Od medicíny po ropu

Aké úlohy sú vhodné pre súčasné expertné systémy Expertné systémy dokážu simulovať rozhodovací proces vykonávan...


Aké úlohy sú vhodné pre súčasné expertné systémy
Expertné systémy dokážu simulovať rozhodovací proces vykonávaný expertom v
nejakej problémovej oblasti. Modelujú spracovanie vstupných údajov tak, akoby
ho robil odborník. Rozdiel medzi "klasickými" programami a týmito znalostnými
technológiami možno špecifikovať aj pomerom medzi v systéme obsiahnutými údajmi
a počtom procedúr, ktoré s týmito údajmi pracujú.
Pokiaí konvenčné programy na manipuláciu s údajmi typicky databázy obsahujú
veíký počet údajov, nad ktorými definujú iba malý počet zväčša jednoduchých
operácií, znalostné systémy majú oveía nižší pomer medzi počtom údajov a počtom
procedúr, ktoré s nimi pracujú.
Poznatky sú v znalostných systémoch chápané ako drobné procedúry pracujúce s
veími špecifickými a s týmito procedúrami veími tesne spojenými údajmi. Oblastí
nasadenia týchto systémov je veía, ale úlohy, ktoré expertné systémy riešia, je
možné rozdeliť do niekoíko málo základných skupín.

Diagnostika
Najrozšírenejším typom expertných systémov sú diagnostické expertné systémy.
Ich úlohou je interpretovať dostupné údaje s cieíom určiť, ktorá hypotéza z
dopredu stanovenej množiny hypotéz najlepšie týmto údajom zodpovedá. Riešenie
prebieha formou postupného prehodnocovania čiastkových a nakoniec cieíových
hypotéz v rámci pevne daného vnútorného modelu riešeného problému. Tento model
báza znalostí je dopredu navrhnutý expertom.
Informácie o danej problémovej oblasti a spÖsobe riešenia úloh v nej sú uložené
v báze znalostí. Tieto vedomosti sa aplikujú na údaje o konkrétnej riešenej
úlohe, ktoré interaktívne zadáva používateí (tzv. dialógový režim činnosti
expertného systému), získavajú sa výberom z vopred pripraveného úložišťa
údajov, napr. z databázy (tzv. dávkový režim činnosti expertného systému),
alebo mÖžu byť snímané priamo z reálnych objektov.
Mechanizmus, akým sa znalosti z bázy znalostí použijú, t.j. spÖsob určenia
postupnosti aplikovania odvodzovacích (inferenčných) pravidiel na údaje o
konkrétnej úlohe, určuje inferenčný mechanizmus. Od jeho kvality závisí kvalita
celého expertného systému. Informácie o konkrétnej úlohe zadané "zvonku" aj
odvodené expertným systémom v rámci odvodzovacieho procesu tvoria tzv. bázu
údajov.
Báza údajov na začiatku obsahuje predvolené údaje o všeobecnej úlohe z danej
problémovej oblasti. V priebehu práce systému sa postupne tieto údaje upresňujú
a dopíňajú, čím vzniká model riešenej úlohy. Je určená jedena alebo niekoíko
cieíových hypotéz, z ktorých sa expertný systém snaží určiť tie, ktoré
zodpovedajú stavu popísanému vstupnými údajmi.
Príkladom diagnostického expertného systému mÖže byť expertný systém Mycin,
vyvinutý už v roku 1984 v Standford Research Institute. Jeho úlohou bolo na
základe jednoducho dostupných údajov určovať typy bakteriálnej infekcie,
ktorými by mohol byť práve hospitalizovaný pacient postihnutý. Systém Mycin
dokázal navrhnúť liečbu antibiotikami tak, aby sa stav pacienta stabilizoval do
doby, kým sa ukončia časovo náročné podrobné laboratórne vyšetrenia.
Hoci najčastejšie uvádzané príklady diagnostických expertných systémov sú práve
z oblasti medicíny, existuje príklad z priemyslu, ktorý je rozhodne hodný
spomenutia. Jedná sa o expertný systém Dipmeter Advisor, ktorý bol vyvinutý pre
potreby niekoíkých naftárskych spoločností. Poskytuje rady obsluhe vrtných
zariadení v prípade problémov s híbkovými vrtmi. Náklady na vývoj tohto systému
presiahli 21,5 milióna dolárov, ale návratnosť investícií sa dala vyjadriť v
týždňoch. To nemožno nazvať inak ako "dobrá investícia".

