{"id":2050,"date":"2022-10-27T10:39:09","date_gmt":"2022-10-27T10:39:09","guid":{"rendered":"http:\/\/architeles.pl\/ethics\/?p=2050"},"modified":"2023-03-01T14:34:15","modified_gmt":"2023-03-01T14:34:15","slug":"systemy-ekspertowe-czym-sa-co-oferuja-i-jakie-niosa-ze-soba-konsekwencje","status":"publish","type":"post","link":"https:\/\/architeles.eu\/ethics\/index.php\/2022\/10\/27\/systemy-ekspertowe-czym-sa-co-oferuja-i-jakie-niosa-ze-soba-konsekwencje\/","title":{"rendered":"Systemy ekspertowe – czym s\u0105, co oferuj\u0105 i jakie nios\u0105 za sob\u0105 konsekwencje?"},"content":{"rendered":"

Rozw\u00f3j sztucznej inteligencji umo\u017cliwi\u0142 ludziom tworzenie narz\u0119dzi, kt\u00f3re wspomagaj\u0105 cz\u0142owieka zar\u00f3wno w \u017cyciu zawodowym jak i prywatnym. SI posiada\u00a0 cechy, dzi\u0119ki kt\u00f3rym mo\u017ce osi\u0105ga\u0107 lepsze wyniki ni\u017c cz\u0142owiek w wielu zadaniach, mimo \u017ce dla wielu os\u00f3b jest to temat budz\u0105cy negatywne skojarzenia. Przyk\u0142adem mog\u0105 by\u0107 autonomiczne systemy zbrojne zast\u0119puj\u0105ce \u017co\u0142nierzy na polu walki, roboty spo\u0142eczne wspieraj\u0105ce pracownik\u00f3w hospicjum, czy inteligentni asystenci g\u0142osowi Google\u2019a lub Apple towarzysz\u0105cy nam w czynno\u015bciach \u017cycia codziennego. Do grona narz\u0119dzi wykorzystuj\u0105cych technologie sztucznej inteligencji nale\u017c\u0105 r\u00f3wnie\u017c systemy ekspertowe, kt\u00f3re postaramy si\u0119 przybli\u017cy\u0107 w tym po\u015bcie.<\/b><\/span><\/p>\n

Czym jest system ekspertowy?<\/b><\/span><\/h2>\n

Pierwsze systemy ekspertowe powsta\u0142y w latach 70. XX wieku i od tego czasu zacz\u0119to je wykorzystywa\u0107 w wielu r\u00f3\u017cnych dziedzinach. Wsp\u00f3\u0142cze\u015bnie wiele takich rozwi\u0105za\u0144 jest sprzedawanych jako produkt komercyjny, kt\u00f3ry ma u\u0142atwia\u0107 dzia\u0142alno\u015b\u0107 np. firm ubezpieczeniowych, finansowych czy kancelarii prawniczych. <\/span>System ekspertowy<\/b> to program lub aplikacja komputerowa opracowane do rozwi\u0105zywania z\u0142o\u017conych problem\u00f3w w konkretnej dziedzinie na nadzwyczajnym poziomie ludzkiej inteligencji i specjalistycznej wiedzy. Jak si\u0119 \u0142atwo domy\u015bli\u0107, nazwa zwi\u0105zana jest z ekspertami, kt\u00f3rych wiedza i do\u015bwiadczenie s\u0105 niezb\u0119dne w procesie tworzenia takiego systemu.<\/span>
\n<\/span>Edward Feigenbaum<\/span>, kt\u00f3ry jest uwa\u017cany za ojca system\u00f3w ekspertowych, definiowa\u0142 je jako inteligentne programy komputerowe wykorzystuj\u0105ce procedury wnioskowania do rozwi\u0105zywania takich problem\u00f3w, kt\u00f3re s\u0105 na tyle trudne, \u017ce normalnie wymagaj\u0105 znacz\u0105cej ekspertyzy specjalist\u00f3w.<\/span> Feigenbaum oraz<\/span> J. Lederberg przez ponad 10 lat rozwijali na Uniwersytecie Stanforda system ekspertowy <\/span>DENDRAL<\/b>. System ten mia\u0142 na celu wspomaganie chemik\u00f3w w okre\u015blaniu struktury cz\u0105steczek organicznych. Aby stworzy\u0107 odpowiednie regu\u0142y dla systemu, Feigenbaum i jego studenci musieli przeprowadzi\u0107 obszerne wywiady z ekspertami, aby ustali\u0107 ukryt\u0105 i cz\u0119sto nie\u015bwiadom\u0105 wiedz\u0119 wykorzystywan\u0105 przez nich przy podejmowaniu decyzji. Dzi\u0119ki pracy nad tym systemem zrozumiano, \u017ce system ekspertowy jest tylko tak dobry, jak wbudowane w niego regu\u0142y. Cenne do\u015bwiadczenie uzyskane podczas rozwijania pierwszych projekt\u00f3w tego typu pozwoli\u0142o, by systemy ekspertowe wkr\u00f3tce wysz\u0142y z laboratorium i trafi\u0142y na rynek jako pierwsze skuteczne komercyjne produkty SI.\u00a0<\/span><\/span><\/p>\n

