ARI : Entwicklung von Inferenzkomponenten für wissensbasierte Systeme auf der Grundlage strukturierter Produktionsregelsysteme

Abstract

Gegenstand der Arbeit ist die Konzeption und Implementierung von ARI, einem praktisch einsetzbaren Werkzeug zur Entwicklung von Inferenzkomponenten für wissensbasierte Systeme. Der für ARI gewählte Ansatz integriert einen Produktionsregelformalismus mit Repräsentationsmechanismen auf der Basis objektzentrierter, strukturierter Vererbungsnetzwerke. Zusätzlich werden Wissensstrukturen bereitgestellt, welche die Strukturierung und modulare Organisation von Regelbasen in funktionale Blöcke ("problem-solver") sowie die einheitliche Spezifikation verschiedener Kontroll-mechanismen erlauben. Das Werkzeugsystem ARI wird auf drei verschiedenen Abstraktionsebenen beschrieben. Auf der epistemologischen Ebene können für jeden "problem-solver" geeignete Inferenz- und Kontrollmechanismen spezifiziert werden. Als funktionale Einheiten betrachtet, die gemäß dieser Spezifikation die generische Klasse eines Problemtyps lösen, können “problem-solver" auf einer konzeptionellen Ebene als aufgabenspezifische Problemlöser aufgefaßt werden. Auf der Implementierungsebene werden "problem-solver’, Inferenz- und Kontrollwissen effizient durch einen erweiterten RETE pattern-matching Algorithmus interpretiert.

The paper describes basic concepts and the implementation of ARI, a practical tool for the construction of inference engines for knowledge-based systems. ARI provides a representation mechanism based on production rules and object-centered, structured inheritance networks. Additionally, ARI offers knowledge structures for organizing rulebases modularly on the basis of functional units ("problem-solvers") and for specifying various control regimes. ARI is presented at three different levels of abstraction. At the epistemological level, appropriate inference and control mechanisms can be specified for each "problem-solver". Viewed as functional units that solve a generic class of problems according to their specification, "problem-solvers" are task-specific problem-solving agents at a conceptual level. At the implementational level ‘problem-solvers", inferential knowledge as well as control knowledge are interpreted efficiently with an extended RETE pattern-matching algorithm.