Produkční systém: Porovnání verzí
(Není zobrazeno 49 mezilehlých verzí od 3 dalších uživatelů.) | |||
Řádek 1: | Řádek 1: | ||
− | |||
− | Produkční systém (production system) je počítačový program | + | '''Produkční systém''' (production system) je počítačový program, jehož základním mechanismem je '''sada pravidel chování''' (tzv. '''produkčních pravidel'''). Tato pravidla produkční systém užívá k řešení situací a provádění akcí v souladu s předem stanoveným cílem. |
− | ==Základní | + | ==Význam v oblasti oboru umělé inteligence== |
− | :* '''Soubor produkčních pravidel''' | + | Vývoj schopností uvažování strojů je předmětem oboru [[umělá inteligence|umělé inteligence]], který zkoumá konstrukční možnosti vytvoření inteligentně se chovajících systémů, nebo se na teoretické rovině snaží postihnout výpočetní modely odpovídající lidské inteligenci. Dílčím výsledkem výzkumů oboru umělé inteligence je zjištění, že existují skupiny myšlenkových procesů a problémů se společnými vlastnostmi, které lze izolovat do abstraktní entity zvané '''produkční systém''' (production system). <ref name = "informatika">BROOKSHEAR, J, David T SMITH a Dennis BRYLOW. <i>Informatika</i>. 1. vyd. Brno: Computer Press, 2013, 608 s.</ref> |
− | :* '''Pracovní paměť (báze dat)''' zobrazuje aktuální stav systému (obsahuje původní i odvozená data). | + | Produkční systémy jsou procedurální technikou [[reprezentace znalostí]], která pracuje nejčastěji lineárně uspořádanou dvojicí pravidel ('''produkčních pravidel''') vyjádřených dvojicí podmínka a akce. Tedy uplatněním produkčního pravidla, když nastane definovaná '''podmínka/situace''', je možno vykonat '''akci'''. Řídící mechanizmus systému může vybírat také z více produkčních pravidel odpovídajících nastalé situaci. <ref name="olej" /> |
− | :* '''Inferenční stroj''' (interpret pravidel) vybírá vhodná pravidla k provedení akce na základě srovnání dat v pracovní paměti s produkčními pravidly a volbou pravidla provádí "'''řešení konfliktu (conflict resolution) | + | |
+ | ==Vlastnosti== | ||
+ | Mezi přednosti produkčních systémů patří: <ref name = "vesely">VESELÝ, Arnošt. <i>Úvod do umělé inteligence</i>. Vyd. 1. V Praze: Česká zemědělská univerzita v Praze, Provozně ekonomická fakulta, 2005, 222 s.</ref> | ||
+ | * '''Znalost je oddělena od řízení činnosti systému''' - při řešení problému je potřebná znalost zachycena v množině produkčních pravidel. | ||
+ | * '''Převod stavů světa a přepis jeho zákonitostí do produkčních pravidel je zpravidla jednoduchý a názorný''' | ||
+ | * '''Produkční pravidla jsou modulární''' - jimi popsané zákonitosti může systém snadno doplňovat a upravovat. | ||
+ | * '''Výpočet produkčního systému je možné lehce sledovat''' - produkční pravidlo může být při každém použití zobrazeno a jeho obsah objasňuje chování systému v daný okamžik. Posloupnost užitých pravidel vysvětluje získané řešení. | ||
+ | * '''Produkční systém modeluje způsob řešení úloh člověkem - expertem'''. | ||
+ | Produkční systémy mají v umělé inteligenci široké použití. Je jimi možné odvozovat logické důsledky a užívají se v [[expertní systém|expertních systémech]] založených na pravidlech, kde bývají jádrem systému.<ref name="vesely" /> | ||
+ | |||
+ | ==Základní prvky== | ||
+ | Základní prvky produkčních systémů: <ref name="marik">MAŘÍK, Vladimír, Olga ŠTĚPÁNKOVÁ a Jiří LAŽANSKÝ. <i>Umělá inteligence</i>. Vyd. 1. Praha: Academia, 2013, 489 s.</ref> | ||
