Systemy ekspertowe

x60
Systemy ekspertowe
Spis treści:
1. Podstawowe cechy systemów ekspertowych.
2. Struktura systemu.
3. Czy komputerowe Systemy Ekspertowe mogą zastąpić ekspertów-ludzi
4. Cechy i budowa systemów eksperckich
5. Współczesne komputerowe systemy wspomagania decyzji
6. Przesłanki stosowania komputerowych SWD
Podstawowe cechy systemów ekspertowych1
System ekspertowy można zdefiniować jako program komputerowy używający wiedzy i
procedur wnioskowania do rozwiązywania problemów o skali trudności na poziomie profesjonalisty w
danej, specyficznej dziedzinie. Program komputerowy, który wykorzystuje wiedzę i wnioskowanie w
celu rozwiązywania problemów jest zwykle nazywany działającym w oparciu o wiedzę (knewledge based system). Kiedy wiedza i procedury wnioskowania są modelowane na wzór ekspertów, taki
system nazywa się systemem ekspertowym. Tak więc wiedza i procedury SE są opisem metod
stosowanych przez ekspertów w danej dziedzinie. Szczególnie istotne są dwa elementy:
1. Rozwój SE oparty jest na teoriach rozwiązywania problemów przez człowieka.
2. Podstawowym celem przy rozwoju SE jest reprezentacja wiedzy zgromadzonej przez
człowieka w trakcie nauki i praktyki.
System ekspertowy jest więc budowany w dialogu 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, szkolenie 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.
1
[ HESR94]
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. Tak więc SE są robione dla specyficznych,
wąsko zdefiniowanych problemów. Typowe finansowe dziedziny dla SE to analiza kredytów, analiza
finansowa, inwestycje giełdowe itp. Dzięki zawężeniu obszaru zainteresowań osiągnięto dobre
rezultaty, ale jednak Za cenę specjalizacji systemu w kilku wąskich zadaniach i jego zupełnej
nieadekwatności do czegokolwiek innego. Stąd istnieje tendencja do rozwoju SE zawierających
bardziej ogólną, teoretyczną wiedzę, do której system może wracać, gdy napotka problemy, które nie
mogą być rozwiązane dzięki wiedzy płytkiej.
Wielu autorów sformułowało kilka wymagań, jakie musi spełniać problem, aby opłacalne było
tworzenie systemu ekspertowego do jego rozwiązania:
1. decyzja musi zależeć od dobrze zdefiniowanego zbioru zmiennych,
2. wartości, jakie przyjmują te zmienne muszą być znane,
3. musi być znana zależność, jaką wywierają poszczególne zmienne na decyzję,
4. zależności pomiędzy zmiennymi powinny być na tyle złożone, aby opłacalne było
tworzenie systemu ekspertowego.
W tych ciasnych regułach może się mieścić większość problemów życia codziennego, lecz jednak
wiele specjalistycznych dziedzin jest odpowiednich di tworzenia systemu ekspertowego.
Celem tworzenia systemu ekspertowego jest skomputeryzowanie problemów na poziomie
wysokiej klasy eksperta. Tak więc wiedza ta może być łatwo dostępna. Przez 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.
Ekspertów jest mało, a zapotrzebowanie na ich wiedzę duże.
Systemy ekspertowe mogą zmniejszyć różnicę w jakości podejmowanych decyzji między
ekspertami a osobami rzeczywiście rozwiązującymi problemy czy decydentami w organizacji. Na
przykład bank zatrudnia zwykle kilku wysokiej klasy ekspertów od kredytów, pracujących w centrali
banku lub w dużych oddziałach oraz wielu pracowników obsługujących klientów w placówkach
banku. Wiedza dotycząca udzielania kredytu może być poprzez system ekspertowy skierowana do
każdego, kto jej potrzebuje, a więc umożliwi decentralizację podejmowania decyzji bez wzrostu
ryzyka. Ponadto, skomputeryzowanie jest również udokumentowaniem wiedzy dotyczącej
podejmowania decyzji i może być użyte w sprzężeniu zwrotnym z ekspertem, podnosząc jego wiedzę.
