Zusammenfassung
Der Wissenserwerb umfaßt die Identifikation, Formalisierung und Wartung des Wissens, das ein Expertensystem benötigt, um Probleme lösen zu können. Durch die getrennte Darstellung von Problemlösungswissen und Problemlösungsstrategien und die daraus resultierende leichte Zugänglichkeit und Modifizierbarkeit des Wissens erleichtern Expertensysteme im Vergleich zu konventionellen Programmen diese Aufgabe beträchtlich. Trotzdem bleibt das Kernproblem bei der Entwicklung von Expertensystemen der Wissenserwerb, dessen Lösungsansätze die Erfolgschancen eines Expertensystemprojektes bestimmen. Die drei Grundarten des Wissenserwerbs sind:
-
Indirekter Wissenserwerb: ein Wissensingenieur befragt einen Experten und formalisiert die Ergebnisse für das Expertensystem. Hierbei stehen Interviewtechniken im Vordergrund (s. Kapitel 13.2). Diese Wissenserwerbsmethode ist aufwendig und fehleranfällig und wird daher nur gewählt, wenn die anderen Methoden nicht anwendbar sind.
-
Direkter Wissenserwerb: der Experte formalisiert sein Wissen selbst. Diese Methode erfordert komfortable Wissenserwerbssysteme, die auf einem guten Verständnis der Problemlösungsstrategien im Anwendungsbereich aufbauen müssen (s. Kapitel 13.3).
-
Automatischer Wissenserwerb: das Expertensystem extrahiert sein Wissen selbständig aus Falldaten oder verfügbarer Literatur. Während hinreichend gute textverstehende Systeme noch nicht existieren, ist das Lernen aus Falldaten heute schon weiter vorangeschritten (s. Kapitel 13.4). Allerdings sind die derzeitigen Systeme noch nicht praxisreif.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literaturverzeichnis
Blum, R.: Discovery, Confirmation and Incorperation of Causal Relationships from a Large Time-Oriented Clinical Data Base: The RX Project, Computers and Biomedical Research 15, 164–187, 1982,
auch in Clancey, W. und Shortliffe, E. (eds.): Readings in Medical Artifical Intelligence: the First Decade, Chapter 17, Addison-Wesley, 1984.
Boose, J.: Personal Construct Theory and the Transfer of Human Expertise, AAAI-84, 27–33, 1984.
Boose, J. und Bradshaw, J.: Expertise Transfer and Complex Problems: Using Aquinas as a Knowledge-Acquisition Workbench for Knowledge-Based Systems, International Journal of Man-Machine Studies 26, 3–28, 1987.
Buchanan, B. et al.: Constructing an Expert System, in Hayes-Roth, F., Waterman, D. und Lenat, D. (eds.): Building Expert Systems, Kap. 5, Addison-Wesley, 1983.
Davis, R.: Interactive Transfer of Expertise: Acquisition of New Inference Rules, AI-Journal 12, 121–157, 1979.
de Greef, P. und Breuker, J.: A Case Study in Structured Knowledge Acquisition, IJCAI-85, 390–392, 1985.
de Jong, G. und Mooney, R.: Explanation Based Learning: An Alternative View, Machine Learning, Volume 1, No. 2, 145–176, 1986.
Eshelman, L. und McDermott, J.: Mole: A Knowledge Acquisition Tool that Uses its Head, AAAI-86, 950–955, 1986.
Gappa, U.: Classika: A Knowledge Acquisition System Facilitating the Formalization of Advanced Aspects in Heuristic Classification, Proc. of European Knowledge Acquisition Workshop (EKAW), GMD-Studie 143, 1988.
Hoffman, R.: The Problem of Extracting the Knowledge of Experts, AI-Magazine 8, Nr. 2, 53–68, 1987.
Kahn, G. et al.: A Mixed-Initiative Workbench for Knowledge Acquisition, International Journal of Man-Machine Studies 26, 167–180, 1987.
Kahn, G., Nowlan, S. und McDermott, J.: More: An Intelligent Knowledge Acquisition Tool, IJCAI-85, 581–584, 1985.
Kelly, G.: The Psychology of Personal Constructs, New York: Norton, 1955.
Marcus, S. McDermott, J. and Wang, T.: Knowledge Acquisition for Constructive Systems, IJCAI-85, 637–639, 1985.
Michalski, R. und Chilausky, R.: Learning by Being Told and Learning from Examples: an Experimental Comparison of two Methods of Knowledge Acquisition in the Context of Developing an Expert System for Soybean Disease Diagnosis, Policy Anal. and Inf. Systems 4, No. 2, 125–160, 1980.
Musen, M. et al.: Opal: Use of a Domain Model to Drive an Interactive Knowledge-Editing Tool, International Journal of Man-Machine Studies 26, 105–121, 1987.
Politakis, P. und Weiss, S.: A System for Empirical Experimentation with Expert Knowledge, reprinted in Clancey, W. und Shortliffe, E. (eds.): Readings in Medical Artificial Intelligence: the First Decade, Chapter 18, Addison-Wesley, 1984.
Samuel, A.: Some Studies in Machine Learning Using the Game of Checkers, reprinted in Feigenbaum, E. und Feldman, J. (eds.): Computers and Thought, 71105, McGraw-Hill, 1972 (1959).
Walker, M. und Blum, R.: Towards Automated Discovery from Clinical Data Bases: the Radix-Project, Medinfo-86, 32–36, 1986.
Wielinga, B. und Breuker, J.: Interpretation of Verbal Data for Knowledge Acquisition, ECAI-84, 41–50, 1984.
Wielinga, B. und Breuker, J.: Models of Expertise, ECAI-86, 306–318, 1986.
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 1988 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Puppe, F. (1988). Wissenserwerb. In: Einführung in Expertensysteme. Studienreihe Informatik. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-00706-8_13
Download citation
DOI: https://doi.org/10.1007/978-3-662-00706-8_13
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-19481-1
Online ISBN: 978-3-662-00706-8
eBook Packages: Springer Book Archive