Re: [討論] 專家系統

看板CSSE (電腦科學及軟體工程)作者esheep (★~漂亮小喵喵~★)時間18年前 (2006/12/11 23:37)推噓7(7推 0噓 9→)

留言16則, 8人參與討論串12/22 (看更多)

※ 引述《ephesians (ephesians)》之銘言： : 各位好, : 目前正在學習專家系統這門課程,感覺學到一種相當有價值的東西. : 有價值之處在於知識的提供. : 而專家系統所包含的架構及元件,含知識庫,知識表達法,推論引擎等等,只是旁支. : 好比一堆人爭辯程式語言的好壞,卻忘了寫出正確的軟體系統的價值,就是虛談. : 因為有這樣的體認,本來想依stable model semantics實作一份推論引擎, : (像Prolog那樣的推論引擎) : 就打消了那個念頭. : 所換的另一個方向,是實作出完整的特定領域的專家系統. : 但考慮到整個專家系統的需求,想了許多許多領域的問題,都覺得不適合. : 知識的來源是相當大的問題,遑論知識工程的事情. : 若找不到適合的知識專家,只好找自己能夠充當專家的領域, : 於是,因為自己讀過許多小說故事,就想到可以做個小說分類專家系統. : 若能夠由書籍中找到幾個特徵,加以推論,便能歸類. : 例如: : 男主角有幾位 : > 1 : 女主角有幾位 : > 1 : 男主角[1]是女主角[1]的父親? : > no : 女主角[1]是男主角[1]的母親? 如何表示出這些關系，而且是要定出電腦能夠理解的且有利分析關系其實還蠻難的 : > yes : 潛在分類 = 親情 : 男主角[1]殺了女主角[1]? 這部分要定關系也很麻煩... : > yes : 潛在分類 = 兇殺, 違反倫常, 偵探你的潛在分類有點奇怪項目可能的分類大項兇殺犯罪「行為」違反倫常犯罪「行為」、道德問題偵探犯罪相關，職業以你上述的情況來看，你可能把人工智慧技術看的太神了一點容我先假設你要做的東西，不是像常見的心理測驗網站一樣是玩玩的，而是想要建立一個具分析能力的系統。 PS. 專家系統，人工智慧及data mining 在「技術面相通」故在此看成一體來討論上述問題其實並沒有明確的domain，亦有可能是資料不全所以看起來有點混亂。粗略來看能夠建議的地方有下列幾點： (1) 從資料來看，之前網友建議的Naive Bayesian or fuzzy都可用不過你的資料很混亂，有層級關係的屬性及沒有層級關係的屬性混雜。例如有層次關系：親情->父子、母女可能有層次關系：兇殺<->違反倫常無層次關系但相關：兇殺<->偵探雖然都是離散型的資料，但對於不同的假設會有相當大的差異 ex. Naive Bayesian 屬性必需彼此獨立=>最好不要有層級關系單一屬性的「值」，最好也不要有強度上的差別例如：紅色、黃色之類不相干結果會比較好。 fuzzy 屬性間關性可有可無，但單一屬性的「值」有強度上的時，結果會較好。 (2) 專家系統(所有人工智慧系統)是最標準的garbage in, garbage out 「你想問什麼」以及「你想做什麼」，請先定義清楚，不然很容易得到一堆垃圾... (3) 根據經驗，利用推理機做兩階段以上的推理大部分都會死得很慘．．．　　　　　　　　第一階段準確度有８０％以上的話，到了第二階段大約都只剩　　　　　　　　５０％～６０％；第三階段之後，說不定丟骰子還比較準.... (4) 另外最重要的問題在於：由上述例子來看你的目標太大或說不明確人工智慧發展了數十年之後才了解到：以目前的科技還沒有辦法發展出能夠處理複雜關系or多重命題的系統，目前人工智慧能做到的，嚴格來說只有「資料化簡」。 (或許這就是有網友建議你去看專家系統發展史的原因) (5) 建專家系統的方法很多種，常見且自動化的方式就是利用data mining ，而你的問題就是上述4項，而結果會很難詮釋， (大家都知道尿布跟啤酒的例子，但大部分的人也都不知道　　　　　　　　到底研究人員花了多少時間來解釋這個現象)；此外如果不排斥質性分析單純利用質性分析 or 統計方法其實也可以建出來，　　　　　　　　結果可能會比較好解釋，但.... 要有人相信．．．． : 跟我的老師討論過這個想法,他直接想到data mining, : 建議我不見得要把任何問題都只想著用專家系統解決. : 我也真讀過以關聯規則及類似度評估的方法做分類的文章, : 不過,如果能夠憑著人類專家的語意規則,做為專家系統的能力, ^^^^^^^^^^^^^^^^^^ 這個大多是語言所在玩的，語意要考慮的問題很多是當時的環境，目前沒看過有什麼系統可以「完整的」考慮所有環境變數。且如何「有效地」用資訊技術描述語意規則仍是人工智慧的研究命題之一。 : 應該可以節省data mining規則產生的計算時間. 從目前的研究來看，剛好相反。大部分這類的研究者反而常會利用data mining來分析語意規則。西洋棋大都是用pattern approach ，實際上本人沒有用過。最有名的是深藍，不過上次計設者來演講時，反而覺得技術還好... 它的原則是用強大的硬體效能做大量的棋譜搜尋，再做一點點預測盡量在接下的幾步達到有利的局面，當然這些有利的局面也大都早已存在資料庫中。與其說它很聰明，我比較佩服它的搜尋速度 XD : 另外,曾經想過專家系統幫助西洋棋弈棋的應用. : 幾年前的概念大概都是,系統會幫我記住盤面的狀態, : 經過分析之後就給我下一步棋的解. : 但再重聽一次專家系統的課程之後,才領悟到之前我所想的那種並不是專家系統, : 而是人工智慧系統. : 若是人工智慧系統,它會計算並試著預測,然後給出一個下一步棋步. : 若是專家系統,則是藉由讀取盤面的特徵,推論而得到一個屬於局勢方面的建議. : 後者的例子是: (棋步的標記法我亂寫的,曾經讀過,但已經忘了) : 敵方棋步: : > Q5-4 (皇后進逼) : 建議 = B-C-2-4 加強防守 (指B至C列,2至4行的範圍) : 我方棋步: : > P2-3 (兵出一步) : 最後又想到了一個大略可行的題目,是處理英文文法的識別與學習. : 時間不夠,暫寫到這裏. : 關於專家系統的二三事, : 有沒有同好能夠分享一下這方面的心得? -- ※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 163.25.118.178