MYCIN szakértői rendszer. MYCIN modell szakértői rendszer vér fertőzéseinek, gyógykezeléseknek meghatározását támogató orvosi diagnosztikai rendszer célvezérelt,

Az előadások a következő témára: "MYCIN szakértői rendszer. MYCIN modell szakértői rendszer vér fertőzéseinek, gyógykezeléseknek meghatározását támogató orvosi diagnosztikai rendszer célvezérelt,"— Előadás másolata:

1 MYCIN szakértői rendszer

2 MYCIN modell szakértői rendszer vér fertőzéseinek, gyógykezeléseknek meghatározását támogató orvosi diagnosztikai rendszer célvezérelt, szabályalapú rendszer 1972. orvosok, Stanfordi Egyetem AI kutatói LISP nyelv http://www.aaai.org/AITopics/classic/buchanan.html

3

4 MYCIN fő komponensei 1. konzultációs (tanácsadó) rendszer kérdések feltevése, következtetések, tanácsok 2. magyarázó rendszer kérdésekre válaszok, tanácsok indoklása 3. szabálybeszerző rendszer új szabályok, meglevő szabályok módosítása

5 1. Konzultációs rendszer szabálybázis statikus, dinamikus adatok vezérlés

6 Szabálybázis (produkciós szabályok) szabály: előfeltétel-akció pár  előfeltétel: feltételek konjunkciója feltétel: predikátum (igaz/hamis, bizonyossági mértékkel) bizonyossági mérték: adatelemekhez kapcsolódó szám [-1 … 1] bizalom mértéke, kételkedés mértéke  akció: konklúzió (megfelelő bizonyossággal) pl. organizmus azonosítása, végrehajtandó instrukció, terápia-lista  szabályok bizonyossági mértéke – tally szabály alkalmazásának megbízhatósága következmény megbízhatósága – feltételi rész bizonyosságának és a szabály bizonyosságának függvénye

7 Szabálybázis szabályok jellegzetes formája: (culture ?c)  (site ?c blood)  (organism ?o)  (gram ?o neg)  (morph ?o rod)  (patient ?p)  (burn ?p serious)  0.4 (identity ?o pseudomonos)

8 Szabálybázis szabály feltételi részének bizonyossága: c(p 1 ...  p n ) = min  c 1,..., c n  következtetés bizonyossága: c(p  q) = c(p)  c(r)c(p)  0, c(r)  0 független forrásból származó bizonyítások esetén: c(0, y) = c(y) c(1, y) = c(1) c(-x, x) = 0 c ≥ 0.2 esetén: szabály alkalmazása

9 MYCIN adatszerkezete Statikus adatok definíciószerű információk listák (pl. organizmusok listája) tudástáblák (pl. klinikai paraméterek) osztályozó rendszer, kontextus szerint (pl. páciens attribútumai, organizmus attribútumai) Dinamikus adatok objektum – attribútum – érték hármasok + CF kontextusfában tárolva (páciens személyi adatai, gyógykezelések, organizmusok) kikövetkeztetett adatok konzultáció kérdései a releváns attribútumok kitöltéséhez

10 MYCIN vezérlési struktúrája visszafelé haladó következtetés (célvezérelt) mint egy AI program, de kimerítő keresést végez (részcél  összes lehetséges feltétel előállítása) ha egy hipotézis megbízhatósága -0.2 és 0.2 közé esik  a válasz: ismeretlen preview mechanizmus: felesleges részfák bejárásának elkerülése (előzetes információk alapján) egyéb vezérlési lehetőségek az alapvető viselkedés módosításához (metaszabályok) szabály-interpreter először ezeket a szabályokat hajtja végre ~ 200 metaszabály top-level cél szabály  következmény rész: terápia meghatározása (lista)

11

12

13 2. Magyarázó rendszer konzultáció végén automatikusan meghívódik elérhető a konzultáció során is  WHY – miért kérdezte az adott kérdést  HOW – hogyan jutott adott következtetésre

14

15

16

17 3. Tudás- (szabály-) beszerző rendszer új szabály bevitele, szabálymódosítás angol nyelvű forma  LISP

18 3. Tudás- (szabály-) beszerző rendszer ellentmondásmentesség, redundancia ellenőrzése

19 Tudásbeszerző rendszer tipikus TB hibák:  hiányok a szabályhalmazban  szabályok átlapolása (inkonzisztenciát, redundaciát okozhat)  elavult szabályok (új felfedezések miatt) konzultációs program fő hibái:  hibás konklúzió  irreleváns kérdések TEIRESIAS – tudásbeszerzés interaktív párbeszéd alapján szakértő megállíthatja a működést, ha hibát tapasztal  nyomkövetés visszafelé (HOW, WHY kérdések alapján)

20