1 Bab 3 Perwakilan pengetahuan Decision Support Systems and Intelligent Systems, Efraim Turban and...

1

Bab 3Bab 3

Perwakilan pengetahuan

Decision Support Systems and Intelligent Systems, Efraim Turban and Jay E. Aronson6th ed, Copyright 2001, Prentice Hall, Upper Saddle River, NJ

2

Perwakilan Pengetahuan

Apabila diperolehi, pengetahuan mesti diurus untuk

diguna


3

Pengetahuan Satu pengetahuan yang baik

selalunya mewakili domain masalah.

Satu perwakilan pengetahuan yang susah difahami adalah salah

Selalunya Sistem Kecerdasan Buatan mengandungi:– Pangkalan pengetahuan Meknisme

Penaabiran (Enjin)


4

Pangkalan Pengetahuan – Bentukkan sumber sistem

kecerdasan– Meknisme Penaabiran digunakan

untuk menaakul dan menyatakan kesimpulannya.

Meknisme Penaadbiran: Menguji pangkalan pengetahuan untuk menjawab soalan, menyelesaikan masalah atau memutuskan keputusan antara domain.


5

Kebanyakan skim perwakilan pengetahuan : – Boleh diprogram dan disimpan dalam

cakera ingatan – Direkabentuk untuk menaakul

Contoh skema Perwakilan Pengetahuan utama :– Petua pengeluaran (Production rules)– Kerangka (Frames)


6

Perwakilan dalam lojik dan skema lain

Sebarang bentuk proses lojikal Input (Premis) Premis digunakan oleh proses

lojikal untuk mencipta output, mengandungi kesimpulan (penaabiran).

Fakta dikatakan benar boleh menerbitkan fakta baru yang benar.


7

Lojik simbolik: Sistem petua dan aturcara yang membenarkan gambaran penaabiran dari premis yang berbeza.

Bentuk asas pengkomputeran logik – Logik usulan (Propositional logic / propositional calculus)

– Logik predikat (or predicate calculus)


8

Logik usulan Satu usulan adalah satu pernyataan

samada benar atau salah. Setelah diketahui, ia menjadi satu

premis yang boleh digunakan untuk menerbitkan usulan atau penaabiran baru.

Petua digunakan untuk mengetahui kebenaran Benar (B) atau Salah/Falasi (S) sesuatu usulan.


9

Simbol mewakilkan usulan, premis dan kesimpulan

Penyataan: A = Pembawa surat datang dari hari Isnin

sehingga Jumaat. Pernyataan : B = Hari ini hari Ahad.Kesimpulan: C = Pembawa surat tidak

akan datang hari ini. Usulan lojik: terhad kepada mewakilkan

pengetahuan bumi nyata/sebenar.


10

Predikat kalkulus Predikat logik satu pernyataan dipecahkan

kepada beberapa komponen, satu objek, ciri-ciri kemasukan objek atau ‘some object assertion’

Predikat kalkulus menggunakan pembolehubah dan fungsi pembolehubah dalam penyataan logik simbolik .

Predikat kalkulus adalah asas Prolog (PROgramming in LOGic)

Contoh pernyataan Prolog – datang_pada(pembawa_surat, isnin).– suka(saya, coklat).

(Nota - tanda “.” adalah sebahagian dari pernyataan )


11

Skrips

Skema Perwakilan PengetahuanMenerangkan satu susunan

kejadian.

Elemen-elemen termasuk – Syarat kemasukan– Props atau properti– Roles atau peranan– Tracks atau jalan– Scenes atau kejadian/peristiwa


12

Senarai atau Lists

Menulis siri-siri item yang berkaitan

Selalunya digunakan untuk mewakil pengetahuan hiraki di mana objek dikumpulkan, dikelaskan atau dikategorikan kepada– Tahap (Rank) or – Perhubungan (Relationship)


13

Jadual Keputusan (Jadual Induksi)

Pengetahuan diurus dalam bentuk hamparan (Spreadsheet Format)

Senarai atribut

Senarai rumusan atau kesimpulan

Konfigurasi atribut yang berbeza akan dipadankan dengan rumusan


14

Pepokok keputusan Berkaitan dengan jadual

Sama dengan teori keputusan Boleh meringkaskan proses

perolehan pengetahuan

Gambaran pengetahuan – agak semulajadi


15

O-A-V Triplet Objects, Attributes and Values

O-A-V Triplet

Objek boleh jadi fizikal atau konseptual

Attribut adalah ciri-ciri objek. Values /nilai adalah ukuran spesifik

atribut.


16

Representative O-A-V Items

Object Attributes Values

House Bedrooms 2, 3, 4, etc.

