Efektywność i efekty komputeryzacji
Wstęp
Jednym z obszarów zainteresowań sztucznej inteligencji są systemy ekspertowe (SE). Zadaniem ich jest wskazanie drogi do łatwiejszego i szybszego realizowania zadań, które wymagają rozwiązywania złożonych problemów i dają się opisać za pomocą reguł wnioskowania. Ułatwiają one modelowanie zjawisk zachodzących w otaczającej nas rzeczywistości oraz gromadzenie i wykorzystanie wiedzy opisującej te zjawiska. Wiedza potrzebna do zapewnienia wymaganego poziomu ekspertyzy wraz z procedurami wnioskowania może być uważana za model ekspertyzy. System ekspertowy może wykonywać różne funkcje, na przykład może być pomocny przy doradzaniu, analizowaniu, klasyfikowaniu, czy udzielania informacji. SE są systemami sztucznej inteligencji pozwalającymi rozwiązać rzeczywiste problemy wymagające umiejętności podejmowania decyzji lub diagnozy przy jednoczesnym przetwarzaniu posiadanej wiedzy. Wykorzystując wnioskowanie dedukcyjnie uwzględniając niepewność w zebranych regułach wiedzy. Pozwalają na rozwiązanie złożonych problemów, dla których trudne, a czasem nawet niemożliwe byłoby tradycyjne podejście typu proceduralnego.
Określenie „system ekspertowy” może być zastosowane do dowolnego programu komputerowego, który na podstawie szczegółowej wiedzy może wyciągać wnioski i podejmować decyzje, działając w sposób zbliżony do procesu rozumowania człowieka. W wielu sytuacjach, np. podczas podejmowania decyzji w siłowniach energetycznych, podczas sterowania skomplikowanych urządzeń i maszyn, na pokładzie statków kosmicznych itd., człowiek nie mógłby swoimi zmysłami ogarnąć całej sytuacji. Są więc potrzebne systemy, które pracują w czasie rzeczywistym i wykonują swoje funkcje lepiej niż człowiek.
Definicje
Pojęcie system ekspertowy nie posiada jednolitej i zwięzłej definicji, natomiast może być określany wieloma sformułowaniami opisowymi, różniącymi się nieco w zależności od punktu widzenia. Wymienić tu można kilka z tych sformułowań, bez podkreślenia stopnia ich ważności lub istotności.
System ekspertowy to:
program komputerowy używający wiedzy i procedur wnioskowania do rozwiązania problemów o skali trudności na poziomie profesjonalisty w danej, specyficznej dziedzinie. (źródło: Henryk Sroka ”Systemy ekspertowe”)
program komputerowy, który pomaga rozwiązywać problemy rozwiązywalne przez ludzi-ekspertów posiadających wiedzę specjalistyczną nabytą w wyniku długotrwałego doświadczenia i studiów w dziedzinach słabo sformalizowanych (bez teorii formalnej dającej się zlogarytmizować
„inteligentny” program komputerowy stosujący wiedzę i procedury rozumowania (wnioskowania) dla rozwiązywania problemów, które wymagają doświadczenia ludzkiego (człowieka-eksperta), nabytego przez wieloletnią działalność w danej dziedzinie
założenie programów komputerowych, w których zawarta jest wiedza i doświadczenie ludzi ekspertów
program komputerowy, który wykonuje złożone zadania o dużych wymaganiach intelektualnych i robi to tak dobrze jak człowiek, będący ekspertem w tej dziedzinie
program komputerowy wspomagający podejmowanie decyzji, w których można wyróżnić bazę wiedzy, zawierająca wiedzę dziedzinową istotną dla podejmowanych decyzji, oraz mechanizm wnioskowania, korzystający z bazy wiedzy dla wprowadzania tych decyzji
inteligentny program komputerowy, wykorzystujący procedury wnioskowania do rozwiązywania tych problemów, które wymagają inteligencji człowieka
program który wykorzystuje wiedzę eksperta do rozwiązywania takich problemów, które wymagają inteligencji człowieka
Ogólnie przyjmuje się, że system ekspertowy jest to komercyjny program komputerowy, który ma na celu zastąpienie pracy eksperta w danej dziedzinie
Krótki zarys historyczny
Za pierwszy udokumentowany system ekspertowy uważa się powstały w połowie lat 70-tych MYCIN. Służył on do diagnozy i terapii zakaźnych chorób krwi. MYCIN stosował wnioskowanie wstecz, a jego regułom były przyporządkowane współczynniki pewności. W wyniku usunięcia z systemu MYCIN wiedzy dziedzinowej powstał system ekspertowy skorumpowany EMYCIN. Przy zastosowaniu tego ostatniego opracowano system ekspertowy PUFF dla diagnozy i leczenia chorób płuc. Z końcem lat 70-tych został opracowany DENTRAL przeznaczony do identyfikacji struktury molekularnej nieznanych związków chemicznych na podstawia danych otrzymanych w wyniku analiz spektroskopowych.
