74.FEJEZET: TUDÁSALAPÚ ELJÁRÁSOK (GIS,térinformatika,térkép,geodézia)


   
 
 

74.FEJEZET: TUDÁSALAPÚ ELJÁRÁSOK

 
Tartalom
<<< Előző fejezet               Következő fejezet >>>
 

74.fejezet: tudásalapú eljárások

Szerkesztette: David Lanter, University of California, Santa Barbara

Magyar változat:Márton Mátyás és Gercsák Gábor (ELTE, Budapest)

a. bevezetés

Példa

Tudásalapú rendszerek elemei

Szakértői rendszerek "shell"-jei

b. tudásszerzés

Példa a szakértők által épített tudásbázisra

Példák a szakértőktől nyert tudásra

c. tudásábrázolás

Fák

Sematikus hálózatok

Keretek

Előállítási szabályok

d. keresési mechanizmusok

e. beavatkozás

f. néhány megállapÍtás

irodalom

ellenőrző kérdések

74.fejezet: tudásalapú eljárások

Szerkesztette: David Lanter, University of California, Santa Barbara

Magyar változat:Márton Mátyás és Gercsák Gábor (ELTE, Budapest)

a. bevezetés

- sok földrajzi probléma rossz szerkezetű

- a rossz szerkezetű problémának "nincs megoldási algoritmusa és gyakran még a cél közvetlen elérésének feltételei sincsenek tisztázva"

- a célokat elégtelenül határozták meg

- az adatok lehetnek hiányosak, vagy a térbeli felbontásuk nem elégséges

- a probléma túl összetett - a feladatokhoz nagyobb mennyiségű tudásra van szükség

- pl. hasoló esetek tapasztalatai

- pl. a kérdés szűken határolt részeinek alapos ismerete

- a rossz szerkezetű feladatokra adott válaszok egyike az FKV

- rengeteg funkciót ad a felhasználónak, nem pedig megoldást

- a felhasználóra bízza a szakértő szerepét

- az tudásalapú eljárások másmilyenek

- minden elérhető tudás hasznosítására koncentrálnak

- a cél, hogy kövessük a szakértő gondolatmenetét

- a szakértő szerepét a rendszer veszi át

- a "mesterséges inteligencia" kifejezés azt sugallja, hogy a gép az emberi gondolkodási képesség szerepét játsza

Példa

- hová tegyük a cimkét egy poligonban? (cimkézési probléma) - akkor fontos, ha a FIR-ből (output) térképet tervezünk

- gyengén meghatározott célok - "maximális olvashatóság", "maximális vizuális hatás"

- ezek a célok nem fordíthatók le egyszerű szabályokká

- az egyik szabály lehet, hogy "a cimkét vízszintesen helyezzük el úgy, hogy legyen súlyponti középpontuja"

- ez a szabály könnyen átalakítható algoritmus

- a szabály túl egyszerű - nem alkalmazható, ha a súlypont a poligonon kívülre esik - nem világos, miként hat az olvashatóságra, a vizuális benyomásra

- a szakértői rendszernek, vagy tudásalapú rendszernek tudnia kell, mikor használja ezt a szabályt, és mikor ne - lehet, hogy sok ilyen szabály van

- sokan próbálták már megoldani a cimkézés problémáját úgy, hogy néhány egyszerű szabályt állítanak fel és ezeket beépítik egy szakértői rendszerbe

- ideális esetben a szakértői rendszer el tudná látni a térképész feladatait

Az tudáslapú rendszerek elemei

- tudásszerzési eljárások

- az tudások belső ábrázolásának módjai

- a számítógépek jól ábrázolják a számokat, a szavakat, sőt a térképeket is, de a tudást sokkal nehezebb

- kereső eljárások a belsőleg tárolt tudás alkalmazására

- következtető mechanizmusok: a tárolt ismeretekből következtet a megoldásra

Szakértői rendszer "shell"-jei

- olyan szoftvercsomagok, amelyek segítik a felhasználót a speciális célú szakértői rendszerek építésében

- keretet biztosít az ismeretek szervezésére és ábrázolására

- eljárásokat kínál a tudás elérésére és ahhoz, hogy válaszolni lehessen a kérdésekre, vagy döntést lehessen hozni

- a "shell"-ek felhasználásának példái

- orvosi diagnózisok készítésére szolgáló rendszerek építése - az orvosi tevékenység szimulációja

- olyan rendszer építése, amely szimulálja a térképész vetületi ismereteit, hogy kiválaszthassa az adott célra legmegfelelőbb vetületet

b. tudásszerzés

- hogyan épül fel az tudásbázis?

