SMART Systems (Vorlesung: KI & XPS)

Systems based on Symbol-Manipulating Automated Reasoning Techniques

Voraussetzungen: Algorithmen und Datenstrukturen (z.B. Suche, Sortieren) Grundlagen der Programmierung

Vorteilhaft: XML, RDF, Verteilte Systeme, Datenbanken

Ralf Möller, Univ. of Applied Sciences, FH-Wedel

SMART Systems (Vorlesung: KI & XPS)

Lernziele der Vorlesung allgemein: Fundamente: Überblicke, Grundprinzipien Techniken: Modellierung, Schlußverfahren Anwendungen im Verteilte-Systeme-Kontext

Lernziele heute: Einführung in das Gebiet "Künstliche Intelligenz"

(KI) Grundidee und Probleme von "Expertensystemen" Prinzipien "einfacher" Verfahren Ausrichtung und Fokus dieser Vorlesung:

Frühzeitig "ran" an die praxisorientierten Themen

Ziele der KI als Teilgebiet der Informatik

KI hat ingenieurwissenschaftliche und kognitionswissenschaftliche

Ziele

Ingenieurwissenschaftliche Ziele:Intelligente Systeme konstruieren

Verbindungen zu den Gebieten- Formale Logik- Statistik / Stochastik- Signalverarbeitung- Regelungstechnik

Kognitionswissenschaftliche Ziele:Menschliche Intelligenz "erklären"

Verbindungen zu- Biowissenschaften- Psychologie- Linguistik- Philosophie © Bernd Neumann

Sichten auf das Gebiet KI

Untersuchungen zur menschlichen Kognition... sind notwendig für Systeme in denen eine

"quasi-natürliche" Interaktion angestrebt wird Übersetzung natürlicher Sprache Generierung von Graphiken (z.B. in Handbüchern)

... sind ein interessantes ForschungsgebietAber: In dieser Vorlesung nicht im Fokus Hier: Konstruktion Intelligenter Systeme (IS)

KI/IS - Die Urzeit

Problemlösen durch Suche in einem Zustandsraum Beispiel: Missionare und Kannibalen, Wasserkrug-Problem

Suche und Optimierung Beispiel: 16-er Puzzle, Fahrplanauskunft Systematische Suche der besten Lösung: A*-Algorithmus Stochastische Suche: z.B. "Genetische" Algorithmen

2-Personen-Nullsummenspiele Beispiel: Tic-Tac-Toe, Dame, Schach Basisverfahren: Minimax-Algorithmus, -Beschneidung

Wasserkrugproblem

© Uwe Schmidt

Wasserkrugproblem (2)Zustand:

Zustandsübergänge:

© Uwe Schmidt

Wasserkrugproblem (3)

© Uwe Schmidt

Suchgraph ohne Zyklenerkennung

Suchgraph mitZyklenerkennungSuchstrategien:

Tiefensuche Breitensuche

Wasserkrugproblem (4)

© Uwe Schmidt

Kosten und Finden eines "besten Weges"Annahme: das "Überschreiten" einer Kante zwischen

Knoten ni und nj im Suchraum verursacht bestimmte Kosten c(ni, nj)

Kosten g(n) für einen Knoten n: Summe der Kantenkosten bis zum Startknoten

Tiefensuche vs. BreitensucheBest-First-Traversierung des SuchraumsA*-Algorithmus (später detaillierter)

Betrachte nicht nur g(n), sondern auch Abschätzung h(n) zum Ziel: Knotenkosten f(n) = g(n) + h(n)

KI/IS - Die Frühzeit: Expertensysteme

Problemlösung durch Anwendung von Wissen: Ersetzung/Replizierung eines menschlichen Experten Zustandsraum nicht ausreichend: "Wissen"

notwendigWissensakquisition beim/mit dem "Experten"Wissensrepräsentation

Relationale Modellierungsstrukturen Regelsysteme zur Manipulation der Strukturen Logische Programmierung (z.B. Prolog)

Statistik/Stochastik/Wahrscheinlichkeitstheorie Neuronale Netze

XPS klassischer Ausprägung

Softwaresysteme mit speziellem Aufgabenbereich: Medizinische/technische Diagnose Konstruktion technischer Geräte/Systeme Beratungssysteme ...

Motivation der Problemlösungsstrategie durch "Nachahmung" des Vorgehens eines "Experten"

… z.B. wenn ein Auto nicht anspringt

Regel 1Wenn(Anlasser Zustand normal)dann (Batterie Zustand OK)Regel 2Wenn (Batterie Zustand OK)Und (Tankuhr Wert > 0)Und (Benzinfilter Zustand sauber)Dann (Problem Ort Zündanlage)Regel 3Wenn (Batterie Zustand OK)Und (Tankuhr Wert > 0)Und (nicht (Benzinfilter Zustand sauber))Dann (Problem Ort Benzinzuleitung)Regel 4Wenn (nicht (Scheibenw. Zustand OK))Und (nicht (Licht Zustand OK))Dann (Defekt Wert Batterie_leer)Regel 5Wenn (nicht Wert Tankuhr > 0)Dann (Defekt Wert Tank_leer)Regel 6Wenn (Problem Ort Zündanlage)Und (Verteilerdose Zustand OK)Dann (Defekt Wert Zündspule)

