Eine wichtige Anwendung der künstlichen Intelligenz sind Expertensysteme. „Unter einem Expertensystem versteht man ein wissensbasiertes System mit Fähigkeiten zur Problemlösung bzw. Inferenzausführung, das zur Lösung von Aufgaben eingesetzt wird, die im Allgemeinen Spezialkenntnisse - d.h. eben einen Experten - verlangen.“Expertensysteme können in verschiedenen Bereichen eingesetzt werden, wie z.B. Beratung, Diagnose, Entscheidungsunterstützung, Forschung usw. Sie erhalten ihre Informationen von Experten und unterstützen Experten und Nicht-Experten bei ihrer Arbeit in einem bestimmten Aufgabengebiet. Die Besonderheit bei den meisten der betrachteten Aufgabengebiete ist, dass die benötigten Informationen, aus denen Schlussfolgerungen gezogen werden, unscharf oder unsicher sind. Impräzises Wissen ist im Alltag sehr oft vorhanden, jedoch kann der Mensch trotzdem sinnvolle Schlussfolgerungen ziehen, wobei die Mechanismen dafür nicht genau bekannt sind. Für die Arbeit auf solchen Gebieten mit impräzisem Wissen brauchen Expertensysteme ebenfalls Mechanismen, die mit derartigen Informationen umgehen können. Hier ergibt sich ein Berührungspunkt zum sog. „Soft Computing“, das den Umgang mit unscharfen Informationen zum Ziel hat. Zuerst wird der generelle Aufbau von Expertensystemen dargestellt und erläutert. Dabei wird besonderes Augenmerk auf die Wissensbasis und das Inferenzsystem gelegt. Zu den Aufgaben des Inferenzsystems gehört es auch, mit impräzisem und unvollständigem Wissen umzugehen, d.h. trotzdem sinnvolle Schlussfolgerungen daraus zu ziehen. Dafür bedient sich das Inferenzsystem des approximativen Schließens, welches in Kapitel 3 erläutert wird. Basis des approximativen Schließens ist der generalisierte Modus ponens, der an gegebener Stelle erläutert und in einen Zusammenhang mit der klassischen Logik gebracht wird.
Inhaltsverzeichnis
1 Einführung
1.1 Zielsetzung
1.2 Überblick
2 Expertensysteme
2.1 Aufbau
2.2 Wissensbasis
2.3 Inferenzsystem
2.4 Unschärfe in Expertensystemen
3 Approximatives Schließen
3.1 Definitionen
3.2 Algebraische Anforderungen an Implikationsoperatoren
3.3 Beispiele für Fuzzy Implikationen
3.4 Bestimmung der Fuzzy-Implikationsrelation
3.5 Regeltypen
3.6 Anwendungsbeispiel
3.7 Fuzzy Regelsysteme
4 Fazit
Zielsetzung & Themen
Die Arbeit untersucht die Integration von Soft-Computing-Methoden in Expertensysteme, um die Handhabung von unpräzisem und unsicherem Wissen bei der Problemlösung zu ermöglichen. Der Fokus liegt dabei auf der theoretischen Fundierung des approximativen Schließens mittels des generalisierten Modus ponens sowie dessen praktischer Anwendung.
- Grundlagen von Expertensystemen (Aufbau, Wissensrepräsentation, Inferenz)
- Logische Grundlagen des approximativen Schließens und der Fuzzy-Implikationen
- Axiomatische Anforderungen an Implikationsoperatoren
- Klassifizierung von Fuzzy-Regeltypen
- Anwendungsbeispiel zur Heizungsregelung mittels Fuzzy-Logik
Auszug aus dem Buch
3.1 Definitionen
„Unter dem Begriff approximatives Schließen werden Inferenzen über verschiedene Formen unsicheren oder unscharfen Wissens subsumiert.“4 Es beinhaltet also das logische Schließen unter Verwendung von unscharfen Aussagen und Regeln. Die klassische Logik geht von einem zweiwertigen Wahrheitsbegriff aus, bei dem eine Aussage entweder wahr oder falsch ist. Dementsprechend lassen sich die Wahrheitswerte numerisch auch als 1 und 0 interpretieren.
