Produkční systém: Porovnání verzí

Řádek 26: Řádek 26:
 
* '''Vytvoření souboru [[instance|instancí]] pravidel''' - k aplikovatelným pravidlům jsou přiřazeny hodnoty, čímž se vytváří '''instance pravidel'''. <ref name="marik" />
 
* '''Vytvoření souboru [[instance|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. <ref name="marik" />
 
* '''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. <ref name="marik" />
+
* '''Modifikace [[pracovní paměť|pracovní paměti]] (báze dat)''' - každým vyřešeným konfliktem se modifikuje pracovní paměť pro další krok cyklu. <ref name="marik" />
 
===Strategie při řešení konfliktu===
 
===Strategie při řešení konfliktu===
 
* '''Strategie preference specifického pravidla''' - vybírá se pravidlo kombinující více podmínek (specifičtější) kladených na pracovní paměť. <ref name="marik" />
 
* '''Strategie preference specifického pravidla''' - vybírá se pravidlo kombinující více podmínek (specifičtější) kladených na pracovní paměť. <ref name="marik" />

Verze z 8. 2. 2016, 18:34

Stránka ve výstavbě
Inkwell icon - Noun Project 2512.svg Na této stránce se právě pracuje. Prosím needitujte tuto stránku, dokud na ní zůstává tato šablona. Předejdete tak editačnímu konfliktu. Jestliže uběhla od poslední editace doba alespoň dvou dnů, neváhejte tuto šablonu odstranit. Inkwell icon - Noun Project 2512.svg


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.

Produkční systémy

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 nastanene definovaná podmínka/situace, je možno vykonat akci. Řídící mechanizmus systému může vybírat také z více produkčních pravidel odpovídajících nastalé situaci. [2]

Vlastnosti produkčních systémů a jejich využití

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 uživají se v expertních systémech založených na pravidlech, kde bývají jádrem systému.[3]

Základní prvky produkčních systémů

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

  1. BROOKSHEAR, J, David T SMITH a Dennis BRYLOW. Informatika. 1. vyd. Brno: Computer Press, 2013, 608 s.
  2. 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. 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. 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