Yapay Zeka ve Uzman Sistemler

advertisement
Yapay Zeka ve Uzman
Sistemler
Aslı Eyecioğlu Özmutlu
aozmutlu@bartin.edu.tr
Hedefler
• Bilginin sunulması yöntemleri (devam)
1.
2.
3.
4.
5.
6.
Üretim modelleri (Production Models)
Bilgi Çerçeveleri (Frame)
Anlamsal Ağlar (Semantic net)
Sahneler (Scene)
Mantıksal Modeller (Logical Models)
Bulanık Bilgiler (Fuzzy net)
Sahneler (Scene)
Bilgilerin modellenmesinde gerçek dünyanın
standart durumlarını ifade eden kalıplsal bilgilerin
önemli bir yeri vardır.
Duruma bağlı tahmini olarak beklenen sonuçları
üretmek veya karar vermek, durum içeriğine göre
yapılabilmektedir.
Bu türden olan kalıpsal bilgilerin ifadelendirilmesi
için farklı modeller kullanılmaktadır. Bunlardan en
yaygın kullanılanı sahne modelidir.
Sahneler (Scene)
İnsanların farkında olmadan bildiği birçok şey
vardır. Büyüklük-küçüklük, uzunluk-kısalık, azlıkçokluk…
• Akıl yürütmeler,
• Çok karmaşık fikir veya olayları basite
indirgeyerek anlayabilme,
• sezgilerini kullanma,
Böyle durumlarda bilgisayarlar nasıl öğrenir?
Sahneler (Scene)
• Roger Schank ve meslektaşları (1980) bir yapay
zeka projesinde insanlardaki bu tip yeteneği
taklit edebilen zihin modellerini ve kavram
sahnelerini bilgisayarlara programlamışlardır.
• Bilgisayarlara kelime, kavram ve olaylara ilişkin
arka plan bilgisi verilmelidir.
• Her sahne modeli, slotlar ve sahnlerin amaç,
sebep ve ardışıklığını ifade eden değerlerden
oluşmaktadır.
Sahneler (Scene)
• Örnek: Mustafa çorba ısmarladı, içtikten sonra
gitti.
Sahneler (Scene)
• Doğal Dil Gelişimi (Natural Language
Processing) alanında çok kullanılmaktadır.
• Sahne Modeli, metin özetleme, metinden sonuç
çıkarma, metin yorumlama gibi ileri yapay zeka
sistemlerinin temelini oluşturmaktadır.
MANTIKSAL MODELLER
Mantık Nedir?
• Önerme ve kabullerin tutarlılığını,
inandırıcılığını, doğruluk ve yanlışlığını;
çıkarımların gerçekliğini belirleyen ölçütler ve
kurallarını; karşılaştırma, tümdengelim,
tümevarım gibi düşünme süreçlerinin temel
ilkelerini araştıran disiplin dalıdır.
MANTIKSAL MODELLER
Mantık Nedir?
• Her insan zihninde herhangi bir konu ile ilgili çeşitli
yargılar (önermeler) vardır. Ancak insan, daha geçerli
bir doğru bilgi aradığı için, elindeki bilgilerden yeni
bilgilere ulaşmaya çalışır.
• Mantık içerisinde, düşünme faaliyeti bir “akıl yürütme”
olarak adlandırılır. Akıl yürütme ise verilen yargılardan
(öncüllerden) doğru ya da yanlış olabilecek yeni bir
yargı çıkarma işlemidir.
• Önermelerin doğru veya yanlış olabilmesine doğruluk
değerleri denir.
https://pratikdersler.blogspot.com.tr/2013/03/mantik-tum-notlar.html
MANTIKSAL MODELLER
Mantık Nedir?
Mantığın temelini oluşturan çıkarımlar
önermelerden, önermeler ise kavramlardan
oluşur.
https://pratikdersler.blogspot.com.tr/2013/03/mantik-tum-notlar.html
MANTIKSAL MODELLER
Yüklem Mantığı (Predicate Logic)
• Önermeler Mantığı
• Niceleme Mantığı
• Önermeler mantığı ,önermeleri sadece nitelik yönünde
ele alır, oysa önermelerin nicelikleri de vardır.
