ProΦ expertnφ systΘm

╚lov∞k poznal velice brzy, ₧e jeho pam∞¥ m∙₧e uchovat jen omezenΘ mno₧stvφ ·daj∙ a zaΦal svΘ informace zaznamenßvat û do kamene, do hlφny, na papφr Φi na disky v²poΦetnφch systΘm∙. Dnes nikdo nepochybuje o tom, ₧e v prostΘm uchovßvßnφ fakt∙ nßs poΦφtaΦe dßvno p°ekonaly. Uchovßvßnφ ·daj∙ mß vÜak smysl jen tehdy, dovedeme-li ulo₧enΘ ·daje n∞jak interpretovat, vyu₧φt pro svΘ rozhodovßnφ. K tomu vÜak pot°ebujeme n∞co daleko mΘn∞ uchopitelnΘho, ne₧ jsou prostß data û toti₧ znalosti. Zde se vÜak rßzem ocitßme v dob∞ kamennΘ û v tomto sm∞ru se toti₧ i naÜe nejskv∞lejÜφ poΦφtaΦe jen o mßlo vzdßlily od prostΘho nßpisu vytesanΘho do kamene.

Je jasnΘ, ₧e v myÜlenφ nßs poΦφtaΦe jeÜt∞ dlouho nep°ekonajφ. Mß tedy smysl se ji₧ dnes pokouÜet o ulo₧enφ znalostφ, kdy₧ vφme, ₧e experta budeme stejn∞ pot°ebovat? Ukazuje se, ₧e ano. P°i ka₧dΘm rozhodovßnφ mohou jist∞ nastat situace, kdy je schopnost experta improvizovat, p°izp∙sobit se, Φi pou₧φt obecn²ch znalostφ z jin²ch obor∙, nenahraditelnß. Ale °ada situacφ se dß vy°eÜit rutinnφm pou₧itφm pevn²ch, dob°e formalizovateln²ch, pravidel. Takov²ch situacφ m∙₧e b²t velmi mnoho a je-li pro jejich °eÜenφ mo₧nΘ pou₧φt poΦφtaΦe, je dobrΘ to ud∞lat. D°ina pat°φ stroj∙m. Expert pak bude mφt vφc Φasu na °eÜenφ ·loh, kde je nenahraditeln².

StrojovΘ znalosti majφ navφc mnoho p°φjemn²ch vlastnostφ. Jsou p°edn∞ trvalΘ - na rozdφl od Φlov∞ka, kter² zapomφnß (zvlßÜt∞ znalosti, kterΘ dlouho nepou₧φvß). Neodchßzejφ do d∙chodu nebo ke konkurenci. Poskytujφ stßle stejnΘ v²sledky û na rozdφl od Φlov∞ka, kter² m∙₧e b²t unaven², nesoust°ed∞n² Φi pod Φasov²m tlakem. Lze je snadno reprodukovat, a proto jsou vÜem snadno dostupnΘ.

S mno₧stvφm metod vyvinut²ch k zφskßvßnφ a uchovßvßnφ text∙, obraz∙, zvuk∙, m∞°enφ a jin²ch primßrnφch dat kontrastuje hrstka metod urΦenß k zφskßvßnφ a uchovßvßnφ znalostφ. ProblΘm nenφ ani tak v uklßdßnφ znalostφ, ani v jejich aplikaci (vyu₧itφ), ale v jejich zφskßvßnφ. Relativn∞ snadno to jde tam, kde mß Φlov∞k znalosti ulo₧eny v hlav∞ ve tvaru, kter² lze snadno p°evΘst do programu poΦφtaΦe, nap°φklad vÜechny ·lohy souvisejφcφ s aplikacφ matematiky. Ve v∞tÜin∞ obor∙ lidskΘ Φinnosti vÜak nemajφ znalosti tak formalizovanou strukturu jako prßv∞ v matematice a pro experta nenφ v∙bec snadnΘ popsat pro pot°eby anal²zy postup, kter² pou₧φvß p°i °eÜenφ konkrΘtnφho problΘmu.