System ekspertowy realizuje dwie główne funkcje:
1. Wprowadzenie konkluzji.
2. Wyjaśnienie swojego rozumowania.
Konkluzja może być diagnozą lub zaleceniem dla pewnej sytuacji finansowej. Należy
zaznaczyć, że zbiór konkluzji musi być w pełni wyspecyfikowany. Działaniem, jakie wykonuje
system ekspertowy jest tylko wyszukanie odpowiedniego elementu tego zbioru. 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.
Struktura systemu
Jedną z podstawowych cech systemów ekspertowych jest oddzielenie wiedzy od algorytmów
rozwiązywania problemów. Wiedza jest specyficzna dla poszczególnych dziedzin i rozwiązywanych
zadań. Algorytmy rozwiązywania problemów mogą być zastosowane do różnych dziedzin i zadań.
Podstawowa architektura systemu ekspertowego składa się z czterech elementów: bazy wiedzy,
pamięci roboczej, mechanizmu wnioskowania i interfejsu użytkownika (element dialogu).
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.
Oprócz powyższych elementów potrzebny jest interfejs pomiędzy użytkownikiem a
komputerem. Interfejs ten umożliwia inżynierom wiedzy i użytkownikom komunikację z systemem.
Czy komputerowe Systemy Ekspertowe mogą zastąpić ekspertów-ludzi
Najpierw sprecyzujmy co rozumiemy przez określenie: człowiek-ekspert i system ekspertowy.
Potocznie mówiąc, ekspert jest to facet, który dużo wie i "ma nosa". Bardziej ściśle eksperta można
określić jako człowieka, który nabył dogłębną wiedzę teoretyczną o danej dziedzinie poprzez naukę,
wiedzę praktyczną - poprzez długoletnią pracę praktyczną (zastosowaniową) w danym wąskim
wycinku wiedzy, jest obdarzony intuicją i ma dar stosowania tzw. skrótów myślowych i innych
"tricków" pozwalających na "przeskoki" w czasie rozumowania i wybór najkrótszych dróg dojścia do
celu, przy rozwiązywaniu danego problemu. Mówimy wówczas, że ekspert posiada dogłębną± wiedzę
heurystyczną. Wymienione cechy związane są z pojęciem inteligencji człowieka. Natomiast system
ekspertowy jest złożonym (rozbudowanym) programem komputerowym, w którym jest umiejętnie
zakodowana wiedza heurystyczna eksperta. Program taki składa się na ogół z kilku odrębnych, lecz
powiązanych ze sobą bloków programowych (stąd określenie "system"), z których wydzielić można
jako najważniejsze: interfejs użytkownika systemu, bazę wiedzy (tu jest zakodowana wiedza eksperta)
i tzw. "maszyny wnioskującej", która wykorzystuje zakodowaną wiedzę i pozwala na dochodzenie do
rozwiązania (celu) postawionego problemu. Systemy ekspertowe mogą być wyposażone w tzw. blok
wyjaśniania, który daje odpowiedź w jaki sposób dochodzi się do celu.
Teraz pytanie: w jakich dziedzinach stosuje się, czy też warto stosować systemy ekspertowe?
Odpowiedź jest stosunkowo prosta: w tych dziedzinach, które są słabo sformalizowane, tzn. w których
trudno jest przypisać teorie oparte na matematyce, lub inaczej, do których trudno jest zastosować
ścisłe algorytmy działania. Przykładami mogą być: medycyna, geologia, rolnictwo, prawo,
zarządzanie, astronautyka, robotyka, chemia, architektura itp. Natomiast w rozwiązywaniu
problemów, dla których istnieją algorytmy numeryczne, stosowanie systemów ekspertowych nie jest
celowe, gdyż programy algorytmiczne są na ogół znacznie szybsze i doprowadzają do optymalnego
rozwiązania (systemy ekspertowe prowadzą najczęściej do rozwiązań nie koniecznie optymalnych,
lecz akceptowalnych przez użytkownika systemu). Jednym z pierwszych nowoczesnych i udanych
systemów ekspertowych jest system MYCIN, opracowany w USA w roku 1974 (nazwa pochodzi od
końcówki nazw antybiotyków, np. streptomycin - streptomycyna), służący jako "doradca" dla lekarzy
z zakresu diagnostyki i terapii bakteryjnych chorób krwi. Określenie "doradca" wskazuje na to, że
system sugeruje jaki to jest rodzaj choroby i przedstawia propozycję jej leczenia; natomiast lekarz
może to uznać za słuszne, lub nie. W MYCYN'ie zakodowana jest wiedza konsylium lekarskiego z
tego zakresu.
