Systemy Ekspertowe

Systemy ekspertowe
1
Systemy ekspertowe
• Ekspert - człowiek, który nabył dogłębną wiedzę
teoretyczną o danej dziedzinie poprzez naukę,
wiedzę praktyczną - poprzez długoletnią pracę
praktyczną (zastosowaniową) w danym wąskim
wycinku wiedzy, jest obdarzony intuicją i ma dar
stosowania tzw. skrótów myślowych i innych "tricków"
pozwalających na "przeskoki" w czasie rozumowania
i wybór najkrótszych dróg dojścia do celu, przy
rozwiązywaniu danego problemu. Mówimy wówczas,
że ekspert posiada dogłębną wiedzę heurystyczną.
Wymienione cechy związane są z pojęciem
inteligencji człowieka.
2
1
Systemy ekspertowe
System ekspertowy jest programem komputerowym,
który wykonuje złożone zagadnienia o dużych
wymaganiach intelektualnych i robi to tak dobrze jak
człowiek, będący ekspertem w tej dziedzinie.
Określenie system ekspertowy może być zastosowane
do dowolnego programu komputerowego, który na
podstawie szczegółowej wiedzy może wyciągać wnioski
i podejmować decyzję, działając w sposób zbliżony do
procesu rozumowania człowieka.
System ekspertowy opiera się zwykle na tzw. bazach
wiedzy, czyli zbiorach reguł zapisanych w formie
implikacji (zdań logicznych o strukturze „jeśli p to q”).
Systemy ekspertowe są programami próbującymi
naśladować zachowanie ekspertów - ludzi.
3
Systemy ekspertowe
Wiedza systemu ekspertowego: fakty i heurystyki.
Fakty: powszechnie akceptowane przez specjalistów.
Heurystyki: informacja subiektywna, która
charakteryzuje proces oceny przez określonego
specjalistę.
Heurystyki: intuicyjne domysły, przypuszczenia,
zdroworozsądkowe zasady postępowania.
Poziom ekspertyzy to funkcja rozmiaru i jakości bazy
wiedzy danego systemu.
4
2
Postać wiedzy
• Fakty z danej dziedziny wiedzy, np: „Zwiększenie
częstotliwości przełączeń przekształtnika typu DC/DC
powoduje zmniejszenie pulsacji prądu odbiornika.”
• Reguły typu: „Przed zdjęciem obudowy wyciągnąć
wtyczkę.”
• Heurystyki, czyli co by tu zrobić, np.:
„Kiedy nie można uruchomić samochodu warto
sprawdzić napięcie akumulatora”.
• Ogólne strategie postępowania.
• Teoria danej dziedziny, np. teoria przekształtników
energoelektronicznych.
5
Systemy ekspertowe
• Podstawowe cechy systemów
ekspertowych:
–
–
–
–
–
–
–
dotyczą wąskiej dziedziny wiedzy;
modularna budowa pozwalająca na rozbudowę systemu;
możliwość wnioskowania z niepełnej wiedzy;
rozdział mechanizmu wnioskowania od bazy wiedzy;
zastosowanie reguł wnioskowania postaci „if ... then ...".
struktura wiedzy jest klarowna (wyłączając neuronowe ES).
ważny z punktu widzenia użytkownika interfejs I/O, pozwala
na zadawanie pytań i uzyskiwanie wyjaśnień (praca
interaktywna).
– możliwość wyjaśniania łańcucha wnioskowania w sposób
zrozumiały dla użytkownika;
– moduły zdobywania wiedzy i modyfikacji wiedzy są często
używane dla rozszerzania systemów ekspertowych
6
3
Systemy ekspertowe
• Klasyfikacja systemów ekspertowych
– systemy ekspertowe tradycyjne
– systemy ekspertowe czasu rzeczywistego
Tradycyjne systemy ekspertowe najczęściej znajdują
zastosowania w zagadnieniach diagnostycznych i
konsultacyjnych.