- két megközelítés

- felkérni a szakértőket, hogy ismereteiket bontsák le egyedi tényekre, szabályokra, stb.

- a szakértők viselkedéséből következtetni a szabályokra

- mindkettőt alkalmazzák a FIR területén

Példa a szakértők által épített tudásbázisra

- a helyi hatóság, amely felelős egy nagykiterjedésű, gyéren lakott terület földhasznosításáért - kis létszámú személyzettel

- több száz földhasznosítási kérelemmel kell foglalkoznia évente, amelyek többsége sok jogászt foglalkoztató, nagy tőkével rendelkező olajtársaságoktól ered

- a döntések függnek a bonyolult szabályozóktól, törvényektől, a múltbeli példáktól, az elvi állásfoglalásoktól

- a döntéseket meg kell tudni védeni a bíróságon

- célszerű ismerni a pontos szabályozókat, előírásokat stb., amelyek a döntés alapjául szolgál

- a döntések nem lehetnek önkényesek

- alapadatok - növényzet, talaj, élővilág, földtan - FIR-ben

- szabályzók, törvények, korábbi eljárások, elvi állásfoglalásokból álló tudásbázis

- a tudásbázisból döntés hozható

Példák a szakértőktől nyert tudásra

- tudásalapú FIR (KBGIS), amelyet Smith és mások fejlesztettek ki

- a rendszer rövidíteni tudja a lekérdezési időt azáltal, hogy bizonyos kérdésekkel előre számol

- pl. bizonyos fedvényezés (rétegszerkezet-kialakítás) előre elvégezhető, ha az eredményekre gyakran szükség lesz, és adatfelújításkor újra elvégezendő

- pl. bizonyos topológiai kapcsolatok előre kiszámíthatók és tárolhatók

- a KBGIS elemzi a lekérdezéseket, hogy "megtanulja" milyen a lekérdezés szerkezete, és hogy adatbázisát az optimális válaszadásra szervezi meg

- megvizsgálja, hogy a tárolt adat előhívása hosszabb időt vesz-e igénybe, mint kiszámítása

- ha hosszabb időbe telik a számolás, akkor az első alkalommal számított adatot/tényt tárolja - vagyis ezután már csak előhívja és nem számolja ki

- a KBGIS-hez hasonló rendszerek fontos térbeli tényeket "tanulnak meg" abból, ahogy a felhasználó dolgozik a rendszerrel

c. tudásábrázolás

- adatszerkezetek, amelyekben a tudás tárolható

- általánosabbak, mint a hagyományos adatbázisok

- a tudásábrázolás négy általános módszere - fák, szemantikus hálózatok, keretek, előállítási szabályok

Fák

- hierarchikusan kapcsolódó objektumok rendezésének módja

- a fastruktúra használata elterjedt a földrajzi adatoknál

- pl. négyfa és nyolcfa

- pl. népszámlálási körzetek hierarchikus egymásbaágyzása

Szemantikus hálózatok

- a tudást élekkel összekötött csomópontok rendszereként tervezik meg

- egy algoritmus képes követni a kapcsolatokat

- pl. utak és folyók topológikus hálózata, esetleg görbevonalú poligonok határai

- a bevitt adatrétegekkel FIR-rel előállítandó információtermékek csomópontok és kapcsolatok hálózatávak szemléltethetők

