Inteligentne Systemy Obliczeniowe Wstęp do systemów ekspertowych

Inteligentne Systemy Inteligentne Systemy ObliczenioweObliczenioweWstęp doWstęp do systemów ekspertowychsystemów ekspertowych

Prof. Dr hab. Marek Rudnicki

Prof.. Marek Rudnicki

SYSTEMY EKSPERTOWE i SZTUCZNA INTELIGENCJA

Inteligencja - (psych.) zespół zdolności umysłowych umożliwiających jednostce sprawne korzystanie z nabytej wiedzy oraz skuteczne zachowanie się wobec nowych zadań i sytuacji. Sztuczna Inteligencja (skrót AI od angielskiego określenia Artificial Intelligence ) - to pojęcie stosowane w informatyce i oznaczające rozwiązywanie problemów sposobami wzorowanymi na naturalnych działaniach i procesach poznawczych człowieka za pomocą symulujących je programów komputerowych. Definicji AI jest niemalże tyle, co osób zajmujących się nią. Możliwa jest szeroka definicja (Shalkoff,1990):


Sztuczna inteligencjaSztuczna inteligencja

AI - dziedzina badań, które usiłują wyjaśnić i emulować zachowanie inteligentne w terminologii procesów obliczeniowych "in terms of computational processes". Zatem AI nie jest czystą nauką (część objaśniająca) ani podstawą nowatorskiej (engineering) inżynierskiej dyscypliny (część emulacyjna). Wyjaśnia to interdyscyplinarną naturę sztucznej inteligencji jako dziedziny. W literaturze podawana jest też definicja inżynierska sztucznej inteligencji, jako: AI to generowanie reprezentacji i procedur, które automatycznie i autonomicznie rozwiązują problemy, które dotychczas były rozwiązywane przez człowieka (Shalkoff, 1990, Charniak, McDetmott, 1985).


Sztuczna inteligencjaSztuczna inteligencja”Celem AI jest zrozumienie inteligencji tak, by możliwe było wykorzystanie jej do przeprowadzania obliczeń". Odróżnia to AI od rozwoju konwencjonalnego oprogramowania dla wąsko zdefiniowanych zadań, jakie można spotkać w systemach ekspertowych. Często utożsamia się AI z ES, z powodu przewagi ES, co jest głównym źródłem zamieszania na temat: co stanowi AI. Zakres problemów zawierających się w ramach AI jest dość szeroki: gry, dowody twierdzeń, rozpoznawanie obrazów, przetwarzanie języków naturalnych, rozpoznawanie mowy, systemy ekspertowe.


Systemy ekspertoweSystemy ekspertoweSystem - uporządkowany wewnętrznie układ elementów mający określoną strukturę (całość); zespół zasad organiz., norm i reguł obowiązujących w danej dziedzinie; w metodologii zespół sposobów działania (metoda).

System Ekspertowy (skrót ES od ang. nazwy Expert Systems) - komputerowy program konsultacyjny, wspomaga decyzje zastępując eksperta w danej dziedzinie, np. w diagnostyce medycznej. Naśladowanie przez system ekspertowy procesu myślenia człowieka jest związane z preferowanym przez projektantów systemów podejściem do problemu rozwiązywania zadań. W podejściu tym komputer jest traktowany jako obiekt badań, natomiast umysł ludzki jest modelem, wzorcem do naśladowania.


Systemy eskpertoweSystemy eskpertoweSystemy ekspertowe są programami, zwykle ograniczonymi do specyficznego zakresu, próbującymi naśladować zachowanie ekspertów - ludzi. Typowe atrybuty ES to:

1. Wiedza jest zwykle reprezentowana w postaci deklaratywnej, umożliwiającej łatwe odczytywanie i modyfikację. Większość ES wykorzystuje struktury 'jeśli przesłanki to akcje ' (IF-THEN), systemy bazujące na regułach.

2. Struktura wiedzy jest klarowna (wyłączając neuronowe ES).

3. Reprezentacja wiedzy i mechanizm sterujący są rozdzielone. Często mechanizm sterujący korzysta z reguł, tzw. meta-reguł.

4. Ważny z punktu widzenia użytkownika interfejs I/O, pozwala na zadawanie pytań i uzyskiwanie wyjaśnień (praca interaktywna).

5. Moduły zdobywania wiedzy i modyfikacji wiedzy są często używane dla rozszerzania systemów ekspertowych.


Wiedza eksperta jest zasobem rzadkim i drogim.

ES pozwalają większemu gronu ludzi działać jako 'ekspert'. Jest to użyteczne przy szkoleniu itp. Edukacyjna rola ES jest bardzo duża, np. MYCIN (system służący do diagnozowania chorób bakteryjnych) doskonale nadaje się do uczenia studentów medycyny, nie ryzykując zdrowiem pacjenta.

Połączenie wiedzy kilku ekspertów może spowodować, że ES działa lepiej niż pojedynczy ekspert. Na świecie z powodzeniem pracują systemy ekspertowe (np. MYCIN, PUFF, DENDRAL, PROSPECTOR).

CzynnikiCzynniki pobudzające rozwój pobudzające rozwój systemów ekspertowychsystemów ekspertowych


CzynnikiCzynniki pobudzające rozwój pobudzające rozwój systemów ekspertowychsystemów ekspertowych

Różnice między systemami ekspertowymi pracującymi w czasie rzeczywistym a konwencjonalnymi ES. Tradycyjne systemy ekspertowe najczęściej znajdują zastosowania w zagadnieniach diagnostycznych i konsultacyjnych. W aplikacjach pracujących w czasie rzeczywistym, wnioskowanie odbywa się z uwzględnieniem najczęściej wielu szybko zmieniających się danych (high-input data rates), krytycznym wymogiem jest 'wyprodukowanie' właściwej odpowiedzi w odpowiednim, krótkim przedziale czasu. Coraz częściej technologie bazujące na systemach ekspertowych znajdują zastosowania w zadaniach czasu rzeczywistego, zwłaszcza w szczególnie ważnych zadaniach (mission-critical applications).


Pamięć

Pamięć długotrwała człowieka przechowuje m.in. wiedzę o metodach rozwiązywania problemów, dane o wzajemnej zależności obiektów i osób, ważniejsze wydarzenia i szczegóły. Pamięć krótkotrwała jest natomiast pamięcią wykorzystywaną do pamiętania bieżących problemów i spraw.


PamięćPamięć

Obszar pamięci systemu, w którym informacje są przechowywane w postaci symbolicznej, nazwano Bazą danych, BW (ang. Knowledge Base, KB). Pamięć krótkotrwałą człowieka zastąpiono Bazą danych bieżących, układ efektorowy zastąpiono układem układem translacji informacji między wejściem i wyjściem systemu, natomiast procesor poznawczy zastąpiono układem interpretacji metody. System z bazą danych, wykonany w taki sposób, może komunikować sie ze światem zewnętrznym za pośrednictwem użytkownika.

Prezentowany system ma zdolność przetwarzania informacji zależnie od jej znaczenia i dlatego przyjęto nazywać go SYSTEMEM EKSPERTOWYM.


