Vages Wissen in diagnostischen Agentensystemen

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

2. Übersicht • Verteilte Diagnosesysteme • Verschiedene Detaillierungsgrade • Daten (Numerisch <-> Multiple Choice) • Zuverlässigkeitsangaben (Wahrscheinlichkeiten <-> Punkteschema) • Stellen von Diagnosen • Kombinierte Empfehlungen • Gegenseitige Kritik

3. Coop-D3 Architektur • Diagnoseagenten • Kommunikation über Blackboard • Agenten besitzen Abbildungswissen • Überweisung • Abklärungen • Enwicklungshilfen Glossar

4. Agentenarchitektur • Indirekte Adressierung über Kompeten-zen und Teamstruktur • Einzelne Wissensbasen können sich auf verschiedenen Servern befinden • Brokerarchitektur vs. Useragents

5. Broker enthalten ... • Kommunikationsmodul • Terminologie-Wissensbasis • Informationssystem • Wissen zum Auffinden von Spezialisten • Modul zum Auflösen bzw. Reduzieren von Mehrdeutigkeiten • Modul zum Kombinieren von Teillösungen

6. Diagnosesysteme enthalten ... • Problemlöser • Wissen über die Existenz anderer Agenten • Abbildungswissen für Im- und Exporte in bzw. aus der Terminologiewissensbasis • Kritikwissen • ... und berücksichtigen Mehrdeutigkeiten

7. Unsicheres Wissen

8. Darstellung unsicherer Daten • Wahrscheinlichkeiten (Bayes & ~sche Netze) • Punkteschemata • Bewertungsklassen • Ergebnisse eines Fallvergleichs • Dempster-Shafer-Theorie • Ausgaben Neuronaler Netze • Angaben zu Benutzereingaben

9. 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

10. 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

11. HECODES (II/IV) • 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?

12. Mehrdeutigkeiten

13. Mitchel Berberich: Noch bearbeiten 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

14. Informationen in Abb-Wissen Kalt? Dunkel Bunt

15. 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

16. Kombinierte Empfehlungen

17. 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.

18. 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

19. 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

20. 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

21. 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

22. Weiteres Vorgehen

23. 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

24. Vortragsende