3. Metoda do wspomagania kształtowania ergonomiczności interakcji OS-RUiES
3.2. Klasyczne i hybrydowe systemy ekspertowe w doborze i projektowaniu RUiES
3.2.1. Podział i ogólna charakterystyka systemów ekspertowych
System ekspertowy, to program komputerowy, wykorzystujący procedury wnioskowania do rozwiązywania tych problemów, które są na tyle trudne, że normalnie wymagają znaczącej ekspertyzy specjalistów (Nederliński 2002; ). Przy czym działanie programu polega na próbie naśladowania zachowania eksperta w danej dziedzinie. W tym celu wykorzystuje się zapisaną wiedzę eksperta. Natomiast do zapisu wiedzy w systemach ekspertowych wykorzystuje się inżynierię wiedzy i języki zapisu wiedzy. System tego rodzaju jest szczególnie przydatny w przypadku wnioskowania w odniesieniu do problemów zawierających aspekty słabo struk-turalizowane i powtarzalne o dużej częstotliwości. Ponadto system ekspertowy symuluje dzia-łanie eksperta w sposobie użytkownika – poprzez analizę odpowiedzi użytkownika na pytania kierowane do niego przez system. Charakterystyczną cechą systemów ekspertowych jest przedstawienie wiedzy w postaci symbolicznej, a najważniejszą w tym przypadku rolę pełnią metody oparte na regułach (Niederliński 2000).
Systemy ekspertowe charakteryzują się (Niederliński 2000):
1. zdolnością szybkiego rozwiązywania problemów,
2. rozwiązywaniem problemów przez osoby nie będące ekspertami w danej dziedzinie, 3. rozwiązywaniem problemów na podstawie wiedzy teoretycznej i empirycznej, 4. przystosowaniem do ciągłego uczenia się i doskonalenia procedur,
5. współpracą z użytkownikiem w języku zrozumiałym dla użytkownika końcowego, 6. poprawnością, zasadnością i konsekwencją wyprowadzonych wniosków,
7. obniżeniem kosztów uzyskiwanych ekspertyz, 8. dużą wszechstronnością uzyskiwanych ekspertyz.
Klasyfikacje systemów ekspertowych obejmują takie kryteria jak:
1. wybór platformy, gdzie wyróżnia się system:
1.1.szkieletowy – nazywany również skorupowym, który pozbawiony jest wiedzy dzie-dzinowej, co umożliwia jego szerokie zastosowanie (Niederliński 2006),
1.2.dedykowany – elementem którego jest wiedza dziedzinowa zdefiniowana na etapie projektowania i tworzenia systemu ekspertowego,
2. realizowane funkcje, gdzie wyróżnia się systemy (Sala 2007):
2.1.doradcze – wspomagające specjalistę w dokonywaniu ekspertyzy, nie zawierające jednak części decyzyjno wykonawczej; systemy te przedstawiają rozwiązanie decy-dentowi, który na podstawie własnej wiedzy i doświadczenia ocenia jego poprawność, a w konsekwencji rozwiązanie to akceptuje go albo odrzuca; istnieje możliwość uza-sadnienia przez system sformułowanej konkluzji; dodatkowym atutem takich syste-mów jest możliwość wielokrotnego ich wykorzystywania w celu sprawdzenia możli-wych rozstrzygnięć przy zmiennych warunkach stanów wejść systemu,
2.2.decyzyjne (sterujące) – w to systemy, które na podstawie szczegółowej wiedzy mogą wyciągać wnioski i podejmować decyzje w czasie rzeczywistym, działając w sposób
71 zbliżony do procesu rozumowania ludzkiego, lecz bez udziału człowieka; systemy te, podejmując decyzje bez udziału czynnika ludzkiego, są dla siebie ostatecznym arbi-trem; wykorzystywane są do sterowania różnymi procesami, do kontroli oraz nadzo-rowania skomplikowanych maszyn i urządzeń, a więc tam, gdzie człowiek nie mógłby ogarnąć swoimi zmysłami całej sytuacji, albo tam, gdzie udział człowieka-eksperta jest utrudniony lub wręcz niemożliwy,
2.3.krytykujące (analityczne) – to systemy, które w danym przypadku dokonują analizy problemu i formułują warianty decyzyjne; mają zdolność do generowania propozycji rozwiązań wraz z opisem przewidywanych skutków ich realizacji; sprawdzają się w sytuacjach, gdy należy przyswoić dane, dokonać ich przeliczenia, a następnie prze-prowadzić selekcję otrzymanych wyników,
3. uzyskiwane rezultaty, gdzie system ekspertowy może być:
3.1.diagnostyczny - oceniający stan istniejący na podstawie posiadanych danych, 3.2.prognozujący - przewidujący stan przyszły na podstawie istniejących danych, 3.3.planistyczny - opisujący określony stan do którego należy dążyć,
4. stan wiedzy, który określa podział na systemy elementarne lub rozwinięte (Niederliń-ski 2006) z:
4.1. wiedzą pewną (zdeterminowaną), 4.2. wiedzą niepewną (niezdeterminowaną), 4.3. wiedzą pełną według kryterium kompletności, 4.4. wiedzą niepełną,
5. realizowane zadania w zależności od branżowego zastosowania,
6. stosowaną logikę, gdzie wyróżnia się trzy kategorie systemów ekspertowych tj. (Wie-leba 2011):
6.1. systemy z logiką dwuwartościową, 6.2. system z logiką wielowartościową, 6.3. system z logiką rozmytą.
