De presentatie wordt gedownload. Even geduld aub

De presentatie wordt gedownload. Even geduld aub

Deel 2: Onzekerheid in redeneren

Verwante presentaties


Presentatie over: "Deel 2: Onzekerheid in redeneren"— Transcript van de presentatie:

1 Deel 2: Onzekerheid in redeneren
AI Kaleidoscoop College 6: Deel 1:Expert systemen Deel 2: Onzekerheid in redeneren Leeswijzer: AI6 1 1 1 1 1 1 1

2 Deel II: Redeneren met onzekerheid
Onzekerheid is aanwezig in alle KBS systemen Bronnen van onzekerheid: Kennis incomplete domein theorie (geneeskunde) foute domein theorie (geneeskunde) vage begrippen (psychiatrie) complete theorie wel beschikbaar maar te duur of te inefficient (ramp-alarm systeem) Data Data zijn niet precies bekend (meetinstrumenten) Data zijn helemaal niet bekend (te duur of onmogelijk om te meten) AI6

3 Redeneren met onzekerheid
Zeer veel verschillende formalismen beschikbaar: waarschijnlijkheidstheory (Bayes’ rule) certainty factors (MYCIN) fuzzy logic possibility theory (Zadeh) evidence theory (Dempster/Schaefer) plausability theory incidence calculus (Bundy) Sommigen zijn wiskundig incorrect, anderen zijn duur om te berekenen Keuze hangt af van toepassing.... AI6

4 Waarschijnlijkheidstheorie
Elke primitieve gebeurtenis A heeft een waarschijnlijkheid p(A) Combinatie regels voor waarschijnlijkheid van samengestelde gebeurtenissen: Voor onafhankelijk gebeurtenissen A en B!! AI6

5 Afhankelijke gebeurtenissen:
A = kruis, p(A)=0.5 B = munt, p(B)=0.5 1 Regel van Bayes: p(B) = kans dat B gebeurt, onafhankelijk van andere gebeurtenissen p(B|A) = kans dat B gebeurt, gegeven dat A gebeurt (= conditionele kans) AI6

6 Regel van Bayes (Vb) Wil weten Maar p(h Ù b) is meestal onbekend
en p(b|h) is wel bekend AI6

7 Problemen met regel van Bayes
Vereist alle paren van conditionele kansen Voorbeeld: medisch specialist kent » 2000 ziekten 1-ziekte diagnose: 1 miljoen getallen 5-ziekte diagnose: 1030 getallen !! Oplossing: neem aan dat alle symptomen onafhankelijk zijn Maar: meestal niet waar verdeel symptomen in groepen, met onafhankelijkheid tussen de groepen. Vb: mechanische problemen electrische problemen Maar: soms moeilijk (vb: geneeskunde) AI6

8 Zekerheids-factoren (MYCIN)
-1 £ CF £ 1 CF = 1 : zeker waar CF = -1: zeker onwaar CF = 0 : weet niet Elke gebeurtenis krijgt een CF Combinatie-regels voor complexe gebeurtenissen: AI6

9 Zekerheidsfactoren met regels:
Geef een CF aan elke regel: IF cond1 AND cond2 AND cond3 THEN concl (with CF=0.8) CF(conclusie)=CF(conditie) ´ CF(regel) Voorbeeld: CF(cond1)= CF(cond2)= CF(cond3)=0.6 Dan: CF(concl)=min{1.0, 0.7, 0.6} ´ 0.8 = 0.48 AI6

10 Zekerheidsfactoren met regels (2)
Wat te doen bij meerdere regels met zelfde conclusie? Vb: R1 en R2 concluderen beiden C Bereken CF met regel R1: CF1(C)=X Bereken CF met regel R2: CF2(C)=Y Combineer: X+Y-XY als X,Y>0 X+Y+XY als X,Y<0 anders AI6

11 Problemen met Certainty Factors
Geen wiskundig correct model (strijdig met waarschijnlijkheidsleer) Uitkomst kan afhangen van de volgorde Getallen moeilijk van menselijke experts te krijgen Is alleen korrekt voor korte redeneer-ketens AI6

12 Historische ontwikkeling in AI
Jaren ‘60: Zoek-systemen Weinig kennis Algemene zoekmethoden Jaren ‘70: Kennis systemen (“Expert systems”) Systemen met veel kennis over gespecialiseerde domeinen gespecialiseerde taken AI6