Jednß se o paradox, se kter²m se denn∞ setkßvajφ vÜichni analytici û u₧ivatel je schopen popsat, jak je t°eba postupovat v konkrΘtnφ situaci, ale selhßvß v definici obecn²ch princip∙, kterΘ pro svΘ rozhodovßnφ pou₧φvß. P°itom je jasnΘ, ₧e n∞jak²mi obecn²mi principy se musφ °φdit, proto₧e konkrΘtnφch situacφ, se kter²mi si poradφ, je ohromnΘ mno₧stvφ. Usuzuje se, ₧e p°φΦina v∞zφ v tom, ₧e expert svΘ znalosti zφskßvß uΦenφm. MalΘ kousky znalostφ, kterΘ expert postupn∞ zφskal b∞hem dlouhΘho uΦenφ, se posklßdaly v dlouhΘ sekvence automatizovanΘho chovßnφ a p∙vodnφ v²chodiska jsou zasuta n∞kde v hlubinßch mozku. Zd∙vodn∞nφ a vysv∞tlenφ, kterΘ vßm expert poskytne pro svΘ (evidentn∞ sprßvnΘ) rozhodnutφ, je tak Φasto chybnΘ a ne·plnΘ. ╪φkß vßm, co si myslφ, ₧e d∞lß, mφsto toho, co d∞lß doopravdy.

Kvalit∞ takto zφskan²ch algoritm∙ pak odpovφdß kvalita na nich postaven²ch program∙. JeÜt∞ dlouho po nasazenφ do provozu pak program selhßvß, kdy₧ se setkß s neoΦekßvanou situacφ. Expert si pak ôvzpomeneö na dalÜφ pravidlo a algoritmus je t°eba upravit. P°idßme-li k tomu zm∞ny vyvolanΘ zm∞nami pou₧φvan²ch pravidel (nap°. zm∞nou zßkon∙), je jasnΘ, ₧e pou₧itφ klasick²ch programovacφch technik nenφ pro uklßdßnφ a interpretaci znalostφ ideßlnφ.

Bylo nalezeno °eÜenφ spoΦφvajφcφ v tom, ₧e expertnφ znalosti se neuklßdajφ do algoritmu programu, ale uklßdajφ se ve vhodnΘ reprezentaci jako data do databßze znalostφ. Ulo₧enß pravidla jsou pak interpretovßna vhodn²m programem. Zm∞na pravidel je pak pouze zm∞nou dat, tj. nevy₧aduje opravu programu. Tento p°φstup dßle umo₧≥uje vytvo°enφ obecn²ch program∙ nezßvisl²ch na charakteru zφskßvan²ch a interpretovan²ch znalostφ. Pro takovΘ programy se v₧il nßzev expertnφ systΘmy. ( K odliÜenφ prßzdnΘ databßze a program∙ pro jejφ sprßvu od databßze napln∞nΘ konkrΘtnφmi znalostmi dopln∞nΘ o interpretaΦnφ program se v angliΦtin∞ pou₧φvajφ termφny ôexpert system shellö a ôexpert systemö.)

Prßzdn²ch expertnφch systΘm∙ (sko°ßpek) existuje ve srovnßnφ nap°φklad s databßzov²mi stroji pom∞rn∞ mßlo. V∞tÜinou se jednß o slo₧itΘ nßstroje vy₧adujφcφ specißln∞ vyÜkolenou obsluhu û znalostnφho in₧en²ra. Jeho ·lohou je p°evΘst expertovy znalosti do pravidel, kterß je mo₧nΘ ulo₧it do databßze znalostφ. Tφm se ovÜem op∞t setkßvßme s odliÜnou reprezentacφ znalostφ. Expert prost∞ v∞tÜinou nepostupuje tak, ₧e by na ka₧dou situaci znovu a znovu aplikoval n∞jakou soustavu primßrnφch pravidel. V p°evß₧nΘ v∞tÜin∞ p°φpad∙ za°adφ situaci na zßklad∞ jejφch vlastnostφ do n∞jakΘ konkrΘtnφ Ükatulky, pro kterou pak mß p°ipraveno rozhodnutφ. Tomuto postupu se °φkß ôrozpoznßvßnφ vzor∙ö (pattern recognition). Jsou-li znalosti ulo₧eny jinak, ne₧ je expert zvykl² myslet, je vÜak velmi obtφ₧nΘ vytvß°enou bßzi znalostφ odladit.

Kdy₧ jsme p°ed Φasem hledali pro jednoho naÜeho zßkaznφka na Internetu n∞jak² prßzdn² expertnφ systΘm, stanovili jsme si nßsledujφcφ kriteria. Produkt musφ mφt rozumnou cenu, musφ b²t podporovßn a udr₧ovßn na profesionßlnφm zßklad∞. Musφ podporovat vytvß°enφ modernφch klient∙ (Windows a Intranet). V ideßlnφm p°φpad∞ by m∞l umo₧≥ovat zφskßvßnφ znalostφ bez ·Φasti znalostnφho in₧en²ra (nßÜ zßkaznφk sφdlφ v zahraniΦφ, tak₧e osobnφ konzultace jsou drahΘ).

Z tohoto pohledu je v²b∞r expertnφho systΘmu ACQUIRE jevφ jako optimßlnφ.

ProΦ expertnφ systΘm O firm∞ Algo Cenφk