Βασίλης Παπαταξιάρχης Τεχνολογίες Αναπαράστασης Γνώσης και Συμπερασμού: η Περίπτωση ενός Έξυπνου Βοηθού Προπονητή Ποδοσφαίρου Βασίλης Παπαταξιάρχης Α.Μ.: Μ833 Διπλωματική Εργασία Επιβλέποντες Καθηγητές: Ιζαμπώ Καράλη Παναγιώτης Σταματόπουλος Αθήνα, 19 Νοεμβρίου 2008

Δομή παρουσίασης Εισαγωγή Αξιολόγηση Τεχνολογιών Γνώσης Ανάπτυξη Συστήματος Συμπεράσματα

Συστήματα Βασισμένα σε Γνώση Προέλευση: Τεχνητή Νοημοσύνη Στόχος: Προσομοίωση ειδικού σε τομέα Χρησιμοποιούν τεχνολογίες αναπαράστασης γνώσης και συμπερασμού Πληθώρα γλωσσών και εργαλείων που βασίζονται σε διαφορετικές αρχές Κίνητρα της Εργασίας Έλλειψη γενικού πλαισίου αξιολόγησης των τεχνολογιών γνώσης Έλλειψη σχετικού συστήματος στον τομέα του ποδοσφαίρου

Δομή παρουσίασης Εισαγωγή Αξιολόγηση Τεχνολογιών Γνώσης Ανάπτυξη Συστήματος Συμπεράσματα

Αναπαράσταση Γνώσης Κλασική Λογική (ΚΛ) Λογικός Προγραμματισμός (ΛΠ) Λογικές Πρώτης και Ανώτερων Τάξεων Περιγραφικές Λογικές (Description Logics) Προγράμματα Περιγραφικής Λογικής (Description Logic Programs) Λογικός Προγραμματισμός (ΛΠ) Datalog Προγραμματισμός Συνόλου Απαντήσεων (Answer-set Programming-ASP) Συστήματα κανόνων (π.χ. CLIPS, Jess κλπ.) Αναιρέσιμη Λογική (Defeasible Logic)

Βασικές Διαφορές ΚΛ και ΛΠ Κλασική Λογική Λογικός Προγραμματισμός Μονοτονία OWA CWA Άρνηση strong negation negation-as-failure Περιορισμοί restrictions constraints Αντικείμενα ≠ ονόματα πιθανώς αναπαριστούν το ίδιο αντικείμενο UNA Entailment ground, non-ground ground Αποφασι-σιμότητα Εξαρτάται από την εκφραστικότητα της γλώσσας decidable

Επικάλυψη ΚΛ και ΛΠ (1) (2) (5) (6) (4) (3) (7) : Λογική Πρώτης Τάξης (2)+(3)+(4): DLs (4): Description Logic Programs (DLP), (3): Άρνηση ΚΛ (4)+(5): Horn Logic προγράμματα, (4)+(5)+(6): ΛΠ (6): Μη-μονότονα χαρακτηριστικά (NAF κλπ.) (7): ^κεφαλή, ∨σώμα

Οντολογίες + Κανόνες Γιατί χρειαζόμαστε και τα δύο? Μοντελοποίηση ανοικτών περιβαλλόντων (όπως το Web) Μεγάλη εκφραστικότητα Ομογενείς προσεγγίσεις Οντολογίες και κανόνες εκφρασμένοι σε κοινή γλώσσα λογικής Οι κανόνες μπορούν να ορίσουν κλάσεις και συσχετίσεις των οντολογιών Π.χ. OWL + SWRL Υβριδικές Προσεγγίσεις Οι κανόνες ορίζουν εξωτερικές κλάσεις και συσχετίσεις χρησιμοποιώντας τις οντολογίες Π.χ. OWL + ASP

Πειραματική Μελέτη Pellet Reasoner RacerPro Reasoner Fact++ Reasoner Bossam Reasoner + Rule Engine Jess rule engine Jena2 inference module dlvhex DR-DEVICE KAON2 CLIPS Πείραμα Διαδικασίες Συμπερασμού Εκτέλεση Κανόνων Οντολογία σε OWL-DL 35 classes 10 object properties 4 datatype properties Μεταβολή # στιγμιότυπων 1 στιγμιότυπο περιγράφεται από 22 στιγμιότυπα κλάσεων 9 στιγμιότυπα ιδιοτήτων Κανόνες σε SWRL Μεταβολή # κανόνων προς εκτέλεση

Συλλογιστική σε DL Hierarchy Classification (TBox) Instance Checking (ABox) Έλεγχος Συνέπειας: παρόμοιοι χρόνοι με classification Bossam, KAON2, Jena2, Fact++ σε ABox Ορθή συλλογιστική, αλλά όχι πλήρης Αρκετά πιο γρήγορη εκτέλεση

Εκτέλεση Κανόνων Bossam Jess Bossam: memory exceptions για # στιγμιότυπων > 200 και 50 κανόνες CLIPS: παρόμοιοι χρόνοι με Jess dlvhex: χειρίζεται DL-Rules DR-DEVICE: χειρίζεται defeasible rules

Συμπεράσματα Αξιολόγησης Ικανοποιητικά αποτελέσματα σε TBox και εκτέλεση κανόνων Προβλήματα Χειρισμός μεγάλου # στιγμιότυπων Συνδυασμός μη-μονότονης και μονότονης συλλογιστικής Συλλογιστική πάνω από concrete domains Ανυπαρξία ενιαίου πλαισίου διαχείρισης γνώσης Νέα Γνώση Διαδικασίες Συμπερασμού Εκτέλεση Κανόνων Νέα Γνώση