SESE

Jest programem komputerowym, który komunikuje się ze światem zewnętrznym za pośrednictwem operatora oraz dysponuje określonym wycinkiem wiedzy, definiowanym jako dziedzina i wykorzystywanym do rozwiązywania problemów występujących w świecie rzeczywistym.

Nazwa system ekspertowy jest uzasadniona tym, że w czasie rozwiązywania postawionych zadań naśladuje on sposób rozumowania ludzi - ekspertów. Ułatwia on również ludziom uzupełnianie ich wiedzy oraz pomaga w efektywnym wykonaniu pracy.


Cechy SECechy SE

Systemy ekspertowe, ze względu na sposób działania oraz powierzone funkcje, mają następujące cechy charakterystyczne:

wykorzystują bazę wiedzy, w której są gromadzone opinie ekspertów dotyczące określonej dziedziny przedmiotowej,

użytkownikom udzielają logicznie uzasadnionych odpowiedzi na pytania dotyczące wybranej dziedziny przedmiotowej,

są wyposażone w układy interfejsowe, umożliwiające komunikowanie się użytkowników z systemem w języku coraz bardziej zbliżonym do języka naturalnego.


SESE

Systemy Ekspertowe pracujące w czasie rzeczywistym znajdują zastosowanie w wielu rzeczywistych zadaniach sterowania przebiegiem procesu. Jedną z zalet, jakie daje ich stosowanie to bardzo dobre rezultaty w krótkim czasie. Działanie jest spójne niezależnie od czasu i położenia geograficznego, w których odbywa się proces. Systemy ekspertowe czasu rzeczywistego mogą wykonywać również użyteczne wstępne przetwarzanie danych, z których wyniki wykorzystywane są przez operatorów ludzi; pełnią wtedy bardzo istotną rolę pomocniczą dla pracy operatora.


SESE

Nawet wtedy, gdy cała wymagana dla sterowania wiedza nie może być zredukowana do postaci reguł czy innej akceptowanej przez ES, stosowanie systemów ekspertowych może okazać się pożądane dla celów odpowiedniej filtracji wiedzy niezbędnej operatorowi. Ułatwia mu to podejmowanie decyzji i może eliminować zmęczenie lub nudę, co może przyczyniać się do lepszej reakcji operatora w ważnych sytuacjach i zapewnić większe bezpieczeństwo. Innym zyskiem zastosowania systemów ekspertowych pracujących w czasie rzeczywistym w sterowaniu procesami jest ich zdolność do wysokiej jakości przetwarzania często zmieniających się danych poprzez pełniejsze monitorowanie i inicjowanie akcji prewencyjnych.


SESE


SESE

EKSPERTEKSPERT

Człowiek posiadający specjalistyczną wiedzę z pewnej dziedzinie (wiedzę dziedzinową) i umiejętność stosowania jej dla podejmowania decyzji związanych z tą dziedziną (umiejętność wnioskowania w oparciu o posiadaną wiedzę), nabyte w wyniku studiów i praktyki.

SYSTEMY EKSPERTOWESYSTEMY EKSPERTOWE

Programy komputerowe wspomagające podejmowanie decyzji, których elementami są:• baza wiedzy, zawierająca wiedzę dziedzinową, istotną dla podejmowanych decyzji, • system wnioskujący, korzystający z bazy wiedzy dla wypracowania tych decyzji.

SYSTEMY EKSPERTOWESYSTEMY EKSPERTOWEPozostałe elementy systemu ekspertowego: • edytor bazy wiedzy, do tworzenia, modyfikowanie i kasowanie bazy wiedzy• interfejs użytkownika, do korzystania z systemu ekspertowego• dynamiczna baza danych - relacyjna baza danych do przechowywania odpowiedzi użytkownika i wyników wnioskowania


Struktura SEStruktura SE


STRUKTURA FUNKCJONALNA STRUKTURA FUNKCJONALNA SYSTEMU EKSPERTOWEGOSYSTEMU EKSPERTOWEGO

BAZA WIEDZY

SYSTEMWNIOSKUJĄCY

EDYTORBAZY

WIEDZY

INTEREJS UŻYTKOWNIKA

DYNAMICZNA BAZA

DANYCH


STRUKTURA INFORMATYCZNA STRUKTURA INFORMATYCZNA SYSTEMU EKSPERTOWEGOSYSTEMU EKSPERTOWEGO

INTERFEJSUŻYTKOWNIKA

EDYTORBAZY

WIEDZY

DYNAMICZNA BAZA DANYCH

SYSTEM WNIOSKUJĄCY

BAZA WIEDZY

Plik wykonywalny(Skorupowy system

ekspertowy)

Plik tekstowy

Istotna cecha systemu ekspertowegoIstotna cecha systemu ekspertowego

Baza wiedzy jest plikiem tekstowym, który może być tworzony, czytany i modyfikowany za pomocą edytora bazy wiedzy bez naruszania integralności systemu wnioskującego.

Umożliwia to szybkie odczytanie, zrozumienie i modyfikowanie wiedzy dziedzinowej, z której korzysta system ekspertowy


STRUKTURA BAZY WIEDZYSTRUKTURA BAZY WIEDZY

Baza wiedzy

Baza reguł

Baza rad

Baza ograniczeń

Pliki rad

Baza modeli


Spotykane synonimySpotykane synonimy

• system ekspertowy• program regułowy • program z regułową bazą wiedzy


Baza rad

Pliki rad


Baza reguł - wiedza dziedzinowa logiczna

Baza ograniczeń - wiedza dziedzinowa logiczna

Baza modeli - wiedza dziedzinowa matematyczna

wiedza dziedzinowa uzupełniająca i wyjaśniająca



Baza reguł

Baza ograniczeń

Baza modeli

Baza rad

mają postać klauzulzawierających zmienne


Zmienne stosowane w systemach ekspertowych Zmienne stosowane w systemach ekspertowych RMSERMSE

Zmienne łańcuchowe : Dowolny ciąg znaków rozpoczynający i kończący się cudzysłowem górnym “.

W systemach ekspertowych RMSE są stosowane wyłącznie zmienne łańcuchowe


Podstawowe typy zmiennych łańcuchowych w Podstawowe typy zmiennych łańcuchowych w systemach ekspertowych dokładnychsystemach ekspertowych dokładnych

zmienne łańcuchowe typu:

• logicznego• rzeczywistego • całkowitego


Logiczne zmienne łańcuchowe :

“Nazwa” jest logiczną zmienną łańcuchową,jeżeli Nazwa przyjmuje tylko wartości ze zbioru stałych logicznych {Prawda, Nieprawda}



Rzeczywiste zmienne łańcuchowe :

“Wartość” jest rzeczywistą zmienną łańcuchową, jeżeli Wartość przyjmuje wartości rzeczywiste



Całkowite zmienne łańcuchowe :

“Wartość” jest całkowitą zmienną łańcuchową, jeżeli Wartość przyjmuje wartości całkowite



BAZA REGUŁBAZA REGUŁ

Reguły = wiedza dziedzinowa o charakterze ogólnym

FAKTY

REGUŁY

Fakty = wiedza dziedzinowa o charakterze szczegółowym



Przykład reguły:

