Entwicklung von regelbasierten Expertensystemen in APL2

Dieses Buch enthält eine vollständige APL2-Implementation einer Expertensystemshell, mit der regelbasierte Expertensysteme programmiert werden können. Die Anwendung des Systems wird durch zwei ausgewählte Beispiele aus Betriebswirtschaftlehre und Statistik illustriert. Expertensysteme sind hochkomplexe Computerprogramme zur Lösung von Problemen, die normalerweise durch menschliche Experten gelöst werden. Derartige Programme, die oft auch als wissensbasierte Systeme bezeichnet werden, manipulieren formal repräsentierbares Wissen durch symbolische Algorithmen, die menschliches Problemlösungsverhalten durch Suchverfahren und Heuristiken emulieren sollen. Faktisch ist dieser Anspruch bis jetzt erst für relativ einfache und eng abgrenzbare Problemstellungen eingelöst worden. Das ursprüngliche Ziel von Expertensystemen — die Entwicklung von allgemeinen Problemlösungsprogrammen — ist hingegen bisher nicht erreicht worden. Dennoch findet man in der Alltagspraxis eine Reihe von bemerkenswerten Expertensystemen, unter denen die erfolgreichsten zur Rechnerkonfiguration und zur medizinischen Diagnostik verwendet werden. Diese Anwendungen lieferten ermutigende Hinweise darauf, daß maschinelle Experten gegenüber menschlichen Experten eine Reihe von Vorteilen besitzen, die im wesentlichen auf ihre permanente Verfügbarkeit, ihre innere Konsistenz und ihre Kostenkonstanz zurückzuführen sind.

Die in diesem Buch implementierte Expertensystemshell basiert auf dem bereits in Kapitel 1.4.2 skizziertem Paradigma von Prämissen-Aktions-Paaren. Das System ermöglicht eine besonders leichte Einbindung von numerischen Berechnungen, wie für eine Reihe von Problemlösungen in den Bereichen Bankwesen, Finanzierung, Statistik, Operations Research etc. benötigt werden.

Durch die Übersetzungsfunktion COMPILE wird eine Zeichenmatrix, die RULE:-, PROMPTA- BLE: -, LEXICON: - und FUNCTION: -Spezifikationen enthält, in ausführbare APL2-Funktionen und Kontrolldaten übersetzt. Der Übersetzer arbeitet von oben nach unten (Top-Down-Processing, siehe Aho, Sethi und Ullman 1986, Wirth 1984, Shapiro 1987) und zerlegt den Quelltext in Einzelsegmente, die zu Regeln, Prompt-Mustern, Lexikoneinträgen und applikationsspezifischen Funktionen korrespondieren. Jedes Segment wird anschließend in Subsegmente zerlegt, die wiederum durch spezielle Funktionen übersetzt werden. Auf der untersten Ebene wird die Regelwerkdefinition durch Kodegenerierungsfunktionen in ausführbare APL2-Funktionen und Kontrolldaten übersetzt.

Der vorwärtschließende Inferenzalgorithmus, dessen Kernstruktur bereits in Kapitel 2.5 beschrieben wurde, exekutiert die durch den Regelwerkübersetzer als ausführbare APL2-Funktionen fixierten Regeln. Zur Bestimmung der nichtdeterministischen Exekutionsreihenfolge werden die globalen Kontrollvariablen ΔRINFO, ΔRULES, ΔVARS, ΔBPV, ΔIMAT und ΔOMAT benutzt, die mit der in Kapitel 3.7 implementierten Initialisierungsroutine INIT aufbereitet bzw. erzeugt werden. Die ebenfalls durch die Initialisierungsfunktion INIT aufbereiteten bzw. erzeugten Kontrollvariablen ΔPINFO, ΔLINFO und ΔPROVARS werden in der hier vorliegenden Implementation lediglich in den Benutzerinteraktionskomponenten des Regelwerkinterpreters verwendet. Man beachte, daß die Exekutionsreihenfolge in einem vorwärtsschließenden Inferenzinterpreter primär durch ΔOMAT gesteuert wird, während ΔOMAT nur zur weiteren Einschränkung der potentiell ‚feuerbaren‘ Regeln benötigt wird. In einem rückwärtsschließenden Inferenzinterpreter wird die Exekutionsreihenfolge hingegen primär durch ΔOMAT determiniert.

Dieses Kapitel enthält eine Reihe von kurzen Beispielen, mit denen die Leistungsfähigkeit der regelbasierten Expertensystemshell demonstriert wird. Vor der Beschreibung der einzelnen Regelwerke dieser Beispiele werden zuerst die in Tabelle 2.1 angegebenen Hilfsfunktionen implementiert, die teilweise zur Programmierung der Beispiele benötigt werden.

Zahlreiche Planungsmethoden der Wirtschaftswissenschaft erfordern den Einsatz von quantitativen Methoden, die mit den klassischen Programmiersprachen der künstlichen Intelligenz nur unter großen Schwierigkeiten implementiert und somit nur sehr schwer in Expertensysteme integriert werden können. Die in diesem Buch entwickelte regelbasierte Expertensystemshell ermöglicht hingegen eine bedeutend einfachere Implementation von regelbasierten Expertensystemen, in denen umfangreiche numerische Berechnungen erforderlich sind. Dennoch muß darauf hingewiesen werden, daß das vorgestellte System ein Prototyp ist und sich in erster Linie zum Experimentieren eignet. Zur Zeit hat das System die folgenden Schwächen, die bei einem Ausbau zu einem Produktionssystem beseitigt werden sollten: