Studium, Ausbildung und Beruf

web uni-protokolle.de
 powered by
NachrichtenLexikonProtokolleBücherForenDienstag, 21. Januar 2020 

Agenten sammeln unsicheres Wissen - FernUni-Entwicklung entschlüsselt es

26.01.2007 - (idw) FernUniversität in Hagen

Auch mit vielen Unwägbarkeiten behaftetes "unsicheres" Wissen muss von Rechnern verarbeitet werden können. Unterschiedliche Arten "unsicheren Wissens" sind mit einer integrativen methodischen Plattform in maschinenlesbare Sprache übersetzbar, die das Lehrgebiet Wissensbasierte Systeme (Prof. Dr. Christoph Beierle) an der FernUniversität in Hagen entwickelt hat. Gefördert wurde das Projekt "Wissensdynamik und Knowledge Discovery auf der Basis konditionaler Strukturen (Condor)" aus dem Bereich der Künstliche Intelligenz durch die Deutsche Forschungs-Gemeinschaft (DFG). Einen besonderen Schwerpunkt des Projekts bildete die Entwicklung einer Data Mining-Komponente zur Aufdeckung konditionaler Beziehungen in statistischen Daten, z. B. für die Berechnung individueller Gesundheitsrisiken. "Ich weiß, dass ich nichts weiß" wusste bereits Sokrates - aber weiß man, ob eigenes Wissen wirklich richtig ist? Wissen ist keineswegs immer so eindeutig, wie man im Allgemeinen vermutet. Doch auch das mit vielen Unwägbarkeiten behaftete "unsichere" Wissen muss von Rechnern verarbeitet werden können. Unterschiedliche Arten "unsicheren Wissens" sind mit einer integrativen methodischen Plattform in maschinenlesbare Sprache übersetzbar, die das Lehrgebiet Wissensbasierte Systeme (Prof. Dr. Christoph Beierle) an der FernUniversität in Hagen entwickelt hat. Gefördert wurde das Projekt "Wissensdynamik und Knowledge Discovery auf der Basis konditionaler Strukturen (Condor)" aus dem Bereich der Künstliche Intelligenz von 2002 bis 2006 durch die Deutsche Forschungs-Gemeinschaft (DFG). Einen besonderen Schwerpunkt des Projekts bildete die Entwicklung einer Data Mining-Komponente zur Aufdeckung konditionaler Beziehungen in statistischen Daten, z. B. für die Berechnung individueller Gesundheitsrisiken.

"Wenn der Motor nicht anspringt, dann ist wahrscheinlich die Batterie leer": Schon ein einfaches Beispiel zeigt, dass Wissen mit Unsicherheiten versehen sein kann. Um dies sprachlich deutlich zu machen eignen sich so genannte Konditionale oder Wenn-Dann-Beziehungen aufgrund ihrer Flexibilität und Vielseitigkeit besonders. Daher sind sie als eine der gebräuchlichsten Formen der Wissensdarstellung keine neue Erfindung, sondern waren bereits in Babylon bekannt.

Da es viele Arten von unsicherem Wissen gibt, gibt es auch entsprechende Konditionale: qualitatives Wissen ("Wenn die Symptome A und B auftreten, ist das Vorliegen der Krankheit D1 plausibler als das Vorliegen von D2") und quantitatives Wissen ("Wenn die Symptome A und B auftreten, liegt mit einer Wahrscheinlichkeit von 60% Krankheit D vor"), auch Mischformen können vorkommen. Eine weitere Art unsicheren Wissens kommt beim so genannten revidierbaren Schließen zum Tragen: Oft werden Schlussfolgerungen unter gewissen Standardannahmen gemacht, die beim Erwerb von zusätzlichem Wissen eventuell verändert werden müssen.

Für die Verarbeitung in Rechnern muss Wissen besonders aufbereitet, also dargestellt werden. Bei Konditionalen ist das überaus schwierig: Ein Mensch meint z. B. in einem Gespräch, dass ein Umstand eine Wahrscheinlichkeit von 60 Prozent hat. Sein Gesprächspartner geht von einer 75-prozentigen Wahrscheinlichkeit aus. Keiner der beiden hat ein Problem mit den 15 Prozentpunkten Differenz. Im Gegensatz zum Rechner, der nicht einordnen kann, welche Zahl richtig ist.