Jeżeli student_x_otrzymał_wszystkie_zaliczenia_w_terminie i student_ x_zdał_wszystkie_egzaminy_ w_terminie, to student_x_uzyska_wpis_na_kolejny_semestr

Przykład faktu:

student_J.Kowalski_ zdał_wszystkie_egzaminy_ w_terminie



Reguły: zdania warunkowe, np. – w języku polskim: A jest prawdą, jeśli B i C i D są prawdą – w logice: B i C i D A lub – w Prologu: A :- B, C, D

B, C, D – warunki regułyA – wniosek reguły - symbol implikacji w logice:- - symbol implikacji regułowej w Prologu


BAZA REGUŁ

regula(Numer_reguły, Wniosek,

Lista_warunków,

Semafor_wyświetlania)

fakt(Warunek_dopytywalny)

Klauzule dokładnej bazy reguł:


System ekspertowy- definicjaSystem ekspertowy- definicja

• System ekspertowy (doradczy): program komputerowy wykorzystujący procedury wnioskowania do rozwiązywania problemów, które są na tyle trudne, że wymagają znaczącej ekspertyzy specjalistów.

• Wiedza (niezbędna, by zapewnić odpowiedni poziom ekspertyzy), wraz z procedurami wnioskowania - model ekspertyzy, posiadanej przez najlepszych specjalistów w danej dziedzinie.


System ekspertowySystem ekspertowy

Wiedza systemu eksperckiego: fakty i heurystyki. Fakty: powszechnie akceptowane przez specjalistów. Heurystyki: informacja subiektywna, która charakteryzuje proces oceny przez określonego specjalistę. Heurystyki: intuicyjne domysły, przypuszczenia, zdroworozsądkowe zasady postępowania. Poziom ekspertyzy - funkcja rozmiaru i jakości bazy wiedzy danego systemu.


Po coPo co

Dlaczego?1. Koszty: w dłuższym okresie czasu są znacznie tańsze, pomagają w

rozwiązywaniu problemów wymagających najbardziej specjalistycznej (najdroższej) wiedzy.

2. Brak ekspertów.3. Pracują szybciej, nie męczą się, są bardziej niezawodne niż ludzie.4. Konsekwentne, spójne, obiektywne, dokładne. 5. Zawsze do dyspozycji (nie strajkują!).6. Analiza dużych ilości danych wymaga komputera.SE: systemy oparte na wszystkich sposobach reprezentacji wiedzy, najczęściej w postaci reguł produkcji.


Etapy tworzenia SEEtapy tworzenia SE

Analizy problemu - oceny, czy budowa SE dla danego problem ma sens.Specyfikacji systemu - szczegółowego określenia funkcji i oczekiwań.Akwizycji wiedzy - zgromadzenia, wydobycia z ekspertów i organizacji wiedzy.Wyboru metody reprezentacji wiedzy i narzędzi do budowy SE.Konstrukcji systemu - utworzenia bazy wiedzy, reguł wnioskowania, systemu wyjaśniającego rozumowanie i prowadzenia dialogu z użytkownikiem.Weryfikacji i testowania systemu.Akwizycja wiedzy wymaga transferu ekspertyzy i jej reprezentacji.


Postać wiedzyPostać wiedzy

Fakty z danej dziedziny wiedzy, np: „W starych silnikach Diesla przy przegrzaniu dochodzi do gwałtownego podwyższenia obrotów na skutek chwilowego spalania oleju.”Reguły typu: „Przed zdjęciem obudowy wyciągnąć wtyczkę.”Heurystyki, czyli co by tu zrobić: „Jak nie zaskakuje a jest iskra to warto sprawdzić przewód paliwa”.Ogólne strategie postępowania. Teoria danej dziedziny, np. działania silników samochodowych.


Akwizycja wiedzyAkwizycja wiedzy

• prowadzenie wywiadów z ekspertami• analiza kwestionariuszy wypełnianych przez

ekspertów• analiza raportów pisanych przez ekspertów• analiza komentarzy ekspertów wykonywanych w

czasie pracy• obserwacja ekspertów przy pracy• introspekcja


Rodzaje cd.Rodzaje cd.

Systemy kontrolne pozwalające na sterowanie skomplikowanymi systemami, takimi jak automatyczne zakłady produkcyjne itp.

Systemy diagnostyczne to jedno z najbardziej popularnych zastosowań SE, w zagadnieniach technicznych, medycynie, analizie chemicznej i wielu innych problemach.

Systemy testujące pomagają przy znajdywaniu problemów i mogą być częścią systemów kontrolnych lub systemów diagnostycznych.

Systemy naprawcze nie tylko prowadzą testy ale i planują działania korekcyjne. Można do nich zaliczyć również niektóre systemy medyczne, zalecające leczenie.

Systemy projektujące wspomagają prace projektowe, takie jak projektowanie układów elektronicznych, CAD czy CAM.


Rodzaje systemów ekspertowychRodzaje systemów ekspertowych

Systemy edukacyjne czyli CAI, lub ICAI (Intelligent Computer Aided Instruction), a więc inteligentne wspomaganie nauczania, systemy algebry symbolicznej.

Systemy interpretujące wspomagające analizę i interpretację informacji, wydobywanie informacji z baz danych, interpretujące dane geologiczne.

Systemy planistyczne wspomagające strategiczne działanie i planowanie zadań, np. planowanie syntezy związków chemicznych czy budowy systemów komputerowych.

Systemy prognostyczne wspomagające wyciąganie wniosków i przewidywanie tendencji.


Konstrukcja systemów ekspertowychKonstrukcja systemów ekspertowych

Zwykle próbuje się oddzielić bazy wiedzy od mechanizmów wnioskowania.

Reguły produkcji: <obiekt,atrybut,wartość>, np. <samochód,kolor,czerwony>

Stosowane są też ramy, sieci semantyczne, sieci Bayesowskie, reprezentacje bezpośrednie i proceduralne;

rzadziej reprezentacje logiczne.

Alternatywy dla ES prowadzących wnioskowanie: symulacje sytuacji w różnych warunkach, oceny statystyczne.


Rodzaje rozumowania Rodzaje rozumowania

DSS (Decision Support Systems), Inteligentne DSS? Dialog z użytkownikiem + wyjaśnienia sposobów wnioskowania.

ES nie zawsze system rozumuje w sposób podobny do człowieka - inne ograniczenia.

• Rozumowanie retrospektywne (które reguły i dlaczego)

• Rozumowanie hipotetyczne (co by było gdyby ...)

• Rozumowanie „wbrew faktom” (counterfactual reasoning) - dlaczego nie udało się osiągnąć spodziewanych konkluzji?


Architektury ES Architektury ES

• Architektura hierarchiczna:poziom faktów z danej dziedziny + przynajmniej jeden meta-poziom, wiedza strategiczna, fakty dotyczące reguł niższego poziomu.Systemy hierarchiczne działające w szerszych domenach wiedzy tworzą drzewa taksonomiczne usiłując podzielić całą wiedzę na rozłączne specjalistyczne dziedziny.