House Color Green, white, brown,etc.

Admission to auniversity

Grade-point average 3.0, 3.5, 3.7, etc.

Inventory control Level of inventory 14, 20, 30, etc.

Bedroom Size 9 X 10, 10 X 12, etc.


17

Lojik Lalai (Default Logic)

Mengendalikan ketidakpastian Maklumat tidak lengkap


18

Peta Pengetahuan

Perwakilan visual Peta kognitif


19

Rangkaian semantik

Pengetahuan dalam gambaran grafik

Nod dan hubungan menunjukkan perhubungan hiraki antara objek

Nod: Objek

Lengkok: Hubungan– adalah or is-a– mengandungi or has-a


20

Rangkaian semantik boleh menunjukkan perwarisan

Semantic Nets – perhubungan perwakilan visualisasi

Boleh digabungkan dengan metod perwakilan lain.


21

Contoh rangkaian semantik

Joe

Boy

Kay

Woman

Food

HumanBeing

School

Hasa child

NeedsGoes to

Is a

Is a

Is a

Is a


22

Petua pengeluaran Pasangan rumusan– tindakan Sekiranya peraturan ini (syarat

atau antecedent) berlaku,– THEN suatu tindakan (atau

keputusan, atau rumusan, atau turutan) akan (atau patut) berlaku

– IF lampu berhenti adalah merah AND awak kena berhenti , THEN belok kanan adalah OK


23

Setiap petua pengeluaran dalam pangkalan pengetahuan mewakili berbagai bentuk kepakaran tersendiri

Apabila digabungkan dan disuap ke dalam enjin penaabiran, setiap set peraturan berkelakuan ‘synergistically’.

Petua boleh digambarkan sebagai simulasi kelakuan kognitif pakar manusia .

Petua mewakili satu model kelakuan manusia yang sebenar.


24

Format petua

IF syarat, THEN rumusan– IF gaji anda tinggi , THEN kiraan

cukai akan jadi tinggi

Rumusan , IF syarat– Kiraan cukai akan menjadi

tinggi , IF gaji anda tinggi.


25

Inclusion of ELSE– IF gaji anda tinggi , OR pengurangan gaji pelik,

THEN peluang anda untuk diaudit oleh pihak cukai tinggi OR ELSE peluang anda diaudit kurang

Petua yang lebih kompleks– IF pinjaman anda tinggi AND gaji adalah lebih dari

$30,000, OR aset lebih dari $75,000, AND sejarah pembayaran adalah tidak “teruk” ,THEN sahkan pinjaman sehingga $10,000, and kategorikan senarai "B.”

– Bahagian tindakan/aksi boleh mempunyai lebih maklumat: THEN “sahkan pinjaman" AND “rujuk

kepada agen "


26

Petua Pengetahuan dan penaabiran

Jenis Petua Biasa Petua pengetahuan atau petua pengisytiharan,

nyatakan semua fakta dan hubungan mengenai masalah tersebut.

Petua penaabiran atau petua prosedur(procedural rules), menasihat bagaimana menyelesaikan masalah, dengan diberi fakta tertentu

Petua penaabiran mempunyai petua mengenai petua (metarules)

Petua pengetahuan disimpan dalam pangkalan pengetahuan.

Petua penaabiran menjadi sebahagian dari enjin pentaabiran.


27

Kelebihan petua

Mudah difahami ( bentuk asal pengetahuan)

Mudah menerbit penaabiran dan penjelasan

Mudah diubah dan selenggara Mudah digabungkan dengan

ketidakpastian Petua selalunya independen.


28

Pengetahuan kompleks memerlukan banyak petua

Builders adalah seperti petua (hammer syndrome)

Gelintar kurang berkesan dalam sistem dengan banyak petua.

Kekurangan petua


29

Characteristics of Rule Representation

First Part Second Part

Names Premise Antecedent Situation IF

ConclusionConsequenceActionTHEN

Nature Conditions, similar to declarativeknowledge

Resolutions, similarto proceduralknowledge

Size Can have many IFs Usually oneconclusion

Statements

AND statements All conditions mustbe true for aconclusion to be true

OR statements If any of the ORstatement is true, theconclusion is true


30

Kerangka(Frames)Definisi dan senario

Kerangka: Struktur data yang mengandungi semua pengetahuan mengenai sesuatu objek

Pengetahuan disusun dalam bentuk hiraki untuk mendiagnosis independen pengetahuan.

Berbentuk object-oriented programming atau pengaturacaraan berasaskan objek untuk AI dan ES.

Setiap kerangka menceritakan objek Terminologi khas


31

Frame Terminology

Default Instantiation

Demon Master frame

Facet Object

Hierarchy offrames

Range

If added Slot

If needed Value (entry)

Instance of


32

Perwakilan pengetahuan yang padat, semulajadi dan berstruktur.

