24
Vages Wissen in diagnostischen Agentensystemen Mitchel Berberich Lehrstuhl Info VI - Uni Würzburg Theorietag 2000

Vages Wissen in diagnostischen Agentensystemen Mitchel Berberich Lehrstuhl Info VI - Uni Würzburg Theorietag 2000

Embed Size (px)

Citation preview

Page 1: Vages Wissen in diagnostischen Agentensystemen Mitchel Berberich Lehrstuhl Info VI - Uni Würzburg Theorietag 2000

Vages Wissen in diagnostischen Agentensystemen

Mitchel BerberichLehrstuhl Info VI - Uni

WürzburgTheorietag 2000

Page 2: Vages Wissen in diagnostischen Agentensystemen Mitchel Berberich Lehrstuhl Info VI - Uni Würzburg Theorietag 2000

Übersicht Verteilte Diagnosesysteme Verschiedene Detaillierungsgrade

Daten (Numerisch <-> Multiple Choice) Zuverlässigkeitsangaben

(Wahrscheinlichkeiten <-> Punkteschema)

Stellen von Diagnosen Kombinierte Empfehlungen Gegenseitige Kritik

Page 3: Vages Wissen in diagnostischen Agentensystemen Mitchel Berberich Lehrstuhl Info VI - Uni Würzburg Theorietag 2000

Coop-D3 Architektur Diagnoseagenten Kommunikation

über Blackboard Agenten besitzen

Abbildungswissen Überweisung Abklärungen Enwicklungshilfen

Glossar

Page 4: Vages Wissen in diagnostischen Agentensystemen Mitchel Berberich Lehrstuhl Info VI - Uni Würzburg Theorietag 2000

Agentenarchitektur

Indirekte Adressierung über Kompeten-zen und Teamstruktur

Einzelne Wissensbasen können sich auf verschiedenen Servern befinden

Brokerarchitektur vs. Useragents

Page 5: Vages Wissen in diagnostischen Agentensystemen Mitchel Berberich Lehrstuhl Info VI - Uni Würzburg Theorietag 2000

Broker enthalten ... Kommunikationsmodul Terminologie-Wissensbasis Informationssystem Wissen zum Auffinden von Spezialisten Modul zum Auflösen bzw. Reduzieren

von Mehrdeutigkeiten Modul zum Kombinieren von

Teillösungen

Page 6: Vages Wissen in diagnostischen Agentensystemen Mitchel Berberich Lehrstuhl Info VI - Uni Würzburg Theorietag 2000

Diagnosesysteme enthalten ...

Problemlöser Wissen über die Existenz anderer

Agenten Abbildungswissen für Im- und Exporte in

bzw. aus der Terminologiewissensbasis Kritikwissen ... und berücksichtigen

Mehrdeutigkeiten

Page 7: Vages Wissen in diagnostischen Agentensystemen Mitchel Berberich Lehrstuhl Info VI - Uni Würzburg Theorietag 2000

Unsicheres Wissen

Page 8: Vages Wissen in diagnostischen Agentensystemen Mitchel Berberich Lehrstuhl Info VI - Uni Würzburg Theorietag 2000

Darstellung unsicherer Daten Wahrscheinlichkeiten (Bayes & ~sche

Netze)

Punkteschemata Bewertungsklassen Ergebnisse eines Fallvergleichs Dempster-Shafer-Theorie Ausgaben Neuronaler Netze Angaben zu Benutzereingaben

Page 9: Vages Wissen in diagnostischen Agentensystemen Mitchel Berberich Lehrstuhl Info VI - Uni Würzburg Theorietag 2000

Weitergabe von Unsicherheiten

Übersetzung Analytischer Ansatz (Beispiel HECODES) Punkteschema / Bewertungsklassen Ausfiltern konkurrierender Lösungen, keine

globale Nützlichkeitsfunktion => Aufträge mit Zielvorgabe werden notwendig

Überlappende Kompetenzbereiche Kombination / Bewertung von Ergebnissen

Page 10: Vages Wissen in diagnostischen Agentensystemen Mitchel Berberich Lehrstuhl Info VI - Uni Würzburg Theorietag 2000

