Mechanizm wnioskowania

Drugim niezwykle waŜnym składnikiem systemu ekspertowego jest mechanizm wnioskowania, który na podstawie bazy wiedzy i bazy danych oraz korzystając z wprowadzonych danych wejściowych, które zawarte są w pytaniu sformułowanym przez uŜytkownika, poszukuje rozwiązania problemu. Dla uzyskania prawidłowego wniosku, którego wymaga od systemu uŜytkownik, naleŜy „przejść” od stanu początkowego do stanu końcowego poprzez stany pośrednie, wyznaczane przez wybrane elementy z bazy wiedzy i bazy danych. Stosuje się róŜne techniki poszukiwania rozwiązania, a najbardziej popularne są tzw. metody przeszukiwania, których jest stosunkowo duŜo róŜnych - od metod określanych jako ślepe (nie wykorzystujących informacji o dziedzinie rozwiązania) do metod heurystycznych (ściśle dopasowanych do danego problemu). W celu określenia rozwiązania definiuje się tzw. graf stanów składający się z węzłów i operatorów. Graf stanów zawiera wszystkie moŜliwe ścieŜki postępowania wiodące od stanów początkowych do stanu określającego rozwiązanie. W zaleŜności od wybranej ścieŜki postępowania określa się

tzw. strategię postępowania. W przypadku metod ślepego przeszukiwania porządek przeszukiwań zaleŜy jedynie od informacji uzyskanej z juŜ zbadanych węzłów grafu i procesu przeszukiwań, a nie jest brane pod uwagę prawdopodobieństwo sukcesu wybranej drogi. W przypadku metod heurystycznych wykorzystywane są dodatkowe informacje związane z doświadczeniem eksperta (intuicja, przypuszczenia) oraz stosuje się analogie i uproszczenia w celu znalezienia moŜliwie najszybciej drogi wiodącej do pełnego sukcesu.

5.4.4.1. Rodzaje strategii

Do najpopularniejszych strategii poszukiwania rozwiązania naleŜą^·: • Metody ślepe:

◊ _{Strategia w głąb (depth - first) - polega na kolejnym przeszukiwaniu węzłów w dół}

(przeszukuje się kolejno rozwinięcia węzłów). Stosowana tu jest równieŜ zasada, Ŝe po przeszukaniu węzła w dół powraca się do ostatnio sprawdzanego węzła w celu przeszukania kolejnych jego rozwinięć. Strategia ta opiera się na ekspansji węzłów, tzn. generowaniu wszystkich potomków danego węzła. W przypadku „głębokiego” grafu znalezienie rozwiązania tą metodą moŜe wymagać duŜej ilości czasu i obliczeń.

◊ _{Strategia z powracaniem (backtracking) - jest modyfikacją strategii w głąb polegającą}

na zastąpieniu generowania wszystkich potomków generowaniem jednego potomka (rozszerzaniem).

◊ _{Strategia wszerz (breadth - first) - polega na kolejnym przeszukiwaniu węzłów na tym}

samym poziomie, a dopiero w przypadku nie znalezienia rozwiązania na danym poziomie - przeszukiwany jest kolejny niŜszy poziom. Analogicznie do strategii w głąb stosowanie strategii wszerz jest nieefektywne w przypadku „szerokich” grafów.

◊ _{Strategia zachłanna (hill-climbing) - polega na wybieraniu węzła najbardziej}

obiecującego do dalszego przeszukiwania. W przypadku tej strategii nie jest moŜliwy powrót do przodka aktualnie badanego węzła. W związku z tym nie jest ona systematyczna i odwracalna, ale bywa bardzo skuteczna.

