1 SMART Systems (Vorlesung: KI & XPS) zBeim vorigen Mal: yInferenzen mit multiplen Ontologien yAnwendungskontext: Informationsrecherche/-klassifikation.

Präsentation zum Thema: "1 SMART Systems (Vorlesung: KI & XPS) zBeim vorigen Mal: yInferenzen mit multiplen Ontologien yAnwendungskontext: Informationsrecherche/-klassifikation."—  Präsentation transkript:

1 1 SMART Systems (Vorlesung: KI & XPS) zBeim vorigen Mal: yInferenzen mit multiplen Ontologien yAnwendungskontext: Informationsrecherche/-klassifikation zInhalt heute: yDienstrecherche/-interoperation/-komposition zLernziele: yDAML-S yGrundlagen des Planens Ralf Möller, Univ. of Applied Sciences, FH-Wedel

2 2 Konfigurierungsproblematik

3 3 Registrierung; Dienstbegriff

4 4 Lookup und Leasing

5 5 DAML-S zDAML-S: Darpa Agent Markup Language Service ontology yAutomatic Web service discovery yAutomatic Web service invocation yAutomatic Web service composition and interoperation yAutomatic Web service execution monitoring

6 6 Dienstbeschreibungen

7 7 Service Profiles zTextual description (understandable for humans) zFunctionality description yinput, output yprecondition, effect zFunctional attributes

8 8 Service Profiles: Functional Attributes (1) zgeographicRadius yThe geographic radius refers to the geographic scope of the service. This may be at the global or national scale (e.g. for e- commerce) or at a local scale (e.g. pizza delivery) zdegreeOfQuality yThis property provides qualifications for the service. For example, the following two sub-properties are examples of different degrees of quality, and could be defined within some additional ontology. zserviceParameter yAn expandable list of properties that may accompany a profile description.

9 9 Service Profiles: Functional Attributes (2) zcommunicationThru yThis property provides a high-level summary of how a service may communicate, such as what agent communication language (ACL) is used (e.g., FIPA, KQML, SOAP). zserviceType yThe service type refers to a high-level classification of the service, for example B2B, B2C etc. zserviceCategory yThe service category refers to an ontology of services that may be on offer. High-level services could include Products as well as Problem-Solving Capabilities, Commercial Services, Information and so on.

10 10 Service Profiles: Functional Attributes (3) zqualityGuarantees yThese are guarantees that the service promises to deliver, such as guaranteeing to provide the lowest possible interest rate, or a response within 3 minutes, etc. zqualityRating yThe quality rating property represents an expandable list of rating properties that may accompany a service profile. These ratings refer to industry accepted ratings, such as the Dun and Bradstreet Rating for businesses, or the Star rating for Hotels.

11 11 Service Grounding zA service grounding (“grounding” for short) specifies the details of how an agent can access a service. yCommunications protocol (e.g., RPC, HTTP-FORM, CORBA IDL, SOAP, Java RMI, OAA ACL) yService-specific details such as port numbers used in contacting the service. zFor each abstract type specified in the ServiceModel, an unambiguous way of exchanging data elements of that type with the service (marshaling/serialization) OAA ACL: Open Agent Architecture Agent Communication Language http://www-2.cs.cmu.edu/~softagents/tie3.html http://www-2.cs.cmu.edu/~softagents/

12 12 Service Model

13 13 Dienstregistrierung (beim Broker) zAngebotenen Dienst S beschreiben (DAML) zUmwandlung in DL-Konzeptterm C S z"Einsetzen" in Taxonomie ychildren(C S ) yparents(C S ) ysynonyms(C S ) zVergabe eines Namens (inklusive Axiom) yS 47 = C S

14 14 Dienstrecherche (beim Broker) zDAML-Beschreibung eines gesuchten Dienstes zUmwandlung in DL-Konzeptterm zGgf. Ontologietransformation, d.h. Spezialisierung (siehe vorige Vorlesung) zEinsetzen in Taxonomie zKandiaten sind alle spezielleren Dienste zBroker vermittelt Diensterbringer (über Grounding-Info)

15 15 Automatische Dienstkomposition zZusammensetzung von elementaren Dienste, um ein bestimmtes Ziel zu erfüllen zGesamtziel ist durch "effect" gegeben zGesamtziel soll durch elementare Dienste erreicht werden zVorbedingungen der elementaren Dienste müssen erfüllt werden yAnwendungs- und Kompositionsbeschränkungen z--> KI-Hintergrund der Handlungsplanung

16 16 Acknowledgments zDie Folien zur Handlungsplanung enthalten Material von B. Nebel, Univ. Freiburg

17 17 Handlungsplanung 1.Gegeben eine initiale Situation, 2.eine Beschreibung der Zielbedingungen und 3.eine Menge von möglichen Aktionen, -> Finde eine Sequenz von Aktionen (einen Handlungsplan), der die initiale Situation in eine Situation überführt, in der die Ziel- bedingungen gelten.