• Architektura wielowarstwowa: kilka warstw, leżące wyżej kontrolują działanie na niższym poziomie; meta-wiedza i kryteria strategicznego planowania i działania.

Czasami przestrzeń zamiast warstwy, np. przestrzeń działania (konkretne akcje), przestrzeń planowania (określanie celów bieżących), przestrzeń strategii (koncentracja uwagi na jakimś obszarze, cofanie działań).


Przykład architektury warstwowej Przykład architektury warstwowej (MolGen)(MolGen)

InterpreterKoncentracjaPodsumowanieZgadujCofnij

Przestrzeń strategii

Sprawdź przewidywaniaOperatorykorygująceProponuj Cel

Przestrzeń projektu

SortujTransformujPołączTestuj

Przestrzeń działania

Meta-plany

Akcje


Architektury ES 2Architektury ES 2

• Architektura tablicowa (blackboard): łączenie wiedzy z kilku źródeł w „pamięci roboczej”, z której korzystają moduły wnioskujące. Jedna lub kilka tablic, informacje mają hierarchiczną strukturę o wzrastającym stopniu szczegółowości.

Zastosowana po raz pierwszy w systemie HEARSAY, jednym z pierwszych działających systemów do rozpoznawania mowy.

• Architektura hybrydowa: regułowo-koneksjonistyczna

Umożliwia automatyczne tworzenie skojarzeń. Systemy koneksjonistyczne mogą służyć odkrywaniu wiedzy na podstawie analizy danych; wiedza dodawana jest do systemu. Przykład: MMPI-IDSS


Architektury ES 2Architektury ES 2

• Architektura symulacyjna: modele numeryczne danej dziedziny, zależności funkcyjne nie dające się uchwycić w postaci reguł.Systemy tworzące sieci przyczynowych powiązań (causal networks) lub probabilistyczne sieci Bayesowskie.

• Architektura korzystająca z analogii (case-based reasoning). W wielu dziedzinach (prawo, medycyna) podstawą rozumowania są analogie, precedensy. Korzystają z bazy danych opisujących znane przypadki, ocen podobieństwa, reguł szukania i używania analogii. Zawierają opis klas problemów, jakie potrafią rozwiązać, wraz ze schematami rozwiązań i sposobami określania podobieństwa do znanych przypadków z danej klasy.


Konstrukcja Konstrukcja ES ES Systemy klasyfikujące: wybór rozwiązania z ustalonej grupy. Systemy konstruujące: składanie rozwiązania z elementów.

Problem: niepewność wiedzy.Prawdopodobieństwa warunkowe, współczynniki ufności lub pewności (confidence factors), teoria wiarygodności, teoria zbiorów rozmytych.

Metodologia konstrukcji dużych systemów, podobna do narzędzi CASE: KADS, Common KADS i Pragmatic KADS.


Języki programowania do tworzenia SEJęzyki programowania do tworzenia SE

LISP (od: List PROcessing, przetwarzanie list), 1958, John McCarthyCommon Lisp 1984 rok, wiele dialektów, np. SchemeCLOS (Common Lisp Object System) Pakiety graficzne (np. AUTOCAD), interfejsy użytkownikaKomputery dla Lispu: stacje SYMBOLICS Język funkcyjny: listy i funkcje (minimalnie 7 funkcji pozwala zrealizować

model maszyny Turinga) FACTORIAL(N):

(COND ( ( EQUAL N 1) 1 )(TRUE (TIMES N (FACTORIAL (DIFFERENCE N 1))) ))


Historia języka LispHistoria języka Lisp

•Lisp--opracowany (ok. 1958) przez logika Johna McCarthy•Stosowany w AI od 30 lat•Zastosowania praktyczne» Systemy ekspertowe & oraz aplikacje AI» Rapid Application Development (RAD)


Historia języka LispHistoria języka Lisp

•Lisp stosowany jest jako język wbudowany•Zastosowania: edytor tekstowy EMACS (MLisp)oraz AutoCAD (AutoLisp).•Język Prolog jest wbudowany w MS Office•Działa na głównych platformach sprzętowych•Liczne wersje free- oraz shareware.• Standard: Common Lisp


LISPLISPLISP jest uniwersalnym językiem przetwarzania symbolicznego, o sprawnych i łatwo przystosowalnych strukturach danych. Nazwa LISP jest skrótem od LISt Procesor. Dane i program w LISP mają tę samą budowę, dlatego język ten jest wykorzystywany do pisania programów samomodyfikujących się oraz generujących inne programy. LISP umożliwia tworzenie nowych języków programowania. Na rynku dostępne są interpretowane i kompilowane wersje LISP.


LISPLISP

Słabszą stroną tego języka jest współpraca z istniejącymi, tradycyjnymi pakietami programowymi. Wadą języka LISP jest również duża zajętość pamięci oraz wolne działanie programów. Cechą języka LISP, przez jednych uważaną za wadę, a przez innych za zaletę, jest brak rozbudowanych mechanizmów podejmowania decyzji. Większość struktur kontrolnych w tym języku należy tworzyć stosownie do zastosowań.


Języki SEJęzyki SE cd cd

Prolog (Programming in Logic), Marsylia i Edynburg. Realizacja rachunku predykatów pierwszego rzędu, do prototypów, Prolog w projekcie V generacji; raczej mniejsze systemy lub prototypy Inne: POP-2 do POP-5, FUZZY Expert System Shells (ESS): EMYCIN, KAS (Knowledge Aquisition System), OPS5, KEE, Knowledge Engineering Environment, KES ESS: czas opracowania systemu 10-20 razy krótszy Ostatnio również języki zorientowane obiektowo: C++, Smalltalk, Dylan


PrologProlog

•Prolog opracowany został w 1972 przez specjalistę AI Alana ColmeraurerRozwinięty na University of Montreal oraz University ofMarseilles•Stosowany w systemach kspertowych & i aplikacjach AI w tym przetwarzanie języków•Dostępny na głównych platformach sprzętowych•Wersje free oraz shareware•Standard: ‘Edinburgh-style’


PROLOGPROLOG

PROLOG jest eleganckim, matematycznie czystym językiem wykorzystującym rachunek predykatów. Program napisany w PROLOG-u wykorzystuje metodę rezolucji Robinsona. Dane oraz wiedza są zapamiętywane w formie przypuszczeń i reguł na bazie twierdzeń. Powyższe cechy predysponują PROLOG do rozwiązywania problemów, w których występuje potrzeba formułowania wielu hipotez.

Wiedza może być uporządkowana z wykorzystaniem hierarchicznych zależności oraz zstępującej strategii rozwiązywania problemów.