Idealny system ekspertowy powinien cechowa\u0107 si\u0119 wysok\u0105 jako\u015bci\u0105 i skuteczno\u015bci\u0105 dzia\u0142ania, wyra\u017caj\u0105c\u0105 si\u0119 szybko\u015bci\u0105 i niezawodno\u015bci\u0105. Ponadto, wskazane jest, by system by\u0142 zdolny do zrozumienia wyja\u015bnienia i rozwi\u0105zania zadania tak, aby przekona\u0107 u\u017cytkownika o poprawno\u015bci lub racji (Basztura, 1996).\u00a0<\/span><\/p>\n

Celem system\u00f3w ekspertowych jest rozwi\u0105zywanie problem\u00f3w, w kt\u00f3rych du\u017ce znaczenie ma specjalistyczna wiedza i do\u015bwiadczenie. Dzi\u0119ki tym narz\u0119dziom, mo\u017cna skodyfikowa\u0107 wiedz\u0119 eksperck\u0105 (kt\u00f3ra jest dobrem rzadkim i kosztownym), co pozwala na zwi\u0119kszenie jej dost\u0119pno\u015bci. Ponadto, poziom wiedzy w takim systemie jest stabilny, przez co nie maj\u0105 nie niego wp\u0142ywu warunki zewn\u0119trzne i czas pracy systemu. To u\u0142atwia na przyk\u0142ad prowadzenie jednolitej polityki przez central\u0119 firmy maj\u0105cej wiele oddzia\u0142\u00f3w (WEB1).\u00a0<\/span><\/p>\n

Z czego sk\u0142ada si\u0119 system ekspertowy?<\/b><\/span><\/h3>\n

Systemy ekspertowe s\u0105 z\u0142o\u017conymi strukturami i sk\u0142adaj\u0105 si\u0119 z pi\u0119ciu element\u00f3w (chocia\u017c w literaturze czasem wymienia si\u0119 tylko 3 lub 4). Pierwszym i podstawowym elementem jest <\/span>baza wiedzy\/danych<\/b> (knowledge base), kt\u00f3ra zawiera fakty, za\u0142o\u017cenia i zasady, z kt\u00f3rych korzysta system w celu rozwi\u0105zania zadanego przez u\u017cytkownika problemu. Kolejnym komponentem jest <\/span>silnik wnioskowania<\/b> (inference engine), kt\u00f3rego g\u0142\u00f3wn\u0105 funkcj\u0105 jest pozyskiwanie odpowiednich danych z bazy wiedzy, interpretowanie ich oraz znajdowanie rozwi\u0105zania problemu u\u017cytkownika. System ekspertowy mo\u017ce r\u00f3wnie\u017c odwo\u0142ywa\u0107 si\u0119 do zewn\u0119trznych baz danych. W tym celu zawiera <\/span>modu\u0142 pozyskiwania wiedzy i uczenia si\u0119<\/b> (<\/span>k<\/b>nowledge acquisition and learning module<\/b>), kt\u00f3ry umo\u017cliwia pozyskiwanie wi\u0119kszej ilo\u015bci danych z r\u00f3\u017cnych \u017ar\u00f3de\u0142 i przechowywanie ich w bazie wiedzy. Dobrze zaprojektowany <\/span>interfejs u\u017cytkownika<\/b> (user interface) to konieczny komponent umo\u017cliwiaj\u0105cy laickiemu u\u017cytkownikowi sprawn\u0105 interakcj\u0119 z systemem ekspertowym. Ostatni z element\u00f3w to <\/span>modu\u0142 eksplanacyjny <\/b>(explanation module), kt\u00f3rego rol\u0105 jest zapewnienie u\u017cytkownikowi wyja\u015bnienia, dlaczego system wygenerowa\u0142 akurat takie rozwi\u0105zanie zadanego problemu (WEB7).<\/span><\/span><\/p>\n

