Wissensbasis

Wissensbasis Das Aufkommen von Expertensystemen ging mit dem Scheitern eines anderen Forschungsziels der Künstlichen Intelligenz einher, das häufig mit dem Stichwort General Problem Solver bezeichnet wird. Hatte man zunächst Wissensbasis versucht, mittels allgemeiner Problemlösungsansätze zu einem System zu gelangen, das unabhängig vom jeweiligen Problembereich Lösungen generieren sollte, so fand man bald heraus, dass ein solcher General Problem Solver Wissensbasis nicht zu realisieren war und bei zahlreichen Fragestellungen nur dürftige Ergebnisse erzielte. Gerade für Fragestellungen in speziellen Anwendungsdomänen war eine größere Wissensbasis für die Generierung von Lösungen Wissensbasis notwendig. Expertensysteme sind Systeme, die auf einer derartigen, meist von Experten gepflegten Wissensbasis basieren. Dabei reproduzieren sie jedoch keineswegs lediglich den Inhalt der Wissensbasis, sondern sind in der Wissensbasis Lage, auf ihrer Grundlage zu weiteren Schlussfolgerungen zu gelangen. Die Güte eines Expertensystems lässt sich daran messen, in welchem Maße das System überhaupt zu Schlussfolgerungen in der Lage ist und wie fehlerfrei es dabei Wissensbasis vorgeht. Sowohl zur Repräsention des Wissens als auch zum Ziehen von Schlussfolgerungen können sehr unterschiedliche Modelle zum Einsatz kommen:Fallbasierte Systeme gehen von einer Falldatenbasis aus, welche konkrete Wissensbasis Problemstellungen in ihrem Kontext inklusive einer vorgenommenen Lösung beschreiben. Das System versucht zu einem gegebenen Fall einen vergleichbaren, möglichst ähnlichen Fall in seiner Falldatenbasis aufzufinden und Wissensbasis dessen Lösung auf den aktuellen Fall zu übertragen. Das Konzept der Ähnlichkeit von Fällen stellt gerade das Schlüsselproblem solcher Systeme dar. Typisches Beispiel für einen Fall ist ein Patient mit seinen Krankheitssymptomen und Wissensbasis den diagnostischen Messergebnissen. Die gesuchte Lösung wäre hier eine korrekte Diagnose. Regelbasierte Systeme basieren nicht auf konkreten Fallbeschreibungen, sondern au Regeln der Art "Wenn A, dann B". Im Gegensatz zu Wissensbasis Fällen stellen solche Regeln eher allgemeine Gesetze dar, aus welchen Schlussfolgerungen für konkrete Situationen gezogen werden sollen. Regeln müssen meist direkt von menschlichen Experten in das System eingepflegt Wissensbasis werden. Ein weiterer Ansatz, der insbesondere bei Klassifizierungsproblemen eingesetzt werden kann, besteht in Systemen, die mittels Entscheidungsbäumen eigenständig zu Lernprozessen in der Lage sind. Dabei handelt es sich um Wissensbasis eine Form des induktiven Lernens auf der Basis einer Beispielmenge. Ein Beispiel kann etwa aus einer Reihe von Attributen (eines Objektes, z.B. eines Patienten) und deren konkreten Ausprägungen bestehen. Bei der Verarbeitung Wissensbasis solcher Beispiele durchläuft das System einen Pfad (s.a. Suchbaum): Die einzelnen Attribute sind dabei Knoten, die von ihnen ausgehenden möglichen Ausprägungen Kanten. Das System folgt jeweils derjenigen Kante, die im Wissensbasis vorliegenden Beispiel zutrifft, setzt diesen Prozess Attribut für Attribut fort und gelangt schließlich zu einem Endknoten (Blatt). Dieser gibt schließlich die Klasse an, welcher das beschriebene Objekt zuzuordnen ist. Beim Aufbau von Wissensbasis Entscheidungsbäumen ist das Ziel, mit möglichst kleinen Bäumen zu möglichst guten Klassifizierungsergebnissen zu gelangen. Die Schwierigkeit besteht hier in der Auswahl der Attribute.