EXPERTNÍ INTERPRETACE DATABÁZOVĚ EVIDOVANÝCH DAT

The expert interpretation of the data stored on some database

Dr. Ing. Václav Vostrovský

Adresa autora:

Václav Vostrovský, PEF ČZU Praha, Katedra informačního inženýrství

Anotace:

Předkládaný příspěvek se zabývá hledáním nových možností smysluplného uplatnění expertních systémů v zemědělské praxi. Autor navrhuje jako jednu z těchto možností expertní interpretaci databázově evidovaných dat.

Summary:

The presentation concerned on the finding of new possibilities of meaningful applications of expert systems on the agriculture practice. The author submits as a one possible alternatives the expert interpretation of the data stored on some database.

Klíčová slova:

báze znalostí, expertní systém, expertní interpretace

Key words:

knowledge base, expert systém, expert interpretation

1. Úvod a cíl příspěvku

Při své několikaleté činnosti zaměřené na výzkum možností uplatnění expertních systémů (dále ES) v rezortu zemědělství má autor předloženého příspěvku možnost sledovat měnící se požadavky kladené na využití těchto softwarových produktů u nás i ve světě. Cílem příspěvku je navržení nových možností smysluplného využití ES v naší zemědělské praxi.

2. Teoretická východiska

2.1 Definice a pojetí ES

ES je ve svém principu založen na myšlence převzetí znalostí od experta, včetně jeho znalostí heuristických, a jejich vhodného kódování tak, aby je tento systém mohl využívat stejným způsobem jako expert. Existuje celá řada definic ES, z nichž nejpoužívanější má následující znění:

Expertní systémy jsou počítačové programy simulující rozhodovací činnost experta při řešení složitých úloh, využívající přitom vhodně zakódovaných speciálních znalostí, převzatých od experta, s cílem dosáhnout ve zvolené problémové oblasti kvality rozhodování na úrovni příslušného špičkového experta.

ES se liší od běžných počítačových programů svoji architekturou a vlastnostmi. P. Jirků [ 1] v této souvislosti vyzdvihuje především ten fakt, že na rozdíl od konvenčních programů, ve kterých jsou znalosti implicitně roztroušeny v celém algoritmu, je rozhodující většina znalostí důležitých pro řešení problému daného typu v rámci ES soustředěna explicitně v samostatné modulární struktuře, v tzv. bázi znalostí. Báze znalostí tedy zachycuje celou škálu znalostí od nejobecnějších (obsažených např. v učebnicích) až k úzce speciálním; od všeobecně známých až ke znalostem “soukromým” (tj. i takových, které by si žádný odborník nedovolil publikovat). Právě rozsah a kvalita takovýchto “soukromých”, heuristických znalostí odlišují experta od průměrného pracovníka v dané problémové oblasti.

2.2 Charakteristické aspekty ES:

ES jsou charakterizovány následujícími aspekty:

· ES se používají především pro řešení specifických a nerutinních problémů;

· kombinují analytické techniky s tradičními postupy při zpracování dat;

· jsou aktivní, interakční a adaptabilní na probíhající změny v daném prostředí;

· podporují, ale nenahrazují člověka v procesu rozhodování;

· umožňují práci s neúplnými a nejistými znalostmi;

· poskytují uživateli zdůvodnění závěrů, ke kterým při řešení problému došly;

· umožňují komunikaci s uživatelem v průběhu řešení.

2.3 Přínosy používání ES

Nejčastěji uváděné přínosy použití ES jsou následující:

· ES šetří čas, urychluje osvojování znalostí, vylučuje špatné alternativy, informace jsou neustále pohotové, trvale on-line, zvyšuje produktivitu, vysvětluje a učí uživatele;

· snižuje potřebu externích poradců a urychluje zapracování začátečníků do dané činnosti;

· umožňuje řídit rutinní operace “podle výjimek” a přivolávat další znalosti, když je třeba překročit rámec rutiny.

2.4 Rozdělení ES

Podle charakteru řešených úloh lze současné ES rozdělit na:

· interpretační - umožňují analýzu dat za účelem zjištění jejich významu, tj. efektivní interpretaci dat s cílem určit, která z hypotéz z předem dané množiny cílových hypotéz nejlépe koresponduje s reálnými daty popisujících konkrétní doménu;

· diagnostické - zabývají se procesem hledání příčin závad a nepříznivých tendencí v živých i neživých systémech;

· monitorovací - poskytují spojitou interpretaci signálu a možnost vyvolání poplachu v případě, že je nutný zásah člověka;

· predikační - napomáhají předvídání vývoje na základě modelu současnosti a minulosti.