Δομή παρουσίασης Εισαγωγή Αξιολόγηση Τεχνολογιών Γνώσης Ανάπτυξη Συστήματος Συμπεράσματα

intelligent football manager (i-footman) Σύστημα βασισμένο σε γνώση για την υποστήριξη υπηρεσιών αξιοποιήσιμων από έναν προπονητή ποδοσφαίρου Γενική Ιδέα: Σύνθεση συνόλου οδηγιών τακτικής για την αντιμετώπιση αντιπάλου Περιορισμοί Εμπειρική γνώση – Υποκειμενικότητα Έλλειψη στατιστικών και εργομετρικών δεδομένων Καμία σχετική προσπάθεια (ερευνητική ή μη) Στόχοι Ενσωμάτωση βασικής γνώσης του πεδίου εφαρμογής Δυνατότητα εύκολης επέκτασης του συστήματος

Καταγραφή και Ανάλυση Απαιτήσεων Μεθοδολογία Συνεντεύξεις με ειδικούς Απάντηση ερωτηματολογίων Άντληση γνώσης σχετικά με: κατανόηση του πεδίου εφαρμογής επιθυμητές υπηρεσίες βασικά χαρακτηριστικά παικτών και ομάδων κανόνες επιλογής παικτών και οδηγιών τακτικής

Αρχιτεκτονική Συστήματος Μηχανή Συμπερασμού i-footman Οντολογία Παικτών Ποδοσφαίρου Οντολογία Ομάδων Ποδοσφαίρου Μηχανή Εκτέλεσης Κανόνων Κανόνες Επιλογής Σχηματισμού Χαρακτηριστικών Παικτών Οδηγιών

Αδυναμίες/Ικανότητες Λειτουργικότητα Δεδομένα Ομάδων Κανόνες επιλογής σχηματισμού και παικτών Οντολογία Περιγραφής Ομάδων Σχηματισμός Σύνθεση Διαδικασίες Συμπερασμού Αδυναμίες/Ικανότητες Αντιπάλου Οδηγίες Οντολογία Περιγραφής Παικτών Κανόνες χαρακτηριστικών και οδηγιών Δεδομένα Παικτών

Οντολογικά Μοντέλα Οντολογία Παικτών Ποδοσφαίρου (FPO) Μοντελοποιεί θέσεις παικτών τεχνικά και φυσικά χαρακτηριστικά παικτών κατηγορίες παικτών Π.χ. fpo:CreativeMiddlefielder≡ (fpo:hasPassing.GoodAbility ⊔ fpo:hasPassing.VeryGoodAbility) ⊓ fpo:playsInPosition.Middlefielder Οντολογία Ομάδων Ποδοσφαίρου (FTO) Μοντελοποιεί χαρακτηριστικά και κατηγορίες ομάδων

Οντολογία Παικτών

Κανόνες Επεκτάσιμο σύνολο κανόνων για συμπερασμό χαρακτηριστικών ομάδας επιλογή σχηματισμού επιλογή παικτών σύνθεση οδηγιών τακτικής Χρήση λεξιλογίου από οντολογίες FPO, FTO fto:hasStartingPlayer (?t1,?p1)∧ fto:hasStartingPlayer (?t1,?p2)∧ fpo:QuickOffensivePlayer (?t1,?p1)∧ fpo:QuickOffensivePlayer (?t1,?p2) → fto:dangerousAtCounterAttack (?t1,true) fto:TeamWithNoBacks (?t1)∧ fto:TeamWithWingers (?t2)→ fto:shouldAttackFromTheWings (?t2,true)

Τεχνολογίες Υλοποίησης Web Ontology Language (OWL-DL) Semantic Web Rule Language (SWRL) Pellet Reasoner Jess Rule Engine Protégé SWRL Jess Tab Protégé OWL API SPARQL Jena2 inference module – Jena API Apache Tomcat

Μέσος χρόνος απόκρισης = Αξιολόγηση Επιδόσεων Προσομοίωση αγώνων μέσω πλατφόρμων ελέγχου τακτικής Με και χωρίς την υποστήριξη του i-footman Ισοδύναμες ομάδες παρόμοια αποτελέσματα Ασθενέστερος αντίπαλος μη-ουσιαστική βελτίωση Μέσος χρόνος απόκρισης = 7740ms

Δομή παρουσίασης Εισαγωγή Αξιολόγηση Τεχνολογιών Γνώσης Ανάπτυξη Συστήματος Συμπεράσματα

Ανοικτά Θέματα Ενιαίο πλαίσιο διαχείρισης γνώσης Στο Web: RIF Working Group, W3C Αποδοτικότεροι αλγόριθμοι συμπερασμού Αξιολόγηση συστήματος με πραγματικά δεδομένα Αυτόματη δημιουργία στιγμιότυπων από στατιστικά και εργομετρικά δεδομένα Εκμάθηση κανόνων επιλογής τακτικών και παικτών από ιστορικά δεδομένα

Επιστημονική Συνεισφορά Δι-επίπεδη αξιολόγηση τεχνολογιών γνώσης Ανάπτυξη συστήματος βασισμένου σε γνώση με τεχνολογίες Σημασιολογικού Ιστού Οντολογίες Παικτών και Ομάδων Ποδοσφαίρου Χρήση επεκτάσιμων μοντέλων και κανόνων για την εξαγωγή οδηγιών τακτικής Δημοσίευση: Papataxiarhis, V., Tsetsos, V., Karali, I., Stamatopoulos, P., and Hadjiefthymiades, S., "Developing rule-based applications for the Web: Methodologies and Tools", chapter to appear in "Handbook of Research on Emerging Rule-Based Languages and Technologies: Open Solutions and Approaches" (Eds. Adrian Giurca, Dragan Gasevic and Kuldar Taveter), Information Science Reference, 2009. URL: http://www.di.uoa.gr/~vpap/i-footman

no safety or surprise… THE END