m4p4pe
Modelul regulilor de productie este deosebit de important in inteligenta artificiala deoarece acest model a jucat un rol semnificativ in evolutia sistemelor bazate pe cunostinte, de la stadiul de produse ale laboratoarelor de cercetare la acela al produselor comerciale, cu aplicabilitate directa. Regulile de productie isi au originea in sistemele de productie propuse de E. Post, in 1943, ca mecanism computational general. In modelul regulilor de productie cunostintele sint reprezentate sub forma unor instructiuni conditionale exprimate intr-un limbaj intuitiv, apropiat de cel natural. Desi din punct de vedere formal, regulile de productie provin din modelul computational propus de Post, forma de exprimare a cunostintelor utilizind reguli precede cu mult aparitia calculatoarelor. Jaynes a1976i descrie o colectie de 20 000*30 000 de tablite babiloniene, dintre care aproximativ 20% contin o multime de reguli de productie, numite omenuri, pentru indrumarea activitatii de zi cu zi. Aceste reguli au fost catalogate inca din anul 650 I.C. si aveau o forma asemanatoare celei din sistemele bazate pe reguli din inteligenta artificiala, de exemplu:
"Daca un cal intra in casa unui om si musca acel om, atunci proprietarul casei va muri si casa lui se va prabusi."
"Daca un om calca, din neatentie, o sopirla si o omoara, atunci el va triumfa asupra unui adversar al sau."
Modelul regulilor de productie a fost utilizat in inteligenta artificiala pentru prima oara in sistemele DENDRAL aBuchanan,Feigenbaum,1978;Lindsay,s.a.,1980i si MYCIN aBuchanan, Shortliffe,1984i. Aceste sisteme au fost prezentate pe scurt in Capitolul 1, iar sistemul MYCIN va fi discutat pe larg in Capitolul 7. Sistemele bazate pe reguli de productie au stat la baza dezvoltarii unui numar de sisteme dedicate bazate pe cunostinte, in care sintaxa regulilor era construita astfel incit sa permita exprimarea usoara a cunostintelor unui domeniu particular. Ulterior, din aceste sisteme s-au dezvoltat sisteme bazate pe reguli independente de domeniu, deci sisteme cadru de dezvoltare a sistemelor expert, cum ar fi OPS5 aCooper,Wogrin,1988i, EMYCIN avan Melle,s.a.,1984i, sistemele M1 si K1 ale firmei Tecknowledge, sistemul PCPlus al firmei Texas Instruments, si altele.

4.1 Reprezentarea cunostintelor sub forma regulilor de productie
Pina in acest moment, discutia despre modelele de reprezentare a cunostintelor s-a concentrat asupra formalismului logic. Din acest motiv, ca punct de plecare al modelului bazat pe reguli se va folosi logica cu predicate.
In capitolul anterior reprezentarea logica a fost prezentata ca o forma declarativa de reprezentare a cunostintelor. O reprezentare declarativa este o reprezentare in care cunostintele sint specificate prin descrierea lor, fara a indica modul in care ele vor fi utilizate. Pentru a utiliza o reprezentare declarativa, aceasta trebuie completata cu metode care specifica cum vor fi utilizate cunostintele reprezentarii. De exemplu, pentru a rezolva o problema particulara, o multime de asertiuni logice poate fi combinata cu un demonstrator automat de teoreme bazat pe strategia rezolutiei. Exista insa si un alt mod in care asertiunile logice (de o anumita forma) pot fi interpretate, respectiv ca un program si nu ca date ale unui program. In aceasta perspectiva, implicatiile logice definesc cai de rationament, iar formulele atomice reprezinta punctele de oprire ale rationamentului. Aceste cai de rationament definesc posibilele cai de executie ale unui program intr-o maniera apropiata de structura de control traditionala "if-then-else". Cu alte cuvinte, asertiunile logice de o anumita forma pot fi vazute ca o modalitate de reprezentare procedurala. O reprezentare procedurala este o reprezentare in care cunostintele de control necesare rezolvarii problemei sint inglobate in insasi reprezentarea data. Pentru a utiliza reprezentarea procedurala in rezolvarea problemei, trebuie sa existe un interpretor care urmareste specificatiile de control incluse in reprezentare. Limbajul Prolog, prezentat in Capitolul 11, este un exemplu de astfel de abordare, in care forma particulara a asertiunilor este aceea a clauzelor Horn. Limbajele bazate pe reguli de productie sint un alt exemplu de reprezentare procedurala a cunostintelor, cu o forma particulara a asertiunilor logice care va fi prezentata in continuare.
Multe dintre cunostintele problemelor ce trebuie rezolvate cu ajutorul programelor de inteligenta artificiala sint exprimate sub forma de implicatie. Exprimarea acestor cunostinte in logica cu predicate de ordinul I si transformarea formulelor logice in forma clauzala duce uneori la pierderea unor informatii de control pretioase continute in forma directa a implicatiei. De exemplu, forma clauzala este logic echivalenta cu oricare din urmatoarele implicatii: , , , , , etc. Fiecare din aceste implicatii, insa, contine si informatie de control extralogica, specifica implicatiei, informatie care nu apare in forma clauzala. De multe ori este preferabil sa se utilizeze in rezolvarea problemei implicatiile in forma lor originala, sub forma regulilor de productie. Utilizarea implicatiilor sub forma de reguli de productie intr-un sistem de rezolvare a problemelor poate creste eficienta sistemului prin eliminarea multiplicarilor introduse de transformarea implicatiilor in forma clauzala.
Intr-un model de reprezentare bazat pe reguli de productie, cunostintele despre problema sint reprezentate prin doua tipuri de entitati: reguli si fapte. Regulile sint cunostintele reprezentate de implicatii si exprima cunostinte generale despre domeniul problemei de rezolvat. Faptele sint asertiuni unitare si reprezinta cunostintele specifice care descriu un caz particular, i.e. o instanta a problemei de rezolvat.
Regulile de productie sint formate din doua componente: partea stinga a regulii, prescurtat din limba engleza LHS, numita si antecedent, premisa, conditie sau situatie, si partea dreapta a regulii, prescurtat din limba engleza RHS, numita si consecinta, concluzie, actiune sau raspuns. Legatura logica intre partea stinga si partea dreapta a regulii este implicatia, in sensul ca adevarul partii stingi determina adevarul partii drepte a regulii, deci . Pornind de la structura de control decizionala "if-then" comuna limbajelor de programare, cele mai multe limbaje bazate pe reguli folosesc cuvintele cheie if then (uneori when do), in romaneste daca atunci, pentru a marca partea stinga, respectiv partea dreapta a regulii.
Exemple:
R1: daca Coco zboara si Coco are pene atunci Coco este pasare.
R2: daca pacientul are temperatura mare si tipul organismului este gram-pozitiv si pacientul are gitul uscat atunci organismul este streptococ
R3: daca masina nu porneste si farurile nu se aprind atunci bateria este consumata sau bornele bateriei nu fac contact
R4: daca temperatura > 95o C atunci deschide valva de protectie
Semnificatia unei reguli de productie este urmatoarea: daca premisa poate fi satisfacuta intr-un context dat, atunci consecinta poate fi satisfacuta in acel context. Daca partea dreapta a regulii defineste o concluzie, efectul satisfacerii premisei este inferarea acelei concluzii (exemplele R1, R2 si R3), iar daca partea dreapta a regulii defineste o actiune, efectul satisfacerii premisei este executia acelei actiuni (exemplul R4). O inferenta in reprezentarea bazata pe reguli consta in aplicarea unei astfel de reguli. Exista diverse forme sintactice pentru exprimarea regulilor de productie, in functie de limbajul de reprezentare a cunostintelor ales. In general, partea stinga a regulii este o conjunctie de conditii, iar partea dreapta a regulii este o conjunctie sau disjunctie de actiuni sau concluzii. De exemplu: daca I1 si I2 si I3 atunci C1 si C2 daca I1 si I2 si I3 si I4 atunci C1 sau C2 si C3
Fiecare regula reprezinta o unitate de cunostinte despre un anumit domeniu de expertiza. O multime de reguli poate corespunde unui lant de inferente care duc de la faptele cunoscute initial la concluzii necunoscute, concluzii care reprezinta rezolvarea unei probleme.
Faptele, cealalta forma de reprezentare a cunostintelor in modelul regulilor de productie, au o forma care permite identificarea ipotezelor de satisfacut din reguli. Spre deosebire de reguli, care sint imperative si dinamice, faptele sint statice si inactive. Urmatoarele enunturi sint exemple de fapte posibile intr-o baza de cunostinte:
Coco zboara.
Ilie are temperatura mare.
Tipul organismului o1 este gram-pozitiv.
Masina1 nu porneste.
Se poate observa legatura existenta intre modelul regulilor de productie si logica cu predicate de ordinul I. Regulile R1*R3 din exemplele enuntate anterior pot avea urmatoarea formulare logica.





