Exemple de sisteme expert

DENDRAL. CreaŃie a unei echipe de la Universitatea Stanford [4], [17], [25], conduse de Edward Feigenbaum, DENDRAL apare într-o primă versiune în 1965. IntenŃia construirii sistemului a fost de a demonstra că metodologia domeniului inteligenŃei artificiale poate fi utilizată pentru formalizarea cunoaşterii ştiinŃifice, domeniul de aplicabilitate al sistemului însă chimia organică.

DENDRAL a oferit o demonstraŃie convingătoare a puterii sistemelor expert bazate pe reguli. Implementând o căutare de tipul plan-generare-test asupra datelor din spectroscopia de masă şi din alte surse, sistemul era capabil să prezică structuri candidate plauzibile pentru compuşi necunoscuŃi, pentru anumite clase de compuşi performanŃa sa rivalizând cu aceea a unor experŃi umani. Dezvoltări ulterioare au dus la crearea sistemului GENOA – un generator interactiv de structuri (1983). In DENDRAL însă cunoaşterea expert era mixată cu algoritmica de rezolvare a problemei. Separarea completă a cunoaşterii declarative de cea executorie a însemnat un pas mare înainte înspre definirea unor tehnologii rapide de dezvoltare a sistemelor expert.

META-DENDRAL (1970-76) [5] este un program care formulează reguli pentru DENDRAL, aplicabile domeniului spectroscopiei de masă. El a reuşit să redescopere reguli cunoscute despre compuşi chimici dar a formulat şi reguli complet noi. Experimentele cu META-DENDRAL au confirmat că inducŃia poate fi automatizată ca un proces de căutare euristică şi că, pentru eficienŃă, căutarea poate fi despărŃită în doi paşi: o fază de aproximare a soluŃiei şi una de rafinare a ei.

MYCIN. Proiectat de Buchanan şi Shortliffe la mijlocul anilor 1970 [6], [7]

pentru a ajuta medicul în diagnosticul şi tratamentul meningitelor şi al infecŃiilor bacteriene ale sângelui. Adesea diagnosticarea unei infecŃii, mai ales apărută în

Programarea bazată pe reguli 38

urma unei operaŃii, este un proces laborios şi de lungă durată. MYCIN a fost creat pentru a scurta acest interval şi a furniza indicaŃii de diagnostic şi tratament chiar în lipsa unor teste complete de laborator. Este remarcabilă includerea în sistem a unei componente care să explice motivaŃiile răspunsului dat. Constructiv, MYCIN implementa o strategie de control cu înlănŃuire înapoi ghidată de scop.

Rezultat al experienŃei dobândite cu MYCIN, autorii lui creează apoi EMYCIN (Empty MYCIN sau Essential MYCIN), obŃinut din MYCIN prin golirea sa de cunoştinŃe dependente de domeniu. Acesta a fost considerat primul shell de sisteme expert, aşadar un mediu de dezvoltare a acestora, cuprinzând motorul de inferenŃe şi utilitare de dezvoltare şi consultare a bazei de cunoştinŃe. Sistemul a fost intens utilizat în Statele Unite şi în afara lor, una dintre aplicaŃii fiind sistemul Personal Consultant dezvoltat de Texas Instruments.

MYCIN şi EMYCIN a stimulat crearea unei pleiade întregi de sisteme expert sau medii de asistenŃă în dezvoltarea sistemelor expert:

TEIRESIAS [11] – asistent de achiziŃie a cunoştinŃelor de tip MYCIN;

PUFF [19], [1] – primul sistem construit cu EMYCIN, dedicat interpretării testelor funcŃionale pulmonare pentru bolnavii cu afecŃiuni de plămâni, în folosinŃă la Pacific Medical Center din San Francisco;

VM [12] – Ventilator Manager, program de interpretare a datelor cantitative în unităŃile de terapie intensivă din spitale, capabil să monitorizeze un pacient în evoluŃia lui şi să modifice tratamentul corespunzător;

GUIDON [19] – sistem utilizat în structurarea cunoaşterii reprezentate prin reguli pentru scopuri didactice, în realizarea de sesiuni interactive cu studenŃii – domeniu cunoscut sub numele Instruire Inteligentă Asistată de Calculator (ICAI), experienŃa cu GUIDON a demonstrat necesitatea de a explicita cunoaşterea depozitată în reguli pentru ca ea să devină efectivă pentru scopuri didactice).

