Automatische Umsetzung der Entscheidungsbäume

Die bereits vorhandenen Entscheidungsbäume beruhen auf dem Aspekt des Expertenwissens, der sich an einer von Experten vorgegebenen Reihenfolge und Qualifizierung der Fragen und Tests orientiert (siehe Entscheidungsbäume in Abbildung 3.2, 3.3 und 3.4).
Dazu haben die Experten in einer Wissensakquisition durch Befragung Daten und Informationen angegeben und bestimmt, die sie zur Diagnose eines Fehlers benötigen. Diese Daten wurden soweit als möglich formalisiert und in das Schema der Entscheidungsbäume umgesetzt. Die Vorgehensweise nach dem WENN-DANN Prinzip war hier ausschlaggebend.
In die Bayesschen Netze kann dies so direkt nicht umgesetzt werden. Die Bayesschen Netze konzentrieren sich vor allem auf mögliche Ursachen eines Fehlers und die Symptome, die er auslösen kann. Auch die Reihenfolge der Abläufe wird durch die propagierten Wahrscheinlichkeiten bestimmt. Dadurch ist es möglich, Entscheidungen hinsichtlich ihres Informationsgehaltes zu treffen. Welche Entscheidung hat einen schnellen und positiven Diagnoseverlauf zur Folge.
An einem Beispiel wird dies deutlich (siehe Abbildung 4.1).

 

Abbildung: Ablauf Informationsbeschaffung im Mailproblem

64#64

Im Entscheidungsbaum des Mailproblems siehe Abbildung 3.3 wird zuerst nach der Rechnerkonfiguration und der Mailkonfiguration des Benutzers gefragt.
In Bild 4.1 ist der Ablauf, wie ihn der Benutzer sieht, dargestellt. Er hat die Auswahl zwischen UNIX, PC mit TCP/IP Verbindung, PC mit Modem über PPP oder einer sonstigen Konfiguration. Diese Auswahl zeigt auch, daß in den Entscheidungsbäumen diese Informationen immer eingeholt werden.
Wählt der Benutzer des Intelligent Assistant die Rechnerkonfiguration UNIX, so erübrigt sich durch verwendete Standardprotokolle die Frage nach dem verwendeten Mailsystem. In den Bayesschen Netzen kann dieser Ausschluß nicht vergleichbar direkt getroffen werden.
Dieses Wissen, der direkte Übergang von der Rechnerkonfiguration auf die Frage, ob bereits Mails versandt wurden, kann im Bayesschen Netz indirekt durch die bedingten Wahrscheinlichkeitstabellen in den Knoten dargestellt werden. Die Reihenfolge in den Bayesschen Netzen wird durch die propagierte und bedingte Wahrscheinlichkeit bestimmt.
Das Gerüst einer Tabelle für dieses Problem ist in Tabelle 4.1 als Beispiel aufgeführt.

 

1|r| UNIX 3|c|ja 3|c|nein

1|r| Mailkonfiguration 1|c|Endora 1|c|Pegasus 1|c|Sonst 1|c|Endora 1|c|Pegasus 1|c|Sonst

Mailproblem nein 1.0 1.0 1.0

Mailproblem ja 0.0 0.0 0.0

Die bedingten Wahrscheinlichkeiten werden von den Experten festgelegt und manuell während der Entwicklungsphase in die Tabellen eingetragen. Um die Experten von diesem manuellen Eintrag zu entlasten, sollte ein Werkzeug oder Algorithmus zur Verfügung stehen, das oder der diese sicheren Annahmen (Rechnerkonfiguration UNIX bedarf keiner Frage nach der Mailkonfiguration) automatisch in die Wahrscheinlichkeitstabellen einträgt.
In diesem Fall kann auf eine weitere Wissensakquisition, die von vornherein auf die Bayesschen Netze abzielt, vermieden werden. Der Intelligent Assistant bleibt in dieser Situation dann einer Implementierung des Expertenwissens in Entscheidungsbäumen gleichwertig.