Merangkumi objek kompleks, keseluruhan situasi atau masalah pengurusan sebagai satu entiti tunggal .

Pengetahuan Kerangka dibahagikan kepada slot. Slot boleh menerangkan pengetahuan

pengisytiharan atau pengetahuan prosedural(berstruktur)

Kebolehan-2 penting kerangka Menerangkan satu kerangka automobil klasik Hiraki kerangka : perwarisan


33

Frame Capabilities(Kebolehan Kerangka)

Ability to clearly document information about a domain model; for example, a plant's machines and their associated attributes Related ability to constrain the allowable values that an attribute can take on Modularity of information, permitting ease of system expansion and maintenance More readable and consistent syntax for referencing domain objects in the rules Platform for building a graphic interface with object graphics Mechanism that will allow us to restrict the scope of facts considered during forward or backward chaining Access to a mechanism that supports the inheritance of information down a class hierarchy


34

Perwakilan pengetahuan berlapis

petua + kerangka Lain-lain

Perwakilan Pengetahuan mesti menyokong

Perolehan pengetahuan Dapat-kembali pengetahuan Penaakulan


35

Pertimbangan dalam menilai Perwakilan

Pengetahuan Semulajadi, keseragaman dan

kefahaman. Darjah pengetahuan yang eksplisit

(isytihar) atau terkandung dalam kod prosedural.

Modulariti dan fleksibel sesuatu pangkalan pengetahuan.

Kecekapan dapat-kembali pengetahuan dan kuasa heuristik prosedur penaadbiran.


36

Tiada metod perwakilan Pengetahuan yang sesuai untuk semua kerja

Perwakilan Pengetahuan Berlapis: masing-masing menuju ke sub-kerja yang berbeza.

Petua pengeluaran dan kerangka- dapat berjalan lancar dalam praktis.

Perwakilan Pengetahuan Berasaskan objek– Hypermedia


37

Perwakilan PengetahuanEksperimental

Cyc

NKRL

Spec-Charts Language


38

The Cyc System Attempt to represent a substantial amount

of common sense knowledge Bold assumptions: intelligence needs a

large amount of knowledge Need a large knowledge base Cyc over time is developing as a repository

of a consensus reality - the background knowledge possessed by a typical U.S. resident

There are some commercial applications based on portions of Cyc


39

NKRL

Narrative Perwakilan Pengetahuanal Language (NKRL)

Standard, language-independent description of the content of narrative textual documents

Can translate natural language expressions directly into a meaningful set of templates that represent the knowledge


40

Knowledge Interchange Format

(KIF)To Share Knowledge and

Interact


41

The Spec-Charts Language

Based on Conceptual Graphs: to Define Objects and Relationships

Restricted Form of Semantic Networks

Evolved into the Commercial Product - STATEMATE


42

Perwakilan Pengetahuan dan

Internet Hypermedia documents to encode knowledge directly

Hyperlinks Represent Relationships MIKE (Model-based and Incremental Knowledge

Engineering Formal model of expertise: KARL Specification

Language Semantic networks: Ideally suited for

hypermedia representation Web-based Distributed Expert System (Ex-W-

Pert System) for sharing knowledge-based systems and groupware development


43

Mewakilkan ketidakpastian :satu pandangan

Mengendalikan darjah kebenaran /kepalsuan dalam sistem pakar

Ketidakpastian

– Apabila satu pengguna tidak boleh membenar jawapan yang spesifik

– Pengetahuan yang kurang jelas

– Maklumat yang tidak lengkap


44

Beberapa cara dalam teori matematik dan statistik

Statistik Bayesian Dempster and Shafer's Belief

Functions

Set kabur

Ketidakpastian


45

Ketidakpastian dalam AI

Penaakulan yang hampir tepat , Penaakulan yang kurang

tepat.


46

Maklumat releven adalah kekurangan dalam satu

atau lebih Maklumat adalah separa Maklumat tidak semua mudah dapat Perwakilan pengetahuan adalah kurang jelas Sumber maklumat datang dari sumber

berbeza dan sentiasa konflik. Maklumat adalah hampir tepat Tidak wujud hubungan sebab-kesan Boleh gabung petua keabarangkalian IF the interest rate is increasing, THEN the

price of stocks will decline (80% probability)


1 Bab 3 Perwakilan pengetahuan Decision Support Systems and Intelligent Systems, Efraim Turban and...

Documents

Transcript of 1 Bab 3 Perwakilan pengetahuan Decision Support Systems and Intelligent Systems, Efraim Turban and...