Prolog & LispProlog & Lisp

Dane i programy są listamiProgramowanie modularne za pomocą licznych funkcjiDuża liczba nawiasów z których nie wszystkie są znacząceListy są drzewami binarnymi!Definicja rekursywna


Niepewność i logiki nieklasyczneNiepewność i logiki nieklasyczne

Logika założeń (default logic): nie zawsze prawdziwe wnioski.Przestrzeń wierzeń (belief spaces), odróżnia punkty widzenia. Informacja nieznana i informacja prawdopodobna.Logika wielowartościowa (Łukasiewicz, Tarski): określa kilka stopni prawdziwości stwierdzeń, np: Wykształcony(x) = [0, 0.3, 0.6, 1]. Logika rozmyta: nieskończenie wiele stopni. Wnioskowanie statystyczne i metody probabilistyczne: prawd. p(Hi |E) prawdziwości hipotezy Hi przy danej ewidencji E.

Rodzaje niepewnościRodzaje niepewności• Niepewność stochastyczna: Np. rzut kostką, wypadek, ryzyko ubezpieczenia - rachunek prawdopodobieństwa.

• Niepewność pomiarowa Około 3 cm; 20 punktów - statystyka.

• Niepewność informacyjna: Wiarygodny kredytobiorca, spełniający warunki - data mining, szukanie prawidłowości, skojarzeń.

• Niepewność lingwistyczna Np. mały, szybki, niska cena ...

Logika rozmyta (L. Zadeh 1965) i logika przybliżona.

Zbiory rozmyteZbiory rozmyteX uniwersum, zbiór uniwersalny, przestrzeń; x XA zmienna lingwistyczna, koncepcja, zbiór rozmyty.Funkcja przynależności określa stopień, w jakim x należy do A.

Zmienne lingwistyczne: sumy zbiorów rozmytych, koncepcje, predykaty logiczne o ciągłych wartościach. Stopień przynależności to nie prawdopodobieństwo; np. łysy w 80% to nie łysy 1 na 5 razy.Prawdopodobieństwo jest unormowane do jedynki, funkcja przynależności nie.Rozmyte pojęcia są subiektywne i zależne od kontekstu.

: [0,1]A X

PrzykładyPrzykładyKlasyczne i rozmyte pojęcie „młody człowiek”

„Temperatura wrzenia” ma wartość około 100 stopni (ciśnienie, skład chemiczny).

22 100TW T e

A=“młody”

x [lata]

1

0

=0.8

x=23

A=“młody”

x [lata]

1

0x=20

DefinicjeDefinicje

Support (baza) zbioru rozmytego A:supp(A) = { x X : A(x) > 0 }

Core (jądro) zbioru rozmytego A:core(A) = { x X : A(x) =1 }

-cut (-cięcie) zbioru rozmytego A:A = { x X : A(x) > }

=0.6

Wysokość = max x A(x) 1

Zbiór rozmyty normalny: sup x X A(x) = 1

Funkcje PrzynależnościFunkcje Przynależności

(x)

Singleton: (a,1) i (b,0.5)

x

1

0 a b

(x)

x

1

0 a b c

Trójkątna: <a,b,c>

; , , max min , ,0x a c xT x a b cb a c b

Zmienne lingwistyczneZmienne lingwistyczneW=20 => Wiek=młody. Zmienna lingwistyczna = wartość lingwistyczna.Zmienna lingwistyczna: : temperatura termy (zbiory rozmyte) : { zimno, ciepło, gorąco}

x [C]

(x)

1

0

zimno ciepło gorąco

4020

Liczby rozmyteLiczby rozmyteZwykle wypukłe, unimodalne (jedno maksimum).FP często się nakrywają.

Liczby: jądro = punkt, x (x)=1Monotonicznie maleją po obu stronach jądra.Typowy wybór: trójkątne funkcje (a,b,c) lub singletony.

1/ 3 2 / 3 1 2 / 3 1/ 375 6 7 8 9F

( ) /i

A i ix X

A x x

( ) /AX

A x x

Suma i iloczyn zbiorówSuma i iloczyn zbiorówA, B - zbiory rozmyte.Suma AB to zbiór o funkcji przynależności:

max można zastąpić S-normą S(a,b), niemalejącą dla obu argumentów, przemienną, łączną i S(a,0)=a, S(a,1)=1. Iloczyn AB to zbiór o funkcji przynależności:

max ,A B A Bx x x

min ,A B A Bx x x

min można zastąpić dowolną T-normą T(a,b), nierosnącą dla obu argumentów, przemienną, łączną i T(a,0)=0, T(a,1)=a.

Reguły rozmyteReguły rozmyteWiedzę potoczną można często zapisać w naturalny sposób za pomocą reguł rozmytych.

Jeśli zm. lingw-1 = term-1 i zm. lingw-2 = term-2to zm. lingw-3 = term-3

Jeśli Temperatura = zimno i cena ogrzewania = niskato grzanie = mocno

Co oznacza reguła rozmyta:Jeśli x jest A to y jest B ?

Korelacja A i B, lub implikacja A =>B, czyli (not A or B).

Zastosowania logiki rozmytejZastosowania logiki rozmytejWszędzie tam, gdzie trudno jest utworzyć matematyczny model ale daje się opisać sytuację w sposób jakościowy, za pomocą reguł rozmytych.

Kontrolery rozmyte: jeśli się przewraca to popchnąć.

Inteligentne lodówki, pralki, windy, opiekacze do grzanek, aparaty fotograficzne.Zastosowania medyczne: nieprecyzyjny język daje się przełożyć na reguły rozmyte.Wiele zastosowań przemysłowych, głównie dotyczących kontroli procesów.


Systemy ekspertowe w rachunkowościW ostatnich latach powstało wiele systemów ekspertowych w dziedzinie rachunkowości a ich liczba z dnia na dzień rośnie. Systemy te można je podzielić na kilka rodzajów. Są to na przykład systemy do:

Oszacowywania rezerw firmy na trudno ściągalne i nieściągalne należnościWspomagania planowania podatkówWspomagania autoryzacji kredytuWspomagania przygotowania listy płacWspomagania minimalizacji kosztów produkcjiWspomagania kontroli w firmie


Systemy ekspertowe w rachunkowościSE umożliwiają dystrybucję wiedzy z dziedziny rachunkowości (personel może je wykorzystać jako asystenta lub konsultanta)

SE pozwalają na korzystanie z wiedzy eksperta tanim kosztem lub tam gdzie nie jest on dostępny (czasami koszt wynajęcia eksperta byłby zbyt wysoki)SE podnosi zdolność podejmowania skomplikowanych analiz poprzez wykrywanie ukrytych zależności i przewidywanie efektów zmian ( w rachunkowości mamy do czynienia z bardzo dużą ilością danych, które łatwe są do rozpatrzenia pojedynczo ale czasami są trudne do rozpatrzenia w całości)


ZastosowaniaZastosowaniaGiełda nowojorska, największa na świecie używa SE do modelowania i śledzenia działalności handlowej, indywidualnej i korporacji w celu wykrywania potencjalnie nielegalnych transakcji.

Arthur Andersen & Company stworzył SE wspomagający komisję SEC (Securities & Exchange Commision). Ma on na celu zbadanie poprawności sprawozdań finansowych wszystkich spółek pod kontem ich zgodności z prawem stanowym i federalnym.Firma Dun & Bradstreet rozwija SE w dziedzinie analizy finansowej on-line. System ten jest w stanie udzielić informacji na temat przedsiębiorstwa wykorzystując bieżące informacje (z dokładnością nawet do minut).


