intelligens rendszereki. tudásábrázolásszemantikushálókkal...

Intelligens Rendszerek I.Tudásábrázolás szemantikus hálókkal,

keretekkel és forgatókönyvvel

2007/2008. tanév, I. félévDr. Kovács Szilveszter

E-mail: [email protected] 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.


Tudástípusok

• Deklaratív

• Strukturált

• Procedurális


Deklaratív tudás• Csak ismeretek, összefüggések és alkalmazási

utasítások nélkül• Leírása:

– logikai kifejezések– fogalmak – objektumok

• Technikák: – formális logika– O-T-É hármas


Tudásábrázolási módszerek• Szimbolikus (formális) logika

(ítéletkalkulus, elsőrendű logika)• Szabályalapú rendszerek• Szemantikus hálók• Keretek, script-ek• Neurális hálózatok• Modellalapú• Hibrid

DeklaratívStrukturáltProcedurális


szabályeljárás, függvényagendastratégia

Procedurális

szemantikus hálókeret (frame)forgatókönyv, táblázatszabálycsoport

Strukturált

logikaO-T-É hármas

Deklaratív

TechnikaTudástípus

Tudásábrázolási módszerek


Objektum – Tulajdonság (attribútum) – Érték

autó sárgaszín

objektum tulajdonság érték


OTÉ hármas több értékkel

utazás Pécsérintett város

objektum tulajdonság érték

BudapestKecskemét


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.


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.


Szemantikus háló (Quillian)


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


Szemantikus háló


Szemantikus hálóHelikopter

Motoros Sárkányrepülő

Motoros Repülőgép

MotorosRepülő Szerkezet

Üzemanyag Motor

Motor NélküliRepülő

Szerkezet

VitorlázóRepülőgép

Siklóernyő

Ejtőernyő

Gyalogsárkány

Levegőben


Szemantikus háló

• Irányított gráf– Csomópont, levél: objektum, tulajdonság érték– Él: csomópontok közötti reláció (osztályba tartozás

vagy tulajdonság)• Hierarchikus rendszer• Öröklődés


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.


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


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.


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.


Hiányosságok

Repülésképes rá

Madár

Madár

Sas Pingvin Repülésnem képes rá


Hiányosságok


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


• 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


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.


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).


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


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.


Keretek leírása

• grafikus

• táblázatos

• FRL – Frame Representation Language


Grafikus megjelenítés


Táblázatos leírás (osztály)

ismeretlenszín

4kerék

igazgurul

1motortulajdonságok

gépjárműszülő osztály

osztályszemélyautóframe


Táblázatos leírás (példány)

ismeretlenszín

4*kerék

igaz*gurul

1*motortulajdonságok

személyautószülő osztály

példánySuzukiframe


FRL leírásframe: személyautóAKO$: gépjárműslot: kerék: $default: 4

$require: 3, 4motor: $default: 1

$require: 1, 2gurul: $default: TRUE

$require: TRUE, FALSE…


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


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


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.).


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


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


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


Az esetalapú következtetés működése


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


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


Esetalapú szoftvereszközök

Pl:– KATE– ReCall– ReMind

Hibrid eszközökben:– CBR Express– ART IM– ART Enterprise– Eclipse


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

intelligens rendszereki. tudásábrázolásszemantikushálókkal...

Documents