Ekspert z krzemu

Ostatnia część przeglądu współczesnych systemów komputerowych wspomagających zarządzanie dotyczy systemów ekspertowych. Czy ekspert zbudowany z krzemu potrafi zastąpić człowieka z krwi i kości?

Ostatnia część przeglądu współczesnych systemów komputerowych wspomagających zarządzanie dotyczy systemów ekspertowych. Czy ekspert zbudowany z krzemu potrafi zastąpić człowieka z krwi i kości?

Systemy eksperckie ES starają się naśladować decyzje eksperta-człowieka w konkretnej wybranej dziedzinie i potrafią to robić w wielokrotnie powtarzalny i przyjazny dla użytkownika sposób. Systemy eksperckie są gałęzią stosowanej sztucznej inteligencji. Podstawowa idea polega na przeniesieniu zasobów wiedzy eksperta do komputera, który wyposażony jest w specjalne reguły wnioskowania i język komunikacji z użytkownikiem. Użytkownicy zwracają się do komputera, kiedy potrzebna jest im konkretna rada. System, podobnie jak człowiek, udziela najlepszej rady i jeżeli to konieczne, tłumaczy logikę na podstawie, której doszedł do takiej, a nie innej konkluzji.

Na pomoc lekarzom

Największą grupę systemów eksperckich od początku stanowiły systemy dla medycyny. Nie jest to przypadkowe. Diagnozowanie o chorobie na podstawie objawów jest idealnie dopasowane do koncepcji tzw. shells (pustych skorup), które wypełnia się wiedzą wg zadanych reguł wnioskowania. Są to tzw. rules based systems. Do pierwszych bardzo znanych należą: INTERNIST/CADUCEUS (University of Pitsburg) pozwalający na diagnozowanie 80% przypadków internistycznych, MYCIN (Stanford) do diagnozowania chorób krwi i terapii antybiotykowej, PUFF również diagnoza lekarska czy MOLEGEN do oceny analizy problemów bioinżynierii. Inne to DENDRAL (Stanford) - analizy chemiczne, HASP/SIAP (Stanford) - identyfikacja okrętów wojennych, HEARSAY-II (Carnegie-Mellon) - rozumienie mowy, MACSYMA (MIT) - analiza matematyczna, PROSPECTOR (Stanford Research Institute) - ocena złóż mineralnych. Powyższa wyliczanka wskazuje, że tego typu systemy rozwijane były w najsilniejszych ośrodkach uczelnianych, słynnych m.in. z prac nad sztuczną inteligencją.

Najistotniejszymi cechami systemów eksperckich są :

- zgromadzenie kompletnej wiedzy z danej dziedziny oraz możliwość jej uaktualniania wraz z postępem naukowym

- umiejętność naśladowania sposobu rozumowania człowieka-eksperta, stosowanego przy rozwiązywaniu tego samego typu problemów

- zdolność wyjaśniania przeprowadzonego toku "rozumowania" dla przyjętych rozwiązań

- zdolność konwersacji z użytkownikiem w jego ojczystym języku w sposób "przyjazny" i klarowny.

Jak już wspomniałem systemy takie są dostępne w postaci tzw. pustych skorup (ang. shells), które użytkownik musi wypełnić wiedzą wg zadanych reguł. W zależności od tego, jaka wiedza zostanie do takiego systemu włożona, takiego eksperta otrzymamy. Jeżeli będzie to wiedza techniczna, otrzymamy eksperta-inżyniera, jeżeli medyczna - eksperta lekarza, jeżeli prawnicza - eksperta-mecenasa itd. Tego typu systemy eksperckie są dziś bardzo popularne i powszechnie dostępne. Dają one możliwość stworzenia dowolnego systemu, uwzględniającego specyfikę danej dziedziny w danej firmie czy organizacji. Można tu przykładowo wymienić: Turbo Shell, Xsys, ExpertR, Instant Expert, Crystal, VP-Expert. Ostatnio pojawiły się tzw. obiektowe (ang. Object - Based) systemy eksperckie. W swojej generalnej filozofii działania nie różnią się one od innych systemów typu shell. Nazwa została wprowadzona ze względu na to, iż do wypełnienia wiedzą wykorzystuje się najnowsze techniki software'owe, takie jak GUI i OLE. Czyni to proces budowania systemu eksperckiego jeszcze bardziej prostym i przyjemnym. Przykładami takich systemów są: Pro Genesis, KEE (Knowledge Engineering, Environment), Loops, Aion Execution System czy Level5 Object.