W aplikacjach pracujących w czasie rzeczywistym,
wnioskowanie odbywa się z uwzględnieniem
najczęściej wielu szybko zmieniających się danych
(high-input data rates). Krytycznym wymogiem jest
'wyprodukowanie' właściwej odpowiedzi w
odpowiednim, krótkim przedziale czasu.
7
Systemy ekspertowe
• Systemy
ekspertowe
pracujące
w
czasie
rzeczywistym znajdują zastosowanie w zadaniach:
• bezpośredniego
sterowania
przebiegiem
procesu
lub
systemu.
• wstępnego
przetwarzanie
danych,
którego
wyniki
wykorzystywane są przez operatorów ludzi. Pełnią wtedy
bardzo istotną rolę pomocniczą dla pracy operatora. Ułatwia
mu to podejmowanie decyzji i może eliminować zmęczenie
lub nudę, co może przyczyniać się do lepszej reakcji
operatora w ważnych sytuacjach i zapewnić większe
bezpieczeństwo.
8
4
Systemy ekspertowe
•
Użycie systemu ekspertowego czasu rzeczywistego umożliwia:
• zmniejszenie potrzeby ciągłej obecności na stanowisku operatorów
o wysokich kwalifikacjach,
• zmniejszenie liczby operatorów,
• zmniejszenie awaryjności,
• bardziej spójne monitorowanie o lepszej jakości,
• zwiększenie przepustowości systemu,
• zmniejszenie kosztów trenowania operatorów.
•
•
System ekspertowy czasu rzeczywistego może sprawdzać stan
czujnika co ściśle określony, nawet bardzo krótki, czas i w
przeciwieństwie do człowieka, nie pominie żadnego pomiaru.
System ekspertowy czasu rzeczywistego powinien móc
koncentrować uwagę na jednym problemie, uznanym przez
system za najważniejszy w danej chwili. Właściwość ta
powoduje, iż system mając obszerną bazę wiedzy, może do
rozwiązania problemu używać tylko jej części, co znacznie
przyspiesza czas reakcji systemu.
9
Systemy ekspertowe
• Klasyfikacja II systemów ekspertowych
– systemy ekspertowe doradcze
– SE podejmujące decyzje bez kontroli człowieka
– SE krytykujące
Systemy doradcze prezentują rozwiązania dla użytkownika, który
jest w stanie ocenić ich jakość. Użytkownik może odrzucić
rozwiązanie oferowane przez system i zażądać innego
rozwiązania.
Systemy podejmujące decyzje bez kontroli człowieka są same dla
siebie końcowym autorytetem. Są używane np. do sterowania
różnymi obiektami, gdzie udział człowieka jest utrudniony lub
wręcz niemożliwy.
Systemy krytykujące otrzymują do analizy problem oraz jego
rozwiązanie. System dokonuje w tym przypadku analizy i
komentuje uzyskane rozwiązanie.
10
5
Systemy ekspertowe
• Klasyfikacja ze względu na sposób realizacji
– systemy dedykowane
– systemy szkieletowe (skorupowe)
•
Systemy dedykowane są tworzone od podstaw przez inżyniera
wiedzy współpracującego z informatykiem.
•
Systemy szkieletowe (skorupowe) są to systemy z pustą bazą
wiedzy. Proces tworzenia finalnego systemu ekspertowego jest w
tym przypadku krótszy niż w pierwszym, gdyż jest wymagane tylko
pozyskanie wiedzy i jej odpowiednia implementacja w systemie.