HECODES (I/IV) Framework for heterogeneous cooperative

distributed expert systems (C. Zhang 1992 - 1996) Streng analytischer Ansatz, aufgezeigt an EMYCIN,

PROSPECTOR und MYCIN In den meisten Systemen existiert Beschreibung der

Wahrscheinlichkeit v. Daten, Wissen und der Algorithmen (meist Semigroup), von denen eine homomorphe Transformation der Wahrscheinlich-keitsangaben abgeleitet werden kann

Normpunkte wahr und falsch, dazwischen monoton

Page 11: Vages Wissen in diagnostischen Agentensystemen Mitchel Berberich Lehrstuhl Info VI - Uni Würzburg Theorietag 2000

Angaben in EMYCIN : [-1;1] ist [sicher f; sicher t] PROSPECTOR : [0;1] ist [sicher f; sicher t] MYCIN: Tupel (0,1) ist sicher falsch

Transformation von MYCIN nach EMYCIN

Nachteile Starke Abhängigkeit zwischen den Agenten Zwar bestmöglichste Abbildung, aber ist dies notwendig?

HECODES (II/IV)

PROSPECTORinDefaultw.

und)4.06.01(mit

2.0&0)21(

)1(2.0&0)4.06.01(

2.0&0)21)(1(

)1(2.0&0)1(

0

20

0200

20

02

0

000

000

00

p

xxpz

pxpzp

zppxxxp

pxppx

xppppxxp

xF

Page 12: Vages Wissen in diagnostischen Agentensystemen Mitchel Berberich Lehrstuhl Info VI - Uni Würzburg Theorietag 2000

Mehrdeutigkeiten

Page 13: Vages Wissen in diagnostischen Agentensystemen Mitchel Berberich Lehrstuhl Info VI - Uni Würzburg Theorietag 2000

Detaillierungsgrade Probleme

Quantitative Daten -> numerische Daten Quantitative Daten -> quantitative Daten Kombinierte Herleitung

Mögliche Lösung: Daten werden immer in höchster Auflösung erhoben.

Bei Bedarf Rückfragen an Benutzer Multiple Welten Unterstützung mehrere gleichzeitiger Formate

durch die Terminologiewissensbasis als Hilfe für die Entwickler des Systems

Mitchel Berberich:

Noch bearbeiten

Mitchel Berberich:

Noch bearbeiten

Page 14: Vages Wissen in diagnostischen Agentensystemen Mitchel Berberich Lehrstuhl Info VI - Uni Würzburg Theorietag 2000

Informationen in Abb-Wissen

DunkelKalt?

Bunt

Page 15: Vages Wissen in diagnostischen Agentensystemen Mitchel Berberich Lehrstuhl Info VI - Uni Würzburg Theorietag 2000

Verarbeitung in den PLS Pessimistischer Ansatz

Schlußfolgerungen aus Teilwissen über Symptome (z.B. aus „Wert ist nicht blau“ oder „Wert ist blau oder rot“)

=> Wert nicht mehr nur bekannt / unbekannt => Markierung notwendiger / wichtiger Antwortalternativen

etwas optimistischer Eine auf einem teilweise bekannten Symptom aufbauende

Regel kann immer feuern. (Erzeugung von Ausnahmeregeln) Hypothesize & Test Notwendig: Heuristik f. Rückfragezeitpunkt, Bewertung d.

Verdachtsdiagnosen Verbesserung durch Angabe von Defaultwerten und

Konsistenzprüfung der generierten Regeln u. Backtracking

Page 16: Vages Wissen in diagnostischen Agentensystemen Mitchel Berberich Lehrstuhl Info VI - Uni Würzburg Theorietag 2000

Kombinierte Empfehlungen

Page 17: Vages Wissen in diagnostischen Agentensystemen Mitchel Berberich Lehrstuhl Info VI - Uni Würzburg Theorietag 2000

Verrechnung von Lösungen (HECODES III/IV) Unterscheidung

Konflikt (Contradiction) Knowing / Ignoring Different Values for Attributes (Inconsitency)

Normierung der Wahrscheinlichkeitsangaben Bei großen Abweichungen => Clusterbildung über

die komplette Wahrscheinlichkeitsverteilung Innerhalb eines Clusters zunächst Angleichung

Ist ein anderer Experte einer bestimmten Meinung, dann werden die eigenen Werte entsprechend angepasst

Die eigene Meinung wird aber stärker gewichtet als die aller anderen. Auch die Kompetenz einer Quelle fließt hier ein.

