systemy ekspertowe 2

Shell RETE Postscriptum

Sztuczna Inteligencja i Systemy EkspertoweSystemy ekspertowe (2)

Aleksander Pohlhttp://apohllo.pl/dydaktyka/ai

Wyzsza Szkoła Zarzadzania i Bankowosci

12 maja 2009

Aleksander Pohl WSZiB

Systemy ekspertowe (2)

Plan prezentacji

Postscriptum

Plan prezentacji

Postscriptum

Shell ekspertowy

◮ Formalizm reprezentacji wiedzy◮ Opracowanie mechanizmu wnioskowania◮ Interfejs uzytkownika

Reguły

◮ :- op(100, xfx, [has, gives,’does not’, eats, lays, isa]).

◮ :- op(100, xf, [swims, flies]).

◮ rule1 :: ifAnimal has hairorAnimal gives milkthenAnimal isa mammal.

Reguły 2

◮ rule2 :: ifAnimal has feathersorAnimal flies andAnimal lays eggsthenAnimal isa bird.

Reguły 3

◮ rule3 :: ifAnimal isa mammal and( Animal eats meatorAnimal has ’pointed teeth’ andAnimal has claws andAnimal has ’forward pointing eyes’ )thenAnimal isa carnivore.

Reguły 4

◮ rule4 :: ifAnimal isa carnivore andAnimal has ’tawny color’ andAnimal has ’dark spots’thenAnimal isa cheetah.

◮ rule5 :: ifAnimal isa carnivore andAnimal has ’tawny color’ andAnimal has ’black stripes’thenAnimal isa tiger.

Reguły 5

◮ rule6 :: ifAnimal isa bird andAnimal ’does not’ fly andAnimal swimsthenAnimal isa penguin.

◮ rule7 :: ifAnimal isa bird andAnimal isa ’good flyer’thenAnimal isa albatross.

Reguły 6◮ fact :: X isa animal :-member( X, [cheetah, tiger, penguin,albatross]).

◮ askable( _ gives _, ’Animal’ gives ’What’).◮ askable( _ flies, ’Animal’ flies).◮ askable( _ lays eggs, ’Animal’ lays eggs).◮ askable( _ eats _, ’Animal’ eats ’What’).◮ askable( _ has _, ’Animal’ has’Something’).

◮ askable( _ ’does not’ _, ’Animal’ ’doesnot’ fly).

◮ askable( _ swims, ’Animal’ swims).◮ askable( _ isa ’good flyer’, ’Animal’ isa’good flyer’).

Zasady działania

◮ Q jest faktem – to odpowiada ’Q is true’◮ Dla reguły ’if Condition then Q’ badaj Condition i zbuduj

odpowiedz◮ Jesli Q jest „askable” zapytaj o to uzytkownika◮ Jesli Q jest postaci ’Q1 and Q2’ badaj Q1, dla fałszywego

odpowiedz jest ’Q is false’, w przeciwnym razie zbadaj Q2i zbuduj odpowiednio odpowiedz

◮ Jesli Q jest postaci ’Q1 or Q2’ badaj Q1 oraz zbadaj Q2i zbuduj odpowiednio odpowiedz

Dialog (1)

◮ Question please:◮ peter isa tiger◮ Is it true: peter has hair?◮ yes◮ Is it true: peter eats meat?◮ no◮ Is it true: peter has pointed teeth?◮ yes

Dialog (2)

◮ Is it true: peter has claws ?◮ why◮ To investigate by rule3, peter isa carnivore

To investigate by rule5, peter isa tigerThis was your question

◮ Is it true: peter has claws ?◮ yes◮ Is it true: peter has black stripes ?◮ yes◮ Is it true: peter has tawny colour ?◮ yes

Dialog (3)

◮ (peter isa tiger) is true.◮ Would you like to see how ?◮ yes◮ Peter isa tiger

Was derived by rule5 from Peter isa carnivoreAnd

◮ Peter has tawny colourWas toldAnd

◮ Peter has black stripesWas told.

Dialog (4)

◮ Peter isa carnivoreWas derived by rule3 from

◮ Peter isa mammalAnd

◮ Peter has pointed teethWas toldAnd

◮ Peter has clawsWas toldAnd

◮ Peter has forward pointing eyesWas told.

Dialog (5)

◮ Peter isa mammalWas derived by rule1 fromPeter has hairWas told.

Predykaty składowe shella

◮ expert – uruchami shell◮ explore(Goal, Trace, Answer)

Goal – pytanieTrace – lista celów od pytania głównego do obecnegoAnswer – drzewo dowodu

◮ useranswer(Goal, Trace, Answer) – obsługujedialog z uzytkownikiem

◮ present(Answer) – odpowiada na pytanie „How”

Przeszukiwanie

◮ explore(Goal, Trace, Answer)

◮ Goal(X has feathers) or (X flies) and (X layseggs)

◮ Trace (drzewa przodków)[(peter isa carnivore) by rule3, (peter isatiger) by rule5]

◮ Answer (drzewo dowodu potomka)(peter eats meat) is false was told

Implementacja explore (1)◮ explore( Goal, Trace, _) :-copy_term( Goal, Copy),member( Copy by Rule, Trace),instance_of( Copy, Goal), !, fail.

◮ explore(Goal, Trace,Goal is true was ’found as a fact’) :-fact :: Goal.

