Czym jest System ekspertowy (Expert system)?
System ekspertowy to program komputerowy zaprojektowany tak, aby naśladować sposób podejmowania decyzji przez wysoko wykwalifikowanego specjalistę w wąskiej dziedzinie. Osiąga to, łącząc obszerną bazę wiedzy dziedzinowej z silnikiem wnioskowania, który potrafi interpretować zgromadzone reguły i fakty w celu wyprowadzania nowych konkluzji. Klasyczny system ekspertowy wykorzystuje reprezentację wiedzy w postaci reguł jeżeli–to lub sieci ramowych, a rezultatem działania jest wyjaśnialna odpowiedź, często uzupełniona uzasadnieniem krok po kroku.
Jak dokładnie działa System ekspertowy (Expert system)
Architektura systemu ekspertowego składa się z trzech głównych modułów. Baza wiedzy przechowuje ustrukturyzowane fakty, heurystyki i reguły decyzyjne pozyskane od ekspertów dziedzinowych. Silnik wnioskowania analizuje te reguły, dopasowuje je do danych wejściowych i generuje wnioski metodą wnioskowania w przód lub w tył. Trzecim elementem jest interfejs użytkownika, który umożliwia wprowadzanie danych i prezentuje wynik wraz z towarzyszącym uzasadnieniem. W bardziej rozbudowanych implementacjach pojawia się dodatkowy moduł wyjaśniający oraz mechanizm uczenia, pozwalający na ciągłe doskonalenie reguł na podstawie nowych przypadków.
Kontekst historyczny
Pierwsze prace nad systemami ekspertowymi prowadzono w latach 60. XX w. na Uniwersytecie Stanforda. W 1972 r. powstał MEDICAL DIAGNOSTIC CONSULTANT, szybko zastąpiony przez MYCIN – program wspomagający lekarzy w leczeniu infekcji bakteryjnych. W tym samym okresie w SRI International opracowano DENDRAL, który pomagał chemikom w ustalaniu struktury nieznanych związków. Sukces tych projektów skłonił przemysł do tworzenia komercyjnych narzędzi, takich jak XCON firmy Digital Equipment Corporation (1980), konfigurujący systemy komputerowe PDP-11 i VAX.
Zastosowania w praktyce
Systemy ekspertowe znalazły miejsce w medycynie, finansach, diagnostyce technicznej i planowaniu produkcji. Przykładowo, współczesne systemy wspomagania decyzji klinicznych w kardiologii wykorzystują reguły ekspertowe do oceny ryzyka zawału na podstawie wyników badań laboratoryjnych i wywiadu pacjenta. W bankowości moduły tego typu wspierają analityków kredytowych przy ocenie zdolności kredytowej, łącząc regulacje prawne z lokalnymi politykami ryzyka.
Zalety i ograniczenia
Największą korzyścią z użycia systemu ekspertowego jest transparentność procesu decyzyjnego. Każde wyprowadzone zalecenie można odtworzyć, analizując aktywowane reguły, co szczególnie liczy się w obszarach regulowanych, takich jak medycyna czy finanse. Systemy te są również odporne na utratę wiedzy wraz z odejściem specjalistów, ponieważ know-how jest utrwalone w bazie reguł. Ograniczeniem pozostaje jednak wysoka pracochłonność pozyskiwania i aktualizacji wiedzy oraz trudność w radzeniu sobie z niepewnościami, które statystyczne modele uczenia maszynowego przetwarzają z większą elastycznością.
Na co uważać?
Wdrażając system ekspertowy, należy zadbać o ciągłe walidowanie reguł wobec zmieniających się realiów biznesowych i prawnych. Nieuaktualniona baza wiedzy prowadzi do błędnych wniosków, a zbytnie poleganie na systemie bez weryfikacji eksperta grozi powielaniem nieaktualnych procedur. Warto także kontrolować złożoność reguł, ponieważ nadmierne rozbudowanie utrudnia konserwację i obniża wydajność silnika wnioskowania.
Dodatkowe źródła
Rozbudowane omówienie historycznych projektów znajduje się w artykule na Wikipedii. Opis MYCIN wraz z analizą jego struktury można znaleźć w archiwum AI Magazine. Aktualne przeglądy badań nad hybrydowymi systemami regułowymi i uczenia maszynowego publikuje arXiv.