Również w naukach technicznych o silnym sformalizowaniu jak np. elektronika, informatyka,
mechanika, budownictwo, itp., gdzie istnieje mnóstwo różnego rodzaju algorytmów rozwiązywania
problemów, zastosowanie systemów ekspertowych ma sens w obrębie tzw. konstruowania, co
obejmuje: projektowanie, syntezę, konfigurowanie, itp., bowiem konstruowanie, a w tym np.
projektowanie jest raczej sztuk± i trudno jest tu mówić o konkretnych algorytmach; można jedynie
podać jakie ogólne wytyczne, a konkretnych rozwiązań może być wiele, np. tańsze, droższe,
ogólniejsze, bardziej szczegółowe, itp.
Jak wspomniano, wiedza w systemie ekspertowym pochodzi od eksperta lub zespołu ekspertów (jest
tzw. wiedza prywatna), a ponadto może być pozyskiwana z książek, katalogów, informacji
fabrycznych, itp. (jako tzw. wiedza publiczna). Wiedza ta musi być umiejętnie zakodowana w
systemie ekspertowym przez odpowiedniego specjalistę nazywanego "inżynierem wiedzy". Inżynier
wiedzy stanowi ogniwo pośrednie między źródłami wiedzy a systemem ekspertowym. Powinien to
być informatyk, lub odpowiednio przyuczony programista, który nie tylko potrafi umiejętnie
programować, ale także powinien posiadać umiejętności reporterskie i wiedzę ogólną z danej
dziedziny, aby w odpowiedni i umiejętny sposób prowadzić dialog z ekspertami i wydobywać od nich
najistotniejsze fakty i reguły dotyczące rozwiązywania odpowiednich problemów. Zatem, system
ekspertowy będzie tym lepszy im lepsze jest grono ekspertów i im lepszy jest inżynier lub zespół
inżynierów wiedzy tworzących program będący systemem ekspertowym. Wynika stąd kardynalny
wniosek: system ekspertowy nie może być lepszy od grona osób tworzących go!
Warto wspomnieć, że system ekspertowy może być utworzony przy użyciu dowolnego języka
programowania, jak np. Basic, Algol, Fortran, Pascal, C, C++, i in. Jednakże, tworzenie systemu
ekspertowego od podstaw w tych językach jest bardzo czasochłonne, a więc i drogie. Dlatego też
wyspecjalizowane zespoły naukowe i firmy softwerowe tworzą i sprzedają specjalne języki
programowania, np. LISP (LISp Processing) i PROLOG (PROgrammation LOGique) oraz OPS5
(Oficial Production System), CLIPS (C Language Intergrated Production System) i inne, zawierające
w sobie "maszynę wnioskującą", a także specjalizowane narzędzia programowe do tworzenia
systemów ekspertowych, zawierające w sobie poza maszyną wnioskującą również: interfejs
użytkownika, blok pozyskiwania wiedzy (ułatwiający wprowadzenie wiedzy do bazy wiedzy), blok
wyjaśniania, itp. Takie narzędzia programowe nazywane "systemami szkieletowymi" lub
"muszelkowymi" (ekspert system shell) znacznie ułatwiają i przyspieszają tworzenie systemów
ekspertowych. System szkieletowy można traktować jako system ekspertowy z pustą bazą wiedzy.
Zatem, zapełnienie bazy wiedzy z danej wąskiej dziedziny zamienia narzędzie jakim jest system
szkieletowy w konkretny system ekspertowy.
Czy ekspert z komputerem jest mądrzejszy od uczonego?