Regula R4 este mai dificil de exprimat in calculul cu predicate deoarece concluzia ei implica o actiune. Din punct de vedere logic, faptele pot fi vazute ca formule atomice; de exemplu faptele anterioare pot fi exprimate in formalismul logic astfel:




Formularea regulilor si a faptelor din exemplele date s-a facut in limbaj natural. Cele mai multe limbaje bazate pe reguli de productie au o sintaxa fixa care, desi apropiata de limbajul natural, defineste un limbaj independent de context. Utilizind o astfel de sintaxa, exemplele de reguli R2*R4 vor fi de fapt exprimate intr-un posibil limbaj de reprezentare astfel:
R2': daca Temperatura-Pacient = mare si Tip-Organism = gram-pozitiv si GitUscat-Pacient atunci Identitate-Organism = streptococ
R3': daca NuPorneste-Masina si NuAprinde-Masina = far atunci Stare-Baterie = consumata sau Borne-Baterie = fara-contact
R4': daca atunci DeschideValva
Se observa ca atit conditiile din partea stinga a regulilor, cit si concluzia (sau actiunile) din partea dreapta a regulilor pot contine entitati echivalente cu variabilele din calculul cu predicate. Unele dintre sistemele care folosesc reprezentarea bazata pe reguli de productie, cum ar fi sistemul MYCIN, permit existenta a doua forme alternative pentru reguli si fapte: o forma apropiata de limbajul natural pentru interfata cu utilizatorul si o forma interna, in care regulile sint exprimate intr-un limbaj apropiat unui limbaj de programare, deci avind o sintaxa fixa.
Multe din sistemele bazate pe reguli extind reprezentarea stricta sub forma de reguli si fapte cu o structurare a cunostintelor referite de acestea. Universul problemei este descris prin obiecte si atributele asociate care le definesc, iar regulile de productie si faptele refera aceste obiecte, atribute si valorile lor. In exemplele de reguli R2'*R3' se poate presupune, de exemplu, ca exita obiectul Pacient, cu atributele Temperatura si GitUscat, obiectul Organism cu atributele Tip1 si Identitate, obiectul Masina cu atributele NuPorneste, NuAprinde si obiectul Baterie cu atributele Stare si Borne. Aceasta extindere reprezinta de fapt introducerea in modelul pur al regulilor de productie a unor elemente particulare reprezentarii structurate a cunostintelor, model ce va fi descris in Capitolul 6.
Sintaxa deschisa a limbajelor bazate pe reguli permite proiectantilor mult mai multe libertati decit calculul cu predicate de ordinul I. In plus, pot apare actiuni asociate consecintelor regulilor, actiuni care pot consta fie in executia unor proceduri sau functii externe, fie in comanda sau executia unor actiuni. Modelul regulilor permite, de asemenea, o mare flexibilitate la nivelul structurii de control, asa cum se va vedea in Sectiunea 4.3. Pe linga aspectele mentionate, utilizarea regulilor de productie aduce urmatoarele avantaje din punct de vedere al modelarii cunostintelor in sistem aHayes-Roth,s.a.,1983i:
* separarea cunostintelor generale despre problema de datele specifice unei instante a problemei de rezolvat
* partitionarea cunostintelor in unitati de cunostinte independente, facilitind astfel dezvoltarea incrementala a bazei de cunostinte
* posibilitatea mentinerii a doua forme de expresie a regulilor: o forma interna sistemului, adecvata procesului de rezolvare si o forma externa, apropiata limbajului natural, pentru interfata utilizatorului cu sistemul.
4.2 Sisteme bazate pe reguli de productie
Pentru prezentarea proprietatilor reprezentarii si utilizarea cunostintelor exprimate sub forma de reguli de productie, in continuare se descriu structura si functionarea sistemelor de rezolvare a problemelor care utilizeaza acest formalism. Sectiunile 4.3.1 si 4.3.2 vor prezenta apoi doua exemple tipice de astfel de sisteme.
4.2.1 Structura unui sistem bazat pe reguli
Un sistem care utilizeaza modelul regulilor de productie pentru reprezentarea cunostintelor se numeste sistem bazat pe reguli, pe scurt SBR aHayes-Roth,1985i. In general, un sistem bazat pe reguli de productie este format din urmatoarele trei componente principale:
* Baza de cunostinte (BC)
* Memoria de lucru (ML)
* Interpretorul de reguli sau Motorul de inferenta (MI)
Structura generala a unui sistem bazat pe reguli este prezentata in Figura 4.1.

