Logisch-linguistische Modellierung - Logico-linguistic modeling

Logisch-linguistische Modellierung ist eine Methode zum Aufbau wissensbasierter Systeme mit Lernfähigkeit unter Verwendung von konzeptionellen Modellen aus der Soft-Systems-Methodik , der modalen Prädikatenlogik und logischen Programmiersprachen wie Prolog .

Überblick

Die logisch-linguistische Modellierung ist eine sechsstufige Methode, die hauptsächlich für den Aufbau wissensbasierter Systeme (KBS) entwickelt wurde, aber auch in manuellen Entscheidungsunterstützungssystemen und der Informationsquellenanalyse Anwendung findet. Logico-linguistische Modelle haben eine oberflächliche Ähnlichkeit mit John F. Sowa ‚s konzeptionellen Graphen ; beide verwenden Blasendiagramme, beide beschäftigen sich mit Konzepten, beide können in Logik ausgedrückt werden und beide können in der künstlichen Intelligenz verwendet werden. Logisch-linguistische Modelle sind jedoch sowohl in ihrer logischen Form als auch in ihrer Konstruktionsweise sehr unterschiedlich.

Die logisch-linguistische Modellierung wurde entwickelt, um theoretische Probleme der Soft-Systems-Methode für das Design von Informationssystemen zu lösen. Der Forschungsschwerpunkt lag darin, zu zeigen, wie die Soft Systems Methodology (SSM), eine Methode der Systemanalyse, auf künstliche Intelligenz ausgedehnt werden kann.

Hintergrund

SSM verwendet drei Modellierungsgeräte, dh Rich Pictures, Root-Definitionen und konzeptionelle Modelle menschlicher Aktivitätssysteme. Die Wurzeldefinitionen und konzeptionellen Modelle werden von den Stakeholdern selbst in einer iterativen Debatte erstellt, die von einem Moderator organisiert wird. Die Stärken dieser Methode liegen zum einen in ihrer Flexibilität, dass sie auf jede Problemsituation eingehen kann, und zum anderen darin, dass die Lösung den Menschen in der Organisation gehört und nicht von einem externen Analytiker auferlegt wird.

Informationsanforderungsanalyse (IRA) hat den Grund SSM Verfahren einen Schritt weiter und zeigte , wie die konzeptuellen Modelle in ein detailliertes Informationssystem Design entwickelt werden könnten. IRA fordert die Hinzufügung von zwei Modellierungsgeräten: "Informationskategorien", die die erforderlichen Informationseingaben und -ausgaben aus den in einem erweiterten konzeptionellen Modell identifizierten Aktivitäten zeigen; und das „Malteserkreuz“, eine Matrix, die die Inputs und Outputs der Informationskategorien aufzeigt und aufzeigt, wo neue Verfahren der Informationsverarbeitung erforderlich sind. Für die detaillierte Gestaltung eines Transaktionsverarbeitungssystems reicht ein ausgefülltes Malteserkreuz aus.

Den Anstoß zur Entwicklung der logisch-linguistischen Modellierung gab die Auseinandersetzung mit dem theoretischen Problem, wie ein Informationssystem eine Verbindung zur physikalischen Welt haben kann. Dies ist sowohl bei der IRA als auch bei etablierteren Methoden (wie SSADM ) ein Problem, da keine ihr Informationssystemdesign auf Modellen der physischen Welt aufbaut. IRA-Designs basieren auf einem fiktiven Konzeptmodell und SSADM basiert auf Modellen der Bewegung von Dokumenten.

Die Lösung dieser Probleme lieferte eine Formel, die nicht auf das Design von Transaktionsverarbeitungssystemen beschränkt war, sondern für das Design von KBS mit Lernfähigkeit verwendet werden konnte.

Die sechs Phasen der logisch-linguistischen Modellierung

Abb. 1. SSM-Konzeptmodell

Das logisch-linguistische Modellierungsverfahren umfasst sechs Stufen.

1. Systemanalyse

In der ersten Stufe verwendet die logisch-linguistische Modellierung SSM zur Systemanalyse . In dieser Phase wird versucht, das Problem in der Kundenorganisation zu strukturieren, indem Stakeholder identifiziert, Unternehmensziele modelliert und mögliche Lösungen diskutiert werden. In diesem Stadium wird nicht davon ausgegangen, dass ein KBS eine Lösung sein wird, und logisch-linguistische Modellierung erzeugt oft Lösungen, die kein computergestütztes KBS erfordern.

Expertensysteme neigen dazu, das Fachwissen von Einzelpersonen in verschiedenen Organisationen zum gleichen Thema zu erfassen. Im Gegensatz dazu versucht ein KBS, das durch logisch-linguistische Modellierung erstellt wird, das Fachwissen von Einzelpersonen in derselben Organisation zu verschiedenen Themen zu erfassen. Der Schwerpunkt liegt eher auf der Erhebung von Organisations- oder Gruppenwissen als auf einzelnen Experten. Bei der logisch-linguistischen Modellierung werden die Stakeholder zu den Experten.

