Cursuri SEB

SISTEME INTELIGENTE FINANCIAR-BANCARE CAPITOLUL I

Valentin LIOIU 1

I. ELEMENTE DE BAZ ALE INTELIGENEI ARTIFICIALE

1.1. INTELIGENA ARTIFICIAL I PRELUCRAREA AUTOMAT A DATELOR

Perioada actual se caracterizeaz prin dezvoltarea rapid a unei noi ramuri a informaticii: informatica bazat pe inteligena artificial.

Informatica clasic are la baz noiunile de prelucrare algoritmic, care const n descompunerea problemei n pai elementari, aranjarea acestora ntr-o anumit ordine utiliznd structurile standard de control (secvenial, alternativ i repetitiv) i prelucrarea serial, pas cu pas, pentru obinerea rezultatului.

Acest mod de prelucrare este specific calculatoarelor von Neumann, dar este mai puin specific creierului uman care execut n principal raionamente i mai puin calcule i este orientat spre o prelucrare paralel.

n informatica clasic se adapteaz modul natural de rezolvare a problemelor de ctre creierul uman la modul de lucru al calculatorului. Altfel spus, se efectueaz apropierea omului de calculator prin algoritmizare (formalizare). Aceasta se face cu eforturi umane foarte mari, uneori cu posibilitatea de eroare i nu poate cuprinde toate domeniile de activiti.

Informatica bazat pe inteligena artificial ncearc o adaptare a calculatorului i a instrumentelor informatice la modul de lucru al creierului uman, un mod nealgoritmic, bazat pe raionament. Altfel spus, se realizeaz apropierea calculatorului de om.

Tabelul 1.1 - Deosebiri ntre programele din informatica clasic i cele de IA

Programele din informatica clasic Programele de inteligen artificial 1. Au ca obiectiv obinerea informaiilor prin prelucrarea datelor.

1. Au ca obiectiv rezolvarea unei probleme prin prelucrarea cunotinelor.

2. Execut ndeosebi prelucrarea numeric a datelor din fiiere i baze de date, folosind limbaje procedurale.

2. Execut prelucrarea simbolic a cunotinelor, folosind limbaje simbolice.

3. Soluia este obinut prin operaii explicite, codificate n limbaje procedurale prin algoritmi.

3. Soluia este obinut prin inferen logic (cutare euristic).

4. Structura de control i datele sunt nregistrate n ceea ce se numete procedur.

4. Structura de control este separat de cunotine i este introdus n motorul de inferene.

5. Se actualizeaz mai greu, cu instrumente specifice fiecrui limbaj de programare.

5. Sunt uor de actualizat prin dialog n limbaj apropiat de cel natural.

6. Cer, n dialogul om-calculator, numai rspunsuri exacte. 6. Tolereaz i rspunsuri aproximative.

7. De la ele se cer numai soluii perfecte. 7. Produc i soluii uzual acceptabile.

1.2. INTELIGENA ARTIFICIAL: ISTORIC, CONCEPT, DOMENIU Inteligena artificial i are originea n dezvoltrile produse n mai multe tiine de

grani, toate aceste dezvoltri fiind n legtur cu dezvoltarea relaiilor dintre om i tehnic dintre, om i main. Dintre aceste tiine amintim: informatica, teoria sistemelor, cibernetica, logica matematic, lingvistica matematic, teoria cunoaterii, psihologia, fiziologia creierului, teoria deciziei, teoria informaiei, teoria automatelor etc.


Valentin LIOIU 2

Prima abordare privind inteligena mainilor este datorat lui Alan Turing, care a elaborat n 1947 un raport n aceast privin, raport publicat n 1948. n anul 1956, un mic grup de oameni de tiin au hotrt organizarea la Darmouth College, S.U.A., a unei conferine, unde s se fac publice unele rezultate n domeniul inteligenei artificiale. De fapt, cu acest prilej John McCarty a introdus termenul de inteligen artificial.

Inteligena este definit, n general, ca fiind facultatea de a nelege uor, de a sesiza esenialul, de a rezolva situaii sau probleme noi.

Inteligena natutral este deci facultatea de a nelege, de a capta cunotine, puterea de a face fa cu succes orcrei situaii, mai ales celor neobinuite i celor neprevzute. Ea se caracterizeaz i prin capacitatea de a reaciona cu vitez suficient pentru a corecta procesele anterioare ct i propiul comportament i prin uurina de a nelege sau de a descoperi corelaia dintre obiecte concrete sau abstracte, de a opera cu abstraciuni n vederea dirijrii aciunilor ctre scopul dorit.

Dac avem n vedere c, dup unele estimri, creierul uman are o structur alctuit din 2*1010 neuroni i socotind c fiecare neuron ar putea stabili pn la 600.000 de conexiuni nervoase rezult c numrul total de conexiuni ar fi de 102.783.000.

Actualele reele artificiale sunt de dimensiuni nensemnate, iar funcionalitatea acestora nu este suficient de bine definit i datorit faptului c neurofiziologia nu a explicat modul n care opereaz neuronii i contextele neuronale interconectate. Simpla constatare a uriaei puteri combinatorie a neuronilor din creierul uman nu ajut la descoperirea mecanismului gndirii. Ceea ce conteaz a fi cunoscut este nu construcia fizic a creierului, ci logica operaiilor pe care le execut. De aceea, reproducerea cu ajutorul mainilor a unor trsturi specifice inteligenei umane este posibil numai pentru cele suficient de bine cunoscute i stpnite.

Inteligena artificial, numit uneori i inteligena mainii sau programarea euristic, reprezint o tiin, dar i o tehnologie de vrf care a atras un numr mare de cercettori, determinnd realizri de prestigiu i multe aplicaii n cele mai diferite domenii.

Cercetrile n domeniul inteligenei artificiale sunt axate pe abordarea cu ajutorul calculatoarelor electronice a comportamentului inteligent al mainilor de orice tip. Se au n vedere dou obiective principale:

- nelegerea comportamentului inteligent; - producerea de maini inteligente, mai utile societii dect cele ale prezentului. n literatura de specialitate nu exist n momentul acesta o definiie unanim acceptat

att pentru inteligena artificial ct i pentru inteligena uman. n accepiunea mai multor autori, inteligena artificial const n ansamblul

disciplinelor informatice care tind s realizeze pe calculator un comportament de imitare a inteligenei naturale.

n prezent inteligena artificial are mai multe domenii de preocupare, dintre care enumerm:

1. Prelucrarea limbajului natural i modelarea conceptual, 2.Sistemele expert, 3. Planificarea automat, 4. Demonstrarea automat a teoremelor 5. Probleme de percepie, 6. Achiziia de cunotine i nvarea automat, 7. Rezolvarea problemelor dificile, 8. Inteligena artificial la nivel subsimbolic, 9. Limbaje i medii de programare specifice.


Valentin LIOIU 3

1.3. CUNOATERE, METACUNOATERE I SISTEM COGNITIV Cunoaterea, ca noiune, poate fi mai bine neleas dac este privit din dou puncte

de vedere: - ca un act intelectual, denumit i observaie, prin care se stabilete un transfer de

informaie de la un obiect observat ctre un subiect cunosctor; - ca informaie latent, descriptiv i definitorie, depozitat n structurile de memorie

ale subiectului cunosctor. Cunoaterea are, deci, dou componente: - una reflexiv, bazat pe reflectarea exterioar, ulterioar a faptului tiinific; - una generativ, constructiv, bazat pe crearea de obiecte abstracte i pe

construirea de momente iniiale pentru procesele de formare a unor fapte tiinifice i programe de cutare.

Pentru inteligena artificial este relevant transpunerea conceptului de cunoatere de la subiecii cunosctori de tip uman la subiecii cunosctori de tip program pentru calculator, deci de la psihologia gndirii la inteligena artificial.

Informaia latent, obiectiv, cu caracter de generalitate n care intr definiiile, legile, regulile, conceptele, clasificrile formeaz ceea ce denumim cunoatere.

Pentru a fi utilizat de ctre produs-program, cunoaterea este memorat ntr-o baz de cunotine sub forma unor piese de cunoatere, care descriu faptele, fenomenele, procesele i evenimentele din acea parte a lumii reale care formeaz domeniul de competen al programului inteligent.

Prin intermediul pieselor de cunoatere se pot reprezenta orice fel de noiuni relevante pentru un domeniu, respectiv este vorba de concepte i instane.

Conceptele materializeaz rezultatele procesului de abstractizare, prin care se specific nsuirile eseniale, necesare i suficiente pentru a decide apartenena obiectelor la o clas sau alta.

Instanele sunt noiuni individuale, particularizri ale conceptelor crora li s-a dat descrierea.

Pe un plan mai general, cunoaterea despre cunoatere i despre reprezentarea ei este numit metacunoatere, o cunoatere de ordin superior, extins asupra domeniului de competen al cunoaterii.

Totalitatea pieselor de cunoatere despre un domeniu, memorate n baza de cunotine, constituie un model al lumii la care programul inteligent are acces prin intermediul procedurilor de organizare, cutare i recunoatere.

n inteligena artificial toate aceste componente, piese de cunoatere plus procedurile de acces la cunotine formeaz un sistem cognitiv.

2.4. RAIONAMENT, INFEREN I EURISTIC Cunoaterea este o msur obiectiv a realitii, dar prin ea nsi nu reprezint dect

un potenial. n inteligena artificial prezint interes cunoaterea n aciune, n care pe baza raionamentelor i judecilor se obin piese de cunoatere noi.

Raionamentul este un lan de judeci desfurate n scopul obinerii unor adevruri noi pe baza cunoaterii disponibile.

Judecata este formula logic fundamental, cu valoare de adevr, exprimat printr-o propoziie n care se afirm sau se neag ceva.


Valentin LIOIU 4

n cazul raionamentului o judecat numit premis este legat de o alt judecat numit concluzie prin operaia de deviere logic numit inferen.

Raionamentele care folosesc lanurile infereniale pentru trecerea de la premise la concluzii sunt raionamente formale.

Ele se aplic n situaii de completitudine faptic, adic situaiilor n care exist toate elementele necesare n reeaua inferenial. n cazul incompletitudinii faptice, pentru a nu se ajunge la impas n soluionarea problemei a fost dezvoltat raionamentul prin analogie sau metaforic.

Inferena este o operaie prin care, pe baza cunoaterii unui numr finit de enunuri numite premise, se trece la acceptarea unui alt element numit concluzie.

ntr-o inferen, premisa formeaz condiia suficient a concluziei, dar aceeai

concluzie poate fi obinut i din alte premise. O inferen este corect dac enunurile componente sunt adevrate i s-au respectat

regulile de formare a limbajului tiinific din domeniul n cauz. Raionamentele formale sunt, n principal, de dou tipuri: - deductive - inductive Un raionament este deductiv dac premisa const ntr-o judecat cu caracter general,

iar concluzia este o judecat cu caracter particular. Caracterul general sau particular se refer la poziia de subordonare a celor dou

judeci n ierarhia pieselor de cunoatere. Raionamentul este inductiv dac produce o concluzie cu caracter general plecnd de

la premise cu caracter particular. Euristica este o modalitate de cunoatere menit s sugereze efectuarea de aciuni

plauzibile sau evitarea de aciuni neplauzibile, cu rol important n creterea eficienei rezolvrii problemelor. Etimologic termenul de euristic provine din franuzescul euristique i desemneaz acel procedeu metodologic care servete la descoperirea unor cunotine noi pe baza celor existente (grecescul heuriskein = a descoperi).

Termenul de euristic desemneaz acea cunoatere de natur neformal, cu caracter de raionament bazat pe experien, specializare generalizare i analogie, cu ajutorul crreia se efectueaz o interpretare, se ia o decizie sau se acioneaz pentru atingerea unui obiectiv. Deci euristica introduce raionamentul bazat pe reguli care nu provin din formalismul logicii matematice de rezolvare a problemelor, ci din mestria i experiena specific domeniului problemei.

Premise Concluzie

Inferen

SISTEME INTELIGENTE FINANCIAR-BANCARE CAPITOLUL II

Valentin LIOIU 1

II. SISTEME EXPERT: NO|IUNI DE BAZ{

2.1. DEFINIREA }I CARACTERISTICILE SISTEMELOR EXPERT

Elementul central al prelucr[rii inteligente @l constituie ra\ionamentul artificial, ca imitare a celui natural, efectuat de creierul uman. #n orice domeniu de activitate exist[ probleme cu grad ridicat de dificultate, care pot fi rezolvate numai de exper\ii, forma\i ca speciali]ti @n urma unei vaste experien\e @n domeniul respectiv.

