LEKCE 19.

Expertní systémy

• První seznámení s ES
• Vlastnosti ES
• Pohled do historie vývoje ES
• Typy úloh a základní architektury ES

---

První seznámení s ES

Pojem expertní systém se poprvé objevil na přelomju 70 a 80 let jako přirozený důsledek poznání, že kvalita systémů s UI závisí daleko více na kvalitě znalostí než na kvalitě mechanismu pro jejich využívání. Expertní systémy byly od samého počátku chápány jako systémy opírající se o špičkové znalosti převzaté od špičkových odborníků - expertů.

Naděje, kterou úspěchy prvních expertních systémů vlivy do vedeckovýzkumných týmů, zůsobila, že se pojem expertní systém rychle rozšířil nejen v odborných kruzích. Nadsazené vědecko-populární či často jen popularizující články vyvolaly až nereálná očekávání od expertních systémů a svým způsobem tento pojem částečně zamlžily.

Presná, všeobecně uznávaná definice expertního systému - zejména díky silné variabilitě vyvinutých či vyvíjených systémů i vzhledem k různorodosti představ o obsahu tohoto pojmu - zatím chybí. Navíc se vize a očekávání v čase průběžně mění. Zatímco v prvních letech se očekávalo vytvoření několika opakovatelně a široce využitelných, problémově nezávislých expertních systémů se silným stupněm všeobecně přijaté standardizace, dnes má většina expertních systémů spíše charakter speciálních, problémově orientovaných a ad hoc vytvořených subsystémů v rámci rozsáhlejších programových celků.

Je nutno říci, že z hlediska teoretického i implementačnícho není podstatného rozdílu mezi expertními a znalostními systémy. Lze zde spatřovat určitý rozdíl v kvalitě znalostí. Dále že expertní systém má schopnost vysvětlovací.

Vlastnosti ES

Co je expertní systém ?

*Feingenbaum a kol., 1988*
Expertní systémy jsou počítačové programy, simulující rozhodovací činnost experta při řešení složitých úloh a využívající vhodně kvality rozhodování na úrovni experta.

Vlastnosti ES

• U konvenčních programů jsou znalosti specialistů "roztroušeny" v jednotlivých instrukcích programu, které se aplikují v předem stanoveném pořadí. U expertních systémů jsou znalosti experta vyjádřeny naprosto explicitně, v podobě tzv. báze znalostí, a předem je dána pouze strategie využívání znalostí z této báze - řídící mechanismus. Pro architekturu expertních systémů je pro ně typická oddělenost báze znalostí a řídícího mechanismu.
• Báze znalostí obsahuje znalosti experta/expertů potřebné k řešení zvoleného problému. Zachycuje širokou škálu znalostí od nejobecnějších, učebnicových, až k úzce speciálním, od všeobecně známých až ke znalostem "soukromých" (tj. takovýmk teré by si žádný odborník nedovolil publikovat), od exaktně dokázaných až k nejistým heuristikám (ty expert získal dlouholetou praxí a o nichž pouze ví, že mu často pomáhají při řešení podobných problémů, avšak mnohdy nezaručují nalezení správného řešení). Znalosti experta nemají statický charakter, ale postupně se vyvíjejí a rozrůstají.
• Báze znalostí popisuje znalosti z dané oblsati. Má tedy charakter obecného rozhodovacího pravidla. Řešit konkrétní případ zn. "dosadit" data o daném případu do obecně formulovaných znalostí z báze znalostí. Data k danému případu poskytuje ovbykle uživatel (v dialogu s počítačem). Expertní systém se uživatele dotazuje na údaje, týkající se konzultovaného případu a na základě odpovědí a svých obecných znalostí i postupně upřesňuje "představu" o případu a dochází k závěru, ev. k řešení. Množinu všech údajů k danému případu nazýváme - na rozdíl od báze znalostí - bází dat.
• Expertní systém tak jako expert sám by měl umět pracovat s nejistými znalostmi.
• Expertní systém by si měl poradit i v situacích, kdy část požadovaných dat není dostupná (zkrátka, že uživatel nezná odpověď na otázku zadanou expertním systémem).
• Expertní systém by také měl umět vysvětlit a zdůvodnit své dílčí závěry, popř. položit vhodný doplňující dotaz.

