SMART Systems (Vorlesung: KI & XPS) zSystems based on Symbol-Manipulating Automated Reasoning Techniques zVoraussetzungen: yAlgorithmen und Datenstrukturen.

Präsentation zum Thema: "SMART Systems (Vorlesung: KI & XPS) zSystems based on Symbol-Manipulating Automated Reasoning Techniques zVoraussetzungen: yAlgorithmen und Datenstrukturen."—  Präsentation transkript:

1 SMART Systems (Vorlesung: KI & XPS) zSystems based on Symbol-Manipulating Automated Reasoning Techniques zVoraussetzungen: yAlgorithmen und Datenstrukturen (z.B. Suche, Sortieren) yGrundlagen der Programmierung zVorteilhaft: yXML, RDF, yVerteilte Systeme, Datenbanken Ralf Möller, Univ. of Applied Sciences, FH-Wedel

2 SMART Systems (Vorlesung: KI & XPS) zLernziele der Vorlesung allgemein: yFundamente: Überblicke, Grundprinzipien yTechniken: Modellierung, Schlußverfahren yAnwendungen im Verteilte-Systeme-Kontext zLernziele heute: yEinführung in das Gebiet "Künstliche Intelligenz" (KI) yGrundidee und Probleme von "Expertensystemen" yPrinzipien "einfacher" Verfahren yAusrichtung und Fokus dieser Vorlesung: xFrühzeitig "ran" an die praxisorientierten Themen

3 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

4 Sichten auf das Gebiet KI zUntersuchungen zur menschlichen Kognition z... sind notwendig für Systeme in denen eine "quasi-natürliche" Interaktion angestrebt wird yÜbersetzung natürlicher Sprache yGenerierung von Graphiken (z.B. in Handbüchern) z... sind ein interessantes Forschungsgebiet zAber: In dieser Vorlesung nicht im Fokus zHier: Konstruktion Intelligenter Systeme (IS)

5 KI/IS - Die Urzeit zProblemlösen durch Suche in einem Zustandsraum yBeispiel: Missionare und Kannibalen, Wasserkrug-Problem zSuche und Optimierung yBeispiel: 16-er Puzzle, Fahrplanauskunft ySystematische Suche der besten Lösung: A*-Algorithmus yStochastische Suche: z.B. "Genetische" Algorithmen z2-Personen-Nullsummenspiele yBeispiel: Tic-Tac-Toe, Dame, Schach  Basisverfahren: Minimax-Algorithmus,  -Beschneidung

6 Wasserkrugproblem © Uwe Schmidt

7 Wasserkrugproblem (2) Zustand: Zustandsübergänge: © Uwe Schmidt

8 Wasserkrugproblem (3) © Uwe Schmidt zSuchgraph ohne Zyklenerkennung

9 zSuchgraph mit zZyklenerkennung zSuchstrategien: yTiefensuche yBreitensuche Wasserkrugproblem (4) © Uwe Schmidt

10 Kosten und Finden eines "besten Weges" zAnnahme: das "Überschreiten" einer Kante zwischen Knoten n i und n j im Suchraum verursacht bestimmte Kosten c(n i, n j ) zKosten g(n) für einen Knoten n: Summe der Kantenkosten bis zum Startknoten zTiefensuche vs. Breitensuche zBest-First-Traversierung des Suchraums zA*-Algorithmus (später detaillierter) yBetrachte nicht nur g(n), sondern auch Abschätzung h(n) zum Ziel: Knotenkosten f(n) = g(n) + h(n)

11 KI/IS - Die Frühzeit: Expertensysteme zProblemlösung durch Anwendung von Wissen: yErsetzung/Replizierung eines menschlichen Experten yZustandsraum nicht ausreichend: "Wissen" notwendig zWissensakquisition beim/mit dem "Experten" zWissensrepräsentation yRelationale Modellierungsstrukturen xRegelsysteme zur Manipulation der Strukturen xLogische Programmierung (z.B. Prolog) yStatistik/Stochastik/Wahrscheinlichkeitstheorie yNeuronale Netze

12 XPS klassischer Ausprägung zSoftwaresysteme mit speziellem Aufgabenbereich: yMedizinische/technische Diagnose yKonstruktion technischer Geräte/Systeme yBeratungssysteme y... zMotivation der Problemlösungsstrategie durch "Nachahmung" des Vorgehens eines "Experten"

13 … z.B. wenn ein Auto nicht anspringt Regel 1 Wenn(Anlasser Zustand normal) dann (Batterie Zustand OK) Regel 2 Wenn (Batterie Zustand OK) Und (Tankuhr Wert > 0) Und (Benzinfilter Zustand sauber) Dann (Problem Ort Zündanlage) Regel 3 Wenn (Batterie Zustand OK) Und (Tankuhr Wert > 0) Und (nicht (Benzinfilter Zustand sauber)) Dann (Problem Ort Benzinzuleitung) Regel 4 Wenn (nicht (Scheibenw. Zustand OK)) Und (nicht (Licht Zustand OK)) Dann (Defekt Wert Batterie_leer) Regel 5 Wenn (nicht Wert Tankuhr > 0) Dann (Defekt Wert Tank_leer) Regel 6 Wenn (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