Poza omawianymi systemami ekspertowymi pojawiają się ostatnio bardziej rozbudowane, nazywane
"Hybrydowymi systemami ekspertowymi" (Hybrid expert system). Są one połączeniem omówionych
systemów ekspertowych z systemami "Sztucznych Sieci Neuronowych". Opis działania sztucznych
sieci neuronowych powinien być chyba jeszcze dłuższy od powyższego opisu. W skrócie można tu
jedynie zaznaczyć, że są to systemy softwerowe, a częściej hardwerowe, naśladujące po części
działanie systemów nerwowych organizmów żywych. Ich kapitalną zaletą jest niemalże
błyskawiczność działania (przy wykonaniu hardwerowym), gdyż informacje wprowadzane do wielu
wejść są przetwarzane równolegle (nie szeregowo jak w typowych komputerach). Znajdują one
szczególne zastosowania w klasyfikacji i selekcji (danych, obiektów, wiedzy), rozpoznawania
obrazów, rozpoznawania mowy, itp. Działanie systemu hybrydowego można więc przedstawić na
przykład jako: wstępną klasyfikację przez system sieci neuronowej, wnioskowanie przez maszynę
wnioskującą i końcową selekcję przez system sieci neuronowej lub w podobny sposób.
Ogólnie, dobrze działające systemy ekspertowe zaliczane są do tzw. "programów inteligentnych" i są
częścią dziedziny nazywanej "Sztuczną Inteligencją".
Aby psychologowie i inni specjaliści zajmujący się inteligencją ludzką (w odróżnieniu od innych; np.
Aldous Huxley w swojej powieści "Kontrapunkt" wyróżnia nieco sarkastycznie: inteligencję ludzką,
zwierzęcą i wojskową) nie czuli się oburzeni należy zaznaczyć, że termin "sztuczna inteligencja"
dotycząca komputerów i ich oprogramowania jest określeniem umownym - hasłowym i została
wprowadzona przez dr Johna McCarthy'ego ze Stanford University, USA, w r. 1956 przy okazji
organizowania pierwszej konferencji dotyczącej komputerowej symulacji procesów umysłowych
uznawanych jako inteligentne. Lata 50-te - a więc okres dla rozwoju komputerów niemalże
archaiczny. (Na marginesie można wspomnieć, że w tym okresie w krajach realnego socjalizmu, a
szczególnie w kraju "wiodącym", prace nad komputerami były zakazane gdyż "wielki językoznawca"
Josif Wissarionowicz uznał komputery jako szkodliwy wymysł kosmopolitycznego imperializmu).
Po tych rozważaniach wprowadzających można przejść do odpowiedzi na pytanie zawarte w tytule.
Częściowa odpowiedź: "tak i nie" podana na wstępie może być udokumentowana przykładami programami prowadzenia gry w szachy oraz zastosowaniami systemu MYCIN. Wprawdzie programy
gry w szachy nie są nazywane systemami ekspertowymi, lecz zaliczane są do tzw. programów
inteligentnych gdyż ogólnie, rozgrywanie gier jest częścią problematyki sztucznej inteligencji. Otóż,
postęp w tworzeniu programów gry w szachy jest tak ogromny, że już w 1989 roku komputery
przegrywały jedynie z arcymistrzami. A więc odpowiedź jest: TAK. Jednakże jak podała Telewizja
Polska w październiku 1989 r. do pojedynku z komputerem stanął sam arcymistrz świata Kasparow i
wygrał, ale dopiero po około 40 ruchach - więc odpowiedź jest: NIE. Gdyby jednak sam Kasparow był
zaangażowany jako "źródło wiedzy", to być może czasem by wygrywał lub przegrywał z "własnym"
programem komputerowym.
Teraz o właściwym systemie ekspertowym MYCIN. Przy testowaniu tego systemu w końcu lat 70tych dokonano wiele sprawdzianów. Między innymi dane o chorobie krwi przekazywano do systemu
MYCIN i przesyłano do konsylium lekarskiego w innym ośrodku medycznym. Oceny obu wyników
dokonywała specjalna komisja uznanych ekspertów medycznych. Wynik był częściowo
zdumiewający; w około 70% przypadków wyniki systemu MYCIN były trafniejsze; nie mówiąc o
tym, że były osiągalne znacznie szybciej (zaleta szybkości działania komputerów). Zatem znowu
odpowiedź jest: TAK, ale nie zawsze!
Odpowiedź na TAK dotyczy również działania systemów ekspertowych tzw. "czasu rzeczywistego"
stosowanych w automatyce, technice rakietowej, lotniczej, kontroli reaktorów atomowych, itp. gdzie
należy przeanalizować dane z tysięcy nieraz różnego rodzaju czujników i podjąć decyzję w ciągu
ułamka sekundy, czy milisekundy. Żaden człowiek tego nie potrafi, chociaż być może mógłby tego
dokonać, ale po wielu minutach, lub dniach.
