Künstliche Intelligenz Expertensysteme Wissensbasierte Systeme © 2002 - Patrick Bohn, Michael Reiher & Frank Moos

Künstliche Intelligenz - KI Versuch mit Programmen die Funktionen des menschlichen Gehirns (Verhalten, Verstand) nachzubilden. Aufgrund weitgehender Erfolglosigkeit dieser Arbeiten ging man dazu über, KI Programme für stark eingeschränkte Wissensbereiche zu entwickeln, sogenannte Expertensysteme. KI-Programme Einordnung nach Waterman

Expertensystem - EXS Expertensysteme lösen Probleme wie Experten auf einem eng definierten Problemkreis, ihrem eigenen Fachbereich (Kompetenzbereich) überdurchschnittlich effizient. EXS sind wie Experten nicht unfehlbar! KI-Programme EXS Einordnung nach Waterman

Wissensbasierte Systeme – KBS Ein KBS ist ein Softwaresystem, bei dem das Fachwissen über ein Anwendungsgebiet unabhängig vom allgemeinen Problemlösungswissen und vom Wissen über die spezifische Systemimplementation dargestellt ist. KI-Programme KBS EXS Einordnung nach Waterman

Beispielprogramm

Anwendungen der KI Verarbeitung natürlicher Sprache Folgerungssysteme und Automatische Programmierung Bildverarbeitung / Bild erkennen – Bild verstehen Robotik Intellegent Computer Aided Instruction ICAI KI – Sprachen Expertensysteme

Beispiel 1: Verarbeitung natürlicher Sprache Die Verarbeitung von Sprache ist eines der komplexesten Phänomene menschlicher Intelligenz überhaupt! Schlüsselgebiet der KI

1. Phase natürlicher Verarbeitung von Sprache Signalanalyse und Segmentierung lexikalische und morphologische Analyse Visuelle Daten Akustische Daten Signalanalyse und Segmentierung PE:TR:MAGH8LGA Lexikalische und Morpologische Analyse Wörter: Peter mag Helga

2. Phase natürlicher Verarbeitung von Sprache In der zweiten Phase der Verarbeitung natürlicher Sprache beginnen die traditionellen Phasen der maschinellen Sprachverarbeitung in der KI: syntaktische Analyse Mittels einer Syntax werden Wörter zu sinnvollen Sätzen kombiniert. Hierzu verwendet man i. d. R. eine Grammatik.

3. Phase natürlicher Verarbeitung von Sprache Die dritte Phase beschreibt die semantische Analyse von syntaktisch korrekten Sätzen. Die Semantik eines Wortes besteht z. B. aus der Bedeutung die im Lexikon mit dem Wort abgespeichert ist. Eine „starke Semantik“ erhält ein Wort erst aus dem Zusammenhang mit anderen Wörtern

3. Phase natürlicher Verarbeitung von Sprache Die Semantische Auflösung des Beispiels ergibt die Aktion >essen< und als deren Objekt >Liebe<, was zu einem logischen Fehler führt. Hans isst Liebe Der syntaktisch gleiche Satz ist zudem auch semantisch korrekt. Hans isst Salat

Beispiel 2: Bildverarbeitung Bilddarstellung Pixel, Helligkeit, Farbe Segmentierung Konturen erkennen; Was gehört zusammen? Wo beginnt etwas neues? Wo endet etwas? Objekterkennung (Mustervergleich) Mit welchen in der Wissensbasis vorhandenen Objekten können bestimmte Konturen am ehesten identifiziert werden? Szenenanalyse In welcher Beziehung stehen die Objekte?

Beispiel 2: Bildverarbeitung

Beispiel 2: Bildverarbeitung

Beispiel 2: Bildverarbeitung

Beispiel 3: Robotik KI - Roboter werden nicht wie bisherige Industrieroboter programmiert, sondern trainiert: Sie lernen zuverlässig: Während des Lernprozesses machen sie Fehler, allerdings immer weniger. Wichtig: Die Fehlrate für gleichbleibende Aufgaben nimmt bei KI – Robotern stetig ab, niemals zu!

Merkmale von Expertensystemen verwenden KI Methoden verwenden Heuristiken können Schlussfolgerungen erklären können einfach mit neuem Wissen ergänzt werden lösen Probleme nicht nach vorgezeichneten Lösungswegen sondern wie ein Experte können völlig anderen Anforderungen gerecht werden als konventionelle Programme

Eigenschaften von Experten und EXS Spezialwissen enge Fachkompetenz + gesunder Menschenverstand hilft weiter wo das Spezialwissen endet weiss nicht, was es nicht weiss weiss, was er nicht weiss weiss, wie gut er es weiss, hat Selbsteinschätzung, kann Regeln brechen ahnt, was andere Experten wissen / meinen (Expertenstreit) dfa

Komponenten eines EXS Wissensaquisitions- komponente Dialogkomponente Problemlösungs- komponente Erklärungskomponente Wissensbasis nach Kurbel

Darstellung und Auswertung des Wissens Semantische Netze Objektorientierte Wissenspräsentation Frames Logik Regelbasierte Wissenspräsentation

Beispiel 1: Semantische Netze Automobil hat hat ist ein ist ein Lenkrad Motor PKW LKW hat Form ist ist ein ist ein hat rund Motorblock Limousine Tankwagen Führerkabine

Beispiel 2: Objektorientierte Wissensrepräsentation Objekt ID Attribut 1 Attribut 2 Attribut 3 Methode 1 Methode 2 Beispiel einer Klasse mit 3 Attributen und 2 Methoden

Beispiel 3: Frames Frame Name Slot 1 Slot 2 Slot n Wert n Wert 2

Beispiel 3: Frames Kaufvertrag 1 Firmen Produkt Datum   Beispiel 3: Frames Kaufvertrag 1 Firmen Produkt Datum Eifel-Online PC1 ist ein Preis 23.01.02 FH Aachen IBM PC 1000 € Beispiel für ein Frame/ Subframe

Danke für Eure Aufmerksamkeit Unsere Präsentation findet ihr auch unter http://www.eifel-online.de/~reiher/fh-aachen/ti