Πτυχιακή εργασία ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ, ΕΥΦΥΕΙΣ ΠΡΑΚΤΟΡΕΣ ΚΑΙ ΕΦΑΡΜΟΓΕΣ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΥΓΕΙΑΣ. Βιαννιτάκη Βασιλική

Transcript

1 ζίδλο Γ/ ΤΕΙ ΠΕΛΟΠΟΝΝΗΣΟΥ ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΚΑΙ ΟΡΕ ΑΝΙΣΜΩΝ ΚΑΤΕΥΘΥΝΣΗ: ΔΙΟΙΚΗΣΗ ΜΟΝΑΔΩΝ ΥΓΕΙΑΣ Πτυχιακή εργασία ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ, ΕΥΦΥΕΙΣ ΠΡΑΚΤΟΡΕΣ ΚΑΙ ΕΦΑΡΜΟΓΕΣ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΥΓΕΙΑΣ Επιβλέπων Καθηγητής: Θεόδωρος Κοτσιλιέρης Καλαμάτα 2014

2 ΕΥΧΑΡΙΣΤΙΕΣ Θα ήθελα να ευχαριστήσω τον επιβλέπων καθηγητή μου κ. Θ. Κοτσιλιέρη για την εμπιστοσύνη και την πολύτιμη καθοδήγηση του. Επίσης, να ευχαριστήσω την οικογένεια μου για την συμπαράσταση τους καθ όλη την διάρκεια εκπόνησης της πτυχιακής εργασίας και των χρόνων φοίτησης μου στο Τ.Ε.Ι Πελοποννήσου. 2

3 ΤΕΙ Πελοπόννησου ΠΕΡΙΛΗΨΗ Η Τεχνητή Νοημοσύνη είναι η μελέτη της ευφυούς συμπεριφοράς. Ο Απώτερος σκοπός της είναι μια θεωρία ευφυΐας πού περιγράφει την συμπεριφορά που έχουν φυσικά νοήμονα όντα και που οδηγεί στην δημιουργία τεχνητών όντων με ευφυή συμπεριφορά. Τα τελευταία χρόνια η Τεχνητή Νοημοσύνη χρησιμοποιείται σε πληθώρα πληροφοριακών συστημάτων σε πολλούς εμπορικούς και επιστημονικούς τομείς και ιδιαίτερα στον τομέα της ιατρικής. Ο γιατρός λόγω του τεράστιου όγκου ιατρικής πληροφορίας που έχει στην διάθεση του, έχει γίνει επιτακτική η χρήση ολοένα και περισσότερο των πληροφοριακών συστημάτων με συμβολικό ρόλο στον τομέα της ιατρικής. Εδώ σημαντικό ρόλο έχουν οι ευφυείς πράκτορες. Στην παρούσα πτυχιακή εργασία επιλέξαμε ένα θέμα που ασχολείται κατά κύριο λόγο με την τεχνητή νοημοσύνη, τους ευφυείς πράκτορες, τα έμπειρα συστήματα (Expert systems) και των ιατρικών συστημάτων υποστήριξης απόφασης (MDSS) στον τομέα της υγείας καθώς αναλύουμε τα χαρακτηριστικά τους και τις εφαρμογές τους. Είναι ένα αρκετά επίκαιρο θέμα, αν σκεφτούμε ότι οι πράκτορες απόκτησαν φήμη στα μέσα της δεκαετίας του 90, ενώ γίνεται ακόμα πιο επίκαιρο, αφού τα τελευταία χρόνια και μόνο, γίνεται χρήση στον τομέα της ιατρικής. Ευφυής πράκτορας είναι ένα σύστημα ηλεκτρονικών υπολογιστών που βρίσκεται σε ένα συγκεκριμένο περιβάλλον και είναι ικανό να δρά αυτόνομα έτσι ώστε να πετυχαίνει τους σχεδιαστικούς του στόχους. Οι ευφυείς πράκτορες είναι ένα νέο πρότυπο-εργαλείο για την ανάπτυξη εφαρμογών λογισμικού. Σήμερα, οι ευφυείς πράκτορες είναι το επίκεντρο του ενδιαφέροντος σε πολλούς τομείς της επιστήμης των υπολογιστών και της τεχνητής νοημοσύνης. Επιπρόσθετα, τα έμπειρα συστήματα (Expert systems) είναι προγράμματα υπολογιστή τα οποία προέρχονται από τον χώρο της τεχνητής νοημοσύνης και επιδεικνύουν νοήμονα συμπεριφορά σε συγκεκριμένους τομείς και διαδικασίες, ανάλογη ενός ανθρώπου εμπειρογνώμονα με ειδικότητα στον ίδιο τομέα. Τα συστήματα αυτά, είναι αποτέλεσμα της προσπάθειας του ανθρώπου να αυτοματοποιήσει την επεξεργασία εξειδικευμένης γνώσης που εμφανίζεται σε διάφορες εφαρμογές της καθημερινής ζωής. Βέβαια, για την δημιουργία ενός έμπειρου συστήματος χρειάζεται μεγάλη προσπάθεια και συνήθως σημαντικό κόστος. Επιπλέον, άλλο ένα σημαντικό ερευνητικό πεδίο που παρουσιάζει αύξηση τα τελευταία χρόνια είναι τα ιατρικά συστήματα υποστήριξης αποφάσεων (MDSS). Βασίζονται σε μαθηματικά εργαλεία προσομοίωσης, γνωσιακές βάσεις δεδομένων, μεθόδους τεχνητής νοημοσύνης για την κωδικοποίηση της διαθέσιμης γνώσης και για την επίλυση σύνθετων προβλημάτων που προκύπτουν στον ιατρικό τομέα. Η ανάπτυξη των πληροφοριακών συστημάτων υγείας μπορεί να συμβάλει κυρίως στη μείωση του υπέρογκου κόστους κατά την νοσηλεία ασθενών, εξετάσεων κλπ., και στη βελτίωση παραγωγικότητας σε τομείς όπως η τιμολόγηση και η αρχειοθέτηση, η μείωση ιατρικών λαθών αλλά και η βελτίωση της ποιότητας της υγειονομικής περίθαλψης. 3

4 Επομένως, με την τεχνολογία των αυτών των έξυπνων προγραμμάτων θα μπορούν να πετύχουν τις πραγματικές δυνατότητες τους, μόνο εφόσον οι χρήστες και οι προγραμματιστές αντιληφθούν την αξία των δραστηριοτήτων τους. Παρόλαυτα, υπάρχουν παράγοντες που εμποδίζουν την εφαρμογή τους και ο πιο βασικός παράγοντας είναι το ανθρώπινο δυναμικό που παραμένει αρνητικά διακείμενο στη χρήση αυτών των εργαλείων πιστεύοντας ότι θα τους υποκαταστήσουν. ΛΕΞΕΙΣ ΚΛΕΙΔΙΑ: Τεχνητή νοημοσύνη, Ευφυείς πράκτορες, Ιατρικά συστήματα υποστήριξης αποφάσεων. 4

5 ΠΕΡΙΕΧΟΜΕΝΑ ΕΥΧΑΡΙΣΤΙΕΣ...2 ΠΕΡΙΛΗΨΗ... 3 ΠΕΡΙΕΧΟΜΕΝΑ...5 ΚΑΤΑΛΟΓΟΣ ΠΙΝΑΚΩΝ...9 ΚΑΤΑΛΟΓΟΣ ΣΧΗΜΑΤΩΝ...13 ΕΙΣΑΓΩΓΗ...14 ΚΕΦΑΛΑΙΟ 1: ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΤΙ ΕΙΝΑΙ Η ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ; ΆΛΛΟΙ ΟΡΙΣΜΟΙ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΑΝΘΡΩΠΙΝΗ ΔΡΑΣΗ : Η ΔΟΚΙΜΑΣΙΑ TURING ΙΣΤΟΡΙΚΗ ΑΝΑΔΡΟΜΗ Η ΕΞΕΛΙΞΗ ΤΗΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ Έμπειρα συστήματα Ρομπότ Ρομποτική Επίλυση προβλημάτων Νευρωνικά Δίκτυα ΣΥΝΟΨΗ...26 ΚΕΦΑΛΑΙΟ 2: ΕΥΦΥΗ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΕΥΦΥΗ ΣΥΣΤΗΜΑΤΑ ΠΡΟΣΟΜΟΙΩΣΗΣ ΕΥΦΥΗ ΣΥΣΤΗΜΑΤΑ ΠΛΗΡΟΦΟΡΙΩΝ ΕΥΦΥΗ ΣΥΣΤΗΜΑΤΑ ΥΠΟΣΤΗΡΙΞΗΣ ΕΥΦΥΗ ROBOT ΥΠΟΔΟΜΗ ΕΥΦΥΩΝ ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΕΥΚΟΛΙΑ ΧΡΗΣΗΣ ΕΥΕΛΙΚΤΕΣ ΚΑΙ ΠΡΟΣΑΡΜΟΣΙΜΕΣ ΥΠΗΡΕΣΙΕΣ ΥΠΟΔΟΜΗΣ

6 2.8 ΕΡΓΑΛΕΙΑ ΑΝΑΠΤΥΞΗΣ ΚΑΙ ΥΠΟΣΤΗΡΙΞΗΣ ΕΦΑΡΜΟΣΜΕΝΕΣ ΤΕΧΝΟΛΟΓΙΕΣ ΣΥΝΟΨΗ...35 ΚΕΦΑΛΑΙΟ 3: ΕΥΦΥΕΙΣ ΠΡΑΚΤΟΡΕΣ Η ΕΝΝΟΙΑ ΤΟΥ ΠΡΑΚΤΟΡΑ ΕΠΙΠΛΕΟΝ ΟΡΙΣΜΟΙ ΣΥΣΤΗΜΑΤΑ ΠΟΛΛΑΠΛΩΝ ΠΡΑΚΤΟΡΩΝ ΠΑΡΑΔΕΙΓΜΑΤΑ ΠΡΑΚΤΟΡΩΝ ΕΥΦΥΕΙΣ ΠΡΑΚΤΟΡΕΣ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ ΕΥΦΥΩΝ ΠΡΑΚΤΟΡΩΝ ΠΩΣ ΠΡΕΠΕΙ ΝΑ ΛΕΙΤΟΥΡΓΟΥΝ ΟΙ ΠΡΑΚΤΟΡΕΣ ΠΡΟΒΛΗΜΑΤΑ ΚΑΤΑ ΤΗΝ ΧΡΗΣΗ ΠΡΑΚΤΟΡΩΝ ΠΛΕΟΝΕΚΤΗΜΑΤΑ- ΜΕΙΟΝΕΚΤΗΜΑΤΑ ΕΥΦΥΩΝ ΠΡΑΚΤΟΡΩΝ ΣΥΝΟΨΗ ΚΕΦΑΛΑΙΟ 4: ΙΑΤΡΙΚΗ ΠΛΗΡΟΦΟΡΙΚΗ:ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΚΑΙ ΕΜΠΕΙΡΑ ΣΥΣΤΗΜΑΤΑ ΣΤΗΝ ΙΑΤΡΙΚΗ Η ΠΛΗΡΟΦΟΡΙΚΗ ΣΤΙΣ ΜΟΝΑΔΕΣ ΥΓΕΙΑΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΚΑΙ ΕΜΠΕΙΡΑ ΣΥΣΤΗΜΑΤΑ ΣΤΗΝ ΙΑΤΡΙΚΗ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ ΤΩΝ ΕΜΠΕΙΡΩΝ ΣΥΣΤΗΜΑΤΩΝ ΔΟΜΗ ΕΜΠΕΙΡΟΥ ΣΥΣΤΗΜΑΤΟΣ ΧΡΗΣΗ ΕΜΠΕΙΡΩΝ ΣΥΣΤΗΜΑΤΩΝ ΣΤΗΝ ΙΑΤΡΙΚΗ ΠΡΟΓΡΑΜΜΑΤΑ ΙΑΤΡΙΚΩΝ ΕΜΠΕΙΡΩΝ ΣΥΣΤΗΜΑΤΩΝ ΣΤΗΝ ΙΑΤΡΙΚΗ...54 MYCIN ILIAD DXplain HELP ΕΜΠΕΙΡΑ ΣΥΣΤΗΜΑΤΑ ΚΑΙ ΣΥΜΒΑΤΙΚΑ ΠΡΟΓΡΑΜΑΤΑ ΠΛΕΟΝΕΚΤΗΜΑΤΑ-ΜΕΙΟΝΕΚΤΗΜΑΤΑ ΕΜΠΕΙΡΩΝ ΣΥΣΤΗΜΑΤΩΝ ΣΕ ΣΧΕΣΗ ΜΕ ΤΟΝ ΑΝΘΡΩΠΟ-ΕΙΔΙΚΟ...57 ΠΛΕΟΝΕΚΤΗΜΑΤΑ

7 ΜΕΙΟΝΕΚΤΗΜΑΤΑ ΣΥΝΟΨΗ ΚΕΦΑΛΑΙΟ 5: ΙΑΤΡΙΚΑ ΣΥΣΤΗΜΑΤΑ ΥΠΟΣΤΗΡΙΞΗΣ ΑΠΟΦΑΣΗΣ (MDSS) ΣΥΣΤΗΜΑΤΑ ΥΠΟΣΤΗΡΙΞΗΣ ΑΠΟΦΑΣΕΩΝ (D SS)...61 Ιστορία ΙΑΤΡΙΚΑ ΣΥΣΤΗΜΑΤΑ ΥΠΟΣΤΗΡΙΞΗΣ ΑΠΟΦΑΣΕΩΝ (MDSS) Η ΔΙΑΓΝΩΣΤΙΚΗ ΔΙΑΔΙΚΑΣΙΑ ΤΩΝ ΙΑΤΡΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΥΠΟΣΤΗΡΙΞΗΣ ΑΠΟΦΑΣΕΩΝ ΤΥΠΟΙ ΑΠΟΦΑΣΕΩΝ Η ΧΡΗΣΗ ΤΩΝ ΣΥΣΤΗΜΑΤΩΝ ΥΠΟΣΤΗΡΙΞΗΣ ΑΠΟΦΑΣΕΩΝ ΣΤΗΝ ΚΛΙΝΙΚΗ ΠΡΑΞΗ ΠΑΡΑΓΟΝΤΕΣ ΠΟΥ ΕΜΠΟΔΙΖΟΥΝ ΤΗΝ ΕΦΑΡΜΟΓΗ ΤΟΥΣ ΣΥΝΟΨΗ...69 ΚΕΦΑΛΑΙΟ 6: ΙΑΤΡΙΚΗ ΠΛΗΡΟΦΟΡΙΚΗ: ΠΑΡΑΔΕΙΓΜΑΤΑ ΧΡΗΣΗΣ ΣΕ ΑΣΘΕΝΕΙΣ ΣΥΣΚΕΥΕΣ ΠΑΡΑΚΟΛΟΥΘΗΣΗΣ ΑΣΘΕΝΩΝ ΑΠΟ ΑΠΟΣΤΑΣΗ ΕΞΥΠΝΑ ΣΠΙΤΙΑ Η ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΒΟΗΘΑ ΣΤΗ ΔΙΑΓΝΩΣΗ ΚΑΡΔΙΑΚΩΝ ΛΟΙΜΩΞΕΩΝ ΕΞΥΠΝΗ ΣΥΣΚΕΥΗ ΠΑΡΑΚΟΛΟΥΘΗΣΗΣ ΤΗΣ ΚΑΡΔΙΑΚΗΣ ΛΕΙΤΟΥΡΓΙΑΣ ΣΥΣΤΗΜΑΤΑ ΥΠΟΛΟΓΙΣΤΙΚΗΣ ΝΟΗΜΟΣΥΝΗΣ ΓΙΑ ΔΙΑΓΝΩΣΗ ΣΤΗΝ ΙΑΤΡΙΚΗ: Η ΠΕΡΙΠΤΩΣΗ ΤΟΥ ΣΥΝΔΡΟΜΟΥ DOWN ΣΥΝΟΨΗ...76 ΣΥΜΠΕΡΑΣΜΑΤΑ ΒΙΒΛΙΟΓΡΑΦΙΑ

8 Τεχνητή Νοημοσύνη, Ευωυείς Πράκτορες και Εφαρμογές στην Πληροφορική Υγείας 8

9 ΚΑΤΑΛΟΓΟΣ ΠΙΝΑΚΩΝ ΠΙΝΑΚΑΣ 1Δ υ ν α τό τ η τ ε ς, π λ ε ο ν ε κ τ ή μ α τ α κ α ι ο φ έ λ η ε υ φ υ ώ ν π ρ α κ τ ό ρ ω ν...45 ΠΙΝΑΚΑΣ 2 Σ ύ γκ ρ ιση ε μ π ε ίρ ω ν σ υ σ τ η μ ά τ ω ν μ ε τα σ υ μ β α τ ικ ά π ρ ο γ ρ ά μ μ α τ α...56 ΠΙΝΑΚΑΣ 3 ΠΑΡΑΜΕΤΡΟΙ ΠΡΟΒΛΕΨΗΣ ΓΙΑ ΤΟ ΣΥΝΔΡΟΜΟ DOWN...74 ΠΙΝΑΚΑΣ 4 ΑΠΟΤΕΛΕΣΜΑΤΑ ΠΡΟΒΛΕΨΗΣ ΓΙΑ ΤΟ ΣΥΝΔΡΟΜΟ DOW N ΠΙΝΑΚΑΣ 5 Δ ε ύ τ ε ρ η π ρ ο σ π ά θ ε ια π ρ ό β λ ε ψ η ς σ υ ν δ ρ ό μ ο υ D o w n μ ε τ η ν χ ρ π ς η ΝΕΥΡΩΝΙΚΩΝ ΔΙΚΤΥΩΝ...75 ΠΙΝΑΚΑΣ 6 ΑΠΟΤΕΛΕΣΜΑΤΑ ΔΕΥΤΕΡΗΣ ΠΡΟΣΠΑΘΕΙΑΣ ΠΡΟΒΛΕΨΗΣ ΣΥΝΔΡΟΜΟΥ DOWN ΜΕ ΤΗΝ ΧΡΗΣΗ ΝΕΥΡΩΝΙΚΩΝ ΔΙΚΤΥΩΝ

10 ΤΕΙ Πελοπόννησου Τεχνητή Νοημοσύνη, Ευφυείς Πράκτορες και Εφαρμογές στην Πληροφορική Υγείας 10

11 Τεχνητή Νοημοσύνη, Ευφυείς Πράκτορες και Εφαρμογές στην Πληροφορική Υγείας 11

12 ΤΕΙ Πελoπowήσoυ Τεχνητή Νοημο,ίνή, Εοτ,οεΙς Πράκτορες κο, Ε,αρμοχές στην 12

13 ΤΕΙI Ιελοποννήσου ΚΑΤΑΛΟΓΟΣ ΣΧΗΜΑΤΩΝ ΣΧΗΜΑ 1Δ ο κ ιμ ή T u r in g γ ια μ η χ α ν ικ ή ε υ φ υ ϊα...18 ΣΧΗΜΑ 2 ΠΩΣ APA ΕΝΑΣ ΠΡΑΚΤΟΡΑΣ ΣΤΟ ΠΕΡΙΒΑΛΛΟΝ ΤΟΥ ΜΕΣΩ ΜΗΧΑΝΙΣΜΩΝ ΔΡΑΣΗΣ ΣΧΗΜΑ 3 Ά ξ ο ν ε ς π ρ ο σ δ ιο ρ ισ μ ο ύ τ ω ν χ α ρ α κ τ η ρ ισ τ ικ ώ ν τ ω ν ε υ φ υ ώ ν π ρ α κ τ ό ρ ω ν. 42 ΣΧΗΜΑ 4 Σ ύστημ α υ π ο σ τ ή ρ ιξ ή ς α η ψ η ς α π ο φ ά σ ε ω ν ΣΧΗΜΑ 5 Η ΔΙΑΓΝΩΣΤΙΚΗ ΔΙΑΔΙΚΑΣΙΑ

