Eine wichtige Anwendung der künstlichen Intelligenz sind Expertensysteme. „Unter einem Expertensystem versteht man ein wissensbasiertes System mit Fähigkeiten zur Problemlösung bzw. Inferenzausführung, das zur Lösung von Aufgaben eingesetzt wird, die im Allgemeinen Spezialkenntnisse - d.h. eben einen Experten - verlangen.“Expertensysteme können in verschiedenen Bereichen eingesetzt werden, wie z.B. Beratung, Diagnose, Entscheidungsunterstützung, Forschung usw. Sie erhalten ihre Informationen von Experten und unterstützen Experten und Nicht-Experten bei ihrer Arbeit in einem bestimmten Aufgabengebiet. Die Besonderheit bei den meisten der betrachteten Aufgabengebiete ist, dass die benötigten Informationen, aus denen Schlussfolgerungen gezogen werden, unscharf oder unsicher sind. Impräzises Wissen ist im Alltag sehr oft vorhanden, jedoch kann der Mensch trotzdem sinnvolle Schlussfolgerungen ziehen, wobei die Mechanismen dafür nicht genau bekannt sind. Für die Arbeit auf solchen Gebieten mit impräzisem Wissen brauchen Expertensysteme ebenfalls Mechanismen, die mit derartigen Informationen umgehen können. Hier ergibt sich ein Berührungspunkt zum sog. „Soft Computing“, das den Umgang mit unscharfen Informationen zum Ziel hat. Zuerst wird der generelle Aufbau von Expertensystemen dargestellt und erläutert. Dabei wird besonderes Augenmerk auf die Wissensbasis und das Inferenzsystem gelegt. Zu den Aufgaben des Inferenzsystems gehört es auch, mit impräzisem und unvollständigem Wissen umzugehen, d.h. trotzdem sinnvolle Schlussfolgerungen daraus zu ziehen. Dafür bedient sich das Inferenzsystem des approximativen Schließens, welches in Kapitel 3 erläutert wird. Basis des approximativen Schließens ist der generalisierte Modus ponens, der an gegebener Stelle erläutert und in einen Zusammenhang mit der klassischen Logik gebracht wird.
Inhaltsverzeichnis
- Einführung
- Zielsetzung
- Überblick
- Expertensysteme
- Aufbau
- Wissensbasis
- Inferenzsystem
- Unschärfe in Expertensystemen
- Approximatives Schließen
- Definitionen
- Algebraische Anforderungen an Implikationsoperatoren
- Beispiele für Fuzzy Implikationen
- Bestimmung der Fuzzy-Implikationsrelation
- Regeltypen
- Anwendungsbeispiel
- Fuzzy Regelsysteme
- Fazit
Zielsetzung und Themenschwerpunkte
Die Arbeit beschäftigt sich mit der Anwendung von Soft Computing in Expertensystemen. Sie beleuchtet insbesondere den Umgang mit unscharfen Informationen im Kontext der Wissensverarbeitung und Schlussfolgerungsmechanismen. Das Ziel ist es, die Funktionsweise von Expertensystemen zu erläutern und den Einsatz von Soft Computing in diesem Bereich näher zu beleuchten.
- Der Aufbau von Expertensystemen und die Rolle von Wissensbasis und Inferenzsystem.
- Die Herausforderung der Unschärfe in Expertensystemen und die Notwendigkeit approximativen Schließens.
- Die Verwendung von Fuzzy-Implikationsoperatoren und deren Eigenschaften.
- Die Anwendung des approximativen Schließens in Expertensystemen.
- Der Einsatz von Fuzzy-Regelsystemen in der Praxis.
Zusammenfassung der Kapitel
- Einführung: Die Einführung gibt einen Überblick über die Bedeutung von Expertensystemen in der künstlichen Intelligenz und die Rolle von Soft Computing im Umgang mit unscharfen Informationen.
- Expertensysteme: Dieses Kapitel erläutert den allgemeinen Aufbau von Expertensystemen, wobei die Wissensbasis und das Inferenzsystem im Fokus stehen.
- Approximatives Schließen: Das Kapitel behandelt die Mechanismen des approximativen Schließens in Expertensystemen und erklärt die Verwendung von Fuzzy-Implikationsoperatoren.
Schlüsselwörter
Expertensysteme, Soft Computing, Unschärfe, Approximatives Schließen, Fuzzy-Implikationsoperatoren, Fuzzy Regelsysteme, Wissensbasis, Inferenzsystem.
- Quote paper
- Fabian Aiteanu (Author), 2005, Soft Computing in Expertensystemen, Munich, GRIN Verlag, https://www.grin.com/document/57012