LiteraturaLiteratura


SESE


SESE


SESE


Elementy ESElementy ES


Elementy bazy wiedzyElementy bazy wiedzy


Ogólna struktura SEOgólna struktura SE


Budowa SEBudowa SE




Podział systemów ekspertowychPodział systemów ekspertowych


Cechy systemu ekspertowegoCechy systemu ekspertowego



Symboliczna reprezentacja wiedzySymboliczna reprezentacja wiedzy


Niesymboliczne reprezentacjeNiesymboliczne reprezentacje




Reprezentacje wiedzyReprezentacje wiedzy


Reprezentacje wiedzyReprezentacje wiedzy


Cechy systemów ekspertowych zgromadzenie najpełniejszej i kompetentnej wiedzy z danej dziedziny i możliwość jej aktualizacji w związku z postępem naukowym i technicznym umiejętne naśladowanie sposobu rozumowania człowieka -eksperta, który stosuje on przy rozwiązywaniu problemów tego samego typu zdolność wyjaśnienia toku "rozumowania", który doprowadził do otrzymanych wyników tzw. "user friendly" interfejs, czyli przyjazny sposób komunikowania się z użytkownikiem w jego ojczystym języku i takie przedstawienie wyników, aby były klarowne i przejrzyste


Ogólna budowa


Struktura systemów ekspertowych

baza wiedzy, np. zbiór reguł baza danych, np. wyniki pomiarów, dane o

obiekcie, hipotezy procedury wnioskowania - maszyna wnioskująca procedury objaśniania - wyjaśnienie strategii wnioskowania procedury sterowania dialogiem - formułowanie zadań przez użytkownika poprzez procedury wejścia/wyjścia i przekazywanie wyników przez program (zadania wykonywane przez interfejs)

procedury pozwalające na poszerzenie zakresu wiedzy i jej


Schemat SESchemat SE


Kategorie systemówKategorie systemówKategoria systemu Zadania przez system realizowaneInterpretacyjne dedukują opisy sytuacji z obserwacji lub stanu czujników np. rozpoznawanie

mowy, obrazówPredykcyjne wnioskują o przyszłości na podstawie danej sytuacji np. prognozowanie

pogody, rozwój chorobyDiagnostyczne ocena systemu na podstawie obserwacji (wykrywanie wad) np. elektronika,

mechanikaKompletowania konfiguruje obiekt biorąc pod uwagę istniejące ograniczenia np. konfiguracja

systemu komputerowegoPlanowanie podejmuje określone działania do osiągnięcia celuMonitorowanie porównywanie zachodzących zjawisk z ograniczeniami nałożonymi na nie np.

reakcje w elektrowniach atomowychSterowanie kierowanie działaniem systemu; w skład wchodzi interpretowanie, predykcja,

naprawa i monitorowanie zachowania się obiektuPoprawianie podaje sposób postępowania w przypadku nieprawidłowego funkcjonowania

obiektu, którego system dotyczyNaprawy ustala kolejność wykonywania napraw uszkodzonych obiektówInstruowania systemy doskonalenia zawodowego dla studentów


Podział SEPodział SE

SE możemy podzielić na: systemy dedykowane oraz systemy szkieletowe. Systemy dedykowane są tworzone od podstaw przez inżyniera wiedzy współpracującego z informatykiem. Systemy szkieletowe (shells) są to systemy z pustą bazą wiedzy. Te systemy są tworzone w krótszym czasie, gdyż nie trzeba konstruować całej struktury systemu, a jedynie istniejącą już uzupełnić o konkretną wiedzę i jej odpowiednią implementację w systemie. W zależności od tego jaką wiedzę wprowadzimy do systemu możemy uzyskać system z wiedzą: eksperta-lekarza, eksperta- inżyniera, czy eksperta - prawnika.


Zastosowanie systemów ekspertowych

SektorZastosowanie

Bankowość iubezpieczenia

Przemysł Handel i usługi Sektor publiczny iinne

MonitorowanieSterowanie

obserwowanietrendów

nadzorowanieprocesów,sterowanieprocesami,raportowaniespecjalnychsytuacji

obserwowanietrendów

monitorowaniereaktorów jądrowychoraz dużych sieci(gazowe, wodne)

Projektowanie projektowaniezakładów iproduktów,komputerów

wybórasortymentów,doradztwo dlarolnictwa

sieci (pocztowe,energetyczne)

Diagnostyka kredyty, pożyczkina nieruchomości,analiza ryzyka,przetwarzanieskarg

wykrywanieuszkodzeń,utrzymywaniezdolnościprodukcyjnej

kredyty, analizaryzyka

diagnoza medyczna,diagnoza techniczna

Planowanie analiza ryzyka,planowanieinwestycji

projektowaniefunkcjilogicznych,planowanieprojektu

analiza ryzyka,analiza rynku

planowanie inwestycji,planowanie nawypadek klęski,planowanie dystrybucji


Zadania SEZadania SE

Podstawowe zadanie systemu to wydawanie kompetentnych i pełnych ekspertyz. Powinno się to odbywać w czasie ograniczonym pewnymi, dopuszczalnymi granicami, w których przy danym typie zadania powinna się pojawić odpowiedź systemu. Sam system powinien dysponować takimi metodami wnioskowania, które biorą pod uwagę wiedzę i intuicję eksperta, zdobytą w trakcie wieloletniej praktyki. Wówczas uzyskane wyniki powinny być bardziej porównywalne z wynikami pracy człowieka-eksperta. Dąży się do tego, aby system rozwiązując powierzone mu zadanie posługiwał się rozumowaniem człowieka, lecz popełniał minimum pomyłek.


Zadania SEZadania SE

Ekspert kierując się własną intuicją nie do końca potrafi uzasadnić swoją decyzję lub ekspertyzę. Wprowadzenie takiego sposobu wnioskowania do systemu może się okazać niezwykle trudna lub gdy wymagane jest uzasadnienie wyniku, wręcz niemożliwe. Jeśli chodzi o wymagania czasowe to często zachodzi potrzeba kompromisu pomiędzy jakością uzyskanych wyników a szybkością działania. Niektóre systemy uzyskują wyniki w kilka sekund, inne znów pracują całymi dniami, czy nawet tygodniami. Zależy to także od sposoby wykorzystanego do uzyskania odpowiedzi. Systemy wykorzystujące przeszukiwanie przestrzeni rozwiązań w postaci drzewiastej charakteryzują się wykładniczym wzrostem czasu uzyskania odpowiedzi.