14 Regelverkettungsstrategien zVorwärtsverkettung: yGegeben: Symptome yFrage: Kann durch Regelanwendung als Konsequenz eine Diagnose abgeleitet werden? zRückwärtsverkettung: yGegeben: Diagnose, die bestätigt werden soll yFrage: Ist es möglich, die gesuchte Diagnose aus den Vorbedingungen von Regeln abzuleiten? zMixed-mode ggf. unter Benutzerbefragung yNicht alles muß direkt im Arbeitsspeicher stehen

15 XPS und Regelsysteme - Probleme? zMehrdeutigkeiten: yStruktur und Bedeutung der manipulierten Einheiten unklar yKontrollstrategie: Was passiert, wenn mehrere Regeln in einer bestimmten Situation anwendbar sind? (Negation!) zNur operationale Semantik, kein Korrektheitsbegriff zModellbildungsaufwand, Wiederverwendbarkeit zReihenfolge der möglichen Fragen an Benutzer willkürlich an maschineller Kontrollstrategie orientiert zKopplung mit Software-Infrastruktur aufwendig zWissensakquisitionsgedanke oft boykottiert zVorgehen des Menschen nicht immer optimal

16 Später: Assistenzsysteme (1) zEinbettung von Techniken zur Unterstützung des Menschen in Standard-Softwaresystemen zAnwendungen: Hilfesysteme

17 Später: Assistenzsysteme (2) zEinbettung von Techniken zur Unterstützung des Menschen in Standard-Softwaresystemen zAnwendungen: Übersetzungssysteme

18 Später: Assistenzsysteme (3) zEinbettung von Techniken zur Unterstützung des Menschen in Standard-Softwaresystemen zAnwendungen: Layout

19 IS - Warum keine Simulation des Menschen? zNachahmung hoffnungslos zIn der Anwendung werden (Teil-)Funktionalitäten benötigt, die kein Vorbild haben zBeherrschbarkeit von Informatiksystemen zSoftware-Engineering-Prinzipien notwendig ySiehe auch die Vorlesung "Software-Engineering" zModularisierung notwendig

20 Neue Generation von XPS-Techniken zKorrektheitsbegriff zErklärungsfähigkeit zVerwendung von (deklarativen) Modellen zSpezielle Modellierungstechniken yz.B. modellbasierte Diagnose yz.B. Konfigurierungssysteme

21 Grundprinzip: Konsistenzbasierte Diagnose systematisches Zurückziehen von Korrektheitsannahmen, die mit den Beobachtungen nicht konsistent sind Verhaltensbasierte Diagnose systematisches Suchen von Verhaltensmodellen, die Übereinstimmung mit Beobachtungen ergeben Meßwert- vorschläge vorhergesagtes Verhalten Fehler- annahmen beobachtetes Verhalten Physikalisches System Computer- internes Modell Abweichungen Modellbasierte Diagnose © Bernd Neumann

22 Kabinenlayout für Passagierflugzeuge Plazierung der Kabineneinrichtung (Sitze, Küchen, Toiletten, etc.) unter Berücksichtigung von: Kundenwünschen Technischen Möglichkeiten Legalen Beschränkungen Optimalitätskriterien Konfigurierung © Bernd Neumann

23 Was ist das Gemeinsame hinter den Kulissen? zBeschreibung von Objekten einer Anwendung zAuf welchen Techniken basiert die Problemlösung? zLassen sich Grundprinzipien erkennen? zJa! Davon berichtet diese Vorlesung! zDie Vorlesung vermittelt Grundlagen, um z.B. obige Anwendungen in sicherer Weise mit minimalem Aufwand zu erstellen

24 Bezug dieser Vorlesung zu WI und MI zErklärung von Repräsentationssprachen anhand von Beispielen in Geschäftsanwendungen zGrundlagen der Modellbildung und Modellierung zPraktisch verwendbare Repräsentations- und Anfragesprachen zInferenzdienste und -algorithmen zSMART-Systems: ySystems based on Symbol-Manipulating Automated Reasoning Techniques

25 Abgrenzung: Robotiksysteme zTechnische Systeme ySignalverarbeitung dominiert zKennzeichen yAutonomie yBeweglichkeit ySensoren yAktuatoren zSciFi-Beispiele yR2D2, C3PO zAktuell: RoboSoccer