Figura 4.1 Organizarea unui sistem bazat pe reguli
Baza de cunostinte contine cunostintele domeniului problemei de rezolvat, exprimate sub forma de reguli, si cunostinte specifice instantelor problemei, exprimate sub forma de fapte. Rezolvarea problemelor complexe implica existenta unor baze de cunostinte de dimensiuni considerabile, necesitind din acest motiv mecanisme de organizare si indexare a regulilor.
Memoria de lucru contine informatia de stare a rezolvarii problemei, informatie reprezentata prin asertiuni temporare. Aceste asertiuni temporare sint atit datele initiale ale problemei de rezolvat, cit si toate faptele inferate pe parcursul rezolvarii problemei. De obicei, datele din memoria de lucru respecta conventiile sintactice ale faptelor din baza de cunostinte, ceea ce face ca aceste asertiuni temporare sa se numeasca si fapte dinamice, iar memoria de lucru sa se numeasca memorie dinamica.
Motorul de inferenta reprezinta componenta de control si executie a unui sistem bazat pe reguli. Motorul de inferenta inspecteaza partea stinga a fiecarei reguli din baza de cunostinte pina cind gaseste o regula care identifica continutul memoriei de lucru, dupa care executa (aplica) aceasta regula. Executia regulii de productie determina schimbarea continutului memoriei de lucru pe baza partii drepte a regulii care a identificat. Acest proces continua pina cind in memoria de lucru se acumuleaza faptele care reprezinta solutia problemei sau pina cind nu se mai poate aplica nici o regula. Rezolvarea unei probleme folosind un sistem bazat pe reguli consta deci in realizarea unei serii de inferente printr-un proces de inlantuire recursiva a regulilor, pina la gasirea solutiei sau pina la intilnirea unei situatii de blocare (nu intotdeauna se ajunge intr-una din aceste doua stari, sistemul putind cicla la infinit in anumite cazuri). Intr-un astfel de sistem, procesul de inferenta se executa, tipic, intr-un mod interactiv, utilizatorul putind furniza noi date pe parcursul executiei, daca aceste date sint cerute de sistem.
In general, motorul de inferenta accepta intrebari de la utilizator si raspunde folosind informatia dinamica din memoria de lucru (datele de caz) si cunostintele statice din baza de cunostinte (reguli). Cunostintele din baza de cunostinte sint folosite pentru a deriva concluzii despre cazul sau situatia curenta prezentata de utilizator.
4.2.2 Ciclul de inferenta al unui sistem bazat pe reguli
Functionarea unui sistem bazat pe reguli este formata din executia repetata a unui ciclu de operatii care realizeaza, in esenta, aplicarea unei reguli, deci un pas de inferenta al reprezentarii. Acest ciclu de operatii se numeste ciclu de inferenta al sistemului expert bazat pe reguli de productie si se compune din urmatoarele trei etape: identificare, selectie si executie.
(1) Identificare. In timpul etapei de identificare se compara continutul memoriei de lucru cu baza de cunostinte si regulile care identifica sint grupate de motorul de inferenta in multimea de conflicte. Multimea de conflicte reprezinta multimea regulilor aplicabile intr-un anumit context, context specificat de memoria de lucru.
(2) Selectia. Etapa de selectie consta in selectarea unei reguli din multimea de conflicte, pe baza unui criteriu de selectie. Aceasta etapa se mai numeste si rezolvarea conflictelor.
(3) Executie. In timpul etapei de executie se aplica regula prin executia partii drepte a regulii. Daca partea dreapta a regulii este o concluzie, se adauga faptele din concluzie in memoria de lucru, iar daca partea dreapta este o actiune, se executa aceasta actiune. Actiunea poate indica diverse operatii, cum ar fi: adauga fapte in memoria de lucru, sterge fapte, modifica fapte existente, tipareste mesaje, pune intrebari, opreste procesul de inferenta.
Ciclul de inferenta al unui sistem bazat pe reguli poate fi exprimat, la nivel general, prin urmatorul algoritm.
Algoritm: Functionarea unui sistem bazat pe reguli
1.
2. repeta
2.1. Executa identificare intre ML si BC (partea stinga sau partea dreapta a regulilor si fapte) si creeaza multimea de conflicte a regulilor aplicabile
2.2. Selecteaza o regula dupa un criteriu de selectie
2.3. Aplica regula prin executia partii drepte a regulii pina nu mai sint reguli aplicabile sau memoria de lucru satisface conditia de stare scop sau o cantitate predefinita de efort a fost epuizata sfirsit.
Observatii:
* Forma specifica a algoritmului pentru un sistem sau altul difera in functie de directia de aplicare a regulilor, asa cum se prezinta in Sectiunea 4.2.4.
* Conditia de stare scop a memoriei de lucru este atinsa in momentul in care memoria de lucru contine solutia problemei.
Etapa de identificare are ca scop determinarea acelor reguli care pot fi satisfacute pe baza continutului curent al memoriei de lucru, prin identificarea partii stingi a regulilor cu faptele din memoria de lucru. In cazul in care regulile contin variabile, procesul de identificare este similar cu cel al unificarii expresiilor din calculul cu predicate de ordinul I (Sectiunea 3.3.3), expresia care unifica fiind partea stinga a regulii. Legarile de variabile produse de aceasta unificare influenteaza si variabilele cu aceleasi nume din partea dreapta a regulii deoarece, la fel ca in logica cu predicate de ordinul I, contextul unei variabile este toata regula in care apare variabila. Din cauza prezentei variabilelor in regula, etapa de identificare poate genera pentru o aceeasi regula din baza de cunostinte mai multe reguli in multimea de conflicte, reguli corespunzatoare diverselor instantieri posibile ale variabilelor. Baza de cunostinte poate avea dimensiuni impresionante in cazul rezolvarii unor probleme complexe, fapt ce influenteaza semnificativ atit timpul de identificare, cit si dimensiunea multimii de conflicte. Timpul identificarii regulilor aplicabile poate fi redus prin diverse tehnici cum ar fi partitionarea regulilor sau aplicarea unor algoritmi destepti de identificare, asa cum se va discuta mai tirziu.
Etapa de selectie este cea care stabileste de fapt forma de cautare utilizata de sistemul bazat pe reguli, deci strategia de control. Diversele criterii de selectie a regulilor vor fi prezentate in sectiunea urmatoare. Strategia de control este un element important al ciclului de inferenta al unui sistem bazat pe reguli. Intr-un sistem bazat pe reguli strategia de control are doua componente: stabilirea criteriului de selectie a regulilor din multimea de conflicte si directia de aplicare a regulilor: inlantuirea inainte sau inlantuirea inapoi a regulilor.
Rezolvarea unei probleme de catre un sistem bazat pe reguli este de fapt un proces de cautare a solutiei in care operatorii sint reprezentati de regulile sistemului. In consecinta, toate tehnicile de cautare prezentate in Capitolul 2 pot fi aplicate in cazul sistemelor bazate pe reguli. Din punct de vedere al directiei de aplicare a regulilor, inlantuirea inainte a regulilor corespunde unei reprezentari a solutiei problemei prin spatiul starilor, iar inlantuirea inapoi a regulilor corespunde unei reprezentari prin grafuri SI/SAU a solutiei problemei. Rezolvarea conflictelor se refera la ordinea de selectie si preferarea unui operator fata de alti operatori aplicabili intr-un context dat.
La fel ca in orice problema de cautare, strategia unui sistem bazat pe reguli poate fi irevocabila, i.e. fara posibilitatea revenirii in stari anterioare, sau tentativa, i.e. se aplica regula dar se mentine informatia necesara unei posibile reveniri in punctul anterior aplicarii regulii. De asemenea, strategia sistemului poate avea un grad de informare mai mare sau mai mic, daca exista cunostinte suficiente pentru a alege regulile potrivite, sau poate fi complet neinformata, caz in care selectia se face conform unei ordini stabilite a priori.
Costul computational al rezolvarii unei probleme utilizind reguli de productie implica, pe linga costul controlului si cel al aplicarii regulilor, si costul procesului de identificare. In urma studiilor efectuate, s-a observat ca identificarea este etapa cea mai consumatoare de timp din ciclul de inferenta al unui sistem bazat pe reguli. Ponderea costului controlului (selectiei) regulilor si a costului aplicarii (executiei) regulilor in costul total este similara celei descrise de graficul din Figura 2.7 (Capitolul 2).
4.2.3 Criterii de selectie a regulilor
Rezultatul etapei de identificare este multimea de conflicte, deci multimea tuturor regulilor care au identificat cu descrierea starii curente a rezolvarii problemei, descriere continuta in memoria de lucru. Rezolvarea conflictelor din etapa de selectie are rolul alegerii uneia sau mai multor reguli care vor fi aplicate. Exista diverse criterii de selectie, prezentate in continuare.
(a) Selectia primei reguli aplicabile
Considerind ordinea fizica a regulilor din baza de cunostinte, se alege prima regula aplicabila, deci prima care a identificat, si se aplica acea regula. In acest caz, nu se creeaza de fapt o multime de conflicte, regimul de control fiind un control numit focalizarea atentiei. Aceasta strategie este aplicata de exemplu, de sistemul Prolog si corespunde unei strategii de tip "backtracking".
(b) Alegerea unei reguli din multimea de conflicte
In acest caz se foloseste o tehnica explicita de rezolvare a conflictelor pentru a decide asupra regulii de aplicat. Preferintele in alegerea unei reguli se pot baza pe natura regulilor, pe natura faptelor (obiectelor) identificate, pe starile urmatoare generate sau pe utilizarea unor cunostinte de control exterioare cunostintelor specifice domeniului, metaregulile. Aceasta strategie este de fapt cunoscuta sub numele de rezolvarea conflictelor. Preferintele de alegere a regulilor din multimea de conflicte pot fi:
(b.1) Preferinte bazate pe natura regulilor
Unul din cazurile cele mai intilnite este acela al preferintei regulilor cu specificitate mai mare. O regula R1 are o specificitate mai mare decit o alta regula R2 daca:
* multimea de conditii ale regulii R1 include multimea de conditii ale regulii R2, deci este un superset al acesteia;
* conditiile regulii R1 sint aceleasi cu cele ale regulii R2, dar conditiile regulii R1 refera valori constante, in timp ce acelea ale lui R2 refera variabile.
Utilizarea acestui criteriu este justificata deoarece se considera ca o regula cu specificitate mai mare poate descrie cu o mai mare acuratete caracteristicile starii curente, deci are mai multe sanse din punct de vedere al avansului spre solutie. Un alt criteriu de preferinta este acela al momentului folosirii anterioare a regulii, in sensul ca se prefera regula cea mai recent folosita sau regula folosita cel mai de demult. Aceste alegeri sint asemanatoare criteriilor MRU si LRU din mecanismele de paginare a memoriei folosite in sistemele de operare.
Reducerea multimii de conflicte poate fi realizata prin partitionarea regulilor in diverse clase, fiecare clasa fiind definita prin contextul de aplicare al regulii. Aceasta partitionare a bazei de reguli se realizeaza de obicei prin introducerea unei prime conditii in fiecare regula care specifica contextul (starea memoriei de lucru) de aplicare a regulii, asa cum se va explica in Sectiunea 4.3.1.
De multe ori, rezolvarea conflictelor se face prin aplicarea mai multor criterii in scopul eliminarii, pe cit posibil, a ambiguitatilor. De exemplu, in sistemul OPS5 aCooper,Wogrin,1988i rezolvarea conflictelor se face pe baza partitionarii regulilor, a specificitatii regulilor, a eliminarii instantelor de reguli care au fost deja aplicate, plus un criteriu de preferinta bazata pe obiecte, acela al regulii care a identificat faptul cel mai recent introdus in memoria de lucru.
(b.2) Preferinte bazate pe obiectele identificate
Se pot atasa factori de merit faptelor din memoria de lucru si a celor din baza de cunostinte si se vor prefera regulile care identifica faptele cu factori de merit maxim. O alta posibilitate este preferarea celui mai recent fapt identificat, criteriu amintit anterior si folosit in OPS5.
(b.3) Preferinte bazate pe stari
Daca exista mai multe reguli in multimea de conflicte, se pot aplica temporar toate aceste reguli, generindu-se astfel in memoria de lucru diverse stari urmatoare. Apoi, pe baza unei functii euristice de evaluare a starilor rezultate, se alege ca regula preferata acea regula care a generat o stare cu valoarea maxima (minima) a functiei euristice. Aceasta abordare ar trebui sa fie deja familiara cititorului constiincios deoarece este identica cu strategia de control euristica de tip "best-first", strategie prezentata in Capitolul 2.
(b.4) Utilizarea metaregulilor
Anumite criterii de selectie a regulilor din multimea de conflicte pot fi exprimate explicit tot sub forma de reguli. Cunostintele inglobate in acest tip de reguli se numesc cunostinte de control si fac parte din categoria metacunostintelor. Ele se numesc metacunostinte deoarece nu sint cunostinte care caracterizeaza domeniul problemei de rezolvat ci sint cunostinte despre cunostinte. Modelul regulilor de productie ofera avantajul posibilitatii exprimarii acestor metacunostinte in acelasi fel ca si cunostintele domeniului, i.e. sub forma de reguli. Acest lucru este considerat un avantaj deoarece interpretorul de reguli poate fi folosit atit pentru aplicarea regulilor, cit si a metaregulilor. Cunostintele de control pot lua diverse forme, de exemplu:
* cunostinte despre ce stari sint preferate fata de altele
* cunostinte despre ce reguli trebuie preferate in anumite situatii
* cunostinte despre ordinea in care trebuie realizate scopurile
* cunostinte despre secvente utile de reguli care pot fi aplicate.
Urmatoarea schema generala de regula prezinta cititorului exemplele unor metareguli de preferare a regulilor in anumite situatii aDavis,1980i. daca o regula are conditiile A si B si regula refera Anu referaS X
A de loc/ numai in partea stinga/ numai in partea dreapta S atunci regula va fi in special utila
A probabil utila/ probabil inutila/ sigur inutila S
Unul dintre cele mai cunoscute sisteme care include metacunostinte despre secvente de reguli util de aplicat este sistemul SOAR aLaird,s.a.,1987i.
(c) Aplicarea tuturor regulilor din multimea de conflicte
O astfel de strategie aplica toate regulile din multimea de conflicte si produce mai multe stari care vor fi memorate si prelucrate independent. Ea se numeste strategie de tipul "incearca toate regulile" si poate fi aplicata in cazul in care se poate evita un cost ridicat al exploziei combinationale. Criteriul "incearca toate regulile" se aplica, in general, in cazul sistemelor bazate pe reguli cu rationament incert. In acest tip de sisteme, toate datele (faptele) au asociat un coeficient de certitudine care indica increderea sistemului in acele valori, iar sistemul calculeaza noi coeficienti de certitudine pentru datele nou inferate. Executia unor secvente de reguli diferite, pornind de la aceeasi stare, poate duce la deductia unor date diferite, fiecare avind insa asociat un alt coeficient de certitudine. Un astfel de sistem bazat pe reguli este sistemul MYCIN despre care se va vorbi in Sectiunea 4.3.2, Capitolul 5 si Capitolul 7.
4.2.4 Directia de aplicare a regulilor
A doua componenta a strategiei de control a unui sistem bazat pe reguli este directia de aplicare a regulilor. Regulile pot fi aplicate utilizind inlantuirea inainte prin identificarea partii stingi a regulii cu memoria de lucru, sau utilizind inlantuirea inapoi prin identificarea partii drepte a regulii cu memoria de lucru si incercarea satisfacerii partii stingi a regulii. Cele doua abordari sint prezentate sintetic in Figura 4.2.

