• Nie Znaleziono Wyników

View of Intelligent systems for enhanced decision-making

N/A
N/A
Protected

Academic year: 2021

Share "View of Intelligent systems for enhanced decision-making"

Copied!
2
0
0

Pełen tekst

(1)

22

NO

limits

To interaktywne programy komputerowe,

któ-rych celem jest zbieranie, przetwarzanie i

anali-zowanie ogromnych ilości danych koniecznych

do wskazania najlepszego rozwiązania. Na

pod-stawie wiedzy zdobytej od ekspertów

dziedzino-wych inteligentny system ekspertowy w oparciu

o wbudowane algorytmy wnioskowania

symulu-jące myślenie ludzkie przetwarza posiadaną

wie-dzę (zgromadzoną w systemie i pozyskaną od

użytkownika, który konsultuje się z takim

syste-mem), by wyprowadzić nową wiedzę, czyli podjąć

decyzję.

INTELIGENTNE

SYSTEMY

WSPOMAGANIA

DECYZJI

System ekspertowy, jak sama nazwa wskazuje, to rodzaj narzędzia lub opro-gramowania, które symuluje eksperta z danej dziedziny. Ma za zadanie wes-przeć człowieka w podejmowaniu decy-zji, a nawet w pewnych okolicznościach zastąpić eksperta, oczywiście gdy będzie to niezbędne. Dzieje się tak zazwyczaj, gdy ekspertyza potrzebna jest w wielu miejscach jednocześnie lub gdy dostęp do eksperta/specjalisty z danej dziedziny mógłby się okazać zbyt kosztowny. Zastosowań takich systemów jest mnó-stwo i znajdziemy je praktycznie w każ-dej dziedzinie życia. Mogą to być proste aplikacje wspomagające, działające na stronach internetowych biur podróży, banków czy w medycynie.

Inteligentne systemy wspomagania znajdują zastosowanie także w tzw. in-teligentnych budynkach. Systemy, które są tam implementowane, mają za zada-nie na podstawie pewnych informacji zewnętrznych, wewnętrznych i użytko-wych budynku dążyć do oszczędności, bezpieczeństwa i poczucia komfortu. Sprawdzają zamknięcie bram, drzwi, okien, zarządzają oświetleniem, zasila-niem, urządzeniami grzewczymi, klima-tyzacją, reagują w razie pożaru. Wszyst-kie te czynności na co dzień mógłby

tekst: dr Agnieszka Sikora

Fot. Romolo Tavani / Fotolia

Dr hab. Agnieszka Nowak-Brzezińska, prof. UŚ Instytut Informatyki

Wydział Nauk Ścisłych i Technicznych Uniwersytet Śląski

agnieszka.nowak-brzezinska@us.edu.pl

i

(2)

23

#1(3)/2021

wykonywać człowiek, ale ich automa-tyzacja zdecydowanie zwiększa komfort życia i pozwala dostarczyć ten sam ro-dzaj funkcjonalności szerokiemu gronu odbiorców.

Inteligencja systemów ekspertowych jest możliwa dzięki przełożeniu wiedzy ekspertów dziedzinowych na bazę wie-dzy systemu oraz implementacji algo-rytmów wnioskowania, które symulują proces rozumowania realizowany przez ludzi. W procesie takim na podstawie pewnych zdań zwanych przesłankami (warunkami) dochodzimy do uznania prawdziwości innych zdań zwanych wnioskami (decyzjami). Innymi słowy, proces rozumowania zarówno w naszym przypadku, jak i w przypadku maszyn, przekłada się na łańcuchy przyczyno-wo-skutkowe typu: „Jeżeli WARUNEK, to DECYZJA”. W zależności od zadania sys-temu ekspertowego możemy wyróżnić dwa typy algorytmów wnioskowania: w przód (sterowane danymi/faktami) oraz wstecz (sterowane celem). Pierwszy pozwala na podstawie danych wejścio-wych (obserwacji/faktów) wyprowadzić nową wiedzę z systemu poprzez uaktyw-nienie reguł, których przesłanki uznamy za prawdziwe. Drugi pozwala potwier-dzić prawdziwość pewnej postawionej

hipotezy poprzez potwierdzenie praw-dziwości przesłanek, które tę hipotezę określają.

Dużo bardziej oczywistym zastosowa-niem systemów sztucznej inteligencji są systemy rekomendacyjne. Rekomenda-cje to polecenia wynikające z gromadze-nia ogromnych ilości danych i powtarzal-ności pewnych schematów czy wzorców zakupowych. System rekomendacji po-zwala zatem dopasować proponowany kontent do gustu użytkownika.