Złożoność SEZłożoność SESama dziedzina, której dotyczy system jest często wyznacznikiem stopnia skomplikowania system eksperckiego. Nieopłacalne jest tworzenie systemów, w których zawiera się problem rozwiązywania zadań o np. łatwym opisie matematycznym zjawiska lub takich, w których ilość możliwych rozwiązań jest niewielka. Wówczas z problemem poradzi sobie człowiek, bez potrzeby odwoływania się do programu komputerowego. Ocenę złożoności można przeprowadzić rozpatrując liczbę reguł wykorzystanych w systemie:

małe - 100 - 300 reguł średnie - 300 - 2000 reguł

duże - ponad 2000 reguł


Baza wiedzy

Baza wiedzy systemu zawiera w sobie reguły i fakty. Są one wykorzystywane do uzyskiwania rozwiązań w danej dziedzinie. Im większa baza wiedzy, tym rozwiązanie jest bardziej kompetentne. Fakty, które są elementem bazy, najczęściej istnieją w niej jako zdania oznajmujące np. Procesor "AMD" jest taktowany zegarem 450 MHz. Stwierdzenie to, nazywane faktem istnieje jako zapis związków pomiędzy obiektami i może się charakteryzować różnymi atrybutami. Drugim elementem w bazie wiedzy są reguły. Zapisywane są np. za pomocą operatorów IF, THEN, AND, OR. Dzięki nim zadawane są pytania o związki pomiędzy obiektami.


Bazy wiedzyBazy wiedzy1. baza tekstów (text base) - występuje w niej naturalna strukturalizacja informacji, wynikająca np. z ułożenia alfabetycznego. Przykładem mogą być słowniki, które zawierają wiedzę ogólną z danej dziedziny. 2. baza danych (data base) - zawiera uporządkowane sprecyzowane, szczegółowe informacje. Typ danych jest często numeryczny, a operacje na niej wykonywane są zdeterminowane. 3. baza reguł (rule base) - zawiera zbiór zależności pomiędzy obiektami występującymi w danej dziedzinie.


Systemy szkieletoweKorzyści Wadyzapewniają mechanizm dla formalnejreprezentacji wiedzy, np. reguły, ramy. itp.

niekiedy trzeba poznać język danegosystemu szkieletowego

zapewniają narzędzia do strukturalizacjibazy wiedzy

każdy system szkieletowy posiada swojąspecyficzną strukturę reguł

mają wbudowany mechanizm wnioskowania wysokie ceny oraz powiązanie zokreślonymi typami komputerów

dostarczają odpowiedni interfejs doutworzenia systemu eksperckiego,umożliwiający konstruowanie i rozbudowębazy wiedzy również dla końcowegoużytkownika

twórca systemu eksperckiego jestograniczony do możliwości danegonarzędzia - shell, który jest z regułyprzeznaczony do konkretnegozastosowania

zapewniają udogodnienia do tworzeniakomponentów systemu objaśniającego

zmiana funkcji systemu jest możliwa,jeśli jest to przewidziane i w systemieistnieje odpowiedni interfejs

dają narzędzia do sprawdzenia poprawnościbazy wiedzy

dają narzędzia do pozyskiwania wiedzy tworząc system nie trzeba znać języka wjakim powstał system szkieletowy


Czas tworzenia SECzas tworzenia SE

Czas tworzenia (MM)Wielkość systemu Liczba instrukcji

Liczba reguł wzór 1 wzór 2 Technika ES

Małe 2000100-200 9,7 5,0 0,5

Średnie 8000500-1000 34,5 21,0 6 - 8

Duże 1200002000-10000 430,0 392,0 18 - 36


AKSJOMATY KLASYCZNEGO RACHUNKU ZDAŃ

Aksjomaty pozytywne implikacji:A. p (q p)B. (p (q r)) ((p q) (p r))Aksjomaty pozytywne implikacji:A. (p q) (p q)B. (p q) (q p) [A i B to 7.OE]C. (p q) ((q p) (p q))Aksjomaty charakteryzujące koniunkcję i alternatywę:A. (p q) (q p)B. (p q) (q p)C. p (p q)D. (p q) pE. p (q (p q))F. ((p r) (q r)) ((p q) r)Aksjomaty charakteryzujące negację:A. (p (q ¬q)) ¬pB. (p ¬p) q (cokolwiek)Prawo wyłączonego środka:A. p ¬p



1. Reguła odrywania (RO):((p q) p) q

2. Reguła dołączania koniunkcji (DK):(p) (q) (p q)

3. Reguła opuszczania koniunkcji (OK):(p q) p(p q) q

4. Reguła dołączania alternatywy (DA):p (p q)q (p q)

5. Reguła opuszczania alternatywy (OA):((p q) ¬p) q((p q) ¬q) p



6. Reguła dołączania równoważności (DE):((p q) (q p)) (p q)7. Reguła opuszczania równoważności (OE):(p q) (p q)(p q) (q p)


WYBRANE PRAWA RACHUNKU ZDAŃ

1. Sylogizm warunkowy:((p q) (q r)) (p r)

2. Modus tollens:((p q) ¬q) ¬p((¬p q) ¬q) p((p ¬q) q) ¬p((¬p ¬q) q) p

3. Mnożenie implikacji:((p q) (r s)) ((p r) (q s))

4. Dodawanie implikacji:((p q) (r s)) ((p r) (q s))

5. Dylemat konstrukcyjny złożony:((p q) (r s) (p r)) (q s)



7. Reguła odrywania dla równoważności:((p q) p) q((p q) q) p

8. Reguła przechodniości równoważności:((p q) (q r)) (p r)

9. Reguła Dunsa Szkota:(p ¬p) q (cokolwiek)

10. Prawo podwójnej negacji:(¬¬p) ≡ p

11. Prawo transpozycji.(p q) ≡ (¬q ¬p)

12. Prawo transpozycji złożonej:[(p q) r] ≡ [(p ¬r) ¬q]



13. Prawo negowania koniunkcji:¬(p q) ≡ (¬p ¬q)

14. Prawo negowania alternatywy:¬(p q) ≡ (¬p ¬q)

15. Prawo negowania implikacji:¬(p q) ≡ (p ¬q)

16. Prawo rozdzielności koniunkcji względem alternatywy:[p (q r)] ≡ [(p q) (p r)]

17. Prawo rozdzielności alternatywy względem koniunkcji:[p (q r)] ≡ [(p q) (p r)]

18. Prawa przemienności koniunkcji i alternatywy:(p q) ≡ (q p)(p q) ≡ (q p)

19. Prawa łączności koniunkcji i alternatywy:[(p q) r)] ≡ [p (q r)][(p q) r)] ≡ [p (q r)]



20. Prawa tautologii dla koniunkcji i alternatywy:(p p) ≡ p (p p) ≡ p

21. Prawa zwrotności dla implikacji i równoważności:p p p ≡ p

22. Prawo symetryczności równoważności:(p ≡ q) ≡ (q ≡ p)

23. Prawo negowania członów równoważności:(p ≡ q) ≡ (¬p ≡ ¬q)

24. Prawo komutacji:[p (q r)] ≡ [q (p r)]

25. Prawo eksportacji i importacji:[(p q) r] ≡ [p (q r)]

26. Dylemat destrukcyjny złożony:[(p q) (r s) (¬q ¬s)] (¬p ¬r)



27. Dylemat destrukcyjny prosty:[(p q) (p r) (¬q ¬r)] ¬p

28. Prawo dodawania poprzedników:[(p r) (q r)] ≡ [(p q) r]

29. Prawo mnożenia następników:[(p q) (p r)] ≡ [p (q r)]

30. Prawa zastępowania implikacji:(p q) ≡ ¬(p ¬q)(p q) ≡ (¬p q)

31. Schemat mnożenia równoważności:[(p ≡ q) (r ≡ s)] [(p r) ≡ (q s)]



32. Schemat dodawania równoważności:[(p ≡ q) (r ≡ s)] [(p r) ≡ (q s)]

33. Prawo zastępowania równoważności:(p ≡ q) ≡ [(p q) (q p)]

34. Prawo sprzeczności:¬(p ¬p)


Reguły logiczneReguły logiczne

p q pq pq pq pq1 1 1 1 1 11 0 1 0 0 00 1 1 0 1 00 0 0 0 1 1


Kombinatoryka i teoria grafów

Funktory zdaniotwórcze: - lub (alternatywa, suma logiczna) - i (koniunkcja, iloczyn logiczny) - nie (negacja) - jeśli ..., to ... (implikacja) - ... wtedy i tylko wtedy, kiedy ...(równoważność)w - wartość zdania logicznego w: w =