Page 18: Vages Wissen in diagnostischen Agentensystemen Mitchel Berberich Lehrstuhl Info VI - Uni Würzburg Theorietag 2000

HECODES IV/IV Dann Ermittlung der Gesamtlösung eines Clusters

über Mittelwert und "Uniformität" Konfliktauflösung zwischen den Clustern

(Normale Synthesefunktion ist hier nicht definiert) In Abhängigkeit der Authorität eines Clusters werden die

Cluster nacheinander miteinander für die einzelnen Diagnosen kombiniert.

Vor- und Nachteile + Basierend auf plausiblen Annahmen + Einteilung in Cluster - Keine Berücksichtigung von Therapie, Nützlichkeit u. Risiko - Bei vielen Diagnosen ist in jedem Cluster nur ein Agent

Page 19: Vages Wissen in diagnostischen Agentensystemen Mitchel Berberich Lehrstuhl Info VI - Uni Würzburg Theorietag 2000

Gegenseitige Kritik Ein “Kritiksystem” ist ein “decision support

system that allows the user to make the decision first; the system then gives its advice when the user requests it or when the user’s decision is out of the system’s permissible range.”

Überprüfung der fremden Lösung Spricht etwas gegen die aktuelle Lösung Ist die aktuelle Lösung zuverlässig Ist die aktuelle Lösung vollständig Gibt es bessere Lösungen

Page 20: Vages Wissen in diagnostischen Agentensystemen Mitchel Berberich Lehrstuhl Info VI - Uni Würzburg Theorietag 2000

Aufgabe des Kritiksystems Aufgabe: Kritiksystem soll aufgrund der

existierenden Daten deren Zuverlässigkeit und die Zuverlässigkeit der Lösungen beurteilen und den anderen Agenten auf bestimmte Fakten aufmerksam machen oder auf seltene, aber wichtige Diagnosen hinweisen.

Unsicher ist die Qualität des Wissens in der Wissensbasis die Vollständigkeit der Daten die Zuverlässigkeit der Daten und auch die Qualität des Kritikwissens

Page 21: Vages Wissen in diagnostischen Agentensystemen Mitchel Berberich Lehrstuhl Info VI - Uni Würzburg Theorietag 2000

Realisierungsmöglichkeiten Realisierung durch explizites Wissen über

Kritikpunkte Realisierung durch Vergleich der Benutzerlösung

mit der Ausgabe eines Expertensystems Kombination der ersten beiden Ansätze Vorteile:

Kontinuierliche Kombination / Bewertung von Lösungen Funktioniert auch bei unvollständigem Wissen Gegenseitige Hilfe auch schon bei der Datenerfassung -

gefährliche Untersuchungen werden unterdrückt

Page 22: Vages Wissen in diagnostischen Agentensystemen Mitchel Berberich Lehrstuhl Info VI - Uni Würzburg Theorietag 2000

Weiteres Vorgehen

Page 23: Vages Wissen in diagnostischen Agentensystemen Mitchel Berberich Lehrstuhl Info VI - Uni Würzburg Theorietag 2000

Zeit(?)plan Bereitstellung der Infrastruktur Broker bietet Konvertierungsdienste Broker kann Mehrdeutigkeiten auflösen Erweiterung der Wissensrepräsentation

in den Diagnoseagenten Erweiterung des heuristischen PLS Verrechnung von Lösungen, Kritik Evaluation und Ausarbeitung

Page 24: Vages Wissen in diagnostischen Agentensystemen Mitchel Berberich Lehrstuhl Info VI - Uni Würzburg Theorietag 2000

Vortragsende