REFERAT_SE.doc

Informatyka i Ekonometria

SYSTEMY EKSPERTOWE – KONCEPCJA, CECHY, FUNKCJE, ZASADY DZIAŁANIA, ZASTOSOWANIE ORAZ PORÓWNANIE Z SYSTEMAMI TRADYCYJNYMI.

1. KONCEPCJA SYSTEMÓW EKSPERTOWYCH

Badania nad sztuczną inteligencją doprowadziły do formalizacji ogólnych metod i strategii rozwiązywania problemów. Metody te zawodzą jednak przy rozwiązywaniu problemów świata rzeczywistego.

E. Feigenbaum ze Standford University, którego prace doprowadziły do powstania jednego z pierwszych SE (systemu DENDRAL), zwrócił uwagę na znaczenie wiedzy w SE.

Ten nowy sposób widzenia kładzie nacisk na wiedzę w przeciwieństwie do formalnych metod rozumowania. Hades-Roth objaśnia to podając trzy powody:

1)     Większość trudnych a interesujących problemów, wywodząc się ze złożonych środowisk fizycznych czy społecznych, nie posiada prostych rozwiązań algorytmicznych.

2)     Eksperci osiągają dobre efekty dzięki swej wiedzy w specyficznej dziedzinie.

3)     Istnieje potrzeba posiadania wiedzy w coraz bardziej złożonym świecie.

Dzięki technologii informacyjnej mamy coraz łatwiejszy dostęp do coraz większej ilości informacji. Jednak informacja ta nie ma wartości, jeżeli nie potrafimy jej użyć. Istnieje potrzeba posiadania wiedzy jak stosować informację. Osób posiadających tę wiedzę jest zbyt mało w społeczeństwie.

SYSTEM EKSPERTOWY jest programem komputerowym, który stosuje modele wiedzy i procedury wnioskowania w celu rozwiązywania problemów. Wiedza taka składa się z faktów i reguł wnioskowania.

Podstawowe elementy koncepcji SE:

·         Program komputerowy, który wykorzystuje wiedzę i wnioskowanie w celu rozwiązywania problemów jest zwykle zwany systemem działającym na podstawie wiedzy (knowledge-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.

·         Rozwój SE bazuje na teorii rozwiązywania problemów przez człowieka.

Ogólna koncepcja SE

Podstawowe cechy systemów ekspertowych:

·         Poprawność – SE powinien podawać jak najbardziej precyzyjne i wiarygodne odpowiedzi,

·         Przejrzystość, łatwość w obsłudze, zrozumiałość, efektywność,

·         Dobry SE powinien rozwiązywać zadania w czasie dopuszczalnym i dysponować strategiami umożliwiającymi imitowanie wiedzy i intuicji eksperta

·         Uniwersalność – zdolność do rozwiązywania obszernej klasy zadań z danej dziedziny,

·         Złożoność – SE są ze względu na liczbę reguł klasyfikowane następująco: małe (100-300 reguł), średnie (300-2000 reguł) oraz duże (ponad 2000 reguł).

Podstawowym celem rozwoju SE jest reprezentacja ekspertyzy, tj. wiedzy zgromadzonej przez człowieka w trakcie nauki i praktyki.

SE jest zwykle budowany w dialogu z ekspertem w danej dziedzinie. Pozyskiwanie i modelowanie wiedzy oraz tworzenie systemu komputerowego dla rozwiązywania problemów nazywane jest inżynierią wiedzy. Zadanie to wykonywane jest przez inżynierów wiedzy. Są oni projektantami systemu, którzy powinni posiadać pewną wiedzę w dziedzinie tworzonego SE, znać stosowane metody i techniki oraz programowanie komputerów.

Wiedza jest źródłem wszelkich działań ludzi inteligentnych. Wiedza jest pojęciem dość trudnym do zdefiniowania. Występują w niej elementy takie, jak fakty i zależności między faktami oraz strategia rozwiązywania problemów. W danej dziedzinie wiedza może określać zależności lub związki i przyczyny zachodzące między faktami. Zgromadzona wiedza może być oceniana w aspekcie przydatności do rozwiązywania konkretnych problemów.