7. Typ reprezentacji wiedzy, który obejmuje m. in. (Budziński, Krakowiak 1735; Gąbka, Pełechaty 2006; Wieleba 2011; Głowacz 2010; Inżynieria Wiedzy.pl):
7.1. reguły (najczęściej w postaci: jeżeli X, to Y), 7.2. drzewa decyzyjne,
7.3. logikę predykatów, 7.4. taksonomie,
7.5. rozkłady prawdopodobieństwa,
7.6. funkcje przejść automatów skończonych, 7.7. reguły gramatyki formalnej,
7.8. sieci semantyczne.
W zależności od przeznaczenia systemu ekspertowego, charakterystyki analizowanej wie-dzy, złożoności i zastosowanej techniki sztucznej inteligencji system ten może przyjąć struk-turę klasyczną (w tym pierwotną (Wolny, Zadora 2008)), wielokrotną (Stefanowski 2001) lub hybrydową (Białko 2000). Inny podział systemów ekspertowych przedstawiają przykładowo Niźiński i Rychlik (Niziński, Rychlik 2005) dzieląc je na:
1. ekspertowe,
2. ekspertowe rozmyte,
72
3. ekspertowe hybrydowe.
Wśród hybrydowych systemów ekspertowych wyróżnia się (Wolny, Zadora 2008):
1. systemy równoległe - niezależne działanie różnych algorytmów wnioskowania, każdy z tych systemów przetwarza określone dane, a wynik jest agregacją wyników otrzy-manych z różnych systemów; do tej kategorii zalicza się również systemy wielokrotne (Stefanowski 2001),
2. systemy sekwencyjne - wynik przetworzenia danych w jednym systemie jest podawa-ny na wejście drugiego systemu (rys. 6),
3. systemy „zanurzenia” - jeden system stanowi integralną część drugiego, np. sieć neu-ronowa stanowi bazę wiedzy w systemie ekspertowym.
Hybrydowość systemów polega na ścisłym powiązaniu wnioskowania logicznego z obli-czeniami arytmetycznymi i testowaniem relacji arytmetycznych. Przetwarzana wiedza jest przechowywana w bazie wiedzy składającej się z bazy reguł, bazy modeli, bazy ograniczeń i bazy rad. W skład rodziny wchodzą systemy elementarne dokładne, stosujące logikę arysto-telowską i niedopuszczające zagnieżdżania z negacją, systemy rozwinięte dokładne, stosujące logikę arystotelowską i dopuszczające zagnieżdżania z negacją, systemy elementarne przybli-żone, stosujące modyfikację stanfordzkiej algebry współczynników pewności i nie dopusz-czające zagnieżdżania z negacją oraz systemy rozwinięte przybliżone, stosujące modyfikację stanfordzkiej algebry współczynników pewności i dopuszczające zagnieżdżania z negacją.
Zagnieżdżanie reguł, zagnieżdżanie modeli oraz zagnieżdżanie wzajemne modeli i reguł może mieć praktycznie dowolną głębokość. Systemy są wyposażone w funkcje diagnostyczne, wy-krywające sprzeczności baz reguł, sprzeczności łączne baz reguł i baz ograniczeń, nadmiaro-wości bazy reguł oraz nadmiaronadmiaro-wości łącznych baz reguł i baz ograniczeń (Niederliński 2002).
Rys. 6. Wnioskowanie w hybrydowym sekwencyjnym systemie ekspertowym Źródło: Na podstawie (Wojarnik 2008)
Projektowanie i dobór RUiES dla osób starszych charakteryzuje się zarówno zagadnie-niami dobrze, jak i słabo znanymi, co predysponuje zastosowanie hybrydowego systemu eks-pertowego. Przykładem hybrydowego systemu ekspertowego do doboru i projektowania RU-iES jest system sekwencyjny. Składający się z drzew klasyfikacyjnych do wnioskowania opartego o wiedzę i z systemu inteligentnego wnioskowania z zastosowaniem rozmytej mapy kognitywnej (FCM). Funkcją FCM z uczeniem nadzorowanym i nienadzorowanym jest mo-delowanie struktury zależności charakterystyk cech RUiES. Rozwiązanie to umożliwia bada-nie oddziaływania elementów systemu na poziom interakcji OS-RUiES, co określono w pro-blemie badawczym pracy. Za zastosowaniem FCM przemawia skuteczność i prostota jego działania w porównaniu np. do sieci neuronowych, czy sieci beyseowskich (tab. 20).
W dalszej części rozdziału omówiono strukturę klasycznego systemu ekspertowego (KSE) z wnioskowaniem na podstawie logiki klasycznej (Prac.pl) działanie inteligentnego systemu
73 ekspertowego opartego o mapę kognitywną (ISEMK) oraz techniki uczenia nienadzorowane-go FCM.