Figura 4.2 Inlantuirea executiei regulilor de productie
Ideea functionarii sistemelor cu inlantuire inainte, respectiv inlantuire inapoi, poate fi explicata si facind o paralela cu teoria limbajelor formale. Considerind urmatoarea gramatica, data sub forma de reguli de productie: , , , identificarerea partii stingi a unei multimi de reguli cu o baza de date (memorie de lucru) care contine simbolul de start S, produce un generator de propozitii din limbajul specificat de gramatica, iar identificarea partii drepte a aceleiasi multimi de reguli cu baza de date produce o metoda de recunoastere (un acceptor) pentru acest limbaj.
Exemplu. Fie urmatorul set de reguli de productie:
R1: daca A si B atunci C
R2: daca C atunci D
R3: daca E atunci B
R4: daca A si E atunci C
Memoria de lucru contine initial faptele A si E care reprezinta datele de caz ale instantei problemei de rezolvat, si starea scop D, D reprezentind solutia cautata.
Aplicind inlantuirea inainte a regulilor se poate gasi secventa de reguli R3, R1, R2, prezentata in Figura 4.3 (a), care produce in memoria de lucru stare scop D cautata. Considerind toate regulile aplicabile la un moment dat, exemplul genereaza arborele de cautare in spatiul starilor din Figura 4.3 (b). Se observa ca starea initiala, definita prin continutul A, E al memoriei de lucru, creeaza multimea de conflicte AR4, R3S. Fiecare aplicare de regula, pe o cale de cautare, va adauga noi fapte la memoria de lucru astfel incit, in final, aceasta contine fie secventa A, E, C, D fie A, E, B, C, D. Din spatiul de cautare al solutiei s-au eliminat aplicarile de reguli care nu modifica continutul memoriei de lucru, de exemplu nu s-a figurat regula R4 care s-ar fi putut aplica secventei A, E, C dar care nu ar fi produs nici o schimbare.

Figura 4.3 Inlantuirea inainte a regulilor de productie
Aplicind inlantuirea inapoi a regulilor de productie, se incearca satisfacerea scopului D prin aplicarea unei reguli care mentioneaza in concluzie D. O astfel de regula este R2. Pentru ca R2 sa poata fi executata trebuie ca memoria de lucru sa contina faptele care satisfac premisa regulii. Pentru aceasta trebuie indeplinite scopurile din premisa, deci cautate regulile care refera aceste scopuri in concluzie. In cazul in care nu exista astfel de reguli, fie faptele sint deja in memoria de lucru, si regula poate fi direct aplicata, fie, in caz contrar, se solicita utilizatorului informatii despre adevarul acestor fapte. O posibila secventa de satisfacere a scopului D prin aplicarea inlantuirii inapoi a regulilor este prezentata in Figura 4.4 (a). Daca se considera toate posibilitatile de satisfacere a scopului D se obtine arborele SI/SAU din Figura 4.4 (b).