Nie zapominajmy również o systemach medycznych, w których systemy eks-pertowe mają ogromne znaczenie. Służą one np. do obrazowania medycznego. Lekarz, nawet jeśli jest specjalistą z danej dziedziny i ma ogromne doświadczenie, nie jest w stanie w krótkim czasie – w tak krótkim jak maszyna – przeanalizować tysięcy zdjęć z obrazowania medyczne-go i wykryć pewnych symptomów np. nowotworowych.

Rekomendacje wynikają z użycia algo-rytmów uczenia maszynowego, czyli al-gorytmów, które poprawiają się automa-tycznie poprzez doświadczenie. Im więcej danych reprezentatywnych mamy, tym lepszą jakościowo wiedzę dostarczamy systemowi. Algorytmy uczenia maszy-nowego na podstawie przykładowych danych budują model matematyczny w celu prognozowania lub podejmowa-nia decyzji bez bezpośredniego zapro-gramowania przez człowieka.

Żyjemy w czasach tzw. big data. Termin ten oznacza różnorodne dane generowa-ne z różnych źródeł, z dużą prędkością oraz w dużej ilości. Słowo big odnosi się zatem nie tylko do ilości, ale także różno-rodności i struktury danych oraz relacji między nimi. Big data mają dziś kluczo-we znaczenie kluczo-we wszystkich dziedzinach gospodarki – od transportu i logistyki, po-przez banki, medycynę, telekomunikację aż po profilowanie zachowań internautów. Za rozwojem technologicznym musi jednak iść postęp sprzętowy, który po-zwoli na gromadzenie ogromnych ilości danych. Równie istotny jest koszt ich utrzymywania. Kolejnym ważnym

czyn-nikiem jest kwestia zarządzania danymi. Hurtownie danych czy ogromne repozy-toria danych korzystają ze specjalnego oprogramowania, tzw. algorytmów data

mining. Służą one do eksploracji danych,

zrządzania nimi i wydobywania z ogrom-nych ilości daogrom-nych użytecznej wiedzy. Gama możliwych do wyboru algoryt-mów eksploracji danych (data mining) jest bardzo szeroka. Najbardziej znanymi są algorytmy reguł asocjacyjnych (np. w sklepach internetowych), pozwalające na tworzenie wzorców zakupowych po-przez znajdowanie asocjacji między ku-powanymi produktami. Innym ważnym algorytmem jest algorytm grupowania (inaczej analizy skupień), który szuka podobieństw między analizowanymi obiektami i dzieli na grupy, w ramach których obiekty są do siebie możliwie najbardziej podobne i możliwie najbar-dziej różne od obiektów z innych grup. Metoda pozwala na realizację zadania segmentami i świetnie działa np. przy segmentacji klientów, którzy charakte-ryzują się podobnym profilem, np. zaku-powym. Na uwagę zasługuje też metoda uczenia maszynowego, jaką są sztuczne sieci neuronowe. Sieci te stanowią tech-niki analityczne tworzone na wzór pro-cesu uczenia w systemie poznawczym oraz funkcji neurologicznych mózgu i zdolne do przewidywania nowych ob-serwacji na podstawie innych obob-serwacji po przeprowadzeniu procesu tzw. ucze-nia w oparciu o istniejące dane.

Dr hab. Agnieszka Nowak-Brzezińska, prof. UŚ z Wydziału Nauk Ścisłych i Technicznych Uniwersytetu Śląskiego zajmuje się systemami wspomagania de-cyzji, głównie algorytmami eksploracji wiedzy. Jednym z narzędzi, które wyko-rzystuje, są algorytmy analizy skupień. Mają one zastosowanie np. w branży fi-nansowej: w transakcjach bankowych czy wspomaganiu decyzji kredytowych, a także przy wykrywaniu nadużyć i po-dejrzanych operacji, tzw. fraud detection. W systemach medycznych przydatne są natomiast przy wykrywaniu nietypo-wych objawów chorobonietypo-wych.

Cytaty

Powiązane dokumenty

Nawiązania do muzyki dawnej wyrażają się w jego twórczości również poprzez użycie określonych technik kompozytorskich.. Są to

Studia Philosophiae Christianae 14/1,

When all of these movement have failed (f)f). we should consider that ti.: simplex with uhioh ve are d.aling ii too large and the optimum point i. situated Inside of the simplex,

Keywords: on-line signature, biometric authentication of person, mathematical model, stochastic Gauss process, statistical analysis, simulation, fuzzy

Sludge Properties Soil and Landscape Properties Other Variables Treatment type Organic Matter pH Nutrients Metals concentration Pops concentration Texture Organic Matter pH

O ile bowiem 42 postępowania z pierwszej kategorii to w istocie procesy przed sądami z ławą przysięgłych, wśród 30 z drugiej grupy znajduje się co najmniej 6 przypadków,

In my own opinion, the study and practice of the martial arts tends to differ quite dramatically from other sorts of physical activities in that their influence upon children

Special attention is given to private equity and venture capital funds and business angels that are the most interesting types of investors funding risky innovation