AM [2], [11], [23] este un program de învăŃare automată prin descoperiri utilizat în domeniul matematicilor elementare. Folosind o bază de 243 de euristici AM a propus concepte matematice plauzibile, a obŃinut date asupra lor, a observat regularităŃi şi, completând ciclul demonstraŃiilor din matematică, a găsit calea de a scurta unele demonstraŃii propunând noi definiŃii. AM nu a reuşit însă să găsească el însuşi noi euristici pentru a-şi perfecŃiona, într-un fel de cerc vicios al câştigului, propria personalitate. Acest eşec, pus pe seama principiilor sale constructive, a stimulat cercetările pentru crearea unui sistem care să combine capacitatea de a face descoperiri automate, a lui AM, cu trăsătura de a formula noi euristici.

S-a ajuns în acest fel la EURISKO (1978-1984) [24]. În orice domeniu este aplicat sistemul are trei niveluri la care poate lucra: cel al domeniului, pentru rezolvarea problemei, cel al inventării de noi concepte ale domeniului şi cel al sintezei de noi euristici care sunt specifice domeniului. A fost aplicat în matematica elementară, în programare pentru descoperirea de erori de programare, în jocuri strategice navale şi în proiectarea VLSI.

Introducere în sistemele expert 39

Foarte multe sisteme expert au fost folosite cu succes în discipline ale pământului, ca geologia, geofizica ori pedologia. O anumită vâlvă, în anii '80, a stârnit sistemul PROSPECTOR [21] când s-a anunŃat că datorită lui s-a reuşit descoperirea unui depozit mineral valorând 100.000.000 USD. Mult mai recent, COAMES (COAstal Management Expert System) este un sistem expert dezvoltat de Plymouth Marine Laboratory cu intenŃia de a studia zonele de coastă de o manieră holistică, prin coroborarea datelor de natură biologică, chimică şi fizică ce completează tabloul riveran, maritim şi atmosferic al acestora. Se aşteaptă ca acest sistem să contribuie la dimensionarea corectă a managementului mediului [30].

Sute de sisteme expert au fost descrise în cărŃi sau reviste dedicate domeniului, cele mai importante dintre reviste fiind:

- Expert Systems with Applications, Pergamon Press Inc.

- Expert Systems: The International Journal of Knowledge Engineering, Learned Information Ltd.

- International Journal of Expert Systems, JAI Press Inc.

- Knowledge Engineering Review, Cambridge University Press,

- International Journal of Applied Expert Systems, Taylor Graham Publishing

Pentru cercetătorii acestui domeniu este din ce în ce mai evident că problema fundamentală în înŃelegerea inteligenŃei nu este identificarea câtorva tehnici foarte puternice de prelucrare a informaŃiei, ci problema reprezentării şi manipulării unor mari cantităŃi de cunoştinŃe de o manieră care să permită folosirea lor efectivă şi inter-corelată. Această constatare caracterizează şi tendinŃele fundamentale de cercetare: ele nu sunt îndreptate atât spre descoperirea unor tehnici noi de raŃionament, cât spre probleme de organizare a bazelor de cunoştinŃe foarte mari ori de formalizare a cunoştinŃelor “disipate” în baze de date în sisteme de reguli (data mining).

Nu este, desigur, lipsită de interes şi problema achiziŃiei cunoaşterii din medii naturale, cu precădere din experienŃa umană [3]. Problema aici este cum ar putea fi identificată, formalizată şi transpusă în reguli expertiza specialiştilor umani?

Responsabilul cu această sarcină este, în general, cunoscut sub numele de inginer de cunoaştere sau inginerul bazei de cunoştinŃe. El este cel care trebuie să găsească limbajul comun cu specialişti din domeniul viitorului sistem expert, care trebuie să-i convingă să colaboreze şi să poarte un dialog cu ei, pentru ca apoi să aducă la o formă convenabilă şi să introducă în sistemul artificial informaŃiile furnizate de aceştia [22].

Programarea bazată pe reguli 40