Pohled do historie vývoje ES

V posledních letech se objevily stovky, ale spíše ticíce, systémů v nejrozmanitějších aplikačních oblastech. Zajímavé je, že nejméně polovina aplikací je zaměřena na oblast medicíny - je tomu tak zřejmě proto, že znalosti jsou v této oblasti nejlépe strukturovány, ale možná i proto, že pod pojmem expert si lidé nejspíš vybavují představu experta-lékaře

Etapy vývoje ES

• Počáteční fáze ---> 1965 - 1970
• DENDRAL: jeho úkolem je pomáhat identifikovat chemické sloučeniny na základě spektrogracikcých dat. Jedná se o plánovací systém, který je určen k odvozování struktur chemickcýh látek na základě histogramů rozložení hmotností získaných ze spektrometru.
• MACSYMA: poskytuje soubor nástrojů pro manipulaci s matematickými výrazy a vzorci. Je využíván např. nukleárními fyziky, kteří jsou často nuceni řešit soustavy velkého počtu rovnic.
• Etapa výzkumných prototypů ---> 1970 - 1975
• MYCIN: na základě dostupných dat rychle určovat typy bakteriální infekce, kterými by mohl být nově hositalizovaný postižen a navrhovat vhodnou léčbu antibiotiky tak, aby se stav pacienta stabilizoval do doby, než jsou dokončena časově náročná laboratorní vyšetření.
• PROSPECTOR: slouží k vyhodnocování geologických dat s cílem rychle rozhodnout, zda v dané lokalitě provádět podstatně dražší hloubkové vrty
• HEARSAY II.: první systém, který ukázal, že počítač by mohl v budoucnosti spolehlivě a rychle rozumět přirozené řeči v úzce vymezené předmětné oblasti
• Etapa experimentálního nasazování ---> 1975 - 1981
• PUFF: poskytování konzultací ohledně potíží s dýchacími cestami
• INTERNIST: považován za jeden z nejrozsáhlejších ES v historii, později byl přejmenován na systém CADUCEUS, obsahující údajně 85% veškerých znalostí z interního lékařství. Oba systémy se i dnes využívají v lékařské praxi.
• CADUCEUS
• Etapa komerčně dostupných systémů ---> 1981 ... současnost
• XCON, XSEL: užívané ke zpracování objednávek zákazníků na počítače řady VAX

Typy úloh a základní architektury ES

Experní systémy lze dělit do různých skupin např. na ES:

• Klasifikační
• Diagnostické
• Plánovací
• Hybridní

***
• Prázdné

Klasifikační expertní systémy jsou myslím celkem jednoduché na pochopení a snad i na naprogramování. Dejme tomu, že jste vášnivým houbařem/houbařkou, ale Vaše znalosti nejsou až zase tak na vysoké úrovni. Najdete tedy houbu, u které si nejste jisti, co je zač. A tak můžete využít služeb expertního/znalostního systému, tak že zadáte do systému určité charakteristiky houby, které právě pozorujete. Systém by měl být schopen správně houbu zařadit do správné kategorie (hlavně jestli je jedlá, nejedná či jedovatá, že ? :-) ) a poskytnout Vám k ní další informace.

Diagnostické expertní systémy slouží pro provádění efektivní interpretace dat s cílem určit, která z hypotéz z předem sanovené konečné množiny cílových hypotéz nejlépe koresponduje s reálnými daty týkajícími se daného konkrétního případu.

Plánovací expertní systémy obvykle řeší takové úlohy, kdy je znám cíl řešení a počáteční stav a systém má využitím dat o konkrétním řešeném případu nalézt posloupnost kroků (operátorů), kterými lze cíle dosáhnout.

Hybridní expertní systémy se vyznačují kombinovanou architkturou, poněvadž částečně využívají principů diagnostických, částečně plánovacích systémů. K hybridním systémům řadíme např. inteligentní výukové systémy (u nich se střídá "diagnostika" znalostí studenta s plánovaáním dalšího výukového procesu) či systémy monitorovací (opakovaně starovaný diagnostický sledovací subsystém je nahrazen subsystémem pro plánování zássahu v okamžiku detekce poruchy).

Prázdné expertní systémy (tzv. shell) jsou takové systémy, které neobsahují bázi znalostí ani bázi dat. Doplňením báze znalostí k prázdnému expertnímu systému se systém teprve orientuje na řešení příslušné problematiky (stává se z něj problémově orientovaný expertní systém). Dodáním báze dat je pak vždy řešen konkrétní případ. K této skupině např. patří: Clips, Mike, WinExp, RT-Expert a další.

Zdroje:

Umělá inteligence (2) : V.Mařík, O.Štěpánková, J.Lažanský a kol. (str. 15-25)
Obrázek experta: www.quick.org.uk/ch1.htm
Obrázek architektury ES: http://www.uai.fme.vutbr.cz/~jdvorak/vyuka/es/UvodES.ppt