(Anlasser Zustand normal)

(Scheibenw. Zustand OK)

(Licht Zustand OK)

(Tankuhr Wert > 0)

(Benzinfilter Zustand sauber)

(Verteilerdose Zustand OK)

Inferenz- kompo-nente

(Batterie Zustand OK)

Regelbasiertes Vorgehen: z.B. Diagnose

© Bernd Neumann

ArbeitsspeicherRegelmenge

Hinzufügung

Regelverkettungsstrategien

Vorwärtsverkettung: Gegeben: Symptome Frage: Kann durch Regelanwendung als Konsequenz

eine Diagnose abgeleitet werden?Rückwärtsverkettung:

Gegeben: Diagnose, die bestätigt werden soll Frage: Ist es möglich, die gesuchte Diagnose aus den

Vorbedingungen von Regeln abzuleiten?Mixed-mode ggf. unter Benutzerbefragung

Nicht alles muß direkt im Arbeitsspeicher stehen

XPS und Regelsysteme - Probleme? Mehrdeutigkeiten:

Struktur und Bedeutung der manipulierten Einheiten unklar Kontrollstrategie: Was passiert, wenn mehrere Regeln in einer

bestimmten Situation anwendbar sind? (Negation!) Nur operationale Semantik, kein Korrektheitsbegriff Modellbildungsaufwand, Wiederverwendbarkeit Reihenfolge der möglichen Fragen an Benutzer

willkürlichan maschineller Kontrollstrategie orientiert

Kopplung mit Software-Infrastruktur aufwendig Wissensakquisitionsgedanke oft boykottiert Vorgehen des Menschen nicht immer optimal

Später: Assistenzsysteme (1)

Einbettung von Techniken zur Unterstützung des Menschen in Standard-Softwaresystemen

Anwendungen: Hilfesysteme

Später: Assistenzsysteme (2)

Einbettung von Techniken zur Unterstützung des Menschen in Standard-Softwaresystemen

Anwendungen: Übersetzungssysteme

Später: Assistenzsysteme (3)

Einbettung von Techniken zur Unterstützung des Menschen in Standard-Softwaresystemen

Anwendungen: Layout

IS - Warum keine Simulation des Menschen?

Nachahmung hoffnungslosIn der Anwendung werden

(Teil-)Funktionalitäten benötigt, die kein Vorbild haben

Beherrschbarkeit von InformatiksystemenSoftware-Engineering-Prinzipien notwendig

Siehe auch die Vorlesung "Software-Engineering"Modularisierung notwendig

Neue Generation von XPS-Techniken

KorrektheitsbegriffErklärungsfähigkeitVerwendung von (deklarativen) ModellenSpezielle Modellierungstechniken

z.B. modellbasierte Diagnose z.B. Konfigurierungssysteme

Grundprinzip:

• Konsistenzbasierte Diagnosesystematisches Zurückziehen von Korrektheitsannahmen, die mit den Beobachtungen nicht konsistent sind

• Verhaltensbasierte Diagnosesystematisches Suchen von Verhaltensmodellen, die Übereinstimmung mit Beobachtungen ergeben

Meßwert-vorschläge

vorhergesagtes Verhalten

Fehler-annahmen

beobachtetes Verhalten

Physikalisches System

Computer-internes ModellAbweichungen

Modellbasierte Diagnose

© Bernd Neumann

Kabinenlayout für Passagierflugzeuge

Plazierung der Kabineneinrichtung (Sitze, Küchen, Toiletten, etc.) unter Berücksichtigung von:• Kundenwünschen• Technischen Möglichkeiten• Legalen Beschränkungen• Optimalitätskriterien

Konfigurierung

© Bernd Neumann

Was ist das Gemeinsame hinter den Kulissen?

Beschreibung von Objekten einer AnwendungAuf welchen Techniken basiert die

Problemlösung?Lassen sich Grundprinzipien erkennen? Ja! Davon berichtet diese Vorlesung!Die Vorlesung vermittelt Grundlagen, um z.B.

obige Anwendungen in sicherer Weise mit minimalem Aufwand zu erstellen

Bezug dieser Vorlesung zu WI und MI

Erklärung von Repräsentationssprachen anhand von Beispielen in Geschäftsanwendungen

Grundlagen der Modellbildung und ModellierungPraktisch verwendbare

Repräsentations- und AnfragesprachenInferenzdienste und -algorithmenSMART-Systems:

Systems based on Symbol-Manipulating Automated Reasoning Techniques

Abgrenzung: RobotiksystemeTechnische Systeme

Signalverarbeitung dominiertKennzeichen

Autonomie Beweglichkeit Sensoren Aktuatoren

SciFi-Beispiele R2D2, C3PO

Aktuell: RoboSoccer

Abgrenzung: Subsymbolische Modellierung

Handschrifterkennung

Das Mehrschichtensystem "lernt" handgeschriebene Zeichen zu erkennen.Dabei "lernen" die verborgenen Zellen (hidden units), wichtige Merkmale in der Eingabe zu erkennen.

