5.5. Weiterentwicklung des XPLAIN-Ansatzes
Das Explainable Expert System (EES) Projekt ist eine Fortentwicklung des XPLAIN-Ansatzes. Im besonderen wird versucht, zusätzliche Arten von Wissen darzustellen, die benötigt werden, um weitere Frageformen beantworten zu können.396
Einen Überblick über das Explainable Expert System gibt Abb. 25.
Abb. 2b: Übersicht über das EES System Version II397
Wie XPLAIN benutzt das EES ein Domain Model und einen Satz von Domain Principles. Darüber hinaus werden noch weitere Formen von Wissen getrennt abgebildet, um dem System die Möglichkeit zu geben, zusätzliche Frageformen zu beantworten.
Wie aus dem Abb. 25 ersichtlich ist, wurden neben dem Domain Model und den Domain Principles folgende Wissensformen explizit und separat dargestellt.
Tradeoffs zeigen die Vor- und Nachteile von bestimmten Problemlösungsstrategien für die Zieierfüllung. Preferences sind kontextsensitive Regeln, um Prioritäten zwischen alternativen Operationen basierend auf den Tradeoffs zu setzen.398 Tradeoffs und Preferences ermöglichen dem System zu erklären, warum eine Problemlösungsstrategie verwendet wird.399
Bei dem EES wird zusätzlich das terminologische Wissen von dem Domain Rational getrennt und explizit dargestellt.400
Integration knowledge wird verwendet, um Konflikte zwischen den Wissensquellen zu vermeiden.
Optimisation knowledge repräsentiert Wege der effizienten Kontrolle der Programmausführung und der Erläuterung ungewöhnlicher Reihenfolgen der Aktionen.401
Diese Separierung der verschiedenen Wissensarten ermöglicht es dem System, bessere Erklärungen zu erstellen. Sie verleiht der Erklärungskomponente die Fähigkeit, genau die richtigen Informationen zur Beantwortung der Benutzerfragen zu geben, ohne daß sie mit anderen Informationen (z.B. Housekeeping) vermengt sind.402
Im Augenblick befindet sich das EES-System noch in der Entwicklung.403 Durch die strikte Trennung der verschiedenen Wissensformen und ihrer expliziten Darstellung ist zu erwarten, daß der EES-Ansatz einen wesendlichen Fortschritt bringen wird.
392 Vgl. SWARTOUT, W.R.: XPLAIN: a System for Creating and
Explaining Expert Consulting Programs, a.a.O., 3. 309.
Vgl. SWARTOUT, W.R.: Producing Explanations and Justifications of Expert Consulting Programs, a.a.O., S. 85.
393 Vgl. SWARTOUT, W.R.: XPLAIN: a System for Creating and
Explaining Expert Consulting Programs, a.a.O., S. 319.
394 Vgl. SWARTOUT, W.R.: XPLAIN: a System for Creating and
Explaining Expert Consulting Programs, a.a.O., S. 287.
395 Vgl. SWARTOUT, W.R.: Knowledge" Needed for Expert System
Explanation, a.a.O., 3. 97.
396 Vgl. SWARTOUT, W.R.: Knowledge Needed for Expert System Explanation, S. 97.
397 Vgl. NECHES, R.; SWARTOUT, W.R.; MOORE, J.: Explainable (and Maintainable) Expert Systems, in: JOSHI, A. (ED.):
Proceedings of the Ninth International Joint Conference on Artificial Intelligence (IJCAI-85), Aug. 18.-23., 1985, Los Angeles, California, Vol. 1, Los Altes, California 1985, S. 384 (382-389).
398 Vgl. NECHES, R.; SWARTOUT, W.R.; MOORE, J.: Enhanced
Maintenance and Explanation of Expert Systems Through Explicit Models of Their Developement, a.a.O., S. 174.
399 Vgl. SWARTOUT, W.R.: Knowledge Needed for Expert System
Explanation, a.a.O., S. 98.
400 Die Vorteile dieser Trennung wurden bereits in Kapiltel
4.2,4. erläutert.
401 Vgl. SWARTOUT, W.R.: Knowledge Needed for Expert System
Explanation, a.a.O., S. 98.
402 Vgl. SWARTOUT, W.R.; SMOLIAR, S.W.: On Making Expert
Systems more Like Experts, a.a.O., S. 206.
403 Vgl. SWARTOUT, W.R.; SMOLIAR, S.W.: Explaining the Link
Between Causal Reasoning and Expert Behavior, a.a.O., S. 83. |