Podrabianie mózgu

Inną, zasługującą na wspomnienie grupą systemów eksperckich są systemy pracujące w oparciu o sieci neuronowe, czyli w oparciu o komputerowy model komórek wzorowany na budowie mózgu człowieka. Komórki te tworzą sieci, które są generowane przez system. Użytkownik wprowadza do systemu znane mu "historyczne" przypadki i na ich podstawie system sam uczy się reguł wnioskowania. "Mądrość" systemu rośnie wraz z ilością przypadków, które system poznaje. Po pomyślnym przetestowaniu systemu staje się on relatywnie mało wrażliwy na niepełne dane, tzn. daje zadowalające rozwiązania nawet przy brakujących informacjach. Można tu wymienić NeuroShell, BrainMaker czy NeuralWorks.

Wydaje się jednak, że powszechne wykorzystanie dużych, gromadzących wszelką najnowszą wiedzę w danej dziedzinie systemów eksperckich nastąpi w wyniku rozwoju sieci telekomunikacyjnych. Wówczas dostęp do systemu będzie odbywał się na zasadzie subskrypcji. Pozwoli to na znaczne zwiększenie ilości użytkowników przy jednoczesnym skoncentrowaniu się na jakości systemu tj. aktualizacji baz wiedzy i metod. Problem ten jest najtrudniejszy (ze względu na dynamiczny postęp naukowy) i bardzo kosztowny (ze względu na odpowiedzialność przy gwarantowaniu wiarygodności dokonywanych zmian. Wysokość kosztów jaka temu towarzyszy czyni nabywanie tego typu systemów przez poszczególne firmy nieekonomicznym lub wręcz niemożliwym.

Warto w tym miejscu zauważyć, że z połączenia DSS i systemów eksperckich powstały tzw. Knowledge-Based DSS (KB-DSS). Są to systemy, posiadające oprócz dotychczasowych możliwości DSS znajdowania rozwiązań bliskich optymalnym, dodatkowo możliwości opiniowania, wydawania sądów, ocen, porad.

Rozmywanie granic systemów

Trzeba jeszcze wspomnieć o występujących na rynku systemach o nazwie DIS - Data Interpretation System. DIS jest komputerowym softwarem, pozwalającym decydentom zaprojektować i wygenerować, z istniejących baz danych, nowe informacje dla wspomożenia decyzji przy jednoczesnym bezpośrednim udziale innych decydentów lub osób zainteresowanych. Jest to software bazujący na komputerowych sieciach lokalnych (LAN). DIS wyposażony jest w zestaw narzędziowy, który stanowi pełne środowisko (w sensie komputerowym) dla wspomagania decyzji, pozwalając końcowym użytkownikom tworzyć własne aplikacje. Są one szczególnie przydatne w firmach gdzie:

- decyzje dotyczące bezpośrednio kondycji finansowej firmy podejmowane są pod presją czasu, wykorzystując ad hoc analizę danych;

- potrzebny jest łatwy dostęp do bardzo dużych baz danych (od 100 Mb do kilkudziesięciu Gb);

- wykorzystywane są dane z różnych źródeł.

Ta krótka charakterystyka DIS pozwala na przyjęcie, iż może on być wykorzystany jako nakładka na bazy danych w każdym z wyżej omówionych systemów, jako ułatwiający prezentację i interpretację danych czyli namiastka EIS.

W tabeli zaprezentowano różnice między omawianymi systemami, biorąc pod uwagę rozmaite kryteria. Jak już wcześniej wspomniałem, we współczesnym świecie obserwować można tendencje integrujące wszystkie ww. systemy w komputerowe systemy wspomagania zarządzania (Management Support Systems - MSS). Owe tendencje integracyjne powodują stopniowe rozmywanie się ostrych granic definicji owych systemów. Niemniej przedstawiony poniżej podział jest istotny i jego zrozumienie jest niezbędne dla właściwego ich wykorzystania.

Natomiast wydaje się, że przyszłość należeć będzie do systemów elastycznych, dostosowywalnych do wielkości i potrzeb firmy, integrujących w sobie różne oprogramowanie z przyjaznym graficznym interfejsem dla użytkownika, a ich nazwy i klasyfikacje nie będą miały większego znaczenia.


TOP 200