Vorlesung "Wissensbasierte Systeme" für die Fachrichtung Wirtschaftsinformatik (WI98) im Wintersemester 2000/01

Vorlesungsinhalte:

• Einführung in Themen und Methoden der KI
• Lernziele: Ziele, Ansatz, Teilgebiete, Grundmethoden der Künstlichen Intelligenz kennenlernen.
• Die Darstellung in der Vorlesung verwendet Folien von Hättenschwiler und von Hinkelmann.
• Eine Obermenge dessen, was wir in der Vorlesung hören werden, findet sich im folgenden PDF-File (ca. 400 KB).
• Wer weitergehendes Interesse am Thema hat, kann sich beispielsweise auch einmal die Überblicksfolien von Prof. Gottlob (TU Wien) anschauen.
• Einführung in Expertensysteme
• Lernziele: Definitionsversuch, Merkmale typischer Aufgabenstellungen, Klassifikation von Aufgabenstellungen (analytisch - synthetisch, automatisch - assistierend - überprüfend); Anwendungsgebiete (Diagnose, Klassifikation, Konfiguration, Planung, Design - Tutoring, Entscheidungsunterstützung, Datenanalyse, Prozeßkontrolle); Grundansatz (Wissensrepräsentation + Inferenz + Problemlösemethode) und generische Architektur .
• Als Handouts ausgeteilt: Startkapitel von Puppe, Startkapitel von Socher-Ambrosius/Heinsohn.
• Meine Folien zum Thema als PDF-File (118 KB).
• Zum Nachlesen: Eine gute Darstellung wurde von Gerald Reif im Rahmen seiner Diplomarbeit an der TU Graz elektronisch zur Verfügung gestellt.  Dort findet sich als Bestandteil eine komplette Einführung in Expertensysteme, die den Stoff unserer Veranstaltung in großen Teilen überdeckt. Eine Kopie dieser Darstellung gibt's hier. Relevant hiervon für uns zuerst einmal die Teilkapitel 6.1 bis 6.6.
• Suche als schwache Problemlösemethode
• Suche als Problemlösemethode, Idee & Begriffe, Beispiel Weinkrügeproblem.
• Uninformierte systematische Suchverfahren: Tiefensuche, Breitensuche, Idee des iterative Deepening.
• Informierte Suchverfahren: Idee der Heuristik, Bestensuche, 3x3-Schiebepuzzle (Idee der "besseren" Heuristik).
• Die Algorithmen und Beispiele zum ersten Teil stammten aus dem Buch von Socher-Ambrosius/Heinsohn. Dazu gibt es folgenden (allerdings weit umfassenderen) Foliensatz  (PDF, 98 KB) von Rolf Socher-Ambrosius (relevant so etwa die Seiten 9-22).
• Fragestellung der Suche mit Kosten und Optimierungsziel: Beispiel Graphensuche (kürzester Weg). An diesem Beispiel wurden die Prinzipien der Branch&Bound-Suche, der dynamischen Programmierung und der heuristischen Suche mit Restkostenunterschätzung vorgestellt. Alles zusammen ergibt den A*-Algorithmus. Die Darstellung folgte dem Buch von Winston.
• Eine gute Darstellung, die ebenfalls exakt am Buch von Winston orientiert ist, wurde von Gerald Reif im Rahmen seiner Diplomarbeit an der TU Graz elektronisch zur Verfügung gestellt.  Das Stück zum Thema Suche zur Problemlösung findet sich hier. Eine lokale Kopie dieses Kapitels habe ich hier.
• Als weitere Komplikation wurde die Problemklasse der kombinatorischen Optimierungsprobleme identifiziert (Merkmale, Beispiele, Komplexität). Hier kann der Ansatz des A*-Verfahrens nicht mehr greifen, weil man die zulässige optimistische Schätzfunktion nicht mehr findet. Lösungsansätze haben entweder das Problem der lokalen Optima usw (Beispiel Hill-Climbing) oder bauen häufig Elemente der randomisierten Suchen ein. In aller Kürze wurden die Ideen der genetischen Algorithmen und des Simulated Annealing angesprochen.
• Constraints zur Verbesserung der Suche
• Begriffe und Definitionen am Beispiel n-Damen Problem
• Constraint-Graph und Merkmale für die Wissenrepräsentation am Beispiel Pausenbrotkonfigurierung
• einfacher Backtracking-Algorithmus mit seinen Ineffizienzen (Bedeutung der Variablenauswahl und lokal schon inkonsistenter Werte am Beispiel)
• allgemeine Heuristiken für Variablenauswahl und Werteauswahl
• Constraint-Propagierung zur Herstellung lokaler Konsistenz schon vor der Suche (Beispiel Kreuzworträtsel)
• Anmerkungen zum praktischen Einsatz (Konfiguration, Scheduling, Arbeitsplanung, Timetabling-Probleme, dort Möglichkeiten für domänenspezifische Heuristiken, Constraint-Programmiersprachen und -libraries)
• die Darstellung war eng am Buch von Socher-Ambrosius/Heinsohn orientiert
• Zum Weiterlesen: Eine gute Darstellung wurde von Gerald Reif im Rahmen seiner Diplomarbeit an der TU Graz elektronisch zur Verfügung gestellt.  Dort findet sich als Bestandteil eine komplette Einführung in Expertensysteme, die den Stoff unserer Veranstaltung in großen Teilen überdeckt. Eine knappe Einführung zur Idee der Constraints als Repräsentationsformalismus findet sich hier (offensichtlich stark am Buch von Puppe orientiert).
