Theorie

Kurzbeschreibung

Probabilistisches Schließen in Wissensbasierten Systemen


Wissensbasierte Systeme sind nach ihren Anfängen in den 70er Jahren mit einer damals noch rein deterministischen Regelauswertung heute mehr und mehr in der Lage, auch vages, unsicheres und subjektives Wissen zu verarbeiten. Ein Forschungszweig richtet sein Interesse auf die probabilistische Erfassung und Auswertung von Fakten und Regeln, da Wahrscheinlichkeiten besonders geeignet sind, vorgegebene, von Experten formulierte Abhängigkeiten zu quantifizieren. Dies erfolgt sowohl auf der Basis von Expertenwissen als auch durch die Verarbeitung von statistischen Daten, die in ihrer Gesamtheit zur Deduktion herangezogen werden können.
 
Ein für die Darstellung unsicheren Wissens besonders geeigneter Ansatz ist im Expertensystem SPIRIT (Symmetrical Probabilistic Intensional Reasoning in Inference Networks in Transition) realisiert. Häufigkeitsverteilungen, die auf statistischen Erhebungen beruhen, können gleichermaßen berücksichtigt werden wie heuristische Regeln; Wissen des Experten wird ebenso integriert, wie subjektive Einschätzungen seitens des Benutzers einfließen. SPIRIT ist in der Lage, selbständig aus eingegebenen Daten und Beispielen zu lernen und gehört damit zu den aktiv lernenden Systemen. Durch einen induktiven Lernprozess und aufgrund von Experteninformationen werden auch indirekte (d.h. nicht direkt beobachtete) Zusammenhänge durch transitives Schließen erfasst. Hervorzuheben ist weiterhin die Fähigkeit des Systems, logische Schlussfolgerungen (im Sinne der erweiterten Prädikatenlogik) aus der gemeinsamen Wahrscheinlichkeitsverteilung abzuleiten.