14 ΕΙΣΑΓΩΓΗ Η τεχνητή νοημοσύνη (Artificial Intelligence) αναφέρεται στον κλάδο της πληροφορικής ο οποίος ασχολείται με την σχεδίαση και την υλοποίηση υπολογιστικών συστημάτων που μιμούνται στοιχεία της ανθρώπινης συμπεριφοράς τα οποία υπονοούν έστω και στοιχειώδη ευφυΐα: μάθηση, προσαρμοστικότητα, εξαγωγή συμπερασμάτων, κατανόηση από συμφραζόμενα, επίλυση προβλημάτων κλπ. Η ανάπτυξη της τεχνητής νοημοσύνης στην εποχή μας είναι ραγδαία, τόσο για συστήματα που μπορούν να χρησιμοποιηθούν από μεμονωμένα άτομα όσο και από μεγαλύτερες ομάδες χρηστών που βρίσκονται στους ίδιους χώρους ή και σε διαφορετικές χώρες και ηπείρους. Μέσα σε αυτή την κοινωνία της πληροφορίας, όπως εύστοχα ονομάζεται, ο καθένας μπορεί να περιηγηθεί, να περιπλανηθεί, να αναζητήσει αλλά και ταυτόχρονα να προσθέσει κάτι στον ήδη τεράστιο όγκο πληροφορίας που είναι διαθέσιμος με πολύ μεγάλη ευκολία και δια μέσου μόνο του υπολογιστή μας. Αυτή η ραγδαία ανάπτυξη της τεχνητής νοημοσύνης και η παροχή ταυτόχρονα πολλών πληροφοριών γέννησε την ανάγκη δημιουργίας των ευφυών πρακτόρων (Intelligent agents) και των έμπειρων συστημάτων (Expert systems). Η παρούσα εργασία έχει στόχο την ανάλυση της θεωρίας της τεχνητής νοημοσύνης, των ευφυών πρακτόρων, καθώς των εφαρμογών τους όπου χωρίζεται σε πέντε κεφάλαια. Αρχικά ορίζεται η έννοια της τεχνητής νοημοσύνης, στην συνέχεια ορίζονται τα ευφυή συστήματα πληροφοριών, των ευφυών πρακτόρων και τέλος αναλύουμε τον όρο των έμπειρων συστημάτων και την συμβολή τους στον τομέα της ιατρικής. Πιο συγκεκριμένα, στο πρώτο κεφάλαιο ορίζουμε τι είναι τεχνητή νοημοσύνη, επίσης διατυπώνονται και άλλοι ορισμοί από σημαντικούς επιστήμονες, στην συνέχεια γίνεται μια ιστορική αναδρομή από την δημιουργία έως την τεχνολογική εξέλιξη της μέχρι σήμερα, και τέλος παρουσιάζονται τα πεδία εφαρμογών της τεχνητής νοημοσύνης. Στο δεύτερο κεφάλαιο, παρουσιάζεται η ανάγκη χρήσης ευφυών συστημάτων πληροφορικής,θέματα υποδομής για την βέλτιστη απόδοση των συστημάτων. Ο λόγος που αναφέρονται αυτά τα συστήματα, είναι ότι πάνω σε αυτά βρίσκουν εφαρμογές οι ευφυείς πράκτορες ή μέσα από αυτά τα συστήματα δραστηριοποιούνται. Βέβαια, ένας ευφυής πράκτορας είναι ένα έξυπνο σύστημα από μόνο του και έτσι είναι απαραίτητο να παρουσιάσουμε την δομή και την λειτουργία τους. Στο τρίτο κεφάλαιο, παρουσιάζονται εισαγωγικά θέματα σχετικά με τους ευφυείς πράκτορες όπου περιλαμβάνονται ορισμοί, χαρακτηριστικά και οι εφαρμογές τους. Αρχικά διατυπώνονται διάφορες απόψεις της επιστημονικής κοινότητας σχετικά με το τι είναι ευφυής πράκτορας και στη συνέχεια δίνεται ένας αυστηρός ορισμός σύμφωνα με τα διεθνή πρότυπα. Στην συνέχεια αναφερόμαστε στα προβλήματα τα οποία πρέπει να λύσουν οι πράκτορες και πώς εφαρμόζονται οι πράκτορες σε πολύπλοκα συστήματα υπολογιστών καθώς επίσης και την βελτίωση της αποτελεσματικότητας τους στην ανάπτυξη λογισμικού. 14

15 Τέλος αναφέρουμε τα πλεονεκτήματα και μειονεκτήματα των πρακτόρων όπου πρέπει να γνωρίζουν οι χρήστες και οι προγραμματιστές για την χρήση και βελτιστοποίηση τους. Στο τέταρτο κεφάλαιο, γίνεται αναφορά στην συμβολή της τεχνητής νοημοσύνης, των πληροφοριακών συστημάτων ενός νοσοκομείου και των έμπειρων συστημάτων στον τομέα της υγείας. Συγκεκριμένα ορίζουμε την έννοια ενός ολοκληρωμένου πληροφοριακού συστήματος νοσοκομείου, της ιατρικής τεχνητής νοημοσύνης και των έμπειρων συστημάτων. Επίσης, διατυπώνονται τα χαρακτηριστικά τους και οι εφαρμογές τους στον τομέα της ιατρικής. Επιπρόσθετα, παρουσιάζονται σημαντικά προγράμματα ιατρικών έμπειρων συστημάτων όπου τα περισσότερα έχουν ερευνητικό χαρακτήρα. Τέλος συμπερασματικά, αναλύουμε τα πλεονεκτήματα και τα μειονεκτήματα χρήσης των έμπειρων συστημάτων στην ιατρική. Στο πέμπτο κεφάλαιο, αναλύουμε την έννοια των συστημάτων υποστήριξης αποφάσεων (DSS). Στην συνέχεια, εστιάζουμε στον ιατρικό τομέα και συγκεκριμένα στα ιατρικά συστήματα υποστήριξης αποφάσεων (MDSS) όπου ορίζεται η έννοια τους και οι δυνατότητες τους. Επιπλέον, γίνεται αναφορά στην διαγνωστική διαδικασία για την σωστή εξαγωγή της απόφασης μέσω αυτών των συστημάτων, το οποίο είναι ένα σημαντικό εργαλείο για τον ιατρό για την χορήγηση φαρμακευτικής θεραπείας. Τέλος, αναλύουμε τους βασικούς παράγοντες που εμποδίζουν την εφαρμογή τους. Στο έκτο κεφάλαιο, παρουσιάζονται ορισμένα παραδείγματα χρήσης ευφυών πρακτόρων στον τομέα της υγείας και συγκεκριμένα σε ασθενείς. Βλέπουμε μέσα σε αυτά πώς η τεχνολογία της τεχνητής νοημοσύνης και των έξυπνων πρακτόρων εξελίσσεται συνεχώς και πώς μπορούν να λειτουργήσουν προς όφελος του ανθρώπου. 15

16 ΤΕΙ Πελοπόννησου ΚΕΦΑΛΑΙΟ 1: ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ 1.1 ΤΙ ΕΙΝΑΙ Η ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ; Τεχνητή νοημοσύνη (ΤΝ) (Artificial Intelligence-AI) είναι η μελέτη και δημιουργία προγραμμάτων ηλεκτρονικών υπολογιστών, που σκοπό έχουν να συμπεριφέρονται έξυπνα όπως το ανθρώπινο μυαλό. Ο όρος έξυπνα δεν έχει σαφή ερμηνεία, αλλά για τον χώρο της τεχνητής νοημοσύνης μπορεί να ερμηνεύεται σαν ικανότητα να λύνουν προβλήματα, να μαθαίνουν από προηγούμενες εκτελέσεις, να καταλαβαίνουν δύσκολες καταστάσεις και δεδομένα και να αντιλαμβάνονται διαφορές και ομοιότητες μεταξύ καταστάσεων. Ένας γενικός ορισμός είναι ο εξής : ΤΝ είναι ο τομέας της επιστήμης υπολογιστών ο οποίος ασχολείται με τη σχεδίαση και την υλοποίηση υπολογιστικών συστημάτων τα οποία είναι ικανά να μιμηθούν στοιχεία της ανθρώπινης συμπεριφοράς τα οποία υπονοούν έστω και στοιχειώδη ευφυΐα: μάθηση, προσαρμοστικότητα, εξαγωγή συμπερασμάτων, κατανόηση από συμφραζόμενα, επίλυση προβλημάτων κλπ.[42] Ο J. McCarthy όρισε τον τομέα αυτόν ως «επιστήμη και μεθοδολογία της δημιουργίας νοούντων μηχανών».[31] Η Τεχνητή Νοημοσύνη αποτελεί σημείο τομής μεταξύ πολλών πεδίων όπως: Της επιστήμης υπολογιστών, της ψυχολογίας, της φιλοσοφίας, της νευρολογίας, της γλωσσολογίας και της επιστήμης μηχανικών, με στόχο τη σύνθεση ευφυούς συμπεριφοράς, με στοιχεία συλλογιστικής, μάθησης και προσαρμογής στο περιβάλλον, ενώ συνήθως εφαρμόζεται σε μηχανές ή υπολογιστές ειδικής κατασκευής. Διαιρείται στη συμβολική τεχνητή νοημοσύνη, η οποία επιχειρεί να εξομοιώσει την ανθρώπινη νοημοσύνη αλγοριθμικά χρησιμοποιώντας σύμβολα και λογικούς κανόνες υψηλού επιπέδου και στην υποσυμβολική τεχνητή νοημοσύνη, η οποία προσπαθεί να αναπαράγει την ανθρώπινη ευφυΐα χρησιμοποιώντας στοιχειώδη αριθμητικά μοντέλα που συνθέτουν επαγωγικά νοήμονες συμπεριφορές με τη διαδοχική αυτοοργάνωση απλούστερων δομικών συστατικών («συμπεριφορική τεχνητή νοημοσύνη»), προσομοιώνουν πραγματικές βιολογικές διαδικασίες όπως η εξέλιξη των ειδών και η λειτουργία του εγκεφάλου «υπολογιστική νοημοσύνη», ή αποτελούν εφαρμογή στατιστικών μεθοδολογιών σε προβλήματα ΤΝ. Οι Russel και Norvig διακρίνουν τους ορισμούς της ΤΝ σε τέσσερις κατηγορίες, με βάση το αν χαρακτηρίζουν ένα σύστημα ως ευφυές με κριτήριο το[38] : Αν σκέφτεται σαν άνθρωπος (Μηχανισμός, γνωστική επιστήμη). Αν ενεργεί σαν άνθρωπος (Συμπεριφορά,Turing test). Αν σκέφτεται ορθολογικά (Μηχανισμός, νόμοι ορθής σκέψης). Αν ενεργεί ορθολογικά (Συμπεριφορά, ορθολογικοί πράκτορες). 16

17 ΤΕΙ Πελοπόννησου Περιοχές της Τεχνητής Νοημοσύνης είναι: Απόδειξη Θεωρημάτων Επεξεργασία Φυσικής Γλώσσας Τεχνητή Όραση, Μηχανική Μάθηση Σχεδιασμός Ενεργειών και Χρονοπρογραμματισμός Αυτόνομα Robot Έμπειρα Συστήματα και Συστήματα Γνώσης και άλλες. 1.2 ΆΛΛΟΙ ΟΡΙΣΜΟΙ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ Κάποιοι ορισμοί επικεντρώνονται στη διαδικασία σκέψης και συλλογισμού και άλλοι στη συμπεριφορά. Ένα σύστημα είναι ορθολογικό αν κάνει το σωστό",με δεδομένα όσα γνωρίζει. Μερικοί ορισμοί της τεχνητής νοημοσύνης,είναι οι παρακάτω [3 8] : «ΤΝ είναι ο τομέας της επιστήμης των υπολογιστών, που ασχολείται με τη σχεδίαση ευφυών υπολογιστικών συστημάτων, δηλαδή συστημάτων που επιδεικνύουν χαρακτηριστικά που σχετίζονται με τη νοημοσύνη στην ανθρώπινη συμπεριφορά.» Barr and Feigenbaum «ΤΝ είναι η επιστήμη που κάνει τις μηχανές να κάνουν πράγματα που θα απαιτούσαν ευφυΐα από έναν άνθρωπο» Marvin Minsky «ΤΝ είναι η μελέτη των υπολογιστικών μεθόδων που καθιστούν δυνατά την αντίληψη, τον συλλογισμό και την ενέργεια.» Patrick Henry Winston «Η ΤΝ ασχολείται με την ευφυή συμπεριφορά των τεχνουργημάτων Nils Nilsson «ΤΝ είναι η μελέτη του πώς μπορούμε να κάνουμε τους υπολογιστές να κάνουν πράγματα στα οποία, προς το παρόν οι άνθρωποι είναι καλύτεροι» 17

18 Τεχνητή Νοημοσύνη. Ευφυείς Πράκτορες και Εφαρμογές στην Πληροφορική Υγείας Rich and Knight 1.3 ΑΝΘΡΩΠΙΝΗ ΔΡΑΣΗ : Η ΔΟΚΙΜΑΣΙΑ TURING Το 1950 ο Alan Turing πρότεινε τη δοκιμασία Turing (Turing test), μια θεωρία για την διαπίστωση του κατά πόσο ένας υπολογιστής κατέχει ευφυΐα. Για τη δοκιμασία αυτή απαιτούντα τρία δωμάτια χωρίς άμεση επικοινωνία, δύο άνθρωποι (Α και Β) και ένας Ηλεκτρονικός Υπολογιστής (Η/Υ). Ο άνθρωπος Α βρίσκεται απομονωμένος στο πρώτο δωμάτιο και στέλνει ταυτόχρονα πληκτρολογημένες ερωτήσεις ευφυΐας, υποκειμενικές, συναισθηματικές, κρίσεως, εγκυκλοπαιδικών γνώσεων κλπ.,στον άνθρωπο Β και στον Η/Υ που βρίσκονται στα άλλα δύο δωμάτια. Ο άνθρωπος Β και ο Η/Υ απαντούν γραπτώς στις ερωτήσεις του Α, ο οποίος προσπαθεί μέσα από τις απαντήσεις, να ανακαλύψει ποιος είναι ο Β και ποιος ο Η/Υ (Σχήμα 1.3). Εάν ο Α δεν μπορεί να διαχωρίσει δύο, τότε μπορεί να θεωρηθεί ότι ο Η/Υ κατέχει ευφυΐα. Οπότε, για να περάσει τη δοκιμασία αυτή ένας υπολογιστής, πρέπει να έχει τις εξής ικανότητες [38]: Επεξεργασία φυσικής γλώσσας (natural language processing) Αναπαράσταση γνώσης (knowledge representation) Αυτοματοποιημένη συλλογιστική (automated reasoning) Μηχανική μάθηση (machine learning) Μηχανική όραση (computer vision) Ρομποτική (robotics) ΣΧΗΜΑ 1 Δοκιμή Turing γιο. μηχανική ευφυΐα. 18

19 Βέβαια, κανένας Η/Υ μέχρι σήμερα δεν έχει περάσει τη δοκιμασία αυτή και ίσως αυτό να μην γίνει ποτέ εφικτό. Πάντως, οι ερευνητές της ΤΝ έχουν αφιερώσει ελάχιστη προσπάθεια στη δημιουργία μηχανών που να μπορούν να περάσουν τη δοκιμασία Turing, καθώς πίστευαν ότι είναι πιο σημαντικό να μελετήσουν τις αρχές στις οποίες βασίζεται η νοημοσύνη παρά να αντιγράψουν ένα πρωτότυπο. 1.4 ΙΣΤΟΡΙΚΗ ΑΝΑΔΡΟΜΗ Οι συλλογισμοί του Αριστοτέλη ( π.χ) παρείχαν πρότυπα εκφράσεων που έδιναν πάντα σωστά συμπεράσματα από σωστές υποθέσεις. Κατά τη δεκαετία του 1940 εμφανίστηκε η πρώτη μαθηματική περιγραφή τεχνητού νευρωνικού δικτύου, με πολύ περιορισμένες δυνατότητες επίλυσης αριθμητικών προβλημάτων. Καθώς ήταν εμφανές ότι οι ηλεκτρονικές υπολογιστικές συσκευές που κατασκευάστηκαν μετά τον Β' Παγκόσμιο Πόλεμο ήταν ένα τελείως διαφορετικό είδος μηχανής από ότι προηγήθηκε, η συζήτηση για την πιθανότητα εμφάνισης μηχανών με νόηση ήταν στην ακμή της. Το 1950 ο μαθηματικός Alan Turing, πατέρας της θεωρίας υπολογισμού και προπάτορας της τεχνητής νοημοσύνης, πρότεινε τη δοκιμή Turing[38] μία απλή δοκιμασία που θα μπορούσε να εξακριβώσει αν μία μηχανή διαθέτει ευφυΐα. Η τεχνητή νοημοσύνη θεμελιώθηκε τυπικά ως πεδίο στη συνάντηση ορισμένων επιφανών Αμερικανών επιστημόνων το 1956 (John McCarthy, Marvin Minsky, Claude Shannon κλπ). Τη χρονιά αυτή παρουσιάστηκε για πρώτη φορά και το Logic Theorist, ένα πρόγραμμα το οποίο στηριζόταν σε συμπερασματικούς κανόνες τυπικής λογικής και σε ευρετικούς αλγορίθμους αναζήτησης για να αποδεικνύει μαθηματικά θεωρήματα. Επόμενοι σημαντικοί σταθμοί ήταν η ανάπτυξη της γλώσσας προγραμματισμού LISP το 1958 από τον John McCarthy, δηλαδή της πρώτης γλώσσας συναρτησιακού προγραμματισμού η οποία έπαιξε πολύ σημαντικό ρόλο στη δημιουργία εφαρμογών ΤΝ κατά τις επόμενες δεκαετίες, η εμφάνιση των γενετικών αλγορίθμων την ίδια χρονιά από τον Friedberg και η παρουσίαση του βελτιωμένου νευρωνικού δικτύου perceptron το '62 από τον Rosenblatt. Κατά τα τέλη της δεκαετίας του '60 όμως άρχισε ο χειμώνας της ΤΝ, μία εποχή κριτικής, απογοήτευσης και υποχρηματοδότησης των ερευνητικών προγραμμάτων καθώς όλα τα μέχρι τότε εργαλεία του χώρου ήταν κατάλληλα μόνο για την επίλυση εξαιρετικά απλών προβλημάτων. Στα μέσα του 70 ωστόσο προέκυψε μία αναθέρμανση του ενδιαφέροντος για τον τομέα λόγω των εμπορικών εφαρμογών που απέκτησαν τα έμπειρα συστήματα, μηχανές ΤΝ με αποθηκευμένη γνώση για έναν εξειδικευμένο τομέα και δυνατότητα ταχείας εξαγωγής λογικών συμπερασμάτων, τα οποία συμπεριφέρονται όπως ένας άνθρωπος ειδικός στον αντίστοιχο τομέα. Παράλληλα έκανε την εμφάνισή της η γλώσσα λογικού προγραμματισμού Prolog η οποία έδωσε νέα ώθηση στη συμβολική ΤΝ, ενώ στις αρχές της δεκαετίας του '80 άρχισαν να υλοποιούνται πολύ πιο ισχυρά και με περισσότερες εφαρμογές νευρωνικά δίκτυα, όπως τα πολυεπίπεδα perceptron και τα δίκτυα Hopfield. Ταυτόχρονα οι γενετικοί αλγόριθμοι και άλλες συναφείς μεθοδολογίες αναπτύσσονταν πλέον από κοινού, κάτω από την ομπρέλα του εξελικτικού υπολογισμού. 19