Plánovanie
Plánovacími expertnými systémami sa obvykle riešia také úlohy, kde je známy
cieí riešenia a počiatočný stav a systém má využitím údajov o konkrétnom
prípade nájsť pokiaí možno optimálnu postupnosť krokov, ktorými možno z
počiatočného stavu cieí dosiahnuť. Podstatnou časťou takýchto expertných
systémov je generátor možných riešení, ktorý automaticky kombinuje postupnosť
operátorov.
S rastúcim počtom operátorov a predovšetkým s nutným počtom krokov riešenia
rastie veími rýchlo počet kombinácií pri vytváraní postupností krokov hovorí sa
o tzv. kombinatorickej explózii. Znalosť experta aj údaje o reálnom prípade sa
v plánovacích expertných systémoch používajú k výraznému obmedzeniu
kombinatorickej explózie skúmaných riešení, navrhovaných generátorom.
Výsledkom činnosti plánovacieho expertného systému je zoznam navrhovaných
riešení, obvykle ohodnotených istou mierou optimality, k výpočtu ktorej sa tak
isto využívajú informácie z bázy dát. Tento zoznam je uchovávaný v zásobníku
vhodných riešení, ktorý sa v priebehu riešenia úlohy dynamicky mení.
Plánovacie expertné systémy sú viac problémovo závislé ako diagnostické
expertné systémy. V súvislosti s uvedeným rozdelením expertných systémov na
diagnostické a plánovacie je potrebné uviesť, že aj pomocou diagnostických
expertných systémov je možné riešiť celý rad úloh plánovacieho charakteru,
avšak za predpokladu, že počet možných riešení (alternatív) plánovania nie je
príliš veíký.

Hybridné systémy
Hybridné expertné systémy sa vyznačujú kombinovanou architektúrou, pretože
čiastočne využívajú diagnostické princípy a čiastočne plánovacie systémy. K
hybridným systémom zaraďujeme napríklad inteligentné výukové systémy (u ktorých
sa strieda "diagnostika" znalostí vyučovaného s plánovaním ďalšieho výučbového
procesu) či monitorovacie systémy (diagnostický sledovací systém je v okamihu
detekcie poruchy nahradený systémom pre plánovanie zásahu na jej odstránenie).

Prázdne systémy
Od samého počiatku rozvoja expertných systémov bola zdÖrazňovaná opakovateíná
využiteínosť vyvíjaných expertných systémov či ich častí. Vysoká
znovupoužiteínosť je zrejmá najmä u obecných, problémovo nezávislých častí
expertných systémov, t.j. u riadiacich a vysvetíovacích mechanizmov.
Expertné systémy bez problémovo závislých častí, t.j. bez bázy znalostí a bázy
údajov, sa obvykle nazývajú prázdne expertné systémy (angl. shells). Až
doplnením bázy znalostí k prázdnemu systému sa systém orientuje na riešenie
príslušnej problematiky (stáva sa z neho problémovo orientovaný expertný
systém). Doplnením bázy údajov je tak vždy riešený konkrétny prípad.
Prázdne expertné systémy sa podarilo vyvinúť iba pre riešenie diagnostických
úloh. Vzhíadom k silnej závislosti efektívnosti plánovacích a hybridných
systémov na použitej reprezentácii znalostí, ktorá je obvykle tiež výrazne
problémovo závislá, dosiaí neexistujú prázdne expertné systémy spomínaných
dvoch druhov. Prázdne expertné systémy boli dÖležité pre výskum v tejto oblasti
umelej inteligencie a pre návrh pilotných projektov expertných systémov,
pretože umožňovali relatívne rýchlu a íahkú implementáciu nových systémov.

