Bevezetés | 7 |
A tudásalapú technológia története | 17 |
A mesterséges intelligencia kialakulása és jelen helyzete | 17 |
Az MI fejlődésének főbb mérföldkövei | 17 |
Az MI jelenlegi kutatási területei | 21 |
Az MI kutatások jelenlegi fő irányai | 23 |
Tallózás a neurális hálózatok történetében | 23 |
A MYCIN kultúra és tanulságai | 26 |
Tudásalapú eszközök piaca | 29 |
A piac három fejlődési szakasza | 30 |
Tudásalapú eszközök helyzete | 32 |
Tudásalapú alkalmazások helyzete | 32 |
Hazai fejlesztésű tudásalapú eszközök és alkalmazások | 34 |
Az MI első hazai mérföldkövei | 34 |
Hazai Prolog rendszerek és tudásalapú eszközök | 35 |
Hazai tudásalapú alkalmazások | 37 |
Ismertebb hazai szakértő rendszer projektek 1991-ig | 38 |
Tudásalapú rendszerek elméleti alapjai | 41 |
Megoldáskereső módszerek az MI-ben | 43 |
Állapottér, reprezentációs gráf | 43 |
Keresési tér, keresőgráf | 45 |
Reprezentációs fa, keresőfa | 46 |
Klasszikus példák állapottér-reprezentációra | 47 |
Klasszikus keresési stratégiák | 50 |
Hegymászó keresés (hill-climbing search) | 52 |
Visszalépéses keresés (backtracking) | 53 |
Mélységi keresés (depth-first search) | 53 |
Szélességi keresés (breadth-first search) | 55 |
Elágazás-és-korlátozás keresés (branch-and-bound) | 56 |
Nyalábolt keresés (beam search) | 57 |
Előretekintő keresés (best-first search) | 57 |
Az A algoritmus (A algorithm) | 58 |
Az A* algoritmus (A* algorithm) | 58 |
Tudásreprezentációs módszerek | 60 |
Logikai nyelvek | 64 |
Szabályalapú reprezentáció | 70 |
Asszocioatív vagy szemantikus hálók | 74 |
Keret (frame) | 75 |
Forgatókönyv (script) | 80 |
Bizonytalanságkezelés | 83 |
A bizonytalanság eredete, formalizálása | 84 |
Numerikus modellek | 87 |
Bayes módszer | 87 |
Dempster-Shafer modell | 91 |
Fuzzy modell | 94 |
Szimbolikus, nem-numerikus modellek | 97 |
Nem-monoton következtető rendszerek jellemzése | 98 |
Nem-monoton rendszerek megvalósításairól | 101 |
Függőség-vezérelt visszalépés | 105 |
Nem-monoton következtetést alkalmazó feladatok | 106 |
Heurisztikus módszerek | 107 |
Bizonytalanságkezelés a MYCIN rendszerben | 107 |
Bizonytalan tudás kezelése az M.1. keretrendszerben | 111 |
A PROSPECTOR bizonyossági modellje | 113 |
A tudásalapú technológia jellegzetességei | 115 |
A hagyományos programoktól a tudásalapú rendszerekig | 115 |
Hagyományos programok | 115 |
Adatbázis alkalmazások | 116 |
Tudásalapú rendszerek | 117 |
Hagyományos program átszerkesztése | 120 |
Tudásalapú rendszerek szerkezete és főbb funkciói | 123 |
Adat, tudás, szakértő rendszer ismeretek | 127 |
Adat, információ, ismeret, tudás | 128 |
Adatbázis, tudásbázis | 129 |
Szakértői tudásszintek, szakértő rendszer ismeretek | 129 |
Az 1. és 2. a generációs szakértő rendszerek | 132 |
Tudásalapú/szakértő technológia jellegzetes jegyei | 133 |
Tudásalapú/szakértő rendszerek értékelése | 134 |
Alaptechnikák, elemi problématípusok | 137 |
Tudásalapú rendszerek | 137 |
Induktív rendszerek | 139 |
Szabályalapú rendszerek | 142 |
Hibrid rendszerek | 156 |
Szimbólum-manipulációs nyelvek - LISP, Prolog | 160 |
További, ígéretes következtető MI technikák | 162 |
Szakértő rendszer problématípusok | 167 |
Procedurális problémák | 167 |
Diagnosztizáló problémák | 168 |
Monitorozó vagy őrző problémák | 169 |
Konfiguráló vagy objektumtervező problémák | 169 |
Tevékenységtervező vagy ütemező problémák | 171 |
Alaptechnikák és problématípusok kapcsolata | 172 |
Alaptechnikák és javasolható problématípusok | 172 |
Problématípusok és javasolható alaptechnikák | 174 |
A tudásalapú/szakértő rendszerépítés jellegzetességei | 177 |
Tudásalapú vállalati stratégia kidolgozása | 178 |
Jellegzetes tudásalapú vállalati stratégiák | 178 |
Tudásalapú rendszerek felhasználási lehetőségei | 183 |
Intelligens feladatmegoldó segédletek | 185 |
Feladat kiválasztás | 186 |
A feladat jelenlegi megvalósítása | 188 |
Kulcs-kritériumok | 188 |
Kizáró kritériumok - elkerülendő feladatok | 191 |
A probléma típusa és a következtetés jellege | 193 |
Felhasználói szempontok | 193 |
Vezetői szempontok. A rendszer értékelése | 195 |
Feladat elemzés | 196 |
A feladat elemzés szempontjai | 196 |
A feladat elemzéséhez szükséges első interjúk | 199 |
Feladat szerkezet meghatározás | 201 |
A tudásmérnöki munka | 201 |
Az emberi memória szerveződéséről | 203 |
Az ismeretek formalizálásáról | 204 |
Tudásszerzés (Knowledge Acquisition) | 206 |
Tudásszerzés egyes rendszerfejlesztési fázisokban | 208 |
A prototípuskészítés mint technikai segédeszköz | 210 |
A tudásszerzés eszközei és módszerei | 211 |
Az RGA módszer | 215 |
Tudásalapú rendszerek építése | 219 |
Célvezérelt rendszerek építése | 219 |
A feladat elemzése és megadása | 219 |
A feladat szerkezetének meghatározása | 222 |
Az induló szabálykészlet kidolgozása | 223 |
A szabályok továbbfejlesztése, finomítása | 226 |
A következtetés és vezérlés testre-szabása | 232 |
Adatvezérelt rendszerek építéséről | 234 |
Strukturált szabályalapú rendszerek építéséről | 235 |
Hibrid rendszerek építéséről | 237 |
Tudásalapú rendszerek verifikálása és validálása | 239 |
Verifikálás | 242 |
A specifikáció teljesítése | 242 |
Programozási hibák a szabálybázisban | 242 |
Amikor egy szemantikai hiba nem hiba | 246 |
Számítógéppel támogatott verifikálás | 247 |
Validálás | 247 |
Tudásalapú rendszerek validálásának módszerei | 247 |
Tudásalapú rendszerek validálásának kritériumai | 249 |
Utószó | 251 |
Irodalomjegyzék | 253 |
Forrásmunkák jegyzéke | 253 |
További irodalmi hivatkozások | 258 |
Melléklet | |
Melléklet 1: Szómagyarázat | 263 |
Melléklet 2: Bor-tanácsadó rendszer megvalósítása M. 1-ben | 279 |
Melléklet 3: Fuzzy következtetést illusztráló példa | 293 |