20 Κατά τη δεκαετία του '90,με την αυξανόμενη σημασία του Ιπίετηοΐ:, ανάπτυξη γνώρισαν οι ευφυείς πράκτορες, αυτόνομο λογισμικό ΤΝ τοποθετημένο σε κάποιο περιβάλλον με το οποίο αλληλεπιδρά, οι οποίοι βρήκαν μεγάλο πεδίο εφαρμογών λόγω της εξάπλωσης του Διαδικτύου. Οι πράκτορες στοχεύουν συνήθως στην παροχή βοήθειας στους χρήστες τους, στη συλλογή ή ανάλυση γιγάντιων συνόλων δεδομένων ή στην αυτοματοποίηση επαναλαμβανόμενων εργασιών (π.χ. διαδικτυακό ρομπότ), ενώ στους τρόπους κατασκευής και λειτουργίας τους συνοψίζουν όλες τις γνωστές μεθοδολογίες ΤΝ που αναπτύχθηκαν με το πέρασμα του χρόνου. Έτσι σήμερα, η ΤΝ ορίζεται ως η επιστήμη που μελετά τη σχεδίαση και υλοποίηση ευφυών πρακτόρων. 1.5 Η ΕΞΕΛΙΞΗ ΤΗΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ Οι απαρχές της Τεχνητής Νοημοσύνης ανάγονται στους "συλλογισμούς" του Αριστοτέλη ( π.χ), οι οποίοι παρείχαν πρότυπα εκφράσεων που έδιναν πάντα σωστά συμπεράσματα από σωστές υποθέσεις (Αριστοτέλεια συλλογιστική). Έπειτα, οι σημαντικότερες στιγμές είναι[42] : 1854: Ο George Boole έθεσε τις βάσεις της προτασιακής λογικής. 1879: Ο Gottlieb Frege πρότεινε ένα σύστημα αυτοματοποιημένης συλλογιστικής και έθεσε τις βάσεις του κατηγορηματικού λογισμού (predicate calculus). 1943: Ο McCulloch και o Pitts πρότειναν ένα μοντέλο τεχνητών νευρώνων που είχε τη δυνατότητα να μαθαίνει και να υπολογίζει κάθε υπολογίσιμη συνάρτηση. 1950:0 Alan Turing( ), ο οποίος θεωρείται ο πατέρας της ΤΝ, εμπνεύστηκε ένα τεστ (Turing test), για την αναγνώριση ευφυών μηχανών. 1951: Ο Minsky και o Edmonts υλοποίησαν το πρώτο νευρωνικό δίκτυο, το SNARC, με 40 νευρώνες, το οποίο χρησιμοποιούσε λυχνίες. 1956: Διοργάνωση συνεδρίου (workshop) καθοριστικού στη γέννηση της Τεχνητής Νοημοσύνης. Οργανώθηκε από τους McCarthy, MinsKy, Shannon και Rochester και αφορούσε τη θεωρία αυτομάτων, νευρωνικά δίκτυα και μελέτη της ευφυΐας. 1958: Ο McCarthy: Όρισε τη συναρτησιακή γλώσσα LISP. Πρότεινε ένα υποθετικό σύστημα(τον advice taker), που χρησιμοποιούσε γνώση (όπως το LT) αλλά αφορούσε γενικά καθημερινά προβλήματα. 1958: Ο Friedberg πρότεινε μια τεχνική, τη μηχανική εξέλιξη(ηιαο]ιΐηε evolution^ όπως ονομάζεται τώρα, γενετικοί αλγόριθμοι (genetic algorithms) Δεκαετία του 60: Στο Stanford υλοποιήθηκε το πρώτο robot, το Shakey robot. 1968:Το πρόγραμμα ANALOGY του Tom Evans έλυνε προβλήματα γεωμετρικής αναλογίας που χρησιμοποιούνταν σε τεστ ευφυΐας. 20

21 1962: Βελτιώσεις της μεθόδου μάθησης των νευρωνικών δικτύων του Hebb από τον Rosenblatt με τα perceptrons. 1965: Το πρόγραμμα ELIZA του Weizenbaum μπορούσε να κάνει συζήτηση για οποιοδήποτε θέμα, χρησιμοποιώντας και παραφράζοντας τις προτάσεις που έδινε σαν ερώτηση ο χρήστης. Δεκαετία του 70: Εποχή της κριτικής ότι τα συστήματα ήταν κατάλληλα μόνο για παιχνίδια (toy problems). Το χαρακτηριστικό των συστημάτων της εποχής, ήταν ότι περιείχαν ελάχιστη ή καθόλου γνώση για το πεδίο του προβλήματος (weak methods). Το εύρος εφαρμογών των νευρωνικών δικτύων ήταν μικρό. Αναπτύχθηκαν συστήματα που περιείχαν την απαιτούμενη γνώση ώστε να συμπεριφέρονται όπως οι άνθρωποι ειδικοί σε διάφορα θέματα. Ονομάστηκαν Έμπειρα Συστήματα (Expert Systems) ή Συστήματα Γνώσης (Knowledge Systems). Ορισμένα σημαντικά προγράμματα Έμπειρων συστημάτων είναι τα παρακάτω: DENDRAL: Εύρεση της μοριακής δομής οργανικών ενώσεων με δεδομένα από φασματογράφο μάζας. MYCIN :Διάγνωση μολύνσεων του αίματος. PROSPECTOR Συμβουλές για τοποθεσίες γεώτρησης για το στοιχείο μολυβδένιο. R1 (για την εταιρεία Digital Equipments). Διαμόρφωση (σύνταξη) των παραγγελιών με βάση τις ανάγκες των πελατών. SHRDLU και LUNAR: Κατανόηση φυσικής γλώσσας. Αρχές δεκαετίας του '70: Προτάθηκε η γλώσσα προγραμματισμού Prolog. 1975: Προτάθηκαν από τον Minsky τα πλαίσια (frames). 1981: Οι Ιάπωνες ανακοίνωσαν το πρόγραμμα της 5ης γενιάς, ένα δεκαετές πρόγραμμα για την κατασκευή υπολογιστών με γλώσσα προγραμματισμού την Prolog. Στόχος ήταν να κατασκευαστούν ευφυή συστήματα, τα οποία εκτός των άλλων, θα ήταν σε θέση να επικοινωνούν πλήρως με τον άνθρωπο σε φυσική γλώσσα. Μέσα της δεκαετίας του '80: Επανεμφανίστηκαν τα νευρωνικά δίκτυα. Δεκαετία του '80: Εμφανίστηκε πάλι ο αλγόριθμος μάθησης με οπισθοδρόμηση (Back-propagation) και εφαρμόστηκε σε πολλά προβλήματα με μεγάλη επιτυχία. Σήμερα: Η Τεχνητή Νοημοσύνη έχει εξελιχθεί ώστε να καλύπτει όχι μόνο συστήματα που βασίζονται σε κανόνες και έμπειρα συστήματα, αλλά και συστήματα που βασίζονται στην εξελικτική διαδικασία ή σε πράκτορες. Περιοχές έρευνας περιλαμβάνουν την ανάπτυξη της γνώσης για συλλογιστικά μοντέλα, όπως οντολογίες και εφαρμογές εξόρυξης δεδομένων για την αυτόματη απόκτηση γνώσης. Σχετικοί τομείς έρευνας και ανάπτυξης περιλαμβάνουν το ηλεκτρονικό εμπόριο, την 21

22 ηλεκτρονική οικονομία και τις διαπραγματεύσεις βάσει πρακτόρων. Αυτήν τη στιγμή υπάρχουν: Συστήματα αναγνώρισης φωνής (π.χ. Pegasus), τα οποία κλείνουν αεροπορικές θέσεις τηλεφωνικά, βρίσκοντας τις βέλτιστες πτήσεις με βάση το κόστος ή το χρόνο) ή δίνουν διάφορες πληροφορίες γενικού ενδιαφέροντος (π.χ. η φωνητική πύλη MyCosmos). Έμπειρα συστήματα πραγματικού χρόνου (π.χ. MARVEL) που επεξεργάζονται τα δεδομένα που μεταδίδονται από διαστημόπλοια. Ρομποτικά συστήματα που οδηγούν αυτοκίνητα σε αυτοκινητόδρομο χρησιμοποιώντας video, κάμερες και sonar. Συστήματα που διεξάγουν ιατρικές διαγνώσεις. Συστήματα που ελέγχουν και ρυθμίζουν την κυκλοφορία αυτοκινήτων. Προγράμματα πράκτορες (agents) και οι αρχιτεκτονικές συστημάτων που βασίζονται σε πράκτορες (σύστημα SOAR) και πολλά άλλα. 1.6 ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ Τα τελευταία χρόνια οι απαιτήσεις των εφαρμογών γίνονται όλο και πιο σύνθετες και δύσκολα θα βρούμε μεμονωμένες κατηγορίες μεθόδων ή ερευνητικών αντικειμένων της ΤΝ επειδή αποκτούν την συνεργασία πολλών μεθόδων και αντικειμένων. Μερικές από τις εφαρμογές της ΤΝ είναι: Έμπειρα συστήματα Ρομποτική Επίλυση προβλημάτων Σχεδιασμός νευρωνικών δικτύων Ευφυή συστήματα πρακτόρων Τεχνητή όραση 22

23 ΤΕ1 Πελοποννήσου Έμπειρα συστήματα Ο όρος έμπειρα συστήματα (expert systems) προέρχεται από το χώρο της τεχνητής νοημοσύνης και προτάθηκε για να περιγράψει προγράμματα υπολογιστή, τα οποία επιδεικνύουν νοήμονα συμπεριφορά σε συγκεκριμένους τομείς και διαδικασίες, ανάλογη ενός ανθρώπου εμπειρογνώμονα με ειδικότητα στον ίδιο τομέα Τα έμπειρα συστήματα σχεδιάστηκαν για να λύνουν πολύπλοκα προβλήματα συλλογιζόμενα με βάση την γνώση, όπως κάνει ένας εμπειρογνώμονας, και όχι ακολουθώντας τη διαδικασία επίλυσης ενός προγραμματιστή (developer), όπως στην περίπτωση του συμβατικού προγραμματισμού. Τα πρώτα έμπειρα συστήματα δημιουργήθηκαν τη δεκαετία του 1970 και έπειτα αναπτύχθηκαν ραγδαία τη δεκαετία του Τα έμπειρα συστήματα ήταν ανάμεσα στις πρώτες πραγματικά επιτυχημένες μορφές του λογισμικού της τεχνητής νοημοσύνης. Τα συστήματα αυτά είναι αποτέλεσμα της προσπάθειας του ανθρώπου να αυτοματοποιήσει την επεξεργασία εξειδικευμένης γνώσης που εμφανίζεται σε διάφορες εφαρμογές της καθημερινής ζωής. Ένα έμπειρο σύστημα έχει μοναδική δομή, διαφορετική από τα παραδοσιακά προγράμματα. Διαιρείται σε δύο μέρη, το ένα σταθερό, ανεξάρτητο από το έμπειρο σύστημα: η μηχανή εξαγωγής συμπερασμάτων, και το άλλο μεταβλητό: η βάση γνώσης. Για να τρέξει ένα έμπειρο σύστημα, η μηχανή σκέφτεται λογικά στηριζόμενη στη βάση γνώσης όπως ο άνθρωπος. Τη δεκαετία του 1980 εμφανίστηκε ένα τρίτο μέρος: ένα περιβάλλον διαλόγου (interface) για να συνδιαλέγεται με τους χρήστες. Αυτή η ικανότητα να έρχεται σε επαφή με τους χρήστες ονομάστηκε αργότερα επικοινωνιακή.[21] Ρομπότ Ένα ρομπότ είναι μια μηχανική συσκευή η οποία μπορεί να υποκαθιστά τον άνθρωπο σε διάφορες εργασίες. Ένα ρομπότ μπορεί να δράσει κάτω από τον απευθείας έλεγχο ενός ανθρώπου ή αυτόνομα κάτω από τον έλεγχο ενός προγραμματισμένου υπολογιστή. Τα ρομπότ μπορούν να χρησιμοποιηθούν ώστε να κάνουν εργασίες οι οποίες είτε είναι δύσκολες ή επικίνδυνες για να γίνουν απευθείας από έναν άνθρωπο. Σε άλλες περιπτώσεις, χρησιμοποιούνται για να εκτελέσουν εργασίες ταχύτερα ή φθηνότερα απ' ότι ο άνθρωπος. Έτσι, μπορούν να χρησιμοποιηθούν στην αυτόματη παραγωγή μεγάλων ποσοτήτων κάποιου προϊόντος και με χαμηλότερο κόστος Σύμφωνα με το Robot Institute of America, ως ρομπότ μπορούμε να ορίσουμε ένα μηχανισμό σχεδιασμένο ώστε, μέσω προγραμματιζόμενων κινήσεων, να μεταφέρει υλικά, τεμάχια, εργαλεία ή ειδικευμένες συσκευές με σκοπό την επιτέλεση ποικιλίας εργασιών. 23

24 1.6.3 Ρομποτική Ρομποτική είναι ο τεχνολογικός κλάδος που έχει ως αντικείμενο την έρευνα, το σχεδίασμά και τη λειτουργία των ρομπότ και μελετά τις μηχανές εκείνες που μπορούν να αντικαταστήσουν τον άνθρωπο στην εκτέλεση μιας εργασίας, η οποία συνδυάζει τη φυσική δραστηριότητα με τη διαδικασία λήψης αποφάσεων. [11] Η ανάπτυξη της ρομποτικής έχει καταστήσει δυνατή τα τελευταία χρόνια τη συνεχώς αυξανόμενη χρήση των ρομπότ σε ένα ευρύ φάσμα βιομηχανικών δραστηριοτήτων σε πολλούς παραγωγικούς κλάδους, όπως η αυτοκινητοβιομηχανία, η βιομηχανία τσιμέντου, η βιομηχανία τροφίμων, καθώς και σε πυρηνικά εργοστάσια και μάλιστα σε εργασίες ανθυγιεινές και ιδιαίτερα δύσκολες για τον άνθρωπο. Η εφαρμογή των επιτευγμάτων της ρομποτικής στην παραγωγική διαδικασία έχει ευνοϊκές συνέπειες κυρίως όσον αφορά την αύξηση της παραγωγικότητας της εργασίας και τη βελτίωση της ποιότητας των παραγόμενων προϊόντων. Επίσης στην ιατρική, πολλοί χειρούργοι σήμερα χρησιμοποιούν ρομποτικούς βοηθούς στη μικροχειρουργική. Νεότατη εξέλιξη στον τομέα της ρομποτικής αποτελεί το "ευφυές ρομπότ", που χάρη στη χρησιμοποίηση της τεχνητής νοημοσύνης είναι ικανό να διεκπεραιώνει σύνθετα και πολύπλοκα καθήκοντα. Οι τρεις νόμοι της ρομποτικής είναι κανόνες στους οποίους υπακούουν τα ρομπότ. Οι νόμοι αυτοί διατυπώθηκαν πρώτη φορά στο διήγημα του Isaac Asimov Runaround TO 1942 και είναι οι παρακάτω [43] : 1. Τα ρομπότ δεν πρέπει ποτέ να βλάψουν τα ανθρώπινα όντα. 2. Τα ρομπότ πρέπει να ακολουθήσουν τις οδηγίες από ανθρώπους χωρίς να παραβιάζουν τον πρώτο κανόνα. 3. Τα ρομπότ πρέπει να προστατεύσουν τον εαυτό τους χωρίς να παραβιάζονται οι άλλοι κανόνες Επίλυση προβλημάτων Ένα πρόβλημα είναι ένα σύνολο αντικειμένων, ιδιοτήτων και σχέσεων το οποίο ορίζεται από μία αρχική κατάσταση, μία επιθυμητή τελική κατάσταση και τις επιτρεπτές ενέργειες στα αντικείμενα του προβλήματος. Στόχος είναι, ξεκινώντας από την αρχική κατάσταση, να γίνει μία κατάλληλη ακολουθία ενεργειών η οποία να καταλήγει στην τελική κατάσταση. Αυτή η διαδικασία ονομάζεται επίλυση του προβλήματος (π.χ. η διεξαγωγή μίας παρτίδας σκάκι) και αποτέλεσε στόχο της ΤΝ από τη δεκαετία του '50. [27] Η επίλυση προβλημάτων έχει προφανώς σπουδαίες εφαρμογές στην απόδειξη θεωρημάτων, στο χρονοπρογραμματισμό ενεργειών, στη διεξαγωγή παιχνιδιών κλπ, ενώ θεωρείται κεντρικό χαρακτηριστικό της ευφυΐας. Βασικό στοιχείο στην επίλυση προβλημάτων είναι η αναπαράσταση τους και γι' αυτό το σκοπό υπάρχουν δύο μεθοδολογίες: η αναπαράσταση με χώρο καταστάσεων και η αναπαράσταση με αναγωγή. Στη μέθοδο της αναγωγής δομική μονάδα περιγραφής του προβλήματος 24

25 είναι η ίδια η περιγραφή αναλυόμενη σε πολλαπλές, απλούστερες εκδοχές. Αυτή η ανάλυση συμβαίνει διαδοχικά ώσπου να καταλήξει σε αρχέγονα προβλήματα επιλυόμενα με προφανή τρόπο. Προγραμματιστικά η αναγωγή υλοποιείται με αναδρομή και κεντρική έννοια σε αυτήν αποτελούν οι τελεστές αναγωγής, διαδικασίες οι οποίες ανάγουν ένα πρόβλημα σε υπό-προβλήματα. Στη μέθοδο χώρου καταστάσεων βασική δομική μονάδα είναι η κατάσταση, το σύνολο δηλαδή των αντικειμένων που εμπλέκονται στο πρόβλημα συν τις ιδιότητες τους και τις μεταξύ τους σχέσεις. Η κατάσταση ορίζεται σε ένα απλουστευμένο, αφαιρετικό μοντέλο του κόσμου και το σύνολο των καταστάσεων(στιγμιότυπων)στις οποίες μπορεί να βρεθεί αυτός ο κόσμος του προβλήματος ονομάζεται χώρος καταστάσεων. Το ίδιο το πρόβλημα ορίζεται με βάση την αρχική κατάσταση από την οποία ξεκινάμε, την επιθυμητή τελική κατάσταση στην οποία πρέπει να καταλήξουμε (ή πολλές δυνατές τελικές) και το σύνολο των τελεστών μετάβασης, επιτρεπτών πράξεων δηλαδή που μπορούν να εκτελεστούν στα αντικείμενα μίας κατάστασης οδηγώντας σε μια άλλη (π.χ. στην αναπαράσταση μίας παρτίδας σκάκι, τελεστής είναι η έγκυρη μετακίνηση ενός πιονιού). Λύση του προβλήματος είναι μία ακολουθία διαδοχικών τελεστών μετάβασης και καταστάσεων που ξεκινά από μία αρχική κατάσταση και καταλήγει σε μία τελική Νευρωνικά Δίκτυα Τα τεχνητά νευρωνικά δίκτυα (artificial neural networks) αρχικά προτάθηκαν ως ένα μαθηματικό μοντέλο προσομοίωσης της πολύπλοκης λειτουργίας του ανθρώπινου εγκεφάλου.[38] Η δομή του εγκεφάλου είναι τέτοια ώστε να επιτρέπει την παράλληλη επεξεργασία δεδομένων και τη δυνατότητα συνεχούς μάθησης μέσω της αλληλεπίδρασης με το περιβάλλον. Τα δύο αυτά βασικά χαρακτηριστικά συμβάλλουν στην ικανότητα, αφενός, να εκτελεί δύσκολα καθήκοντα, όπως ταχύτατη αναγνώριση μορφών, ταξινόμηση κ.ά., αφετέρου, να εξελίσσεται συνεχώς, μαθαίνοντας από το περιβάλλον του κατά την αλληλεπίδρασή του με αυτό. Η δομή του τεχνητού νευρωνικού δικτύου μιμείται κατά το δυνατό εκείνη του βιολογικού νευρωνικού δικτύου, ώστε να εμφανίζει παρόμοιες ιδιότητες. Κατά αναλογία επομένως με ένα δίκτυο νευρώνων εγκεφάλου, ένα τεχνητό δίκτυο αποτελείται από ένα σύνολο τεχνητών νευρώνων που αλληλεπιδρούν, συνδεόμενοι μεταξύ τους με τις λεγάμενες συνάψεις. Ο βαθμός αλληλεπίδρασης είναι διαφορετικός για κάθε ζεύγος νευρώνων και καθορίζεται από τα λεγάμενα συναπτικά βάρη (synaptic weights). Συγκεκριμένα, καθώς το νευρωνικά δίκτυο αλληλεπιδρά με το περιβάλλον και μαθαίνει από αυτό, τα συναπτικά βάρη μεταβάλλονται συνεχώς, ενδυναμώνοντας ή αποδυναμώνοντας την ισχύ του κάθε δεσμού.[10] Όλη η εμπειρική γνώση που αποκτά επομένως το νευρωνικά δίκτυο από το περιβάλλον κωδικοποιείται στα συναπτικά βάρη. Αυτά αποτελούν το χαρακτηριστικό εκείνο που δίνει στο δίκτυο την ικανότητα για εξέλιξη και προσαρμογή στο περιβάλλον. 25