• Metody heurystyczne:

◊ _{Strategia „najpierw najlepszy” (best - first) - polega na wybieraniu węzła do dalszych}

poszukiwań w oparciu o dodatkowe kryteria, wykorzystywane w ocenie węzła. Kryteriami tymi mogą być wymagania:

- zbieŜności (gwarantującej osiągnięcie celu)

- najmniejszego kosztu drogi wyznaczonej od węzła początkowego do węzła końcowego

- najmniejszej złoŜoności obliczeniowej procesu przeszukiwania

Zaletą tej strategii jest uporządkowanie listy przeglądanych węzłów zgodnie z funkcją heurystyczną oraz wybór węzłów do dalszej ekspansji niezaleŜnie od ich połoŜenia w grafie

◊ _{Strategia A* - polega na wyznaczeniu kolejnych węzłów do przeszukiwań na podstawie}

najtańszej drogi w grafie. Funkcja heurystyczna stosowana w tej metodzie jest opisywana jako: f(w) = h(w) + g(w), gdzie h(w) jest to koszt drogi od węzła w do węzła celu, a g(w) jest to koszt drogi od węzła początkowego do węzła w.

◊ _{Strategia A* z iteracyjnym powracaniem - jest modyfikacją strategii A*, polegającą}

na przeszukiwaniu najkrótszej drogi od węzła początkowego do węzła celu z uwzględnianiem wartości węzła określanego funkcją heurystyczną. Jest to w istocie realizacja strategii w głąb z uwzględnieniem tzw. progu wartości węzła. JeŜeli przy przeszukiwaniu w głąb wartość węzła jest większa od zadanego progu to nie jest wykonywane przeszukiwanie kolejnego potomka, tylko następuje powrót.

5.4.4.2. Sposoby wnioskowania

Oprócz obranej strategii przeszukiwania węzłów (stanów) waŜnym czynnikiem wpływającym na jakość ekspertyzy (wyniku) jest zastosowany mechanizm wnioskowania na podstawie dostarczonych danych. WyróŜniamy następujące typy wnioskowania [65]:

1. Wnioskowanie w przód - idea tego typu wnioskowania polega na generowaniu nowych faktów na

podstawie dostępnych reguł i znanych faktów tak długo, aŜ uzyska się postawiony cel. Nowo generowane fakty dodawane są do juŜ występujących, co z jednej strony przyspiesza proces sprawdzania, ale równocześnie obciąŜa pamięć operacyjną, co moŜe mieć wpływ na szybkość działania tej metody.

2. Wnioskowanie wstecz - polega na wykazywaniu prawdziwości hipotezy na podstawie

prawdziwości przesłanek, a następnie tak określone przesłanki przyjmowane są jako nowa hipoteza, dla której naleŜy znaleźć nowe przesłanki itd. Proces jest powtarzany kolejno aŜ do osiągnięcia początkowych załoŜeń, czyli aŜ do dotarcia do stwierdzeń, których prawdziwość przyjęto w tym rozumowaniu jako przesłankę początkową, czyli aksjomat. Ten typ wnioskowania odznacza się stosunkowo duŜą szybkością, jednak niemoŜliwe jest przy jego pomocy wykazanie kilku hipotez, co czasem w praktyce ma miejsce.

3. Wnioskowanie mieszane - jest wnioskowaniem pośrednim pomiędzy wnioskowaniem w przód

oraz wnioskowaniem wstecz. Ogólna zasada polega na przełączaniu trybu wnioskowania na podstawie tzw. metareguł opartych na bazie metawiedzy¹. W tym przypadku system musi być dodatkowo wyposaŜony w bazę metawiedzy zawierającą metareguły, komplikuje jego strukturę.

1 Metawiedzę moŜna zdefiniować jako „wiedzę o wiedzy”. Na ogół jest ona trudna do wytworzenia, ale bardzo wygodna do wykorzystania, gdy juŜ jest znana.

Zaletą jest natomiast dosyć duŜa szybkość działania osiągana przy pomysłowo zbudowanej bazie meta wiedzy.

4. Wnioskowanie rozmyte - oparte jest na teorii zbiorów rozmytych, w której jako rozwiązanie

problemu przyjmuje się wartości z przedziału [0,1], przy czym 0 oznacza, Ŝe rozwiązanie nie naleŜy do zbioru, a 1 Ŝe naleŜy. Wszystkie liczby pomiędzy 0 i 1 są przyjmowane z odpowiednią funkcją przynaleŜności, czyli wagą. Teoria rozumowania rozmytego zostanie nieco szerzej omówiona w następnym rozdziale.