W tym samym czasie powstał system PROSPECTOR- przeznaczony do badani zasobów geologicznych.
System ekspertowy R1/XCON/XseL, opracowany z początkiem lat 80-tych przez firmę Digital Equipment Corporation do konfigurowania produkowanych przez nią systemów komputerowych typu VAX, był pierwszym systemem ekspertowym, który odniósł sukces komercyjny i był przez wiele lat stosowany, modyfikowany i udoskonalany.
INTERNIST/CADUCEUS był opracowany z początkiem lat 80-tych systemem ekspertowym dla diagnostyki i terapii schorzeń w zakresie internistki.
Od połowy lat 80-tych notuje się gwałtowny wzrost aplikacji regułowych systemów ekspertowych, opracowanych najczęściej dla potrzeb dużych organizacji finansowo-gospodarczych i traktowanych przez nie jako część swojego know-how, a więc starannie strzeżonych. Przykładami mogą być: AUTHORIZER'S, SMART, FXAA.
Podstawowe koncepcje
Program komputerowy, który wykorzystuje wiedzę i wnioskowanie w celu rozwiązywania problemów jest najczęściej nazywany systemem działającym w oparciu o wiedzę ( knowledge-based system). Kiedy wiedza i procedury wnioskowania są modelowane na wzór ekspertów, taki system nazywa się systemem ekspertowym. Wiedza i procedury SE są opisem metod stosowanych przez ekspertów w danej dziedzinie. Szczególnie istotne są dwa elementy:
Rozwój SE oparty jest na teoriach rozwiązywania problemów przez człowieka.
Podstawowym celem przy rozwoju SE jest reprezentacja wiedzy zgromadzonej przez człowieka w trakcie nauki i praktyki.
System ekspertowy jest budowany w dialogu z ekspertem w danej dziedzinie. Pozyskiwanie i modelowanie wiedzy oraz tworzenie systemu komputerowego do rozwiązywania problemów nazywane jest inżynierią wiedzy. Zadanie to wykonywane jest przez inżynierów wiedzy, którzy są projektantami systemu. Powinni oni posiadać pewną wiedzę w dziedzinie tworzonego SE, znać stosowane metody i techniki oraz programowanie komputerów.
Ekspertyzy są doskonalone poprzez ćwiczenia, szkoleni i doświadczenie. Ten rodzaj wiedzy nazywany jest czasem wiedzą płytką, ponieważ składa się z indywidualnych metod, których specjaliści nauczyli się w celu lepszego wykonywania swych czynności.
Eksperci w poszczególnych dziedzinach mają zwykle profesjonalne wykształcenie. Ich praktyka jest oparta na teorii, czyli podstawowych zasadach, wytycznych, prawach itp. Ta wiedza nazywana jest głęboką i jest bardziej ogólna od wiedzy płytkiej.
Prawdziwy SE musi reprezentować wiedzę płytką. Zaletą przetwarzania tego rodzaju wiedzy jest fakt, że program komputerowy zachowuje się w podobny sposób, jak ekspert. Wadą jest to, że wiedza płytka dotyczy metod o specjalnych zastosowaniach( wąsko zdefiniowane problemy).Dlatego istnieje tendencja do rozwoju SE, zawierających bardziej ogólną, teoretyczną wiedzę, do której system może wracać, gdy napotyka problemy, które nie mogą być rozwiązane dzięki wiedzy płytkiej. Termin SE drugiej generacji stosowany jest do określenia systemów zawierających eksperymentalną wiedzę płytką i teoretyczną wiedzę głęboką.