26 ΤΈΙ Πελοποννήσου Το βασικό πλεονέκτημα των νευρωνικών δικτύων είναι ότι μπορούν να αποθηκεύσουν γνώση και εμπειρία από το περιβάλλον, την οποία μπορεί στη συνέχεια να ανακαλέσει. Επιπλέον, έχει τη δυνατότητα να γενικεύει, δηλαδή να εξάγει τα βασικά χαρακτηριστικά ενός συστήματος, ακόμα και όταν αυτά είναι κρυμμένα σε θορυβώδη δεδομένα Εφαρμογές των τεχνητών νευρωνικών δικτύων : Ιατρική: Ανάλυση καρκινικών κυττάρων, ανάλυση ηλεκτροεγκεφαλογραφήματος και ηλεκτροκαρδιογραφήματος. Γεωλογικές έρευνες : Εντοπισμός πετρελαίου και φυσικού αερίου. Ρομποτική : Έλεγχος τροχιάς και σύστημα όρασης ρομπότ. Επεξεργασία φωνής: Αναγνώριση φωνής, συμπίεση φωνής, σύνθεση φωνής από κείμενο. Χρηματιστηριακές εφαρμογές : Ανάλυση αγοράς, πρόβλεψη τιμών μετοχών. 1.7 ΣΥΝΟΨΗ Στο εισαγωγικό κεφάλαιο παρουσιάστηκε μια πολύ γενική εικόνα του πεδίου της Τεχνητής Νοημοσύνης (ΤΝ). Αυτό το πεδίο υπάγεται στην πληροφορική αλλά στην ουσία είναι ένα πολυεπιστημονικό πεδίο, το οποίο αντλεί από πολλούς και διαφορετικούς τομείς (Φιλοσοφία, Μαθηματικά, Μηχανική, κτλ.) και οι εφαρμογές του αφορούν πολλούς και διαφορετικούς τομείς (Ιατρική, Εκπαίδευση, Γλωσσολογία κτλ.). Ο όρος τεχνητή νοημοσύνη δεν έχει σαφή ερμηνεία, αφού η καθαυτή έννοια της νοημοσύνης ή ευφυΐας είναι πολύπλοκη και πολυδιάστατη. Έχουν ειπωθεί πολλοί ορισμοί και ο καθένας από αυτούς δίνει μια διαφορετική διάσταση της ΤΝ. Ο κοινός παρονομαστής αυτών των ορισμών είναι η ευφυΐα η οποία εμφανίζεται με άμεσο ή έμμεσο τρόπο. Η σύντομη Ιστορική αναδρομή που παρουσιάστηκε, στόχο είχε να τονίσει μια σημαντική αλλαγή στον προσανατολισμό των ερευνητικών στόχων του πεδίου. Αυτή η αλλαγή προσανατολισμού ήταν το αποτέλεσμα της αποδοχής της σημασίας της γνώσης στην επίλυση προβλημάτων, η οποία οδήγησε στο να εστιαστεί η προσπάθεια στην αυτοματοποίηση της ανθρώπινης γνώσης. Συμπερασματικά μπορούμε να πούμε ότι η ΤΝ έχει σαν σκοπό την μελέτη ιδεών που επιτρέπουν σε ένα υπολογιστή να φαίνεται νοήμων. Δηλαδή να είναι πιο χρήσιμος και να είναι ένα εργαλείο για την κατανόηση της νοημοσύνης. 26

27 ΚΕΦΑΛΑΙΟ 2: ΕΥΦΥΗ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ Τα τελευταία χρόνια, τα υπολογιστικά συστήματα ασκούν μεγάλη επιρροή στη ζωή μας τόσο στον επαγγελματικό τομέα όσο και σε προσωπικό επίπεδο. Ήδη σχεδόν όλες οι ιδιωτικές επιχειρήσεις και οι δημόσιοι οργανισμοί, τράπεζες καθώς και τομείς όπως τηλεπικοινωνίες, τομέας της εκπαίδευσης, υγείας και άλλες χρησιμοποιούν πληροφοριακά συστήματα μικρού ή μεγάλου μεγέθους. Ωστόσο, η συσσώρευση ολοένα και μεγαλύτερου όγκου πληροφορίας,οι συνεχώς αυξανόμενες απαιτήσεις των χρηστών αλλά και άλλων παραγόντων διαφορετικών μεταξύ τους και ξεχωριστά για κάθε τομέα εφαρμογής τους, καθιστούν αναγκαία τη δυνατότητα προσαρμογής των υπολογιστικών συστημάτων σε νέες συνθήκες λειτουργίας και αναγκών που προκύπτουν. Έτσι λοιπόν, γεννιέται η ανάγκη για ανάπτυξη πληροφοριακών συστημάτων με ευφυή συμπεριφορά. Τα ευφυή πληροφοριακά συστήματα είναι σε θέση να λειτουργούν με ευέλικτο τρόπο,να προσαρμόζονται εύκολα στις διάφορες αλλαγές του περιβάλλοντος και να συμπεριφέρονται έξυπνα χρησιμοποιώντας και συνδυάζοντας μεθόδους από την τεχνητή νοημοσύνη. Τέτοια συστήματα μπορούν να χρησιμοποιηθούν σε πλήθος εφαρμογές οι οποίες ομαδοποιούνται σε τέσσερις κατηγορίες : Ευφυή συστήματα προσομοίωσης Ευφυή συστήματα πληροφοριών Ευφυή συστήματα υποστήριξης Ευφυή Robot 2.1 ΕΥΦΥΗ ΣΥΣΤΗΜΑΤΑ ΠΡΟΣΟΜΟΙΩΣΗΣ Τα συστήματα προσομοίωσης είναι συστήματα που αναπαριστάνουν επιλεγμένα χαρακτηριστικά ενός άλλου φυσικού ή αφηρημένου συστήματος όπως για παράδειγμα η κατάσταση ανάγκης σε μια αεροπορική πτήση. Παρόλο που έχουν εξελιχθεί πολλά συστήματα προσομοίωσης μέχρι σήμερα, αυτά παρουσιάζουν περιορισμένες δυνατότητες στη ρεαλιστική αναπαράσταση των φυσικών αντικειμένων, και έλλειψη δυνατοτήτων στη ρεαλιστική αναπαράσταση ανθρώπων. Η χρήση των τεχνικών της τεχνητής νοημοσύνης μπορεί να υποστηρίξει την ανάπτυξη προγραμμάτων για τη μοντελοποίηση σύνθετων καταστάσεων και να δώσει ακριβείς αναπαραστάσεις στη συμπεριφορά των μερών που συμμετέχουν, σε μια προσομοίωση μεγάλης κλίμακας. Τα διάφορα μέρη που συμμετέχουν, μπορούν να σχεδιάζουν και να ενεργούν αυτόνομα, να συνεργάζονται μεταξύ τους, να συντονίζουν τις ενέργειες τους προκειμένου να πετύχουν κάποιο κοινό στόχο, να αποκτούν εμπειρία από προηγούμενες καταστάσεις και να προσαρμόζουν τη συμπεριφορά τους και τις ενέργειες τους ανάλογα με τις συνθήκες του περιβάλλοντος όπου λειτουργούν. 27

28 Η δυνατότητα των ευφυών συστημάτων προσομοίωσης να παράγουν ακριβείς και ρεαλιστικούς κόσμους, τα καθιστά πολύτιμα σε εφαρμογές κατάρτισης και εκπαίδευσης ομάδων ατόμων σε πραγματικές καταστάσεις όπως σε βιομηχανικές, ιατρικές και στρατιωτικές εφαρμογές.[50] Στον τομέα της κατάρτισης και εκπαίδευσης,στελέχη επιχειρήσεων μπορούν να εκπαιδευτούν σε καταστάσεις λήψης αποφάσεων. Καταστάσεις όπου μια λάθος απόφαση θα μπορούσε να καταστρέψει οικονομικά την επιχείρηση. Στον ιατρικό τομέα, γιατροί μπορούν να εκπαιδευτούν στην περίθαλψη ασθενών με σπάνιες ή περίπλοκες ασθένειες και να δούν τα αποτελέσματα διαφόρων θεραπευτικών αγωγών που ακολουθήθηκαν. Επίσης, χειρουργικές ομάδες μπορούν να εκπαιδευτούν σε μια δύσκολη εγχείρηση κατά τη οποία, υπάρχει περίπτωση να παρουσιαστούν διάφορες επιπλοκές. Χειριστές πολύπλοκων και ακριβών συσκευών και μηχανημάτων, μπορούν να εκπαιδευτούν στη χρήση τους σε πραγματικές και απρόβλεπτες καταστάσεις. Τέλος, εφαρμόζονται σε πλήθος άλλων εφαρμογών όπου είναι απαραίτητη η προσομοίωση των πραγματικών συνθηκών ενός περιβάλλοντος προκειμένου να παρατηρηθούν, να κατανοηθούν, και να αντιμετωπιστούν διάφορες καταστάσεις που στην πραγματικότητα κάτι τέτοιο, θα ήταν ασύμφορο, επικίνδυνο ή ανέφικτο. 2.2 ΕΥΦΥΗ ΣΥΣΤΗΜΑΤΑ ΠΛΗΡΟΦΟΡΙΩΝ Ο όγκος πληροφοριών που βρίσκεται στο διαδίκτυο (internet) είναι τεράστιος και αυξάνεται θεαματικά. Καθημερινά έχουν πρόσβαση στο διαδίκτυο εκατομμύρια χρήστες και αναζητούν πληροφορίες μέσα από αυτή τη τεράστια μάζα πληροφοριών. To internet σήμερα έχει καθιερωθεί σαν ένα από τα βασικότερα μέσα επικοινωνίας καθώς ο χρήστης πολύ εύκολα μπορεί να αποκτήσει πρόσβαση χωρίς μεγάλο κόστος. Ταυτόχρονα, όσο αυξάνεται η ανάγκη για αποδοτικότερες επιχειρησιακές πρακτικές, τόσο επιτακτικότερη γίνεται και η εξεύρεση νέων μέσων εκ των οποίων θα επεκταθούν οι σημερινές επιχειρήσεις, θα μεγιστοποιήσουν τα κέρδη τους και ταυτόχρονα θα ικανοποιήσουν τον καταναλωτή.[50] Ωστόσο ο κάθε χρήστης που αναζητά πληροφορίες για κάποιο ορισμένο σκοπό θα πρέπει να γνωρίζει που θα τις εντοπίσει και με ποίο τρόπο να τις ψάξει. Αν και υπάρχουν αρκετά προγράμματα αναζήτησης, τις περισσότερες φορές τα αποτελέσματα δεν εξυπηρετούν τον στόχο ενώ επιπλέον οι χρήστες θα πρέπει να γνωρίζουν τη σύνταξη κάποιας γλώσσας ερωτημάτων (query language) για τα συγκεκριμένα προγράμματα. Ένα άλλο πρόβλημα που προκύπτει είναι ο τρόπος με τον οποίο οι χρήστες θα ενημερώνονται για νέες πληροφορίες ή υπηρεσίες που είναι διαθέσιμες και εμπίπτουν στα ενδιαφέροντα τους.[28] Έτσι τα ευφυή πληροφοριακά συστήματα καλούνται να καλύψουν τα παραπάνω προβλήματα με αποτελεσματικό τρόπο τη διαχείριση αυτής της τεράστιας μάζας πληροφοριών σύμφωνα με τις ανάγκες των χρηστών. Τέτοια συστήματα θα μπορούν να προσαρμόζονται στις ανάγκες και τις ικανότητες του χρήστη, να αναζητούν πληροφορίες που εμπίπτουν στα ενδιαφέροντα του χρήστη. 28

29 ΤΕΙ Πελοπόννησου Επιπλέον, θα μπορούν να λαμβάνουν πρωτοβουλίες κα να εκτελούν απλές και συνηθισμένες καθημερινές ενέργειες, θα μπορούν να ανακαλύπτουν νέες προσφερόμενες υπηρεσίες χρησιμοποιώντας τον αντίστοιχο χρήστη. Τέλος, θα μπορούν να αναγνωρίζουν το περιεχόμενο των πληροφοριών ανεξάρτητα από τη μορφή που αυτές είναι αποθηκευμένες (π.χ. κείμενο, εικόνα, video). Έτσι, ένα ευφυές σύστημα διαχείρισης ηλεκτρονικών εγγράφων ή ηλεκτρονικού ταχυδρομείου θα μπορεί να παρακολουθεί και να μαθαίνει από τις συνήθειες του χρήστη,να παραλαμβάνει, να ταξινομεί και να παρουσιάζει τα εισερχόμενα,τα εξερχόμενα έγγραφα ή μηνύματα ανάλογα με τη σπουδαιότητα τους, το που απευθύνονται ή σε ποια κατηγορία ανήκουν. Επίσης ένα ευφυές σύστημα θα μπορεί να δέχεται ένα ευρύ φάσμα ασαφών ερωτημάτων σε διάφορες μορφές και θα διακρίνει τις πληροφορίες με βάση άλλες πιθανές αναζητήσεις παρουσιάζοντας μετά το αποτέλεσμα ομαδοποιημένα με ένα συνεκτικό τρόπο σύμφωνα με το περιεχόμενο τους, σχολιάζοντας τα και προτείνοντας εναλλακτικές λύσεις. 2.3 ΕΥΦΥΗ ΣΥΣΤΗΜΑΤΑ ΥΠΟΣΤΗΡΙΞΗΣ Τα ευφυή συστήματα υποστήριξης είναι προγράμματα που βοηθούν στην ανάπτυξη και τη λειτουργία σύνθετων συστημάτων. Συγκεκριμένα,ο ρόλος τους είναι : Η υποστήριξη ταχείας προτυποποίησης (rapid prototyping). Η χρήση τους ως συνθετικά περιβάλλοντα πειραματικού ελέγχου (synthetic environment). [15] Η παροχή βοήθειας για την διαχείριση έργων (project management aid). Ένα ευφυές σύστημα υποστήριξης ταχείας προτυποποίησης, βοηθά καταλυτικά στον καθορισμό των προδιαγραφών και στο σχεδιασμό ενός συστήματος, κάνοντας χρήση τεχνικών αναπαράστασης γνώσης και εννοιών υψηλού επιπέδου. Επίσης, είναι πολύτιμο στον έλεγχο (testing) και στην επικύρωση (validation) των προδιαγραφών και τον σχεδιασμό, αφού μπορεί να ανακαλύψει ασάφειες και ασυνέπειες χρησιμοποιώντας μηχανισμούς απόδειξης θεωρημάτων και αλγόριθμους λογικών συμπερασμάτων. Η ταχεία ανάπτυξη του πρωτότυπου, μπορεί να γίνει με την χρήση τεχνικών αυτόματης ή ημιαυτόματης δημιουργίας κώδικα και με την επαναχρησιμοποίηση δομικών στοιχείων (modules) που ήδη ικανοποιούν προδιαγραφές παρόμοιες με το υπό ανάπτυξη σύστημα.[50] Τα ευφυή συστήματα υποστήριξης παρέχουν τα απαραίτητα μέσα για την ανάπτυξη και λειτουργία σύνθετων συστημάτων σε τομείς που αναφέρονται στην ταχεία προτυποποίηση συστημάτων,στην παροχή βοήθειας για την διαχείριση έργων ή στη δημιουργία συνθετικών περιβαλλόντων πειραματικού ελέγχου. 29

30 ΤΕΙ Πελοπόννησου 2.4 ΕΥΦΥΗ ROBOT Τα robots είναι μηχανές αφού προγραμματιστούν, εκτελούν ενέργειες (χειρισμού, κίνησης κτλ.) υπό συνθήκες αυτόματου ελέγχου. Βέβαια, για να είναι ένα robot ευφυές πρέπει να έχει ικανότητες μεγαλύτερες και διαφορετικές από αυτές των απλών robots. Με αυτόν τον τρόπο, θα πρέπει να μπορεί να ενεργεί με ασφαλή και αποτελεσματικό τρόπο στο φυσικό περιβάλλον των ανθρώπων. Δηλαδή αν ένα ευφυές robot μετακινείται, θα μπορεί να αναγνωρίζει αντικείμενα, ποια από αυτά είναι σταθερά ή ποια μπορούν να μετακινηθούν, ποια είναι επικίνδυνα ή ποια εύθραυστα, να σχεδιάσει τις ενέργειες του,να αποφασίσει ποιες ενέργειες είναι πιο αποτελεσματικές ανάλογα με τι θέλει να πετύχει, να αντιλαμβάνεται ήχους, χειρονομίες και φυσική γλώσσα, να μπορεί να επικοινωνήσει με τον άνθρωπο ή με άλλα robots. Επίσης, ένα πολύ σημαντικό στοιχείο είναι ότι τα ευφυή robots έχουν την δυνατότητα συνεργασίας με άλλα ευφυή robots. Έτσι ενεργώντας ως ομάδες έχουν την ικανότητα εκτέλεσης σύνθετων έργων και μπορούν να δίνουν λύσεις σε προβλήματα όπου απαιτείται συνδυασμός γνώσης, εμπειρίας και μηχανικής ισχύος [41]. Τα ευφυή robots μπορούν να εξυπηρετήσουν πλήθος συχνών,καθημερινών και απλών εργασιών αλλά και να χρησιμοποιηθούν σε εργασίες που είναι επικίνδυνες ή ανέφικτες για τον άνθρωπο όπως υποβρύχιες ή διαστημικές αποστολές,κατάσβεση πυρκαγιών, καταστροφή ναρκών, πυρομαχικών και άλλων. Τα ευφυή robots μπορούν να ικανοποιήσουν πλήθος αναγκών στη βιομηχανία, στα εργαστήρια, ακόμα και στην καθημερινότητα σε κάθε νοικοκυριό. 2.5 ΥΠΟΔΟΜΗ ΕΥΦΥΩΝ ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ Τα ευφυή πληροφοριακά συστήματα μπορούν να καλύψουν τις ανάγκες της απαραίτητης υποδομής για την πραγματοποίηση και απόδοση των παραπάνω εφαρμογών, οι οποίες επικεντρώνονται κυρίως[50] : Στην ευκολία χρήσης, και πιο συγκεκριμένα στην αλληλεπίδραση του ανθρώπου με την μηχανή. Στις ευέλικτες και προσαρμόσιμες υπηρεσίες υποδομής, που αφορούν νέους τρόπους αλληλεπίδρασης μεταξύ των προγραμμάτων. Οι μέθοδοι και οι τεχνικές που έχουν αναπτυχθεί και προταθεί μέχρι σήμερα στον τομέα της τεχνητής νοημοσύνης, αποτελούν βασικό κομμάτι των ευφυών πληροφοριακών συστημάτων. Ο συνδυασμός και η χρήση τους μέσα από μια νέα αντίληψη ανάπτυξης λογισμικού, μπορεί να δώσει ικανοποιητικά αποτελέσματα προσφέροντας σημαντικές λύσεις. 30