A]a cum @nc[ nu exist[ o defini\ie unanim acceptat[ pentru inteligen\a artificial[, nu exist[ @nc[ o defini\ie unic[ pentru sistemele expert.

#n general, sistemele expert pot fi definite ca fiind programe bazate pe tehnicile inteligen\ei artificiale, care @nmagazineaz[ cuno]tin\ele exper\ilor umani dintr-un domeniu bine definit ]i apoi le folosesc pentru rezolvarea problemelor din acel domeniu.

Sistemele expert @ncearc[ s[ imite @n principal ra\ionamentele exper\ilor umani prin ra\ionamente artificiale. Mai mult dec`t preluarea cuno]tin\elor expertului uman, sistemele expert le multiplic[ ]i expliciteaz[ experien\a acestora. Este cunoscut faptul c[ un expert uman @ntr-un domeniu se formeaz[ foarte greu ]i necesit[, pe l`ng[ preg[tirea ]i experien\a personal[, ]i calit[\i native. De aceea multiplicarea cuno]tin\elor exper\ilor umani prin intermediul sistemelor expert este, @n zilele noastre, o necesitate obiectiv[.

Pentru o mai bun[ @n\elegere a unor aspecte privitoare la defenirea sistemelor expert, este necesar[ o partajare a cuno]tin\elor expertului uman dintr-un anumit domeniu. Un expert uman recunoa]te, define]te ]i rezolv[ probleme din domeniul s[u de expertiz[, av`nd o capacitate crescut[ de a se orienta @n aspecte precum complexitatea, incompletitudinea, incertitudinea, inconsisten\a, confuzia ]i aprecierile vagi.

Pornind de aici expertul uman trebuie s[ aduc[ problema @n stadiul @n care lucrurile sunt c`t mai simple, complete, precise, consistente ]i clare, adic[ s[ treac[ problema din sfera expertizei @n sfera cuno]tin\elor comune de specialitate. #n acest stadiu, rezolvarea problemei poate fi sus\inut[ eventual de prelucr[ri algoritmice utiliz`nd baze de date. #n ngeneral, expertul uman ac\ioneaz[ @ntr-o clas[ de probleme slab structurate, pentru care nu se pot defini algoritmi de rezolvare.

#ncerc`nd s[ imite expertul uman, sistemele expert posed[ urm[toarele caracteristici: - cuno]tin\ele sunt independente de mecanismul de ra\ionament, se introduc global, nu depind unele de altele, iar modificarea unui element nu influen\eaz[ ra\ionamentul; - spre deosebire de programerea clasic[, unde trebuia s[ se descrie explicit toate prelucr[rile @ntr-o manier[ static[, sistemele expert se caracterizeaz[ printr-o abordare declarativ[ @n care se specific[ cuno]tin\ele care vor fi exploatate @n mod dinamic de mecanismul de ra\ionament; - sistemele expert trebuie s[ fie capabile s[ explice ra\ionamentele f[cute ]i s[ argumenteze solu\iile ob\inute, @ntr-o manier[ asem[n[toare expertului uman; - cuno]tin\ele manipulate de sistemele expert sunt @n principal de natur[ simbolic[, spre deosebire de programele clasice care utilizeaz[ preponderent date numerice; - sistemele expert trebuie s[ fie capabile s[ gestioneze baze de cuno]tin\e de volum mare ]i s[ trateze cuno]tin\e inexacte ]i incomplete; - sistemele expert utilizeaz[ metode empirice, bazate pe experien\[, care conduc la solu\iile cele mai bune; - sistemele expert sunt specializate @ntr-un anumit domeniu ]i nu @n rezolvarea unei probleme, ca sistemele informatice clasice.

O problem[ mult discutat[ @n privin\a utiliz[rii sistemelor expert este aceea a raportului dintre relevan\[ ]i precizie. Se ]tie, din teoria general[ a sistemelor, c[ un sistem descompus @ntr-un num[r mic de subsisteme are o relevan\[ mare ]i o precizie mic[, iar cu c`t descompunerea avanseaz[, relevan\a scade ]i precizia cre]te. Prelucrarea algoritmic[ se caracterizeaz[ printr-o precizie mare iar sistemele expert printr-o relevan\[ mare, pe care o preia din practica rezolv[rii problemelor ceea ce face ca ele s[ fie un mijloc important de dominare a complixit[\ii.

Sistemele expert pot oferi solu\ii mai productive dec`t programele algoritmice @n situa\iile @n care cerin\ele informa\ionale se schimb[ foarte des. De asemenea, sistemele expert permit extinderea ariei informaticii c[tre domenii greu de algoritmizat @n care informa\iile sunt preponderent calitative: educa\ie, politic, juridic etc.


Valentin LIOIU 2

Dac[ avem @n vedere scopul pentru care un sistem expert este realizat, el trebuie s[ @ndeplineasc[ anumite cerin\e func\ionale, care vor fi prezentate @n continuare.

Performan\[ ridicat[. Sistemul trebuie s[ fie capabil s[ r[spund[ la un nivel de competen\[ cel pu\in egal cu al unui expert @n domeniul respectiv.

Timp de r[spuns adecvat. Sistemul trebuie s[ fie capabil s[ r[spund[ @ntr-un timp rezonabil, cel pu\in comparabil cu timpul necesar unui expert s[ ia o decizie @n acea]i problem[. Aceast[ constr`ngere privind timpul de r[spuns este foarte sever[ @n cazul sistemelor expert @n timp real, c`nd r[spunsul sistemului trebuie s[ fie dat @ntr-un anumit interval impus de sistemul fizic pe care @l modeleaz[.

Nivel ridicat de @ncredere. Sistemul nu trebuie s[ dea r[spunsuri gre]ite care s[ produc[ pagube, @n caz contrar el neput`nd fi utilizat.

Capacitatea de a fi u]or @n\eles. Un sistem expert trebuie s[ poat[ explica pa]ii ra\ionamentului s[u @n timpul unei execu\ii. Aceasta @nseamn[ c[ sistemul trebuie s[ aib[ capacitatea de explicare, @ntr-o manier[ asem[n[toare celei @n care un expert uman @]i poate explica ra\ionamentul.

Flexibilitate. Datotit[ unei mari cantit[\i de informa\ie pe care un sistem expert o are, este important ca el s[ posede un mecanism eficient pentru manipularea cuno]tin\elor, respectiv pentru ad[ugarea, ]tergerea ]i modificarea acestora.

Exist[ mai multe motive care au impus ca necesare aceste ceri\e func\ionale pentru un sistem expert: - #n multe cazuri securitatea oamenilor sau a unor sisteme fizice depind de r[spunsurile unui sistem expert. Acesta trebuie s[-]i justifice concluzile, adic[ s[ permit[ o verificare inteligibil[ a ra\ionamentului s[u de c[tre om; - #n faza de dezvoltare a unui sistem expert, trebuie s[ fie confirmat faptul c[ @nc[rcarea cuno]tin\elor @n baza de cuno]tin\e s-a f[cut corect ]i c[ ele sunt corect folosite de c[tre expertul uman. O bun[ facilitate de explicare face ca inginerul de cuno]tin\e s[ verifice mai u]or corectitudinea cuno]tin\elor; - Un alt motiv se refer[ tot la depanare, datorit[ interac\iunilor care exist[ @n sisttemele expert. Controlul execu\iei nu este secven\ial ]i @n general ordinea @n care sistemul expert rezolv[ o problem[ genereaz[ o dificil[ @n\elegere a modului @n care el lucreaz[.

Sistemele expert pot fi folosite de sine st[t[tor sau pot fi integrate @n alte sisteme informatice @n func\ie de necesit[\i. O clas[ special[ de sisteme informatice @n care sistemele expert pot fi integrate u]or din punct de vedere func\ional sunt sistemele interactive pentru asistarea deciziilor (SIAD). Un SIAD este un sistem informatic care utilizeaz[ cuno]tin\ele dintr-un domeniu de aplica\ie pentru a ajuta decidentul @n rezolvarea unor probleme slab structurate, respectiv greu de algoritmizat ]i programat.

Structura unui SIAD este prezentat[ @n figura 2.1


Valentin LIOIU 3

Principalele caracteristici ale unui SIAD sunt:

- experien\a, intui\ia, judec[\ile ]i preferin\ele decidentului sunt esen\iale; - interactivitate de nivel @nalt; - c[utarea solu\iilor necesit[ manipul[ri de date, c[utare de informa\ii, modelare, calcule; - procedurile care urmeaz[ s[ se execute la un moment dat nu sunt cunoscute apriori, aceasta depinz`nd de date sau de rezultatele intermediare; - criterile de decizie sunt numeroase, conflictuale ]i depind adesea de utilizator; - datele nu sunt totdeauna dinainte cunoscute. - timpul de r[spuns pentru ob\inerea unei solu\ii satisf[c[toare este limitat.

2.2. STRUCTURA UNUI SISTEM EXPERT

Elementele centrale ale unui sistem expert (fig. 2.2) sunt: baza de cuno]tin\e, baza de fapte, motorul de inferen\[, modulul explicativ, modulul de achizi\ie a cuno]tin\elor ]i interfa\a cu utilizatorul.

Baza de cuno]tin\e con\ine ansamblul de cuno]tin\e specializate @ntr-un anumit domeniu, preluate de cognitician de la expertul uman. Procesul de creare a bazei de cuno]tin\e const[ @n preluarea acestora de la expertul uman, modelarea de c[tre cognitician @n conformitate cu cerin\ele metodei de reprezentare, introducerea @n baz[ ]i validarea. Acest proces este unul foarte laborios ]i necesit[ o conlucrare permanent[ @ntre cognitician ]i expertul uman. Realizare lui necesit[ foarte multe itera\ii ]i teste @n cursul c[rora @ns[]i expertul uman poate fi pus @n dificultate pentru argumentarea unor op\iuni.

Figura 2.1 - Structura unui S.I.A.D.

Biblioteca de modele Biblioteca de reprezent[ri grafice

INTERFATA UTILIZATOR

Sistemul de modelare Subsistemul de prezentare al informa\iilor

Subsistemul statistic, previziune, optimizare SISTEM EXPERT

Sistem de gestiune a bazelor de date

Baza de date Fi]iere externe


Valentin LIOIU 4

Baza de fapte con\ine datele unei probleme concrete care urmeaz[ a fi rezolvat[ (formularea

problemei) precum ]i faptele rezultate @n urma ra\ionamentelor efectuate de motorul de inferen\[ asupra bazei de cuno]tin\e. #n unele publica\ii, baza de fapte este inclus[ @n baza de cuno]tin\e. Totu]i, trebuie f[cut[ distinc\ia @ntre cuno]tin\e, care descriu rezolvarea unei clase de probleme ]i fapte care descriu aser\iuni de instan\iere a unei probleme din clasa respectiv[.

Motorul de inferen\[ este elementul efectiv de prelucrare @n sistemul expert, care pornind de la fapte (datele de intrare ale problemei) activeaz[ cuno]tin\ele corespunz[toare din baza de cuno]tin\e, construind astfel ra\ionamente care conduc la noi fapte (de ie]ire). Altfel spus, motorul de inferen\[ construie]te un plan de rezolvare @n func\ie de specificul problemei, utiliz`nd cuno]tin\e din domeniul respectiv.

#n urma ac\iunii motorului de inferen\[, @ntr-un anumt context, baza de cuno]tin\e se @mbog[\e]te fie prin ad[ugarea unor elemente noi, fie prin modificarea celor existente. #n ultim[ instan\[, motorul de inferen\[ este un program care implementeaz[ modalit[\ile de ra\ionament: deductiv, inductiv ]i mixt, dar care este independent de baza de cuno]tin\e.

Modulul explicativ are rolul de a prezenta @ntr-o form[ larg accesibil[ (@n limbaj natural) justificarea ra\ionamentelor efectuate de motorul de inferen\[ ]i @ntreb[rile la care trebuie s[ r[spund[ utilizatorul. De asemenea, acest modul este util ]i expertului uman pentru verificarea coeren\ei bazei de cuno]tin\e.

Modulul de achizi\ie a cuno]tin\elor are rolul de a transforma cuno]tin\ele din forma @n care le exprim[ cogniticianul (inginerul de cuno]tin\e) @n forma intern[ de memorare pe suportul tehnic de date.