Wielu autorów sformowało kilka wymagań, jakie musi spełniać problem, aby opłacalne było tworzenie systemu ekspertowego do jego rozwiązania:
decyzja musi zależeć od dobrze zdefiniowanego zbioru zmiennych
wartości, jakie przyjmują te zmienne muszą być znane
musi być znana zależność, jaką wywierają poszczególne zmienne na decyzje
zależność pomiędzy zmiennymi powinna być na tyle złożona, aby opłacalne było tworzenie systemu ekspertowego
Celem tworzenia systemu ekspertowego jest skomputeryzowanie problemów na poziomie wysokiej klasy eksperta. Wiedza ta może być łatwo dostępna. Poprzez konsultację z systemem ekspertowym pozwala to personelowi mającemu małe umiejętności w rozwiązywaniu pewnych zadań, rozwiązywać problemy, które w przeciwnym razie musiałyby być rozwiązywane przez ekspertów.
Podstawowe Funkcje
System ekspertowy realizuje dwie główne funkcje:
Wyjaśnianie konkluzji
Wyjaśnianie swojego rozumowania
Konkluzja może być diagnozą choroby lub zaleceniem dla pewnej sytuacji finansowej. System ekspertowy pracuje w trybie konsultacji, tzn. użytkownik konsultuje się z systemem. Podczas tej konsultacji użytkownik współdziała z systemem, jeżeli ten potrzebuje dodatkowych informacji. Użytkownik nie ma bezpośredniego wpływu na proces wnioskowania.
Istotnym aspektem rozwiązywania problemu przez człowieka jest możliwość uzyskania wyjaśnień eksperta, w jaki sposób pewna specyficzna konkluzja została osiągnięta lub dlaczego zadaje on pewne pytania. Od systemu ekspertowego oczekuje się aby miał podobne możliwości.
Konsultacja
Użytkownik może się konsultować z systemem ekspertowym podczas wykonywania takich zadań, jak wystawianie diagnozy, przygotowywanie planu lub uzyskanie zaleceń przy wyborze jednej z alternatywnych decyzji.
Diagnozowanie
Wydanie diagnozy oznacza określenie przyczyny pojawiania się problemu na podstawie zbioru symptomów lub innych charakterystyk sytuacji. Medyczna diagnoza choroby może być otrzymana ze zbioru symptomów pacjenta. W finansach diagnozę może być np. zyskowność, płynność finansowa itp. Otrzymane na podstawie danych finansowych firmy.
Wyjaśnienia
Jest to umotywowanie poszczególnych konkluzji, tzn. określenie jak przebiegało wnioskowanie. Najpowszechniejszym typem wyjaśnień są wyjaśniania retrospektywne. JAK poszczególna konkluzja została osiągnięta? Drugim powszechnym wyjaśnianiem są pytania DLACZEGO system zadaje użytkownikowi poszczególne pytania podczas konsultacji? Pytania typu JAK i DLACZEGO są ułatwieniami przeznaczonymi dla użytkownika. Czasami użyteczne może być posiadanie przebiegu całej drogi procesu wnioskowania, czyli wyświetlanie wszystkich próbowanych reguł. Typowym poleceniem wykonującym tę funkcję jest TRACE.SE wyposażane są w mechanizmy wnioskowania hipotetycznego typu CO-JEŻELI. Wtedy system wyjaśnia co się stanie, jeżeli pewnie zbiór wartości lub zbiór reguł będzie zmieniony.
Innym narzędziem objaśniania, skonstruowanym w Intelligent System Laboratory w Carnegie-Mellon University było wyjaśnianie wartości numerycznych obliczanych przez model. Takie objaśniania pozwalają użytkownikowi zadawać pytania w języku angielskim na temat obserwowanych wyników. System udziela odpowiedzi podając zmienne wpływające pozytywnie lub negatywnie na badane wskaźniki.
