Books
in black and white
Main menu
Home About us Share a book
Books
Biology Business Chemistry Computers Culture Economics Fiction Games Guide History Management Mathematical Medicine Mental Fitnes Physics Psychology Scince Sport Technics
Ads

Lintelligenza artificiale - Piero S.

Piero S. Lintelligenza artificiale - Fanco muzzio editore , 1987. - 282 p.
Download (direct link): lapinteligenseartificaile1987.djvu
Previous << 1 .. 70 71 72 73 74 75 < 76 > 77 78 79 80 81 82 .. 112 >> Next


Presto progressi dell'NLP metteranno in condizione chiunque di interagire con un sistema esperto. sistema esperto anzi uno degli esempi validi di quanto sia necessaria la comunicazione in linguaggio naturale.

7.2.3. Acquisizione della conoscenza

Diversa invece la comunicazione con l'esperto del dominio. In questo caso la comunicazione in linguaggio naturale non detto che sia gradita, perche Io scopo quello di concettualizzate e razionalizzare la visione che l'esperto ha del mondo.

Per acquisire in modo veloce ed efficiente la conoscenza necessaria, un sistema esperto dovrebbe essere dotato di un'interf accia in grado di guidare passo passo l'esperto in una esposizione razionale del dominio.

Alio stato attuale della scienza non stato ancora trovato un metodo generale, e !'acquisizione della conoscenza rimane uno dei problemi gravosi della 176 SISTEMI ESPERTI

costruzione di un sistema esperto. Foise si doviebbe iiconeie all'ausilio degli psicanalisti.

E stato anzi fatto notare che l'acquisizione della conoscenza rappresenta una tipica attivita "esperta". Presto esisteranno professionisti esperti nel trasformare Ie conoscenze di un esperto in una base di conoscenza. Siccome ad ogni esperto si puo associate un sistema esperto, si pensato di studiare come avviene solitamente l'acquisizione della conoscenza e come dovrebbe comportarsi un eventuale sistema esperto incaricato di questa attivita. ROGET, parte del sistema EMYCIN, il primo esperimento in questa direzione: un sistema esperto la cui base di conoscenza spiega come costruire una base di conoscenza intenogando 1'esperto umano.

Inpratica, soltanto nei migliori sistemi di sviluppo esistono programmi di ausilio all'attivita di acquisizione della conoscenza, e tali programmi, sempre nel caso migliore, sono dei knowledge base editor, editor di base di conoscenza. Consen-tono di programmare la conoscenza in un linguaggio descrittivo convenzionale ed eseguono test di validita sulle righe introdotte,

7.2.4. Base di conoscenza

La base di conoscenza deve soddisfare un certo numero di requisiti di carattere pratico:

1. deve essere facilmente estendibile con nuova conoscenza, perche il processo di acquisizione della conoscenza non mai perfetto

2. deve essere facilmente modificabile, perche spesso vengono intiodotti degli errori, e ancor spesso ci si rende conto di poter iaffinare la precisione con piccoli ritocchi

3. deve essere facilmente reperibile, per consentire un uso efficiente da parte del sistema

Una volta costmita la base di conoscenza, anche necessaiio verificare che essa abbia senso. debug della base di conoscenza consiste, dal punto di vista teorico, nell'accertarsi che essa costituisca un insieme di informazioni coerente e completo.

La completezza difficile da definire, perche dipende dal metodo di ragionamento adottato. Alcune informazioni che possono essere "mancanti" in un sistema di deduzione, non sono necessarie nel caso dell'abduzione. SISTEMI ESPERTI 177

La coeienza invece subito verificabile. Sono piincipalmente due casi da evitare:

1. Ie contraddizioni (pet esempio, due regole di produzione che paitendo dalle stesse premesse conducono a due risultati opposti)

2. Ia ridondanza (per esempio, due regole che partendo dalle stesse premesse giungono alla stessa conclusione).

Per ogni sistema esperto sempre possibile costruire un programma che compia il test di coerenza in maniera automatica.

Attualmente quasi tutti sistemi esperti non sono in grado di riconoscere Ie proprie contraddizioni. Una base di conoscenza pud contenere una grossolana contraddizione (per esempio, secondo una regola "A implica B" e secondo un'altra "A implica l'opposto di ") e quale sara effettivamente il comportamento del sistema esperto dipende dal suo modo di ragionare.

7.2.5. Motore di inferenza

Il motore di inferenza, che apparentemente la vera intelligenza del sistema, si limita in realta a leggere labase di conoscenza. Ilmotore di inferenza comunque la parte in cui sono state integrate Ie varie tecniche di ragionamento (backward forward generate and test), di search (depth-first, breadth-fir st euristica), di planning, eventualmente di learning ecc., per cui al secondo ordine la sua importanza fondamentale.

Il fatto fondamentale su cui si basa il classico motore di inferenza che la soluzione del problema scritta nella base di conoscenza e il lavoro consiste soltanto nel trovarla. Come sia rappresentata la soluzione e quali siano Ie norme secondo cui arrivarci dipendono di caso in caso, ma due schemi sono diventati particolarmente popolari.

Secondo il primo, il tipico sistema di produzione senza vincoli, ogni regola parte da un presupposto e se quello vero induce una conseguenza. Una delle conseguenze della base di regole la soluzione.. Per arrivarci bisognera che il motore scandisca molte altre regole, poiche ogni conclusione sara il presupposto di una nuova regola e soltanto alla fine della catena il motore scoprira quale delle potenziali conclusioni era quella terminale e definitiva. Nel secondo schema invece Ie conclusioni possibili sono elencate esplicitamente in una lista di ipotesi. Il compito del motore consiste allora nello stabilire quale 178 SISTEMI ESPERTI
Previous << 1 .. 70 71 72 73 74 75 < 76 > 77 78 79 80 81 82 .. 112 >> Next