Figura 4.4 Inlantuirea inapoi a regulilor de productie
Revenind la exemplul mozaicului de opt numere prezentat in Capitolul 2, problema poate fi reformulata prin definirea unor reguli de productie. Presupunind ca patratele mozaicului sint numerotate de la 1 la 9, de-a lungul liniilor, se pot defini reguli de tipul
R1: daca Patratul 1 este vid si Patratul 2 contine numarul N atunci Patratul 2 devine vid si Patratul 1 contine numarul N
R2: daca Patratul 1 este vid si Patratul 4 contine numarul N atunci Patratul 4 devine vid si Patratul 1 contine numarul N
. . .
Regula R1 corespunde operatorului de deplasare a patratului liber DREAPTA, iar regula R2 operatorului JOS. Rezolvind problema prin aplicarea inlantuirii inainte a regulilor, memoria de lucru contine la inceput descrierea starii initiale in termenii continutului fiecarui patrat de la 1 la 9: numar sau vid. Se aplica regulile care identifica memoria de lucru, N fiind o variabila ce poate fi instantiala la orice numar de la 1 la 9. In acest caz, partea dreapta a regulilor are efectul de a modifica continutul memoriei de lucru prin eliminarea unor fapte si adaugarea de noi fapte. In momentul in care memoria de lucru satisface conditia de stare finala, i.e. contine configuratia corespunzatoare starii finale, problema este rezolvata.
Rezolvind problema prin aplicarea inlantuirii inapoi a regulilor, memoria de lucru este initializata la starea finala. Se cauta acele reguli ale caror concluzii produc descrierea starii finale si se genereaza arborele SI/SAU corespunzator pina in momentul in care se ajunge la o multime de ipoteze de reguli care sint satisfacute de descrierea starii initiale. Regulile de tipul celor indicate mai sus reprezinta o formulare ineficienta a tranzitiilor posibile in problema deoarece trebuie specificata cite o regula pentru fiecare posibila pereche de patrate. Inlocuind constantele Patratul1, Patratul2, etc., cu variabilele PatratulX, PatratulY si adaugind in partea stinga a regulii o conditie suplimentara referitor la pozitia relativa a celor doua patrate, se obtine un set de reguli redus, deci o reprezentare mai eficienta. Se propune cititorului formularea acestei noi multimi de reguli.
Observatii:
* Asa cum s-a spus si in Sectiunea 4.2.2, inlantuirea inainte a regulilor pentru rezolvarea problemei corespunde unei cautari in spatiul starilor, in timp ce inlantuirea inapoi a regulilor corespunde unei cautari in grafuri SI/SAU.
* Spre deosebire de modelele de cautare prezentate in Capitolul 2, aceleasi reguli pot fi aplicate atit folosind inlantuirea inainte, cit si inlantuirea inapoi, asa cum se vede din exemplul anterior. Alegerea unei directii de aplicare a regulilor sau a alteia este importanta. In functie de topologia spatiului de cautare, cautarea intr-o directie sau alta poate fi semnificativ mai eficienta decit cautarea in cealalta directie.
* Etapa de identificare a ciclului de inferenta al unui sistem bazat pe reguli este mult mai complexa in cazul inlantuirii inainte decit in cazul inlantuirii inapoi. Au fost dezvoltate diverse tehnici pentru reducerea timpului necesar acestei etape, cum ar fi de exemplu algoritmul RETE, de identificare rapida a obiectelor multiple cu sabloane multiple aFogy,1982i, algoritm folosit in sistemul OPS5.
Exista sisteme bazate pe reguli care utilizeaza ambele directii de aplicare a regulilor. In general, in astfel de sisteme, anumite reguli se aplica folosind inlantuirea inainte, iar alte reguli se aplica folosind inlantuirea inapoi, regulile fiind marcate fie ca "reguli inainte", fie ca "reguli inapoi". Strategia de control a unui astfel de sistem trebuie sa poata comuta intre o directie si alta, in functie de tipul regulii care a identificat.
4.3 Paradigme de sisteme bazate pe reguli
In aceasta sectiune se prezinta citeva exemple de sisteme bazate pe reguli impreuna cu algoritmii de baza ai structurilor de control asociate. Exemplele prezentate sint didactice si foarte simple, avind ca principal scop explicarea functionarii acestor sisteme in termenii unei complexitati de prezentare rezonabile. Cu toate acestea, exemplele sint inspirate din arhitecturile functionale ale unor sisteme reale foarte cunoscute si aplicate cu succes in rezolvarea unor probleme dificile, care necesita expertiza umana.
4.3.1 Sisteme cu inlantuire inainte a regulilor
Functionarea unui sistem cu inlantuire inainte a regulilor urmareste algoritmul general al ciclului de inferenta prezentat in Sectiunea 4.2.2. Particularitatea rezolvarii problemelor intr-un astfel de sistem poate fi descrisa prin urmatorul algoritm de obtinere a valorii unui obiect sau a unui atribut al unui obiect. In algoritm se noteaza cu A obiectul sau atributul obiectului pentru care se incearca determinarea valorii.
Algoritm: Determinarea unei valori cu inlantuire inainte a regulilor

1. daca A are valoare atunci intoarce SUCCES
2. Construieste multimea de conflicte, MC
3. intoarce sfirsit.

1. daca atunci intoarce INSUCCES
2. Alege o regula dupa un criteriu de selectie
3. pentru fiecare ipoteza a premisei regulii R executa
3.1. Determina adevarul lui Ij
4. daca toate ipotezele sint satisfacute atunci
4.1. Adauga faptul din concluzia regulii R la ML
4.2. daca A are valoare atunci intoarce SUCCES
5.
6. intoarce sfirsit.
Observatie. Algoritmul dat nu specifica criteriul de selectie a regulilor de executat din multimea de conflicte. Se poate folosi unul sau mai multe dintre criteriile prezentate in Sectiunea 4.2.3. Diversele detalii si forme particulare ale algoritmului difera de la un sistem la altul.
Exemplul prezentat in continuare va crea o imagine sugestiva a functionarii unui sistem bazat pe reguli cu inlantuire inainte. Se considera problema ambalarii unor obiecte pentru a fi trimise la organizarea unei expozitii. Fiecare obiect este descris printr-o serie de atribute care sint specificate in baza de cunostinte ca fapte initiale. Un obiect care trebuie ambalat are urmatoarele atribute: nume, greutate, dimensiune si fragilitate, care sint atribute cu valori predefinite pentru fiecare obiect. In plus, un obiect are un atribut numit impachetat cu valorile nu, respectiv da, corespunzator starii obiect impachetat intr-o cutie sau nu. Baza de cunostinte contine urmatoarele tipuri de reguli de rezolvare a problemei:
* reguli care se refera la criteriile de ambalare a obiectelor, de exemplu: nu se pune un obiect greu peste unul usor, se incearca intii ambalarea obiectelor mai mari, etc.
* reguli pentru considerarea unei noi cutii de ambalaj cind cea precedenta este completa
* reguli de verificare a completitudinii setului de obiecte trimise in expozitie.
In rezolvarea problemei se pot distinge mai multi pasi sau etape de rezolvare independente. De exemplu, exista o etapa in care se verifica completitudinea decorului, o etapa in care se ambaleaza obiectele mari, o etapa pentru ambalarea obiectelor de dimensiune medie si o ultima etapa pentru ambalarea celor de dimensiune mica. Problemele care prezinta aceasta caracteristica au avantajul posibilitatii partitionarii spatiului de cautare in subspatii de cautare distincte, deci reducerea efortului de cautare prin reducerea multimii de conflicte a regulilor aplicabile la un moment dat. Regulile se patitioneaza in submultimi distincte, fiecare submultime de reguli referindu-se la o anumita etapa de rezolvare a problemei si fiecare regula continind in premiza o ipoteza ce verifica etapa din care face parte regula. Aceasta abordare este de fapt o modalitate de indexare a regulilor care permite reducerea efortului necesar etapei de identificare.
La inceperea executiei, memoria de lucru a sistemului este initializata cu datele de caz ale problemei particulare de rezolvat, respectiv obiectele de impachetat descrise prin valorile de atribute. Tot in memoria de lucru se depune informatia de stare asupra rezolvarii problemei: etapa initiala, ambalajul curent si lista obiectelor de impachetat. Continutul memoriei de lucru este prezentat in Figura 4.5.