Figura 22 - Structura unui sistem expert

Reprezentarea cuno]tin\elor

Prelucrarea cuno]tin\elor

EXPERT

MODUL DE ACHIZI|IONARE A CUNO}TIN|ELOR

Achizi\ia cuno]tin\elor

BAZA DE CUNO}TIN|E

BAZA DE FAPTE

BAZA DE CUNO}TIN|E

MOTOR DE INFEREN|E

MODUL EXPLICATIV

INTERFATA UTILIZATOR

UTILIZATOR

Utilizarea cunostintelor

COGNITICIAN


Valentin LIOIU 5

Totodat[, acest modul asigur[ ]i interfa\a de comunicare cu baza de date sau cu alte sisteme. Pe viitor, calculatorele din noile genera\ii vor permite achizi\ia de cuno]tin\e @n limbaj natural, ceea ce va duce la dezvotarea rapid[ a sistemelor expert. Rolul inginerului de cuno]tin\e @n realizarea unui sistem expert este similar rolului analistului pentru realizarea unui sitem informatic clasic

Interfa\a cu utilizatorul realizeaz[ dialogul utilizatorului cu sistemul expert, @n sensul furniz[rii de c[tre utilizator a datelor de intrare ]i a rezultatelor problemei de rezolvat de c[tre sistem.

Toate elementele unui sistem expert, mai pu\in baza de cuno]tin\e ]i baza de fapte, formeaz[ a]a numitul sistem esen\ial. Acest sistem permite dezvoltarea rapid[ de sisteme expert prin crearea unor noi baze de cuno]tin\e, opera\ie cunoscut[ sub denumirea de instan\ierea unui sistem expert. Este posibil de realizat acest lucru, deoarece algoritmii de ra\ionament implementa\i @n motorul de inferen\[ sunt @n general aceea]i, indiferent de sistemul expert pe care dorim s[-l dezvolt[m. Cu toate acestea nu se poate construi un mecanism universal de inferen\[ pentru toate domeniile de expertiz[.

2.3. DOMENII DE UTILIZARE ALE SISTEMELOR EXPERT

Teoretic sistemele expert se pot aplica @n orice domeniu al cunoa]terii. P`n[ @n acest moment au fost realizate sute de sisteme expert, raportate @n publica\ii ]tiin\ifice, @n c[r\i sau la conferin\e, de]i probabil num[rul lor este mult mai mare.

Unele sisteme expert au fost proiectate ca instrumente de cercetare, dar cele mai multe func\ioneaz[ @n domenii industriale, medicale sau economice.

Principalele clase de aplica\ii ale sistemelor expert sunt prezentate @n continuare. Sisteme expert de configurare care asambleaz[ componentele unui anumit sistem. De exemplu XCON

(ini\ial R1) este unul din cele mai folosite sisteme expert pentru configurarea calculatoarelor unei firme. Sisteme expert de diagnoz[. Ele efectueaz[ opera\ii de diagnosticare @n domenii precum cel medical,

industrial sau financia-contabil. Cel mai cunoscut este MYCIN, sistem expert de diagnoz[ pentru bolile infec\ioase bacteriale.

Sisteme expert de @nv[\are (instruire). Sunt sisteme de @nv[\are inteligent[, @n care cei care se instruiesc pot pune @ntreb[ri asem[n[toare celor puse unui instructor uman. Exemple: GUDON (instruirea @n bolile infec\ioase bacteriale), SEAMER (instruire pentru opera\iile dintr-o uzin[ electric[), CADHELP (instruire pentru proiectarea asistat[ de calculator).

Sisteme expert de interpretare. Sunt sisteme care explic[ datele observate. Acestea sunt folosite @n special @n domeniul chimiei: CRYSALYS (interpreteaz[ structura proteinelor 3D), DENDRAL (interpreteaz[ structura molecular[).

Sisteme expert de monitorizare. Ele compar[ datele observate cu cele a]teptate pentru a analiza performan\ele unor sisteme. Exemplu: YES/MVS, sistem de monitorizare ]i control pentru sistemul de operare IBM MVS.

Sisteme expert de planificare. Planific[ ac\iunile pentru a produce anumite efecte a]teptate. Exemplu: SPEX (planific[ experiment[ri @n biologie molecular[).

Sisteme expert de prognoz[. Prognozeaz[ rezultatele @ntr-o anumit[ situa\ie. Sisteme expert de control. Sunt sisteme de reglare ]i control al unui proces. #n general sunt sisteme

complexe ce cuprind: interpretare, diagnoz[, monitorizare, planificare, prognoz[ ]i remediere. De asemenea, necesit[ de multe ori cerin\a de sisteme @n timp real, pentru a putea r[spunde @n timp util sistemului controlat.

Utilizate ini\ial cu prec[dere @n medicin[, chimie, fizic[ ]i alte domenii tehnice, @n ultimul timp sistemele expert sunt din ce @n ce mai mult utilizate @n economie, la nivelul @ntreprinderilor ]i @n institu\iile financiar-bancare. #n activit[\ile economice principalele clase de aplica\i ale sistemelor expert sunt: sistemele expert de diagnoz[, sistemele expert de planificare, sistemele expert de prognoz[ ]i sistemele expert de control.

La nivelul @ntreprinderilor, principalele activit[\i pentru care se pot dezvolta sisteme expert sunt: analiza ]i planificarea economico-financiar[, gestiunea trezoreriei, alegerea variantelor de finan\are a investi\iilor etc.

Ca o caracterizare general[ a acestor clase de probleme este faptul c[ ele necesit[ utilizarea elementelor din teoria deciziei. Din cele trei categorii de decizii (de rutin[, @n condi\ii de incertitudine ]i @n condi\ii de risc) ultimele dou[ categorii sunt cele mai indicate pentru realizarea sistemelor expert. Acestea @]i dovedesc utilitatea @n selectarea celor mai bune variante de ac\iune @n condi\iile existen\ei unei multitudini de


Valentin LIOIU 6

factori de influen\[, ale c[ror efecte sunt mai mult sau mai pu\in anticipate de decidentul uman @n momentele critice.

#n acest sens, se poate spune c[ domeniul bancar ocup[ o pondere @nsemnat[ @n cadrul sistemelor expert aflate @n exploatare cu bune rezultate. De exemplu aproape 50% din b[ncile franceze dezvolt[ sau exploateaz[ sissteme expert ]i se apreciaz[ c[ p`n[ la sf`r]itul secolului fenomenul se va generaliza.

Printre cele mai utilizate sisteme expert @n acest domeniu sunt cele pentru asistarea deciziei de creditare, cele care fac recomand[ri @n efectuarea plasamentelor, cele care fac diagnoz[ cu privire la evolu\ia unor firme, institu\ii financiar-bancare sau a unor segmente de pia\[ etc.

Important de re\inut este faptul c[ merg`nd @n paralel cu exper\ii umani solu\iile date de asemenea sisteme expert au fost acelea]i @n propor\ie de peste 95%.

#n ultimul timp s-a extins aplicarea sistemelor expert @n cadrul burselor de valori ]i burselor de m[rfuri.

SISTEME INTELIGENTE FINANCIAR-BANCARE CAPITOLUL III

Valentin LIOIU 1

III. REPREZENTAREA CUNO}TIN|ELOR

3.1. METODE FOLOSITE #N REPREZENTAREA CUNO}TIN|ELOR

Capacitatea sistemelor expert de a rezolva probleme depinde de volumul ]i calitatea cuno]tin\elor de care acestea dispun ]i pe care le pot folosi pentru efectuarea de ra\ionamente.

Reprezentarea cunoa]terii urm[re]te descrierea domeniului @n care sistemul efecteaz[ ra\ionamente sub form[ de entit[\i corespunz[toare obiectelor (indivizilor) ]i sub form[ de rela\ii @ntre acestea.

Deoarece, @n timp, cunoa]terea despre obiecte ]i rela\iile dintre acestea poate s[ se modifice, nu este posibil[ numai o reprezentare declarativ[ a st[rii ini\iale ci se pune problema @nregistr[rii enumerative a succesiunilor de st[ri ]i a mecanismelor ce asigur[ transformarea st[rilor ini\iale spre st[ri succesive.

O arhitectur[ de reprezentare a cuno]tin\elor poate fi constituit[ pe trei niveluri. Cele trei niveluri sunt stabilite @n func\ie de locul @n care se judec[ cuno]tin\ele. Schema de reprezentare a cuno]tin\elor pe trei niveluri este cea din figura 3.1.

Nivelul intern este constituit din schema intern[ ce descrie structura de stocare fizic[ a cuno]tin\elor @n baza de cuno]tin\e. La acest nivel se descriu detalile complete ale stoc[rii precum ]i modul de acces la cuno]tin\e.

Nivelul conceptual sau schema conceptual[ descrie structura @ntregii baze de cuno]tin\e pentru o comunitate de utilizatori. La nivelul conceptual se face o descriere complet[ a bazei de cuno]tin\e, ascunz`nd detalile legate de structura fizic[, accentul pun`ndu-se pe descrierea entit[\ilor, a rela\iilor dintre ele precum ]i a restric\iilor asociate.

Nivelul extern sau nivelul utilizator include o colec\ie de scheme externe ce descriu baza de cuno]tin\e prin prisma diferi\ilor utilizatori. Fiecare grup de utilizatori descrie baza de cuno]tin\e prin prisma proprilor interese.

De remarcat c[ @n multe sisteme expert nu exist[ o distinc\ie net[ @ntre cele trei niveluri. Cu toate acestea se poate remarca @n majoritatea cazurilor un nivel conceptual puternic ce supline]te aparent, de cele mai multe ori, celelalte niveluri. #n plus, arhitectura pe trei niveluri reprezint[ numai o descriere a datelor ce vor forma baza de cuno]tin\e. Grupurile de utilizatori se refer[ numai la schema extern[, deci susbsistemul de achizi\ie a cuno]tin\elor este cel care transform[ schema extern[ @n schem[ conceptual[.

Reprezentarea cuno]tin\elor se bazeaz[ pe trei structuri fundamentale: - faptele, care sunt informa\iile primare ce descriu elementele domeniului considerat, - regulile, care descriu modul @n care se pot utiliza faptele,

Nivelul extern

Nivelul conceptual

Nivelul intern

Analiza cerin\elor

Structura conceptual[

Structura intern[ (fizic[)

Stocare

- utilizatorul

- cogniticianul

- inginerul de sistem

Figura 3.1 Nivelurile de reprezentare a cuno]tin\elor


Valentin LIOIU 2

- strategiile de ra\ionament sau metodele euristice care exprim[ maniera @n care se pot folosi regulile.

Prelucrarea cuno]tin\elor impune definirea de structuri de stocare ]i manipulare care s[ fac[ posibil[ efectuarea de ra\ionamente. #n consecin\[, pentru stocarea ]i utilizarea cuno]tin\elor se folosesc structuri de cuno]tin\e, tot a]a cum pentru stocarea ]i prelucrarea datelor se folosesc structuri de date.

#n informatica clasic[ ecua\ia unui program, numit[ ]i ecua\ia Wirth este: structurile de date + controlul execu\iei = program

La fel se poate defini ecua\ia unui sistem expert: structurile de cuno]tin\e + metode de inferen\[ = sistem expert

Integrarea cuno]tin\elor @ntr-un formalism de reprezentare ridic[ o serie de probleme specifice. 1. Exist[, @n primul r`nd, mari diferen\e @n privin\a statutului informa\iilor prelucrate: ele pot fi

modificabile sau intangibile, certe sau incerte, valide sau perimate, diferen\ieri la care formalismul de reprezentare trebuie s[ r[spund[ c`t mai bine.

2. Cuno]tin\ele referitoare la un domeniu sunt @n marea lor amjoritate incomplete ]i aceasta din dou[ caze principale:

- pe de o parte, sunt omise unele informa\ii @n reprezentarea pe calculator deoarece pentru expertul uman ele sunt implicite;

- pe de alt[ parte, unele cuno]tin\e sunt dificil de transmis sau de formalizat. Aceasta atrage dup[ sine necesitatea de a g[si modalit[\i de reprezentare ]i ra\ionament @n condi\ii de

incertitudine. 3. Cuno]tin\ele se schimb[ odat[ cu modific[rile survenite @n domeniul @n care se utilizeaz[. Cum

multe dintre ele sunt @n str`ns[ interdependen\[, schimb[rile suportate de anumite cuno]tin\e pot antrena, prin efect indirect, actualizarea altora, devenite perimate prin modificarea celor dint`i.