Działanie sytemu ekspertowego
Podstawowa architektura systemu ekspertowego( rysunek 2), składa się z czterech elementów: bazy wiedzy, pamięci roboczej, mechanizmu wnioskowania i interfejsu użytkownika.
Oprócz elementów przedstawianych na rysunku potrzebny jest interfejs pomiędzy użytkownikiem a komputerem.
Baza wiedzy jest elementem specyficznym dla konkretnej dziedziny i zawiera informacje używane przez ekspertów w tej dziedzinie: opis obiektów i zależności, opis sposobu rozwiązywania problemu, heurystyki, fakty itp.
Pamięć robocza służy do chwilowego przechowywania danych dotyczących aktualnie przetwarzanych problemów. Jest ona również nazywana przestrzenią roboczą. Ta przestrzeń robocza jest przeglądana i uaktualniana poprzez wykorzystanie wiedzy zawartej w bazie wiedzy. Elementem dokonującym tego przeglądania i uaktualniania jest mechanizm wnioskowania.
Zarządzanie bazą wiedzy
Dotyczy ono definiowania wiedzy i struktury oraz manipulacji tą wiedzą. Istnieją dwa rodzaje wiedzy wchodzące do bazy wiedzy: opis obiektów i zależności oraz opis sposobu rozwiązywania problemu. Aby system mógł pracować muszą występować oba rodzaje wiedzy. Można jednak skupić się na jednej i uczynić ją nadrzędną w stosunku do drugiej. Tak więc istnieją dwa podejścia do definiowania wiedzy:
Zorientowane na rozwiązywanie problemów
Zorientowane na obiekty
Podejście zorientowane na rozwiązywanie problemów kładzie akcent na to, w jaki sposób rozwiązywany jest problem; heurystyki strategie poszukiwania wykorzystywane są wtedy do wnioskowania. Główna część wiedzy w bazie wiedzy zakodowana jest w następujące reguły produkcyjne.: IF (warunek logiczny), THEN (konkluzja). Reguły te służą do formalizowania wiedzy, szczególnie takiej, która przedstawia czynności powiązane z inteligencją człowieka.
Ważną cechą zarządzania wiedzą jest możliwość strukturalizacji wiedzy w zbiory reguł. Zbiór reguł jest to zestaw poszczególnych reguł odnoszących się do definiowanego aspektu problemu. Te zbiory agregują i rozdzielają reguły według pewnych zdefiniowanych kryteriów.
W podejściu zorientowanym na obiekty dziedzina problemu może być modelowana jako zbiór obiektów i zależności. Obiekt może być rzeczą fizyczną, koncepcją lub procedurą. Podejście to oznacza skupienie się na obiektach i organizację całej wiedzy z danej dziedziny wokół obiektów i klas obiektów.
Wygodną formułą, która umożliwia opracowanie ustrukturalizowanej reprezentacji obiektów i klas jest reprezentacja w postaci ram. Ramy zapewniają reprezentację specyficznego obiektu i całej informacji o tym obiekcie lub klasie obiektów.
Mechanizm wnioskowania
Mechanizm wnioskowania jest elementem kontrolującym system ekspertowy. On uruchamia wiedzę w bazie wiedzy w celu realizacji rozwiązań. Jest aktywny, gdy użytkownik inicjuje konsultację z systemem. Mechanizm wnioskowania decyduje, które reguły uruchomić i w jakiej kolejności, przegląda przestrzeń roboczą, gdzie przechowywane są informacje o stanie początkowym i gdzie wywnioskowane fakty są przechowywane podczas procesu wnioskowania.
W systemach ekspertowych stosuje się dwa typy wnioskowania - wnioskowanie wprzód i wnioskowanie wstecz. Odnoszą się one do sposobu sprawdzania reguł przez mechanizm wnioskowania: czy rozpoczyna od przesłanek, czy od konkluzji.
Wnioskowanie wprzód
FAKTY - REGUŁY - CEL WNIOSKOWANIA
Wnioskowanie wprzód zakłada, że mechanizm wnioskowania znajdzie reguły mające warunki (przesłanki) pasujące do danych w przestrzeni roboczej. W poniższym przykładzie są to reguły R1 i R2. Obie strategie wskazują na wybór reguły R1. Po wykonaniu reguły R1 do przestrzeni roboczej dodany jest nowy fakt D i zawiera ona teraz A, B, D. Następna runda porównywania daje tylko jednego kandydata, regułę R2, która po uruchomieniu doda C do przestrzeni roboczej. Ostatecznie może być wykonana reguła R3 dając konkluzję E.
