SMART Systems Vorlesung KI XPS Ralf Möller

SMART Systems (Vorlesung: KI & XPS) Ralf Möller, Univ. of Applied Sciences, FH-Wedel z Systems based on Symbol-Manipulating Automated Reasoning Techniques z Voraussetzungen: y. Algorithmen und Datenstrukturen (z. B. Suche, Sortieren) y. Grundlagen der Programmierung z Vorteilhaft: y. XML, RDF, y. Verteilte Systeme, Datenbanken

SMART Systems (Vorlesung: KI & XPS) z Lernziele der Vorlesung allgemein: y. Fundamente: Überblicke, Grundprinzipien y. Techniken: Modellierung, Schlußverfahren y. Anwendungen im Verteilte-Systeme-Kontext z Lernziele heute: y. Einführung in das Gebiet "Künstliche Intelligenz" (KI) y. Grundidee und Probleme von "Expertensystemen" y. Prinzipien "einfacher" Verfahren y. Ausrichtung und Fokus dieser Vorlesung: x. Frühzeitig "ran" an die praxisorientierten Themen

Ziele der KI als Teilgebiet der Informatik KI hat ingenieurwissenschaftliche und kognitionswissenschaftliche Ziele Ingenieurwissenschaftliche Ziele: Kognitionswissenschaftliche Ziele: Intelligente Systeme konstruieren Menschliche Intelligenz "erklären" Verbindungen zu den Gebieten Formale Logik Statistik / Stochastik Signalverarbeitung Regelungstechnik Verbindungen zu Biowissenschaften Psychologie Linguistik Philosophie © Bernd Neumann

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

KI/IS - Die Urzeit z Problemlösen durch Suche in einem Zustandsraum y. Beispiel: Missionare und Kannibalen, Wasserkrug-Problem z Suche und Optimierung y. Beispiel: 16 -er Puzzle, Fahrplanauskunft y. Systematische Suche der besten Lösung: A*-Algorithmus y. Stochastische Suche: z. B. "Genetische" Algorithmen z 2 -Personen-Nullsummenspiele y. Beispiel: Tic-Tac-Toe, Dame, Schach y. Basisverfahren: Minimax-Algorithmus, ab-Beschneidung

Wasserkrugproblem © Uwe Schmidt

Wasserkrugproblem (2) Zustandsübergänge: © Uwe Schmidt Zustand:

Wasserkrugproblem (3) z Suchgraph ohne Zyklenerkennung © Uwe Schmidt

Wasserkrugproblem (4) z Suchgraph mit z Zyklenerkennung z Suchstrategien: y. Tiefensuche y. Breitensuche © Uwe Schmidt

Kosten und Finden eines "besten Weges" z Annahme: das "Überschreiten" einer Kante zwischen Knoten ni und nj im Suchraum verursacht bestimmte Kosten c(ni, nj) z Kosten g(n) für einen Knoten n: Summe der Kantenkosten bis zum Startknoten z Tiefensuche vs. Breitensuche z Best-First-Traversierung des Suchraums z A*-Algorithmus (später detaillierter) y. Betrachte nicht nur g(n), sondern auch Abschätzung h(n) zum Ziel: Knotenkosten f(n ) = g(

KI/IS - Die Frühzeit: Expertensysteme z Problemlösung durch Anwendung von Wissen: y. Ersetzung/Replizierung eines menschlichen Experten y. Zustandsraum nicht ausreichend: "Wissen" notwendig z Wissensakquisition beim/mit dem "Experten" z Wissensrepräsentation y. Relationale Modellierungsstrukturen x. Regelsysteme zur Manipulation der Strukturen x. Logische Programmierung (z. B. Prolog) y. Statistik/Stochastik/Wahrscheinlichkeitstheorie y. Neuronale Netze

XPS klassischer Ausprägung z Softwaresysteme mit speziellem Aufgabenbereich: y. Medizinische/technische Diagnose y. Konstruktion technischer Geräte/Systeme y. Beratungssysteme y. . . z Motivation der Problemlösungsstrategie durch "Nachahmung" des Vorgehens eines "Experten"

Regelbasiertes Vorgehen: z. B. Diagnose Regelmenge … 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) Inferenzkomponente (Anlasser Zustand normal) (Scheibenw. Zustand OK) (Licht Zustand OK) (Tankuhr Wert > 0) (Benzinfilter Zustand sauber) 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) Arbeitsspeicher (Verteilerdose Zustand OK) Hinzufügung (Batterie Zustand OK) 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) © Bernd Neumann