Aceste schimb[ri pot fi extrem de diverse @ncep`nd cu con\inutul ]i termin`nd cu @ns[]i tipul cuno]tin\elor.

4. Cuno]tin\ele exprim[, @n general, informa\ii specifice unor clase sau grupuri de obiecte materiale ]i conceptuale. Dar, nu este exclus ca @n cadrul acestora s[ existe ni]te elemente care fac excep\ie sau sunt chiar @n contradic\ie cu propriet[\ile clasei din care fac parte. Aceasta impune g[sirea unor modalit[\i adecvate de reprezentare ]i tratare a excep\ilor.

Exist[ mai multe metode de reprezentare a cuno]tin\elor care r[spund, mai mult sau mai pu\in, problemelor specifice enumerate.

Dintre cele mai utilzate metode de reprezentare a cuno]tin\elor amintim: metodele bazate pe logica formal[; metodele bazate pe transferul succesoral de propriet[\i; re\elele neuronale; reprezentarea @n sisteme blackboards etc.

3.2. REPREZENT{RI BAZATE PE LOGICA FORMAL{

De]i logica a fost conceput[ mai cur`nd pentru a putea modela ra\ionamentul, ea este foarte utilizat[ ]i pentru reprezentarea cuno]tin\elor. Aceasta deoarece formalismul logic este lipsit de ambiguitate ]i pemite descrierea realit[\ii prin formul[ri concise.

#n ceea ce prive]te deducerea de noi cuno]tin\e, ea se bazeaz[ pe reguli de inferen\[, care pot fi tratate sintactic @n calculator prin procese de unificare ]i filtraj.

Cuno]tin\ele se pot reprezenta prin: - propozi\ii; - predicate; - expresii de calcul logic.

#n felul acesta se dispune de un formalism care poate fi utilizat at`t pentru reprezentarea cuno]tin\elor, c`t ]i pentru efectuarea ra\ionamentelor.

Metodele de reprezentare specifice acestui formalism sunt regulile de produc\ie, cu sau f[r[ variabile.

3.2.1. ELEMENTE DE LOGICA PROPOZI|IILOR

#n logic[, propozi\ia reprezint[ o aser\iune care poate fi adev[rat[ sau fals[. Logica propozi\iilor ofer[ un instrumentar formal pentru a stabili adev[rul sau falsitatea propozi\iilor.

De exemplu: Furnizori este un cont de pasiv


Valentin LIOIU 3

Casa este un cont bifunc\ional reprezint[ asemenea propozi\ii, prima fiind adev[rat[, iar cea de a doua fals[. De]i exist[ o mare asem[nare cu no\iunea de propozi\ie din lingvistic[, ele nu se pot confunda. De

exemplu: Calculeaz[ soldul contului Furnizori este o propozi\ie valid[ lingvistic dar nu este valid[ logic. Propozi\iile logice de genul celor anterior men\ionate sunt propozi\ii simple. Pentru efectuarea de ra\ionamente se folosesc @ns[ ]i propozi\ii compuse. Acestea se construiesc

leg`nd @mpreun[ mai multe propozi\ii elementare cu ajutorul conectorilor logici: ]i, sau, nu. Propozi\ia compus[ cu ajutorul conectorului ]i poart[ denumirea de conjunc\ie, iar cea construit[ cu

ajutorul conectorului sau se nume]te disjunc\ie. Ca ]i propozi\iile simple, propozi\iile compuse pot fi adev[rate sau false. De exemplu, propozi\iile

elementare pot fi notate cu A, B, C. Dac[ A ]i B sunt dou[ propozi\ii elementare, atunci adev[rul propozi\iilor compuse ob\inute pe baza lor se stabile]te conform urm[toarelor reguli:

(A ]i B) este adev[rat[ dac[ at`t A c`t ]i B sunt adev[rate, (A sau B) este adev[rat[ dac[ fie A, fie B, fie am`ndou[ sunt adev[rate, nu(A) este adev[rat[ dac[ A este fals[. Adev[rul propozi\iilor compuse depinde numai de adev[rul sau falsitatea propozi\iilor care le compun,

oricare ar fi con\inutul concret al acestora. De exemplu, spre a ]ti c[ (A ]i B) este adev[rat[, este suficient s[ ]tim c[ ambele sunt adev[rate, indiferent de con\inutul lor.

O propozi\ie compus[ se poate forma ]i prin compunerea mai multor propozi\ii legate @ntre ele prin conectori diferi\i. #n acest caz, ca ]i @n matematic[, evaluarea se face @ntr-o anumit[ ordine, ]i anume:

nu are prioritate absolut[ ]i are prioritate fa\[ de sau. De exemplu, dac[ A,C sunt false iar B este adev[rat[, atunci propozi\ia (A sau B ]i C) este fals[, deoarece, cu toate c[ (A sau B) este adev[rat[, evaluarea @ncepe cu (B ]i C) care este fals[. Ordinea de evaluare @ntr-o propozi\ie poate fi modificat[ cu ajutorul parantezelor. Al[turi de conectorii

logici, propozi\iile mai pot fi legate prin rela\ii de implica\ie ]i echivalen\[. Implica\ia este de forma: dac[ A atunci B, ceea ce se mai poate exprima ]i astfel: A=>B Echivalen\a este de forma: A dac[ ]i numai dac[ B, ceea ce se mai poate exprima ]i astfel: AB Pentru a vedea @n ce condi\ii este adev[rat[ propozi\ia dac[ A atunci B s[ lu[m urm[torul exemplu: A: Se achit[ o factur[ cu un ordin de plat[. B: Disponibilul @n contul de la banc[ scade. Exist[ patru cazuri pentru propozi\ia compus[ A=>B:

1.A adev[rat[B adev[rat[ 2.A fals[ B adev[rat[ 3.A fals[B fals[ 4.A adev[rat[B fals[

Dac[ at`t A c`t ]i B sunt adev[rate (cazul 1) evident propozi\ia anterior compus[ este adev[rat[. Dar disponibilul la banc[ poate s[ scad[ sau s[ r[m`n[ neschimbat chiar dac[ nu se achit[ o factur[.

Prin urmare implica\ia este adev[rat[ ]i @n cazurile 2 ]i 3. Dac[ @ns[ se achit[ o factur[ cu un ordin de plat[ ]i disponibilul la banc[ nu scade, deci A este

adev[rat[ iar B fals[ (cazul 4), atunci implica\ia este fals[. Echivalen\a poate fi exprimat[ ]i ca un rezultat combinat al implica\iilor: dac[ A atunci B dac[ B atunci A

Tabelul 3.1 - Valori ale propozi\iilor compuse cu diferi\i conectori

Propazi\ii Conectori A B nu A A ]i B A sau B A=>B AB a a f a a a a a f f f a f f


Valentin LIOIU 4

f a a f a a f f f a f f a a

O expresie care reprezint[ o propozi\ie elementar[ sau compus[ este numit[ formul[ de calcul

propoz\ional (FCP) ]i poate fi definit[ astfel: 1. O propozi\ie elementar[ este o formul[. 2. Dac[ A este o formul[ atunci nu(A) este ]i ea o formul[. 3. Dac[ A ]i B sunt formule, atunci expresile urm[toare sunt de asemenea formule:

(A ]i B) (A sau B) (dac[ A atunci B)

4. Toate formulele admisibile @n logica propozi\iilor pot fi generate aplic`nd primele trei reguli ale acestei defini\ii.

#n logica formal[, calea ce mai important[ de a deduce noi propozi\ii o reprezint[ silogismele. Un silogism utilizeaz[ implica\ia pentru a deduce o concluzie. Astfel: dac[ A adev[rat[ ]i Dac[ A atunci B este adev[rat[, atunci B este de asemenea adev[rat[ (modus ponens).

Acest tip de silogism se aplic[ @n sistemele expert, @ntr-o variant[ mai restrictiv[, sub forma regulilor de produc\ie.

Logica propozi\iilor ofer[ ]i o serie de rela\ii de echivalen\[ utile pentru a transforma propozi\iile @n scopul evalu[rii lor facile. Cele mai folosite rela\ii de acest tip sunt prezentate @n continuare.

Modus tolens: dac[ A atuci B = nu(A) sau (B) Simetria A sau B = B sau A A ]i B = B ]i A Asociativitatea (A sau B) sau C = A sau (B sau C) (A ]i B) ]i C = A ]i (B ]i C) Distributivitatea A sau (B ]i C) = (A sau B) ]i (A sau C) A ]i (B sau C) = (A ]i B) sau (A ]i C) Reversibilitatea nu(nu(A)) = A Legile lui Morgan nu(A sau B) = nu(A) ]i nu(B) nu(A ]i B) = nu(A) sau nu(B)

3.2.2. REGULI DE PRODUC|IE

Regulile de produc\ie reprezint[ una dein primele modalit[\i utilizate @n realizarea sistemelor expert. Ele sunt utilizate de sistemele expert cunoscute sub numele de sisteme de produc\ii.

#n mod riguros, termenul de reguli de produc\ie desemneaz[ acea modalitate de reprezentare bazat[ pe logica propozi\iilor, @n care at`t faptele c`t ]i regulile pot con\ine numai entit[\i invariabile (constante).

Datorit[ limit[rilor inerente unei asemenea solu\ii, s-a trecut la o alt[ modalitate de reprezentare, bazat[ pe logica predicatelor, @n care faptele ]i regulile pot include entit[\i variabile, ceea ce le confer[ un grad mai mare de generalitate. Aceast[ metod[ de reprezentare este denumit[, prin extensie de limbaj, reguli de produc\ie cu variabile.

Reprezentarea cuno]tin\elor prin regulile de produc\ie se face prin dou[ tipuri de structuri: fapte ]i reguli.

Faptele constituie aser\iuni privitoare la un anumit aspect al realit[\ii. Ele formeaz[ componentele elememtare ale cunoa]terii (a]a cum este ea reprezentat[ @n baza de cun[]tin\e). De exeplu:

Nivelul investi\iilor este ridicat. Mediul social este bun. Riscul global este mediu

sau


Valentin LIOIU 5

Rata infla\iei = ridicat[ Stocurile de materiale cresc. Ansamblul faptelor stocate @n sistem formeaz[ baza de fapte. Spre deosebire de sistemele informatice tradi\ionale, un sistem expert construie]te solu\ia unei

probleme printr-o @nl[n\uire de ra\ionamente. Dar faptele singure nu permit deducerea de noi cuno]tin\e. Din aceast[ cauz[, se utilizeaz[, pentru a specifica leg[turile dintre fapte ]i a putea face deduc\ii, regulile.

Forma general[ a unei reguli este: Dac[ atunci unde at`t premisele c`t ]i concluziile sunt fapte. O regul[ se poate interpreta @n felul urm[tor: dac[ premisele sale sunt adev[rate, adic[ dac[ faptele

care o compun sunt confirmate de baza de fapte, atunci ]i faptul sau faptele cuprinse @n concluzie sunt adev[rate.

Acest mod de ra\ionament are @n logic[ urm[toarea formulare: dac[ propozi\ia A (simpl[ sau compus[) implic[ B (A=>B) ]i A este adev[rat[, atunci B este, la r`ndul ei, adev[rat[. De exemplu:

R1.Dac[ rata infla\iei este ridicat[ atunci pre\ul produselor cre]te. unde rata infla\iei este ridicat[ constituie premisa, iar pre\ul produselor cre]te concluzia. Presupun`nd c[ baza de fapte con\ine urm[toarele fapte: Rata infla\iei este ridicat[ Cifra de afaceri scade Stocurile de materiale cresc Mediul social se degradeaz[

atunci premisa reguli anterioare este confirmat[ de cel de al doilea fapt, ceea ce autorizeaz[ deducerea faptului nou: pre\ul produselor cre]te.

Premisele unei reguli pot fi formate ]i din mai multe fapte diferite legate prin conectorii logici ]i, sau

nu. Iat[, spre exemplu dou[ reguli care ar putea servi pentru a evalua calitatea activit[\ii de gestionare a stocurilor:

R2.Dac[ stocurile de materilae cresc

]i cifra de afaceri cre]te atunci evolu\ia stocurilor este normal[. R3.Dac[ stocurile de materilae cresc

]i cifra de afaceri scade atunci evolu\ia stocurilor este nesatisf[c[toare.

