Vages Wissen in diagnostischen Agentensystemen Mitchel Berberich Lehrstuhl Info VI - Uni Würzburg Theorietag 2000.

Präsentation zum Thema: "Vages Wissen in diagnostischen Agentensystemen Mitchel Berberich Lehrstuhl Info VI - Uni Würzburg Theorietag 2000."—  Präsentation transkript:

1

2 Vages Wissen in diagnostischen Agentensystemen Mitchel Berberich Lehrstuhl Info VI - Uni Würzburg Theorietag 2000

3 Übersicht Verteilte Diagnosesysteme Verschiedene Detaillierungsgrade Daten (Numerisch Multiple Choice) Zuverlässigkeitsangaben (Wahrscheinlichkeiten Punkteschema) Stellen von Diagnosen Kombinierte Empfehlungen Gegenseitige Kritik

4 Coop-D3 Architektur Diagnoseagenten Kommunikation über Blackboard Agenten besitzen Abbildungswissen Überweisung Abklärungen Enwicklungshilfen Glossar

5 Agentenarchitektur Indirekte Adressierung über Kompeten- zen und Teamstruktur Einzelne Wissensbasen können sich auf verschiedenen Servern befinden Brokerarchitektur vs. Useragents

6 Broker enthalten... Kommunikationsmodul Terminologie-Wissensbasis Informationssystem Wissen zum Auffinden von Spezialisten Modul zum Auflösen bzw. Reduzieren von Mehrdeutigkeiten Modul zum Kombinieren von Teillösungen

7 Diagnosesysteme enthalten... Problemlöser Wissen über die Existenz anderer Agenten Abbildungswissen für Im- und Exporte in bzw. aus der Terminologiewissensbasis Kritikwissen... und berücksichtigen Mehrdeutigkeiten

8 Unsicheres Wissen

9 Darstellung unsicherer Daten Wahrscheinlichkeiten (Bayes & ~sche Netze) Punkteschemata Bewertungsklassen Ergebnisse eines Fallvergleichs Dempster-Shafer-Theorie Ausgaben Neuronaler Netze Angaben zu Benutzereingaben

10 Weitergabe von Unsicherheiten Übersetzung Analytischer Ansatz (Beispiel HECODES) Punkteschema / Bewertungsklassen Ausfiltern konkurrierender Lösungen, keine globale Nützlichkeitsfunktion => Aufträge mit Zielvorgabe werden notwendig Überlappende Kompetenzbereiche Kombination / Bewertung von Ergebnissen

11 HECODES (I/IV) Framework for heterogeneous cooperative distributed expert systems (C. Zhang 1992 - 1996) Streng analytischer Ansatz, aufgezeigt an EMYCIN, PROSPECTOR und MYCIN In den meisten Systemen existiert Beschreibung der Wahrscheinlichkeit v. Daten, Wissen und der Algorithmen (meist Semigroup), von denen eine homomorphe Transformation der Wahrscheinlich- keitsangaben abgeleitet werden kann Normpunkte wahr und falsch, dazwischen monoton

12 Angaben in EMYCIN : [-1;1] ist [sicher f; sicher t] PROSPECTOR : [0;1] ist [sicher f; sicher t] MYCIN: Tupel (0,1) ist sicher falsch Transformation von MYCIN nach EMYCIN Nachteile Starke Abhängigkeit zwischen den Agenten Zwar bestmöglichste Abbildung, aber ist dies notwendig? HECODES (II/IV)

13 Mehrdeutigkeiten

14 Detaillierungsgrade Probleme Quantitative Daten -> numerische Daten Quantitative Daten -> quantitative Daten Kombinierte Herleitung Mögliche Lösung: Daten werden immer in höchster Auflösung erhoben. Bei Bedarf Rückfragen an Benutzer Multiple Welten Unterstützung mehrere gleichzeitiger Formate durch die Terminologiewissensbasis als Hilfe für die Entwickler des Systems Mitchel Berberich: Noch bearbeiten Mitchel Berberich: Noch bearbeiten