31 2.6 ΕΥΚΟΛΙΑ ΧΡΗΣΗΣ Όσο οι εφαρμογές γίνονται mo σύνθετες τόσο και ο όγκος των πληροφοριών αυξάνεται και όσο περισσότεροι χρήστες έμπειροι ή όχι χρησιμοποιούν πληροφοριακά συστήματα τόσο γίνεται mo απαιτητική η ανάγκη για μεγαλύτερη ευκολία και πιο ευέλικτη χρήση και επικοινωνία με τους υπολογιστές. Το μέσο που είναι υπεύθυνο για την αλληλεπίδραση του ανθρώπου με τον υπολογιστή, είναι το σύστημα διεπαφής χρήστη (user interface). Η σημερινή κυρίαρχη μορφή του είναι η γραφική παραθυρική (window-based graphical interface) η οποία έχει απλοποιήσει σημαντικά τη χρήση του υπολογιστή προσφέροντας εύκολους και πολλαπλούς τρόπους επικοινωνίας. Οι νέες ανάγκες όμως καθιστούν πολλές φορές ανεπαρκή αυτό μόνο το γραφικό τρόπο αλληλεπίδρασης. Σήμερα ο μέσος χρήστης που έχει πρόσβαση στο διαδίκτυο, έχει στη διάθεση του ένα τεράστιο όγκο πηγών πληροφοριών και ηλεκτρονικών υπηρεσιών όπως ψυχαγωγία, επιστημονικά ή δημοσιογραφικά άρθρα, φωτογραφίες, ήχους, ή βίντεο σχετικά με την εργασία ή τα χόμπι του, ταινίες, παιχνίδια, εφαρμογές πολυμέσων, υπηρεσίες επικοινωνίας με άλλους χρήστες, υπηρεσίες εμπορικών συναλλαγών ή ηλεκτρονικού εμπορίου και άλλα. Αυτό που χρειάζεται είναι νέοι τρόποι αλληλεπίδρασης που καθιστούν εφικτή και αποτελεσματική τη χρήση των νέων προσφερόμενων αγαθών. [44] Τις νέες αυτές αυξημένες ανάγκες καλούνται να καλύψουν τα ευφυή συστήματα διεπαφής χρήστη (intelligent user interfaces) όπου η αλληλεπίδραση με τον χρήστη γίνεται σε ανώτερο και mo φυσικό επίπεδο. Τα ευφυή συστήματα διεπαφής χρήστη θα μπορούν να λειτουργήσουν ως προσωπικοί βοηθοί που θα προσαρμόζονται στις ανάγκες και στις ιδιαιτερότητες του κάθε χρήστη και θα μαθαίνουν τις συνήθειες παρατηρώντας τις ενέργειες του, θα κατανοεί τις ερωτήσεις, τις οδηγίες, τις εντολές ή τις αιτήσεις του χρήστη, οι οποίες θα μπορούν να τεθούν σε μια ποικιλία μορφών όπως κείμενο, λόγος,χειρονομίες. Σε περίπτωση που η διατύπωση είναι λανθασμένη ή ασαφής αντί να παρουσιάζει τα γνωστά παθητικά μηνύματα λάθους, θα πρέπει ν α συνεργάζεται μαζί του προκειμένου να διατυπωθεί αυτό που επιθυμεί ο χρήστης με κατανοητό, αποδεκτό και εύκολο τρόπο. Οι προσωπικοί βοηθοί θα καθορίζουν μόνοι τους τις ενέργειες[44] που πρέπει να εκτελεστούν για την επίτευξη ενός στόχου χωρίς τη συνεχή παρέμβαση του χρήστη. Αυτό που θα πρέπει τελικά να είναι το ζητούμενο είναι ο χρήστης να περιγράφει αυτά που θέλει να επιτύχει με mo εύκολο γι αυτόν τρόπο. 31

32 2.7 ΕΥΕΛΙΚΤΕΣ ΚΑΙ ΠΡΟΣΑΡΜΟΣΙΜΕΣ ΥΠΗΡΕΣΙΕΣ ΥΠΟΔΟΜΗΣ Η ανάγκη επικοινωνίας και αλληλεπίδρασης, δεν περιορίζεται μόνο μεταξύ του ανθρώπου και του υπολογιστή αλλά εξαπλώνεται και μεταξύ των προγραμμάτων. Κάτι τέτοιο είναι φυσικό και αναμενόμενο διότι, πρώτον, για να παρασχεθούν νέες ευκολίες απαιτούνται νέα μέσα και νέες τεχνολογίες, και δεύτερον, εφόσον ο άνθρωπος απαλλάσσεται από το βάρος των κάποιων ενεργειών του, θα πρέπει κάποιος άλλος να το επωμιστεί.. Η επικοινωνία μεταξύ των προγραμμάτων αφορά τον τρόπο που αυτά επικοινωνούν μεταξύ τους για να ανταλλάσουν πληροφορίες, να ζητήσουν υπηρεσίες ή να συνεργαστούν για να επιτύχουν κάποιο κοινό στόχο. Ωστόσο για να είναι αποτελεσματική μια τέτοια επικοινωνία, απαιτούνται υπηρεσίες υποδομής για[33]: Την διαχείριση των δεδομένων και της γνώσης, έτσι ώστε να επιτρέπεται η γρήγορη αναζήτηση και ανεύρεση των σχετικών πληροφοριών και πηγών μέσα από ένα τεράστιο όγκο ετερογενών και κατανεμημένων δεδομένων, Την μετάφραση / μετατροπή και ενοποίηση πληροφοριών διαφόρων μορφών και μέσων σύμφωνα με την σημασιολογία τους. Ευφυή συστήματα αναζήτησης πληροφοριών ειδικευμένα σε συγκεκριμένα αντικείμενα και εφοδιασμένα με νέους, ισχυρούς και αποτελεσματικούς αλγόριθμους αναζήτησης αλλά και ευρετικές μεθόδους[17] μπορούν να λειτουργήσουν ως πράκτορες μεταξύ του χρήστη και των πηγών πληροφορίας. Επιπλέον, μπορούν να επικοινωνούν με άλλα αντίστοιχα συστήματα για την ανεύρεση θεμάτων σχετικών με το αντικείμενο αναζήτησης ή νεοεκδιδόμενων πληροφοριών και υπηρεσιών. Ωστόσο η αποτελεσματικότητα τέτοιων συστημάτων απαιτεί νέες μορφές αναπαράστασης της γνώσης και υποστήριξη πολλαπλών ταξινομήσεων και σχημάτων κατηγοριοποίησης και μεθόδους αντίληψης του περιεχομένου της ανταλλασσόμενης πληροφορίας. [19] 2.8 ΕΡΓΑΛΕΙΑ ΑΝΑΠΤΥΞΗΣ ΚΑΙ ΥΠΟΣΤΗΡΙΞΗΣ Η ανάπτυξη και η υποστήριξη των συστημάτων που θα επιτρέπουν και θα χρησιμοποιούν τις νέες μορφές αλληλεπίδρασης, απαιτούν τα αντίστοιχα εργαλεία και τις τεχνικές, εκείνες οι οποίες θα καθιστούν εφικτή την πραγματοποίηση αυτών των στόχων. Τέτοια εργαλεία είναι απαραίτητα στην ανάπτυξη προδιαγραφών για την περιγραφή του τρόπου σκέψης και της συμπεριφοράς του συστήματος,στην υλοποίηση αρχιτεκτονικών συστημάτων που δρούν αυτόνομα και θα περιέχουν μηχανισμούς παρατήρησης, μάθησης και προσαρμογής στο περιβάλλον λειτουργίας, στην ανάπτυξη δομών επικοινωνίας και συνεργασίας.[50] 32

33 Επιπλέον, η υποστήριξη τέτοιων συστημάτων απαιτεί τη χρήση ανοικτών αρχιτεκτονικών δυναμικής δραστηριοποίησης πολλαπλών αυτόνομων συστημάτων, δηλαδή αρχιτεκτονικών που θα επιτρέπουν την προσθήκη ή την απομάκρυνση στοιχείων τους χωρίς να μεταβάλλεται η καλή λειτουργία του όλου συστήματος. Επίσης, απαιτεί την ανάπτυξη πρωτόκολλων και γλωσσών επικοινωνίας που θα επιτρέπουν την ανταλλαγή πληροφοριών και γενικότερα την διαπραγμάτευση και συνεννόηση μεταξύ των συστημάτων και τέλος την δυνατότητα επαναχρησιμοποίησης των κατάλληλων εργαλείων για την επίτευξη ενός στόχου. 2.9 ΕΦΑΡΜΟΣΜΕΝΕΣ ΤΕΧΝΟΛΟΓΙΕΣ Οι τεχνολογίες της τεχνητής νοημοσύνης παρέχουν μια βάση αποτελεσματικών τεχνικών και εργαλείων αλλά η μεμονωμένη χρήση και εφαρμογή τους δεν μπορεί να καλύψει τις αυξημένες ανάγκες ούτε των ευφυών υπολογιστικών συστημάτων, ούτε τις απαιτούμενες υποδομές. Χρειάζεται ο συνδυασμός αυτών μέσα από μια καινοτόμο αντίληψη ανάπτυξης λογισμικού και κατ επέκταση ευφυών συστημάτων. Οι ευφυείς πράκτορες (intelligent agents) και ο προσανατολισμένος προγραμματισμός στους πράκτορες (agent oriented programming) θεωρείται τα τελευταία χρόνια η πιο αποτελεσματική μέθοδος αντίληψης, σχεδίασης και ανάπτυξης λογισμικού. Ο ευφυής πράκτορας είναι ένα αυτόνομο πρόγραμμα που είναι συνεχώς ενεργό, παρατηρεί και αλληλεπιδρά με το περιβάλλον όπου ενεργεί και αντιδρά στα γεγονότα που τον αφορούν χωρίς την παρέμβαση του χρήστη. Ενεργεί σύμφωνα με κάποιους στόχους που έχει, οι οποίοι μπορεί να είναι μέρος ενός τελικού απώτερου στόχου. Για να επιτευχθούν αυτοί οι στόχοι μπορεί να επικοινωνεί και να συνεργάζεται με άλλους πράκτορες ή να εργάζεται σαν ομάδα μαζί τους. [30] Τα περισσότερα ευφυή συστήματα, μπορούν να εκτελεστούν ως συστήματα ενός ή περισσότερων πρακτόρων ως δομικά τούς στοιχεία. Για παράδειγμα, ένα ευφυές σύστημα προσομοίωσης μπορεί να αποτελείται από διάφορους πράκτορες,οι οποίοι παίζουν το ρόλο διαφόρων οντοτήτων που συμμετέχουν στη προσομοίωση.[29] Ο προσωπικός βοηθός (personal assistant) μπορεί να είναι ένας πράκτορας που βρίσκεται συνέχεια στο πλευρό του χρήστη και τον βοηθά όπου χρειάζεται ή αναλαμβάνει να εκτελέσει εργασίες εκ μέρους του. Πράκτορες μπορεί να είναι ευφυή συστήματα αναζήτησης πληροφορίας (intelligent information brokers ) τα οποία, ενώ βρίσκονται απομακρυσμένα σε διάφορους τόπους στο διαδίκτυο, συνεργάζονται μεταξύ τους για να βρεθεί η αναζητούμενη πληροφορία. Οι πράκτορες μπορούν να έχουν από πολλές και σύνθετες ικανότητες έως απλές και περιορισμένες δυνατότητες και μέσα από τη συνεργασία με άλλους πράκτορες να πραγματοποιούν πολύπλοκα έργα. Το γεγονός αυτό επιτρέπει την σύνθεση και ολοκλήρωση διαφόρων τεχνολογιών της τεχνητής νοημοσύνης για την πραγματοποίηση ενός πράκτορα ή ενός συστήματος με πολλαπλούς πράκτορες (multi -agent System). Στα συστήματα πολλαπλών πρακτόρων καθοριστικό ρόλο παίζει η οργάνωση των πρακτόρων (agent society), καθώς και η γνώση που έχει ο καθένας για τις ικανότητες των υπολοίπων. [49] Η επικοινωνία, ο συντονισμός των ενεργειών και η συνεργασία διαφόρων πρακτόρων εξαρτάται σε μεγάλο βαθμό από αυτούς τους δύο παράγοντες. 33

34 ΤΕΙ Πελοπόννησου Ένας επιπλέον παράγοντας που σχετίζεται με την αλληλεπίδραση των συστημάτων πολλαπλών πρακτόρων και γενικότερα των ευφυών συστημάτων,είναι η κατανόηση του νοήματος της εναλλασσόμενης πληροφορίας. Για να επιτευχθεί αυτό, το σύστημα πρέπει να έχει γνώση για τον τομέα όπου εφαρμόζεται. Η γνώση αυτή αναφέρεται ως οντολογία (ontology) του τομέα (π.χ. πληροφορική, μαθηματικά) και σκοπό έχει να περιγράφει το νόημα και τις σχέσεις των οντοτήτων που ανήκουν σε αυτόν τον τομέα. Οι οντολογίες είναι πολύ χρήσιμα εργαλεία διότι αφενός καλύπτουν πλήθος φαινομένων και καταστάσεων και αφετέρου χρησιμοποιούνται συνέχεια όποτε αυτό είναι απαραίτητο. Έτσι αν θεωρήσουμε ένα εκπαιδευτικό σύστημα πολλαπλών πρακτόρων με αντικείμενο διδασκαλίας, ο εκπαιδευόμενος αλληλεπιδρά με τον κατάλληλο πράκτορα ο οποίος γνωρίζει πως διδάσκεται το αντικείμενο και έχει παιδαγωγικές αρχές και εκπαιδευτικούς στόχους. Έτσι σχετικά με το παραπάνω παράδειγμα, το εκπαιδευτικό σύστημα χρησιμοποιεί τις ίδιες εκπαιδευτικές στρατηγικές και τις αντίστοιχες οντολογίες και θα μπορούσε να διδάξει δερματολογία, καρδιολογία, ορθοπεδική κτλ. Επιπλέον, ένα ευφυές σύστημα διεπαφής χρήστη ή ένα ευφυές ρομπότ θα μπορούσε να κατανοήσει και να επικοινωνήσει σε φυσικό επίπεδο με τον άνθρωπο. Ένα ευφυές σύστημα μπορεί να έχει αυξημένες επιδόσεις και μεγαλύτερη ευελιξία, αν έχει δυνατότητες μάθησης και προσαρμογής σε νέες καταστάσεις.η μηχανική μάθηση (machine learning) επικεντρώνεται κυρίως στην ανάπτυξη λογισμικού που βελτιώνεται αυτόματα μέσω εμπειρίας και στην εξαγωγή κανόνων από ένα σύνολο συγκεκριμένων δεδομένων.[44] Οι μέθοδοι μηχανικής μάθησης μπορούν να εφαρμοστούν στις περισσότερες κατηγορίες συστημάτων, όπως: προσωπικοί βοηθοί, σε συστήματα αναζήτησης πληροφοριών, σε συστήματα εκπαίδευσης και κατάρτισης, σε ευφυή ρομπότ κ.α. Ωστόσο είναι απαραίτητες οι νέες μέθοδοι που θα μπορούν να εκμεταλλεύονται τις δυνατότητες που τους προσφέρει το διαδίκτυο, συνδυάζοντας τις πολλαπλές πληροφορίες των διάφορων βάσεων δεδομένων και τις πληροφορίες που παρέχονται από τους χρήστες. Σε πολλές περιπτώσεις τα ευφυή πληροφοριακά συστήματα και οι ευφυείς πράκτορες είναι απαραίτητο να έχουν αυξημένες και ιδιαίτερες ικανότητες επικοινωνίας με τους χρήστες και αντίληψης του περιβάλλοντος. Για παράδειγμα, οι ευφυείς προσωπικοί βοηθοί θα πρέπει να μπορούν να χρησιμοποιούν και να καταλαβαίνουν τη φυσική γλώσσα ή ακόμα να αντιλαμβάνονται χειρονομίες ή εκφράσεις προσώπου. Ο συνδυασμός της τεχνητής νοημοσύνης με αρχές σχετικές με τους τρόπους αντίληψης και επικοινωνίας που αφορούν τον άνθρωπο έχουν δώσει αρκετά και ικανοποιητικά αποτελέσματα και έχουν δημιουργήσει ένα υπόβαθρο τόσο στην επεξεργασία του λόγου και της γλώσσας, όσο και στην επεξεργασία εικόνας. Για να υπάρξουν συστήματα που να μπορούν να αντιλαμβάνονται και να επικοινωνούν με ρεαλιστικό τρόπο, χρειάζεται περισσότερη έρευνα, βελτίωση των μεθόδων που έχουν προταθεί και η ενίσχυση τους με τη χρήση μεθόδων μηχανικής μάθησης. 34

35 2.10 ΣΥΝΟΨΗ Οι υπολογιστές είναι συσκευές που παίζουν σημαντικό ρόλο στη ζωή μας. Η χρήση τους σε διάφορους τομείς της δημόσιας ζωής, ο τεράστιος όγκος πληροφορίας που πρέπει να υποστεί επεξεργασία καθώς και ο συνεχώς αυξανόμενος αριθμός νέων μη ειδικών χρηστών, έχουν δημιουργήσει πολλές ανάγκες που πρέπει να καλυφθούν από νέες τεχνολογίες και νέα πληροφοριακά συστήματα. Τα Ευφυή Πληροφοριακά Συστήματα μπορούν να λειτουργούν με ευέλικτο τρόπο, να προσαρμόζονται εύκολα στις διάφορες αλλαγές του περιβάλλοντος και να συμπεριφέρονται με πιο φυσικό και ευφυή τρόπο χρησιμοποιώντας και συνδυάζοντας μεθόδους και τεχνικές της Τεχνητής Νοημοσύνης. Τέτοια συστήματα μπορούν να χρησιμοποιηθούν σε πλήθος εφαρμογών οι οποίες ομαδοποιούνται σε τέσσερις κατηγορίες: Τα ευφυή συστήματα προσομοίωσης που εφαρμόζονται στους τομείς της κατάρτισης και της εκπαίδευσης, της υγείας, της επιστημονικής έρευνας και σε πλήθος άλλων εφαρμογών όπου είναι απαραίτητη η προσομοίωση των πραγματικών συνθηκών ενός περιβάλλοντος προκειμένου να παρατηρηθούν, να κατανοηθούν και να αντιμετωπισθούν διάφορες καταστάσεις, που στην πραγματικότητα κάτι τέτοιο θα ήταν ασύμφορο, επικίνδυνο ή ανέφικτο. Τα ευφυή συστήματα πληροφοριών που αναφέρονται στην αναζήτηση, κατανόηση, ανάκτηση και σύνθεση ετερογενών πληροφοριών αλλά και στην υποστήριξη των χρηστών με απλούς και ευέλικτους τρόπους για την κάλυψη αντίστοιχων αναγκών. Τα ευφυή συστήματα υποστήριξης που παρέχουν τα απαραίτητα μέσα για την ανάπτυξη και λειτουργία σύνθετων συστημάτων σε τομείς που αναφέρονται στην ταχεία πρωτοτυποποίηση συστημάτων, στην παροχή βοήθειας για την διαχείριση έργων ή στη δημιουργία συνθετικών περιβαλλόντων πειραματικού ελέγχου. Τα ευφυή Robots που μπορούν να εξυπηρετήσουν πλήθος συχνών, καθημερινών και απλών εργασιών αλλά και να χρησιμοποιηθούν σε εργασίες που είναι επικίνδυνες ή ανέφικτες για τον άνθρωπο. Επίσης, τα ευφυή πληροφοριακά συστήματα μπορούν να καλύψουν τις ανάγκες της απαραίτητης υποδομής για την πραγματοποίηση και απόδοση των παραπάνω εφαρμογών οι οποίες επικεντρώνονται κυρίως: 1. Στην αλληλεπίδραση του ανθρώπου με την μηχανή. 2. Στην αλληλεπίδραση μεταξύ των προγραμμάτων. 3. Στα εργαλεία που θα υποστηρίξουν τις νέες τεχνολογίες. Επομένως, οι μέθοδοι και οι τεχνικές που έχουν αναπτυχθεί και προταθεί μέχρι σήμερα στον τομέα της Τεχνητής Νοημοσύνης αποτελούν κατά περίπτωση βασικό κομμάτι των ευφυών υπολογιστικών συστημάτων. Ο συνδυασμός και η χρήση τους 35