Figura 4.5 Continutul initial al memoriei de lucru la ambalarea obiectelor
Fiecare regula din baza de cunostinte testeaza numele etapei. Exemple de reguli din prima etapa sint:
R11: daca Etapa este Verifica-Decor si exista o statuie si nu exista soclu atunci adauga soclu la Obiecte-Neimpachetate
R17: daca Etapa este Verifica-Decor atunci termina Etapa Verifica-Decor si incepe Etapa Obiecte-Mari
La prima vedere regula R17 pare periculoasa deoarece ar putea fi apelata oricind. Acest lucru nu se intimpla deoarece sistemul functioneaza ordonind regulile din multimea de conflicte dupa criteriul de specificitate al regulilor, deci regula R17 va fi ultima regula aplicabila in etapa Verifica-Decor. Regula R17 va determina o schimbare adecvata in memoria de lucru: continutul atibutului Etapa se modifica la Obiecte-Mari facindu-se astfel comutarea starii sistemului la o noua etapa. Exemple de reguli din etapa Obiecte-Mari sint:
R21: daca Etapa este Obiecte-Mari si exista un obiect mare de ambalat si exista un obiect greu de ambalat si exista o cutie cu mai putin de trei obiecte mari atunci pune obiectul greu in cutie
R22: daca Etapa este Obiecte-Mari si exista un obiect mare de ambalat si exista o cutie cu mai putin de trei obiecte mari atunci pune obiectul mare in cutie
Obiectele mari sint ambalate primele in cutii dar, daca exista un obiect greu, acesta este ambalat primul. Tot pe baza criteriului de specificitate, regula R21 se executa inaintea regulii R22, desi ambele reguli sint aplicabile intr-un context dat. Tot in aceasta Etapa trebuie sa mai existe o regula pentru alegerea unei noi cutii in cazul in care cutia curenta s-a umplut si o regula pentru parasirea etapei Obiecte-Mari si inceperea etapei Obiecte-Medii. Aceste reguli sint:
R28: daca Etapa este Obiecte-Mari si exista un obiect mare de pus atunci foloseste o cutie noua
R29: daca Etapa este Obiecte-Mari atunci termina Etapa Obiecte-Mari si incepe Etapa Obiecte-Medii
Memoria de lucru in acest moment va inregistra urmatoarele modificari:

Observatii:
* Regulile din acest exemplu sint formulate in limbaj natural fara a tine cont de o sintaxa specifica a unui limbaj bazat pe reguli.
* Se observa ca regulile se refera la obiecte generice (variabile) care vor fi instantiate in faza de identificare. De exemplu, "obiect mare de pus" din regula R22 sta pe postul unei variabile si se instantiaza la obiectul particular Statuie.
* Partea dreapta a regulilor poate adauga elemente la memoria de lucru, poate sterge sau modifica valori din memoria de lucru sau poate comuta intr-o noua Etapa.
* Un posibil criteriu de oprire al sistemului, deci detectarea starii scop, ar fi momentul in care toate obiectele au atributul impachetat egal cu da.
Modelul de rezolvare al acestei probleme este inspirat din functionarea unuia dintre cele mai de succes sisteme expert, sistemul R1/XCON aMcDermott,1982i realizat pentru configurarea comenzilor de calculatoare VAX ale firmei DEC. Sistemul a fost implementat in limbajul OPS5, si va fi prezentat in Capitolul 7. Un exemplu de problema similara poate fi gasit in Winston a1984i.
4.3.2 Sisteme cu inlantuire inapoi a regulilor
Intr-un sistem cu inlantuire inapoi a regulior de productie functionarea se porneste de la scopul de demonstrat sau de aflat. De obicei acest scop este aflarea valorii unui obiect sau a unui atribut al unui obiect. Particularitatea rezolvarii problemelor intr-un astfel de sistem poate fi descrisa prin algoritmul urmator.
Algoritm: Determinarea unei valori cu inlantuirea inapoi a regulilor