Pohíad používateía
Uvedené rozdelenie úloh zodpovedalo pohíadu zo strany expertných systémov na
triedy úloh, ktoré dokážu riešiť. MÖže byť ale tiež zaujímavé pozrieť sa na
problematiku úloh pre expertné systémy z pohíadu používateía a híadať odpoveď
na otázku, či na riešenie danej konkrétnej úlohy možno použiť znalostný systém.
Najmä manažérov firiem zvažujúcich investíciu do takéhoto systému bude
zaujímať, kedy je ich použitie vhodné a opodstatnené, a kedy je naopak rizikové
alebo nevhodné.
Existujú určité predpoklady problémov alebo riešených úloh také, že po splnení
aspoň niektorých z nich možno predpokladať, že pre ich riešenie je možné
navrhnúť znalostný systém. V prvom rade musia existovať špecialisti, ktorí
ovládajú postupy na riešenie týchto úloh. Ak je problémom firmy napr. nevýhodný
kurz eura voči korune, ani najlepší špecialista firmy s týmto problémom nič
neurobí a firma sa mu jednoducho musí prispÖsobiť (predpokladajme, že onou
firmou nie je práve Národná banka, ktorá disponuje mechanizmami ako danú
nepriaznivú skutočnosť ovplyvniť).
Špeciálne znalosti íudského experta sú iba onou povestnou špičkou íadovca, pod
ktorou musí existovať celý horský masív poznatkov o danej problematike. Rovnako
aj znalostný systém, ktorý má implementovať expertove špecifické znalosti, musí
implementovať aj teoretický základ úloh v danej problematike. DÖležité je, aby
experti dokázali svoje odborné rozhodnutia dostatočne zdÖvodniť, prípadne
odÖvodniť svoje zlyhanie. Len tak dokážu svoje poznatky odovzdať znalostnému
inžinierovi, ktorý ich práve na základe spomínaného vysvetlenia implementuje do
umelého systému.
Nevhodnými kandidátmi na riešenie pomocou znalostných systémov sú úlohy,
ktorých riešenie je silne závislé od tzv. bežných poznatkov. Reprezentácia
takýchto úloh je pre umelé systémy veími zložitá a je predmetom aktívneho
skúmania umelej inteligencie. Rovnako závislosť úlohy a jej riešenia od
zmyslových údajov signalizuje, že použitie umelého systému v tomto prípade mÖže
zlyhať.
Ak je úloha závislá od zmyslových údajov, je vhodné híadať spÖsoby, ako túto
závislosť odstrániť. V istom priemyselnom závode bol hlavný výrobný proces
založený na kondenzácii, ktorá bola citlivá na teplotu a hustotu vstupujúcej
pary a tento proces bol riadený na základe čuchovej analýzy "ovzdušia" v
kondenzátore. Táto "analýza" bola jednak zdraviu škodlivá, jednak bolo len
niekoíko málo íudí, ktorí ju vedeli urobiť. S veíkým úspechom bol na reguláciu
tohto výrobného procesu nasadený fuzzy regulátor, pričom analýza stavu v
kondenzátore sa vykonávala veími jednoduchým spÖsobom, a to meraním vodivosti
pary.

Zmeny systému
Znalosti experta sa zvyknú časom meniť. Rovnako z času na čas je potrebné
pozmeniť alebo doplniť aj bázu znalostí expertného systému. Ak takéto zmeny
budú časté a veíkého rozsahu, náklady na prevádzku systému sa mÖžu dramaticky
zvýšiť. Časté zmeny by vyžadovali častú prítomnosť tak znalostného inžiniera
ako aj experta, preto je namieste zvážiť, či v takomto prípade nebude
výhodnejšia trvalá prítomnosť experta a umelý systém je teda zbytočný.
Posledne zmienená zbytočnosť expertného systému pri súčasnej prítomnosti
íudského experta však neplatí vo všetkých situáciách. Expertný systém sa len
zriedkavo používa ako úplná náhrada človeka, zvyčajne je to v aplikáciách
diagnostiky porúch či on-line riadenia. Často expertný systém funguje ako
rovnocenný spolupracovník človeka, prípadne len ako jeho poradca, pričom je na
íudskom expertovi. Expertný systém tak mÖže človeka odbremeniť od rutinnej
práce a poskytnúť mu väčší priestor venovať sa špecifikám konkrétnej úlohy.
Tento prístup je charakteristický pre väčšinu metód umelej inteligencie: Snažia
sa poskytnúť mechanizmy na riešenie ťažkých úloh. Pri riešení týchto úloh sa
inšpirujú tým, ako dané problémy riešia íudia, prípadne príroda. Nesnažia sa
však íudí nahradiť.

Budúcnosť
Expertné systémy ešte určite nepovedali svoje posledné slovo. Pri ich vzniku sa
kládol dÖraz na znovupoužiteínosť ich jednotlivých častí, najmä inferenčného a
vysvetíovacieho mechanizmu. Za posledné roky prudko stúpli možnosti vývoja
softwaru a otázky implementácie programov už nie sú tými, na ktorých by ich
tvorba stála a padala. Preto sa v poslednom čase dostávajú do popredia tzv.
dedikované (vyhradené) expertné systémy, ktoré sa už od počiatku vývoja
špecializujú na určitú konkrétnu problémovú oblasť. Strácajú tak síce veíkú
časť svojej flexibility, ale v oblasti, na ktorú sú určené, fungujú o to
efektívnejšie. (V praxi sa ukazuje, že flexibilita implementovaná do programov
je vo veíkej väčšine prípadov zbytočná a čas venovaný jej implementácii by
mohol byť pri tvorbe programov využívaný oveía efektívnejšie.) Sú to neraz
vnorené subsystémy oveía zložitejších celkov. MÖžu sa použiť najmä v spolupráci
s inými technológiami umelej inteligencie.









Komentáře
K tomuto článku není připojena žádná diskuze, nebo byla zakázána.