18 18 Handlungsplanung vs. Problemlösen durch Suche zWesentlicher Unterschied: yBei Handlungsplanung explizite, logikbasierte Repräsentation zZustände/Situationen: yDurch logische Formeln beschriebene Weltzustände vs. Datenstrukturen zOperatoren: yAxiome oder Transformation von Formeln vs. Modikation von Datenstrukturen durch Programme

19 19 Repräsentation der Operatoren durch Axiome zIm Prinzip kann man Planung auf logische Inferenz (= Situationskalkül, nicht Beschreibungslogiken) reduzieren zBestehende Systeme, die für praktische Anwendungen effizient genug sind, befinden sich allerdings (immer noch) in der Entwicklung (-> Schlußsysteme für nichtmonotone Logiken) zWir behandeln einen anderen klassischen Ansatz...

20 20 Transformation von Formeln: STRIPS zSTRIPS: STanford Research Institute Problem Solver (Planer der frühen 70-er Jahre) zSystem ist zwar obsolet, der Formalismus wird aber immer noch benutzt zKernidee: y"Weltzustand" durch log. Formeln repräsentiert, y"Operatoren" manipulieren Weltzustand

21 21 Der STRIPS-Formalismus zWeltzustand (inkl. initialer Zustand) yMenge von Grundatomen, keine Funktionssymbole außer Konstanten, interpretiert unter CWA (manchmal auch Standardinterpretation, d.h. negative Fakten müssen angegeben werden) yBeispiel Blockswelt: On_Table(A), On_Table(B), On_Table(C) zZielbedingungen: yMenge von Grundatomen yBeispiel: On_Block(C, B), On_Block(B, A)

22 22 STRIPS-Operatoren zAktionen sind Tripel, bestehend aus yAktionsnamen: Funktionsname mit Parametern yVorbedingungen: Konjunktion positiver Literale; müssen gelten, damit Aktion ausführbar ist yEffekte: Konjunktion positiver und negativer Literale; positive Literale werden hinzugenommen (ADD Liste), negative gelöscht (DEL Liste) yVariablen möglich (Renaming)

23 23 Reduktion von Planen auf Suche in einem Zustandsraum zVorwärtssuche (Progressionsplanung) zoder Rückwärtssuche (Regressions- planung)

24 24 Suche im Planraum

25 25 Plan = Sequenz von Aktionen?

26 26 Prinzip der geringsten Festlegung

27 27 Repräsentation nicht-linearer Pläne zPlanschritt = STRIPS-Operator zPlan besteht aus zLösungen für Planungsprobleme müssen vollständig und konsistent sein

28 28 Vollständigkeit und Konsistenz

29 29 Beispiel

30 30 Planverfeinerung (1) zRegressionsplanung: Erfülle die Have-Prädikate

31 31 Planverfeinerung (1)

32 32 Planverfeinerung (2) z... im richtigen Geschäft kaufen

33 33 Planverfeinerung (3) z... da muß man erst einmal hin

34 34 Planverfeinerung (3)

35 35 Schutz kausaler Beziehungen

36 36 Schutz kausaler Beziehungen

37 37 Eine andere Planverfeinerung...

38 38 Eine andere Planverfeinerung...

39 39 Die vollständige Lösung z... mit allen Links zBestimmung z.B. durch POP-Algorithmus yVollständig y... und korrekt zZusätzlich, hier nicht näher betrachtet: Behandlung von Variablen

40 40

41 41

42 42 Planungssysteme zProdigy ysucht im Zustandsraum und generiert lineare Pläne y(http://www-2.cs.cmu.edu/afs/cs.cmu.edu/project/prodigy/Web/prodigy-home.html) zUCPOP (http://www.cs.washington.edu/ai/ucpop.html) zNeuere, effizientere Systeme: yGraphplan (http://www-2.cs.cmu.edu/~avrim/graphplan.html) yIPP (http://www.informatik.uni-freiburg.de/~koehler/ipp.html)

43 43 Zusammenfassung, Kernpunkte (1) zDAML-S zMotivation: Dienstkomposition durch Handlungsplanung zHandlungsplanung unterscheidet sich vom Problemlösen dadurch, daß die Repräsentation flexibler ist. zStatt im Zustandsraum kann man im Planraum suchen.

44 44 Zusammenfassung, Kernpunkte (2) zDas Prinzip der geringsten Festlegung (least commitment) besagt, daß man während der Suche Entscheidungen nur dann treffen soll, wenn es unbedingt notwendig ist zNichtlineares Planen ist eine Instanz dieses Prinzips zDer POP-Algorithmus realisiert nichtlineares Planen und ist vollständig und korrekt

45 45 Was kommt beim nächsten Mal? zAnnahmen-basiertes Schließen zDefaults und Abduktion