Önermeler mantığı önermeleri nicelik yönünde ele
almada yetersiz kalır.
• Niceleme mantığı , önermeler mantığının bu eksiğini
ortadan kaldırır, önermelerin daha ayrıntılı
sembolleştirmesini yapar.
MANTIKSAL MODELLER
Yüklem Mantığı (Predicate Logic)
• Önermeler Mantığı
• VE, VEYA, DEĞİL, İSE, ANCAK ve ANCAK …
• EĞER Hayvanın kanatları varsa (önerme)
• VE Yumurtluyorsa (önerme)
• O HALDE Bu hayvan bir kuştur (Söylem)
MANTIKSAL MODELLER
Yüklem Mantığı (Predicate Logic)
• Niceleme Mantığı
• HER ve BAZI niceleyicileri
MANTIKSAL MODELLER
Silojizm (Syllogism) nedir ?
• İki önermeden üçüncü yeni bir önermenin elde
edilmesi için gerekli mantıksal çıkarım türüne
silojizm denir.
1. Önerme : Bütün bitkiler canlıdır.
2. Önerme : Marul bitkidir.
Sonuç : O halde marul da canlıdır.
GRAFLAR
• Kategorisel Silojizm yüklem mantığından farklı
olarak 4 tip hükümle gösterilir.
•
•
•
•
A – Yaygın (tüm X’ler Y’dir)
E – Olumsuz (Tüm X’ler Y değildir )
I – Özel olumlu (bazı X’ler Y’dir)
O – Özel olumsuz (bazı X’ler Y değildir)
GRAFLAR
• Örnekler
GRAFLAR
• Örnek: sever (x,y) yüklemini ele alalım. Burada x
ve y insanları ifade etsin. Toplam 4 farklı durum
oluşur.
•
•
•
•
(∀𝑥) (∀𝑦) sever (x,y)
(∃𝑥) (∀𝑦) sever (x,y)
(∀𝑥) (∃𝑦) sever (x,y)
(∃𝑥) (∃ 𝑦) sever (x,y)
BULANIK BİLGİLER
• Bulanık Bilgiler (Fuzzy Net) - Bulanık Mantık
(Fuzzy Logic)
• Herhangi bir önermenin sonucunun 0 veya 1
(evet/hayır vb.) olmayıp , 0 ile 1 arasında bir
değer olduğu durumdur.
BULANIK BİLGİLER
• "İsveçlilerin çoğu uzundur" denildiğinde
“çoğu”, "bir kısmı" veya "çok azı" gibi algısal
niceleyici kavramları birer bulanık niceleyicidir.
• Her mantıksal sistem bulanık olarak ifade
edilebilir.
• Bulanık Sistemler eğitilebilirler.
US’in genel yapısı
• Bilginin elde edilmesi
• Bilgi Tabanı
o Kurallar Tabanı
o Veri Tabanı (İşçi Bellek)
• Çıkarım Mekanizması
o Kullanıcı Arayüzü
• Kullanıcı
o Açıklama Sistemi
US’in genel yapısının şeması
• Şemanın Çizimi
US’in genel yapısı
Kurallar Tabanı
• Eger-O halde şeklinde veya diğer şekilde olan
kurallar topluluğunu depolamak için kullanılan
birimdir.
• Her bir kural belirli bir nitelik (attribute) ve
değere (value) sahiptir.
• Örnek: Filin rengi gridir.
• Fil nesne, renk nitelik, gri değerdir.
US’in yapısı
Kurallar Tabanı
• Üretim modellerinin birçoğunda nesne sabit
kalırken, nitelik ve değer farklılaşır.