36 μέσα από μια νέα αντίληψη ανάπτυξης λογισμικού, μπορεί να δώσει ικανοποιητικά αποτελέσματα προσφέροντας σημαντικές λύσεις. 36

37 ΚΕΦΑΛΑΙΟ 3: ΕΥΦΥΕΙΣ ΠΡΑΚΤΟΡΕΣ 3.1 Η ΕΝΝΟΙΑ ΤΟΥ ΠΡΑΚΤΟΡΑ Η έννοια του πράκτορα δημιουργήθηκε κατά τη δεκαετία του 1970 στο πλαίσιο ερευνών για την Τεχνητή Νοημοσύνη.[33] Πράκτορας (agent) είναι απλώς κάτι που "πράττει". Ο αγγλικός όρος agent επίσης προέρχεται από το λατινικό agere που σημαίνει "πράττω". Το 1977 ο Carl Hewitt πρότεινε την έννοια του actor ως ένα υπολογιστικό πράκτορα ο οποίος χαρακτηρίζεται από την διεύθυνση του και τη συμπεριφορά του, ενώ έχει μια εσωτερική κατάσταση και μπορεί να απαντά σε μηνύματα άλλων πρακτόρων αντικειμένων.[39] Στις δεκαετίες που ακολούθησαν υπήρξε αρκετή έρευνα σχετικά με τους συνεργατικούς και πολλαπλούς πράκτορες με έμφαση στην αλληλεπίδραση και επικοινωνία μεταξύ των πρακτόρων με σκοπό τον καταμερισμό και συντονισμό των εργασιών. Την δεκαετία του 1990 και μετά, η ιδέα του πράκτορα λογισμικού πήρε ευρύτερη έννοια καθώς πολλοί οργανισμοί.πανεπιστήμια και εταιρείες ασχολούνται με την τεχνολογία αυτή και είναι δύσκολο να δοθεί ένας σαφής ορισμός όσο αφορά το τι είναι ένας πράκτορας λογισμικού σε αντίθεση με ένα άλλο πρόγραμμα. Αυτό βέβαια που κάνει δύσκολη την εύρεση ενός σαφή ορισμού για το «τι είναι πράκτορας;» είναι τα χαρακτηριστικά του τα οποία δεν έχουν την ίδια σημασία σε όλους τους τομείς. Για παράδειγμα, η ικανότητα μάθησης ενός πράκτορα, σύμφωνα με τις εμπειρίες του έχει μεγάλη σημασία για κάποιες εφαρμογές ενώ για κάποιες άλλες η ικανότητα αυτή είναι ασήμαντη. Σύμφωνα λοιπόν με τον Russel & Norvig: Πράκτορας (agent) είναι οποιαδήποτε οντότητα που μπορεί να αντιλαμβάνεται το περιβάλλον του μέσω αισθητήρων (sensors) και να ενεργεί σε αυτό μέσω μηχανισμών δράσης (effectors).[38] Ο παραπάνω ορισμός περιγράφει έναν άνθρωπο,ένα ρομπότ ή και ένα πρόγραμμα υπολογιστή, αλλά και μη ευφυή πράγματα όπως οι θερμοστάτες. Είναι πολύ σημαντικό να αναφέρουμε ότι ο παραπάνω ορισμός αναφέρεται σε πράκτορες και όχι σε ευφυείς πράκτορες γιατί δεν έχει οριστεί ούτε η έννοια της αυτονομίας, ούτε ο τύπος του περιβάλλοντος. 37

38 ΤΕΙ Πελοπόννησου sensors percepts actions effectors ΣΧΗΜΑ 2 Πώς δρά ένας πράκτορας στο περιβάλλον του μέσω μηχανισμών δράσης. Το παραπάνω σχήμα δείχνει πώς ένας πράκτορας επιδρά στο περιβάλλον του μέσω μηχανισμών δράσης. Βέβαια ένας πράκτορας δεν έχει πάντα τον απόλυτο έλεγχο του περιβάλλοντος του. Δηλαδή αν ο πράκτορας κάνει ξανά την ίδια κίνηση για δεύτερη φορά κάτω από τις ίδιες συνθήκες, είναι πολύ πιθανόν να έχει διαφορετικό αποτέλεσμα και ίσως να μην είναι το ζητούμενο. Αυτό σημαίνει πως ένας πράκτορας πρέπει να είναι προετοιμασμένος για την πιθανότητα της αποτυχίας. 3.2 ΕΠΙΠΛΕΟΝ ΟΡΙΣΜΟΙ Κάποιοι επιπλέον ορισμοί των ευφυών πρακτόρων είναι[5]: Κατά τον Maes, οι πράκτορες είναι υπολογιστικά συστήματα που δρουν σε ένα πολύπλοκο περιβάλλον,το αντιλαμβάνονται και δρουν αυτόνομα σε αυτό, πετυχαίνοντας ένα σύνολο στόχων για τούς οποίους έχουν κατασκευαστεί. Εδώ μπορούμε να μιλήσουμε για ευφυείς πράκτορες, καθώς δίνεται έμφαση στην έννοια της αυτονομίας, στην ύπαρξη στόχων και στο ότι το περιβάλλον είναι πολύπλοκο και πιθανά δυναμικό. Οι Hages-Roth υποστηρίζουν ότι οι Ευφυείς Πράκτορες κάνουν συνεχώς τρεις λειτουργίες: Αντιλαμβάνονται τις δυναμικές συνθήκες του περιβάλλοντος,δρουν πάνω στο περιβάλλον ώστε να το αλλάξουν και συλλογίζονται ώστε να ερμηνεύσουν αυτά που αντιλαμβάνονται, να λύσουν προβλήματα, να βγάλουν συμπεράσματα για να καθορίσουν τη δράση τους. Σε αυτό τον ορισμό δίνεται σημασία στο δυναμικό περιβάλλον και στην ύπαρξη συλλογιστικού μηχανισμού επαγωγής συμπερασμάτων. 38

39 ΤΕΙ Πελοπόννησου Ο Coen υποστηρίζει ότι οι λογισμικοί πράκτορες είναι προγράμματα πού διενεργούν διάλογο, διαπραγματεύονται και συντονίζουν τη ροή των πληροφοριών. Στον παραπάνω ορισμό δίνεται έμφαση στην έννοια της διαδραστικότητας και της επικοινωνίας με άλλους πράκτορες. 3.3 ΣΥΣΤΗΜΑΤΑ ΠΟΛΛΑΠΛΩΝ ΠΡΑΚΤΟΡΩΝ Κατά τον Woodridge, ένα σύστημα πολλαπλών πρακτόρων (Multi-agent system) ή αλλιώς Πολυπρακτορικό σύστημα, αποτελείται από ένα αριθμό πρακτόρων που αλληλεπιδρούν μεταξύ τους.[45] Τα συστήματα πολλαπλών πρακτόρων όπως δηλώνει και το όνομα τους, αποτελούνται από πολλούς πράκτορες,οι οποίοι επικοινωνούν μεταξύ τους με ανταλλαγή μηνυμάτων. Δηλαδή οι πράκτορες, δρούν για λογαριασμό χρηστών οι οποίοι μπορούν να έχουν διαφορετικούς στόχους και διαφορετικές προθέσεις. Επομένως, οι πράκτορες για να αλληλεπιδράσουν με επιτυχία πρέπει να έχουν την ικανότητα να συνεργαστούν (cooperate), να συντονιστούν (coordinate) και διαπραγματευτούν (negotiate) με αντίστοιχο τρόπο με αυτό των ανθρώπων, διότι σε πολλές περιπτώσεις ένας πράκτορας δεν αρκεί να λύσει ένα κατανεμημένο πρόβλημα από μόνος του. Για να επικοινωνήσει ένας πράκτορας που δραστηριοποιείται σε ένα περιβάλλον όπου βρίσκονται και άλλοι πράκτορες, χρειάζεται να αλληλεπιδρά μαζί τους προκειμένου να ζητήσει ή να δώσει κάποιες πληροφορίες ή υπηρεσίες. Έτσι για την επίτευξη των στόχων τους είναι αναγκαία η επικοινωνία με άλλους πράκτορες για την ανταλλαγή πληροφοριών, την παροχή υπηρεσιών και τον συντονισμό των ενεργειών τους. Γι αυτό τον λόγο, ένας πράκτορας είναι εξ ορισμού κοινωνικός (social) και η ικανότητα επικοινωνίας είναι απαραίτητη. Για να επιτευχθεί μια τέτοια επικοινωνία, είναι απαραίτητο να υπάρχει μια κοινή γλώσσα επικοινωνίας πρακτόρων (agent communication language) και κοινό πρωτόκολλο επικοινωνίας. Τέλος, το περιεχόμενο των ανταλλασσόμενων μηνυμάτων, πρέπει να έχει κοινή μορφή (κοινή γλώσσα περιεχομένου) και να αναφέρεται σε μια κοινή οντολογία. 39

40 3.4 ΠΑΡΑΔΕΙΓΜΑΤΑ ΠΡΑΚΤΟΡΩΝ Σαν πράκτορα μπορούμε να θεωρήσουμε κάθε σύστημα ελέγχου. Ένα απλό παράδειγμα πράκτορα είναι τα φωτοκύτταρα εξωτερικού χώρου. Ο υπέρυθρος ανιχνευτής κίνησης (φωτοκύτταρο )λαμβάνει μόνο τα αόρατα υπέρυθρα σήματα που εκπέμπονται από ανθρώπους που κινούνται λόγω θερμότητας που εκπέμπουν. Το συγκεκριμένο σύστημα παράγει δύο εξόδους: «άνοιγμα φώτων» ή «κλείσιμο φώτων». Το σύστημα αποφάσεων του θερμοστάτη υλοποιείται με τους ακόλουθους κανόνες: Αύξηση θερμότητας Έλλειψη θερμότητας Άνοιγμα φώτων Κλείσιμο φώτων Συμπερασματικά, μπορούμε να πούμε ότι οι πράκτορες είναι υπολογιστικά συστήματα, ικανά να δρούν αυτόνομα σε ένα συγκεκριμένο περιβάλλον προσπαθώντας να φέρουν σε πέρας τους σχεδιαστικούς τους στόχους. 3.5 ΕΥΦΥΕΙΣ ΠΡΑΚΤΟΡΕΣ Η τεχνολογία που αναφέρεται στους ευφυείς πράκτορες αποτελεί ένα αυτόνομο επιστημονικό πεδίο με εξαιρετική δραστηριότητα τα τελευταία χρόνια. Οι ευφυείς πράκτορες είναι ένα νέο πρότυπο για την ανάπτυξη εφαρμογών λογισμικού. Στο μέλλον ο μόνος τρόπος για να ψάξει κανείς στο internet,θα είναι μέσω έξυπνων μηχανών γιατί όσο καλά οργανωμένο και αν είναι, δεν θα μπορεί να συμβαδίσει με την αύξηση των πληροφοριών.[41] Η προφητική αυτή δήλωση αφορά στην τεχνολογία των ευφυών πρακτόρων. Με το πέρασμα των χρόνων, η ροή των πληροφοριών στο internet και το world wide web συνεχώς αυξάνονται με ραγδαίους ρυθμούς. Το web έχει εκατομμύρια θαυμαστές και εξελίσσεται ως ένα εργαλείο για γρήγορη και άμεση πρόσβαση πληροφοριών. Έτσι με την αύξηση των υπολογιστικών συστημάτων δημιουργήθηκε ο όρος των ευφυών πρακτόρων. Ένας πράκτορας αποτελεί ένα λογισμικό το οποίο ενεργεί ανθρώπους και ενέργειες για λογαριασμό τους. Οι πράκτορες οι οποίοι βασίζονται σε υπολογιστές, έχουν χαρακτηριστεί ως η επόμενη πιο σημαντική «ανακάλυψη λογισμικού» σύμφωνα με τον Sargent το 1992 καθώς και την νέα επανάσταση στο λογισμικό σύμφωνα με τον Ovum το 1994.[46] 40

41 ΤΕΙ Πελοπόννησου Σήμερα οι πράκτορες αποτελούν το επίκεντρο του ενδιαφέροντος για πολλούς τομείς της επιστήμης, των υπολογιστών και της τεχνητής νοημοσύνης. Οι πράκτορες χρησιμοποιούνται σε πολλές εφαρμογές όπως: συστήματα αναγνώρισης φωνής (Pegasus) τα οποία κλείνουν αεροπορικές θέσεις τηλεφωνικά, βρίσκοντας τις βέλτιστες πτήσεις με βάση το κόστος ή τον χρόνο ή δίνουν πληροφορίες γενικού ενδιαφέροντος. Συστήματα που διεξάγουν ιατρικές διαγνώσεις, στο ηλεκτρονικό εμπόριο και άλλες. Όπως έχουμε πει, ευφυείς πράκτορες είναι υπολογιστικά συστήματα τα οποία είναι ικανά να δρούν αυτόνομα σε ένα συγκεκριμένο περιβάλλον έτσι ώστε να πετυχαίνουν τους σχεδιαστικούς του στόχους. 3.6 ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ ΕΥΦΥΩΝ ΠΡΑΚΤΟΡΩΝ Οι πράκτορες είναι ένα μοντέλο μίας νέας γενιάς λογισμικού που αφορά πολύπλοκα συστήματα. Οι πράκτορες επίσης χρησιμοποιούνται ως ένα εργαλείο το οποίο θα φέρει κοντά το συστατικό της τεχνητής νοημοσύνης όπου είναι απαραίτητο για να σχεδιαστούν και να κατασκευαστούν έξυπνες οντότητες. Ένας ευφυής πράκτορας είναι ένα υπολογιστικό σύστημα, το οποίο βρίσκεται σε ένα δυναμικό περιβάλλον όπου δρά αυτόνομα ώστε να εκπληρώνονται οι σχεδιαστικοί του στόχοι. Οι πράκτορες θα χρειαστεί να αλληλεπιδρούν μεταξύ τους, είτε για να πετύχουν τους αυτόνομους στόχους τους, είτε για να διαχειριστούν τις ενέργειες που ακολουθούν μετά την τοποθέτηση τους σε ένα περιβάλλον. Αυτές οι αλληλεπιδράσεις μπορούν να είναι ή απλές συναλλαγές ή απλές ερωτήσεις για συγκεκριμένες ενέργειες, οι οποίες θα μπορούν να εκτελεστούν με συντονισμό και συνεργασία. Τα χαρακτηριστικά τα οποία ξεχωρίζουν τους ευφυείς πράκτορες από άλλου τύπου εφαρμογές είναι[16] : ΑΥΤΟΝΟΜΙΑ (autonomy): Οι πράκτορες λειτουργούν αυτόνομα χωρίς την άμεση παρέμβαση των χρηστών ή άλλων πρακτόρων. ΑΝΤΑΝΑΚΛΑΣΤΙΚΟΤΗΤΑ (reflectiveness): Οι πράκτορες αντιλαμβάνονται το περιβάλλον τους και αντιδρούν μέσα σε συγκεκριμένα χρονικά πλαίσια. ΠΡΟΝΟΗΤΙΚΟΤΗΤΑ (proactiveness): Οι πράκτορες ικανοί να πάρουν πρωτοβουλίες για να πετύχουν τους στόχους τους ανάλογα με τις συνθήκες που εμφανίζονται στο περιβάλλον. ΚΟΙΝΩΝΙΚΟΤΗΤΑ (sociability): Οι πράκτορες επικοινωνούν με χρήστες και άλλους πράκτορες και συνεργάζονται μεταξύ τους. ΚΙΝΗΤΙΚΟΤΗΤΑ (mobility): Οι πράκτορες μετακινούνται σε ένα γενικότερο υπολογιστικό περιβάλλον. 41

42 ΠΡΟΣΑΡΜΟΣΤΙΚΟΤΗΤΑ (adaptability): Οι πράκτορες προσαρμόζονται στο περιβάλλον τους καθώς έχουν την ικανότητα της μάθησης. ΑΟΓΙΚΗ (rationality): Οι πράκτορες δρούν για να πετύχουν τους στόχους τους χωρίς αναίτιες ενέργειες. ΑΓΑΘΟΕΡΓΙΑ (benevolence): Οι πράκτορες προσπαθούν πάντοτε να ικανοποιήσουν τις ανάγκες του εντολοδόχου τους. ΦΙΛΑΛΗΘΕΙΑ (veracity) : Οι πράκτορες δεν δίνουν εσκεμμένα λάθος πληροφορίες. Αυτό σημαίνει ότι ένας πράκτορας πρέπει να είναι προετοιμασμένος για την πιθανότητα της αποτυχίας. ΝΟΗΜΟΣΥΝΗ Μάθηση! προσαρμοστικότητα) j Δημιουργία Κανόνες (αντιδραστικότητα) Επικοινωνία με άλλους πράκτορες Η Η Η η Η Η Η Β Β Β Β Β Ι ^ ^ Η Ι a Αλληλεπίδραση με χρήστη Εκτέλεση εξ αποστάσεως... 1JΚΙΝΗΤΙΚΟΤΗΤΑ Μετανάστευση ΣΥΝΕΡΓΑΣΙΑ ; m w m ΣΧΗΜΑ 3 Άξονες προσδιορισμού των χαρακτηριστικών των ευφυών πρακτόρων. 42