Dac[ rata infla\iei este ridicat[ atunci pre\ul produselor cre]te

Fapte cunoscute Rata infla\iei este ridicat[ Cifra de afaceri scade Stocurile de materiale cresc Mediul social se degradeaz[

Fapt nou (dedus)

Pre\ul produselor scade

Figura 3.2 - Deducerea de noi fapte cu ajutorul regulilor


Valentin LIOIU 6

Raport`ndu-ne la baza de fapte prezentat[ anterior, se constat[ c[ premisele regulii R2 nu sunt confirmate dec`t par\ial ]i @n consecin\[ nici concluzia ei nu poat fi stabilit[. #n schimb, sunt confirmate premisele reguli R3 ceea ce permite s[ se deduc[ faptul nou evolu\ia stocurilor este necorespunz[toare.

Faptele deduse prin aplicarea unor reguli se adaug[ la baza de fapte ]i pot declan]a alte reguli. S[ consider[m, pentru exemplificare, dou[ reguli destinate s[ evalueze riscul uni proiect de investi\ii @n str[in[tate:

R4.Dac[ climatul social este bun ]i cadrul juridic este stabil atunci cadrul general este acceptabil R5.Dac[ riscul de fezabilitate este important ]i cardul general este acceptabil atunci riscul global al proiectului este ridicat #n contextul prezentat @n figura 3.3, pe baza acestor reguli sistemul va formula concluzia riscul global

al proiectului este ridicat. Regulile sunt @nscrise @n baza de reguli. Ordinea @n care acestea sunt introduse ]i stocate @n sistem este

nesemnificativ[. Regulile @magazineaz[, @ntr-un anume sens, cuno]tin\e cu aplicabilitate relativ general[. Un sistem

expert este folosit @ns[ pentru a oferii solu\ii la probleme concrete, particulare. Rolul de a descrie problema de rezolvat revine faptelor. Cum regulile sunt activate pe baza faptelor cunoscute, calitatea procesului de ra\ionament este nemijlocit influen\at[ de m[sura @n care sunt disponibile toate faptele relevante. Rezult[ c[ una dintre cerin\ele esen\iale la care trebuie s[ r[spund[ baza de fapte este de a reflecta c`t mai fidel realitatea ]i de a re\ine, cu promptitudine, modific[rile intervenite @n aceasta.

#n func\ie de domeniul concret @n care se utilizeaz[ ]i de condi\iile de exploatare, faptele pot fi introduse @ntr-un sistem expert prin una din urm[toarele c[i:

- prin tastare de la terminal, @naintea declan][rii procesului deductiv; - @n cursul procesului deductiv:

- prin chestionarea utilizatorului, ]i @n acest caz @ntreb[rile puse de sistemul expert urneaz[ fidel traseul dat de suita de inferen\e;

- prin deducerea de c[tre sistem, pe baza faptelor existente ]i a ra\ionamentelor, a altor fapte noi; - prin consultarea unor baze de date proprii sau apar\in`nd altor aplica\ii informatice; - prin preluarea direct[ cu ajutorul unor mijloace tehnice specifice (diver]i senzori, de exemplu).

De remarcat c[ nu toate faptele sunt la fel de satbile, Unele dintre ele pot reflecta concepte mai generale, tr[s[turi sau configura\ii structurale definitorii ]i r[m`n din acest[ cauz[ neschimbate sau sufer[ foarte rar modific[ri.

Figura 3.3 - Participarea faptelor nou deduse la continuarea procesului deductiv

Dac[ climatul social este bun ]i cadrul juridic este stabil atunci cadrul general este acceptabil

Fapte cunoscute Climatul social este bun Concuren\a este puternic[ Riscul de fezabilitate este important Cadrul juridic este stabil

Fapt nou (dedus) Cadrul general eate acceptabil

DDaacc[[ rriissccuull ddee ffeezzaabbiilliittaattee eessttee iimmppoorrttaanntt ]]ii ccaaddrruull ggeenneerraall eessttee aacccceeppttaabbiill aattuunnccii rriissccuull gglloobbaall aall pprrooiieeccttuulluuii eessttee rriiddiiccaatt

Fapt nou (dedus) Riscul global al proiectului este ridicat


Valentin LIOIU 7

Faptele care descriu fondul general, comun de cuno]tin\e aferente domeniului de expertizat sunt denumite fapte permanente. De exemplu @ntr-un sistem expert de analiz[ financiar[ pe baz[ de bilan\, faptele ce descriu caracteristicile fiec[rui post bilan\ier (de activ, de pasiv sau bifunc\ional) sunt fapte permanente ce r[m`n neschimbate ]i particip[ la rezovarea oric[rei probleme de acest gen.

Prin contrast, faptele ce definesc problema de rezolvat ]i contextul specific al acesteia au caracter temporar fiind p[strate @n sistem numai p`n[ la terminarea trat[rii acesteia, fie c[ s-a ob\inut o solu\ie, fie c[ s-a ajuns @ntr-o situa\ie de e]ec. De exemplu, @n sistemul anterior presupus, fapte precum: profitul este acceptabil, cifra de afaceri a sc[zut etc.

Tot fapte teporare sunt ]i cele deduse @n cursul proceselor de ra\ionament prin activarea regulilor specifice, ele constituind cuno]tin\e aferente contextului specific @n care evolueaz[ problema de rezolvat.

3.3. REPREZENT{RI SUCCESORALE

Formalismele succesorale se bazeaz[ pe ideea c[ ceea ce este adev[rat pentru un concept, este adev[rat ]i pentru conceptele derivate din el. #n aceast[ perspectiv[, cuno]tin\ele pot fi organizate @n ierarhii compuse din mai multe niveluri, @ncep`nd cu cele generale ]i termin`nd cu cele particulare. Elementele aflate pe un anumit nivel con\in numai descrierea propriet[\ilor care le sunt specifice. Al[turi de acestea, ele mo]tenesc toate propriet[\ile superioare. S[ consider[m, pentru exemplificare, o societate comercial[ care vinde aparate electrocasnice ]i @mbr[c[minte. Pentru aparatele electrocasnice se cunosc: codul, denumirea, pre\ul, TVA (taxa pe valoarea ad[ugat[), greutatea, durata garan\iei ]i puterea consumat[. Pentru articolele de @mbr[c[minte se cunosc: codul, denumirea, pre\ul, TVA, culoarea ]i m[rimea. Aceste informa\ii pot fi structurate ca @n figura 3.4 Se observ[ c[ electrocasnice ]i @mbr[c[minte devin specializ[ri ale conceptului mai general de marf[. Ele con\in numai acele propriet[\i care le sunt specifice ]i care le individualizeaz[: greutate, durata garan\iei ]i puterea consumat[ pentru electrocasnice ]i, respectiv, culoare ]i m[rime pentru @mbr[c[minte. #n acela]i timp, el mo]tenesc propriet[\ile care definesc conceptul de marf[: cod, denumire, pre\ ]i TVA.

Rela\ia de succesiune este tranzitiv[. #n consecin\[, dac[ pentru aparatele electrocasnice se definesc

noi specializ[ri, cum ar fi, spre exemplu, televizoare ]i aspiratoare, acestea vor mo]teni at`t propriet[\ile specifice conceptului electrocasnice c`t ]i ale conceptului marf[.

Aceast[ modalitate de partajare a propriet[\ilor este deosebit de eficace: ea impune o ordonare a cuno]tin\elor ]i favorizeaz[ opera\iile de consultare.

#n cazul @n care pentru un anumit concept exist[ excep\ii fa\[ de propriet[\ile comune mo]tenite de pe nivele superioare, acestea pot fi mascate prin redefinire. Revenind la exemplul nostru, TVA se determin[ @nmul\ind pre\ul cu cota general[ de 19 %. Acest calcul, definit la nivelul conceptului marf[ va fi preluat prin mo]tenite at`t de c[tre electrocasnice c`t ]i de @mbr[c[minte. S[ presupunem @ns[ c[ pentru aparatele electrocasnice se g[sesc ]i televizoare destinate exportului, pentru care nu se calculeaz[ TVA. #n acest caz, rela\ia de calcul mo]tenit[ nu mai este valabil[: ea trebuie @nlocuit[ cu o alta @n care TVA s[ fie zero. Redefinirea TVA pentru televizoarele exportate o mascheaz[ pe cea mo]tenit[ pe cale ierarhic[

CodDenumire Pre\ TVA ELECTROCASNICE #MBR{C{MINTE

Figura 3.4 - Structura de partajare a propriet[\ilor.

MARF{

Greutate Durata_garan\ie Putere_consumat[

CuloareM[rime


Valentin LIOIU 8

Un concept aflat pe un anumit nivel poate partaja propriet[\ile mai multor concepte diferite, aflate pe nivele superioare, situa\ie desemnat[ prin termenul mo]tenire multipl[. #n figura 3.5 se prezint[ o variant[ a exemplului anterior, @n care aparatele electrocasnice ]i articolele de @mbr[c[minte partajeaz[ at`t propriet[\ile conceptului marf[ c`t ]i ale conceptului transport ]i a specializ[rii transport obiecte fragile ale acestuia.

Cea mai r[sp`ndit[ modalitate de utilizare a acestui tip de formalism pentru reprezentarea cuno]tin\elor se bazeaz[ pe teoria prototipurilor. Aceast[ teorie pleac[ de la unele cercet[ri psihologice, care au ar[tat c[ oamenii au tendin\a de a identifica o familie de obiecte sau entit[\i oarecare ]i de a face ra\ionamente @n leg[tur[ cu aceasta f[c`nd referin\[ la un singur obiect, tipic pentru familia respectiv[. Un concept care descrie o categorie de elemente poate fi deci materializat prin unul singur dintre ele, cel mai cunoscut, numit prototip.

Un prototip grupeaz[ caracteristicile ce apar cel mai frecvent la toate elementele categoriei ]i con\ine astfel informa\ii generale implicite care pot fi asumate @n absen\a informa\iilor specifice.

Crearea unui element care partajeaz[ propriet[\ile unui prototip se realizeaz[ prin specializare sau copiere diferen\ial[. El va poseda, @n realitate, numai acele informa\ii prin care se diferen\iaz[ de prototip, cele comune fiind mo]tenite. la r`ndul s[u, un element poate fi prototipul altor elemente, dac[ acestea sunt definite drept specializ[ri ale sale (figura.3.5).

Partajarea propriet[\ilor prin prototipuri faciliteaz[ considerabil tratarea unora dintre problemele fundamentale ridicate de reprezentarea cuno]tin\elor. Astfel, cuno]tin\ele tipice unei anumite clase de elemente sunt stocate de c[tre prototip ]i sunt mo]tenite ca informa\ii implicite. Elementele care constituie excep\ii se reprezint[ prin mascarea propriet[\ilor implicate, f[r[ a perturba ierarhiile deja stabilite.

Adaptarea cuno]tin\elor la schimb[ri se face ]i ea mai u]or. Orice modificare survenit[ la nivelul unui prototip este repercutat[ automat asupra tuturor elementelor care depind de el ]i care posed[ dec`t virtual propriet[\ile partajate cu acesta.

Exist[ mai multe modele de reprezentare a cuno]tin\elor bazate pe aceast[ clas[ de formalisme, dintre care cele mai uzitate sunt re\elele semantice, cadrele ]i reprezent[rile orientate obiect.

80

TarifELECTROCASNICE

#MBR{C{MINTE

TRANSPORT_OB_FRAGILE

Putere_consumat[ Greutate Durata_garan\ie Culoare

M[rime

ASPIRATOARE TELEVIZOARE

Debit Presiune

Diagonal[_tubTip

TELEVIZOARE_EXPORT

TVA 0

Figura 3.5 - Structura de partajare a propriet[\ilor

MARF{ TRANSPORT

Cod Denumire Pre\ TVA 19%

Tip_ambalajTarif


Valentin LIOIU 9

3.4. REPREZENTAREA ORIENTAT{ PE OBIECTE

Metoda de reprezentare a cuno]tin\elor bazat[ pe obiecte este o alternativ[ apropiat[ de alte metode de reprezentare precum re\elele semantice ]i cadrele.

#n aceast[ metod[, cuno]tin\ele sunt v[zute ca mul\imi de obiecte, fiecare dintre acestea fiind capabile s[ aib[ anumite semnifica\ii. Fiecare obiect este situat @ntr-o re\ea sau ierarhie ]i poate accesa propriet[\ile ]i informa\iile de la obiectele de pe nivelurile superioare.

O tr[s[tur[ a acestor obiecte este c[ propriet[\ile unui anumit obiect sunt relevante @n raport cu situa\ia @n care apare. De exemplu propriet[\ile unui frigider care se transport[ sunt diferite de propriet[\ile sale privit ca modalitate de p[strare a alimentelor perisabile. #n primul caz este important[ greutatea sa, pe c`nd @n al doilea caz este important volumul.