- a kapcsolatok FIR eljárások és funkciók, a csomópontok az adathalmazok

- ez jó módszer a hibaterjedés követésére az eljárások folyamán

- az új adathalmazok (csomópontok) öröklik az előző adathalmazok pontatlanságát

Keretek

- általában egy jelenség nevéből és az azt leíró attribútumokból állnak

- az attribútumokat "rekesz"-nek nevezik

- a keret-alapú szakértői rendszer "shell"-ek növekvő mértékben elérhetők

Előállítási szabályok

- két részből állnak - helyzet és művelet összetevőkből

- ha helyzet van, cselekedj

- történeti okokból a bal oldalon ábrázolják a helyzet elhelyezkedését, a jobb oldalon a műveletet

- a földrajzi alkalmazásokban ez a legnépszerűbb tudásábrázolás

- a FIR négy területe közül - bemenet, kimenet, elemzés, tárolás - a kimenet a leginkább kidolgozott

- az előállítási szanbályokat a kimenetben cimkék elhelyezésére, koroplét-térképeken a csoportkülönbségek kijelölésére, a vetületi rendszer kiválasztására használják

- a FIR-elemzés előállítási szabályait a tervezésben és erőfoorás-gazdálkodásban használják

- a FIR-bemenet előállítási szabályai a szkennelésre koncentrálnak - vannak szabályok a szkenner által látott kép értelmezésére és a kép vektorizálására, hogy objektumokat lehessen belőle előállítani

d. keresési eljárások

- szükség van egy eljárásra a tudás eléréséhez

- a "nyers erő" eljárások az adatbázisban lévő összes tudést vizsgálva jutnak el a legjobb válaszhoz - ezt csak kis tudásbázisok és egyszerű problémák esetén célszerű használni

- a "heurisztikus" keresési eljárások olyan szabályokat követnek, amelyek minimális keresési idővel jutnak el a legjobb, vagy közel legjobb válaszhoz

- minden tudásábrázoláshoz tartozik valamilyen keresési mechanizmus

- a fa-keresési szabályok arra utasítanak, hogy minden elágazásnál az ágakat kell követni

- a szemantikus hálózatokban úgy keresnek, hogy az egyes csomópontoknál megvizsgálják az onnan induló kapcsolatokat

- keretek- megfelelő keretek, majd megfelelő rekeszek keresése

- az előállítási szabályok esetén vizsgáljuk meg az egyes szabályok baloldali feltételeit

e. a következtetés

- új tudás létrehozására szolgál

- bármilyen kérdés megoldása új tudás, amely tárolható a rendszerben

- a tudásbázis folyamatosan bővül, ha a meglévő alapból új ismeretre lehet következtetni

- pl. a FIR új ismeretet hozhat létre azáltal, hogy az objektumok (tárgyak) geometriai kapcsolatából kiindulva új topológiai kapcsolatokat számít ki

- deduktív következtetés:

- a meglévő tényekből új ismeretet állít elő logikai következtetéssel, pl. előállítási szabákyokat használ

- pl. ha A=B és B=C, akkor a rendszer kikövetkezteti, hogy A=C

- induktív következtetés:

- új általánosítást ("törvényt") hoz létre, amely összhangban áll a meglévő tényekkel

- pl. ha az adatbázis tartalmazza azt az ismeretet, hogy A erdő és B erdő, és nincs információ semmilyen más területről, akkor a redszer kikövetkeztetheti, hogy az egész terület erdő

F. néhány megállapÍtás

- a tudásbázisú rendszerek csak szerény sikereket értek el azokon a területeken, ahol a problémák élesebbek

- pl. orvosi diagnózis

- több tényező akadályozza a szélesebb körű alkalmazást:

- a fejlesztések és a tudásbázis létrehozásának magas költségei

- az alkalmazások egyedisége

- a tudás dinamikus természete - a tudásbázis nem statikus

- az alternatívák ábrázolásának lehetőségei korlátozottak - csak kevés példa illik pontosan valamely formába, pl. az előállítási szabályok

- nem bíznak a gép döntésében ("nincs az emberre jó hatással")

- a válaszidő a tudásbázis bővülésével gyorsan nő

- az ismeretek többsége pontatlan, vagy bizonytalan - a rendszernek sok lehetséges választ kell adni a problémára

