POLITECHNIKA WROCŁAWSKA Wydział Elektroniki

Transkrypt

1 POLITECHNIKA WROCŁAWSKA Wydział Elektroniki INF INS 2006/2007 Informatyka systemów autonomicznych INE 3802W Temat 20: Ontologia CYC Prowadzący: Autorzy: dr inż. Marek Piasecki Michał Wroński , Wrocław 1

2 Spis treści 1. Wstęp2 2. Inteligentna przeglądarka Bezpieczeństwo internetu Wnioski..8 Literatura 8 1. Wstęp Sztuczna inteligencja (AI) jest dynamicznie rozwijającą się dziedziną informatyki. Każdego dnia słyszy się mnóstwo o inteligentnych robotach, zabawkach, programach, urządzeniach, domach itd. Świat zwariował na punkcie myślących gadżetów, które mają sprawić, że nasze życie będzie jeszcze wygodniejsze i leniwe. O AI nakręcono mnóstwo filmów, napisano wiele książek i bynajmniej nic w tym dziwnego, bowiem temat jest naprawdę fascynujący. Myślący komputer, który jest w stanie odpowiedzieć na nasze pytania albo prowadzić za nas samochód czy to nie brzmi wspaniale? W rzeczywistości sprawa jednak nie jest taka prosta. Od wielu lat wybitni informatycy próbują narzucić ludzki tok myślenia maszynom i mimo ogromnego postępu, jaki zrobiono od tamtego czasu, do ideału jeszcze daleka droga. Przekonała się o tym firma Cycorp, która od przeszło 20 lat próbuje sprawić, żeby komputery miały zdrowy rozsądek. Problem w tym, że kojarzenie faktów wymaga ogromnej wiedzy o otaczającym nas świecie, który jest bardzo skomplikowany. Próba zaimplementowania nawet małej części otoczenia, wymaga wzięcia pod uwagę wielu faktów, czynników i zależności pomiędzy elementami tego otoczenia. Aby komputer mógł myśleć, firma Cycorp musiała opracować język CycL, za pomocą którego można opisać otaczający świat. CycL składa się m.in. z termów, rachunku predykatów oraz stałych, zmiennych i odpowiednich formuł, które pozwalają zapisać wiedzę w bazie wiedzy (KB) w takiej postaci, aby później można na niej przeprowadzać proces kojarzenia i wyciągać wnioski. Poniżej został przedstawiony fragment KB, w postaci prostej sieci semantycznej: 2

3 rys. 1.1: Przykład sieci semantycznej (ilustracja autorstwa Marcina Nowaka z artykułu CHIP a) Jak widać, na rys. 1.1, komputer przechowuje w bazie wiedzy pojęcia i wiele zależności pomiędzy nimi. Marek może mięć psa, ale może go również lubić, głaskać itp. Relacje te umożliwiają komputerowi łączyć pewne fakty ze sobą. CYC posiada ok. 20 mechanizmów wnioskowania i dla każdego z tych mechanizmów, musi być utrzymana spójność wiedzy. Niestety wnioskowanie, póki co, nie jest jeszcze idealne. Komputer wie, na podstawie sieci przedstawionej na rys. 1.1, że Marek jest dzieckiem Tomasza. Jednak gdybyśmy zapytali się go, czy Tomasz jest ojcem Marka, system mógłby mieć problemy z odpowiedzią na to pytanie, bowiem ciężko by było mu określić czy Marek lub Tomasz to imiona zwierząt, rzeczy czy ludzi. Jednak na podstawie dodatkowych faktów, może on wyciągnąć pewnie wnioski. Jeżeli Marek trenuje boks i ma psa o imieniu Azor znaczy to, że Marek musi być człowiekiem, a więc i Tomek. A ponieważ system jest w stanie stwierdzić, że Tomek to imię męskie, to, na podstawie wszystkich tych skojarzeń, może stwierdzić, że Tomek jest rzeczywiście ojcem Marka. Na podstawie przykładu zamieszczone powyżej widać, ile procesów wnioskowania musi wykonać komputer i jak dużą wiedzę musi posiadać, aby skojarzyć proste nawet fakty. Baza wiedzy CYC uzupełniania jest od roku 1984 i szacuje się, że obecnie posiada ona ok. 2 3 miliony reguł. Okazuje się to być jednak liczbą wysoko niewystarczającą. Obecnie CYC jest w stanie operować jedynie w pewnych, ograniczonych dziedzinach wiedzy. Specjaliści szacują, że system będzie działał lepiej dopiero, gdy w KB będzie się znajdować ok 100 milionów reguł. Jeżeli 2 3 miliony reguł do bazy zostało wprowadzonych przez 20 lat, można domyśleć się, ile czasu trzeba jeszcze, aby udoskonalić CYC nawet jeżeli baza ta będzie uzupełniania wiedzą w dużo większym tempie niż dotychczas. Mimo to ontologia ta wydaje się mieć bardzo duże możliwości i zastosowania w codziennym życiu. Samoloty bezzałogowe, auta jadące same do celu, inteligentni pomocnicy w pracy jak np. sekretarka, która rozplanuje nam dzień i odbierze potrzebne wiadomości podczas naszej nieobecności i oceni, które wiadomości są dla nas szczególnie ważne i o których powinniśmy wiedzieć natychmiast, a którymi, w danym czasie, ma nam nie zawracać głowy. Moim zdaniem jednym z ciekawszych zastosowań i ważniejszych są: inteligenta przeglądarka oraz inteligenta ochrona przed 3