#n paradigma orientat[ pe obiecte, obiectele comunic[ unul cu cel[lalt prin trasmiterea de mesaje. Un obiect care a primit un mesaj @]i verific[ baza de date ata]at[ ]i decide ce ac\iune se efectueaz[ @n continuare.

Ac\iunile pot fi realizate prin invocarea unei metode. De asemenea, orice ac\iune care se dore]te a fi luat[, este ]i ea trecut[ sub forma unui mesaj.

#n concluzie, instrumentele specifice acestei metode de reprezentare con\in trei p[r\i importante: - informa\iile proprii fiec[rui obiect, structurate ini\ial @ntr-un anumit fel; - metodele care se pot invoca @n anumite situa\ii, metode ce reprezint[ proceduri, deci ac\iuni; - leg[tura dintre obiecte, asem[n[toare leg[turilor dintre noduri @n re\elele semantice leg[turilor

dintre cadre din sistemele bazate pe cadre. Pentru a nu se crea confuzii, entit[\ile generice care reprezint[ clase de obiecte cu propriet[\i comune

sunt numite clase, iar obiectele sunt instan\e particulare ale acestor clase. De exemplu, CONTUL este denumirea generic[ (clasa) pentru orice cont contabil, iar 401_FURNIZORI este obiectul sau instan\a particular[ pentru contul @n care se \ine eviden\a furnizorilor.

Se observ[ c[ reprezentarea bazat[ pe obiecte este asem[n[toare cu cea bazat[ pe cadre. Am`ndou[ modurile de reprezentare sunt organizate @n iererhii ]i se bazeaz[ pe conceptul de mo]tenire. Cadrele folosesc rubrici cu proceduri ata]ate, pe c`nd obiectele folosesc metode pentru executarea unor ac\iuni. Obiectele comunic[ prin mesaje, pe c`nd cadrele pot folosi reguli pentru efectuarea anumitor calcule.

Ast[zi, sistemele bazate pe cadre ]i sistemele orientate pe obiecte tind spre o convergen\[ ]i o form[ de integrare, astfel @nc`t este tot mai dificil[ distinc\ia dintre ele.

3.5 RE|ELE NEURONALE

Este cunoscut faptul c[, @ntr-un anumit mod, creierul uman memoreaz[ informa\ii, dar este mai pu\in cunoscut[ maniera precis[ @n care se realizeaz[ acest lucru.

Re\elele neuronale reprezint[ o @ncercare de replicare a modului uman de memorare a informa\iei. Se ]tie faptul c[ memorarea cuno]tin\elor se face prin neuroni, mai precis prin leg[turile dintre ace]tia.

#n creierul uman sunt multe miliarde de neuroni ]i fiecare neuron este conectat la al\i neuroni rezult`nd astfel o re\ea neuronal[ interconectat[.

La fiecare neuron, impulsul este recep\ionat de dendrite ]i trasmis de axoni. Dac[ ie]irea unui axon este la un nivel suficient de mare, semnalul va str[bate jonc\iunea sinoptic[ (intervalul dintre doi neuroni) ]i va declan]a neuronul sau neuronii conecta\i la el.

Se presupune c[ de fapt cuno]tin\ele pot fi reprezentate prin m[surarea fiec[rei interconexiuni neuron-neuron, care influen\eaz[ nivelul de putere al impulsurilor de interconectare.

#ncerc[rile de replicare a re\elei neuronale a creierului au fost p`n[ acum destul de modeste. Au fost de regul[ folosite amplificatoarele electronice pentru reprezentarea neuronilor, rezisten\ele corespunz`nd ponderilor interconexiunilor.

Cu toate acestea, re\elele neuronale pot fi folosite pentru realizarea unor sarcini, cea mai r[sp`ndit[ fiind recunoa]terea formelor. #n particular, aceste tipuri de sisteme neuronale reprezint[ o propunere robust[ de rezolvare a problemei generale de recunoa]tere a fomelor.

Metoda de reprezentare a cuno]tin\elor prin re\ele neuronale are un singur mare dezavantaj: cuno]tin\ele sunt total opace. Din acest motiv, un domeniu major de interes @n cercetarea re\elelor neuronale @l constituie dezvoltarea regulilor pentru reprezentarea procesului folosit de re\elele neuronale.

#ntruc`t re\elele neuronale sunt adesea metode bune pentru rezolvarea problemelor de clasificare, ele pot fi combinate cu sistemele expert pentru rezolvarea acestor sarcini. Adic[, re\elele neuronale pot fi


Valentin LIOIU 10

folosite pentru clasificare, ]i baz`ndu-se pe aceaste clasific[ri, sistemul expert poate fi folosit pentru coordonarea cursului specific al ac\iunilor ce vor fi efectuate.

Re\elele neuronale se bazeaz[ pe neuroni artificiali interconecta\i @n anumite structuri care permit dezvoltarea multor tipuri de re\ele. Relativ simplu de simulat, re\elele neuronale sunt capabile s[ recunoasc[ ceea ce omul recunoa]te relativ u]or: forme, culori, relief, dimensiuni, sunete etc.

Prima aplica\ie a re\elelor neuronale a fost recunoa]terea caracterelor, dezvolt`ndu-se sisteme automate de triere a scrisorilor. Pe baza codului po]tal citit, o scrisoare e triat[ automat @n mai pu\in de o zecime de secund[. Aplica\ii spectaculoase s-au dezvoltat ]i @n domeniul recunoa]terii ]i sintezei semnalului vocal, @n controlul automat, prognoz[ ]i controlul calit[\ii.

Re\elele neuronale se clasific[ @n dou[ mari categorii: - re\ele neuronale f[r[ reac\ie, care pot fi:

cu propagare @napoi cu contrapropagare

- re\ele neuronale cu reac\ie, care pot fi: re\ele de tip Hopfield re\ele de tip memorie asociativ[ bidirec\ional[

Re\elele neuronale cu propagare @napoi au un nivel de intrare, un nivel de ie]ire ]i eventual unul sau mau multe nivele ascunse. leg[turile @ntre nodurile re\elelor dintre diferite nivele au anumite valori care se determin[ prin procesul iterativ de @nv[\are.

Re\elele neuronale cu contrapropagare au antrenarea mai rapid[. O re\ea de acest tip este format[ din 3 nivele neuronale ]i deci din 2 nivele sinoptice. Primul nivel prime]te un vector de intrare, iar ponderile modeleaz[ intrarea astfel @nc`t un singur neuron se activeaz[ la ie]irea acestui nivel. Nivelul de ie]ire recodific[ ie]irea nivelului anterior, gener`nd vectorul de ie]ire final.

Re\elele Hopfield presupun o topologie cu un nivel de intrare ]i unul de ie]ire, iar ie]irile sunt reduse la nodurile de intrare. Dac[ intr[rile sunt binare, toate ie]irile posibile reprezint[ v`rfurile unui hipercub. Ie]irea activ[ va trece de la un v`rf la altul p`n[ c`nd ajunge @ntr-o stare stabil[.

Re\elele de tip memorie asociativ[ sunt de fapt heteroasociative, adic[, dac[ avem un vector la intrare se ob\ine la ie]ire alt vector, asocierea fiind memorat[ @n sinapse la antrenarea re\elei. Dac[ vectorul de intrare este perturbat @ntre anumite limite, ie]irea r[m`ne corect[. Re\eaua are sens bidirec\ional, adic[, la aplicarea la intrare a vectorului ob\inut, la ie]ire se ob\ine vectorul pereche.

Re\elele neuronale au ca punct principal de inspira\ie sistemul nervos. Unitatea de organizare a sistemului nervos este neuronul, o celul[ care prezint[ un num[r de dendrite ]i un axon, prin intermediul c[rora se interconecteaz[ cu al\i neuroni. Dendritele constituie intr[rile @n celula neuronal[, iar axonul ie]irea. Axonul se ramific[ astfel @nc`t neuronul poate avea conectat[ ie]irea la mai mul\i neuroni.

Totalitatea impulsurilor prezentate la intrarea neuronului @l pot excita ca acesta s[ genereze un impuls mai departe spre neuronii cu care este conectat. Leg[turile @ntre neuroni sunt ponderate ]i fiecare neuron aplic[ o transformare asupra impulsului de la intr[ri @nainte de a-l transmite mai departe.

O re\ea neuronal[ artificial[ este alc[tuit[ dintr-o mul\ime de noduri @n care se afl[ neuronii artificiali, elementele de procesare neliniare, care opereaz[ @n paralel. Prin analogie cu neuronul biologic, un neuron artificial are un anumit num[r de intr[ri ]i o singur[ ie]ire, care se poate conecta la intrarea mai multor neuroni. Fiecare intrare are asociat[ o anumit[ pondere care reprezint[ importan\a pe care o are impulsul, prezent pe linia respectiv[, la activarea neuronului.

Principalele caracteristici ale re\elelor neuronale se refer[ la: - capacitatea de a @nv[\a. Re\elele neuronale nu necesit[ programe complexe, fiind mai degrab[ rezultatul unor antrenamente asupra unui set de date - capacitatea de generalizare. Dac[ au fost antrenate corespunz[tor, re\elele neuronale sunt capabile s[ dea r[sounsuri corecte ]i pentru intr[ri diferite fa\[ de cele cu care au fost antrenate. Ele generalizeaz[ automat ca urmare a structurii lor - capacitatea de sintez[. Re\elele neuronale pot lua decizii sau trage concluzii c`nd sunt confruntate cu inmforma\ii complexe sau cu zgomote irelevante sau par\iale.


Valentin LIOIU 11

3.6. REPREZENTAREA CUNO}TIN|ELOR #N BLACKBOARDS (TABLE NEGRE)

Este o interesant[ propunere de reprezentare a cuno]tin\elor, util[ pentru implement[rilr @n sistemele de calcul distribuite sau de tip multiprocesor. Modelul tablei negre a fost dezvoltat prima oar[ pentru sistemul HEARSAY-II @n anul 1980, dup[ o idee ap[rut[ @nc[ din 1959.

Aceast[ idee este explicat[ @ntr-un mod intuitiv @n cele ce urmeaz[. S[ presupunem c[ exist[ un grup de exper\i, fiecare fiind specialist @ntr-un alt domeniu. O @ncercare de

a unifica cuno]tin\ele acestor exper\i pentru rezolvarea unei probleme se poate face cu ajutorul unui coordonator ]i a unei table negre, exper\ii necomunic`nd direct @ntre ei, ci prin intermediul coordonatorului ]i citind ]i scriind pe tabl[.

Ini\ial pe tabl[ se va scrie enun\ul problemei de rezolvat. Exper\ii citesc problema ]i @ncep individual lucrul. #n momentul @n care un anumit expert ajunge la o anumit[ ipotez[, se va scrie acest lucru pe tabl[ ]i ceilal\i exper\i vor putea s[ vad[ ipoteza. Acest lucru @i va ajuta furniz`ndu-le astfel solu\ii par\iale, bazate pe cuno]tin\ele ce ies din afara domeniului lor. Eventual, unul dintre exper\i va rezolva complet problema ini\ial[ ]i va scrie solu\ia pe tabl[.

#n cazul real al unui sistem expert, fiecare expert participant se va numi surs[ de cuno]tin\e. O surs[ de cuno]tin\e nu este @n mod necesar un expert uman, ci o baz[ de cuno]tin\e, creat[ pentru realizarea unei sarcini specifice.

Tabla neagr[ devine astfel o cale pentru a partaja informa\iile ]i ipotezele @ntre diversele surse de cuno]tin\e, reprezent`nd de fapt o baz[ de date comun[ acestora.

Acest model de rezolvare a problemei a fost folosit @n sistemul HEARSAY-II, pentru a genera o interpretare coerent[ a unor propozi\ii vorbite, cu cuvinte dintr-un vocabular de 1000 de cuvinte. Sistemul avea 12 surse de cuno]tin\e, fiecare realiz`nd o sarcin[ specific[.

#n general, un model blackboard @ncearc[ s[ rezolve trei probleme distincte care apar atunci c`nd baza de cuno]tin\e a unui sistem expert devine prea mare ]i domeniile pe care trebuie s[ le acopere sunt diferite: - sistemul devine greu de @n\eles, @ntruc`t sunt prea multe reguli, fapte etc; - este nevoie s[ fie reprezentate diverse tipuri de cuno]tin\e ]i, @n consecin\[, sunt folosite diferite modalit[\i de reprezentare a cuno]tin\elor; - timpul de r[spuns al sistemului @ncepe s[ creasc[ odat[ cu cre]terea complexit[\ii calculelor.