26 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. © Bernd Neumann

27 Der Anwendungskontext: Vernetzung

28 Voraussetzungen für SMART-Systems zMiddleware für verteilte Systeme zTechnische Voraussetzungen für Verteilung und Strukturierung (z.B. Agenten) zSiehe die Vorlesung "Realisierung verteilter Anwendungen" zVerteilte Geschäfts- anwendungen

29 Ein Szenario

30 Unternehmensübergreifende Standards zzur Produktmodellierung zzum Informationsaustausch (B2B, B2C, App2App) yStichwort: Enterprise Application Integration yNicht die Übertragung von Daten macht Probleme, aber die Bedeutung der ausgetauschten Informationseinheiten

31 XML, RDF zXML: eXtensible Markup Language yNur syntaktische Einschränkung von Graphstrukturen durch DTDs (Document Type Definitions) yNur für Menschen "lesbar" zRDF: Resource Description Framework yMetadaten zur Beschreibung von Daten zGrundlagen von Beschreibungssprachen yRepräsentationsmittel und deren formale Semantik yInferenzen Was kann ich hier lernen?

32 SMART-Systems zNetzwerkorientierte Softwaresysteme,... yServer, Komponenten, Agenten z... die in klassische Anwendungen (z.B. E-Business-Systeme) eingebettet werden, zin Kommunikation miteinander treten, zihre Umgebung befragen (Sensoren) und auch beeinflussen (Aktoren) sowie zplanen und handeln, zum ein (vorgegebenes) Ziel zu erfüllen

33 Warum SMART-Systems? zHeterogenität der Umgebungen yWechsel der Umgebung bei Agenten yModularisierungsgedanke auch bei statischer Umgebung zImplizite Voraussetzungen bei der Kommunikation mit der Umgebung ySysteme von Begrifflichkeiten (Ontologien) yKonventionen oder "Übersetzung" notwendig ySchließen über implizite Informationen notwendig yggf. durch Vermittler (Broker)

34 Warum SMART-Systems? zSoftware- oder Werkzeug-orientierte Sicht auf verteilte Systeme reicht nicht! zOOA- und OOD nicht für heterogene Systeme zRepräsentationstheorie für Begrifflichkeiten, Ereignisse, Vorgänge und raum-zeitliche Phänomene notwendig (vgl. DB-Theorie) zTheorie der Ereigniserkennung, des Planens, des Handelns und der Kommunikation erforderlich zAutomat. Schließen über implizite Informationen

35 Aktuelles Schlagwort: Wissensmanagement zWirtschaftswissenschaft: z.B. Arbeitsorganisation zInformatik: z.B. das "Semantic Web" zBereitstellung und Suche von Informationen zInformationen im Web nicht nur für den Menschen "lesbar" zInformationen im Web zur maschinellen Verarbeitung

36 Diese Vorlesung: SMART-Systems zFormale Repräsentations- und Inferenzsysteme zWichtig aus Sicht der WI und MI: yVerstehen der Grundlagen des "Semantic Web" yVerstehen der Grundlagen von Agentensystemen zÜbertragung in andere Anwendungskontexte yz.B. Diagnose, Konfigurierung, Bild- und Sprachverstehen zAus Sicht der Forschung: yNeue Repräsentationsstrukturen yNeue Inferenzalgorithmen zur Anfragebeantwortung

37 Probleme und Herausforderungen zRepräsentationssprachen ySyntax und Semantik (letzteres ist wichtiger!) zAnfragesprachen (Inferenzdienste) yPragmatik zInformationsintegration: Schließen über Schemata zSchließen über Wissenszustände zErmangelungsschließen / Nichtmonotonie zPlanen und Konfigurieren zLernen

38 Literatur, Details und Zusatzinformationen zhttp://www.fh-wedel.de/~mo/lectures/smart.html zHandbuch der Künstlichen Intelligenz yG. Görz, C.-R Rollinger, J. Schneeberger (Hrsg.) zPrinciples of Knowledge Representation  G. Brewka (Hrsg.)

39 Semantic Web: Systeme und Werkzeuge zUniversitäten: yhttp://kogs-www.informatik.uni-hamburg.de/~race/ yhttp://www.cs.man.ac.uk/FaCT yhttp://img.cs.man.ac.uk/oil y... zFirmen: yhttp://www.wimmelvonbargen.de/ yhttp://www.ontoprise.de/ yhttp://www.networkinference.com/ y...

40 Organisatorisches zSprechstunde RM: Dienstag nachmittag zKlausur yWann? Am Ende des Semesters yWo? yWie lernt man für dieses Fach? xWiedergeben xAnwenden xÜbertragen zÜbungen zur Klausurvorbereitung unter: yhttp://www.fh-wedel.de/~mo/lectures/smart.html

41 Was kommt beim nächsten Mal? zWir werden konkreter und... z... diskutieren Repräsentations- und Inferenzechniken... z... anhand von Beispielen in Geschäftsanwendungen zInsbesondere: "Ontologien" und die Herausforderung des "Semantic Web"