1. Construieste multimea regulilor care refera A in concluzie, MC
2. daca /* nu exista nici o regula care sa deduca valoarea lui A */ atunci
2.1. Intreaba utilizatorul valoarea lui A
2.2. daca se cunoaste valoarea lui A atunci depune in ML aceasta valoare
3. altfel
3.1. Alege o regula dupa un criteriu de selectie
3.2. pentru fiecare ipoteza , a premisei lui R executa
3.2.1. Fie Aj atributul referit de ipoteza Ij
3.2.2. daca Aj are valoare atunci atunci evalueaza adevarul ipotezei Ij
3.2.3. altfel i. daca atunci evalueaza adevarul ipotezei Ij ii. altfel considera ipoteza Ij nesatisfacuta
3.3. daca toate ipotezele sint satisfacute atunci depune in ML valoarea lui A dedusa pe baza concluziei R
4. daca A are valoare atunci intoarce SUCCES
5. intoarce INSUCCES sfirsit.
In anumite sisteme se marcheaza atributele a caror valoare poate fi obtinuta intrebind utilizatorul, acestea avind statut de date primare. In cazul existentei atributelor primare, intii se solicita utilizatorului valoarea atributului si numai daca aceasta valoare nu este cunoscuta se incearca aplicarea regulilor pentru determinarea ei. Pentru a reflecta aceasta modificare, se introduce in algoritm pasul 1' inaintea pasului 1
1'. daca A este data primara atunci
1'.1. Intreaba utilizatorul valoarea lui A
1'.2. daca se cunoaste valoarea lui A atunci intoarce SUCCES
In anumite cazuri, incercarea de a determina valoarea unui atribut data primara cu ajutorul regulilor sistemului este complet abandonata, algoritmul intorcind INSUCCES daca utilizatorul nu cunoaste valoarea unui astfel de atribut. Problema de decizie gastronomica prezentata in continuare va utiliza o astfel de abordare.
In pasul 3.1 al algoritmului se va folosi, de la caz la caz, un criteriu de selectie. In cazul in care se aplica strategia de tipul "incearca toate regulile", pasul 3.1 al algoritmului trebuie inlocuit cu pasul
3.1'. pentru toate regulile executa
In cazul in care se obtin mai multe valori distincte pentru atributul A, acestea se vor cumula in memoria de lucru, asa cum se va vedea in exemplul deciziei gastronomice.
Se considera un sistem bazat pe reguli care functioneaza cu inlantuire inapoi a regulilor. Baza de cunostinte contine urmatoarele reguli:
R1: daca X are par atunci X este mamifer
R2: daca X hraneste puii cu lapte atunci X este mamifer
R3: daca X este mamifer si X are dinti ascutiti si X are falci atunci X este carnivor
R4: daca X este carnivor si X este maroniu si X are pete atunci X este leopard
R5: daca X este carnivor si X este maroniu si X are dungi atunci X este tigru
Scopul de demonstrat este "Ce este X?". Pentru acesta se cauta regulile care refera in concluzie tipul lui X; acestea sint R5 si R4. Se incearca aplicarea regulii R5, pentru care se incearca aplicarea regulii R3, pentru care se incearca aplicarea regulilor R1 si R2. Deoarece nu mai exista reguli care sa refere atributele premiselor regulilor R1 si R2, se intreaba daca X are par si la raspunsul afirmativ al utilizatorului, se indeplineste regula R1 si se revine la validarea ipotezelor regulii R3. Presupunind ca utilizatorul raspunde in consecinta, se incearca satisfacerea restului conditiilor regulii R4. Daca utilizatorul raspunde ca X este maroniu si are dungi, regula R4 nu este satisfacuta, dar se indeplineste regula R5, deci tipul lui X este tigru. Se observa ca in cazul in care nu exista nici o regula care sa refere in concluzie un atribut din ipoteza regulii curente de verificat, se intreaba utilizatorul. Sistemul ar fi putut functiona si cu introducerea a o parte (sau toate) din datele initiale ale problemei in memoria de lucru; in acest caz utilizatorul ar fi fost intrebat numai despre valorile de atibut care nu sint prezente in memoria de lucru.
In continuare se prezinta un exemplu de progam bazat pe reguli cu inlantuire inapoi care foloseste strategia de tip "incearca toate regulile". Un sistem care foloseste o astfel de strategie se mai numeste si sistem cu acumulare de probe. Se pune problema unei decizii gastronomice in care se cere alegerea vinului potrivit pentru un meniu cu componente specificate de utilizator. Aceasta problema prezinta o caracteristica intilnita si in alte probleme de decizie sau diagnosticare, cum ar fi diagnosticul medical, si anume existenta unei incertitudini asupra valorilor corecte de atribute. De exemplu, daca meniul contine sos alb, se poate combina atit un vin sec cit si un vin demisec. Pentru a modela aceasta incertitudine, se asociaza valorilor din sistem o masura a increderii, numita factor de certitudine sau coeficient de certitudine, notat cu CF.
Cunostintele sint reprezentate sub forma de obiect-atribut, si valorile asociate atributelor, si sub forma de reguli care refera obiectele si atributele din baza de cunostinte. Aceasta inseamna ca, pe linga reguli, baza de cunostinte contine fapte reprezentate sub forma de triplete atribut-obiect-valoare. Atributele obiectelor pot fi de doua tipuri: monovaloare si multivaloare. Un atribut monovaloare este un atribut care, in final, va avea o singura valoare asociata, de exemplu culoarea vinului. Este evident ca un vin nu poate avea mai multe culori in acelasi timp. Atributele multivaloare sint atributele care in final pot avea mai multe valori, toate admisibile. De exemplu, atributul vin poate avea mai multe valori (chardonnay, riesling), interpretarea acestor valori fiind aceea ca sistemul a indicat mai multe posibilitati de vinuri care se potrivesc la meniul indicat.
Exemplul prezentat este un model tipic de rationament incert sau statistic. Rationamentul incert implementat foloseste coeficientii de certitudine asociati faptelor in doua moduri:
* Valoarea fiecarui atribut este memorata impreuna cu coeficientul de certitudine asociat, coeficientul de certitudine indicind increderea sistemului in acea valoare. Coeficientii de certitudine sint valori pozitive in intervalul a0,1i. De exemplu, indica faptul ca vinul potrivit este Chardonnay cu increderea 0.8 si Riesling cu increderea 0.6.
* O regula poate avea asociat un coeficient de certitudine care indica increderea sistemului in concluzia regulii, in cazul in care premisa este adevarata. De exemplu, regula: daca sos-meniu = sos-alb atunci culoare-vin = alba 0.6 indica increderea de 0.6 in faptul ca un vin alb se potriveste unui meniu cu sos alb. Daca regulile nu au un coficient de certitudine asociat, acesta se considera implicit 1, indicind incredere totala in concluzie.
Continutul bazei de cunostinte a problemei deciziei gastronomice este prezentat in continuare, utilizind o sintaxa asemanatoare celei din sistemului bazat pe reguli M1.
R11: daca componenta-meniu = curcan atunci culoare-vin = rosie 0.7 si culoare-vin = alba 0.2
R12: daca componenta-meniu = peste atunci culoare-vin = alba
R13: daca sos-meniu = sos-alb atunci culoare-vin = alba 0.6
R14: daca componenta-meniu = porc atunci culoare-vin = rosie
R21: daca sos-meniu = sos-alb atunci tip-vin = sec 0.8 si tip-vin = demisec 0.6
R22: daca sos-meniu = sos-tomat atunci tip-vin = dulce 0.8 si tip-vin = demisec 0.5
R23: daca sos-meniu = necunoscut atunci tip-vin = demisec
R24: daca componenta-meniu = curcan atunci tip-vin = dulce 0.6 si tip-vin = demisec 0.4
R31: daca culoare-vin = rosie si tip-vin = dulce atunci vin = gamay
R32: daca culoare-vin = rosie si tip-vin = sec atunci vin = cabernet-sauvignon
R33: daca culoare-vin = rosie si tip-vin = demisec atunci vin = pinot-noir
R34: daca culoare-vin = alba si tip-vin = dulce atunci vin = chenin-blanc
R35: daca culoare-vin = alba si tip-vin = sec atunci vin = chardonnay
R36: daca culoare-vin = alba si tip-vin = demisec atunci vin = riesling scop(vin) /* se indica atributul a carei valoare trebuie aflata */ monovaloare(componenta-meniu) monovaloare(culoare-vin) monovaloare(sos-meniu) multivaloare(tip-vin) multivaloare(vin) valori-legale(componenta-meniu) = acurcan, peste, porci /* domeniul de valori */ valori-legale(sos-meniu) = asos-alb, sos-tomati valori-legale(tip-vin) = asec, demisec, dulcei valori-legale(vin) = agamay, cabernet-sauvignon, pinot-noir, chenin-blanc,chardonnay, rieslingi valori-legale(culoare-vin) = arosie, albai
Se considera existenta unui interpretor de reguli pentru aceasta baza de cunostinte, interpretor care lucreaza cu inlantuirea inapoi a regulilor si acumulare de probe. Pe parcursul rezolvarii problemei un atribut monovaloare poate avea mai multe valori competitive, cu diversi coeficienti de certitudine asociati, dar in final se va selecta o singura valoare pentru acesta. Daca se deduce o valoare cu coeficientul 1 (sigura) pentru un atribut monovaloare se abandoneaza acumularea de valori pentru acel atribut si nu se mai incearca aplicarea altor reguli alternative care il refera.
Atributele multivaloare pot avea mai multe valori posibile asociate, atit pe parcursul rezolvarii, cit si in final deci in solutia problemei. Se presupune ca interpretorul de reguli intreaba utilizatorul ori de cite ori intilneste un atribut care nu este referit de nici o regula. Deci orice atribut care nu apare in concluzia unei reguli este considerat data primara.
Pe linga acestea, motorul de inferenta realizeaza o forma de rationament incert pe baza coeficientilor de certitudine asociati valorilor de atribute din memoria de lucru si regulilor din sistem. Regulile de inferenta incerta sint urmatoarele:
(1) Coeficientul de certitudine asociat valorii de atribut dedusa de o regula R este egal cu produsul dintre coeficientul de certitudine al premisei regulii ( ) si coeficientul de certitudine asociat regulii (CFR):

(2) Coeficientul de certitudine al premisei unei reguli R este valoarea minima a coeficientilor de certitudine asociati fiecarei ipoteze Ij din premisa acelei reguli. Coeficientul de certitudine al unei ipoteze este stabilit de procesul de identificare a regulii cu memoria de lucru si este egal cu coeficientul valorii de atribut care a satisfacut ipoteza. Factorul de corectitudine al intregii premise se calculeaza astfel:

(3) Daca un atribut A are deja o valoare V cu un coeficient de certitudine CF1 in memoria de lucru, si pe o ramura de deductie alternativa, se obtine aceeasi valoare V pentru atributul A cu un coeficient de certitudine CF2, memoria de lucru este actualizata, valoarea V avind un coeficient de certitudine asociat CF pe baza formulei:

In continuare se urmareste functionarea exemplului utilizind interpretorul de reguli descris, pentru cazul in care utilizatorul doreste aflarea vinului recomandat unui meniu care contine peste si sos-alb. Scopul de satisfacut este vin. Regulile care refera vin in concluzie sint R31*R36. Pentru a satisface aceste reguli trebuie satisfacute subscopurile culoare-vin si tip-vin. Regulile care refera culoare-vin in concluzie sint R11*R14. Pentru a satisface R11 sistemul intreaba utilizatorul valoarea atributului componenta-meniu, intrebare la care utilizatorul raspunde peste. In acest moment R11 nu este satisfacuta, dar R12 reuseste si se adauga in memoria de lucru faptul
(culoare-vin alb 1)
Deoarece culoare-vin este un atribut monovaloare pentru care s-a dedus o valoare cu factor de certitudine 1, se opreste acumularea de valori pentru acest atribut. Se continua cu satisfacerea scopului tip-vin care apare in concluziile regulilor R21*R24. Pentru a satisface regula R21 se intreaba utilizatorul valoarea atributului sos-meniu si se primeste raspunsul sos-alb. Regula R21 reuseste si adauga la memoria de lucru faptul
(tip-vin sec 0.8 demisec 0.6)
Se observa aplicarea regulii (1) de inferenta incerta care asociaza coeficientul de certitudine valorilor de atribut deduse. Se incearca aplicarea celorlalte reguli care refera tip-vin in concluzie, respectiv R22, R23 si R24, dar nici una nu reuseste. Se revine apoi la satisfacerea scopului vin, deci a regulilor R31*R36. Prima regula dintre acestea care reuseste este R35, regula care ar trebui sa adauge in memorie faptul (vin chardonnay). Tinind cont de regulile de inferenta (1)*(2) faptul adaugat este
(vin chardonnay 0.8)
Deoarece vin este un atribut monovaloare, se continua acumularea de valori si se incearca si ultima regula care refera vin in concluzie, R36. Pe baza acestei reguli, care reuseste, si utilizind regulile de inferenta (1)*(2), se actualizeaza memoria de lucru cu faptul
(vin chardonnay 0.8 riesling 0.6)
Deoarece nu mai exista reguli aplicabile, sistemul se opreste si raspunsul este vin = chardonnay 0.8 riesling 0.6
Observatii:
* Exemplul prezentat are o functionare relativ similara cu modul de rezolvare a problemelor din sistemul MYCIN, sistem care va fi prezentat in Capitolul 7. Diversele simplificari facute fata de modelul MYCIN sint simplificari prezente in sistemul bazat pe reguli independent de domeniu M1.
* Rationamentul incert utilizat in exemplu este de asemenea inspirat din modelul de rationament incert al sistemului MYCIN. Capitolul urmator este in intregime dedicat problematicii rationamentului incert in inteligenta artificiala.
4.3.4 Sisteme bazate pe agenda
Structura de control a anumitor sisteme bazate pe reguli nu foloseste nici inlantuirea inainte nici inlantuirea inapoi a regulilor, ci o strategie de control de tip agenda. Aceasta strategie este in special utila in cazul in care se foloseste un criteriu de selectie a regulilor bazat pe preferinta starilor, deci o functie euristica de evaluare. Un exemplu de astfel de sistem este programul AM aLenat,1983;Lenat,Brown,1984i care descopera concepte in matematica elementara si in teoria multimilor.
O agenda este o lista de sarcini pe care sistemul trebuie sa le execute. O sarcina poate fi executia unei reguli, dar si executia altor actiuni, cum ar fi executia unui pachet de reguli, a instantierii unui obiect sau a unei multimi de obiecte, executia unei metareguli.
Intr-o agenda, fiecare sarcina are asociate cel putin doua informatii: prioritatea sarcinii, care reprezinta estimarea meritului ei pe baza unei functii euristice si o lista de motive (justificari) pentru care acea sarcina trebuie executata. Strategia de control de tip agenda selcteaza la fiecare ciclu de executie sarcina cea mai interesanta, adica cu prioritatea cea mai mare. Aceasta este executata si, ca urmare, noi sarcini pot fi generate si introduse in agenda. Acest mecanism corespunde selectiei nodului celui mai promitator intr-o strategie de control de tip "best-first". Spre deosebire de strategia "best-first", o strategie de tip agenda permite evaluarea meritului combinat al diverselor cai catre un nod. De exemplu, in sistemul AM faptul ca mai multe cai diferite indica executia aceleiasi sarcini este important. Fiecare cale aduce un motiv in plus pentru cresterea prioritatii acelei sarcini. Agenda folosita de sistemul AM permite inregistrarea sarcinilor propuse impreuna cu motivele pentru care acestea au fost propuse. In plus, o strategie de tip agenda poate permite modificarea dinamica a modului de selectie a sarcinilor din agenda, deci utilizarea cunostintelor de control, exprimate pentru un sistem bazat pe reguli sub forma de metareguli. Un sistem bazat pe agenda urmareste, in mare, algoritmul urmator:
Algoritm: Strategia de control de tip "agenda"
1. Initializeaza agenda cu sarcina de executat
2. repeta
2.1. Selecteaza sarcina cu prioritate maxima, T
2.2. Executa sarcina T in limitele unor resurse de timp si spatiu determinate de importanta lui T
2.3. pentru fiecare noua sarcina , generata de T executa
2.3.1. daca Ti este deja in agenda atunci i. Fie T'i copia lui Ti din agenda ii. daca justificarile lui T'i nu includ justificarea lui Ti atunci adauga justificarea lui Ti justificarilor lui T'i iii.
2.3.2. altfel adauga Ti si justificarea asociata in agenda
2.3.3. Calculeaza prioritatea sarcinii Ti pe baza justificarilor asociate pina agenda satisface conditia de stare finala sau agenda este vida sfirsit.
Observatii:
* O sarcina in agenda poate fi reprezentata in diverse forme. O sarcina poate fi o indicatie explicita a ceea ce trebuie sa se execute in continuare sau o indicatie a starii urmatoare de expandat.
* Fiecarei sarcini din agenda i se asociaza o cantitate limitata de resurse de timp si/sau spatiu, in functie de prioritatea sarcinii.
* Nu toate justificarile sarcinilor au pondere egala. Uneori este necesar sa se asocieze fiecarei justificari o masura a importantei ei. Aceste masuri sint combinate in pasul 2.3.3 pentru a produce prioritatea asociata sarcinii.
O problema importanta care apare in sistemele bazate pe agenda este aceea a determinarii sarcinii cu prioritate maxima in fiecare ciclu de executie. O posibilitate este aceea de a mentine tot timpul agenda sortata dupa prioritatea sarcinilor si de a introduce fiecare noua sarcina la locul potrivit. Daca prioritatea unei sarcini se schimba, agenda trebuie sortata din nou. Aceasta abordare poate determina insa un consum mare de timp pentru mentinerea agendei sortate in permanenta. O strategie putin modificata poate determina, din cind in cind, omiterea executiei unor sarcini cu prioritate mare, dar reduce timpul de gestiune a agendei. In aceasta abordare, la generarea unei noi sarcini se calculeaza prioritatea acesteia si se compara aceasta prioritate numai cu prioritatile primelor citeva sarcini din agenda, de obicei un numar de 5*10. Daca prioritatea noii sarcini are o valoare cuprinsa in limitele prioritatilor acestor citeva sarcini, se introduce sarcina noua la locul potrivit din agenda. In caz contrar, se introduce noua sarcina la sfirsitul agendei sau, daca ea exista deja in agenda, pozitia ei nu se modifica. Din timp in timp se executa o sortare a intregii agende.
Se observa ca mecanismul de agenda ofera o modalitate avantajoasa de focalizare a atentiei pentru sistemele in care functia de evaluare a meritului este complexa. Gestiunea sarcinilor in agenda, insa, este consumatoare de timp. Acest lucru ridica problema granularitatii impartirii problemei in sarcini. Daca dimensiunea sarcinilor este mica, atunci o sarcina (actiune) executata fie va fi cea mai buna, fie se va descoperi repede ca nu este cea mai buna. In acest caz, penalizarea este timpul foarte mare de gestiune a sarcinilor. Daca dimensiunea sarcinilor este mare, se poate consuma timp pentru executia unor sarcini care aparent sint cele mai bune dar ulterior se dovedesc a nu fi asa. In schimb, timpul de gestiune al agendei este mult mai mic. Alegerea dimensiunii optime a sarcinilor depinde de problema.
Exista domenii in care modelul agenda este recomandat. Acest model ofera posibilitatea integrarii intr-un program a unor surse de cunostinte diverse deoarece fiecare sursa de cunostinte nu face decit sa adauge o sarcina in agenda. Din aceasta cauza modelul tabla este foarte potrivit pentru implementarea sistemelor de cunostinte distribuite, asa cum se va prezenta in Capitolul 8. Exista insa probleme pentru care un mecanism de agenda nu este potrivit, de exemplu probleme in care este inacceptabila o comutare a atentiei intre o actiune si alta. Mai precis, modelul agenda este potrivit pentru sistemele de rationament monoton si mai putin potrivit pentru cele de rationament nemonoton.
4.4 Exercitii si probleme
1. Fie urmatoarea baza de cunostinte:
R1: daca A si F R2: daca C atunci M atunci B
R3: daca M R4: daca A si E atunci N atunci C
R5: daca A si E si F R6: daca A si B atunci C atunci N
(a) Sa se indice functionarea unui sistem cu inlantuire inapoi a regulilor pentru aceasta baza de cunostinte in cazul determinarii scopului N cu faptele initiale A,E,F. Se vor considera numai starile distincte ale memoriei de lucru.
(b) Sa se indice functionarea unui sistem cu inlantuire inapoi a regulilor pentru aceasta baza de cunostinte in cazul determinarii scopului N.
(c) Care din directiile de aplicare a regulilor este mai potrivita pentru aceasta baza de cunostinte? Justificare.
2. Sa se scrie setul complet de reguli de productie care descrie problema impachetarii obiectelor pentru expozitie (Se