Odpowiedź częściowa: "nie i tak" może dotyczyć wszystkich systemów ekspertowych, które są tańsze,
a więc zawierające niepełną± wiedzę o danej dziedzinie, lub opracowane dla małych komputerów o
skromnej pamięci. W tych przypadkach zespół dobrych ekspertów, a nawet jeden poważny ekspert,
może być "lepszy" od systemu ekspertowego. Odpowiedź więc: NIE. Jednakże, tego rodzaju systemy
ekspertowe mogą być "lepsze" od niektórych ekspertów, którzy są w początkowym stadium swojej
działalności jako eksperci. Tu odpowiedź może być: TAK.
Warto wspomnieć, że w ostatnich latach działa wiele systemów ekspertowych w różnego rodzaju
firmach i instytucjach dając wielomilionowe oszczędności. Systemy te są szeroko stosowane w
krajach wysoko rozwiniętych, gdzie koszt robocizny dobrego eksperta (w roku) znacznie przekracza
koszt dobrego systemu ekspertowego (łącznie z komputerem). Ceny systemów ekspertowych są
bardzo różnorodne - od kilkudziesięciu dolarów (raczej systemy dla edukacji) do kilkudziesięciu
tysięcy dolarów. U nas na razie praca eksperta jest tańsza, a rozwój krajowych systemów
ekspertowych - "w powijakach". Należy więc poczekać.
Na zakończenie można nawiązać do tzw. "inteligencji" programów komputerowych i "sztucznej
inteligencji", której aplikacją są m.in. właśnie systemy ekspertowe.
Uważa się, że pierwszą "udokumentowaną" osobą wskazującą na możliwości wyposażania
komputerów w "inteligentne" programy, co wcześniej określano mianem "inteligencja maszynowa",
był naukowiec angielski Alan Turing (1912-1954), który w r. 1950 opublikował pracę pt. "Computing
Machinery and Intelligence". W pracy tej wskazał bezpośrednio na możliwości takiego
oprogramowania komputera, że będzie on wykazywał cechy zachowania się zbliżone do zachowania
się człowieka inteligentnego. Z tej pracy pochodzi też słynny "Test Turinga", spełnienie którego
wskazywałoby na inteligentne zachowanie się komputera wyposażonego w odpowiedni program. Test
Turinga można streścić następująco: w jednym pokoju znajduje się człowiek, a z terminalem
(klawiatura i monitor) połączonym z drugim pokojem, w którym znajdują się: odpowiednio
oprogramowany komputer K i inny człowiek B z terminalem (K i B połączone są z A); na inteligentne
pytanie zadane przez A odpowiada - człowiek B lub komputer K. Jeżeli A nie rozpozna kto
odpowiada, wówczas można uznać, że komputer K jest wyposażony w inteligentny program.
Oczywiście w teście Turinga pytania nie powinny być banalne, gdyż np. program tabliczki mnożenia
do 100 łatwo odpowie ile jest 2x3; trudno byłoby jednak nazwać go inteligentnym. Chociaż ...
Co też inteligentni ludzie nie wymyślą.
Cechy i budowa systemów eksperckich
Inteligencja2 jest to zdolność do uczenia się i rozumienia zjawisk przez doświadczenie,
zdolność zdobywania wiedzy i wykorzystywania jej do szybkiego reagowania na nowe sytuacje,
zdolność rozumowania w celu efektywnego rozwiązywania problemów.
Natomiast sztuczna inteligencja ( Artificial Inteligence ) to dział informatyki zajmujący się
rozwiązywaniem problemów wymagających zdolności do samouczenia się i wnioskowania z
problemów, dla których rozwiązania nie istnieje algorytm lub jest on trudny do zbudowania.
2
[ROKU95]
SYSTEM EKSPERCKI jest to program komputerowy, który wykorzystuje wiedzę i
procedury wnioskowania do rozwiązywania problemów wystarczająco trudnych, aby wymagały
istotnych ludzkich ekspertyz do ich rozwiązania.