Przykładowa baza danych
R1: if A and B then D
R2: if B then C
R3: if C and D then E
Oraz początkowa przestrzeń robocza A,B.
Wnioskowanie można zilustrować poprzez drzewo wnioskowania (rysunek 3), strzałki-zastosowane reguły, wierzchołki - stany przestrzeni roboczej, linie ciągłe- reguły wykonane, przerywane linie-reguły alternatywne( pominięte w procesie wnioskowania).
Cykl:
poszukiwanie reguł, których warunki pasują do danych w przestrzeni roboczej
wybór jednej z reguł zgodnie z zastosowaną strategią wyszukania
dodanie faktów będących wynikiem konkluzji do przestrzeni roboczej
Wnioskowanie wstecz
CEL WNIOSKOWANIA - REGUŁY - FAKTY
Wnioskowanie wstecz polega na pracy mechanizmu wnioskowania od konkluzji (celu) do wszystkich przesłanek poprzez reguły potwierdzone przez dane w przestrzeni roboczej.
Na przykładzie (rys.4) mechanizm wnioskowania został poinformowany, że celem jest E, a następnie rozpoczyna rozwiązania z regułą R3, której konkluzją jest E. Mechanizm wnioskowania zastępuje E dwoma podcelami C i D, następnie zastępuje D przez A i B ( reguła R1), które są potwierdzone przez dane w przestrzeni roboczej. Podobnie C jest zastąpione poprzez B ( reguła R2) i potwierdzone. Tak więc skoro C i D jest potwierdzone to potwierdzone jest E. Wnioskowanie wstecz nazywane jest również sterowanym przez cel, ponieważ pracuje w kierunku od celów do podcelów.
Cykl:
Poszukiwanie reguł, których konkluzje odpowiadają bieżącym podcelą
Wybór jednej z tych reguł według zastosowanej strategii
Zastąpienie podcelu koniunkcją konkluzji tych reguł, które będą stanowić nowe podcele
Kategorie
Systemy doradcze prezentują rozwiązania dla użytkownika, który jest w stanie określić ich jakość. Użytkownik może odrzucić rozwiązanie oferowane przez system i zażądać innego rozwiązania.
Systemy podejmujące decyzje bez kontroli człowieka są same dla siebie końcowym autorytetem. Są używane np. do sterowania różnymi obiektami, gdzie udział człowieka jest utrudniony lub wręcz niemożliwy.
Z kolei dla systemów krytykujących jest przedstawiany problem jak też jego rozwiązanie. System dokonuje w tym przypadku analizy i komentuje uzyskane rozwiązanie.
Właściwości SE
Poprawność systemu
SE powinien zapewniać wysoki poziom wydawania ekspertyz. W tym sensie możemy mówić o poprawności systemu, jeśli daje on dobre rezultaty, rozwiązuje zadania w czasie dopuszczalnym i dysponuje strategiami umożliwiającymi imitowanie wiedzy i intuicji eksperta, uzyskanej w wyniku wieloletniego doświadczenia.
Uniwersalność
Ważną cechą charakteryzującą SE jest jego zdolność do rozwiązywania obszernej klasy zadań z danej dziedziny. Aby zdolność tę przejawiać system nie powinien zawierać wielu sztywnych, wcześniej przygotowanych rozwiązań, lecz dużą liczbę reguł obejmujących dostatecznie szeroki zakres heurystyk z dziedziny problemowej.
Złożoność
Stopień komplikacji SE jest w naturalny sposób określony przez dziedzinę, dla której jest wykonany. Występuje tu paradoksalne zjawisko, że problem niezbyt skomplikowany, o krótkim i mało rozwiniętym drzewie przeszukiwań czyni konstrukcję systemu nieopłacalną, ponieważ problem taki łatwiej jest rozwiązywać używając zwykłych programów.