Ze względu na źródła wiedzy możemy rozróżnić następujące jej rodzaje:

1)     Wiedzę ekspertów,

2)     Specyficzną wiedzę użytkownika określonych działań,

3)     Wyniki procesów reprezentacji wiedzy dostarczonej przez mechanizm rozwiązywania problemu.

Reprezentacja wiedzy w SE opiera się na opisie obiektów modelowanej wiedzy i relacji między nimi. Budowanie SE polega na odwzorowaniu wiedzy z danej dziedziny.

Takie odwzorowanie – reprezentacja wiedzy, ma zapewnić wyciąganie wniosków na podstawie zebranej wiedzy.

Wiedza SE składa się z faktów i heurystyk. Fakty są zasadniczym jej elementem, heurystyki są informacją indywidualną konkretnego eksperta. Wiedza może być reprezentowana w postaci deklaratywnej lub proceduralnej. Postać proceduralna sprowadza się do wykonania określonych działań na faktach w związkach między nimi. Postać deklaratywna jest wyrażana za pośrednictwem opisów formułowanych z wykorzystaniem logiki, tj. ujęciu zależności między wyodrębnionymi obiektami i właściwościami tych obiektów. Do najpopularniejszych technik służących do odwzorowania wiedzy należą reguły, ramy oraz sieci semantyczne.

Nabywanie wiedzy jest procesem polegającym na wydobywaniu wiedzy od eksperta.

Nabywanie wiedzy i strukturalizacja wiedzy w SE

W procesie budowania systemu należy założyć, że wiedza zawarta w SE będzie tylko częścią wiedzy eksperta, od którego ją uzyskano, i odpowiedzi będą często gorsze niż odpowiedzi eksperta.

Istotnym aspektem pozyskiwania wiedzy jest jej sformalizowany zapis, budowa prototypu SE – chodzi o wykonanie modelu, w którym dokonujemy, przez odpowiednie uogólnienia, zredukowania złożoności rozważanej dziedziny, uwzględniając tylko jej najistotniejsze aspekty.

Przy modelowaniu wiedzy możemy wyróżnić dwa charakterystyczne podejścia. Pierwsze zakłada, że rozwiązanie problemu jest takie, jakie podaje wybrany ekspert. Drugie polega na kwalifikacji problemu do pewnej klasy. Z każdą klasą można powiązać ogólne i dziedzinowo niezależne procedury rozwiązań określonego problemu. Zgodnie z tą ideą dla konkretnych typów zadań opracowano gotowe, dziedzinowo niezależne procedury rozwiązań.

Ekspertyzy są doskonalone poprzez ćwiczenia, szkolenie i doświadczenie. Ten rodzaj wiedzy nazywany jest czasami wiedzą płytką, ponieważ składa się z indywidualnych metod, których specjaliści nauczyli się w celu lepszego wykonywania swych czynności. Eksperci w poszczególnych dziedzinach (które są przedmiotem zainteresowania SE) posiadają zwykle profesjonalne wykształcenie. Ich praktyka jest oparta na teorii, czyli podstawowych zasadach, wytycznych, prawach itp. Ta wiedza zwana jest głęboką i jest bardziej ogólna od wiedzy płytkiej.

Sformułowano wymagania, jakie musi spełniać problem, aby opłacalne było tworzenie SE 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 między zmiennymi powinny być złożone na tyle, aby opłacalne było tworzenie SE.

W tych ciasnych regułach może nie mieścić się większość problemów życia codziennego, lecz jednak wiele specjalistycznych dziedzin jest odpowiednich do tworzenia SE.

Celem tworzenia SE jest skomputeryzowanie problemów na poziomie eksperta wysokiej klasy. Tak więc wiedza ta może być łatwo dostępna, pozwalając personelowi mającemu mniejsze umiejętności w rozwiązywaniu pewnych zadań, poprzez konsultację z SE, rozwiązywać problemy, które w przeciwnym razie musiałyby być rozwiązywane przez ekspertów. Ekspertów zwykle jest za mało, a zapotrzebowanie na ich wiedzę zbyt duże.