15 Informationen in Abb-Wissen Dunkel Kalt? Bunt

16 Verarbeitung in den PLS Pessimistischer Ansatz Schlußfolgerungen aus Teilwissen über Symptome (z.B. aus Wert ist nicht blau oder Wert ist blau oder rot) => Wert nicht mehr nur bekannt / unbekannt => Markierung notwendiger / wichtiger Antwortalternativen etwas optimistischer Eine auf einem teilweise bekannten Symptom aufbauende Regel kann immer feuern. (Erzeugung von Ausnahmeregeln) Hypothesize & Test Notwendig: Heuristik f. Rückfragezeitpunkt, Bewertung d. Verdachtsdiagnosen Verbesserung durch Angabe von Defaultwerten und Konsistenzprüfung der generierten Regeln u. Backtracking

17 Kombinierte Empfehlungen

18 Verrechnung von Lösungen (HECODES III/IV) Unterscheidung Konflikt (Contradiction) Knowing / Ignoring Different Values for Attributes (Inconsitency) Normierung der Wahrscheinlichkeitsangaben Bei großen Abweichungen => Clusterbildung über die komplette Wahrscheinlichkeitsverteilung Innerhalb eines Clusters zunächst Angleichung Ist ein anderer Experte einer bestimmten Meinung, dann werden die eigenen Werte entsprechend angepasst Die eigene Meinung wird aber stärker gewichtet als die aller anderen. Auch die Kompetenz einer Quelle fließt hier ein.

19 HECODES IV/IV Dann Ermittlung der Gesamtlösung eines Clusters über Mittelwert und "Uniformität" Konfliktauflösung zwischen den Clustern (Normale Synthesefunktion ist hier nicht definiert) In Abhängigkeit der Authorität eines Clusters werden die Cluster nacheinander miteinander für die einzelnen Diagnosen kombiniert. Vor- und Nachteile + Basierend auf plausiblen Annahmen + Einteilung in Cluster - Keine Berücksichtigung von Therapie, Nützlichkeit u. Risiko - Bei vielen Diagnosen ist in jedem Cluster nur ein Agent

20 Gegenseitige Kritik Ein Kritiksystem ist ein decision support system that allows the user to make the decision first; the system then gives its advice when the user requests it or when the users decision is out of the systems permissible range. Überprüfung der fremden Lösung Spricht etwas gegen die aktuelle Lösung Ist die aktuelle Lösung zuverlässig Ist die aktuelle Lösung vollständig Gibt es bessere Lösungen

21 Aufgabe des Kritiksystems Aufgabe: Kritiksystem soll aufgrund der existierenden Daten deren Zuverlässigkeit und die Zuverlässigkeit der Lösungen beurteilen und den anderen Agenten auf bestimmte Fakten aufmerksam machen oder auf seltene, aber wichtige Diagnosen hinweisen. Unsicher ist die Qualität des Wissens in der Wissensbasis die Vollständigkeit der Daten die Zuverlässigkeit der Daten und auch die Qualität des Kritikwissens

22 Realisierungsmöglichkeiten Realisierung durch explizites Wissen über Kritikpunkte Realisierung durch Vergleich der Benutzerlösung mit der Ausgabe eines Expertensystems Kombination der ersten beiden Ansätze Vorteile: Kontinuierliche Kombination / Bewertung von Lösungen Funktioniert auch bei unvollständigem Wissen Gegenseitige Hilfe auch schon bei der Datenerfassung - gefährliche Untersuchungen werden unterdrückt

23 Weiteres Vorgehen

24 Zeit(?)plan Bereitstellung der Infrastruktur Broker bietet Konvertierungsdienste Broker kann Mehrdeutigkeiten auflösen Erweiterung der Wissensrepräsentation in den Diagnoseagenten Erweiterung des heuristischen PLS Verrechnung von Lösungen, Kritik Evaluation und Ausarbeitung

25 Vortragsende