NAJISTOTNIEJSZE CECHY SYSTEMÓW EKSPERCKICH
-
pozyskiwanie wiedzy, gromadzenie doświadczeń
alternatywny wybór proponowanych decyzji
profesjonalny język komunikacji z użytkownikiem
objaśnienie ( uzasadnienie ) wybranych rozwiązań
proponowanie rozwiązań w warunkach niepełności i niepewności wiedzy
STRUKTURA SYSTEMU EKSPERCKIEGO
INTERFEJS UŻYTKOWNIKA
umożliwia:
- wprowadzenie do systemu informacji
- zapoznanie się z pośrednimi i końcowymi wynikami działania systemu
- pozyskiwanie wiedzy od użytkowników
organizacja dialogu użytkownik – komputer
- system ma inicjatywę podczas poszukiwania systemu
- inicjatywę przejmuje użytkownik
-
Projektując interfejs należy pamiętać, że:
- wiedza może być opisywana w sposób abstrakcyjny ze zróżnicowaną dokładnością i wnikliwością
oraz na różnych poziomach szczegółowości
- użytkownik systemu eksperckiego dysponuje również wiedzą ( i to często fragmentami nie gorszą
niż system )
- w różnych dziedzinach przedmiotowych obowiązują różne sposoby prowadzenia dialogu ( i
związane z tym zwyczaje )
ETAPY TWORZENIA SYSTEMÓW EKSPERCKICH
POZYSKIWANIE WIEDZY OD SYSTEMÓW EKSPERCKICH
TRUDNOŚCI W POZYSKIWANIU WIEDZY
-
wiedza jest na ogół rozproszona ( jej elementy są na ogół na różnych nośnikach w wielu źródłach )
wiedzę trudno zastosować ( nawet po opanowaniu podstawowych elementów wiedzy możemy
mieć istotne trudności z jej zastosowaniem do konkretnego przypadku )
w wielu przypadkach występują trudności w udostępnieniu wiedzy
OGÓLNA KLASYFIKACJA METOD POZYSKIWANIA WIEDZY
z punktu widzenia stopnia zaangażowania oprogramowania w poszukiwanie: kreowanie wiedzy,
metody jej pozyskiwania można podzielić na:
- manualne ( manual mathods )
- półautomatyczne ( semi – automatic methods )
- automatyczne ( automatic methods )
MANUALNE METODY POZYSKIWANIA WIEDZY
-
-
są przydatne na ogół na etapie projektowania i przygotowania prototypu systemu eksperckiego
ich istotą jest zebranie od ekspertów dziedzinowych wiedzy niezbędnej do utworzenia szkieletu
nowo projektowanego systemu
stosowanie metod manualnych na dalszych etapach życia systemu eksperckiego jest dość
ograniczone
W najprostszych przypadkach poszukiwanie wiedzy sprowadza się do umieszczenia elementów
wiedzy w bazie wiedzy
Wymaga to współpracy między ekspertem dziedzinowym będącym źródłem wiedzy ( source of
knowledge ) a inżynierem wiedzy
MANUALNE METODY POZYSKIWANIA WIEDZY
- wywiad ( interview )
- analiza raportów ( raport analise )
- „ przerobienie „ problemu ( going trought the problem )
- kwestionariusz ( questionarry)
- raport eksperta ( expert raport )
burza mózgów ( brainstorm)
PRZETWARZANIE WIEDZY W SYSTEMACH EKSPERCKICH
-
wnioskowanie w systemach eksperckich
wnioskowaniem zajmuje się maszyna wnioskująca
jej zadaniem jest analiza przesłanek i wyciąganie z nich wniosków ( konkluzji ) lub znalezienie
przesłanek ( premises ) potwierdzających postawioną hipotezę ( hipothesis )
języki zorientowane na przetwarzanie wiedzy są na ogół wyposażone w stosowne konstrukcje
programowe do realizacji wnioskowania
poszukiwanie rozwiązań nie jest problemem samym w sobie – system ekspercki nie jest po to aby
poszukiwać rozwiązań – on ma je podawać ( proponować użytkownikowi ) najlepiej jeżeli nie
będzie to jedno rozwiązanie lecz kilka uszeregowanych np. według wiarygodności
- jeżeli dysponujemy pełniejszą wiedzą ( szerszą bazą wiedzy ), to na ogół możemy ograniczyć
poszukiwania co uczyni system bardziej efektywnym, a przynajmniej szybszym
to zbiór wszystkich możliwych stanów, w jakich może znaleźć się proces rozwiązywania
problemu
- do formalizacji przestrzeni poszukiwań korzysta się z grafu poszukiwań ( search graph ) – węzły
są stanami problemu, a łuki procedurami przejścia
- poniższy przykład odpowiada zbiorowości sześciu reguł umieszczonych w bazie wiedzy
-
Współczesne komputerowe systemy wspomagania decyzji3
Komputerowe systemy wspomagania decyzji nie zastępują, jak niektórzy sądzą człowieka ale
zachęcają do formułowania pytań, stawiania wymagań, szukania celu oraz dokonywania
optymalizacji.
