Механизм объяснений

Экспертная система должна уметь объяснит пользователю свое поведение. Обычно используется 2 вопроса: «как» и «почему».

Когда система запрашивает у пользователя коэффициент определенности базового (терминального) узла пользователь может спросить: «Почему нужно знать эту информацию?». Когда система приходит к некоторому заключению, пользователь может спросить: «Как был получен этот вывод?».

Вопросы «как» и «почему» имеют некоторые различия.

Механизм вывода ответа на вопрос «почему»

Рассмотрим вначале механизм ответов на вопрос «почему» для небольшой сети вывода (рис. 38).

Рисунок 38. Простая сеть вывода

Сеть служит для иллюстрации механизмов объяснений. Ответ на вопрос «почему» включает перечисление правил, с которыми работала система, в обратном порядке, т.е. от самого последнего и до правила, расположенного в вершине дерева. Ответ на вопрос «как» начинается с правила, поддерживающего тот узел, о котором мы хотим спросить. Чтобы это правило можно было использовать, его посылка должна считаться истинной. Данный системой ответ и объясняет, как это было сделано.

Приведем образец типичного диалога.

ЭС: Введите w (почему) или коэффициент достоверности для узла e4

User: w

ЭС: Пытаюсь установить c3 с помощью импликации

e4 and e5 → c3

Введите w или коэффициент для узла e4.

User: w

ЭС: Пытаюсь установить c2 с помощью импликации

not (e3) or c3 → c2

Введите w или коэффициент для узла e4.

User: w

ЭС: Пытаюсь установить c4 с помощью импликации

c1 or c2 → c4

Введите w или коэффициент для узла e4

User 0,85

Система просто перечисляет все свои цели, представляющие путь от узла c4, для которого в данный момент производится вывод, до базовой посылки, для которой требуется коэффициент достоверности. Все остальные области дерева вывода к этому отношения не имеют.

Этот путь удобно накапливать в стеке. Максимальный размер стека «почему?» определяется самым длинным путем от гипотезы до терминального узла.

Механизм вывод ответа на вопрос «как»

Вопрос «Как был получен этот вывод» задается, когда система сообщает коэффициент достоверности гипотетического узла.

Для ответа на этот вопрос нужно помнить все поддерево сети вывода, расположенное ниже этой гипотезы, т.к. оно влияет на информацию, выдаваемую системой об этой гипотезе. При определении количества информации, которую нужно сообщить, возникают некоторые трудности. Действительно ли пользователь хочет увидеть все дерево вывода, и если да, то в каком порядке.

Решим эту проблему самым простым образом. Создадим механизм, открывающий систему для вопросов «как» о любом узле, использовавшемся в выводе для данной гипотезы. Называя имя узла, пользователь получает информацию только о выводе, непосредственно поддерживающем этот узел.

Приведем пример диалога для нашей модельной сети вывода.

ЭС: Введите h (как) имя узла, или с (продолжить)

User: h c4

ЭС: c4 присвоен коэффициент достоверности 0,68 на основе:

c1 or c2 → c4.

Правило обратимо:

коэффициент c1 равен 0,6

коэффициент c2 равен 0,85

коэффициент импликации равен 0,8.

Правило, использованное в одиночку, предполагает коэффициент достоверности 0,68.

Введите h (как) имя узла или с (продолжить)

User: h c2

Пользователя может не интересовать информация о выводе для узла c1, поэтому эта информация не предъявляется.

Задание. Для медицинской базы знаний, изображенной на рис. 36, задать начальные коэффициенты базовых посылок, как положительные, так и отрицательные, характеризующие вашу уверенность в том, что у вас насморк, лихорадка, что вы моложе 8 лет и так далее. Затем согласно правилам расчета коэффициентов определенности заключений, приведенным в п. 2.4., рассчитать коэффициенты определенности конкурирующих гипотез «лечь в постель и принять аспирин» и «вызвать врача».