11
Systemy ekspertowe
Klasyfikacja na metodę prowadzenia procesu wnioskowania
– systemy z logiką dwuwartościową
– systemy z logiką wielowartościową
– systemy z logiką rozmytą
Klasyfikacja na rodzaj przetwarzanej informacji
– systemy z wiedzą pewną
– z systemy z wiedzą niepewną, w przetwarzaniu której
wykorzystuje się przede wszystkim aparat probabilistyczny
12
6
Systemy ekspertowe
• Czynniki pobudzające rozwój systemów
ekspertowych to:
– redukcja kosztów - wiedza eksperta jest kosztowna, stąd próby
wykorzystania często znacznie tańszych systemów ekspertowych;
– wszechstronność ekspertyz - możliwość uzyskania kilku
alternatywnych rozwiązań;
– połączenie wiedzy kilku ekspertów może spowodować, że ES
działa lepiej niż pojedynczy ekspert;
– odporność psychiczna - system ekspertowy umożliwia pracę bez
zakłóceń, nawet w stresujących warunkach;
– możliwość szybszego uzyskania odpowiedzi – analizy
– zwiększenie dostępności - ekspertyza dostępna na wielu
komputerach i przez „cały czas;
– ES pozwalają większemu gronu ludzi działać jako „ekspert”. Jest to
użyteczne przy szkoleniu itp. Edukacyjna rola ES jest bardzo duża,
np. MYCIN (system służący do diagnozowania chorób
bakteryjnych) doskonale nadaje się do uczenia studentów
medycyny, nie ryzykując zdrowiem pacjenta.
13
Zalety i wady systemów ekspertowych
Zalety
• Przydatne do rozwiązywania złożonych problemów, w
dziedzinach, w których zgromadzono wiedzę empiryczną
• Potrafią odpowiadać na pytania prezentując swoje konkluzje w
intuicyjne zrozumiały sposób, nie potrzeba programistów by
zrozumieć ich działanie.
• Zwykle oparte są na jednolitym sposobie reprezentacji wiedzy,
np. regułach lub ramach.
• Dzięki temu łatwo jest modyfikować wiedzę.
Wady:
• Trudno jest przewidzieć, jakie będą skutki dodania nowej
wiedzy, rozumowanie zdroworozsądkowe jest trudne.
• Trudno jest pozyskiwać wiedzę (uczenie maszynowe i
odkrywanie wiedzy rzadko jest częścią ES).
• Traktowanie niepewności nadal jest rzadko spotykane.
14
7
Wiedza symboliczna
Przez pojęcie wiedzy należy rozumieć zbiór wiadomości z danej
dziedziny, zawierający symboliczny opis otaczającego nas świata
rzeczywistego, scharakteryzowanego przez aksjomatyczne i
empiryczne relacje, zawierający procedury, które posługują się tymi
relacjami.
Na wiedzę składają się więc: opisy ( fakty ), relacje i procedury.
•
Fakty ( opisy ) służą do identyfikacji i rozróżniania obiektów i
klas. Są przechowywane w postaci zdań w języku o ściśle
określonych zasadach i składni. Baza opisów oprócz zdań
zawiera również reguły i algorytmy umożliwiające poprawną
interpretację danych wejściowych.
•
Relacje są to zapisane w bazie wiedzy zależności i asocjacje
(skojarzenia) zachodzące pomiędzy faktami z danej bazy.
•
Procedury to mechanizmy jakimi podlegają relacje i fakty
15
Wiedza symboliczna
Typy symbolicznej reprezentacji wiedzy:
•
Reprezentacja proceduralna – polega na określeniu zbioru
procedur, działanie których reprezentuje wiedzę o danej
dziedzinie. Zaletą tego sposobu reprezentacji wiedzy jest duża
efektywność reprezentowania procesów, np. zapisanie w postaci
równania jakiegoś prawa fizyki.
•
Reprezentacja deklaratywna – polega na określeniu zbioru
specyficznych dla rozpatrywanej dziedziny faktów, stwierdzeń i
reguł. Zaletą tego sposobu reprezentacji wiedzy jest jej łatwiejszy
opis i formalizacja. Przykładem może być zadanie polegające na
wykrywaniu osób podejrzanych o dokonanie jakiegoś
przestępstwa. Reprezentacja deklaratywna dawałaby zestawienie
faktów, mających związek z tą sprawą, a także zbiór relacji między
faktami. Charakterystyczną cechą tej reprezentacji jest to, iż nie
podany jest jawnie sposób, w jaki przestępca ma być znaleziony.