Eine Implikation lässt sich somit als eine Funktion I: {0, 1} x {0, 1} → {0, 1} deuten. Die Funktionsvorschrift wird üblicherweise in der Form I(a,b) = ¬a ∨ b angegeben, jedoch existieren auch andere, äquivalente Ausdrucksweisen wie I(a,b) = max{x ∈ {0, 1} | a ∧ x ≤ b}.
Die entsprechende Wertetabelle ist in Tabelle 1 zu sehen.
Zusammenfassung der Kapitel
1 Einführung: Diese Einleitung führt in die Problematik ein, dass menschliches Wissen oft unscharf ist, und stellt das Soft Computing als Lösung für Expertensysteme vor.
2 Expertensysteme: Das Kapitel erläutert den Aufbau von Expertensystemen, insbesondere die Rolle der Wissensbasis und des Inferenzsystems, sowie die Herausforderungen durch ungenaue Informationen.
3 Approximatives Schließen: Dieser Hauptteil definiert die Grundlagen des logischen Schließens mit unscharfen Regeln, beschreibt verschiedene Implikationsoperatoren und demonstriert deren Anwendung in einem Regelsystem.
4 Fazit: Das Fazit resümiert, dass das approximative Schließen für die Modellierung menschlicher Schlussfolgerungen unverzichtbar ist, weist aber auf die hohe Berechnungsintensität bei komplexen Systemen hin.
Schlüsselwörter
Expertensysteme, Soft Computing, Approximatives Schließen, Fuzzy-Logik, Implikationsoperatoren, Wissensbasis, Inferenzsystem, Generalisierter Modus ponens, Unschärfe, Zugehörigkeitsfunktion, Regelsysteme, Künstliche Intelligenz, Wissensrepräsentation, Fuzzy-Mengen.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit behandelt den Einsatz von Soft-Computing-Methoden, speziell des approximativen Schließens, um die Limitationen klassischer Expertensysteme beim Umgang mit unscharfem Wissen zu überwinden.
Welche zentralen Themenfelder werden abgedeckt?
Zu den zentralen Themen gehören der Aufbau von Expertensystemen, die mathematische Beschreibung von Fuzzy-Implikationen und die praktische Umsetzung einer unscharfen Regelung.
Was ist das primäre Ziel der Untersuchung?
Ziel ist es, Methoden aufzuzeigen, wie Expertensysteme trotz unpräziser Faktenbasis sinnvolle Schlussfolgerungen ziehen können.
Welche wissenschaftliche Methode kommt zum Einsatz?
Die Arbeit stützt sich auf eine theoretische Analyse der formalen Logik, insbesondere der Fuzzy-Logik, und ergänzt diese durch ein konkretes Anwendungsbeispiel einer Heizungsregelung.
Was wird im Hauptteil behandelt?
Im Hauptteil werden algebraische Anforderungen an Implikationsoperatoren, verschiedene Typen von Fuzzy-Regeln und der generalisierte Modus ponens als zentrale Schlussregel detailliert analysiert.
Durch welche Schlüsselwörter lässt sich die Arbeit charakterisieren?
Die Arbeit lässt sich primär durch Begriffe wie Fuzzy-Logik, Expertensysteme, Approximatives Schließen und Implikationsrelationen beschreiben.
Welche Rolle spielt die Lukasiewicz-Implikation in der Arbeit?
Sie wird als ein Implikationsoperator hervorgehoben, der als einer der wenigen alle in der Arbeit definierten axiomatischen Anforderungen erfüllt.
Warum wird im Anwendungsbeispiel das globale Vorgehen kritisiert?
Das globale Vorgehen, bei dem alle Regeln simultan in einem Relationalgleichungssystem gelöst werden, weist laut Autor eine zu hohe Rechenkomplexität für praktische Probleme auf.
- Arbeit zitieren
- Fabian Aiteanu (Autor:in), 2005, Soft Computing in Expertensystemen, München, GRIN Verlag, https://www.hausarbeiten.de/document/57012