+ | :* '''Soubor produkčních pravidel''' má tvar '''situace (situační, levá strana pravidel) → akce (akční, pravá strana pravidel)''', kde situační část pravidla vymezuje podmínku, při které je pravidlo použito. Pravidla jsou uložena v paměti produkčních pravidel. <ref name = "olej">OLEJ, Vladimír a Pavel PETR. <i>Expertní systémy</i>. Vyd. 1. Pardubice: Univerzita Pardubice, 1997, v, 257 s.</ref> | ||
+ | :* '''Pracovní paměť (báze dat)''' zobrazuje aktuální stav systému (obsahuje původní i odvozená data).<ref name="olej" /> | ||
+ | :* '''[[Inferenční stroj]]''' (interpret pravidel) představuje řídící (odvozovací, inferenční) mechanizmus, vybírá vhodná pravidla k provedení akce na základě srovnání dat v pracovní paměti s produkčními pravidly a volbou pravidla provádí "'''řešení konfliktu (conflict resolution)'''". <ref name="olej" /> | ||
==Cyklus práce produkčních systémů== | ==Cyklus práce produkčních systémů== | ||
− | * '''Rozpoznání situace''' - levé strany pravidel jsou srovnávány s aktuálním stavem báze dat a jsou vybírána aplikovatelná pravidla. | + | * '''Rozpoznání situace''' - levé strany pravidel jsou srovnávány s aktuálním stavem báze dat a jsou vybírána aplikovatelná pravidla. <ref name="marik" /> |
− | * '''Vytvoření souboru instancí pravidel''' - k aplikovatelným pravidlům jsou přiřazeny hodnoty, čímž se vytváří '''instance pravidel'''. | + | * '''Vytvoření souboru instancí pravidel''' - k aplikovatelným pravidlům jsou přiřazeny hodnoty, čímž se vytváří '''instance pravidel'''. <ref name="marik" /> |
− | * '''Řešení konfliktu''' - inferenční stroj vybírá ze souboru instancí pravidel pravidlo a provede akci. | + | * '''Řešení konfliktu''' - inferenční stroj vybírá ze souboru instancí pravidel pravidlo a provede akci. <ref name="marik" /> |
− | * '''Modifikace pracovní paměti (báze dat)''' - každým vyřešeným konfliktem se modifikuje pracovní paměť pro další krok cyklu. | + | * '''Modifikace pracovní paměti (báze dat)''' - každým vyřešeným konfliktem se modifikuje pracovní paměť pro další krok cyklu. <ref name="marik" /> |
+ | ===Strategie při řešení konfliktu=== | ||
+ | * '''Strategie preference specifického pravidla''' - vybírá se pravidlo kombinující více podmínek (specifičtější) kladených na pracovní paměť. <ref name="marik" /> | ||
+ | * '''Strategie neopakování pravidla''' - jsou vyloučena pravidla aplikovaná na stejná data v předchozím cyklu (předchází vzniku nekonečného cyklu). <ref name="marik" /> | ||
+ | * '''Preference novějších dat v pracovní paměti systému.''' <ref name="marik" /> | ||
+ | |||
===Způsob práce s produkčními pravidly=== | ===Způsob práce s produkčními pravidly=== | ||
− | * '''Přímé řetězení''' (forward chaining) - pravidla jsou vybírána na základě dat v pracovní paměti - '''odvozování řízené daty''' (data driven reasoning). | + | * '''Přímé řetězení''' (forward chaining) - pravidla jsou vybírána na základě dat v pracovní paměti - '''odvozování řízené daty''' (data driven reasoning). <ref name="marik" /> |
− | * '''Zpětné řetězení''' (backward chaining) - pravidla jsou vybírána na základě stanoveného cíle | + | * '''Zpětné řetězení''' (backward chaining) - pravidla jsou vybírána na základě stanoveného cíle - '''odvozování řízené cílem''' (goal-directed reasoning). <ref name="marik" /> Produkční systém expertního systému často pracuje jako systém řízený cílem. Za cíl jsou dosazována jednotlivá rozhodnutí. Když systém při zpracování jednoho z cílů dojde k situaci, kdy pracovní paměť obsahuje počáteční situaci, expertní systém doporučí akci prezentovanou tímto cílem. <ref name="vesely" /> |
