Wiedza na sprzedaż

Pierwsze systemy ekspertowe powstały na użytek medycyny i chemii - w diagnozowaniu chorób o bardzo dużej liczbie zmiennych czy badaniu substancji chemicznych. Przypadkami dobrze poddającymi się analizie ze strony systemów ekspertowych są choroby zakaźne obejmujące szeroką populację i liczne przypadki zachorowań. Systemami, które tego dokonały na początku badań, są MYCIN (diagnozowanie i terapia chorób zakaźnych), PIP (diagnozowanie chorób nerek) czy HEADMED (diagnozowanie psychofarmakologiczne). W następnej kolejności powstały systemy w chemii, jak DENDRAL (interpretacja masowych spektrogramów) czy CRYSTALIS (interpretacja krystalogramów). Można powiedzieć, że i ta pierwsza generacja systemów ekspertowych była jeszcze mało inteligentna, gdyż analizowała wprawdzie bardzo rozległe bazy danych i wiedzy, wyprowadzając z nich wartościowe wnioski, lecz nie tworzyła zbyt nowatorskiej wiedzy.

Pojawiły się więc systemy konsultacyjne jako nowa, wyższa generacja systemów ekspertowych. W nawiązaniu do znalezionego już rozwiązania pewnego kompleksowego problemu (np. rozpoznanej ukrytej przyczyny powtarzających się chorób zakaźnych) system konsultacyjny stawia jeszcze dodatkowe pytania: w jaki sposób doszło do kluczowej konkluzji, dlaczego tak postawiono pytanie, jaki jest plan rozwiązania problemu, co trzeba jeszcze w nim uwzględnić itp. Pytania te są przykładem szczególnego rodzaju wiedzy - metawiedzy - pozwalającej na daleko idące, nowe, lepsze wnioski. Tu realizuje się dialog między inżynierem wiedzy a ekspertem dziedziny. Systemy konsultacyjne są w istocie szczególnymi "nakładkami" na poprzednie systemy. Tak też powstał THEIRESIAS, jako interfejs dla systemu MYCIN.

Ważnym kolejnym krokiem są komputerowe systemy wspomagania decyzji. Są one dostosowane do wymogów całościowej oceny sytuacji problemowej w danej dziedzinie, dysponują bogatą bazą wiedzy i podejmują kompleksowe decyzje. Od strony budowy i zasad działania systemy wspomagania decyzji są tradycyjnymi systemami ekspertowymi, rozbudowanymi o interfejs z użytkownikiem. Tu dokonuje się dialog inżyniera wiedzy z ekspertem w danej dziedzinie. Prowadzą one dialog z użytkownikiem w języku naturalnym (według syntezy mowy), tworzą dla niego modele sytuacji decyzyjnych, prezentują mu w przystępnej graficznie (coraz częś-ciej wielozmysłowej) formie zaproponowane rozwiązania, objaśniają mu je, w końcu współdecydują. Początkowo (w latach 70. systemy te wspomagały decyzje w słabo ustrukturalizowanych dziedzinach wiedzy, takich jak rachunkowość, prawo podatkowe, marketing, sprzedaż czy planowanie kariery. Od końca lat 80. zaczęły powstawać systemy "hybrydowe" - łączące algorytmiczno-heurystyczne metody maszynowego wnioskowania opierając się na bazie wiedzy z autonomicznymi, wstępnymi decyzjami kierowniczej kadry opartymi na intuicji czy wyczuciu. Przykładem są powstałe w Manchester Institute of Science and Technology systemy o nazwie MARK-OPT (dynamiczna optymalizacja strategii marketingowej) czy PHARMAPLAN (marketingowa gra symulacyjna do użytku w przemyśle farmaceutycznym).

Systemy ekspertowe są obecnie produktem rynkowym. Minął już okres, gdy pasjonaci z akademickich ośrodków bezinteresownie tworzyli programy dowodzenia twierdzeń matematycznych czy gry w warcaby. Obecnie komputerowe systemy są tworzone i wykorzystywane komercyjnie i jest to efekt "przemysłowej ery komputerów". Ich cena jest odzwierciedleniem wartości, jaką ma właściwie przeprowadzona ekspertyza, dobrze postawiona diagnoza czy podjęta decyzja.

W ten sposób sztuczny intelekt znajduje realną cenę i okoliczność tę powinni wziąć pod uwagę krytycy sztucznej inteligencji. Warto przy tej okazji zastanowić się nad tą okolicznością i spytać: za co właściwie płaci np. koncern wydobywczy, kupując drogi system ekspertowy, który analizuje i ocenia złoża minerałów i naturalnych produktów (np. gazu czy ropy), prognozuje ich zasoby oraz decyduje o miejscu i skali ich wydobycia. Płaci za umiejętności menedżerów korzystających z programu, za przysłowiowego "nosa" swoich geologów, którzy tworzą bazę wiedzy systemu, czy może za cierpliwość programistów, którzy nigdy nie byli w terenie, nie wąchali nafty ani nie znają się na geologii? Który z tych elementów wiedzy ma swoją cenę rynkową. Który jest udziałem człowieka, a który cyfrowej maszyny? Czy tworzenie nowej wiedzy, twórcze odkrycia mogą być zmechanizowane?