43 3.7 ΠΩΣ ΠΡΕΠΕΙ ΝΑ ΛΕΙΤΟΥΡΓΟΥΝ ΟΙ ΠΡΑΚΤΟΡΕΣ Ένας λογικός πράκτορας είναι αυτός που κάνει τη σωστή εκτέλεση των ενεργειών του. Για τον πράκτορα η σωστή δράση είναι αυτή που θα τον κάνει επιτυχημένο. Ως εξωτερικοί παρατηρητές δημιουργούμε πρότυπα τα οποία μας οδηγούν στο αποτέλεσμα ότι ένας πράκτορας είναι επιτυχής και αυτά τα πρότυπα θα μπορούν να χρησιμοποιηθούν για να μετρήσουν την απόδοση των πρακτόρων. [16] Πρέπει να είμαστε προσεκτικοί για να μπορούμε να διακρίνουμε τη διαφορά μεταξύ της ορθολογιστικής ικανότητας και της παντογνωσίας. Ένας λογικός πράκτορας ξέρει την πραγματική εξέλιξη των ενεργειών του και μπορεί να πράξει αναλόγως αλλά η παντογνωσία είναι αδύνατη στην πραγματικότητα και ειδικά σε πολύπλοκα περιβάλλοντα. Για παράδειγμα, ένας αυτοματοποιημένος οδηγός ταξί διασχίζει την οδό Α σύμφωνα με τις εντολές προορισμού του πελάτη του. Όμως στη διαδρομή ένα μεγάλο φορτίο έπεσε από ένα φορτηγό που βρισκόταν μπροστά στο ταξί με αποτέλεσμα να δημιουργηθεί ζημιά στο αυτοκίνητο και επομένως να μην φτάσει ο πελάτης στον προορισμό του. Θα ήταν παράλογο να συνεχίσει τη διαδρομή του ώστε να θεωρηθεί επιτυχημένη γιατί προέκυψαν παράγοντες που δεν τους είχε υπολογίσει. Αυτό μας οδηγεί στο συμπέρασμα ότι η ορθολογιστική ικανότητα ενδιαφέρεται για την επιτυχία των στόχων της και όχι για το τι γίνεται αντιληπτό. Το πέρασμα της οδού ήταν λογικό επειδή πολλές φορές το πέρασμα του ταξί ήταν επιτυχής και δεν υπήρξε κανένας τρόπος που θα μπορούσε να προβλέψει το φορτίο. Βέβαια, δεν μπορούμε να κατηγορήσουμε έναν πράκτορα για την αποτυχία, αν δεν έχει λάβει υπόψη του κάτι που δεν μπορεί να αντιληφθεί. Αν θέσουμε ως βασική προϋπόθεση πως ένας ευφυής πράκτορας πρέπει να κάνει πάντα αυτό που θεωρείται σωστό, αυτό μας οδηγεί στο συμπέρασμα ότι είναι αδύνατο να σχεδιαστεί ένας πράκτορας για να εκπληρώσει αυτή τη προδιαγραφή εκτός αν βελτιωθούν κάποιοι παράμετροι όπως περιγράφονται παρακάτω. Η συμπεριφορά ενός πράκτορα εξαρτάται από τα εξής χαρακτηριστικά : Το περιβάλλον του (environment). Την ακολουθία αντιλήψεων (percept sequence), δηλαδή το πλήρες ιστορικό για οτιδήποτε έχει αντιληφθεί ο πράκτορας. Το μέτρο απόδοσης (performance measure), είναι το αντικειμενικό κριτήριο της επιτυχίας, της συμπεριφοράς ενός πράκτορα και καθορίζεται από τον σχεδιαστή του. Αυτονομία (autonomy). Βασίζεται στη μάθηση. Μετά από αρκετή εμπειρία του περιβάλλοντος του, η συμπεριφορά ενός ορθολογικού πράκτορα μπορεί να γίνει ουσιαστικά ανεξάρτητη από την προηγούμενη γνώση του. 43

44 Τεχνητή Νοημοσύνη. Ευφυείς Πράκτορες και Εφαρμογές στην Πληροφορική Υγείας Τα παραπάνω χαρακτηριστικά μας οδηγούν σε δημιουργία ενός ιδανικού λογικού πράκτορα. 3.8 ΠΡΟΒΛΗΜΑΤΑ ΚΑΤΑ ΤΗΝ ΧΡΗΣΗ ΠΡΑΚΤΟΡΩΝ Κάθε αλγόριθμος ο οποίος προτείνεται για εφαρμογή από ένα συγκεκριμένο σύστημα όπου χρησιμοποιεί ευφυείς πράκτορες, οφείλει να ενσωματώνει λύσεις για την αντιμετώπιση κάποιων από τα προβλήματα που ακολουθούν. [3 9] Σποραδικότητα: Η δημιουργία αραιών πινάκων χρηστών-αντικειμένων, και σαν συνέπεια αυτού,η μη εύρεση χαρακτηριστικών γειτόνων και τελικά παραγωγή αποτυχημένων συστάσεων. Επεκτασιμότητα: Τα συγκεκριμένα συστήματα απαιτούν υπολογισμούς, το πλήθος των οποίων αυξάνεται με τον αριθμό των χρηστών. Δηλαδή ένας αλγόριθμος που είναι πιο αποδοτικός όταν εφαρμόζεται σε περιορισμένο αριθμό δεδομένων εισόδου, μπορεί να αποδειχθεί ανεπαρκής με την αύξηση των δεδομένων. Εδώ βοηθούν οι αλγόριθμοι διήθησης, οι οποίοι έχουν την δυνατότητα να επεκτείνονται. Συνωνυμία: Τα συγκεκριμένα συστήματα δυσκολεύονται στον εντοπισμό λανθασμένων σχέσεων μεταξύ αντικειμένων, τα οποία μπορεί να έχουν διαφορετική επωνυμία αλλά να αναφέρονται σε κοινά ή παρόμοια προϊόντα. Αυτό αφορά κυρίως τη χρήση των συγκεκριμένων συστημάτων στο ηλεκτρονικό επιχειρείν. 44

45 ΤΕΙ Πελοπόννησου 3.9 ΠΛΕΟΝΕΚΤΗΜΑΤΑ- ΜΕΙΟΝΕΚΤΗΜΑΤΑ ΕΥΦΥΩΝ ΠΡΑΚΤΟΡΩΝ Οι ευφυείς πράκτορες αποτελούν τα τελευταία χρόνια την πιο αποτελεσματική μέθοδο αντίληψης, σχεδίασης και ανάπτυξης λογισμικού. Οι υπηρεσίες που παρέχουν οι ευφυείς πράκτορες, έχουν ως στόχο την απαλλαγή του χρήστη από χρονοβόρες, τετριμμένες εργασίες, λειτουργώντας ως προσωπικοί βοηθοί (personal assistants) όπου βρίσκονται συνεχώς στο πλευρό του χρήστη και τον βοηθά όπου χρειάζεται ή αναλαμβάνουν να εκτελέσουν εργασίες εκ μέρους του. Στον παρακάτω πίνακα (πίνακας 1) παρουσιάζονται τα κυριότερα πλεονεκτήματα των ευφυών πρακτόρων. ΠΙΝΑΚΑΣ 1 Δυνατότητες, πλεονεκτήματα και οφέλη ευφυών πρακτόρων. Δυνατότητες Πλεονεκτήματα Οφέλη Αυτό ματοπο ίη ση ς Εκπληρώνει Αυξημένη παραγωγικότητα αυτοματοποιημένες εργασίες Προσωπικοποίησης Προσωπικοποιεί την ανταλλασσόμενη πληροφορία Μειωμένος φόρτος εργασίας Ειδοποίησης Ειδοποίηση χρήστη για σημαντικά γεγονότα Μειωμένος φόρτος εργασίας Εκμάθησης Εκμάθηση συμπεριφοράς Προ-ενεργητική βοήθεια χρήστη Διδασκαλίας Διδασκαλία του χρήστη Μείωση εκπαίδευσης Επικοινωνίας Εκτέλεση καθηκόντων απομακρυσμένα Δουλεύει και χωρίς ο τοπικός υπολογιστής να είναι ανοικτός Ωστόσο, υπάρχουν και κάποια μειονεκτήματα τα οποία προέρχονται κυρίως από τον τομέα της τεχνητής νοημοσύνης. Οι τελικοί χρήστες δεν ενδιαφέρονται ή δεν γνωρίζουν την πολυπλοκότητα στην οποία στηρίζεται ένα σύστημα. Αντίθετα επιθυμούν να έχουν ένα προσωπικό βοηθό που να τους προσφέρει ευελιξία, ευκολία στη χρήση και μεγάλη λειτουργικότητα για κάθε εφαρμογή. Δυστυχώς μια τέτοια λειτουργικότητα δεν έχει αναπτυχθεί, ειδικά στο επίπεδο της γενικότητας σε πολλούς τομείς που την θέλει ο χρήστης. Όσες λύσεις έχουν παρουσιαστεί, βασίζονται σε συγκεκριμένες διεργασίες και πεδία εφαρμογής. Επιπρόσθετα, υπάρχουν πολλά κενά όσο αφορά την ασφάλεια των υπολογιστικών συστημάτων, κυρίως εκεί που χρησιμοποιούνται κινούμενοι πράκτορες. Πιθανές αιτίες είναι οι κακόβουλοι πράκτορες που επιτίθονται στα δεδομένα του χρήστη. Επίσης, δεν έχει υιοθετηθεί μια κοινή προσέγγιση όσο αφορά την γλώσσα επικοινωνίας και του περιεχομένου που θα χρησιμοποιούν οι πράκτορες, τόσο στις επαφές μεταξύ τους, όσο και στις επαφές τους με άλλα πληροφοριακά συστήματα. Παρόλαυτα, οι πράκτορες αποτελούν μια εξαιρετικά ελπιδοφόρα προοπτική σαν εργαλείο σχεδίασης λογισμικού όπως είναι ο αντικειμενοστραφής προγραμματισμός ή όπως η αρχιτεκτονική πελάτη/διακομιστή. 45

46 3.10 ΣΥΝΟΨΗ Η συνεχώς αυξανόμενη χρήση του όρου πράκτορας, έχει προκαλέσει μεγάλη συζήτηση στην επιστημονική κοινότητα σχετικά με τον ορισμό του. Βέβαια επικρατεί ένας γενικός και ικανοποιητικός ορισμός που περιλαμβάνει τις γενικά αποδεκτές ιδιότητες που πρέπει να παρουσιάζει αυτονομία, κοινωνικότητα, αποκρισιμότητα και ανάληψη πρωτοβουλιών. Όμως, ένας ορισμός δεν αρκεί για να περιγραφτεί η συμπεριφορά ενός πράκτορα. Σε αυτή την κατεύθυνση έχουν χρησιμοποιηθεί μέθοδοι που βασίζονται σε φιλοσοφικές θέσεις και χρησιμοποιούν έννοιες που αποδίδονται κυρίως σε ανθρώπους όπως πεποιθήσεις, επιθυμίες, προθέσεις, δεσμεύσεις, ικανότητες, συναισθήματα κ.α. Μία τέτοια προσέγγιση είναι αποδεκτή και θεωρείται χρήσιμη εφόσον τηρούνται κάποιες προϋποθέσεις. Οι ευφυείς πράκτορες έχουν να επιδείξουν μία μεγάλη κατηγορία εφαρμογών που συνεχώς αυξάνεται και μια έντονη ερευνητική δραστηριότητα. Πολλά εμπορικά συστήματα πρακτόρων βρίσκουν εφαρμογή στο διαδίκτυο και επικεντρώνονται κυρίως στη διαχείριση πληροφοριών (συλλογή, φιλτράρισμα κτλ.) και στο ηλεκτρονικό εμπόριο. Επίσης συστήματα πρακτόρων λειτουργούν σε εφαρμογές προσωπικών υπολογιστών ως προσωπικοί βοηθοί. Οι εφαρμογές επεκτείνονται στον ιατρικό τομέα με συστήματα που διεξάγουν ιατρικές διαγνώσεις και άλλες. 46

47 ΤΕΙ Πελοπόννησου ΚΕΦΑΛΑΙΟ 4: ΙΑΤΡΙΚΗ ΠΛΗΡΟΦΟΡΙΚΗ:ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΚΑΙ ΕΜΠΕΙΡΑ ΣΥΣΤΗΜΑΤΑ ΣΤΗΝ ΙΑΤΡΙΚΗ. 4.1 Η ΠΛΗΡΟΦΟΡΙΚΗ ΣΤΙΣ ΜΟΝΑΔΕΣ ΥΓΕΙΑΣ Οι υπολογιστές άρχισαν να χρησιμοποιούνται από μικρές και μεγάλες εταιρείες και από πανεπιστήμια. Όσες επιστήμες και επαγγέλματα είχαν σχέση με αριθμούς χρησιμοποίησαν τη νέα τεχνολογία και είδαν στην πράξη τα οφέλη που προέκυπταν. Η ιατρική άργησε σε σχέση με άλλες επιστήμες να υιοθετήσει την πληροφορική σαν βασικό εργαλείο δουλειάς. Μόλις τα τελευταία χρόνια οι γιατροί άρχισαν να χρησιμοποιούν τους υπολογιστές ως αναπόσπαστο στοιχείο της καθημερινότητας τους. Σήμερα παρατηρούμε στον κόσμο αλλά και στην Ελλάδα, η χρήση της πληροφορικής από τους γιατρούς βρίσκεται σε συνεχή εξελικτική πορεία στην αξιοποίηση των δυνατοτήτων των υπολογιστών. Αρκετά χρόνια πριν από τους γιατρούς το σύστημα υγείας και συγκεκριμένα οι μεγάλες μονάδες υγείας όπως είναι τα νοσοκομεία, χρησιμοποίησαν υπολογιστές με το κατάλληλο λογισμικό για να βελτιώσουν την παραγωγικότητα τους προς όφελος του ασθενή. Όταν μιλάμε για πληροφορική στα πλαίσια μίας μονάδας υγείας εννοούμε την χρήση υπολογιστών και προγραμμάτων από όλα τα τμήματα ενός νοσοκομείου ιδιωτικού ή δημόσιου. Ο τεχνικός όρος που περιγράφει ένα τέτοιο σύστημα είναι «Ολοκληρωμένο Πληροφοριακό Σύστημα Νοσοκομείου» (ΟΠΣΝ). Το ΟΠΣΝ περιλαμβάνει τα παρακάτω υποσυστήματα[35]: Την διαχείριση ασθενών(γραφείο κίνησης, εξωτερικά ιατρεία, Τ.Ε.Π) Το σύστημα διαχείρισης ιατρικών πληροφοριών Το νοσηλευτικό υποσύστημα Το σύστημα διαχείρισης των χειρουργείων Το σύστημα διαχείρισης εργαστηρίων βιοπαθολογικών εξετάσεων(ειδ) Το σύστημα διαχείρισης απεικονιστικών εξετάσεωνίέιδ-ραόδ) Το λογιστήριο ασθενών Οικονομική διαχείριση Διαχείριση αγαθών Σύστημα επιχειρηματικής ευφυΐας Άλλες υπηρεσίες που είναι εφικτές χάρη στην πληροφορική και παρέχονται από μια μονάδα υγείας ή άλλο φορέα είναι: Η προληπτική ιατρική Η τηλεϊατρική Τα μηχανήματα παρακολούθησης ασθενών από απόσταση 47

48 Τεχνολογίες που κρίνονται απαραίτητες στην καθημερινή κλινική πράξη είναι: Η επεξεργασία εικόνας από ακτινοδιαγνωστικά μηχανήματα Όλες οι παραπάνω πτυχές της πληροφορικής στην υγεία εντάσσονται σήμερα στα πλαίσια της «Ηλεκτρονικής υγείας» (E-Health). Ο όρος αυτός περιλαμβάνει εργαλεία (Πληροφοριακά Συστήματα, Προγράμματα, Επικοινωνίες, Υπηρεσίες) τα οποία χρησιμοποιούν οι παροχείς υπηρεσιών υγείας και οι πολίτες είτε ως υγιείς είτε ως ασθενείς με στόχο την παροχή υψηλού επιπέδου υπηρεσιών στο μικρότερο δυνατό κόστος. [12] 4.2 ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΚΑΙ ΕΜΠΕΙΡΑ ΣΥΣΤΗΜΑΤΑ ΣΤΗΝ ΙΑΤΡΙΚΗ Σύμφωνα με τους Clancey and Shortliffe (1984)[7], οι οποίοι συνόψισαν σε μια συλλογή την τότε τρέχουσα κατάσταση της τέχνης της εφαρμογής των μεθόδων τεχνητής νοημοσύνης για την αντιμετώπιση των προβλημάτων στον τομέα της ιατρικής με έμφαση στη διάγνωση και την θεραπεία, υποστηρίζουν ότι η Ιατρική Τεχνητή Νοημοσύνη (ΙΤΝ), ενδιαφέρεται πρώτιστα για την κατασκευή των προγραμμάτων ΤΝ που κάνουν τη διάγνωση και προτείνουν θεραπείες. Αντίθετα από ιατρικές εφαρμογές βασισμένες σε άλλες μεθόδους προγραμματισμού, όπως οι στατιστικές και πιθανολογικές μέθοδοι, τα ιατρικά προγράμματα ΤΝ, βασίζονται σε συμβολικά πρότυπα (μοντέλα) οντοτήτων ασθενειών και στη σχέση τους με παράγοντες ασθενών και τις κλινικές υλοποιήσεις.[7] Σήμερα, η σπουδαιότητα της διάγνωσης ως στόχου που απαιτεί την υποστήριξη της Πληροφορικής σε τυπικές κλινικές καταστάσεις, καταλαμβάνει την ίδια θέση με άλλους κλινικούς στόχους. Ο τομέας Πληροφορικής στα πλαίσια της ΤΝ, που έχει ιδιαίτερα συμβάλει στην Ιατρική τα τελευταία τριάντα χρόνια με την υποβοήθηση στην παρακολούθηση, στη διάγνωση, στη λήψη αποφάσεων, καθώς και στην αιτιολόγηση των προτάσεων, είναι τα Έμπειρα Συστήματα. Τα Έμπειρα Συστήματα (ΕΣ) μαζί με τους Ευφυείς Πράκτορες, αποτελούν σήμερα το κατ' εξοχήν εμπορικό προϊόν του τομέα της ΤΝ. Είναι προγράμματα τα οποία, στην προσπάθεια τους να αντιμετωπίσουν πολύπλοκα προβλήματα του πραγματικού κόσμου, κωδικοποιούν τη γνώση και τη συλλογιστική ενός Έμπειρου Ειδικού (domain expert) σε έναν εξειδικευμένο τομέα της επιστήμης και της τεχνολογίας. Κατά συνέπεια, ως Έμπειρο Σύστημα, μπορεί να ορισθεί ένα πρόγραμμα υπολογιστή, που αναφέρεται σε ένα εξειδικευμένο τομέα της ανθρώπινης γνώσης και επιδεικνύει συμπεριφορά ανάλογη με εκείνη του άνθρωπου ειδικού στον εν λόγω τομέα. Ένα έμπειρο σύστημα βασίζεται σε μία εκτεταμένη ποσότητα γνώσης, η οποία σχετίζεται με μία συγκεκριμένη περιοχή προβλημάτων. Η γνώση αυτή οργανώνεται υπό τη μορφή ενός συνόλου από κανόνες, οι οποίοι επιτρέπουν στο σύστημα να βγάζει συμπεράσματα από τα διατιθέμενα δεδομένα. Η μεθοδολογία αυτή, για την επίλυση προβλημάτων, δεν ακολουθεί την συμβατική μορφή ενός προγράμματος, με 48