4 zagrożeniami z internetu. Dlatego te zastosowania będą poruszone i rozważone w dalszej części pracy. 2. Inteligentna przeglądarka Internet stanowi niemalże nieograniczone źródło wiedzy. Niestety informacje zawarte w nim nie są w zbyt dogodnej dla komputera postaci. Co prawda może on bez problemu odnaleźć niektóre wyrażenia, nawet rozproszone w całym dokumencie, jednak np. wyznaczenie najkrótszej trasy podróży za pomocą dowolnych środków transportu, wyliczenie przy tym kosztów i potrzebnego czasu na pokonanie dystansu, bez specjalnego oprogramowania, jest dla niego zadaniem nie do rozwiązania. Co gorsza nie wszystkie materiały dostępne w Internecie są przydatne do użycia. Niektóre z nich są fałszywe i mogą jedynie wprowadzić w błąd, a cześć może być po prostu przestarzała lub kompletnie nie związana z szukanym tematem. Firma Cycorp dostrzegła ogromne możliwości w rozwoju Internetu, który był szansą na przeskoczenie głównego problemu CYC: ilości wiedzy i sposobu jej pozyskiwania. Do tej pory bowiem baza wiedzy była uzupełniania jedynie przez ludzi, co oczywiście jest procesem czasochłonnym i bardzo nieefektywnym. Gdyby jednak system nauczył się zbierać dane z stron www, wówczas w błyskawicznym tempie można by zrobić duży postęp. Ponieważ już w tamtych czasach Google zaczął dominować w indeksowaniu stron internetowych, projekt został oparty na ich interfejsie. Głównymi założeniami było wykorzystać posiadaną już wiedzę w KB do pozyskiwania nowych informacji z sieci, wprowadzanie nowych danych w odpowiedniej formie, aby później mogły być one zweryfikowane przez Google i pracownika, a w końcu wykorzystane przez użytkownika. Proces nauki systemu przebiegać miał następująco: rys. 2.1: Schemat pozyskiwania wiedzy przez system CYC (rysunek z artykułu 1, patrz literatura) 4

5 Cały cykl zaczyna się od zadania odpowiedniego zapytania do przeglądarki. Pytania, z powodu dużej liczby danych w bazie CYC, nie mogą być generowane automatycznie, bowiem możliwości łączenia poszczególnych pojęć jest zbyt dużo. Wstępnie miały być przeszukiwane jedynie strony angielskie, ale by nie ograniczać systemu w przyszłości, została wprowadzona możliwość używania również innych języków. Uzyskane wyniki są przetwarzane za pomocą języka CycL. Na tym etapie dane są przygotowywane do wprowadzenia do KB, ale również odrzucane, jeśli nie spełniają one pewnych kryteriów np. można je łatwo wywnioskować lub po prostu już znajdują się w bazie danych. Po przetworzeniu danych przez CycL są one ponownie wysyłane do Google'a. W przypadku, gdy jakaś porcja powiązanych ze sobą danych nie zwróci zadowalających wyników po zapytaniu, są one odrzucane. Niestety cały proces nie jest w pełni automatyczny i w końcowej fazie pracownik musi sprawdzić poprawność i dokładność uzyskanych wyników. Mimo to jest to o wiele szybsza procedura pozyskiwania nowej wiedzy niż poprzednie (średnio o 90%). Co prawda projekt ten nie stanowi w pełni inteligentnej przeglądarki internetowej, jednak jest z danym tematem mocno związany. Umiejętność nauki ze stron www i przetwarzania tych danych stanowi bowiem serce inteligentnej przeglądarki. Mimo iż powyższy proces nie jest w pełni automatyczny, ujawnił on pewne problemy, z którym inteligentni agenci będą musieli się zmierzyć. Budowa języka CycL i jego natura sprawia, że niektóre typy zapytań, np. związanych z czasem, mogą zwracać nadmierną liczbę skojarzeń. W powyższym projekcie kwestia ta została po prostu pominięta, zmniejszając tą liczbę do 131. W praktyce nie jest to oczywiście zadowalające rozwiązanie. Nadmierna ilość skojarzeń wiąże się z wyciąganiem ze stron, podczas wykonywania zapytań, nadmiernych, niepotrzebnych bo nie związanych ze sobą informacji. Problem ten wymaga wprowadzenia pewnych ograniczeń, co do niektórych procesów kojarzeń związanych czy to z czasem czy pojęciami związanymi z ruchem i pewną dynamiką. W rzeczywistości jest to bardzo trudne do realizacji. Uważam, iż pomocny w niektórych kwestiach dla CYC może okazać się język XML, który również przyczynia się do rozwoju sieci semantycznych, i vice versa. Istnieją już mechanizmy, wykorzystujące XML, która mają personalizować wyszukiwanie bądź wyświetlane informacje. Realizowane jest to na wiele sposobów. Jednym z prostszych jest odpowiednie oznaczanie tekstu, zawartego w stronach internetowych, za pomocą znaczników: <ai> <algorytmy> <genetyka> <poczatkujacy> </poczatkujacy> <zaawansowany> </zaawansowany> </genetyka> </algorytmy> <sieci neuronowe> <typy sieci> <Hopfield> <poczatkujacy> </poczatkujacy> <zaawansowany> 5