16
8
Wnioskowanie heurystyczne
Systemy ekspertowe do rozwiązywania problemów używają często metody
przeszukiwania ze względu na jej dwie najważniejsze właściwości:
•
Niepotrzebny jest określony z góry ciąg czynności prowadzących do rozwiązania.
Mogą one być określane przez analizowanie kolejnych alternatyw.
•
Nieskomplikowany sposób formułowania zadań – wymagane jest tylko określenie
zbioru stanów rozwiązywanego problemu, zbioru operatorów przekształcających te
stany, stanu początkowego i zbioru stanów końcowych.
Zalety wnioskowania heurystycznego:
•
jest to praktyczna strategia poprawiająca efektywność rozwiązywania złożonych
problemów,
•
prowadzi do rozwiązania wzdłuż najkrótszej, najbardziej prawdopodobnej drogi
omijając mniej obiecujące ścieżki,
•
podaje proste kryterium wyboru kierunków postępowania.
Wada wnioskowania heurystycznego:
•
Wykorzystanie heurystyki w procesie rozwiązywania zadania może zwiększać
niepewność otrzymania wyniku.
17
Struktura systemu ekspertowego
Maszyna wnioskująca +
Interfejs użytkownika
Baza
wiedzy X
•
Baza
wiedzy Y
Baza
wiedzy Z
Interfejs użytkownika umożliwia komunikację człowieka, podejmującego
konsultację, z systemem ekspertowym. Pozwala on na zasięganie informacji
u użytkownika o stanie środowiska oraz generowanie wyniku, a także
pokazywanie objaśnień do procesu wnioskowania. Interfejs uzależniony jest
od rodzaju systemu operacyjnego, w jakim działa system ekspertowy i
języka programowania, za pomocą którego stworzono SE
18
9
Struktura systemu ekspertowego
Baza wiedzy
Fakty
Reguły
Maszyna
wnioskująca
wraz z jednostka
sterująca
W bazie wiedzy znajdują się informacje o
wybranej dziedzinie wiedzy, stanach środowiska,
przekazane przez eksperta. Bazę wiedzy tworzy
inżynier wiedzy. Musi ona być zapisana w
postaci sformalizowanej zrozumiałej dla maszyny
wnioskującej. Wiedza w bazie wiedzy zapisana
jest za pomocą symboli, dzięki temu łatwo
można prześledzić sposób dojścia systemu do
rozwiązania oraz przeanalizować poprawność
bazy wiedzy.
Fakty są zdaniami oznajmującymi, np.
Samochód osobowy ford puma ma 3,5 m
długości.
Fakt może być reprezentowany w postaci
związku między pewnymi obiektami (tu:
samochód osobowy) i charakteryzować się
różnymi cechami (atrybutami – tu nazwa i
długość).
19
Struktura systemu ekspertowego
Oprócz faktów baza wiedzy zawiera reguły o
postaci
Baza wiedzy
Fakty
Reguły
IF warunki reguły THEN wniosek reguły
Np. Jeżeli prawdą jest A i B to prawdą jest C
W ekspertowym zapisie:
A, B → C
Maszyna
wnioskująca
wraz z jednostka
sterująca
Zbiór wszystkich warunków bazy reguł dzieli się
na dwa rozłączne podzbiory:
warunki dopytywalne – są to warunki nie będące
wnioskami innych reguł: ich wartość logiczna
musi być określana przez użytkownika
warunki niedopytywalne – są wnioskami innych
reguł. Ich wartość logiczna wynika z
odpowiadających im reguł i wartości logicznej
warunków dopytywalnych
20
10
Struktura systemu ekspertowego
Baza wiedzy
Fakty
Reguły
Maszyna
wnioskująca
wraz z jednostka
sterująca
Maszyna wnioskująca zajmuje się
wyszukiwaniem rozwiązań w przestrzeni stanów
środowiska. Jednym z podstawowych postulatów
tworzenia systemów ekspertowych jest, by
maszyna wnioskująca była oddzielona od bazy
wiedzy – systemy ekspertowe skorupowe z pustą
bazą wiedzy.
