Wissensbasierte Systeme

Ein wissensbasiertes System ( KBS ) ist ein Computerprogramm , das mithilfe einer Wissensbasis Schlussfolgerungen zieht und komplexe Probleme löst . ^{[ 1 ]} Wissensbasierte Systeme standen in den 1980er Jahren im Fokus der frühen KI- Forschung. Der Begriff kann eine Vielzahl von Systemen umfassen. Alle wissensbasierten Systeme besitzen jedoch zwei definierende Komponenten: den Versuch, Wissen explizit darzustellen – die sogenannte Wissensbasis – und ein Schlussfolgerungssystem , das es ihnen ermöglicht, neues Wissen abzuleiten – die sogenannte Inferenzmaschine .

Die Wissensbasis enthält domänenspezifische Fakten und Regeln ^{[ 2 ]} über einen Problembereich (und nicht implizit im prozeduralen Code eingebettetes Wissen wie in einem herkömmlichen Computerprogramm). Darüber hinaus kann das Wissen mithilfe einer Subsumptionsontologie , Frames , eines konzeptuellen Graphen oder logischer Aussagen strukturiert werden. ^{[ 3 ]}

Die Inferenzmaschine nutzt allgemeine Schlussfolgerungsmethoden, um neues Wissen abzuleiten und Probleme im jeweiligen Anwendungsgebiet zu lösen. Am häufigsten wird Vorwärts- oder Rückwärtsverkettung eingesetzt . Weitere Ansätze umfassen automatisiertes Beweisen von Theoremen , logische Programmierung , Blackboard-Systeme und Termersetzungssysteme wie Constraint Handling Rules (CHR). Diese formaleren Ansätze werden im Wikipedia-Artikel zur Wissensrepräsentation und zum logischen Schließen ausführlich beschrieben .

Der Begriff „wissensbasiertes System“ wurde oft synonym mit „ Expertensystem “ verwendet, möglicherweise weil fast alle frühen wissensbasierten Systeme für Expertenaufgaben konzipiert waren. Diese Begriffe beschreiben jedoch unterschiedliche Aspekte eines Systems:

• expert: describes only the task the system is designed for – its purpose is to aid replace a human expert in a task typically requiring specialised knowledge
• knowledge-based: refers only to the system's architecture – it represents knowledge explicitly, rather than as procedural code

Today, virtually all expert systems are knowledge-based, whereas knowledge-based system architecture is used in a wide range of types of system designed for a variety of tasks.

The first knowledge-based systems were primarily rule-based expert systems. These represented facts about the world as simple assertions in a flat database and used domain-specific rules to reason about these assertions, and then to add to them. One of the most famous of these early systems was Mycin, a program for medical diagnosis.

Representing knowledge explicitly via rules had several advantages:

1. Acquisition and maintenance. Using rules meant that domain experts could often define and maintain the rules themselves rather than via a programmer.
2. Explanation. Representing knowledge explicitly allowed systems to reason about how they came to a conclusion and use this information to explain results to users. For example, to follow the chain of inferences that led to a diagnosis and use these facts to explain the diagnosis.
3. Reasoning. Decoupling the knowledge from the processing of that knowledge enabled general purpose inference engines to be developed. These systems could develop conclusions that followed from a data set that the initial developers may not have even been aware of.^[4]

Later architectures for knowledge-based reasoning, such as the BB1 blackboard architecture (a blackboard system),^[5] allowed the reasoning process itself to be affected by new inferences, providing meta-level reasoning. BB1 allowed the problem-solving process itself to be monitored. Different kinds of problem-solving (e.g., top-down, bottom-up, and opportunistic problem-solving) could be selectively mixed based on the current state of problem solving. Essentially, the problem-solver was being used both to solve a domain-level problem along with its own control problem, which could depend on the former.

Other examples of knowledge-based system architectures supporting meta-level reasoning are MRS^[6] and SOAR. or J.Pitrat's CAIA system

The RefPerSys project is an open source software aiming to support meta-level reasoning (by C++ code generation) in 2026 (inspired by Pitrat's work and by this paper).

In den 1980er und 1990er Jahren umfassten weitere Anwendungen wissensbasierter Systeme neben Expertensystemen die Echtzeit-Prozesssteuerung ^{[ 7 ]} , intelligente Tutoringsysteme ^{[ 8 ]} und Problemlöser für spezifische Bereiche wie die Proteinstrukturanalyse ^{[ 9 ]} , die Baustellenplanung ^{[ 10 ]} und die Fehlerdiagnose von Computersystemen ^{[ 11 ] .}

Mit zunehmender Komplexität wissensbasierter Systeme wurden auch die Techniken zur Darstellung der Wissensbasis ausgefeilter und umfassten Logik, Termersetzungssysteme, konzeptuelle Graphen und Frames .

Frames veranschaulichen diese architektonische Weiterentwicklung. Eingeführt von Minsky [ ^{12 ] ,} bieten Frames einen strukturierten Wissensrepräsentationsformalismus, analog zu objektorientierten Programmierparadigmen. Sie repräsentieren Weltwissen mithilfe von Techniken, die als analog zur objektorientierten Programmierung angesehen werden können : Ein Frame besteht aus einer Datenstruktur mit benannten Slots, die Attribute oder Relationen repräsentieren und hierarchisch über Klassen-Unterklassen-Beziehungen organisiert sind. Jeder Slot kann Werte, Standardwerte, prozedurale Zuweisungen und Einschränkungen enthalten, die zulässige Werte regeln. Mit der strukturierteren Wissensbasis kann das Schließen nun nicht nur durch unabhängige Regeln und logische Schlussfolgerungen erfolgen, sondern auch auf der Grundlage von Interaktionen innerhalb der Wissensbasis selbst. Beispielsweise können als Daemons auf Objekten gespeicherte Prozeduren ausgeführt werden und das Verkettungsverhalten von Regeln nachbilden. ^{[ 13 ]}

Ein weiterer Fortschritt in den 1990er Jahren war die Entwicklung spezieller automatisierter Schlussfolgerungssysteme, sogenannter Klassifikatoren . Anstatt die Subsumptionsrelationen in einer Wissensbasis statisch zu deklarieren, ermöglicht ein Klassifikator dem Entwickler, einfach Fakten über die Welt zu deklarieren und die Relationen vom Klassifikator ableiten zu lassen. Auf diese Weise kann ein Klassifikator auch die Rolle einer Inferenzmaschine übernehmen. ^{[ 14 ]}

Die jüngste Weiterentwicklung wissensbasierter Systeme bestand in der Anwendung dieser Technologien, insbesondere einer Logik namens Beschreibungslogik , für die Entwicklung internetbasierter Systeme. Das Internet verarbeitet häufig komplexe, unstrukturierte Daten , die sich keinem spezifischen Datenmodell zuordnen lassen. Die Technologie wissensbasierter Systeme, insbesondere die Fähigkeit zur bedarfsgerechten Klassifizierung von Objekten, ist ideal für solche Systeme. Das Modell für diese Art wissensbasierter Internetsysteme ist als Semantisches Web bekannt . ^{[ 15 ]}

• Wissensrepräsentation und Schlussfolgerung
• Wissensmodellierung
• Wissensdatenbank
• Informationsabruf
• Schlussfolgerungssystem
• Fallbasiertes Schließen
• Konzeptuelle Grafik
• Neuronale Netze

• Rajendra, Akerkar; Sajja, Priti (2009). Wissensbasierte Systeme . Jones & Bartlett Learning. ISBN 9780763776473Die