SE mogą zmniejszyć różnicę w jakości podejmowanych decyzji między ekspertami a osobami rzeczywiście rozwiązującymi problemy, czy decydentami w organizacji. Na przykład bank posiada na ogół kilku wysokiej klasy ekspertów od kredytów, pracujących zwykle w centrali banku lub w dużych oddziałach, oraz wielu pracowników obsługujących klientów w placówkach banku. Wiedza dotycząca udzielania kredytu może być, poprzez SE, powielona do każdego, kto je potrzebuje, tak więc umożliwi decentralizację podejmowania decyzji bez wzrostu ryzyka. Ponadto, skomputeryzowanie realizacji ekspertyz oznacza również udokumentowanie wiedzy dotyczącej podejmowania decyzji i może być użyte w sprzężeniu zwrotnym z ekspertem, podnosząc jego wiedzę.

Zgodnie z terminologią komputerową pracownicy lub decydenci wykorzystujący SE określani SA terminem użytkownicy. W literaturze dotyczącej SE dużo pisze się o ekspertach i pozyskaniu wiedzy, mało natomiast o użytkownikach i ich charakterystyce. Charakterystyka użytkownika narzuca pewne ograniczenia przy projektowaniu SE. Zakłada się zwykle, że użytkownik zna terminologię w danej dziedzinie. Pozostałe aspekty są rzadko rozpatrywane.

SE realizuje dwie główne funkcje:

1)     Wprowadza konkluzję,

2)     Wyjaśnia swoje rozumowanie.

Konkluzja może być diagnozą choroby lub zaleceniem dla konkretnej sytuacji finansowej. Należy zaznaczyć, że zbiór konkluzji musi być w pełni wyspecyfikowany. Zadaniem, jakie wykonuje SE jest tylko wyszukanie odpowiedniego elementu tego zbioru. SE 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. Jedynie informacja wprowadzona podczas konsultacji wpływa na przebieg wnioskowania. Występuje tu różnica w stosunku do SWD, gdzie użytkownik w dowolnym czasie może zażądać od systemu danych lub wykonania obliczeń.

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. Oczekuje się od SE, aby posiadał podobne możliwości.

Użytkownik może konsultować się z SE podczas wykonywania, takich zadań jak ustalenia diagnozy, przygotowanie planu lub uzyskanie zaleceń przy wyborze jednej z alternatywnych decyzji. Zakres działań, jakie wykonuje SE może być różny od zakresu, jakie wykonuje użytkownik, np. SE dla decyzji kredytowych może być zaprojektowany do takich zadań jak:

·         Zalecanie decyzji, akceptacja/odrzucenie,

·         Pomoc w ocenie kredytu,

·         Wykonanie diagnozy ogólnej sytuacji finansowej.

W pierwszym przypadku system prawie w pełni podejmuje decyzję. Decyzja kredytowa może być tutaj powierzona ludziom nie wyszkolonym w dziedzinie finansów i decyzji kredytowych. W drugim przypadku system wspomaga decydenta, który może podjąć ostateczną decyzję sam na podstawie dodatkowych danych. W trzecim przypadku, analiza finansowa wykonana przez system jest jednym z kilku raportów, na podstawie których można podjąć decyzję.

Przy projektowaniu systemu musimy odróżnić zadania użytkownika i zadania SE.

Typologia rodzajów zadań rozwiązywanych przez SE

System ekspertowy może być projektowany tak, aby wypełniał jedno lub więcej z tych zadań. Ponieważ diagnozowanie odgrywa istotną role w dziedzinie finansów, należy bardziej szczegółowo je przeanalizować. Metoda rozwiązywania problemów diagnozowania nazywa się często klasyfikacją.

Wydanie diagnozy oznacza określenie przyczyny pojawiania się problemu na podstawie zbioru symptomów lub innych charakterystyk sytuacji. Medyczna diagnoza choroby może być otrzymana na podstawie zbioru symptomów pacjenta. W finansach diagnozą może być np. zyskowność, płynność finansowa itp. Otrzymane na podstawie danych finansowych firmy.