Der Endpunkt dieser Phase sind konzeptionelle Modelle im SSM-Stil wie in Abbildung 1.

2. Spracherstellung

Abb. 2. Logisch-linguistisches Modell

Gemäß der Theorie hinter der logisch-linguistischen Modellierung ist der konzeptionelle Modellbildungsprozess von SSM ein Wittgensteinsches Sprachspiel, in dem die Beteiligten eine Sprache entwickeln, um die Problemsituation zu beschreiben. Das logisch-linguistische Modell drückt diese Sprache als eine Reihe von Definitionen aus, siehe Abbildung 2.

3. Wissenserhebung

Nachdem das Sprachmodell erstellt wurde, können die Beteiligten mutmaßliches Wissen über die reale Welt hinzufügen. Herkömmliche SSM-Konzeptmodelle enthalten nur eine logische Verknüpfung (eine notwendige Bedingung). Zur Darstellung von Kausalfolgen werden auch „ hinreichende Bedingungen “ und „ notwendige und hinreichende Bedingungen “ benötigt. In der logisch-linguistischen Modellierung wird dieser Mangel durch zwei Additionstypen von Konnektiven behoben. Das Ergebnis der dritten Stufe ist ein empirisches Modell, siehe Abbildung 3.

4. Wissensrepräsentation

Abb. 3. Empirisches Modell

Als formale Methode der Wissensrepräsentation wird die modale Prädikatenlogik (eine Kombination aus Modallogik und Prädikatenlogik ) verwendet. Die Konnektoren aus dem Sprachmodell sind logisch wahr (angezeigt durch den Modaloperator " L ") und Konnektive, die in der Stufe der Wissenserhebung hinzugefügt werden, sind möglichkeitswahr (angezeigt durch den Modaloperator " M "). Bevor zu Stufe 5 übergegangen wird, werden die Modelle in logischen Formeln ausgedrückt.

5. Computercode

Formeln in der Prädikatenlogik lassen sich leicht in die Sprache der künstlichen Intelligenz von Prolog übersetzen. Die Modalität wird durch zwei verschiedene Arten von Prolog-Regeln ausgedrückt. Regeln aus der Spracherzeugungsphase des Modellbildungsprozesses werden als nicht korrigierbar behandelt. Während Regeln aus der Wissenserhebungsphase als hypothetische Regeln gekennzeichnet sind. Das System ist nicht auf Entscheidungsunterstützung beschränkt, sondern verfügt über eine eingebaute Lernfähigkeit.

6. Überprüfung

Ein mit dieser Methode erstelltes wissensbasiertes System verifiziert sich selbst. Die Überprüfung erfolgt, wenn der KBS von den Clients verwendet wird. Es ist ein fortlaufender Prozess, der während der gesamten Lebensdauer des Systems andauert. Wenn die Ansichten der Stakeholder über die reale Welt falsch sind, wird dies durch das Hinzufügen von Prolog-Fakten, die den hypothetischen Regeln widersprechen, herausgestellt. Es funktioniert nach dem klassischen Prinzip der Falsifizierbarkeit der Wissenschaftsphilosophie

Anwendungen

Wissensbasierte Computersysteme

Logisch-linguistische Modellierung wurde verwendet, um voll funktionsfähige computergestützte wissensbasierte Systeme zu erstellen, wie zum Beispiel eines für das Management von Diabetespatienten in einer Krankenhausambulanz.

Manuelle Entscheidungsunterstützung

In anderen Projekten wurde der Wechsel zu Prolog als unnötig erachtet, da die gedruckten logisch-linguistischen Modelle eine einfach zu handhabende Anleitung zur Entscheidungsfindung boten. Zum Beispiel ein System zur Genehmigung von Hypothekendarlehen

Analyse von Informationsquellen

In einigen Fällen konnte kein KBS erstellt werden, weil die Organisation nicht über alle erforderlichen Kenntnisse verfügte, um alle ihre Aktivitäten zu unterstützen. In diesen Fällen zeigte die logisch-linguistische Modellierung Mängel in der Informationsversorgung und wo mehr gebraucht wurde. Zum Beispiel eine Planungsabteilung in einem Telekommunikationsunternehmen

Kritik

Während die logisch-linguistische Modellierung die Probleme beim Übergang von SSM vom konzeptionellen Modell zum Computercode überwindet, geschieht dies auf Kosten einer erhöhten Komplexität des von Stakeholdern konstruierten Modells. Die Vorteile dieser Komplexität sind fraglich und diese Modellierungsmethode kann viel schwieriger zu verwenden sein als andere Methoden.

Diese Behauptung wurde durch spätere Forschungen veranschaulicht. Ein Versuch von Forschern, Kaufentscheidungen in zwölf Unternehmen mithilfe logisch-linguistischer Modellierung zu modellieren, erforderte eine Vereinfachung der Modelle und die Entfernung der modalen Elemente.

Siehe auch

Verweise

Weiterlesen