Regelverkettungsstrategien z Vorwärtsverkettung: y. Gegeben: Symptome y. Frage: Kann durch Regelanwendung als Konsequenz eine Diagnose abgeleitet werden? z Rückwärtsverkettung: y. Gegeben: Diagnose, die bestätigt werden soll y. Frage: Ist es möglich, die gesuchte Diagnose aus den Vorbedingungen von Regeln abzuleiten? z Mixed-mode ggf. unter Benutzerbefragung y. Nicht alles muß direkt im Arbeitsspeicher stehen

XPS und Regelsysteme - Probleme? z Mehrdeutigkeiten: y Struktur und Bedeutung der manipulierten Einheiten unklar y Kontrollstrategie: Was passiert, wenn mehrere Regeln in einer bestimmten Situation anwendbar sind? (Negation!) z Nur operationale Semantik, kein Korrektheitsbegriff z Modellbildungsaufwand, Wiederverwendbarkeit z Reihenfolge der möglichen Fragen an Benutzer willkürlich an maschineller Kontrollstrategie orientiert z Kopplung mit Software-Infrastruktur aufwendig z Wissensakquisitionsgedanke oft boykottiert z Vorgehen des Menschen nicht immer optimal

Später: Assistenzsysteme (1) z Einbettung von Techniken zur Unterstützung des Menschen in Standard-Softwaresystemen z Anwendungen: Hilfesysteme

Später: Assistenzsysteme (2) z Einbettung von Techniken zur Unterstützung des Menschen in Standard-Softwaresystemen z Anwendungen: Übersetzungssysteme

Später: Assistenzsysteme (3) z Einbettung von Techniken zur Unterstützung des Menschen in Standard-Softwaresystemen z Anwendungen: Layout

IS - Warum keine Simulation des Menschen? z Nachahmung hoffnungslos z In der Anwendung werden (Teil-)Funktionalitäten benötigt, die kein Vorbild haben z Beherrschbarkeit von Informatiksystemen z Software-Engineering-Prinzipien notwendig y. Siehe auch die Vorlesung "Software-Engineering" z Modularisierung notwendig

Neue Generation von XPS-Techniken z Korrektheitsbegriff z Erklärungsfähigkeit z Verwendung von (deklarativen) Modellen z Spezielle Modellierungstechniken yz. B. modellbasierte Diagnose yz. B. Konfigurierungssysteme

Modellbasierte Diagnose Meßwertvorschläge Physikalisches System beobachtetes Verhalten • Grundprinzip: Abweichungen Fehlerannahmen Computerinternes Modell vorhergesagtes Verhalten Konsistenzbasierte Diagnose systematisches Zurückziehen von Korrektheitsannahmen, die mit den Beobachtungen nicht konsistent sind • Verhaltensbasierte Diagnose systematisches Suchen von Verhaltensmodellen, die Übereinstimmung mit Beobachtungen ergeben © Bernd Neumann

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

Was ist das Gemeinsame hinter den Kulissen? z Beschreibung von Objekten einer Anwendung z Auf welchen Techniken basiert die Problemlösung? z Lassen sich Grundprinzipien erkennen? z Ja! Davon berichtet diese Vorlesung! z Die Vorlesung vermittelt Grundlagen, um z. B. obige Anwendungen in sicherer Weise mit minimalem Aufwand zu erstellen

Bezug dieser Vorlesung zu WI und MI z Erklärung von Repräsentationssprachen anhand von Beispielen in Geschäftsanwendungen z Grundlagen der Modellbildung und Modellierung z Praktisch verwendbare Repräsentations- und Anfragesprachen z Inferenzdienste und -algorithmen z SMART-Systems: y. Systems based on Symbol-Manipulating Automated Reasoning Techniques

Abgrenzung: Robotiksysteme z Technische Systeme y. Signalverarbeitung dominiert z Kennzeichen y. Autonomie y. Beweglichkeit y. Sensoren y. Aktuatoren z Sci. Fi-Beispiele y. R 2 D 2, C 3 PO z Aktuell: Robo. Soccer

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

Der Anwendungskontext: Vernetzung intranet ISP % % backbone satellite link desktop computer: server: network link:

Voraussetzungen für SMART-Systems z Middleware für verteilte Systeme z Technische Voraussetzungen für Verteilung und Strukturierung (z. B. Agenten) z Siehe die Vorlesung "Realisierung verteilter Anwendungen" z Verteilte Geschäftsanwendungen

Ein Szenario

Unternehmensübergreifende Standards z zur Produktmodellierung z zum Informationsaustausch (B 2 B, B 2 C, App 2 App) y. Stichwort: Enterprise Application Integration y. Nicht die Übertragung von Daten macht Probleme, aber die Bedeutung der ausgetauschten Informationseinheiten

XML, RDF z XML: e. Xtensible Markup Language y. Nur syntaktische Einschränkung von Graphstrukturen durch DTDs (Document Type Definitions) y. Nur für Menschen "lesbar" z RDF: Resource Description Framework y. Metadaten zur Beschreibung von Daten z Grundlagen von Beschreibungssprachen y. Repräsentationsmittel und deren formale Semantik y. Inferenzen Was kann ich hier lernen?

SMART-Systems z Netzwerkorientierte Softwaresysteme, . . . y. Server, Komponente n, Agenten z. . . die in klassische Anwendungen (z. B. E-Business-Systeme) eingebettet werden, z in Kommunikation miteinander treten, z ihre Umgebung befragen (Sensoren) und auch beeinflussen (Aktoren) sowie z planen und handeln, z um ein (vorgegebenes) Ziel zu erfüllen

Warum SMART-Systems? z Heterogenität der Umgebungen y. Wechsel der Umgebung bei Agenten y. Modularisierungsgedanke auch bei statischer Umgebung z Implizite Voraussetzungen bei der Kommunikation mit der Umgebung y Systeme von Begrifflichkeiten (Ontologien) y. Konventionen oder "Übersetzung" notwendig y. Schließen über implizite Informationen notwendig yggf. durch Vermittler (Broker)

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

Aktuelles Schlagwort: Wissensmanagement z Wirtschaftswissenschaft: z. B. Arbeitsorganisation z Informatik: z. B. das "Semantic Web" z Bereitstellung und Suche von Informationen z Informationen im Web nicht nur für den Menschen "lesbar" z Informationen im Web zur maschinellen Verarbeitung

Diese Vorlesung: SMART-Systems z Formale Repräsentations- und Inferenzsysteme z Wichtig aus Sicht der WI und MI: y. Verstehen der Grundlagen des "Semantic Web" y. Verstehen der Grundlagen von Agentensystemen z Übertragung in andere Anwendungskontexte yz. B. Diagnose, Konfigurierung, Bild- und Sprachverstehen z Aus Sicht der Forschung: y. Neue Repräsentationsstrukturen y. Neue Inferenzalgorithmen zur Anfragebeantwortung

Probleme und Herausforderungen z Repräsentationssprachen y. Syntax und Semantik (letzteres ist wichtiger!) z Anfragesprachen (Inferenzdienste) y. Pragmatik z Informationsintegration: Schließen über Schemata z Schließen über Wissenszustände z Ermangelungsschließen / Nichtmonotonie z Planen und Konfigurieren z Lernen

Literatur, Details und Zusatzinformationen z http: //www. fh-wedel. de/~mo/lectures/smart. html z Handbuch der Künstlichen Intelligenz y. G. Görz, C. -R Rollinger, J. Schneeberger (Hrsg. ) z Principles of Knowledge Representation y. G. Brewka (Hrsg. )

Semantic Web: Systeme und Werkzeuge z Universitäten: yhttp: //kogs-www. informatik. uni-hamburg. de/~race/ yhttp: //www. cs. man. ac. uk/Fa. CT yhttp: //img. cs. man. ac. uk/oil y. . . z Firmen: yhttp: //www. wimmelvonbargen. de/ yhttp: //www. ontoprise. de/ yhttp: //www. networkinference. com/ y. . .

Organisatorisches z Sprechstunde RM: Dienstag nachmittag z Klausur y. Wann? Am Ende des Semesters y. Wo? y. Wie lernt man für dieses Fach? x. Wiedergeben x. Anwenden xÜbertragen z Übungen zur Klausurvorbereitung unter: y http: //www. fh-wedel. de/~mo/lectures/smart. html

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