Przed SE, diagnostyczne programy komputerowe oparte były na statystyce. Obecnie wykorzystuje się raczej proces wnioskowania w warunkach niepewności.

Problemy diagnozowania rozwiązywane są przez procesy generowania weryfikowania hipotez. W małych zbiorach konkluzji diagnoza może być wyciągana systematycznie. Każda odpowiedź jest sprawdzana indywidualnie i oceniana, czy jest prawdziwa lub fałszywa z pewnym stopniem niepewności. Na zakończenie diagnozowania dostarczana jest lista konkluzji uporządkowana w kolejności malejącego prawdopodobieństwa. Problem powstaje wtedy, gdy istnieje równolegle wiele rozwiązań. Oczywiście nie można wybrać najbardziej prawdopodobnego rozwiązania tak, jak nie można uwzględnić wszystkich rozwiązań powyżej pewnego progu prawdopodobieństwa. Niektóre diagnostyczne SE pracują z wieloma diagnozami jednocześnie. W dużych zbiorach problemów nieefektywne jest weryfikowanie wszystkich możliwych rozwiązań. Niezbędne jest wówczas generowanie hipotez. Tak więc symptomy mogą być użyte do generowania wiarygodnych, możliwych do przyjęcia hipotez, które następnie są testowane i weryfikowane.

Klasyfikowanie jest ściśle związane z diagnozowaniem. Jest to przypisywanie poszczególnych obiektów do określonych klas. Klasy, jakie mogą występować, są z góry określone. Każda jest zdefiniowana na podstawie zbioru typowych cech charakterystycznych. Klasyfikacja polega na porównywaniu poszczególnych cech obiektu i cech charakterystycznych jednej z klas. Na przykład diagnoza medyczna polega na określeniu choroby na podstawie zbioru objawów podanych przez pacjenta. Każda choroba posiada zbiór typowych cech, które są porównywalne z objawami pacjenta. Jeżeli te cechy są zgodne problem jest określony.

Istnieje wiele aspektów klasyfikacji, które komplikują proces wnioskowania. Jak bowiem postąpić z wyborem, które warunki są konieczne i wystarczające, aby obiekt mógł być zaklasyfikowany do jakiejś klasy. Czy należy szukać jednego, czy wszystkich rozwiązań w obszarze problemu, a w przypadku wielu konkluzji jak należy je interpretować.

Wyjaśnienie, ogólnie rzecz biorąc, jest to umotywowanie poszczególnej konkluzji, tzn. określenie jak przebiegało wnioskowanie. Eksperci potrafią objaśnić swoje decyzje, tak więc oczekuje się, aby SE miał podobne możliwości. Najpowszechniejszym typem wyjaśnień są wyjaśnienia retrospektywne. JAK poszczególna konkluzja została osiągnięta? System powinien w odpowiedzi wyświetlić łańcuch reguł, które były wykonane dla osiągnięcia tej konkluzji.

Drugim powszechnym wyjaśnieniem są informacje DLACZEGO system zadaje użytkownikowi poszczególne pytania podczas konsultacji. Pytania typu JAK i DLACZEGO są ułatwieniami przeznaczonymi dla użytkownika. Czasami użyteczny może być wgląd w przebieg całej drogi procesu wnioskowania. Czyli wyświetlenie wszystkich próbowanych reguł. Typowym poleceniem wykonującym tę funkcję jest TRACE. Jest ono głównie używane przez inżynierów wiedzy podczas projektowania i testowania systemu. Użytkownicy mogą również korzystać z tej funkcji.

2. PODSTAWOWE ZASADY DZIAŁANIA SYSTEMÓW EKSPERTOWYCH

Jedną z podstawowych cech SE jest rozdzielenie 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 SE składa się z czterech elementów:

·         Bazy wiedzy,

·         Mechanizmu wnioskowania,

·         Pamięci roboczej,

·...