- csak kevés kérdésre lehet pontos, egyetlen választ adni - a pontatlan tudás ábrázolásának és feldolgozásának technikai nehézséi

- a felhasználói felületek gyenge kidolgozása - nem "felhasználóbarátok"

- a felhasználó gyakran az indoklásra is kiváncsi, nem csak magára a döntésre

- a legsikeresebb alkalmazások az oktatást szolgálják

- pl. az orvosi szakértő rendszerek alkalmazása a diagnosztikai képességek fejlesztésében - arra ösztönzi a hallgatókat, hogy struktúrálják az ismereteket és módszeresen dolgozzák fel egy probléma megoldásához

- a szakértői rendszerek - mint a tudás pontos, analítikus modelljei és felhasználásuk módozatai - segítségével alaposabban megismerhetjük az emberi döntéshozatali folyamatot

- pl. azt, hogy hogyan helyezi el a térképész a cimkéket a térképen?

irodalom

Texts on artificial intelligence and expert systems:

Luger, G.F. and W.A. Stubblefield, 1989. Artificial Intelligence and the Design of Expert Systems, Benjamin/Cummings Publishing Co, Redwood City, CA.

Tanimoto, S.L., 1987. The Elements of Artificial Intelligence, Computer Science Press, Rockville, MD.

Winston, P.H., 1980. Artificial Intelligence, Addison-Wesley, Reading, MA. KBGIS:

Smith, T.R. and M. Pazner, 1984. "Knowledge-based control of search and learning in a large-scale GIS," Proceedings, International Symposiumon Spatial Data Handling, Zurich, 2:498-519.

Smith, T.R. et al., 1987. "KBGIS-II: a knowledge-based geographicalinformation system," International Journal of GeographicalInformation Systems 1:149-72.

Egyéb:

Freeman, H. and J. Ahn, 1984. "AutoNAP an expert system to automate map name placement," Proceedings, International Symposium on Spatial Data Handling, Zurich, pp 556-571. Design of an expert system forpolygon label placement.

Imhof, E., 1975. "Positioning names on maps," The American Cartographer 2. An analysis of rules for label positioning.

Kubo, S., 1986. "The basic scheme of TRINITY: a GIS with intelligence," Proceedings, Second International Symposium on Spatial DataHandling, Seattle. International Geographical Union, Commission on Geographical Data Sensing and Processing, Williamsville, NY, 363-74.

Walker, P.A. and D.M. Moore, 1988. "SIMPLE: an inductive modelling and mapping system for spatially oriented data," International Journal of Geographical Information Systems 2:347-63.

Digitális térképi adatok átviteli szabválya (Tervezet). ÁSZSZ-ELTE Térképtudományi Tanszéke, Budapest, 1989

OXFORD Számítástechnikai értelmező szótár. Novotrade Kiadó, Budapest,1989

ellenörző kérdések

1. Vesse össze a tudásbázisokat és következtetéseket Smith KBGIS-e, Kubo TRINITY-je, valamint Walker és Moore SIMPLE-je alapján! Milyen általános tudásbázis-elveket alkalmaznak valamennyien ? Melyik alkalmazást tartja a legsikeresebbnek?

2. A mesterséges intelligenciát gyakran úgy nevezik, mint a megoldatlan problémák halmazát. Ha már megvan az adott problémát megoldó algoritmus, akkor a feladat megoldódik és megszűnik a "mesterséges intelligenciá"-hoz társuló misztika. Egyetért-e ezzel?

3. A FIR mely területeit - alkalmazás, bemeneti technikák, feldolgozás stb. - tekinti legalkalmasabbnak a szakértői rendszerek fejlesztéséhez?

4. Elemezze, hogy milyen különbségek vannak a térbeli döntést támogató rendszerek és a tudásbázisú rendszerek között, mint gyengén struktúrált problémák megoldási módszerei között!

 
Tartalom
<<< Előző fejezet               Következő fejezet >>>
 



 
 


©GIS Figyelő