• Wissensrepräsentation und Inferenz: Aussagenlogik
• Definitionen und Grundlagen, Syntax, Semantik, Interpretation, Modell, Erfüllbarkeit, Tautologie, Semantische Folgerung
• Resolution als Kalkül (Beispiel Abtrageverfahren, Beispiel Diebe im Hotel)
• Basisalgorithmus zur Resolution + Problematik der Effizienz und Ideen zur Effizienzsteigerung (Löschen tautologischer und subsumierter Klauseln, allgemeine Heuristiken, Tiefensuchaspekte, Hintergrundtheorien)
• Wissensrepräsentation und Inferenz: Von PL1 zu PROLOG
• Handouts gibt's hier als Postscript  (1.8 MB) und da als PDF (298 KB)
• Prolog zum Rumspielen: Hier ist die Homepage zu SWI-Prolog von der Uni Amsterdam
• weitere Links stehen auf den Handouts
• Beispiele zu Prolog: Familienbeispiele, Fibonacci-Zahlen, Symbolisches Differenzieren
• Vorwärtsregelsprachen
• Handouts dazu in PDF (199 KB)
• wer etwas mit Produktionsregeln herumspielen möchte, sollte sich einmal die CLIPS-Homepage anschauen
• die "klassische" Darstellung von OPS-5 findet sich immer noch bei Peter Jackson "Expertensysteme" (auf der CLIPS-Homepage ist allerdings auch umfassende Dokumentation zu finden)
• Beispiele zu OPS5: Pendler & Arbeitslose
• Frames und Semantische Netze
• Darstellung i.w. übernommen aus Vorlesungen von Dr. Knut Hinkelmann (FH Solothurn, CH) an der Uni Kaiserslautern und der FH Wiesbaden
• Handouts als PDF
• Zum Nachlesen: z.B. bei Gottlob
• auch dies ganz gut von Gerald Reif beschrieben: da ist der Link
• mal ein Beispielchen aus der Anwendung: das ESB-System (Präsentation von Ansgar Bernardi) - 1.7MB
• Unsicherheit und Vagheit
• Übersicht: verschiedene Arten und Ursachen von Unsicherheit und Vagheit in wissensbasierten Systemen. Ganz knapp dargestellt im Foliensatz unten zum Thema Sicherheitsfaktoren. Wer gerne etwas weiterliest, kann eine sehr kurze aber die wesentlichen Punkte umfassende Einführung zu Bayes, Fuzzy, Sicherheitsfaktoren und anderen Techniken bei Andreas Tolk finden. Wichtig ist es, das Spektrum und die Anwendungsbereiche von Unsicherheit und Vagheit zu kennen, von einigen Ansätzen etwas gehört zu haben und zu wissen, daß diese Ansätze auch Einsatzvoraussetzungen, Stärken und Schwächen haben.
• Methode 1: Bayes Theorem. Eine gute Darstellung wurde von Gerald Reif im Rahmen seiner Diplomarbeit an der TU Graz elektronisch zur Verfügung gestellt.  Das Stück zum Thema Bayes-Theorem findet sich hier (das Beispiel mit Autos und quietschenden Bremsen sollte man verstanden haben).
• Methode 2: Sicherheitsfaktoren in Regeln. Die Darstellung dazu folgt der von Hinkelmann. Da die Sicherheitsfaktoren mit MYCIN eingeführt wurden, kann das Buch von Jackson ebenso als Referenz herangezogen werden. In der Kürze der Zeit können wir das Thema nur kurz anreißen.
• Methode 3: Fuzzy-Logic für vage Begriffe. Auch hier können wir das Thema nur kurz anreißen. Eine excellente Darstellung der Fuzzy Control in allen Details findet sich am Fuzzy Logic Laboratorium Linz-Hagenberg. Kernaussagen dieser Darstellung wurden im folgenden Foliensatz eingebunden.  Hinter diesem Link findet sich ein Beispiel (inklusive einer vollständigen Einführung) für die Nutzung von Fuzzy-Methoden zur Entscheidungsunterstützung in der Raumplanung.
• Zahlreiche weitere Verfahren und Erweiterungen existieren (wie Bayes-Netze oder die Evidenztheorie nach Dempster-Shafer). Diese werden bei Puppe kurz angerissen, bei Socher-Ambrosius & Heinsohn, M.M. Richter oder Russel & Norvig im Detail beschrieben.
• Abschluß
• kurze Wiederholung der Dinge, die wir bis jetzt durchgenommen haben
• Zusammenfügung der Teile am Beispiel Expertensysteme für die Diagnose
• kurzer Abriss, was alles dazugehört, aber nicht in die Vorlesung gepaßt hat (Wissensakquisition, XPS-Projektmanagement, XPS-Software-Technik etc)
• kurzer Ausblick, was es in der KI sonst noch gibt, aber nicht mehr in die Veranstaltung gepaßt hat (Maschinelles Lernen, Data Mining, Fallbasiertes Schließen, Subsymbolische KI - Neuronale Netze, Intelligente Agenten, Wissensmanagement)
• das alles in aller Kürze auf diesen Folien (4.6 MB).
• Zum Weiterlesen: wer noch etwas Interesse an Anwendungen der vorgestellten Methoden hat, kann sich z.B. die entsprechenden Foliensätze über Planung und Scheduling mit Such- und Constraint-Methoden von Jürgen Dorn, über Wissensbasierte Konfiguration mit Regeln oder Constraints von Markus Stumptner  oder über Definition und Anwendungen Intelligenter Agenten von Robert Baumgartner aus den Vorlesung "Konzepte der AI" an der TU Wien einmal anschauen

Wichtig: Grenzen der KI: Automatische Dialogsysteme :-)