Aceste probleme sunt rezolvate prin separarea cuno]tin\elor @n surse de cuno]tin\e modulare care folosesc diferite metode de reprezent[ri ale cuno]tin\elor ]i diferite metode de inferen\[, care pot s[ fie chiar pe calculatoare diferite.

O arhitectur[ blackboard trebuie s[ aib[ deci trei componente: baz[ de date global[ (tabla neagr[); surse de cuno]tin\e independente care au acces al baza de date; un coordonator pentru controlul activit[\ii surselor de cuno]tin\e.

Un sistem blackboard poate fi implementat ]i pe un singur calculator, dar se preteaz[ mult mai bine pentru rezolvarea unor probleme distribuite. Fiecare surs[ de cuno]tin\e poate fi implementat[ printr-o baz[ de cuno]tin\e pe un procesor separat, a]a @nc`t s[ se poat[ lucra independent la o component[ a problemei. Pe un sistem monoprocesor, dezavantajul const[ @n faptul c[ metoda de construc\ie a unui coordonator este deosebit de complex[.

3.7. CRITERII DE ALEGERE }I SELEC|IE A METODELOR DE REPREZENTARE A CUNO}TIN|ELOR

Multitudinea de metode de reprezentare a cuno]tin\elor constituie un r[spuns la diversitatea ]i specificul domenilor de activitate concret[ pentru care s-au depus eforturi de realizare a sistemelor expert.

Reprezent[rile bazate pe logic[ s-au bucurat de o utilizare at`t de larg[ @nc`t au devenit sinonime cu termenul de sistem expert. Aceast[ stare de fapt a fost favorizat[, al[turi de avantajele intrinseci oferite de aceste metode, ]i de existen\a unor limbaje de programare logic[, dintre care Prolog este reprezentantul cel mai cunoscut.

#n momentul actual, interesul de cercetare ]i literatura de specialitate se orienteaz[ spre reprezent[rile bazate pe cadre. #n esen\a lor cadrele reprezint[ o solu\ie superioar[ pentru reprezentarea ]i stocarea faptelor. De]i prin intermediul predicatelor asociate se pot @ncorpora ]i reguli, ata]area acestora al[turi de rubrici @n


Valentin LIOIU 12

locuri diferite poate constitui un avantaj @n planul modularit[\ii ]i simplit[\ii, @n m[sura @n care servesc pentru controlul stoc[rii ]i gestionarea consult[rii bazei de cuno]tin\e, dar pot constitui, la fel de bine, un dezavantaj atunci c`nd se refer[ la suita de deduc\ii necesare rezolv[rii unei anumite probleme.

De aceea, se opteaz[ pentru o solu\ie combinat[, @n care al[turi de cadre s[ existe un ansamblu de reguli explicite, reguli care s[ poat[ fi invocate de c[tre predicatele asociate ]i care, la r`ndul lor, s[ poat[ folosi @n calitate de fapte con\inutul cadrelor.

Convrergen\a promi\[toare cu tehnologia sistemelor de gestiune a bazelor de date recomand[ cardele ]i alte metode de reprezentare asem[n[toare, @n special cele orientate obiect, ca solu\ii fundamentale @n realizarea bazelor de date inteligente.

Re\elele semantice au fost definite ini\ial @n scopul reprezent[rii ]i prelucr[rii expresilor @n limbaj natural. Ele sunt utilizate @n prezent, @n diverse variante, ]i pentru reprezentarea cuno]tin\elor din alte domenii, printre care ]i cel financiar, exist`nd sisteme expert comercializabile pentru analiza financiar[ @n care reprezentarea cuno]tin\elor se face prin re\ele semantice.

Alegerea unei metode de reprezentare a cuno]tin\elor are @n vedere, @n primul r`nd, adaptarea la problem[, respectiv specificul domeniului de expertizat. Cum reprezentarea cuno]tin\elor este deosebit de versatil[, adic[ acelea]i cuno]tin\e pot fi exprimate @n forme diferite, aplicarea acestui criteriu nu este @ntotdeuna evident[. Pe c[i mai mult sau mai pu\in complicate, ]i evident cu diferen\ieri corespunz[toare @n planul performan\elor, facilit[\ile specifice unei metode de reprezentare pot fi emulate ]i @n alte metode. Spre exemplu, transferul succesoral poate fi implementat ]i @ntr-o metod[ de tip logic, prin reguli adecvate, f[r[ a ob\ine @ns[ aceea]i claritate ]i concizie. #ntr-o form[ elementar[, o regul[ de acest tip se poate formula astfel:

Dac[ X posed[ Z ]i Y este X atunci Y posed[ Z unde X ]i Y reprezint[ cele dou[ concepte @ntre care are loc partajarea propriect[\ilor (Y este un X,

deci X este antecedentul lui Y), iar Z este proprietatea mo]tenit[ de Y de la X. Selectarea unei metode de reprezentare a cuno]tin\elor se poate face pe baza urm[toarelor elemente: facilit[\ile oferite de tipul structural de baz[; facilit[\ile de memorare a cuno]tin\elor; facilit[\ile de reg[sire ]i selec\ie a cuno]tin\elor; mediul informatic disponibil. 1. Facilit[\ile oferite de tipul de structur[ care st[ la baza metodei de reprezentare a cuno]tin\elor sunt

importante @n raport cu formularea, structurarea ]i interpretarea cuno]tin\elor, at`t pentru expert c`t ]i pentru utilizator.

O prim[ contribu\ie la aceasta o are terminologia sau vocabularul @n care trebuie reprezentate cuno]tin\ele. Reprezent[rile care folosesc un vocabular restr`ns sunt preferabile, deoarece permit descrierea tuturor elementelor, indiferent de nivelul de detaliere, folosind aceia]i termeni.

Tot aici se situeaz[ posibilit[\ile de structurare ]i ierarhizare, naturale\ea reprezent[rii ]i u]urin\a @n @n\elegerea formalismului, deosebit de importante dac[ avem @n vedere c[ cel care furnizeaz[ cuno]tin\ele (expertul uman) c`t ]i cel care le utilizeaz[ nu au o preg[tire informatic[ special[.

2. Facilit[\ile de memorare a cuno]tin\elor asigurate de fiecare metod[ de reprezentare au, de asemenea, o mare importan\[. Aceasta deriv[, @n primul r`nd, din necesitatea de a r[spunde evolu\iei bazei de cuno]tin\e, prin inserarea de cuno]tin\e noi sau prin @nlocuirea celor perimate, cu men\inerea permanent[ a a coeren\ei bazei de cuno]tin\e.

De asemenea, trebuie analizate aici facilit[\ile de reprezentare a leg[turilor sau asocia\ilor dintre cuno]tin\e ca ]i posibilit[\ile de a introduce noi concepte drept generaliz[ri sau specializ[ri ale conceptelor deja existente.

3. Facilit[\ile de acces sunt vizate direct de modul specific @n care se deruleaz[ procesul de inferen\[. Spre deosebire de alte tipuri de aplica\ii informatice, @n care prin ordon[ri adecvate (sort[ri, index[ri) se pot @mbun[t[\i considerabil performan\ele de exploatare, modul de utilizare a cuno]tin\elor nu este cunoscut apriori ]i, @n consecin\[, este exclus[ orice @ncercare de ordonare sau de definire de chei. Timpul de acces devine ]i mai critic @n cazul utiliz[rii variabilelor, c`nd aplicarea regulilor poate fi decis[ numai dup[ investigarea tuturor posibilit[\ilor de unificare.

4. Mediul informatic disponibil. Cum orice sistem expert poate exista numai @n condi\iile exploat[rii lui pe un anumit calculator sau grup de calculatoare ]i folosind programe adecvate, disponibilit[\ile ]i


Valentin LIOIU 13

caracteristicile lor func\ionale reprezint[ criterii de selec\ie esen\iale, primul dintre acestea reprezent`ndu-l posibilit[\ile practice de programare ]i realizare.

O alt[ caracteristic[ important[ prive]te limit[rile referitoare la volumul bazei de cuno]tin\e, at`t @n dimensiune absolut[, c`t ]i sub aspectul @ncorpor[rii de date din surse diferite. Astfel, sunt frecvente cazurile @n care un sistem expert utilizeaz[ informa\ii care se g[sesc deja @n calculator @n alte forme, cum ar fi, spre exemplu, baze de date sau tabele.

De asemenea, calit[\ile interfe\ei om-calculator oferite de programe au importan\a lor, deloc neglijabil[, pentru viabilitatea sistemului.

#n final, trebuie reamintit c[ o bun[ metod[ de reprezentare a cuno]tin\elor nu este suficient[ pentru a avea un sistem expert. Acesta exist[, @n primul r`nd, prin expertiza pe care o @ncorporeaz[, adic[ prin volumul ]i calitatea cuno]tin\elor care au fost furnizate de exper\ii umani ]i prin m[sura @n care acestea sunt orientate spre activit[\i ]i probleme concrete ]i utile.

SISTEME INTELIGENTE FINANCIAR-BANCARE CAPITOLUL IV

Valentin LIOIU 1

IV. FUNC|IONAREA SISTEMELOR EXPERT BAZATE PE REGULI DE PRODUC|IE

4.1 ARHITECTURA SISTEMELOR BAZATE PE REGULI DE PRODUC|IE

Modelul regulilor de produc\ie are o importan\[ deosebit[ @n inteligen\a artificial[, av`nd un rol semnificativ @n evolu\ia sistemelor bazate de cuno]tin\e de la stadiul de produse ale laboratoarelor de cercetare la acela al produselor comerciale, cu aplicabilitate la rezolvarea problemelor "lumii reale". La @nceputul anilor '70 A. Newell ]i H.A.Simon au utilizat modelul regulilor de produc\ie drept model psihologic al comportamentului uman. Modelul lor este cunoscut sub numele de sistem de produc\ii, sau echivalent sistem bazat pe reguli de produc\ie. Una dintre ipotezele cele mai importante emise ]i argumentate de cei doi cercet[tori este c[ o mare parte din cunoa]terea utilizat[ de om @n procesul rezolv[rii de probleme poate fi reprezentat[ sub forma unei mul\imi de unit[\i separate numite produc\ii, sau echivalent reguli de produc\ie. O astfel de unitate con\ine ac\iunile pe care ar trebui s[ le execute o persoan[ la perceperea anumitor stimuli proveni\i din mediul @nconjur[tor. Aceste ac\iuni pot afecta imaginea pe care o are acea persoan[ asupra mediului @nconjur[tor, pe de o parte deoarece exist[ posibilitatea revizuirii unor presupuneri anterioare, ]i pe de alt[ parte deoarece pot ap[rea noi fenomene care trebuie s[ fie explicate.

Potrivit acestei teorii, exist[ dou[ mecanisme de stocare a informa\iei senzoriale provenit[ din mediul @nconjur[tor: memoria pe termen scurt ]i memoria pe termen lung. Memoria pe termen scurt con\ine o cantitate limitat[ de informa\ii rapid perimabile. Dup[ cum se va vedea ulterior, ea corespunde acelei p[r\i a unui sistem de produc\ii unde sunt p[strate datele de intrare ]i datele derivate @n procesul de calcul, ]i anume memoriei de lucru a sistemului. Memoria pe termen lung con\ine informa\iile permanente a c[ror rat[ de modificare este neglijabil de mic[ @n raport cu rata de modificare a informa\iilor din memoria pe termen scurt. Dup[ cum se va vedea, ea corespunde mul\imii de reguli ale sistemului de produc\ii.

Sistemele de produc\ii au stat la baza dezvolt[rii unui mare num[r de sisteme bazate pe cuno]tin\e @n inteligen\a artificial[, spre exemplu sistemele MYCIN ]i DENDRAL. Ulterior, din aceste sisteme s-au dezvoltat sisteme cadru independente de domeniu pentru dezvoltarea sistemelor bazate pe cuno]tin\e, cum este spre exemplu cazul sistemului EMYCIN. Deoarece @n sistemul MYCIN baza de cuno]tin\e a fost separat[ explicit de motorul de inferen\[, nucleul sistemului, rezultat prin @ndep[rtarea bazei de cuno]tin\e, a putut fi refolosit la construirea de sisteme noi. EMYCIN este nucleul sistemului MYCIN.

