Kolloquium/Ringvorlesung des Graduiertenkolleg Wissensrepräsentation

Information modeling and management are fundamental to decision making, and in this talk I will describe systems that support decision making in environments where the information is uncertain, incomplete or liable to change. The main idea is to model the plausibility of the information and the preferences of the decision maker to improve the decision outcome when ambiguities or inconsistencies arise. More specifically, I will briefly outline the area of belief revision and describe some specific techniques that are used to model and manage consumer preferences in Internet Marketing and Customer Relationship Management applications. A wide range of problems involve decision making in environments where uncertainty, incompleteness and change are prevalent, and as a result techniques in belief revision can be used in a wide variety of applications, e.g. information filtering, intelligent payment systems, intelligent interfaces, intelligent tutoring systems, and integrating information from multiple sources. It turns out that integration is a generalised form of belief revision; instead of incorporating a new piece of information into a knowledge base by computing the "most important" information from the knowledge base that is compatible, we build a new knowledge base by fusing the "most important" compatible information from each knowledge base.

A web-based belief revision demo system is available at http://ebusiness.newcastle.edu.au/saten It is written in Java and is currently being incorporated into the agent-oriented system JADE to be evaluated for ebusiness applications. Information about JADE can be found at http://sharon.cselt.it/projects/jade/

Unter dem Begriff Beschreibungslogiken wird eine Klasse von Wissensrepraesentationsformalismen zusammengefasst, die die strukturierte Darstellung terminologischen Wissens ermoeglichen. Die traditionellen Folgerungsprobleme (wie Subsumtion und Instanz) in Beschreibungslogiken sind in den letzten 15 Jahren sowohl aus theoretischer als auch praktischer Sicht sehr ausfuehrlich untersucht worden. Beim Einsatz beschreibungslogischer Systeme in Anwendungen hat sich aber gezeigt, dass zur Unterstuetzung des Aufbaus grosser Wissensbasen weitere Folgerungsverfahren nuetzlich waeren.

Nach einer kurzen Einfuehrung in Beschreibungslogiken werde ich den Bedarf an derartigen neuartigen Folgerungsverfahren durch eine Anwendung im Bereich der Modellierung verfahrenstechnischer Prozesse motivieren. Im Anschluss werde ich auf eines der so motivierten Folgerungsprobleme, die Berechnung des sogenannten kleinsten gemeinsamen Subsumierers, naeher eingehen.

Gro"se verteilte Systeme, wie z.B. das Internet oder gr"o"sere Intranets, stellen einen gigantischen Verbund von Rechnern mit einer enormen Leistungsf"ahigkeit dar. Dabei werden bereits heutzutage umfangreiche Kommunikations- und Datenmanagementaufgaben durch die entsprechende Betriebssystem- und Anwendersoftware erfolgreich bearbeitet, das Problem einer systemweiten, effektiven Ressourcenverwaltung ist jedoch bislang noch weitgehend ungekl"art.

Im Vortrag werden kurz grundlegende Arbeitsprinzipien des Web Operating System (WOS^(TM)) vorgestellt, das ein vollkommen dezentrales, auf der Basis von (lokalen) Warehouses arbeitendes Middlewaresystem darstellt. Insbesondere werden dabei die f"ur diese Communities wichtigen, neu entworfenen Verfahren zur Kommunikation, zur Ressourcenverwaltung sowie zur Gew"ahrleistung der Systemsicherheit kurz erl"autert.

Der zweite Teil des Vortrages befa"st sich mit dem eigentlichen Thema der Communities, die sich bei der Nutzung einer derartiger Middlewareplattform auf den Maschinen eines gro"sen, verteilten Systems i.a. automatisch herausbilden. Die in diesen Communities m"ogliche Kooperation von Rechner erlaubt es, f"ur die Optimierung der Systemarbeit und den Nutzer eine Reihe neuer Services anzubieten. Diese sollen n"aher eingef"uhrt und bez"uglich wichtiger Leistungsparameter untersucht werden.

After a short introduction on the role of ontologies in information systems, I will focus on the specific role of "formal ontology" in the design of well-founded conceptual models. I will argue that a clean, well-formed taxonomic structure has significant implications for understanding, reusing, and integrating different conceptual models, and I will present a methodology for ontological analysis that imposes formal constraints on taxonomic relationships, based on the philosophical notions of identity, unity, and essence. I will demonstrate the effectiveness of this methodology by taking real examples of poorly structured taxonomies and revealing cases of invalid generalization.