==Odkazy== | ==Odkazy== | ||
Řádek 22: | Řádek 40: | ||
<references/> | <references/> | ||
===Doporučená literatura=== | ===Doporučená literatura=== | ||
− | MAŘÍK, Vladimír, Olga ŠTĚPÁNKOVÁ a Jiří LAŽANSKÝ. ''Umělá inteligence''. Vyd. 1. Praha: Academia, 2013, 489 s. | + | * MAŘÍK, Vladimír, Olga ŠTĚPÁNKOVÁ a Jiří LAŽANSKÝ. ''Umělá inteligence''. Vyd. 1. Praha: Academia, 2013, 489 s. |
+ | * OLEJ, Vladimír a Pavel PETR. ''Expertní systémy''. Vyd. 1. Pardubice: Univerzita Pardubice, 1997, v, 257 s. | ||
+ | * OLEJ, Vladimír a Petr HÁJEK. ''Úvod do umělé inteligence: moderní přístupy''. Vyd. 1. Pardubice: Univerzita Pardubice, 2010, 98 s. | ||
+ | * VESELÝ, Arnošt. ''Úvod do umělé inteligence''. Vyd. 1. V Praze: Česká zemědělská univerzita v Praze, Provozně ekonomická fakulta, 2005, 222 s. | ||
===Externí odkazy=== | ===Externí odkazy=== | ||
− | + | * [https://cs.wikipedia.org/wiki/Produkčn%C3%AD_systém Produkční systém] | |
+ | * [https://en.wikipedia.org/wiki/Production_system_(computer_science) Production system (computer science)] | ||
===Související články=== | ===Související články=== | ||
*[[Umělá inteligence]] | *[[Umělá inteligence]] | ||
− | + | *[[Expertní systém]] | |
+ | *[[Reprezentace znalostí]] | ||
===Klíčová slova=== | ===Klíčová slova=== | ||
− | umělá inteligence, reprezentace znalostí | + | umělá inteligence, reprezentace znalostí, produkční systémy, expertní systémy |
− | |||
[[Kategorie:Zpracování informací a informační servis]] | [[Kategorie:Zpracování informací a informační servis]] |
Aktuální verze z 17. 2. 2016, 23:03
Produkční systém (production system) je počítačový program, jehož základním mechanismem je sada pravidel chování (tzv. produkčních pravidel). Tato pravidla produkční systém užívá k řešení situací a provádění akcí v souladu s předem stanoveným cílem.
Obsah
Význam v oblasti oboru umělé inteligence
Vývoj schopností uvažování strojů je předmětem oboru umělé inteligence, který zkoumá konstrukční možnosti vytvoření inteligentně se chovajících systémů, nebo se na teoretické rovině snaží postihnout výpočetní modely odpovídající lidské inteligenci. Dílčím výsledkem výzkumů oboru umělé inteligence je zjištění, že existují skupiny myšlenkových procesů a problémů se společnými vlastnostmi, které lze izolovat do abstraktní entity zvané produkční systém (production system). [1] Produkční systémy jsou procedurální technikou reprezentace znalostí, která pracuje nejčastěji lineárně uspořádanou dvojicí pravidel (produkčních pravidel) vyjádřených dvojicí podmínka a akce. Tedy uplatněním produkčního pravidla, když nastane definovaná podmínka/situace, je možno vykonat akci. Řídící mechanizmus systému může vybírat také z více produkčních pravidel odpovídajících nastalé situaci. [2]
Vlastnosti
Mezi přednosti produkčních systémů patří: [3]
- Znalost je oddělena od řízení činnosti systému - při řešení problému je potřebná znalost zachycena v množině produkčních pravidel.
- Převod stavů světa a přepis jeho zákonitostí do produkčních pravidel je zpravidla jednoduchý a názorný
- Produkční pravidla jsou modulární - jimi popsané zákonitosti může systém snadno doplňovat a upravovat.
- Výpočet produkčního systému je možné lehce sledovat - produkční pravidlo může být při každém použití zobrazeno a jeho obsah objasňuje chování systému v daný okamžik. Posloupnost užitých pravidel vysvětluje získané řešení.
- Produkční systém modeluje způsob řešení úloh člověkem - expertem.