Maszyna wnioskująca wyznacza fakty
wynikające z bazy wiedzy i z pewnego zbioru
faktów początkowych , charakteryzujących
problem będący przedmiotem wnioskowania.
Wnioskowaniem nazywa się wyznaczanie
nowych faktów z bazy wiedzy i zbioru faktów
początkowych, zadeklarowanych przez
użytkownika systemu ekspertowego.
Metody wnioskowania decydują o tym, w jaki
sposób zachodzi proces myślenia, czy jest to na
przykład wnioskowanie wstecz (indukcja),
wprzód (dedukcja) lub inne.
21
Baza reguł
Typy baz reguł
Bazy reguł
elementarne
Bazy reguł
dokładne
Bazy reguł
przybliżone
Bazy reguł
elementarne dokładne
Bazy reguł
rozwinięte
(BED)
Bazy reguł
rozwinięte dokładne
(BRD)
Bazy reguł
elementarne przybliżone
(BEP)
Bazy reguł
rozwinięte przybliżone
(BRP)
22
11
System wnioskujący
Rodzaje wnioskowania
Rodzaje wnioskowania są ściśle związane z typami baz reguł
Bazy reguł
elementarne
Bazy reguł
dokładne
Bazy reguł
przybliżone
Bazy reguł
rozwinięte
Wnioskowanie
Bazy reguł
elementarne dokładne
(w przód
(BED)
lub wstecz)
Wnioskowanie
Bazy reguł
rozwinięte dokładne
(w przód
(BRD)
lub wstecz)
Wnioskowanie
Bazy reguł
elementarne przybliżone
(w przód
(BEP)
lub wstecz)
Wnioskowanie
Bazy reguł
rozwinięte przybliżone
(w przód
(BRP)
lub wstecz)
23
Konstruowanie systemów ekspertowych
Twórca
narzędzi
buduje
Narzędzia do
budowy
systemów
ekspertowych
Ekspert
dziedziny
rozszerza
i testuje
prowadzi dialog
Inżynier
wiedzy
buduje i
testuje
System
ekspertowy
wykorzystuje dane
Baza wiedzy
wykorzystuje i analizuje
Użytkownik
wykorzystuje
24
12
Konstruowanie systemów ekspertowych
Konstruowanie systemów ekspertowych jest jednym z zagadnień tzw.
inżynierii wiedzy (knowledge engineering).
Celem inżynierii wiedzy jest pozyskiwanie wiedzy z określonej
dziedziny, jej przetwarzanie, stworzenie dla tej wiedzy odpowiedniej
struktury. Zajmuje się także rozwijaniem metodologii i narzędzi
budowy systemów ekspertowych.
W szczególności obejmuje ona:
– pozyskiwania wiedzy ekspertów i tworzenia struktur dla wiedzy
ekspertów
– dopasowywania i wyboru odpowiednich metod wnioskowania i
wyjaśniania rozwiązań problemów
– tworzenie interfejsów pośredniczących w komunikacji pomiędzy
komputerem a użytkownikiem.
25
Konstruowanie systemów ekspertowych
ETAP I: Pozyskanie wiedzy ekspertów i zapisanie jej w odpowiednich
strukturach
ETAP II: Dopasowanie i wybór metod wnioskowania i wyjaśniania
rozwiązanych problemów
ETAP III: Tworzenie interfejsu do komunikacji między systemem a
użytkownikiem
26
13
Konstruowanie systemów ekspertowych
ETAP I: Pozyskanie wiedzy ekspertów i zapisanie jej w odpowiednich
strukturach
1. komunikacja - skomunikowanie się i znalezienie ekspertów
2. identyfikacja - określenie charakterystyki problemu do rozwiązania;
3. reprezentacja - znalezienie sposobu reprezentacji wiedzy;
4. formalizacja - zaprojektowanie struktur organizujących wiedzę;
5. implementacja - sformułowanie reguł lub ram zawierających wiedzę;
6. testowanie - sprawdzenie zastosowanych w systemie reguł.