In der modernen (mathematischen) Logik werden alle Relationen gleichbehandelt insofern, als sie unterschiedslos als Mengen von n-Tupeln aufgefasst werden. Es lassen sich aber nun sowohl ontologische als auch linguistische Argumente gegen eine solche Vereinheitlichung anfuehren. Insbesondere gibt es den Unterschied zwischen f o r m a l e n und m a t e r i a l e n Relationen, der im Vortrage herausgearbeitet werden wird. Es wird gezeigt werden, dass dieser Unterschied ein primaer ontologischer ist, den jedoch eine ontologische adaequate sprachliche Darstellung zu beruecksichtigen hat, was vielfach eine Aenderung zum Ueblichen erzwingt. Besonders einschneidend ist diese Forderung in der Mereologie, da sich hier z w e i Versionen der Teil-Ganzes-Relation herausstellen lassen: eine formale und eine materiale.

Wissensbasierte Systeme sind dadurch charakterisiert, daß sie zum einen über eine Wissensbasis mit explizit repräsentierten Wissensinhalten verfügen und daß zum anderen die Systemsteuerung unabhängig von den Wissensinhalten ist. Der Einsatz wissensbasierter Systeme soll hier an zwei Beispielen aus dem Bereich der Bildverarbeitung erläutert werden.

Die Anpassung eines Bildverarbeitungssystems an neue Aufgabenstellungen stellt einen erheblichen Arbeitsaufwand und damit einen wesentlichen Kostenaufwand bei der industriellen Automatisierung dar. Es wird dargestellt, wie das Expertenwissen eines Bildverarbeitungsexperten repräsentiert werden kann um einen wesentlichen Teil dieses Anpassungsprozesses zu automatisieren. Darüberhinaus wird gezeigt, wie ein Teil der Wissensbasis, hier Regeln eines regelbasierten Systems, automatisch erlernt werden können.

Bei der Mustererkennung in komplexen Szenen, wie z.B. Luftbildaufnahmen, ist es erforderlich, daß die zu erkennenden Muster, wie Straßen, Siedlungen, Industrieanlagen und ihre bildliche Ausprägung in den bildgebenden Sensoren hinreichend genau beschrieben werden können. Hier wird dargestellt, wie sich insbesondere strukturelle Zusammenhänge durch die explizite Wissensrepräsentation eines Semantischen Netzes darstellen lassen und wie diese Repräsentationsform durch die automatische Analyse genutzt wird. Anwendungsbeispiele sind u.a. die Erkennung eines Klärwerkes oder einer Messeaktivität, sowie die automatische Erkennung der Landnutzung i.e. Industriegebiete gegenüber Siedlungsgebieten und Grünflächen.

Die Informationstechnik ist bis heute rein funktionell konzipiert. Die Systeme im t"aglichen Einsatz verhalten sich wie primitivste Reflexkreaturen. Der Vortrag stellt die gro"se Bedeutung einer echten Integration von Wissen in die heutige Technologie heraus, ohne die es keine wirklich intelligente Technik geben wird, und umrei"st einige Aspekte einer derartigen Technologie.

Reasoning with expressive description logics (DLs) is inherently intractable: even for ALC (the simplest propositionally closed DL), deciding the satisfiability of a single formula is in PSpace, while satisfiability with respect to a theory (a set of axioms) is already in ExpTime. In spite of this, implementations of tableaux algorithms for logics much more expressive than ALC, have proved effective in realistic applications. This has been achieved by combining a careful choice of logical language (in particular the use of transitive relations in preference to the transitive closure operator) with highly optimised implementations that maximise typical case performance.

In this talk I will discuss the design and optimised implementation of reasoning algorithms for expressive DLs. I will also motivate the work by discussing/demonstrating various applications, including database schema design and ontological engineering -- in particular recent work on the standardisation of ontology languages for use in the so called "Semantic Web", where DL research has been highly influential.

In recent years there has been a great deal of interest in both the Philosophy and the Artificial Intelligence communities in the problem of belief change. Simply put, the fundamental problem is, given a general knowledge base (set of beliefs, etc.) and a sentence for revision, what should the new knowledge base look like? Typically, work in this area has either been highly theoretical (involving the abstract characterization of belief change operations), or else strongly implementation-oriented (involving the construction of specific systems with little emphasis on the underlying formal properties). In this talk, I will present a framework that attempts to bridge this theory/implementation gap. To begin with, the area of belief revision is first briefly presented. Following this, a specific framework for belief change is described. In this approach, informally, to revise a knowledge base K by a formula A, we begin with A and incorporate as much of K as consistently possible. Essentially, we force models of K and A to coincide "where possible". The resulting approach is shown to have good formal properties. We also argue that the approach is well-suited for implementation: the approach can be expressed in terms of a finite knowledge base; and the scope of a revision can be restricted to just those propositions common to the knowledge base and sentence for revision.