Zapytaj eksperta

Systemy ekspertowe są jednym z filarów sztucznej inteligencji. Już w latach 70. zaczęły zyskiwać znaczenie praktyczne. Czy po dziesięcioleciach rozwoju stały się codziennością w technologiach informacyjnych?

Systemy ekspertowe są jednym z filarów sztucznej inteligencji. Już w latach 70. zaczęły zyskiwać znaczenie praktyczne. Czy po dziesięcioleciach rozwoju stały się codziennością w technologiach informacyjnych?

Pół wieku temu Herbert Simon i Allen Newell postanowili napisać komputerowy program, który "po prostu" byłby w stanie rozwiązać każdy problem. Nadali mu dumną nazwę General Problem Solver (GPS), a następnie przyjęli, że dowolne zagadnienie da się rozwikłać przez kombinację dwóch metod:

  • redukcji, podczas której kompleksowy problem zostaje rozłożony na coraz prostsze problemy cząstkowe
  • transformacji, polegającej na zamianie rozwiązywanego problemu na podobny o znanym rozwiązaniu.

Takie podejście nasuwa skojarzenia z matematycznym indukcjonizmem. Nadaje się zatem do rozwiązywania dość wąskiej klasy problemów - matematycznych czy logicznych - a więc takich, w których dysponujemy formalnie zdefiniowanymi modelami o jednoznacznych warunkach brzegowych i stanach wewnętrznych, co umożliwia ich przetwarzanie na drodze aksjomatyczno-dedukcyjnej. Tymczasem praktyka obfituje w sytuacje charakteryzujące się wysokim stopniem niepewności oraz wybitnie kontekstowej wiedzy, która może być różnorodnie interpretowana: od medycyny do ekonomii i od socjologii do sfery prawnej.

Szybko wykazano, że podejście Simona i Newella nie może być uznane za uniwersalne, co aforystycznie ujmuje tytuł słynnego artykułu Drew McDermotta: "Sztuczna inteligencja w zetknięciu z naturalną głupotą" ("Artificial intelligence meets natural stupidity"). Również praktycznie projekt zakończył się niepowodzeniem. Ale jak to często w technice bywa, jego gruzy wykorzystano jako fundamenty do budowy nowego rodzaju oprogramowania - systemów ekspertowych (SE, XPS).

Ogólna teoria wszystkiego

Przede wszystkim zrezygnowano z utopijnego ideału generalizmu i tworzenia "ogólnej teorii wszystkiego" na rzecz realistycznego ograniczenia się do ściśle zdefiniowanej i wąskiej dziedziny wiedzy dla danego oprogramowania. Doprowadziło to do powstania wielu silnie dedykowanych pakietów ekspertowych. Żelaznymi przykładami w tym zakresie są:

  • MYCIN - wybrane choroby krwi (USA)
  • DENDRAL - analiza związków chemicznych (USA)
  • PROSPECTOR - probabilistyka danych geologicznych (USA)
  • SHEARER - optymalizacja pracy kombajnów węglowych (Wlk. Brytania)
  • TRANAID - planowanie transportu odpadów radioaktywnych (Wlk. Brytania)
  • MACSYMA - algebra (np. w fizyce plazmy, USA)
  • CLAVIER - przemysł lotniczy (USA)

Już z tego zestawienia widać, że praktyka XPS to faktycznie często wąskie i "drogie" dziedziny. Owszem, istnieją systemy szkieletowe (Expert Shell) zawierające gotowe narzędzia pozyskiwania i reprezentacji wiedzy, mechanizmy wnioskowania oraz interfejsy użytkownika, ale taki pakiet uzyskuje wartość praktyczną dopiero po "załadowaniu" do niego określonej wiedzy, stając się w efekcie również systemem specjalistycznym. Czy zatem warto korzystać ze "szkieletów", skoro narzucają one specyfikę własnej struktury reguł? Mimo wszystko tak. Praktyka pokazuje, że takie podejście przyspiesza tworzenie aplikacji, zwłaszcza w jej początkowym okresie.

Mając takie narzędzia, wydawałoby się, że powinniśmy być otoczeni systemami ekspertowymi. W końcu, z definicji, mają one zastępować profesjonalne ekspertyzy, a więc usługi należące do najdroższych. Tymczasem nie zawsze są one chętnie przyjmowane przez użytkowników. Zapewne ma to źródła także w ważnych przyczynach merytorycznych (wiarygodność komputerowej ekspertyzy) czy psychologicznych (obawy przed zdominowaniem przez maszynę). Warto jednak zwrócić uwagę na słabą stronę systemów ekspertowych, jaką jest ich sekwencyjna dialogowość.

System dla eksperta

Idea dialogowości systemu ekspertowego jest zupełnie naturalna i odpowiada rzeczywistej sytuacji kontaktu użytkownika z człowiekiem-ekspertem. Niemniej jej software'owa implementacja objawia się często gąszczem drzew decyzyjnych i tasiemcowymi ciągami pytań-odpowiedzi, przypominającymi kabaretowe "dialogi na cztery nogi", np. prowadzone w restauracji:

  • podać coś do picia czy do jedzenia?
  • do picia
  • na ciepło czy na zimno?
  • na ciepło
  • kawę czy herbatę?
  • kawę
  • zbożową czy naturalną?

Itd. itp. - do momentu, kiedy okazuje się, że nie ma naszej zamawianej kombinacji i zamiast wymarzonej małej czarnej dostajemy zastępczo dużego schabowego. Tymczasem w praktyce wystarczyłoby przecież kelnerowi jedno proste zdanie czy hasło. Podobnie jest kiedy udajemy się do eksperta z dziedziny prawa pracy. Wystarczy kilka zdań i kontekst sytuacji, aby mógł on przystąpić do diagnozowania problemu.


TOP 200