-
Das beschriebene Verfahren besteht aus mehreren Prozessabschnitten mit denen Expertenwissen und Fachwissen automatisiert in neuronalen Netzwerken verarbeitet werden können.
-
Die Erfindung betrifft damit ein Verfahren, mit dem es möglich ist, hoch komplexe Fragestellungen, die in der Regel eine starke Verknüpfung mit Expertenwissen und Erfahrung haben und für die ein maschinenunterstützter intelligenter Suchalgorithmus bereitgestellt werden muss. Das Verfahren stellt dabei eine Lösung dar, mit dem komplexe semantisch beschriebene Inhalte für die Suche in eine für neuronale Netze nutzbare Abstraktion überführt werden.
-
Der Einsatz künstlicher, maschinen- gestützter Intelligenzen (KI) ist seit über 70 Jahren wissenschaftlich eingehen untersuche und Beschrieben. Erst in den vergangenen Jahren konnte durch die höhere verfügbare Rechenleistung und verarbeitbarer Datenmengen der Einsatz der KI Technologien in der Masse ermöglich werden. Mathematisch sind dabei unterschiedliche zum Teil komplexe Algorithmen beschrieben, die die neuronalen Netzt der KIs lernfähig machen können und deren Fähigkeit Muster zu erkennen zum Teil ausgesprochen hoch sind.
Häufig werden KIs jedoch nicht im eigentlichen Sinne (als echte Intelligenz) sondern eher als Erweiterung der Business Intelligence eingesetzt. Die Fähigkeit zu assistieren und intelligent zu helfen kann eine KI aber nur dann entwickeln, wenn es gelingt Expertenwissen verarbeitbar zugänglich gemacht werden kann. Gerade im kommerziellen Umfeld der Suchportale wird das derzeit noch nicht befriedigend umgesetzt.
Das in dieser Erfindung dargestellte Verfahren beschreibt einen Lösungsansatz, der zum Beispiel in Suchmaschinen oder Such-Schnittstellen, die ein hohes Maß an Expertenwissen auf der Seite der Maschine (z.B. Chat-Bot Schnittstell) bereitstellen muss, zum Einsatz kommen kann.
-
Beschreibung technischer Hintergrund:
-
Der Einsatz künstlicher Intelligenz hält in unzähligen Anwendungen Einzug und wir in der Zukunft nicht mehr aus dem täglichen Leben wegzudenken sein. Dabei gibt es sehr unterschiedliche Stoßrichtungen für künstliche Intelligenzen, alle haben aber gemein, dass sie auf der Nachbildung der neuronalen Netze des menschlichen Gehirns basieren und somit den entscheidenden Vorteil aufweisen, lernfähig zu sein und auch unscharfe Informationen verarbeiten zu können.
Gerade im Bereich der professionellen Anwendung (z.B. Suchsystemen, Hilfesystem oder auch Entwicklungssystemen) kann der Einsatz von gut funktionierenden künstlichen Intelligenzen zu signifikanten Verbesserungen der Prozesse und Ergebnisse führen. Oft sind dabei die Prozesse selbst schon komplex. Darüber hinaus ist die Durchführung dieser Prozess und deren Optimierung aber von Expertenwissen abhängig. Seit vielen Jahren versucht man deshalb für Expertensysteme und wissensbasierten Entscheidungssystemen wichtiges Fach- und Firmenwissen für die relevanten Nutzergruppen zur Verfügung zu stellen. Aufgrund fehlender technischer Lösungen, limitierter Rechenleistung oder fehlender Kapazität, das Expertenwissen aufzubereiten sind diese Ansätze mehrheitliche nicht erfolgreich. Einer der Hauptgründe liegt dabei (neben den oben genannten) in der Grundkonzeption von Expertensystemen: sie sind regelbasiert oder teilweise mit Fuzzy Logik verbunden. Immer aber muss der Entscheidungsweg im Durchlauf einer Anfrage im Expertensystem vorgegeben werden. Selbst „weiche“ Entscheidungsweichen sind damit letztlich statische Konstrukte.
-
Stand der Technik:
-
Derzeit gibt es noch keine Expertensysteme, die über eine Aufbereitung vorhandener Lösungswege und Erfahrung hinausgehen. Große Fortschritte gibt es dagegen in rein auf Sprache und semantische Zusammenhänge programmierte und Entwickelte künstliche Intelligenzen sowie den Lösungen, die als eine Erweiterung der Business Intelligence (BI) System definiert werden können.