Totodat[, sistemele de produc\ii au stat la baza unei noi familii de limbaje de programare destinate aplica\iilor de inteligen\[ artificial[ numite limbaje bazate pe reguli. Sistemele de produc\ii s-au dovedit a fi extrem de potrivite pentru implementarea sistemelor expert. Acest lucru se datoreaz[ @n mare m[sur[ faptului c[ regulile de produc\ie sunt foarte potrivite pentru a modela regulile euristice folosite @n rezolvarea expert[ de probleme de c[tre exper\ii umani @n domeniul problemei.

Se nume]te sistem bazat pe reguli de produc\ie (SBR) un sistem bazat pe cuno]tin\e care utilizeaz[ modelul regulilor de produc\ie pentru reprezentarea cuno]tin\elor. Un astfel de sistem are trei componente principale ]i anume:

- baza de cuno]tin\e, sau echivalent baza de reguli care con\ine regulile de produc\ie cunoscute de sistem al[turi de eventualele declara\ii/defini\ii ale obiectelor manipulate de reguli;

- memoria de lucru, care con\ine informa\ia de stare necesar[ rezolv[rii unei probleme. Aceast[ informa\ie este deseori organizat[ sub forma unei mul\imi de aser\iuni sau elemente numite fapte sau echivalent elemente ale memoriei de lucru. Trebuie f[cut[ distinc\ie @ntre faptele ini\iale, care reprezint[ datele ini\iale ale problemei de rezolvat ]i faptele dinamice, care sunt deduse pe m[sura derul[rii procesului de rezolvare a unei probleme. #n termenii reprezent[rii @n spa\iul st[rilor, mul\imea faptelor ini\iale reprezint[ starea ini\ial[ a procesului de rezolvare, iar mul\imea faptelor dinamice reprezint[ starea curent[ a procesului de rezolvare.

- procesorul cognitiv, sau echivalent motorul de inferen\[, care reprezint[ componenta de control ]i execu\ie dintr-un sistem bazat pe reguli. Aceast[ component[ realizeaz[ selectarea unei reguli de produc\ie din baza de reguli ]i declan]area regulii selectate. Efectul acestei declan][ri este modificarea st[rii curente a sistemului, adic[ a con\inutului memoriei de lucru. Arhitectura de principiu a unui SBR este prezentat[ @n figura urm[toare:


Valentin LIOIU 2

Figura 5.1 Sistem bazat pe reguli de producie

5.2 ETAPELE UNUI CICLU DE BAZ{ AL MOTORULUI DE INFEREN|E

Motorul de inferen\e este elementul central al unui sistem expert, deoarece, utiliz`nd baza de cuno]tin\e, construie]te dinamic ra\ionamente aleg`nd regulile ce urmeaz[ s[ fie declan]ate stabilind ordinea de declan]are a acestora.

Indiferent de modul de ra\ionament utilizat, ciclul de baz[ al unui motor de inferen\e comport[ patru etape (figura 5.2): selec\ia, filtrajul, rezolvarea conflictelor ]i execu\ia propriu-zis[ (declan]area regulilor alese).

Figura 5.2 - Ciclul de baz[ al unui motor de inferen\e

Baza de reguli Baza de fapte

SELEC|IA

Reguli posibile

Fapte selec\ionate

FILTRAJ

Reguli declan]abile

REZOLVARE CONFLICTE

Reguli re\inute

EXECU|IA REGULILOR

MEMORIA DE

LUCRU BAZADE

REGULI

PROCESORCOGNITIV

ReguliFapte

Actiuni


Valentin LIOIU 3

Selec\ia const[ @n extragerea din baza de reguli ]i din baza de fapte a elementelor care caracterizeaz[ subdomeniul de rezolvare a problemei. Altfel spus, se constituie o parti\ie a bazei de cuno]tin\e, care va scurta timpul de c[utare pentru etapele urm[toare. Aceast[ faz[ este necesar[ atunci c`nd baza de cuno]tin\e este foarte mare, @ncerc`nd s[ acopere mai multe domenii ale cunoa]terii.

Filtrajul (pattern matching) const[ @n compararea premiselor regulilor selec\ionate anterior cu faptele ce caracterizeaz[ problema de rezolvat, pentru a determina submul\imea regulilor declan]abile.

#n urma acestei etape pot rezulta: o regul[ declan]abil[, mai multe reguli declan]abile sau nici o regul[ declan]abil[. Dac[ nu se ob\ine nici o regul[ declan]abil[, rezult[ c[ suntem @ntr-o situa\ie de e]ec, pe care sistemul expert trebuie s[ o explice sau @n care utilizatorul trebuie s[ r[spund[ la o serie de @ntreb[ri pe care i le pune sistemul expert @n scopul complet[rii formul[rii problemei.

Rezolvarea conflictelor este necesar[ atunci c`nd @n etapa de filtraj au rezultat mai multe reguli declan]abile ]i trebuie aleas[ una pentru a fi executat[. Printre principalele criterii de alegere care pot fi utilizate @n aceast[ etap[ amintim: prima regul[ din list[; cea mai complex[ regul[ (regula cu cel mai mare num[r de fapte @n premis[); cea mai simpl[ regul[; cea mai des utilizat[ regul[ etc.

De calitatea acestei alegeri depind performan\ele motorului de inferen\e, care va g[si mai rapid sau mai lent solu\ia problemei.

Nu se poate indica folosirea unuia sau altuia din criterile men\ionate, deoarece aceast[ alegere depinde de contextul @n care se g[se]te baza de cuno]tin\e @n momentul respectiv ]i, evident, de specificul problemei de rezolvat.

Execu\ia regulii alese const[ @n ad[ugarea uneia sau mai multor fapte la baza de fapte. #n aceast[ etap[ este posibil s[ se fac[ apel la:

proceduri externe pentru a prelua date din baze de date sau din tabele (create cu procesoare de calcul tabelar);

@ntreb[ri puse utilizatorului. Pentru rezolvarea unei probleme, motorul de inferen\e execut[ mai multe cicluri de baz[ ]i se opre]te

@n func\ie de modul de ra\ionament utilizat. Motorul de inferen\[ poate folosi dou[ moduri principale de ra\ionament: ra\ionamentul deductiv ]i

ra\ionamentul inductiv.

4.3 RA|IONAMENTUL DEDUCTIV

#n acest mod de ra\ionament, motorul de inferen\e pleac[ de la fapte ]i caut[ un anume scop (obiectiv). Etapa de filtraj const[ @n extragerea din baza de cuno]tin\e a regulilor care au @n partea de premise

numai faptele aflate @n formularea problemei (altfel zis ca date de intrare). #n etapa de rezolvare a conflictelor se alege o singur[ regul[, care va fi executat[. Procesu se reia p`n[ se atinge scopul propus (se rezolv[ problema) sau nu mai exist[ nici o regul[

aplicabil[ (situa\ie de e]ec @n rezolvarea problemei). Ra\ionamentul deductiv aduce dou[ mari avantaje, care @n unele domenii sunt absolut necesare: d[ posibilitatea gener[rii tuturor solu\ilor posibile; @mbog[\este la fiecare ciclu al motorului de inferen\e baza de fapte, ceea ce simplific[ deduc\ile

ulterioare. Acest mod de ra\ionament are @ns[ ]i unele dezavantaje cum ar fi: baza de fapte trebuie s[ con\in[ suficiente fapte ini\iale, pentru ca sistemul s[ poat[ atinge scopul

urm[rit (altfel zis, problema trebuie definit[ @n detaliu); sunt declan]ate toate regulile aplicabile, chiar dac[ unele nu prezint[ interes; @n unele situa\ii, c`nd num[rul de reguli ]i de fapte este foarte mare, iar scopul nu poate fi atins,

exist[ riscul ajungerii la realizarea unui num[r foarte mare de cicluri de baz[ ale motorului de inferen\e;

nu este interactiv @n timpul inferen\elor, ceea ce face ca @n situa\iile de e]ec @n care num[rul faptelor necunoscute se reduce la unul singur (sau la un num[r mic), utilizatorul s[ nu cunoasc[ aceast[ situa\ie @n care ar putea interveni.

Legat de ultimul inconvenient, putem face o clasificare a faptelor vehiculate de un sistem expert @n fapte cunoscute ]i fapte necunoscute. Faptele necunoscute pot fi:


Valentin LIOIU 4

deductibile - c`nd pot fi ob\inute prin aplicarea unor reguli, aceste fapte figur`nd @n partea de concluzii a regulilor;

interogabile - care urmeaz[ s[ primeasc[ valori @n timpul procesului de deduc\ie. O problm[ important[ ce se a fi rezolvat[, este aceea de a stabili @ntr-un anumit moment al procesului

de deduc\ie ]i @ntr-un anumit context al bazei de cuno]tin\e, care dintre faptele interogabile vor fi solicitate utilizatorului pentru a ie]i dintr-un anumit impas la care s-a ajuns. Procedura de ie]ire din impas se execut[ @n dou[ etape:

Se determin[ faptele nucunoscute dar deductibile Pornind de la scopul urm[rit, printr-o @nl[n\uire @napoi, de descompunere a acestuia @n subscopuri

deductibile, se poate g[si un fapt necunoscut dar interogabil, care prin r[spunsul utilizatorului ]i revenirea pe lan\ul de ra\ionament ne poate conduce la atingerea scopului enun\at ini\ial prin problema de rezolvat.

Pentru a @n\elege mai u]or acest mod de ra\ionament s[ lu[m o baz[ de cuno]tin\e din analiza economic[, format[ din regulile de mai jos.

R1 Dac[ Importul cre]te ]i Exportul scade Atunci Balan\a nu este echilibrat[

R2 Dac[ Puterea de cump[rare cre]te sau Produc\ia este constant[

sau Produc\ia scade Atunci Pre\ul cre]te ]i Importul cre]te

R3 Dac[ Pre\ul cre]te ]i Productivitatea muncii este constant[

Atunci Exportul scade

R4 Dac[ Productivitatea muncii este constant[ sau Productivitatea muncii scade

]i Sarcinile de plan cresc Atunci Pre\ul cre]te ]i Investi\ile scad

R5 Dac[ Investi\iile scad Atunci Productivitatea muncii este constant[ R6 Dac[ pre\ul cre]te

]i Produc\ia este constant[ Atunci Exportul scade

R7 Dac[ Importul scade Atunci Produc\ia scade

R8 Dac[ Produc\ia scade sau Produc\ia este constant[

]i Sarcinile de plan cresc Atunci investi\iile scad

Aplic`nd ra\ionamentul deductiv, f[r[ a stabili un scop anume ]i folosind drept criteriu de alegere regula cea mai simpl[, s[ observ[m cun evolueaz[ baza de fapte.

Select`nd regula cea mai simpl[ R7, aplicarea ei va introduce @n baza de fapte concluzia: Produc\ia scade. C[ut`nd acest fapt @n partea de premise a regulilor, g[sim regulile aplicabile R2 ]i R8, care vor

@mbog[\i baza de fapte temporare cu: Pre\ul cre]te; Importul cre]te; Investi\iile scad. #n continuare se selecteaz[ regulile R3, R1, R5 care vor ad[uga urm[toarele fapte: Exportul scade; Balan\a nu este echilibrat[; Productivitatea muncii este constant[.


Valentin LIOIU 5

Se aplic[ apoi regula R6. Se observ[ c[ @n acel moment baza de fapte este saturat[, deci nu mai putem ob\ine fapte noi.

4.4 RA|IONAMENTUL INDUCTIV

Ra\ionamentul inductiv pleac[ de la un scop (obiectiv, problem[ de rezolvat) pe care @l descompune @n subprobleme p`n[ c`nd se ob\in probleme primitive (fapte dovedite sau interogabile).

Deci, ra\ionamentul inductiv este dirijat de scop @n sensul g[sirii faptelor ce permit atingerea acestuia (altfel zis, invers ca la ta\ionamentul deductiv).

Regulile selec\ionate sunt acelea care au @n partea de concluzii (dreapta) scopul specificat ini\ial. Premisele acestor reguli voar deveni subscopuri ce trebuie demonstrate.

Acest proces se repet[ p`n[ toate subscopurile ob\inute sunt demonstrate sau @n urma etapei de filtraj mul\imea regulilor declan]abile este vid[ (deci se @nregistreaz[ o situa\ie de e]ec).

Avantaje ale modului de ra\ionament inductiv: Avantajul principal const[ @ntr-un pa\iu de memorie intern[ redus, deoarece arborele de c[utare este

adesea

Cursuri SEB

Documents

Transcript of Cursuri SEB