6 </ai> </zaawansowany> </Hopfield> </typy sieci> </sieci neuronowe> Podany wyżej fragment kodu jest bardzo prostym sposobem odpowiedniego znakowania tekstu tak, aby mógł on być później wyszukiwany wg. odpowiednich kryteriów. Dużą zaletą takiego rozwiązania jest również fakt, że wyświetlane dane na dany temat mogą być dostosowane do np. wiedzy użytkownika. Bowiem jeżeli posiada on szeroką wiedzę o sieciach neuronowych, to nie ma po co mu tłumaczyć, co to w ogóle jest i gdzie się daną technologię stosuje. Podejście to wiąże się z kolejnymi problemami. Informacje muszą być przez kogoś oznakowane. Dlatego też w internecie zaczynają być publikowane gry, które poprzez zabawę mają umożliwić uzupełnianie wiadomości o odpowiednie znaczniki XML. Kolejną kwestią jest poprawność posortowania i podzielenia tych danych. Praktyka dowiodła, że niektóre informacje były dzielone w złych miejscach. Gdy zaawansowany użytkownik, chciał uzyskać jakieś dane, czasem zaczynały się one w środku zdania. Taki wynik oczywiście nie powinien być zwracany przez inteligentną przeglądarkę. Dlatego też CYC zrobił jedynie pewien krok w stworzeniu takiego agenta, ale ciągle oprogramowanie to jest niedoskonałe. 3. Bezpieczeństwo internetu Bardzo ważna kwestią związaną również z Internetem i źródłami w nim zawartymi jest bezpieczeństwo dzisiejszych komputerów. Trojany, robaki, wirusy, tylne furtki, bomby logiczne i inne spędza sen z oczu wielu administratorów. Często obrona przed wszystkimi tymi zagrożeniami jest wręcz niemożliwa z powodu pojawiających się coraz to nowszych wersji szkodników, a także błędów wykrywanych w oprogramowaniach. Ponad to programy antywirusowe i firewally muszą przetwarzać duże ilości informacji i być często aktualizowane. Wszystko to odbija się często na bezpieczeństwie komputerów. Na tym polu walki również postanowiła zmierzyć się firma Cycorp. Jej system CycSecure stanowi połączenie sztucznej inteligencji i metod zbierania wiedzy z Internetu. System ma za zadanie skanować sieć w poszukiwaniu informacji o wszelkich komputerach znajdujących się w niej. Zbierane są wszelkie dane, które są istotne z punkty widzenia bezpieczeństwa, a więc rodzaje używanych programów, systemów operacyjnych, konfiguracji komputerów, praw użytkowników. Na podstawie zgromadzonej wiedzy, tworzona jest formalna reprezentacja Internetu w KB. Architektura systemu wygląda następująco: 6