Bis heute werden dadurch Expertensystem durch semantische „Flows“ entlang von Frage-Antwort Kaskaden umgesetzt. Hierbei wirkt die Mächtigkeit der künstlichen Intelligenzen vor allem im semantischen Bereich, d.h. in der Interpretation der Fragen und Zuordnung der möglichen mehr oder weniger gut passenden Antworten.
Damit ist eine Expertensystem nicht automatisch mit einer künstlichen Intelligenz verbunden, ebenso im Umkehrschluss. Dabei ist per Definition ein Expertensystem eigentlich Teil der Begriffswelt „Künstliche Intelligenz“. Hauptproblem ist die bis dato eher stiefmütterliche Behandlung der Expertensysteme.
-
Zwar gab es bereits 1982 das System MYCIN zur Diagnose von Infektionskrankheiten (Buchanan et al.), die Aufwändige Festschreibung von wenn-dann Regeln macht die Pflege der System aber praxisuntauglich.
Auf der anderen Seite steht das Maschine Learning (ML) als weiteres Teilgebiet der künstlichen Intelligenz, das wiederum die Generierung von neuem (künstlichen) Wissen aus Erfahrung beschreibt. Die Erfahrung macht in diesem Falle der Computer bzw. die programmierte künstliche Intelligenz (Waston, Deep Mind als prominente Beispiele).
-
Die Brücke zwischen Expertensystemen und Maschine Learning würde zum intelligenten „Senior“ Experten führen, also einer künstlichen Intelligenz, die aufgrund (langjährigen) und umfangreichen Expertenwissens einen tieferen Entscheidungshintergrund hat.
-
Diese Brücke ist derzeit noch nicht zufriedenstellend definiert worden. Das hier beschrieben Verfahren zielt genau darauf hin ab und soll damit einen wesentlichen Schritt in der Nutzung von Expertenwissen beitragen.
-
Beschreibung der Erfindung:
-
Das in dieser Erfindung beschriebene Verfahren ermöglicht es, Expertenwissen und Fachwissen in einen Abstraktionsgrad zu überführen, der von künstlichen Intelligenzen lesbar und damit nutzbar ist. Das Verfahren setzt dabei auf eine notwendige Referenzmenge an Beispielen oder Fällen auf der Basis des Expertenwissens auf, ist aber gleichzeitig in der Lage das Expertenwissen eigenständig zu erweitern.
Für die Durchführung dieses Verfahren sind deshalb eine Reihe von Prozessschritten notwendig, die im Folgenden beschrieben werden:
- a) Vorbereitung und Bewertung des Experten- oder Fachwissens hinsichtlich Struktur, Dateninhalte, Datenmenge, Relationen, Regeln und Entscheidungsbäume. Die einzelnen Inhalte werden dazu in Gebiete eingeteilt, die sich über Datenbanken, Gruppen oder Arrays beschreiben lassen. Dieser Schritt ist einer Zerlegung des Wissens gleichzusetzen. Ziel ist es dabei die Zerlegung soweit durchzuführen, dass eine Schaltung oder ein Trigger durch einzelne Signale erfolgen kann. Diese Zerlegung unterscheidet sich dabei von Verfahren aus dem Bereich der Fuzzy-Logik wie z.B. NEFUPPS da sie eine diskrete Zerlegung ist.
- b) Der wesentliche Schritt des Verfahrens ist die notwendige Abstraktion der zerlegten und aufbereiteten Daten. Jeder „Fall“ (z.B. eine Anfrage in das Expertensystem mit entsprechender Antwort kann als ein Zustandsausprägung definiert werden. Als eine von n - Ausprägungen des Expertensystems. Das Verfahren setzt auf diesen Ausprägungsbeschreibungen auf und verwendet diese Daten für die Abstraktion in ein 2-dimensionales Datenfeld. Das Datenfeld wird der Künstlichen Intelligenz als Wissensbasis zur Verfügung gestellt. Durch die Abstraktion in ein 2-dimensionales abstraktes Muster wird das Experten wissen „maschinenlesbar“ und für künstliche Intelligenzen mit neuronalen Netzen erst verarbeitbar.
- c) Im weiteren Schritt des Verfahrens erfolgt die Ableitung der Anforderung an das neuronale Netz. Dabei wird sowohl die Zerlegungsfunktion der Daten als auch eine für KIs übliche Erstgewichtung von Verbindungen beschrieben.
- d) Im letzten Schritt wird die so entstandene inhaltliche Beschreibung sowie notwendigen Algorithmen in Datenbanken und die notwendige Software für die künstliche Intelligenz überführt.