2.5 Příčiny nedostatečného používání ES:

To, že ES zatím nedosáhly takového rozšíření, jakého by si zasloužily, má podle J. Schmullera [ 3] mimo jiné i tyto příčiny:

· tvorba ES vyžaduje velmi často schopnost komunikovat s dalšími počítačovými prostředky především s databázemi různého druhu;

· nedostatečné integrování do používaných informačních technologií (např. relační databáze apod.) snižuje přijatelnost ES pro uživatele (uživatel používá zavedenou informační technologii, do které investoval);

3. Navržené řešení

3.1 Východiska pro navrhované řešení

Z výše uvedeného výčtu variant ES lze vyvodit, že značnou část problémových domén zemědělského rezortu je možné řešit některou z těchto alternativ, přičemž v úvahu přichází zejména interpretační a diagnostická varianta. V této souvislosti lze využít toho, že průběh celé řady zemědělských činností je počítačově zpracováván (konkrétněji - databázově evidován), což ve svém důsledku znamená, že na úrovni dotyčných podniků jsou výsledky těchto činností evidovány v horizontu několika let (např. evidence obratu stád, krmné dávky, evidence chovu včel atd.). Velmi často se však tyto činnosti nevyvíjejí očekávaným způsobem (např. klesá užitkovost, snižují se výnosy atd.), přičemž příčinou mohou být dlouhodobější aspekty (např. pozdní termíny zapouštění, nevhodná plemenitba z hlediska genofondu, opožděné zásahy atd.), které není v některých případech snadné odhalit či identifikovat. V takovémto případě je třeba analyzovat průběh této činnosti za delší časový úsek, přičemž nalezení konkrétní příčiny je pro dotyčnou osobu velmi často komplikovanou záležitostí. Zde se naskýtá možnost nasadit na takto zajišťovanou evidenci dat vhodně zaměřený ES jakožto prostředek expertní interpretace dat. Přitom je třeba mít na zřeteli, že takováto evidence bude obsahovat velmi širokou škálu kombinací číselných hodnot zachycujících průběh dané činnosti a proto zamýšlený ES (tj. jemu odpovídající báze znalostí) bude muset pokrýt všechny tyto kombinace a žádnou neopomenout, neboť každé opomenutí by vyústilo v jejich nesprávnou či nepřesnou interpretaci. Způsob, jak riziko takovéhoto opomenutí elimitovat na nejnižší možnou mez, autor příspěvku již navrhl a ověřil ve své metodě využití RT při tvorbě báze znalostí ES (Vostrovský [ 4] ).

V souvislosti s takto pojatým ES lze očekávat zdánlivě oprávněnou námitku typu, zda nestačí k této analýze samotné prostředky daného databázového produktu (konkrétněji možnosti dotazovacího jazyka SQL). Této námitce je však možno oponovat tím, že ne zcela dostatečně, neboť některé z výše uvedených přínosů ES nelze uspokojivě zajistit pomocí databázové technologie. ES musí nejen napomoci k odhalení skrytých nepříznivých tendencí, ale i poskytnout zdůvodnění svého závěru včetně možnosti dalšího sebevzdělávání svého uživatele. Porovnáním možností SQL a logických programovacích jazyků (Prolog), pomocí kterých jsou ES vytvářeny, se zabýval u nás J. Pokorný [ 2] a jednoznačně vymezil meze obou prostředků. Poukázal přitom na to, že v PROLOGu lze vyjádřit dotazy nevyjádřitelné v relační algebře (typickým příkladem jsou rekurze).

RA+ - pozitivní relační algebra

3.2 Navržené řešení

Navržené uplatnění ES jakožto nástroje pro expertní analýzu dat lze schématicky znázornit následovně: DBS

-	-	-	-	-
ES	-	-	DB	-
	-	-	-	-
CD-ROM	-	-	-	-

Propojení ES s CD-ROM aplikací, která představuje doplňující zdroj informací, má umožnit další sebevzdělávání uživatele

3.3 Kroky realizace navrženého řešení

Kroky vedoucí k realizaci navrženého řešení by měly být následující:

1. Vyhledání takových problémových (zemědělských) domén, které jsou databázově evidovány a doprovázeny četnými problémy, přičemž informační zdroje nejsou pohotově dostupné;

2. naplnění báze znalostí vhodného zvoleného ES;

3. propojení ES s dalším zdrojem informací (hypertext, multimédia) za účelem dalšího sebevzdělávání uživatele.

4. Závěr

Lze předpokládat, že navržené řešení představuje z dalších možností, jak efektivně využít ES v zemědělské praxi. Signály ze zahraničí naznačují, že se jedná o záležitost perspektivní a vysoce aktuální. Dokladem toho mohou být obdobné pokusy o takováto řešení v ekonomické praxi.

Literatura:

[ 1] Jirků P.: Defeasible reasoning, Linkö ping University, 1990

[ 2] Pokorný J.: Počítačové databáze, Kancelářské stroje, Praha 1991

[ 3] Schmuller J.: On The Brink, PC AI vol. 7, no. 4, 1993

[ 4] Vostrovský V.: Tvorba báze znalostí pomocí rozhodovacích tabulek, Agrární perspektivy VI., Sborník prací, Praha 1997