7 rys. 3.1: Architektura systemu CycSecure (rysunek z artykułu 2, patrz literatura) Ważną funkcję pełni Planner, który ma dostęp do informacji o bugach poszczególnych programów dzięki czemu wiadomo, gdzie znajdują się słabe punkty i gdzie spodziewać się potencjalnych ataków. Planner jest również odpowiedzialny za planowanie kolejnych działań serwera. Inference Engine stanowi bazę rozumowania, a więc serce CycSecur'a. Użytkownik może się odnosić do systemu za pomocą specjalnego interface'u, który zawiera statystyki sieciowe, umożliwia analizę ataków sieciowych, dostęp do Planner'a i wiele innych. Posiadając aktualny i ciągle uzupełniany model Internetu na serwerze, CycSecure może symulować ataki na sieć komputerową. Użytkownik mając odpowiedni dostęp do funkcjonalności, może udoskonalać i analizować ten proces. Aby serwer mógł zbierać informację o komputerach klientów, musi być u nich uruchomiony demon Sentinel. Demon ten jest najsłabszym ogniwem systemu. Cycorp zapewnia oczywiście, że Sentinel nie zużywa wielu zasobów na komputerach klientów. Jednak faktem jest, iż są one podatne na różne ataki. Co więcej błędy w kodzie tego demona mogą nie tylko poważnie zaszkodzić klientowi, ale samemu serwerowi. Poza tym zbierane dane przez Sentinel'a są poufne, więc nie powinny być one podatne na podsłuchiwanie czy zmienianie zawartości. Domyślnie pakiety wysyłane przez demona nie są szyfrowane w żaden sposób, bowiem zwiększyłoby to złożoność danego rozwiązania. Uważam, że jest to nieakceptowalne rozwiązanie. Jeżeli inteligenty agent nie jest w stanie obronić się przed zwykłym wirusem z sieci, jak ma zamiar bronić się on przed inteligentnymi wirusami, które, jeśli już nie istnieją, na pewno powstaną? Z drugiej strony, jeżeli będzie taka potrzeba, szyfrowanie danych może być łatwo zaimplementowane w demonie. Przez 6 miesięcy system ten był testowany przez grupę STARTCOM z USA. Wyniki testów były bardzo zadowalające. Oprócz wad, związanych z demonem Sentinel, zauważono również, że serwer zbierał zbyt dużo informacji niż był w stanie później przetworzyć, aby przeanalizować kwestie bezpieczeństwa na komputerach klientów. Ale oczywiście zadania jednego serwera można podzielić na wiele innych współpracujących ze sobą komputerów. 7

8 Biorąc pod uwagę wszystkie powyższe fakty, można stwierdzić, że CycSecure, ma szansę stać się pogromcą wirusów. Firewall, który jest w stanie uczyć się na doświadczeniach innych, analizować własne wady i automatycznie zakrywający wszelkie luki systemowe i programowe, wydaje się być strzałem w dziesiątkę. Jednak aby tak się stało CYC i CycSecure muszą być stale udoskonalane, zwłaszcza jeżeli chodzi o kwestię szybkości działania języka CycL tak, aby mógł on przetwarzać jak największą liczbę danych z Internetu, bowiem samo składowanie informacji na serwerze jest jedynie marnotrawieniem przestrzeni dysku. 4. Wnioski Ontologia CYC ma ogromny potencjał w różnych dziedzinach wiedzy. Niestety póki co wszelkie inteligentne programy, używające tej technologii, są niedopracowane. Jest jednak jedynie kwestią czasu, kiedy zaczną być one używane powszechnie na każdym domowym PC, bowiem są programami przyszłości. AI już niebawem zmieni oblicze informatyki i świata. Póki co nadal musimy uczyć komputery, jak się mają same uczyć. Dlatego też głównym wyzwaniem dla firmy Cycorp wydaję się być uzupełnianie wiedzy KB w jak najszybszym tempie, w pełni automatyczne gromadzenie danych z wszelkim możliwych źródeł oraz zwiększenie wydajności języka CycL. A użytkownikom nie pozostaje nic innego, jak trenować grę w piłkę nożna, aby już niebawem zmierzyć się z inteligentnym robotem i nie przegrać. Literatura [1] Matuszek, Cynthia, M. Witbrock, R. Kahlert, J. Cabral, D. Schneider, P. Shah and D. Lenat. Searching for Common Sense: Populating Cyc from the Web. In Proceedings of the Twentieth National Conference on Artificial Intelligence, Pittsburgh, Pennsylvania, July 2005 [2] Shepard, Blake, C. Matuszek, C.B. Fraser, W. Wechtenhiser, D. Crabbe, Z. Güngördü, J. Jantos, T. Hughes, L. Lefkowitz, M. Witbrock, D. Lenat, E. Larson. A Knowledge Based Approach to Network Security: Applying Cyc in the Domain of Network Risk Assessment. In Proceedings of the Seventeenth Innovative Applications of Artificial Intelligence Conference, Pittsburgh, Pennsylvania, July [3] Artykuł Marcina Nowaka Pajęczyna II opublikowany w CHIP ie [4] Materiały na stronie dr. Marka Piaseckiego: [5] [6] Prezentacja W. Ducha z strony: [7] Internet 8