• Nitelik-Nesne-Değer ilişkisi MYCIN örneği:
US’in yapısı
Veri Tabanı (İşçi Bellek)
• Bu bellekte o anki durumu tasvir eden
gerçekler (facts) topluluğu ve belirli bir
ana kadar elde edilmiş nitelik-değer
çiftleri depolanmaktadır.
• Dinamik US’ler mevcut gerçeklere yeni
gerçeklerin İşçi Bellek’e eklenmesiyle
oluşur.
US’in yapısı
Çıkarım Mekanizması (İnference Engine)
Elde olan bilgilerden yeni bir bilgi elde etmek için
kullanılan yöntemlerden oluşur.
US’in yapısı
Çıkarım Mekanizması (İnference Engine)
Çıkarım mekanizmasının kullandığı yöntemlerden
bazıları:
Tümdengelim (Deduction)
Tümevarım (İnduction)
Sezgisel (Intuition)
Bulgusallık (Heuristic)
Sezgisellik & Bulgusallık
Sezgisellik gerçeğin deneye veya akla vurmadan
doğrudan doğruya kavranması; bulgusallık ise
öğretilmek istenen şeyin deneye dayalı bulmasını
sağlayan öğretim yöntemi.
Yapay Zeka problemlerinin çözümünde genellikle
sezgisel yöntemler kullanılmaktadır.
US’in yapısı
Çıkarım Mekanizması (İnference Engine)
Çıkarım mekanizmasının foksiyonları:
1. İşçi bellekteki mevcut gerçeklerin gözden
geçirilmesi, bilgi tabanından kuralların gözden
geçirilmesi ve işçi belleğe yeni verilerin
eklenmesi
2. Gözden geçirme sırasının ve kuralların kabul
edilmesinin belirlenmesi
US’in yapısı
Açıklama Sistemi
Bilgi sisteminin, sonuca nasıl vardığına ait
kullanıcının sorusuna cevaplar verdiği kısımdır.
Kullanıcı uzmanlar, bilgi sistemi tarafından
çıkarım sonuçlarının nasıl alındığını
bilmemektedir.
Örnek: http://expertise2go.com/e2g3g/loan/
CLIPS
•
Aşağıdaki blogta CLIPS programının indirilmesi ve
örneklerin nasıl yükleneceği anlatılmaktadır:
• https://mycs231.wordpress.com/2010/02/26/a-i-clips-rule-baseexpert-system/
PROLOG
PROgrammig in LOGic
o Semboller üzerinde çalışma
o Problemlerin çözümünü tanımlama yerine çıkarım
yapma
o Doğal dille düşünülen şeylerin kodlanması kolay
o Gerçekler ve kurallardan oluşur.
o Büyük küçük harfe duyarlıdır.
• Sabitler için Küçük harfler
• Değişkenler için Büyük harfler
o Program çıktıları çok sade
o Prolog’da olmayanlar
•
•
•
•
•
•
For döngüleri
Repeat While döngüleri
IF..THEN yapısı
Goto komutu
Diziler
Yukarıdakiler öz yinelemeli fonksiyonlarla sağlanır
Ödev
• Bu formu kendi özgün cümlelerinizle doldurun.
• Uzun bir paragraf yerine kısa ve anlaşılır
olmasına özen gösterin.
• https://goo.gl/forms/FXNPuiSayNFHbpxR2
• 21 Ekim 2017 10:00- form kapanacaktır.
Proje Çalışması
• 5-6 kişilik gruplar oluşturup problem
belirleyin.
o Gruplar belirlendi mi?
o Problem bulundu mu?
Yararlanılan Kaynaklar
• Aybars Uğur, Yapay Zeka Ders Notları.
• Novruz Allahverdi, Uzman Sistemler bir yapay zeka
uygulaması, Nobel Akademik Yayıncılık, 2002
• Vasif Nabiyev, Yapay Zeka, Seçkin Yayıncılık, 2016, 5. Baskı
Teşekkürler
Aslı Eyecioğlu Özmutlu
aozmutlu@bartin.edu.tr
Download