27
Konstruowanie systemów ekspertowych
1.
Komunikacja
Choć pozornie faza komunikacji inżyniera wiedzy z ekspertem
wydaje się łatwa to jednak często już na tym pierwszym etapie
można natrafić na poważne problemy. Problem jednak tkwi w tym,
że często współpraca z fachowcem danej dziedziny jest
utrudniona ze względu na następujące czynniki:
–
ekspert boi się, że maszyna będzie mogła go zastąpić i
będzie już niepotrzebny
–
ekspert działa intuicyjnie, nie potrafi sprecyzować w sposób
formalny sposobów i metod swojego działania (wyjściem z tej
sytuacji może być obserwacja jego pracy)
–
ekspert nie ma czasu
–
brak wspólnego języka z inżynierem wiedzy
28
14
Konstruowanie systemów ekspertowych
2.
Identyfikacja
Podczas drugiego etapu ekspert i inżynier wiedzy określają
problem do rozwiązania i jego zakres (ponadto określają
potrzebne środki). Początkowe sformułowanie problemu jest
zazwyczaj szerokie i niejasne, wobec czego może być konieczne
staranne przestudiowanie tego problemu mające na celu jego
wyjaśnienie.
Podczas analizy należy zwrócić szczególną uwagę na to, aby
wszystkie przemyślenia i wnioski były określone jednoznacznie i
bardzo dokładnie gdyż z pewnością wysoce niepożądane są
sytuacje, w których podczas następnych etapów twórcy będą
zmuszeni cofać się i rozpatrywać dane zagadnienia powtórnie.
W tej fazie projektowania pod rozwagę należy wziąć ogólny sens
tworzenia systemu ekspertowego, gdyż w niektórych sytuacjach
może się okazać, że istnieją już gotowe narzędzia rozwiązywania
naszego problemu, jest on zbyt rozbudowany lub rozwiązanie go
jest trywialne i nie ma potrzeby stosowania tak wyrafinowanej
29
metody, jaką na pewno jest system ekspertowy
Konstruowanie systemów ekspertowych
3.
Reprezentacja
W trzecim etapie jest przeprowadzana analiza problemu. Ekspert
oraz inżynier wiedzy przedstawiają kluczowe koncepcje, relacje i
charakterystykę przepływu informacji, niezbędne w procesie
rozwiązywania problemu w danej dziedzinie. Ponadto określają
strategie i trudności w rozwiązywaniu rozważanych zagadnień.
Podczas tworzenia bazy wiedzy ważnym zagadnieniem jest
zbieranie informacji i danych, polegające na ich zgromadzeniu i
ocenie. Proces ten może obejmować dowolne z następujących
zadań częściowych: zapoczątkowanie poszukiwań literatury,
zestawienie bibliografii, gromadzenie materiałów źródłowych,
gromadzenie dokumentów i raportów, generowanie sztucznych
danych, zbieranie danych za pomocą eksperymentów, konsultacje
z ekspertami. Z wymienionych zadań najtrudniejsze jest
pozyskiwanie wiedzy na podstawie konsultacji z ekspertem
30
15
Konstruowanie systemów ekspertowych
4.
Formalizacja
Po zebraniu wiedzy i dogłębnym przestudiowaniu całego projektu
pozostaje już tylko sformalizowanie wiedzy. Głównym formalnym
opisem, a zarazem podziałem posiadanej już wiedzy są trzy
następujące pojęcia:
–
opisy lub fakty, to podstawowe cechy wyrażone jako
elementarne składniki zdań zapisanych w jakimś języku. Ich
zadanie to identyfikacja i rozróżnianie obiektów i klas.
