KAPITOLA 2.: ONTOLOGIE - PRAKTICKÉ APLIKACE ONTOLOGIÍ
EXPERTNÍ SYSTÉMY
Jedná se o aplikace, které obsahují znalosti expertů ve vhodné reprezentační formě. Úkolem znalostního inženýra je získávat znalosti od experta, zvolit správný způsob reprezentace získaných znalostí a vybrat prostředí, ve kterém znalosti implementuje. Proč takové aplikace vytvářet? Důvodů je hned několik. Představme si, že pro naši firmu již dlouhá léta pracuje expert na určitou oblast. U experta se za určitý čas mohou objevit vážné důvody, na základě kterých naši firmu opustí. Odejde nejen expert, ale s ním i cenná expertíza. Je proto velmi vhodné uchovat jeho znalosti ve firmě i po jeho odchodu. Expertní/znalostní systém může také zastávat roli vzdělávací, diagnostickou, monitorovací, predikční apod.
Pro objasnění vztahu mezi ontologiemi a expertními systémy musíme začít architekturou expertního/znalostního systému. Různé informační zdroje uvádějí rozličné komponenty expertních/znalostních aplikací. Vyjdeme tedy z té, dle mého názoru, nejčastěji zmiňované. Expertní/znalostní systém je tvořen:
- bází faktů;
- bází znalostí;
- inferenčním mechanismem.
Báze faktů obsahuje údaje vztahující se k dané doménové oblasti. Příkladem může být uvedení konkrétní osoby a jejího dosaženého vzdělání. Báze znalostí je nejčastěji tvořena pravidly, které jsou aplikovány na bázi faktů a jejich úkolem je s těmito fakty manipulovat a popř. odvozovat nové skutečnosti, které v bázi faktů nejsou implementovány. Inferenční mechanismus je algoritmem, který je „mozkem“ expertní/znalostní aplikace. Realizuje základní tři aktivity:
- porovnávání podmínkové části pravidla s obsahem báze faktů;
- výběr pravidel z konfliktní množiny;
- provedení pravidel.
Ontologie slouží k reprezentaci báze znalostí expertních/znalostních aplikací, viz. obrázek Expertní systém a ontologie. Ontologie může být zaměřena na reprezentaci tzv. Commonsense znalostí, resp. znalostí, které jsou obecnějšího charakteru než znalosti doménové. Mají širší záběr a mají zabránit tomu, aby expertní systém neselhal pro neznalost běžných věcí [1]. Je tak možné vytvářet odděleně konceptuální složku expertního/znalostního systému od té výkonové, tj. od inferenčního mechanismu. Zajistíme tím i snazší udržovatelnost báze znalostí.
CLIPSTab a prostředí Protégé
CLIPS je prostředím pro vývoj znalostních aplikací. Protégé je jedním z nejpoužívanějších ontologických editorů. CLIPSTab je plugin (přídavná komponenta), který je použitelný v prostředí Protégé - přidává mu nové funkcionality, resp. umožňuje vytvářet znalostní aplikace ve spojení s ontologiemi vytvořenými v prostředí Protégé. Protégé není editor, kterým by bylo možné přímo vytvářet takové aplikace. CLIPSTab je prostředníkem fungujícím mezi prostředím Protégé a CLIPSem. Umožňuje CLIPSu zpřístupnit ontologii vytvořenou v Protégé, resp. importovat ji pro využití inferenčním mechanismem CLIPSu. Inferenční mechanismus provádí například dedukci nad znalostmi zachycenými v importované ontologii. Bohužel, s CLIPSTabem není možné promítat zpětně nově odvozené skutečnosti zpět do ontologie – do prostředí Protégé [2]. Obrázek CLIPS a Protégé demonstruje vztah mezi prostředím Protégé a CLIPSEM.
Další možné aplikace ontologií lze nalézt například v dokumentu: OIL: An Ontology Infrastructure for the Semantic Web.
ZDROJE
[1] Mařík, V. a kol. Umělá inteligence 2. Academia, Praha, 1997. ISBN 80-200-0504-8.[2] Pooloth, K. – Jetley, R. Integrating the CLIPS Rule Engine with Protégé. Přístup z Internetu: URL: Integrating the CLIPS Rule Engine with Protégé