Produkční systémy mají v umělé inteligenci široké použití. Je jimi možné odvozovat logické důsledky a užívají se v expertních systémech založených na pravidlech, kde bývají jádrem systému.[3]
Základní prvky
Základní prvky produkčních systémů: [4]
- Soubor produkčních pravidel má tvar situace (situační, levá strana pravidel) → akce (akční, pravá strana pravidel), kde situační část pravidla vymezuje podmínku, při které je pravidlo použito. Pravidla jsou uložena v paměti produkčních pravidel. [2]
- Pracovní paměť (báze dat) zobrazuje aktuální stav systému (obsahuje původní i odvozená data).[2]
- Inferenční stroj (interpret pravidel) představuje řídící (odvozovací, inferenční) mechanizmus, vybírá vhodná pravidla k provedení akce na základě srovnání dat v pracovní paměti s produkčními pravidly a volbou pravidla provádí "řešení konfliktu (conflict resolution)". [2]
Cyklus práce produkčních systémů
- Rozpoznání situace - levé strany pravidel jsou srovnávány s aktuálním stavem báze dat a jsou vybírána aplikovatelná pravidla. [4]
- Vytvoření souboru instancí pravidel - k aplikovatelným pravidlům jsou přiřazeny hodnoty, čímž se vytváří instance pravidel. [4]
- Řešení konfliktu - inferenční stroj vybírá ze souboru instancí pravidel pravidlo a provede akci. [4]
- Modifikace pracovní paměti (báze dat) - každým vyřešeným konfliktem se modifikuje pracovní paměť pro další krok cyklu. [4]
Strategie při řešení konfliktu
- Strategie preference specifického pravidla - vybírá se pravidlo kombinující více podmínek (specifičtější) kladených na pracovní paměť. [4]
- Strategie neopakování pravidla - jsou vyloučena pravidla aplikovaná na stejná data v předchozím cyklu (předchází vzniku nekonečného cyklu). [4]
- Preference novějších dat v pracovní paměti systému. [4]
Způsob práce s produkčními pravidly
- Přímé řetězení (forward chaining) - pravidla jsou vybírána na základě dat v pracovní paměti - odvozování řízené daty (data driven reasoning). [4]
- Zpětné řetězení (backward chaining) - pravidla jsou vybírána na základě stanoveného cíle - odvozování řízené cílem (goal-directed reasoning). [4] Produkční systém expertního systému často pracuje jako systém řízený cílem. Za cíl jsou dosazována jednotlivá rozhodnutí. Když systém při zpracování jednoho z cílů dojde k situaci, kdy pracovní paměť obsahuje počáteční situaci, expertní systém doporučí akci prezentovanou tímto cílem. [3]
Odkazy
Reference
- ↑ BROOKSHEAR, J, David T SMITH a Dennis BRYLOW. Informatika. 1. vyd. Brno: Computer Press, 2013, 608 s.
- ↑ 2,0 2,1 2,2 2,3 OLEJ, Vladimír a Pavel PETR. Expertní systémy. Vyd. 1. Pardubice: Univerzita Pardubice, 1997, v, 257 s.
- ↑ 3,0 3,1 3,2 VESELÝ, Arnošt. Úvod do umělé inteligence. Vyd. 1. V Praze: Česká zemědělská univerzita v Praze, Provozně ekonomická fakulta, 2005, 222 s.
- ↑ 4,0 4,1 4,2 4,3 4,4 4,5 4,6 4,7 4,8 4,9 MAŘÍK, Vladimír, Olga ŠTĚPÁNKOVÁ a Jiří LAŽANSKÝ. Umělá inteligence. Vyd. 1. Praha: Academia, 2013, 489 s.
Doporučená literatura
- MAŘÍK, Vladimír, Olga ŠTĚPÁNKOVÁ a Jiří LAŽANSKÝ. Umělá inteligence. Vyd. 1. Praha: Academia, 2013, 489 s.
- OLEJ, Vladimír a Pavel PETR. Expertní systémy. Vyd. 1. Pardubice: Univerzita Pardubice, 1997, v, 257 s.
- OLEJ, Vladimír a Petr HÁJEK. Úvod do umělé inteligence: moderní přístupy. Vyd. 1. Pardubice: Univerzita Pardubice, 2010, 98 s.
- VESELÝ, Arnošt. Úvod do umělé inteligence. Vyd. 1. V Praze: Česká zemědělská univerzita v Praze, Provozně ekonomická fakulta, 2005, 222 s.
Externí odkazy
Související články
Klíčová slova
umělá inteligence, reprezentace znalostí, produkční systémy, expertní systémy