Zawarte są w nich także wszelkiego typu reguły lub
algorytmy
wykorzystywane
do
interpretacji
danych
wejściowych,
–
relacje, to obraz zachodzących zależności i skojarzeń
pomiędzy elementami wchodzącymi w skład opisów
(faktami),
–
procedury, to mechanizmy, jakim podlegają relacje i fakty.
31
Konstruowanie systemów ekspertowych
5.
Implementacja
Ten etap realizowany jest już bez udziału eksperta. Programiści
tworzą za pomocą wybranych wcześniej narzędzi odpowiednie
reguły i ramy (klasy) zapisując w nich jednocześnie całą
niezbędną wiedzę. Podczas etapu implementacji inżynier wiedzy
łączy i reorganizuje sformalizowaną wiedzę tak, aby stała się
zgodna z charakterystyką przepływu informacji danego problemu.
Powstały w ten sposób zestaw reguł lub ram i powiązana z nim
struktura kontrolna tworzy prototypowy program. Faza ta niewiele
różni się od standardowego procesu programowania w związku, z
czym obowiązują tu ogólne zasady „efektywnego” tworzenia
oprogramowania.
32
16
Konstruowanie systemów ekspertowych
6.
Testowanie
–
–
–
–
–
–
Sprzeczność reguł
Reguły pochłaniające
Niepotrzebne warunki
Zapętlenie reguł
Wielokrotne odwołanie do jednego atrybutu
Kompletność bazy reguł
33
Konstruowanie systemów ekspertowych
ETAP II: Dopasowanie i wybór metod wnioskowania i wyjaśniania
rozwiązanych problemów
1. Rodzaj wnioskowania
• wnioskowanie w przód
• wnioskowanie wstecz
• wnioskowanie mieszane
2. Strategie wnioskowania
• strategia świeżości – wyodrębnienie reguły, która została
dołączona najpóźniej do systemu,
• strategia blokowania – eliminacja reguł, które zostały już
wykorzystane wcześniej,
• strategia specyficzności – wybiera te reguły, które cechują się
największą liczbą przesłanek
• strategia przypadkowości
34
17
Konstruowanie systemów ekspertowych
ETAP III: Tworzenie interfejsu do komunikacji między systemem a
użytkownikiem
Standardowe funkcje zapewniające minimalną funkcjonalność systemu
Dlaczego? (why?) - odpowiada na pytanie, dlaczego jest analizowany dany
warunek, podając nazwę i postać reguły, która jest analizowana z
zaznaczeniem bieżącego warunku.
Jak? (how?) - opcja dostępna w dowolnej chwili, różniąca się jednak
znaczeniem w zależności od kontekstu wywołania. Przy wywołaniu, po
ustaleniu odpowiedzi końcowej, odpowiada na pytanie: jak system doszedł
do tego, że cel stał się wynikiem. Dzięki pamiętaniu śladu wnioskowania
jest możliwe odtworzenie całej drogi wnioskowania.
Przy pozostałych wywołaniach użytkownik podając np. numer dowolnego
faktu z listy faktów uzyska odpowiedź na pytanie: jak system doszedł do
tego, że fakt przyjmuje taką wartość.
35
Konstruowanie systemów ekspertowych
ETAP III: Tworzenie interfejsu do komunikacji między systemem a
użytkownikiem
Standardowe funkcje zapewniające minimalną funkcjonalność systemu
Co będzie jeżeli ... (what will be if...) - opcja ta pomaga użytkownikowi w
udzieleniu odpowiedzi. Po wybraniu jednej z możliwych odpowiedzi system
podaje konsekwencje takiego wyboru (jeden krok w przód). Opcja ta jest
dostępna tylko przy zadawaniu pytań.
Wszystkie reguły (all rules) - wyświetlenie na ekranie wszystkich reguł, z
jakich składa się baza wiedzy, wraz ze wszystkimi warunkami.
Wszystkie fakty (all facts) - wyświetlenie na ekranie wszystkich faktów
dostępnych aktualnie na liście faktów z zaznaczeniem pochodzenia.
36
18