13 Stappen in KBS ontwikkeling (1)
Probleem Identificatie Stappen in KBS ontwikkeling (1) Kennis Conceptualisatie Kennis Formalisatie Implementatie Validatie & Testen AI6

14 Stappen in KBS ontwikkeling (2)
Probleem identificatie vastleggen van functionaliteit gebruik interviews, boeken Conceptualisatie begrippen-lijsten verschillende typen kennis structuur van kennis relaties tussen begrippen redeneervormen Formalisatie Logische analyse Implementatie Keuze van representatie taal Conceptueel model AI6

15 Rol van conceptueel model
abstract model van kennis wel begrijpelijk voor domein expert niet precies genoeg voor computer conceptueel model IF .... THEN... IF ... THEN ... Code Expertise AI6

16 Architectuur voor KBS Inference Engine Knowledge Base explanation
User Interface: menus commands graphics knowledge-base editor Inference Engine Knowledge Base explanation system AI6

17 Architectuur voor KBS (2)
User Interface: menus commands graphics knowledge-base editor Inference Engine Knowledge Base explanation system Scheiding van kennis & inferentie: Hergebruik zelfde kennis voor andere inferenties (auto’s repareren of auto’s ontwerpen) Hergebruik zelfde inferenties met andere kennis (auto’s repareren of schepen repareren) AI6

18 Kennissysteem Vb: MYCIN
Domein: Infectie ziekten Taak: Beslis of de patient een infectie heeft Bepaal het infectie organisme Bepaal toepasbare medicijnen Kies meest geschikte medicijnen Motivatie: Medische procedures zijn duur Medische kennis groeit snel Medische kennis is slecht geografisch verspreid Medische experts zijn druk bezet AI6

19 Kennissysteem Vb: MYCIN
Productie-regels: Conditie: (AND (= gram GRAMNEGATIVE) (= morphology ROD) (= aerobic YES)) Actie: (CONCLUDE class ENTEROBACTERIA) Uitleg: ALS (1) De stam is gramnegatief, en (2) de bacterie is staafvorming, en (3) de bacterie gebruikt zuurstof DAN Is er aanwijzing voor een bacterie van de classe ENTEROBACTERIA AI6

20 Vb van Complexiteit van MYCIN: parameters(1)
(AND (= gram GRAMNEGATIVE) (= morphology ROD) (= aerobic YES)) Drie typen parameters: Binair: ja/nee “Heeft de patient brandwonden?” Enkelwaardig: grote verzameling uitsluitende waarden “Wat is de leeftijd van de patient?” Meerwaardig: grote verzameling niet uitsluitende waarden “Wat zijn de symptomen?” AI6

21 MYCIN, parameters (2): attributen per parameter
Verwachte waarde: leeftijd Î [0,100] Vraag-tekst: “wat is de leeftijd van de patient?” Presentatie-tekst: “De leeftijd van de patient is” Labdata: meten in test, of afleiden door redeneren. Gebruiks-regels: alle regels die de parameter in conditie noemen Afleidings-regels: alle regels die de parameter in conclusie noemen Uitsluiting: niet vragen in bepaalde omstandigheden: zwangerschap van mannen AI6

22 MYCIN: uitleg faciliteiten
WAAROM vragen: “Waarom wil het systeem deze parameter weten?” HOE vragen: “Hoe gaat het systeem deze parameter bepalen?” Implementatie van uitlegfaciliteiten: Onthoud zoekboom van regels WAAROM vragen: Zoek omhoog in de boom waarom je dit wilt weten HOE vragen: Zoek omlaag in de boom hoe je dit kunt gaan bepalen goal data AI6

23 Hoe goed is MYCIN? Ongeveer 200 regels Consultatie-sessie: 20 minuten
Kwaliteit van diagnose: test-gevallen door MYCIN test-gevallen door experts (op papier) beide antwoorden beoordeeld door andere expert (blind) AI6

24 Toepassingen van Kennissystemen
zelf-diagnose van auto’s verzekerings acceptatie credit-card fraude-detectie toepassen van sociale wetgeving ontwerpen van gebitsprothesen waterkracht centrales in Nepal gezondheidszorg in Zuid-Afrika beheren van kankerbehandelingen toekennen van strafmaat AI6

25 Volgende keer Hoofdstuk AI6


Download ppt "Deel 2: Onzekerheid in redeneren"

Verwante presentaties


Ads door Google