Informationen über ein enges Feld einzubeziehen, die ein Experte (oder eine Gruppe von Experten) kennen würde, so dass ein gutes Expertensystem häufig jeden einzelnen menschlichen Experten übertreffen kann. Es gibt viele kommerzielle Expertensysteme, einschließlich Programme für medizinische Diagnose , chemische Analyse , Kreditgenehmigung, Finanzmanagement, Unternehmensplanung, Weiterleitung von Finanzdokumenten, Öl- und Mineralprospektion , Gentechnik , Autodesign und -herstellung.Design von Kameraobjektiven , Design von Computerinstallationen , Flugplanung, Frachtplatzierung und automatische Hilfe für Besitzer von Heimcomputern.

Wissen und Schlussfolgerung

Die Grundkomponenten eines Expertensystems sind a Knowledge Base oder KB und eine Inferenz- Engine. Die in der KB zu speichernden Informationen werden durch Befragung von Fachleuten auf dem betreffenden Gebiet erhalten. Der Interviewer oder Wissensingenieur organisiert die von den Experten ermittelten Informationen in einer Sammlung von Regeln, die typischerweise eine „Wenn-Dann“ -Struktur aufweisen. Regeln dieses Typs werden aufgerufenProduktionsregeln. DasMit der Inferenz-Engine kann das Expertensystem Abzüge von den Regeln in der KB ziehen. Wenn die KB beispielsweise die Produktionsregeln "wenn x , dann y " und "wenn y , dann z " enthält, kann die Inferenzmaschine "wenn x , dann z " ableiten . Das Expertensystem könnte dann seinen Benutzer fragen: "Ist x in der von uns betrachteten Situation wahr?" Wenn die Antwort positiv ist , wird das System z .

Einige Expertensysteme verwenden Fuzzy-Logik . In der Standardlogik gibt es nur zwei Wahrheitswerte, wahr und falsch. Diese absolute Präzision macht es schwierig, vage Attribute oder Situationen zu charakterisieren. (Wann genau wird ein dünner werdender Haarschopf zu einer Glatze?) Oft enthalten die Regeln, die menschliche Experten verwenden, vage Ausdrücke. Daher ist es für die Inferenzmaschine eines Expertensystems nützlich, Fuzzy-Logik zu verwenden.

DENDRAL

1965 begannen der KI-Forscher Edward Feigenbaum und der Genetiker Joshua Lederberg von der Stanford University mit der Arbeit an Heuristic DENDRAL (später abgekürzt als DENDRAL), einem Expertensystem für chemische Analysen. Die zu analysierende Substanz könnte beispielsweise eine komplizierte Verbindung aus Kohlenstoff , Wasserstoff und Stickstoff sein . Ausgehend von spektrographischen Daten, die von der Substanz erhalten wurden, würde DENDRAL die molekulare Struktur der Substanz annehmen . Die Leistung von DENDRAL war mit der von Chemikern bei dieser Aufgabe vergleichbar, und das Programm wurde in der Industrie und in der Wissenschaft eingesetzt .

MYCIN

Die Arbeiten an MYCIN, einem Expertensystem zur Behandlung von Blutinfektionen, begannen 1972 an der Stanford University . MYCIN würde versuchen, Patienten anhand der gemeldeten Symptome und medizinischen Testergebnisse zu diagnostizieren. Das Programm könnte weitere Informationen über den Patienten anfordern und zusätzliche Labortests vorschlagen, um zu einer wahrscheinlichen Diagnose zu gelangen, wonach es eine Behandlung empfehlen würde. Auf Anfrage würde MYCIN die Gründe erläutern, die zu seiner Diagnose und Empfehlung geführt haben. Mit etwa 500 Produktionsregeln arbeitete MYCIN in etwa auf dem gleichen Kompetenzniveau wie menschliche Spezialisten für Blutinfektionen und eher besser als Allgemeinmediziner.

Dennoch haben Expertensysteme keinen gesunden Menschenverstand oder Verständnis für die Grenzen ihres Fachwissens. Wenn MYCIN beispielsweise mitgeteilt würde, dass ein Patient, der eine Schusswunde erhalten hatte, verblutet, würde das Programm versuchen, eine bakterielle Ursache für die Symptome des Patienten zu diagnostizieren . Expertensysteme können auch auf absurde Schreibfehler einwirken, beispielsweise die Verschreibung einer offensichtlich falschen Dosierung eines Arzneimittels für einen Patienten, dessen Gewichts- und Altersdaten versehentlich übertragen wurden.

Das CYC-Projekt

CYC ist ein großes Experiment in symbolische KI . Das Projekt begann 1984 unter der Schirmherrschaft der Microelectronics and Computer Technology Corporation, einem Konsortium von Computer-, Halbleiter- und Elektronikherstellern . 1995 hat Douglas Lenat, der CYC-Projektleiter, das Projekt als Cycorp, Inc. mit Sitz in Austin, Texas, ausgegliedert. Das ehrgeizigste Ziel von Cycorp war es, eine KB zu erstellen, die einen signifikanten Prozentsatz des gesunden Menschenverstandes eines Menschen enthält. Millionen von Commonsense-Behauptungen oder Regeln wurden in CYC codiert. Die Erwartung war, dass diese „kritische Masse“ es dem System selbst ermöglichen würde, weitere Regeln direkt aus der gewöhnlichen Prosa zu extrahieren und schließlich als Grundlage für zukünftige Generationen von Expertensystemen zu dienen.

With only a fraction of its commonsense KB compiled, CYC could draw inferences that would defeat simpler systems. For example, CYC could infer, “Garcia is wet,” from the statement, “Garcia is finishing a marathon run,” by employing its rules that running a marathon entails high exertion, that people sweat at high levels of exertion, and that when something sweats it is wet. Among the outstanding remaining problems are issues in searching and problem solving—for example, how to search the KB automatically for information that is relevant to a given problem. AI researchers call the problem of updating, searching, and otherwise manipulating a large structure of symbols in realistic amounts of time the frame problem. Some critics of symbolic AI believe that the frame problem is largely unsolvable and so maintain that the symbolic approach will never yield genuinely intelligent systems. It is possible that CYC, for example, will succumb to the frame problem long before the system achieves human levels of knowledge.