0 1 2 3 4 5 6 7 8 9

© Bernd Neumann

Der Anwendungskontext: Vernetzung

intranet

ISP

desktop computer:

backbone

satellite link

server:

network link:

Voraussetzungen für SMART-Systems

Middleware für verteilte SystemeTechnische Voraussetzungen für Verteilung

und Strukturierung (z.B. Agenten)Siehe die Vorlesung "Realisierung verteilter

Anwendungen"Verteilte

Geschäfts-anwendungen

Ein Szenario

Unternehmensübergreifende Standards

zur Produktmodellierungzum Informationsaustausch (B2B, B2C,

App2App) Stichwort: Enterprise Application Integration Nicht die Übertragung von Daten macht Probleme,

aber die Bedeutung der ausgetauschten Informationseinheiten

XML, RDF

XML: eXtensible Markup Language Nur syntaktische Einschränkung von

Graphstrukturen durch DTDs (Document Type Definitions)

Nur für Menschen "lesbar"RDF: Resource Description Framework

Metadaten zur Beschreibung von DatenGrundlagen von Beschreibungssprachen

Repräsentationsmittel und derenformale Semantik

InferenzenWas kann ich hier lernen?

SMART-Systems

Netzwerkorientierte Softwaresysteme, ... Server, Komponenten, Agenten

... die in klassische Anwendungen (z.B. E-Business-Systeme) eingebettet werden,

in Kommunikation miteinander treten,ihre Umgebung befragen (Sensoren) und auch

beeinflussen (Aktoren) sowieplanen und handeln, um ein (vorgegebenes) Ziel zu erfüllen

Warum SMART-Systems?

Heterogenität der Umgebungen Wechsel der Umgebung bei Agenten Modularisierungsgedanke auch bei statischer

UmgebungImplizite Voraussetzungen bei der

Kommunikation mit der Umgebung Systeme von Begrifflichkeiten (Ontologien) Konventionen oder "Übersetzung" notwendig Schließen über implizite Informationen notwendig ggf. durch Vermittler (Broker)

Warum SMART-Systems?

Software- oder Werkzeug-orientierte Sicht auf verteilte Systeme reicht nicht!

OOA- und OOD nicht für heterogene SystemeRepräsentationstheorie für Begrifflichkeiten,

Ereignisse, Vorgänge und raum-zeitliche Phänomene notwendig (vgl. DB-Theorie)

Theorie der Ereigniserkennung, des Planens, des Handelns und der Kommunikation erforderlich

Automat. Schließen über implizite Informationen

Aktuelles Schlagwort: Wissensmanagement

Wirtschaftswissenschaft: z.B. Arbeitsorganisation

Informatik: z.B. das "Semantic Web"Bereitstellung und Suche von InformationenInformationen im Web

nicht nur für denMenschen "lesbar"

Informationen im Webzur maschinellenVerarbeitung

Diese Vorlesung: SMART-Systems

Formale Repräsentations- und InferenzsystemeWichtig aus Sicht der WI und MI:

Verstehen der Grundlagen des "Semantic Web" Verstehen der Grundlagen von Agentensystemen

Übertragung in andere Anwendungskontexte z.B. Diagnose, Konfigurierung, Bild- und

SprachverstehenAus Sicht der Forschung:

Neue Repräsentationsstrukturen Neue Inferenzalgorithmen zur Anfragebeantwortung

Probleme und Herausforderungen

Repräsentationssprachen Syntax und Semantik (letzteres ist wichtiger!)

Anfragesprachen (Inferenzdienste) Pragmatik

Informationsintegration: Schließen über Schemata

Schließen über WissenszuständeErmangelungsschließen / NichtmonotoniePlanen und KonfigurierenLernen

Literatur, Details und Zusatzinformationen

http://www.fh-wedel.de/~mo/lectures/smart.htmlHandbuch der Künstlichen Intelligenz

G. Görz, C.-R Rollinger, J. Schneeberger (Hrsg.)Principles of

Knowledge Representation G. Brewka (Hrsg.)

Semantic Web: Systeme und Werkzeuge

Universitäten: http://kogs-www.informatik.uni-hamburg.de/~race/ http://www.cs.man.ac.uk/FaCT http://img.cs.man.ac.uk/oil ...

Firmen: http://www.wimmelvonbargen.de/ http://www.ontoprise.de/ http://www.networkinference.com/ ...

Organisatorisches

Sprechstunde RM: Dienstag nachmittagKlausur

Wann? Am Ende des Semesters Wo? Wie lernt man für dieses Fach?

Wiedergeben Anwenden Übertragen

Übungen zur Klausurvorbereitung unter: http://www.fh-wedel.de/~mo/lectures/smart.html

Was kommt beim nächsten Mal?

Wir werden konkreter und ...... diskutieren Repräsentations- und

Inferenzechniken ...... anhand von Beispielen in

GeschäftsanwendungenInsbesondere: "Ontologien" und die

Herausforderung des "Semantic Web"