Theorie

FAQ - Frequently Asked Questions

1. Wann spricht man von einem probabilistischen Expertensystem? 
2. Worin liegen die Vorteile bei SPIRIT im Vergleich zu herkömmlichen Expertensystemen? 
3. Gibt es bereits praxistaugliche Anwendungen für SPIRIT? 
4. Wie baut man eigentlich eine Wissensbasis in SPIRIT auf? 

  Der Aufbau einer Wissensbasis in SPIRIT erfolgt in vier Schritten:
 
  1. Definition von Variablen mit ihren Ausprägungen.
  2. Eingabe von Fakten und Regeln sowie Zuweisung entsprechender Wahrscheinlichkeiten.
  3. Erzeugung einer Struktur, die für die Inferenz in SPIRIT erforderlich ist.
  4. Bestimmung einer gemeinsamen Wahrscheinlichkeitsverteilung, die wesentlicher Bestandteil der Wissensbasis ist.

Schritt 1: Die Konstruktion einer probabilistischen Wissensbasis beginnt mit dem Anlegen von Variablen, wobei drei Typen zu unterscheiden sind: Binärvariable mit den vordefinierten Zuständen 0 und 1, Nominalvariable mit beliebiger Anzahl von Ausprägungen und frei wählbaren Bezeichnern, schließlich Nutzenvariable mit ebenfalls beliebiger Anzahl von Ausprägungen, wobei es sich allerdings ausnahmslos um Zahlenwerte handelt, die in aufsteigender Reihenfolge zu vergeben sind. Die Gesamtheit aller Variablen bestimmt den Zustandsraum der Wissensbasis.
 
Schritt 2: Nach dem Anlegen der Variablen können stochastische Abhängigkeiten formuliert werden. Dies erfolgt durch die Formulierung von Fakten und Regeln, allgemein Konditionalen, gemäß der in SPIRIT vorgeschriebenen Syntax. Die Regelmenge kann jederzeit verändert oder erweitert werden.
 
Schritt 3: Sind Konditionale mit entsprechenden Wahrscheinlichkeiten eingegeben, muss die Berechnung einer gemeinsamen Wahrscheinlichkeitsverteilung vorbereitet werden. Die Komplexität des Zustandsraumes macht es erforderlich, dass mittels Graphenalgorithmen eine geeignete Zerlegung der Variablenmenge gefunden wird, mit der das Wissen in idealer Weise repräsentiert werden kann. Zu den entstehenden sogenannten LEGs (local event groups) müssen lediglich Randverteilungen gespeichert werden.
 
Schritt 4: Im Allgemeinen existieren (überabzählbar) viele Wahrscheinlichkeitsverteilungen, in denen die formulierten Fakten und Regeln erfüllt sind. Falsch wäre es, nicht beabsichtigte Informationen hinzuzufügen. Damit dies nicht geschieht, wählt SPIRIT genau die Verteilung für den weiteren Inferenzprozess aus, die den mittleren Informationsgehalt (in [bit]) maximiert. Die verwendete Methode ist auch bekannt unter dem Namen "Prinzip maximaler Entropie" oder genauer "Prinzip minimaler relativer Entropie".

5. Was verfolgt man mit dem Ziel maximaler Entropie? 
6. Gibt es eine korrekte Repräsentation gegebener Information? 
7. Welche Syntax hat die Benutzersprache in SPIRIT? 
8. Welche Möglichkeiten der Darstellung in Graphen bietet SPIRIT? 
9. Wie erhält man allein aus Beobachtungen eine Wahrscheinlichkeitsverteilung? 
10. In welchem Format werden SPIRIT Wissensbasen gespeichert? 
11. In welcher Form müssen Daten für das Einlernen in SPIRIT aufbereitet werden?