Autoanaliza
SE powinien uzasadnić użytkownikowi przyjęte rozwiązanie nie tylko globalnie, ale i na każdym etapie, ta znaczy również rozwiązanie częściowe. Dokonuje się tego w ten sposób, że przegląda się drzewo rozwiązania w kierunku wstecznym, tak jak by to było jeszcze jedno zadanie wymagające ekspertyzy. Można to traktować jako rozumienie przez system postawionego przed nim zadania.
Zdolność udoskonalenia bazy wiedzy
Jedną z podstawowych cech SE jest ciągłe rozszerzanie wiedzy o nowe fakty i prawa (reguły wnioskowania). SE jeśli ma byś efektywny, powinien również przejawiać tę cechę. System powinien zawierać mechanizmy udoskonalające jego działanie.
Zalety
Podstawową cechą SE jest oddzielenie bazy wiedzy i mechanizmu wnioskującego.
Z cechy tej wynika szereg ważnych korzyści:
Możliwość posługiwania się wiedzą dziedzinową w postaci jawnej (w postaci pliku tekstowe, zawierającego reguły zapisane niemalże w języku potocznym) co ułatwia doczytanie i zrozumienie wiedzy dziedzinowej, zastosowanej w programie.
Możliwość prostej modyfikacji bazy wiedzy przez użytkownika bez potrzeby naruszania integralności właściwego programu, tzn. systemu wnioskującego. Ta zaleta jest-być może- najważniejsza.
Możliwość intermentalnego rozwijania bazy wiedzy. Na każdym etapie jej tworzenia dodaje się nowe elementy bazy wiedzy do tych, które już istnieją.
Możliwość tworzenia SE skorupowych, tzn. uniwersalnych SE, pozbawianych wiedzy dziedzinowej. Systemy takie mogą różni użytkownicy ładować różną, użytkowaną przez nich wiedzą, przystosowując do swoich potrzeb.
Wady
Skupienie uwagi na logice pierwszego rzędu i tylko symbolicznym przetwarzaniu wiedzy nie pozwala na rozwiązywanie w sposób istotny wielu problemów praktycznych w robotyce, wizji komputerowej, rozpoznawania mowy itp.
Inną trudnością w czasie tworzenia i eksploatacji dużych SE jest pozyskiwanie wiedzy od ekspertów, jej weryfikacja i udoskonalenie. Problem polega na tym, że eksperci nie zawsze formułują swoją wiedzę w postaci: Jeżeli...To...,co jest najłatwiej akceptowane przez regułowe programy komputerowe. Ponadto eksperci nie raz nie są w stanie przedstawić swoje postępowanie intuicyjne, nie chcą zdradzić swoich tajemnic zawodowych, bądź są trudno dostępni z racji braku czasu, niechęci lub nieobecności w miejscu tworzenia SE.
Dalszą trudnością w przypadku SE jest operowanie wiedzą niepewną. Wprowadza się wprawdzie tzw. współczynniki pewności o różnych wartościach pośrednich pomiędzy prawdą (TAK) i fałszem (NIE), jednakże wiarygodnie przetwarzanie ich nastręcza pewne trudności.
Rodzaje systemów ekspertowych
Aby ocenić system ekspertowy, należy najpierw odpowiedzieć na pytania, co otrzymujemy na wyjściu. Otóż wyniki te możemy podzielić na trzy zasadnicze grupy: diagnozy, prognozy oraz plany.
Diagnoza jest to ocena stanu istniejącego na podstawie posiadanych danych. Do tej grupy zaliczamy programy: MYCIN [113], CADUCEUS [98], EDORA [6], DENDRAL [74], PROSPECTOR [42], HEARSAY [107], PUFF [4] i CASNET [7].
Prognoza jest to przewidywanie stanu przyszłego na podstawie istniejących danych. Niektóre programy medyczne np.CASNET[7], stanowią prognozę stanu na podstawie własnej diagnozy.
Plan rozumiany jako opis pewnego stanu, do którego należy dążyć. Jednym z przykładów jest planowanie konfiguracji komputerów systemu VAX wykonane przez system R1 [80], znany także jako XCON, XSEL. Innym przykładem jest system DELTA/CATS[28].