Proces podejmowania decyzji odgrywa kluczową rolę w kierowaniu i zarządzaniu organizacją
i przedsiębiorstwem. Jest on szczególnie ważny i skomplikowany w gospodarce rynkowej. Wolny
rynek uświadamia bezwzględne prawa konkurencji, ale jednocześnie prowokuje do podejmowania
nowych przedsięwzięć ekonomicznych. Taka sytuacja wymaga od osób podejmujących decyzje,
kompetencji, dużej intuicji i otwartości umysłu. Analiza i integracja tych elementów przekracza
czasami możliwości intelektualne człowieka, dlatego konieczna jest pomoc w zakresie pokonywania
rozmaitych ograniczeń jego percepcji, pamięci oraz integrowania, przetwarzania, przechowywania i
przywoływania różnych informacji, które odgrywają istotną rolę w procesie strukturalizacji problemu
decyzyjnego. Dzięki nim inicjatywa poznawcza zostaje przeniesiona do osoby podejmującej decyzję.
Identyfikacja komputerowych systemów wspomagania decyzji
Idea komputerowych systemów wspomagania decyzji (SWD) wyrosła na tle złożonej natury
procesów podejmowania decyzji, niekompletnej wiedzy o modelowanym obiekcie oraz coraz bardziej
skomplikowanych organizacjach i ich środowiskach.
Interpretacja kategorii „komputerowy system wspomagania decyzji” jest trudna. Pojawia się
tutaj wiele wątpliwości i spornych kwestii metodologicznych, co wpływa na złożoność i
wieloaspektowość tego zagadnienia. Dotyczy ono bowiem szerokiego spektrum zagadnień:
zrozumienia jak ludzie rozwiązują problemy, podejmują decyzje oraz w jaki sposób mogą zwiększyć
swoje umiejętności w tym zakresie wykorzystując komputery. SWD od samego początku swojej
historii rozwoju interesowały przedstawicieli różnych dyscyplin naukowych. Korzenie SWD sięgają
badań prowadzonych już w latach 60. Wymienia się tutaj głownie prace badawcze H. Simona na temat
rozwiązywania problemów i podejmowania decyzji z punktu widzenia psychologii, osiągnięcia
badaczy z Massachusetts Institute of Technology w zakresie interaktywnych systemów
komputerowych człowiek-komuter oraz prace R. Anthonego dotyczące działalności kierowniczej. W
1971 roku Gorry i S. Morton stworzyli podstawę modelu komputerowego wspomagania decyzji.
Badania te przygotowały grunt do rozwoju problematyki SWD w latach 80 i 90 w USA i Europie.