falszywejestwjezeliprawdziwejestwjezeli

,0,1


Wartość zdania logicznegoWartość zdania logicznego

a b a b a b a b a b1 1 1 1 1 11 0 1 0 0 00 1 1 0 1 00 0 0 0 1 1


Kwantyfikatory i zbiory

- istnieje (kwantyfikator szczegółowy, egzystencjalny) - dla każdego (kwantyfikator ogólny)

R zbiór liczb rzeczywistychN = { 0, 1, 2, ... } zbiór liczb naturalnychZ = { ..., -2, -1, 0, 1, 2, ... } zbiór liczb całkowitych{ a1, ..., an } zbiór złożony z n elementów a1, ..., an

{ a } - zbiór jednoelementowy zaw. tylko a{ x X : w } zbiór tych elementów zbioru X, które spełniają warunek w


Operacje na zbiorachOperacje na zbiorach

A B

C = A B

A B

C = A B

A

C = A \ B

B A B

C = A B

A B = (A B) (B A)


Prawa de Morgana

qpqpqpqp

)()(

))(( qpqp

))(())()(( rqprqrp

pqqp ))((

qpp )(

pp


DefinicjaIloczyn kartezjański zbiorów X i Y to zbiór wszystkich par uporządkowanych (x,y), takich że xX oraz yY. Oznaczenie: XY: XY = {(x,y) : xX yY}

Własnościa b (a,b) (b,a)(a,b) = (c,d) ( (a = c) (b = d) )A (B C) = (A B) (A C)A (B C) = (A B) (A C)A (B \ C) = (A B) \ (A C)Jeśli X jest zbiorem n-elementowym i Y jest zbiorem m-elementowym, to XY jest zbiorem złożonym z nm elementów (par uporządkowanych (x,y), gdzie xX, yY).


Relacja dwuczłonowa jest podzbiorem iloczynu kartezjańskiego. Dana para uporządkowana (element iloczynu kartezjańskiego) należy do tego podzbioru jeśli posiada określoną własność, czyli jeśli między jej poprzednikiem i następnikiem zachodzi określona relacja.

Zbiór poprzedników par uporządkowanych (x,y) należących do relacji nazywa się dziedziną tej relacji.

Zbiór następników par uporządkowanych (x,y) należących do relacji nazywa się przeciwdziedziną tej relacji.


KLASYCZNE STRATEGIE WNIOSKOWANIA

-do tylu -przed systemem stawiana jest hipoteza(zadaniem systemu jest potwierdzenie poprawności hipotezy)-do przodu -wygenerowanie wszystkich możliwych logicznych konsekwencji faktów podanych na wejściu3.możliwość uzasadnienia podawanych przez eksperta odpowiedzi za pomocą modułu objaśniającego (części interfejsu użytkownika odpowiedzialnej za objaśnienie funkcjonowania SE poprzez udzielanie odpowiedzi na pytania)4.wspomaganie i aktualizacja BW za pomocą modułu akwizycji wiedzy.


Systemy ekspertowe w rachunkowościOszacowywania rezerw firmy na trudno ściągalne i nieściągalne należności

Wspomagania planowania podatkówWspomagania autoryzacji kredytuWspomagania przygotowania listy płacWspomagania minimalizacji kosztów produkcjiWspomagania kontroli w firmieSpecjalne systemy ekspertowe w rachunkowości


Korzyści z zastosowania SE w rachunkowości

SE umożliwiają dystrybucję wiedzy z dziedziny rachunkowości (personel może je wykorzystać jako asystenta lub konsultanta)SE pozwalają na korzystanie z wiedzy eksperta tanim kosztem lub tam gdzie nie jest on dostępny (czasami koszt wynajęcia eksperta byłby zbyt wysoki)SE podnosi zdolność podejmowania skomplikowanych analiz poprzez wykrywanie ukrytych zależności i przewidywanie efektów zmian ( w rachunkowości mamy do czynienia z bardzo dużą ilością danych, które łatwe są do rozpatrzenia pojedynczo ale czasami są trudne do rozpatrzenia w całości)SE przyśpiesza podejmowanie decyzji ponieważ działa w oparciu o komputer i pobiera tylko te dane, które bezpośrednio są związane z problemem (wynik dostępny jest zaraz po wprowadzeniu danych)


Korzyści z zastosowania SE w rachunkowości

Dzięki SE można przekazywać wiedzę i doświadczenie starszych pracowników młodemu personelowi.Dzięki SE podnosimy wydajność pracy nowych, młodych pracowników bez potrzeby długich szkoleń (skracamy etap wdrażania pracownika). SE w rachunkowości może być również używany jako narzędzie do szkolenia.


Planowanie podatkówPlanowanie podatkówJednym z SE wspomagania planowania podatków jest Expert-TAX. Jest on jednym z najbardziej zaawansowanych systemów dotychczas stosowanych w rachunkowości.Używa on dialogu pytanie – odpowiedź w celu uruchomienia 3000 reguł określających najlepsze opcje podatkowe. Celem systemu jest dostarczenie dojrzałych ekspertyz. Zastępuje on starą metodę w której to zaawansowany ekspert musiał wypełniać dwustronicowy kwestionariusz aby potem znaleźć najlepsze rozwiązanie. System ten nie zastępuje księgowych ale dostarcza im porad.


Autoryzacja kredytuAutoryzacja kredytu

Authorizer’s Assistant jest SE wspomagania autoryzacji kredytu i został stworzony przez American Express. Jest używany do odrzucania złych kredytów a więc do zmniejszania strat w firmie. Karty AE nie mają limitów kredytu przez co często zdarzały się oszustwa oraz przypadki złe j autoryzacji. System opiera się na ponad 800 regułach. Gromadzi on i analizuje wszystkie transakcje oraz takie czynniki jak historia rachunku, rodzaje zakupów, zaległe należności itd. Po ich sprawdzeniu system szacuje wielkość ryzyka kredytowego i zleca odrzucenie lub akceptacje transakcji wraz z wyjaśnieniem wszystkich zaleceń

Documents

Inteligentne Systemy Obliczeniowe Wstęp do systemów ekspertowych