Sztuczna inteligencja — systemy eksperckie

Jest nieco zamieszania w pojęciach dotyczących sztucznej inteligencji. Są też bardzo rozbieżne opinie co do samej natury sztucznej inteligencji. Ale wiele wskazuje na to, że ta problematyka będzie bardzo istotna gospodarczo i być może w dużej części będzie determinować pewne globalne trendy. Ktoś mi może zarzucić, że przeszacowuję wpływ AI (Artificial intelligence) na gospodarke światową, ale podam jeden, myślę, że przekonywujący przykład. Otóż gospodarka wielu rozwijających się krajów oparta jest tak naprawdę o tanią siłę roboczą. Firmy budują tam fabryki minimalizując koszty pracownicze. Oczywiście zawsze istnieje większe ryzyko prowadzenia działalności gospodarczej poza granicami własnego kraju, ale jest to z dużą nawiązką rekompensowane tanią siłą roboczą. Jednak rozwój AI nieuchronnie prowadzi do wzostu poziomu robotyzacji i tym samym zalety taniej siły roboczej będą miały coraz mniejsze znaczenie.

Wystarczy się zastanowić, jakie to spowoduje zmiany na rynku pracy. Te bardziej zacofane kraje nawet przejmując starą technologię i posiadając tańszą siłę roboczą nie będą w stanie konkurować cenami na rynku globalnym. Nasilą się procesy kumulacji bogactw, wzrośnie bezrobocie.

Systemy eksperckie

Przez wiele lat rozwój AI utożsamiany był z tak zwanymi systemami eksperckimi. W pewnym uproszczeniu można to podejście opisać, jako oparte na trzech układach:

• Programie komputerowym, który potrafi wykorzystać wiedzę i procedury wnioskowania do rozwiązywania problemów z danej dziedziny.

• Zgromadzonej wiedzy oraz opracowanych procedur wnioskowania w oparciu o modele ekspertyz.

• Systemie automatyzacji procesów, który może być wykorzystany w robotyzacji. Przy wąskich obszarach wiedzy może to nie być rozwiązanie ortodoksyjnie powiązane z AI, ale podejście proponowane chociażby w UIPath.

Czyli na dobrą sprawę z punktu widzenia użytkownika taki system ekspercki składa się z systemu wnioskującego, zgromadzonej wiedzy oraz interfejsu dla użytkownika.

Oczywiście, o ile można trzeba oddzielić bazy wiedzy od samych mechanizmów wnioskowania co umożliwia ich niezależny rozwój. Przeciwnie, możemy uwięzgnąć w wielości procedur.

Pierwotnie, jeżeli idzie o ten obaszar w oprogramowaniu przeważał [LISP](Common Lisp Wiki | Common Lisp), ale rozwijały się też kocepcje Expert System Shells (ESS), teraz coraz więcej projektów realizowanych jest w językach obiektowych.

Systemy eksperckie są przydatne w obszarach, których zgromadziliśmy szeroką i dobrze zweryfikowaną wiedzę empiryczną. Zwykle oparte są na jednolitym sposobie reprezentacji wiedzy, dzięki czemu z jednej strony łatwo jest tę wiedzę modyfikować, a z drugiej strony odpowiedzi udzielane przez taki system są zrozumiałe.

W systemach tych istnieje problem uczenia, bo z jednej strony jest to wiedza ekspercka, czyli droga i rzadka, a zaś z drugiej strony trudno przewidzieć skutki dodania nowej wiedzy. Ponieważ ekspert ma z definicji rację to uwzględnianie niepewności jest w tych systemach rzadkie. Oczywiscie obecnie te systemy rozbudowywane są o mechanizmy uczenia maszynowego.

Przykłady systemów eksperckich

Zbudowano ich wiele. Na potrzeby chemii, biologii, matematyki, biznesu… Chciałem zwrócić uwagę tylko na dwa systemy eksperckie z obszaru medycyny. Jeden to projekt [MYCIN](Rule-Based Expert Systems: MYCIN), jeden z pierwszych dużych projektów w obszarze systemów eksperckich. Drugi projekt to tworzony pod kierunkiem G. Vithoulkasa system Vithoulkas Expert System ([VES](Vithoulkas Expert System (VES) - Homeopathy | RadarOpus)). Homeopatia w pewnym sensie była rozwijana pod systemy eksperckie, oczywiście nieświadomie. Otóż mamy tam:

• Bazę wiedzy, czyli Materia medica — są to doświadczalne opisy działania poszczególnych środków homeopatycznych wykonane w rezimie podwójnej ślepej próby na zdrowych probantach z ustaloną wagą objawów.

• Skodyfikowane zasady doboru środków homeopatycznych oraz wiele procedur czy casusów.

Ponieważ zasady doboru się nie zmieniają dodawanie wyników nowych badań nie powoduje nieprzewidywalnych zachowań.