\"Schemat
Schemat dzia\u0142ania systemu ekspertowego<\/span><\/figcaption><\/figure>\n

Strategie wnioskowania<\/b><\/span><\/h3>\n

Silnik wnioskowania korzysta z dw\u00f3ch strategii podczas rekomendacji rozwi\u0105za\u0144 problem\u00f3w: <\/span>wnioskowania w prz\u00f3d i wnioskowania w ty\u0142 <\/b>(forward and backward chaining). <\/span><\/span><\/p>\n

Wnioskowanie w prz\u00f3d<\/b> jest wykorzystywane przez system ekspertowy w sytuacji, kiedy musi odpowiedzie\u0107 na pytanie \u201eCo mo\u017ce si\u0119 wydarzy\u0107 dalej?\u201d i dokona\u0107 pewnych predykcji. \u015aledz\u0105c \u0142a\u0144cuch warunk\u00f3w i wyprowadze\u0144 logicznych, system wyprowadza wynik po rozwa\u017ceniu wszystkich fakt\u00f3w i regu\u0142. Nast\u0119pnie sortuje je, zanim dojdzie do konkluzji pod k\u0105tem odpowiedniego rozwi\u0105zania. Strategia ta jest stosowana podczas pracy nad wnioskiem, wynikiem lub efektem. Na przyk\u0142ad, przewidywanie, jak prognozy rynku akcji zareaguj\u0105 na zmiany st\u00f3p procentowych.<\/span><\/span><\/p>\n

\"Schemat<\/p>\n

Wnioskowanie w ty\u0142<\/b> jest strategi\u0105 wykorzystywan\u0105 w odniesieniu do przesz\u0142o\u015bci i pozwala odpowiedzie\u0107 na pytanie \u201eDlaczego tak si\u0119 sta\u0142o?\u201d. Silnik wnioskowania pr\u00f3buje zidentyfikowa\u0107 warunki, kt\u00f3re mog\u0142y wyst\u0105pi\u0107 w przesz\u0142o\u015bci i wywo\u0142a\u0142y efekt\/wynik ko\u0144cowy. System dzia\u0142a wtedy jak archeolog, kt\u00f3ry na podstawie dost\u0119pnych danych w tera\u017aniejszo\u015bci, pr\u00f3buje odkodowa\u0107 co mia\u0142o miejsce miliony lat wstecz i doprowadzi\u0142o do obecnego stanu rzeczy. Strategia ta s\u0142u\u017cy do znalezienia przyczyny czego\u015b, co si\u0119 wydarzy\u0142o lub dzieje obecnie. Na przyk\u0142ad diagnoza r\u00f3\u017cnych rodzaj\u00f3w raka u ludzi (WEB7).<\/span><\/span><\/p>\n

\"Schemat<\/p>\n

Typy system\u00f3w ekspertowych<\/b><\/span><\/h3>\n

Jest pi\u0119\u0107 podstawowych typ\u00f3w system\u00f3w ekspertowych (SE). Zaliczamy do nich SE oparte na regu\u0142ach (rule-based ES), SE oparte na ramach (frame-based ES), SE oparte na rozmytej logice (fuzzy logic ES), neuronowe ES (neuro ES) oraz hybrydy mi\u0119dzy dwoma ostatnimi (neuro-fuzzy ES) (WEB7).<\/span><\/p>\n

