2.1 Überblick über Expertensysteme

Question 1

Expertensysteme - Ziel

Answer 1

Entscheidungs- und Lösungsfindungsprozess von Experten (Fachleuten) nachahmen

Question 2

Experten - Definition

Answer 2

• Menschen mit speziellen Kenntnissen und Erfahrungen in einem bestimmten Bereich
• Fachleuten auf dem jeweiligen Gebiet

Question 3

Problemlösung - Problem

Answer 3

• Problem: Fragestellungen in bestimmten Bereich ähnlich, aber nie ganz gleich
  -> Lösung von Aufgaben oder Problemen nicht allein durch Auswendiglernen
• Lösung: Problemlösung durch Methode ergänzen, die Erfahrungswissen mit neuen Problemen und Anwendungsszenarien abgleicht

Question 4

Expertensysteme - Bestandteile

Answer 4

• formalisierten Wissensbestand - Wissensbasis
• Inferenzmaschine, die Wissensbasis nutzt, um Schlussfolgerungen zu ziehen

Question 5

Hauptansätze für Expertensysteme

Answer 5

• Fallbasierte Systeme
• Regelbasierte Systeme
• Systeme basierend auf Entscheidungsbäumen

Question 6

Hauptansätze für Expertensysteme - Fallbasierte Systeme

Answer 6

• speichern Beispiele für konkrete Probleme zusammen mit einer erfolgreichen Lösung
• neuer, bisher unbekannter Fall
  -> Versuch Lösung für ähnlichen Fall zu finden und diese Lösung auf den vorliegenden Fall anzuwenden
• größte Herausforderung:
  Finden eines geeignetes Ähnlichkeitsmaß für Vergleich von Problemstellungen

Question 7

Fallbasierte Systeme - Lösungsansatz

Answer 7

• Wissensbasis mit bekannten Fällen
• Retrieve: Analyse des neuen Falls auf Ähnlichkeit mit bekannten Fällen (z.B. Algorithmen berechen Ählichkeits- und Distanzmaß)
• Reuse: Anpassung des Falls
• Revise: Einsatz und Bewertung
• Retain: Aktualisierung der Wissensbasis

Question 8

Abb. Cased-Based Reasoning Zyklus

Answer 8

Question 9

Hauptansätze für Expertensysteme - Regelbasierte Systeme

Answer 9

• Darstellung der Wissensbasis in Form von Fakten und Regeln des Typs „Wenn A, dann B“
• beschreiben Zusammenhänge zwischen Fakten

Question 10

Hauptansätze für Expertensysteme - Systeme basierend auf Entscheidungsbäumen

Answer 10

• zu lösende Problemklasse lässt sich als Entscheidungsproblem kategorisieren
  -> Darstellung des Wissens in Form von Entscheidungsbäumen
• Bäume werden erstellt, indem Beispiele analysiert werden

Question 11

Entscheidungsbaum

Answer 11

• visualisiert mehrstufige Entscheidungsprozesse in Form eines Baumdiagramms
• Entscheidungsalternativen können an den Ästen mit ihren jeweiligen Verzweigungen (Knoten) abgelesen werden

Question 12

Inferenzmaschine

Answer 12

implementiert Regeln des logischen Denkens
-> Ableitung neuer Fakten, Regeln und Schlussfolgerungen, die nicht explizit in Wissensbasis enthalten sind

Question 13

Expertensysteme - historischer Kontext

Answer 13

• Nebenprodukt früherer Versuche, allgemeinen Problemlöser zu implementieren
• Herbert A. Simon und Allen Newell
• Kombination aus Erkenntnissen der Kognitionswissenschaft und mathematischen Modellen des formalen Denkens
  -> System, das beliebige Probleme durch sukzessive Reduktion auf einfachere Probleme löst
• gescheitert, dennoch fruchtbar für weitere Entwicklung der Kognitionswissenschaft

Question 14

allgemeinen Problemlösung - Erkenntnisse

Answer 14

Entwicklung bereichsspezifischen Problemlösers im Prinzip, einfacher zu bewerkstelligen
-> Nachdenken über Systeme, die bereichsspezifisches Wissen mit bereichsabhängigen Denkmustern kombinierten

Question 15

Expertensystem - erstes praktisches Beispiele

Answer 15

• Edward Feigenbaum
• im Rahmen des „Heuristic Programming“-Projekts
• DENDRAL

Question 16

DENDRAL

Answer 16

• System zur Identifizierung organischer Moleküle
• erste bemerkenswerte Anwendung von Expertensystemen

Question 17

MYCIN

Answer 17

• Auf der Grundlage von Daten und Regeln entwickelt
• soll bei medizinischen Diagnose von Infektionskrankheiten helfen
• Wissensbasis von etwa 600 Regeln

Question 18

Expertensysteme - Höhepunkt des Forschungsinteresses

Answer 18

• 1980er-Jahren
• führte zur Entwicklung kommerzieller Anwendungen

Question 19

Expertensysteme - wichtigste Errungenschaft

Answer 19

• Vorreiterrolle bei Idee formaler, aber dennoch nachvollziehbarer Darstellung von Wissen
• Darstellung explizit
  -> Wissen in Form von Fakten und Regeln formuliert, die von Fachleuten erstellt und überprüft werden konnten

Question 20

Expertensysteme - Kernmerkmal

Answer 20

klare Trennung von:
* bereichsspezifischer, „geschäftlicher“ Logik
* allgemeiner Logik, die zur Ausführung des Programms benötigt wird und in der Inferenzmaschine gekapselt ist

Question 21

Expertensysteme - Gegensatz zu konventionellen Programmieransätzen

Answer 21

konventionellen Programmieransätze:
sowohl interne Steuerungslogik als auch fachliche Geschäftslogik implizit in Form eines Programmcodes dargestellt
-> für Nicht-IT-Fachleute schwer zu lesen und kaum zu verstehen

Question 22

Expertensysteme - ermöglicht…

Answer 22

auch Nicht-Programmierenden, eine Softwarelösung zu entwickeln, zu verbessern und zu warten
-> Idee des Rapid Prototyping

Question 23

Rapid Prototyping

Answer 23

Vorgehen, bei dem schnellstmöglich Prototypen aufgebaut und evaluiert werden
-> zügig Feedback zukünftiger Anwendenden zu wichtigen Funktionalitäten einholen und Änderungen umsetzen

Question 24

Idee des Rapid Prototyping - Entstehung

Answer 24

• bereits vorhandene Inferenzmaschine
• ermöglichte Programme für völlig unterschiedliche Zwecke zu erstellen
• einfach die zugrunde liegenden Regeln in der Wissensbasis ändern

Question 25

Expertensysteme - Nachteil

Answer 25

• für eine wachsende Zahl interessanter Anwendungsfälle entwickelt
• erforderten immer größere Wissensbasen, um betreffendes Sachgebiet zufriedenstellend zu repräsentieren
• rechnerische Komplexität der Inferenz wächst schneller als linear mit der Anzahl der Fakten und Regeln
  -> Antwortzeiten des Systems für viele praktische Probleme schlicht zu lang
• mit zunehmender Größe Wissensbasis immer schwieriger, ihre Konsistenz nachzuweisen, weil sichergestellt werden muss, dass sich einzelne Elemente nicht widersprechen

-» Rückgang ihrer Popularität