"Wenn Menschen 'denken' würden wie Rechner, wären sie nie zufrieden mit Prognosen wie einer 'Regenwahrscheinlichkeit von 70 Prozent'", erklärt Prof. Dr. Christoph Beierle: "Was bedeutet das überhaupt? Regnet es in 70 Prozent aller Orte und in 30 Prozent nicht? Oder in 70 Prozent von 24 Stunden?" Erst die Verknüpfung mit einem Kontext schafft mehr Klarheit bei der Einschätzung, was eine Information wirklich Wert ist - Klarheit, die der Rechner braucht.

Wenn er diese hat, kann er anhand von Verarbeitungsformalien, auf der Grundlage von Regeln und Beobachtungen Schlussfolgerungen ziehen. Etwa bei einer (medizinischen) Diagnose oder beim hypothetischen Schließen: Was wäre, wenn eine zusätzliche Information vorliegt, z. B. das Ergebnis einer weiteren Untersuchung? Bringt das den Anwender weiter?

Hierfür sind "Agenten" nützlich: Computerprogramme, die über einen eigenen Wissenszustand verfügen. Für die Repräsentation und Verarbeitung des Wissens eines Agenten eignen sich Konditionalsätze in besonderer Weise. Diese Agenten operieren unabhängig von Benutzereingriffen. Sie werden von sich aus tätig, reagieren auf Umgebungsänderungen und kommunizieren mit anderen Agenten. Vor allem sind sie aufgrund vorheriger Entscheidungen bzw. Beobachtungen lern- und anpassungsfähig: Solche virtuellen Agenten durchsuchen lokal gespeicherte Daten und das Internet nach bestimmten Informationen und bewerten sogar deren Qualität und Nutzen. Internes Wissen und neue Beobachtungen lassen sie Schlussfolgerungen ziehen. Und sie können Fragen beantworten.

Hierfür mussten Prof. Beierle und sein Team ein Konzept für eine Software-Plattform entwickeln und implementieren. Sie spannt einen Bogen von theoretischen Grundlagen bis hin zu praktischen Anwendungen.

Einen besonderen Schwerpunkt des Projekts bildete die Entwicklung und Implementierung der Data Mining-Komponente "CondorCKD" zur Aufdeckung konditionaler Beziehungen ("Regeln") in statistischen Daten. Klassisches Beispiel für Data Mining ist die Warenkorbanalyse, mit der Kaufverhalten analysiert wird. Durch dieses Finden von Beziehungen zwischen Waren können Regeln aufgestellt werden: Wenn ein Kunde das Produkt A kauft - greift er dann auch zu Produkt B oder lieber zu C?


Andere Beziehungen lassen sich so z. B. auch im medizinischen Bereich herstellen. So hat das Informatik-Lehrgebiet in einer Untersuchung einen Datensatz analysiert, der Zusammenhänge aufzeigt zwischen Sonnenbaden und Bräunungsverhalten, der Anzahl von Urlauben von Personen, der Häufigkeit von Sonnenbädern, der Benutzung von Sonnenstudios, den Hauttypen und Hautreaktionen. Beachtet wurden ebenso medizinische Einflussgrößen auf die Entwicklung von Hautkrebs oder andere Veränderungen wie Hautmale oder Sommersprossen. Sozusagen auf Knopfdruck lässt sich nun ein Überblick über gesundheitliche Risiken gewinnen.

uniprotokolle > Nachrichten > Agenten sammeln unsicheres Wissen - FernUni-Entwicklung entschlüsselt es
ImpressumLesezeichen setzenSeite versendenDruckansicht

HTML-Code zum Verweis auf diese Seite:
<a href="http://www.uni-protokolle.de/nachrichten/id/131171/">Agenten sammeln unsicheres Wissen - FernUni-Entwicklung entschlüsselt es </a>