    \n
  • Najprostszym typem SE s\u0105 <\/span>systemy ekspertowe oparte na regu\u0142ach<\/b>, kt\u00f3re wykorzystuj\u0105 ustalone i sztywno zakodowane zasady do analizy danych wej\u015bciowych i danych z bazy. W najbardziej podstawowej formie, regu\u0142y s\u0105 zazwyczaj zdaniami warunkowymi (<\/span>\u201eje\u015bli a, to wykonaj x, a w przeciwnym razie je\u015bli b, to wykonaj y\u201d). <\/span><\/i>Systemy tego typu powinny by\u0107 stosowane do prostszych, mniej z\u0142o\u017conych problem\u00f3w, poniewa\u017c im bardziej z\u0142o\u017cony system, tym wi\u0119cej regu\u0142 jest wymaganych do jego opisania, a co za tym idzie zwi\u0119ksza si\u0119 trudno\u015b\u0107 modelowania rozwi\u0105za\u0144 dla wszystkich mo\u017cliwych wynik\u00f3w.<\/span><\/span><\/li>\n
  • Systemy ekspertowe oparte na ramach<\/b>, to systemy reprezentacji wiedzy, kt\u00f3re u\u017cywaj\u0105 <\/span>ram<\/span><\/i>, poj\u0119cia pierwotnie wprowadzonego przez Marvina Minsky’ego, jako podstawowego \u015brodka do reprezentowania wiedzy dziedzinowej. Rama to struktura reprezentuj\u0105ca poj\u0119cie lub sytuacj\u0119, tak\u0105 jak \u201epok\u00f3j dzienny\u201d lub \u201eprzebywanie w salonie\u201d. Do ramy do\u0142\u0105czone s\u0105 r\u00f3\u017cne rodzaje informacji, na przyk\u0142ad definicje i informacje opisowe oraz instrukcje korzystania z ramy.<\/span><\/span><\/li>\n
  • Rozmyte systemy ekspertowe<\/b> s\u0105 oparte na logice rozmytej zamiast logice Boole’a. Logika rozmyta, jak sama nazwa wskazuje, oznacza, \u017ce odpowied\u017a nie jest jednoznaczna: tak lub nie. Wypada gdzie\u015b po\u015brodku, a komputer musi spr\u00f3bowa\u0107 obliczy\u0107 odpowied\u017a na podstawie odpowiedzi, kt\u00f3re mog\u0105 nie by\u0107 jednoznaczne. W logice Boole’a odpowiedzi s\u0105 prawdziwe lub fa\u0142szywe, podczas gdy w logice rozmytej odpowied\u017a mo\u017ce by\u0107 prawdziwa, cz\u0119\u015bciowo prawdziwa, fa\u0142szywa, cz\u0119\u015bciowo fa\u0142szywa i kilka warto\u015bci pomi\u0119dzy, w zale\u017cno\u015bci od tego, jakie terminy u\u017cytkownik wprowadza do programu.<\/span><\/span><\/li>\n
  • Neuronowe systemy<\/b> ekspertowe<\/b> to SE, kt\u00f3re posiadaj\u0105 sieci neuronowe jako baz\u0119 wiedzy. Najwa\u017cniejszymi cechami tych system\u00f3w jest algorytm uczenia, kt\u00f3ry pozwala na automatyczne generowanie bazy wiedzy z przyk\u0142ad\u00f3w treningowych oraz mo\u017cliwo\u015b\u0107 obs\u0142ugi danych cz\u0105stkowych i zaszumionych.<\/span><\/span><\/li>\n
  • Neuronalno-rozmyty system ekspertowy<\/b> jest hybryd\u0105 mi\u0119dzy dwoma poprzednimi typami SE. System neuronalno-rozmyty opiera si\u0119 na systemie rozmytym, kt\u00f3ry jest szkolony przez algorytm uczenia wywodz\u0105cy si\u0119 z teorii sieci neuronowych. Procedura uczenia (heurystycznego) dzia\u0142a na informacjach lokalnych i powoduje jedynie lokalne modyfikacje w podstawowym systemie rozmytym.<\/span><\/span><\/li>\n<\/ul>\n

    Dodatkowo mo\u017cna zaproponowa\u0107 podzia\u0142 na systemy dedykowane i szkieletowe.<\/span><\/p>\n