◮ explore(Goal, Trace, Goal is TruthValuewas ’derived by’ Rule from Answer) :-Rule :: if Condition then Goal,explore(Condition, [Goal by Rule | Trace],Answer),truth(Answer, TruthValue).

Implementacja explore (2)

◮ explore(Goal1 and Goal2, Trace, Answer) :-!,explore(Goal1, Trace, Answer1),continue(Answer1, Goal1 and Goal2, Trace,Answer).

◮ explore( Goal1 or Goal2, Trace, Answer) :-exploreyes(Goal1, Trace, Answer);exploreyes(Goal2, Trace, Answer).

Implementacja explore (3)

◮ explore(Goal1 or Goal2, Trace, Answer1 andAnswer2) :- !,not exploreyes(Goal1, Trace, _),not exploreyes(Goal2, Trace, _),explore(Goal1, Trace, Answer1),explore(Goal2, Trace, Answer2).

◮ explore(Goal, Trace, Goal is Answer wastold) :-useranswer(Goal, Trace, Answer).

◮ exploreyes(Goal, Trace, Answer) :-explore(Goal, Trace, Answer),positive(Answer).

Implementacja

◮ instance_of(Term, Term1) :-copy_term(Term1, Term2),numbervars(Term2, 0, _), !,Term = Term2.

◮ numbervars( Term, N, Nplus1) :-var( Term), !, Term = var/N,Nplus1 is N + 1.

Implementacja cd.

◮ numbervars( Term, N, M) :-Term =.. [Functor | Args],numberargs( Args, N, M).

◮ numberargs( [], N, N) :- !.

◮ numberargs( [X | L], N, M) :-numbervars( X, N, N1),numberargs( L, N1, M).

Implementacja cd.

◮ truth( Question is TruthValue was Found,TruthValue) :- !.

◮ truth( Answer1 and Answer2, TruthValue) :-truth( Answer1, true), truth( Answer2,true), !,TruthValue = true ; TruthValue = false.

◮ positive( Answer) :-truth( Answer, true).

◮ negative( Answer) :-truth( Answer, false).

Pobieranie odpowiedzi

◮ getreply(R) :-read(Answer),means(Answer, Reply), !;nl, write(’Answer Unknown’),nl,getreply( Reply).

◮ means(yes,yes).

◮ means(y,yes).

◮ ...◮ getreply(Replay),(Reply = yes, interpretyes(...) ;Reply = no, interpretno(...) ;...)

Interpretacja odpowiedzi

◮ askable( X eats Y, ’Animal’ eats’Something’).

◮ ?- useranswer( X eats Y , [] , Answer).

◮ Is it true: Animal eats Something?◮ yes.Animal = peterSomething = meatAnswer = trueX = peterY = meat

Plan prezentacji

Postscriptum

◮ Algorytm pattern-matching rozumowania wprzód◮ C.L. Forgy z Carnegi Mellon w 1979◮ Optymalizacja rozpatyrwania LHS (left-hand side) oraz

RHS (right-hand side)◮ Złozonosc:

◮ R – ilosc reguł◮ F – ilosc faktów◮ P – ilosc dopasowan

naiwna implementacja: O(R ∗ F P)RETE: O(R ∗ F ∗ P)

Pojecia

◮ Kompilacja lewych stron LHS => RHS (if .. then)◮ Zamieniamy reguły na zestawy wezłów z jednym wejsciem

(filtry) i wezłów z dwoma wejsciami (złaczenia)◮ Filtry sprawdzaja czy dany fakt pasuje do elementu LHS◮ Złaczenia zapamietuja fakty, które je czesciowo spełniły

Przykład

◮ if x, y, z then example-2

◮ if x, y then example-3

◮ LHS => RHS◮ (x,y,z) => example-2◮ (x,y) => example-3

Plan prezentacji

Postscriptum

Materiały zródłowe

◮ L.Sterling, E.Shapiro - „The Art Of Prolog”◮ Ivan Bratko - „Prolog – Programming For Artificial

Intelligence”◮ Slajdy zostały przygotowane za zgoda

dr. Michała Korzyckiego na podstawie jego wykładu.

Dziekuje!

systemy ekspertowe 2

Documents

2 | systemy słupów nylofor®

systemy ekspertowe

podstawowe pojęcia, geneza, metody wnioskowania,...

systemy wentylacji pożarowej - wzz.wroc.pl · wentylacja...

vrf fujitsu -...

systemy operacyjne (2)

systemy ekspertowe-zadania. tablice...

systemy wspomagania decyzji · 2013. 2. 18. · systemy...

systemy elektroinstalacyjne sygnalizacja przyzywowa ... ·...

sztuczna inteligencja systemy ekspertowe - teoria

sztuczna inteligencja systemy ekspertowe - przykłady

systemy ekspertowe i sztuczna inteligencja moduŁ trzeci :...

systemy ekspertowe - mblachnik.pl · obliczeniowej zamiast...

medyczne systemy ekspertowe - uniwersytet...

systemy informatyczne w...

niezawodne systemy informatyczne -...

systemy ekspertowe wykorzystujĄce jĘzyk...

systemy zarządzania treścią część 2

systemy alarmowe, monitoring i automatyka bram - basicgsm 2,...

urzĄdzenia i systemy...