Zaangażowanie w rozwój SWD wielu specjalistów z różnych dyscyplin, a przede wszystkim z teorii
decyzji zarządzania, badań operacyjnych, psychologii poznawczej oraz technologii informacyjnej,
doprowadziło do powstania różnych punktów widzenia na SWD. TA z pewnością niezwykle cenna,
różnorodność poglądów utrudnia z drugiej strony stworzenie spójnej i jasnej koncepcji tych systemów
w związku z powyższym , pomimo wieloletnich badań nad komputerowymi systemami wspomagania
3
[CEOL99]
decyzji, trudno podać powszechnie akceptowalną definicję tych systemów oraz wskazówki do ich
tworzenia. Trudności te potęguje fakt pojawiania się nowych rozwiązań technologicznych oraz
zmieniające się obszary zainteresowań podejmujących decyzje. Do najczęściej wymienianych cech
komputerów SWD zalicza się:
- przedstawienie informacji w postaci i technologii znanej użytkownikowi
- selektywność w dostarczaniu informacji
- wspomaganie, a nie zastępowanie procesu myślowego decydenta
- wspomaganie w rozwiązywaniu zadań słabo ustrukturalizowanych
- koncentrację na decyzjach dla kadry kierowniczej najwyższego szczebla zarządzania
- elastyczność i szybką reakcję na zapytania użytkownika
- sterowanie programem przez użytkownika
- wspieranie różnych stylów podejmowania decyzji
Przesłanki stosowania komputerowych SWD
Współczesne zainteresowanie tematyką SWD wynika z przewartościowań jakie dokonały się
w organizacji i zarządzaniu. Podejmowanie decyzji w dzisiejszym przedsiębiorstwie dotyczy działania
w wysoce złożonym i konkurencyjnym środowisku. Przedsiębiorstwa, chcąc przetrwać w takim
wymagającym otoczeniu zmuszone są do podejmowania różnorodnych działań. Należą do nich:
obserwacja otoczenia, elastyczne planowanie, reenginrering, tworzenie aliansów oraz jakościowe i
kreatywne podejmowanie decyzji. Dodatkowo konkurencja na rynku rozwój globalnej ekonomii,
wywołują potrzebę szybkiej analizy operacji biznesowej oraz wspomaganie działań indywidualnych i
grupowych. Wiele przedsiębiorstw przechodzi od rozumowania w kategoriach walki konkurencyjnej
do stwarzania okazji do rozwijania współpracy. W nowej rzeczywistości ważne stają się stosunki z
klientem , który nie jest już anonimowy, a sukces na rynku osiąga ta organizacja której uprawnienia
decyzyjne umieszczone są blisko klienta. Organizacje dążąc do zwiększania zyskowności lub po
prostu przetrwania firmy, zmuszone są do przeprowadzania jakościowych zmian, kompleksowej
przebudowy procedur organizowania czynności, występujących w praktycznym działaniu dowolnego
obiektu gospodarczego.
Celem Współczesnych SWD jest pomoc kadrze kierowniczej w optymalnym reagowaniu na
wymierające presję złożone środowisko wokół organizacji. SWD powinny być gotowe do
podejmowania decyzji zróżnicowanych żądań i szybko na nie reagować, a więc muszą być sprawnymi
systemami łączności w relacji człowiek komputer.
Wyniki badań wskazują, że stosowanie SWD może prowadzić do przewagi konkurencyjnej, Ułatwiać
interakcję osób podejmujących decyzje z otoczeniem organizacji, zmniejszać ryzyko działań pozwalać
maksymalnie wykorzystać pojawiające się szanse oraz unikać zagrożeń
Inteligentne zarządzanie siecią4
Pod koniec 1998 roku firma Computer Associates zaczeła dostarczać oprogramowanie
„samouczących się” agentów o nazwie Neugent. Neugent rezyduje na serwerze lub stacji roboczej i
wspomaga tworzenie „unerwienia sieci”. Taka sieć tworzona na wzór biologicznych neuronów
zdolnych do uczenia się i rozpoznawania wzorców bodźców. Przez okres kilku tygodni Neugent
rozpoznaje wzorce normalnych zachowań sieci i serwerów. Opierając się na tych wzorcach, agent
może przewidywać sytuacje, które mogą powodować błędne działanie systemów. Produkt skupia się
na problemie wydajności, interesuje się czasem reakcji, wolumenem transakcji i innymi
charakterystycznymi wyznacznikami wydajności. Opierając się na tych danych Neugent przewiduje,
kiedy system ma problemy natury wydajnościowej i generuje odpowiednie alarmy. Następne wersje
Neugenta będą wspomagać dziedziny takie jak: aktywne zarządzanie, administracja zabezpieczeniami,
wykorzystanie pamięci masowej i planowanie obciążeń.
4
[NETW99]
1. Henryk Sroka „Systemy ekspertowe. Komputerowe wspomaganie decyzji w zarządzaniu i
finansach” AE im. Karola Adamieckiego, Katowice 1994
2. „Wspomaganie decyzji. Systemy eksperckie” pod red. Romana Kulikowskiego i Lucyny Bogdan,
Instytut Badań Systemowych PAN Warszawa 1995
3. Celina Olszak „Współczesne komputerowe systemy wspomagania decyzji”–Informatyka 1999 nr1
4. Net World 1999 nr 2 „ Inteligentne zarządzanie
siecią”