49 ΤΕΙ Πελοποννήσο» Τεχνητή Νοημοσύνη. Ευφυείς Πράκτορες και Εφαρμογές στην Πληροφορική Υγείας δεδομένα και αλγορίθμους, αλλά έχει μια αρχιτεκτονική που έχει σαν πυρήνες μία βάση γνώσης (Knowledge base) και μία μηχανή εξαγωγής συμπερασμάτων (inference engine)[21]. Αν θελήσουμε μια πιο ολοκληρωμένη περιγραφή των έμπειρων συστημάτων, μπορούμε να χρησιμοποιήσουμε τον ορισμό που δίνει η Βρετανική Εταιρία Υπολογιστών (The British Computer Society's Specialist Group on Expert Systems): Ένα έμπειρο σύστημα θεωρείται η ενσωμάτωση μέσα σε έναν υπολογιστή μιας βασισμένης στη γνώση συνιστώσας από την ικανότητα ενός ειδικού, με μια τέτοια μορφή ώστε το σύστημα να μπορεί να προσφέρει ευφυείς συμβουλές ή να πάρει μια ευφυή απόφαση για κάποια λειτουργία επεξεργασίας[13]. Ένα πρόσθετο επιθυμητό χαρακτηριστικό, που πολλοί θα θεωρούσαν θεμελιώδες, είναι η ικανότητα του συστήματος, μετά από απαίτηση, να δικαιολογεί τη συλλογιστική του πορεία κατά τρόπο άμεσα κατανοητό στον ερωτώντα. Αξίζει να αναφέρουμε ότι τα έμπειρα συστήματα ανήκουν στα συστήματα υποστήριξης αποφάσεων (decision support systems). Χρησιμοποιούνται κυρίως σε ρόλο συμβούλου (consultant, advisor), αλλά και σε ρόλο κριτή (critic) ή φροντιστή (tutor). Όλοι αυτοί οι ρόλοι συνεπάγονται στη διεξαγωγή συνδιάλεξης ανάμεσα στον χρήστη και το σύστημα. Επομένως, τα έμπειρα συστήματα ανήκουν στα διαλογικά συστήματα. Η ποιότητα της διασύνδεσης ανάμεσα στο σύστημα και τον χρήστη αποτελεί κρίσιμο παράγοντα [21]. Για την ανάπτυξη ενός έμπειρου συστήματος πρέπει να συνεργαστούν ένας άνθρωποςειδικός του τομέα (domain expert) και ένας μηχανικός γνώσης (knowledge engineer). Ο ειδικός του τομέα είναι εξειδικευμένος σε έναν τομέα της ανθρώπινης δραστηριότητας, η γνώση του οποίου για τον τομέα αυτό θα μεταφερθεί στο σύστημα. Ο μηχανικός γνώσης είναι ένας επιστήμονας της πληροφορικής, ειδικευμένος σε θέματα τεχνητής νοημοσύνης και έμπειρων συστημάτων. Ο μηχανικός γνώσης συνεργάζεται με τον ειδικό του τομέα με σκοπό την εκμαίευση της εμπειρίας -γνώσης του. Με βάση τα αποτελέσματα της συνεργασίας αυτής σχεδιάζει το σύστημα και τη δομή της γνώσης και στη συνέχεια ακολουθεί η υλοποίηση του. Ο τομέας της τεχνητής νοημοσύνης που ασχολείται με την ανάπτυξη έμπειρων συστημάτων ονομάζεται τεχνολογία της γνώσης (knowledge engineering). Το έμπειρο σύστημα επιλύει προβλήματα χρησιμοποιώντας ένα μοντέλο της λογικής του ειδικού και καταλήγει στα ίδια συμπεράσματα στα οποία θα έφθανε και ο ειδικός, εάν αντιμετώπιζε ένα ανάλογο πρόβλημα. Τα έμπειρα συστήματα επιδεικνύουν συμπεριφορά την οποία θα χαρακτηρίζαμε νοήμονα, σε συγκεκριμένους τομείς και διαδικασίες, ανάλογη με αυτή ενός ανθρώπου εμπειρογνώμονα στον ίδιο τομέα. Το έμπειρο σύστημα εξομοίωνα (emulates) πλήρως την ικανότητα εξαγωγής συμπερασμάτων ενός ανθρώπου εμπειρογνώμονα, ενεργώντας δηλαδή από όλες τις απόψεις όπως αυτός, και όχι μερικώς, προσομοιώνοντας τον (simulate). Το ολοκληρωμένο έμπειρο σύστημα χρησιμοποιείται από τον τελικό χρήστη (enduser), ο οποίος δεν είναι απαραίτητο να είναι σχετικός με την επιστήμη των υπολογιστών ή να είναι γνώστης του επιστημονικού πεδίου των έμπειρων συστημάτων.[21] 49

50 ΤΕΙ Πελοπόννησου Για το λόγο αυτό το έμπειρο σύστημα πρέπει να είναι φιλικό και εύχρηστο, σύμφωνα με τα σύγχρονα πρότυπα διασύνδεσης προγραμμάτων-χρήστη (π.χ. επαρκή βοήθεια, λειτουργία με παράθυρα, μενού επιλογών, κλπ.). 4.3 ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ ΤΩΝ ΕΜΠΕΙΡΩΝ ΣΥΣΤΗΜΑΤΩΝ Υπάρχουν κάποια συγκεκριμένα χαρακτηριστικά, τα οποία είναι επιθυμητό να υπάρχουν στα έμπειρα συστήματα. Συνήθως, τα χαρακτηριστικά αυτά περιλαμβάνονται στη σχεδίαση των συστημάτων. Τα σημαντικότερα από αυτά είναι τα ακόλουθα[20]: Επεξήγηση και αιτιολόγηση της πορείας συλλογισμού Τα έμπειρα συστήματα πρέπει να επεξηγούν την πορεία του συλλογισμού που ακολούθησαν για την εύρεση της λύσης στην οποία κατέληξαν. Δεν είναι δηλαδή αποδεκτή η απλή αναφορά μιας λύσης, αλλά πρέπει και να τεκμηριώνεται με τον ίδιο τρόπο που ένας άνθρωπος-ειδικός θα τεκμηρίωνε τη δική του απόφαση. Με τον τρόπο αυτό αυξάνεται η εμπιστοσύνη του χρήστη προς το σύστημα. Δυναμικότητα Τα έμπειρα συστήματα πρέπει να επιτρέπουν την αλλαγή της υπάρχουσας γνώσης. Επειδή πολλές φορές η γνώση για κάποιο τομέα της επιστήμης δεν είναι σταθερή, αλλά αλλάζει διαρκώς, θα πρέπει να υπάρχουν επαρκείς και αποδοτικοί μηχανισμοί για τροποποίηση της υπάρχουσας γνώσης, πρόσθεση καινούργιας ή αφαίρεση λανθασμένης γνώσης από το σύστημα. Το χαρακτηριστικό αυτό εξηγεί τη μεγάλη απήχηση την οποία έχουν τα έμπειρα συστήματα που βασίζονται σε κανόνες. Υψηλές επιδόσεις Το σύστημα θα πρέπει να είναι ικανό να μπορεί να δίνει απαντήσεις σε τέτοιο επίπεδο ώστε να μπορεί να ανταγωνίζεται τον άνθρωπο που είναι ειδικός στον συγκεκριμένο τομέα. Θα πρέπει δηλαδή η ποιότητα της συμβουλής που παρέχεται από το σύστημα να είναι υψηλή. Αξιοπιστία Το έμπειρο σύστημα θα πρέπει να είναι αξιόπιστο στη λειτουργία του και να μην αντιμετωπίζει συχνά προβλήματα γιατί αλλιώς δεν πρόκειται να καταστεί λειτουργικό. Ικανοποιητικός χρόνος απόκρισης Τα έμπειρα συστήματα πρέπει να φτάνουν σε αποτέλεσμα πολύ γρήγορα ή τουλάχιστον σε χρόνο συγκρίσιμο, ή ακόμα και καλύτερο από το χρόνο που χρειάζεται ο εμπειρογνώμονας ώστε να καταλήξει σε απόφαση. Δεν έχει νόημα το σύστημα να φτάνει σε μία τέλεια λύση και να την τεκμηριώνει, όταν αργεί πάρα πολύ για να το πετύχει αυτό. Οι χρονικοί περιορισμοί που θα υπάρχουν στην επίδοση ενός έμπειρου συστήματος θα πρέπει να είναι σημαντικοί στην περίπτωση όπου η 50

51 ΤΕΙ Πελοπόννησου απάντηση του συστήματος θα πρέπει να είναι άμεση, όπως για παράδειγμα στην ιατρική. Διαφάνεια του κώδικα Τα έμπειρα συστήματα περιέχουν σαν κώδικα μια σαφή περιγραφή του προβλήματος με το οποίο ασχολούνται. Αναπαριστούν τη γνώση για το πρόβλημα σε συμβολική μορφή και δε θα έπρεπε αναμιγνύουν τη γνώση με το μηχανισμό χειρισμού και ελέγχου της. Χειρισμός αβέβαιης ή ελλιπούς γνώσης Το έμπειρο σύστημα θα πρέπει να είναι σχεδιασμένο για χειρισμό αβέβαιης, ασαφούς, ή ελλιπούς γνώσης. Υπάρχουν προβλήματα για τα οποία δεν είναι διαθέσιμη όλη η γνώση που απαιτείται για την επίλυσή τους. Σε μια τέτοια περίπτωση ένας εμπειρογνώμονας θα έπαιρνε μια απόφαση στηριζόμενος στη διαθέσιμη γνώση. Ανάλογη συμπεριφορά θα πρέπει να είναι ικανά να επιδεικνύουν και τα έμπειρα συστήματα. 4.4 ΔΟΜΗ ΕΜΠΕΙΡΟΥ ΣΥΣΤΗΜΑΤΟΣ Τα Έμπειρα Συστήματα (ΕΣ) αποτελούνται από τα παρακάτω στοιχεία τα οποία αλληλεπιδρούν με στόχο την εξαγωγή συμπεράσματος ή συμπερασμάτων. Ως βασικά στοιχεία θεωρούνται[20]: Η Βάση Γνώσης (ΒΓ) (Knowledge Base), η οποία περιέχει κανόνες και γεγονότα που αναπαριστώνται με κατανοητό από τους ανθρώπους τρόπο. Ο Συμπερασματικός Μηχανισμός (ΣΜ) (Inference Engine), που είναι η καρδιά του ΕΣ, ο οποίος επεξεργάζεται τους κανόνες και τα γεγονότα της ΒΓ και φτάνει σε μία λύση. Το Σύστημα Διεπαφής Χρήστη (ΣΔΧ) (User Interface), ως μέσο επικοινωνίας μεταξύ του χρήστη και του ΕΣ. 51

52 Ως κύρια συστατικά των ΕΣ μπορούν να θεωρηθούν τα ακόλουθα[9]: Τα αποθέματα γνώσης που εμπεριέχουν. Ο απλός, ομοιόμορφος τρόπος με τον οποίο αναπαριστούν τη γνώση. Ο αυτόνομος Μηχανισμός Εξαγωγής Συμπερασμάτων που διαθέτουν (inference engine). Η διαφάνεια των λειτουργιών τους, η δυνατότητα δηλαδή να επεξηγούν τα συμπεράσματα στα οποία καταλήγουν. Τα ΕΣ αποδεικνύονται χρήσιμα γιατί οι άνθρωποι-ειδικοί συχνά υπόκεινται σε λάθη και μπορούν να βοηθηθούν σημαντικά χρησιμοποιώντας τα στη λήψη των αποφάσεων, και έπειτα η εύρεση ανθρώπων-ειδικών δεν είναι πάντοτε μία εύκολη υπόθεση και γενικά πάντοτε αναζητούνται τρόποι για τη φύλαξη και τη διάχυση της γνώσης των ειδικών. 4.5 ΧΡΗΣΗ ΕΜΠΕΙΡΩΝ ΣΥΣΤΗΜΑΤΩΝ ΣΤΗΝ ΙΑΤΡΙΚΗ Τα έμπειρα συστήματα προσφέρουν τη μεγαλύτερη βοήθεια στους γιατρούς για την προσέγγιση της σωστής διάγνωσης και της κατάλληλης θεραπείας, προσδιορίζοντας για τον κάθε ασθενή μια συγκεκριμένη κλινική κατάσταση χρησιμοποιώντας δεδομένα - κλειδιά τα οποία προέρχονται από κλινικές εργαστηριακές εξετάσεις. Σκοπός τους είναι να κατευθύνουν τον κλινικό ιατρό σε μια θεωρητική θεραπευτική στρατηγική η οποία όμως στηρίζεται και σε αποδεκτές ιατρικές κατευθυντήριες γραμμές για μια συγκεκριμένη νόσο σε συσχέτιση πάντα με το υπόλοιπο ιατρικό ιστορικό του κάθε ασθενή. Το έμπειρο σύστημα μοντελοποιεί «σενάρια ασθενών» και εξάγει συμπεράσματα, που χρησιμοποιούνται στην αντιμετώπιση νοσηρών καταστάσεων πάντα, βέβαια σε συμφωνία με τις κατευθυντήριες γραμμές της ιατρικής πρακτικής. Στην ουσία το έμπειρο σύστημα αποκτά συμβουλευτικό χαρακτήρα και παρέχει στον ιατρό το πιο βέλτιστο(κατάλληλο θεραπευτικό σενάριο - μοντέλο για τον ασθενή).έτσι λοιπόν, τα Έμπειρα Συστήματα (ΕΣ) χρησιμοποιούνται στην ιατρική με ένα συμβουλευτικό τρόπο από ειδικούς του τομέα ώστε να ενισχύσουν τη διαδικασία επίτευξης ορθολογικών συμπερασμάτων. Είναι γνωστό, ότι η διάγνωση είναι μόνο ένα από πολλά προβλήματα στην κλινική Ιατρική. 52

53 Σήμερα, τα ιατρικά Έμπειρα Συστήματα εφαρμόζονται κυρίως στους ακόλουθους τύπους κλινικών εργασιών[32]: Παραγωγή προειδοποιήσεων και των υπενθυμίσεων. Σε καταστάσεις πραγματικού χρόνου, ένα ΕΣ συνδεδεμένο με ένα όργανο ελέγχου, προειδοποιεί για μεταβολές της κατάστασης του ασθενούς. Διαφορετικά, ανιχνεύει αποτελέσματα εργαστηριακών δοκιμών και στέλνει υπενθυμίσεις ή προειδοποιήσεις. Διαγνωστική βοήθεια. Όταν μια περίπτωση ασθενούς είναι περίπλοκη (ή σπάνια), ή αυτός που κάνει τη διάγνωση είναι άπειρος, ένα ΕΣ βοηθά δίνοντας πιθανές διαγνώσεις βασισμένες στα στοιχεία του ασθενούς. Κριτική και σχεδιασμός θεραπείας. Τα ΕΣ χρησιμοποιούνται στην αναζήτηση ασυνεπειών και παραλείψεων σε ένα υφιστάμενο σχέδιο θεραπείας, ή στη σχηματοποίηση μιας θεραπείας βασισμένης σε συγκεκριμένη κατάσταση του ασθενή και σε υιοθετημένες οδηγίες θεραπείας. Εκπαίδευση. Τα ΕΣ χρησιμοποιούνται στην εκπαίδευση και εξάσκηση νοσοκομειακών ιατρών και σπουδαστών σε διάφορες ιατρικές εργασίες. Παρά την αυξανόμενη χρήση των έμπειρων συστημάτων στην ιατρική, πρέπει να τονιστεί ότι η ανάπτυξη τέτοιων συστημάτων για τις ιατρικές εφαρμογές πρέπει να ξεπεράσει μερικά βασικά εμπόδια, όπως: Οι ιατρικές εργασίες είναι δύσκολες λόγω των ιδιαιτεροτήτων των ασθενών και της αβεβαιότητας των διαθέσιμων κλινικών στοιχείων. Το εύρος των αποδεκτών σφαλμάτων είναι πολύ μικρό λόγω των ηθικών ανησυχιών και των κινδύνων λανθασμένων ιατρικών πράξεων. Η χρηματοδότηση για τις κύριες δαπάνες είναι μικρή. Από την άλλη πλευρά, οι παράγοντες που ευνοούν την αυξανόμενη διάδοση της τεχνολογίας των έμπειρων συστημάτων είναι: Αποτελεσματικότητα διαχείρισης δαπανών. Βελτιωμένη ποιότητα φροντίδας των ασθενών. 53

54 Τεχνητή Νοημοσύνη, Ευφυείς Πράκτορες καν Εφαρμογές στην Πληροφορική Υγείας 4.6 ΠΡΟΓΡΑΜΜΑΤΑ ΙΑΤΡΙΚΩΝ ΕΜΠΕΙΡΩΝ ΣΥΣΤΗΜΑΤΩΝ ΣΤΗΝ ΙΑΤΡΙΚΗ Στην πρώτη δεκαετία της Τεχνητής Νοημοσύνης στην Ιατρική, τα περισσότερα ερευνητικά συστήματα αναπτύχθηκαν για να βοηθήσουν τους νοσοκομειακούς γιατρούς στη διάγνωση, για το λόγο ότι θα χρησιμοποιούταν με τη συγκατάθεση και τη βοήθεια του ασθενή. Τα περισσότερα από αυτά δεν αναπτύχθηκαν πέρα από το ερευνητικό εργαστήριο. Άλλα, εντούτοις, συνέχισαν να αναπτύσσονται και έχουν μετασχηματιστεί στα εκπαιδευτικά συστήματα. Τα κυριότερα ΕΣ είναι τα παρακάτω: MYCIN Είναι, αυτή τη στιγμή, πιθανώς το πλέον γνωστό από όλα τα ιατρικά ΕΣ που έχουν αναπτυχθεί.[36] Και αυτό συμβαίνει, παρά το γεγονός ότι δεν έχει τεθεί ποτέ σε πραγματική πρακτική. Αναπτύχθηκε στο Πανεπιστήμιο Stanford απλώς ως ερευνητική προσπάθεια με σκοπό να παρασχεθεί βοήθεια στους παθολόγους στη διάγνωση και στον καθορισμό αντί-μικροβιακής θεραπείας των προσβολών ορισμένων μολυσματικών νοσημάτων. Η παράσταση των γνώσεων του συστήματος χρησιμοποιεί περίπου 500 κανόνες παραγωγής. Κάθε κανόνας έχει και ένα παράγοντα βεβαιότητας που καθορίζει την ισχύ της σχέσης συνθήκης και συμπεράσματος.[1] Σύμφωνα με τους ισχυρισμούς της ομάδας, η απόδοση του συστήματος είναι συγκρίσιμη με εκείνη των ειδικών. Ακολούθησε το E-Mycin, το οποίο θεωρείται ως το πρώτο περιβάλλον ανάπτυξης ΕΣ. ILIAD Ήταν υπό ανάπτυξη για αρκετά έτη [26], πρώτιστα για τη διάγνωση στην παθολογία, ενώ έφτασε στο σημείο να καλύπτει περίπου 1500 διαγνώσεις βασισμένες σε αρκετές χιλιάδες ευρήματα. [2] Η τωρινή χρήση του είναι ως εργαλείο διδασκαλίας για σπουδαστές Ιατρικής. ϋχριαϊη Αναπτύχθηκε στο Γενικό Νοσοκομείο της Μασαχουσέτης[4] και χρησιμοποιείται για να βοηθήσει τη διαδικασία της διάγνωσης, λαμβάνοντας υπόψη ένα σύνολο κλινικών ευρημάτων συμπεριλαμβανομένων ενδείξεων, συμπτωμάτων και εργαστηριακών αποτελεσμάτων. Στη συνέχεια παράγει έναν ταξινομημένο κατάλογο διαγνώσεων. Το ΟΧρώίη χρησιμοποιείται σε διάφορα νοσοκομεία και συνήθως για λόγους κλινικής εκπαίδευσης. 54

55 HELP To HELP (Health Evaluation through Logical Processing) είναι ένα Νοσοκομειακό Πληροφοριακό Σύστημα βασισμένο στη γνώση (Knowledge-based Hospital Information System). [26] Παρέχει στους νοσοκομειακούς Ιατρούς προειδοποιήσεις και υπενθυμίσεις, ερμηνεία δεδομένων και διαγνώσεις ασθενών, καθώς και προτάσεις διαχείρισης ασθενών και κλινικά πρωτόκολλα. To HELP λειτουργεί σε έξι μεγάλα νοσοκομεία στη Utah και σε άλλες πολιτείες της Αμερικής. Τέλος, αξίζει να αναφερθεί η επισήμανση των Crowley and Gryzbicki[8] για τη συνεισφορά των ευφυών ιατρικών εκπαιδευτικών συστημάτων (Intelligent medical training systems - IMTS) στην Ιατρική, καθόσον εκτιμάται ότι μεταξύ και Αμερικανοί πεθαίνουν κάθε χρόνο εξαιτίας λανθασμένης ιατρικής φροντίδας. [8] 55

56 ΤΕΙ Πελοπόννησου 4.7 ΕΜΠΕΙΡΑ ΣΥΣΤΗΜΑΤΑ ΚΑΙ ΣΥΜΒΑΤΙΚΑ ΠΡΟΓΡΑΜΑΤΑ Τα βασικά χαρακτηριστικά των έμπειρων συστημάτων σε σύγκριση με τα συμβατικά προγράμματα φαίνονται στον πίνακα 2 και είναι τα παρακάτω [20] : ΠΙΝΑΚΑΣ 2 Σύγκριση έμπειρων συστημάτων με τα συμβατικά προγράμματα. ΕΜΠΕΙΡΑ ΣΥΣΤΗΜΑΤΑ Εξομοιώνουν (emulate) την ανθρώπινη συλλογιστική στον τρόπο επίλυσης ενός προβλήματος. Παράσταση και χειρισμός γνώσης σε επίπεδο συμβόλων. Η εκτέλεση βασίζεται στη λογική και στη χρήση ευριστικών μεθόδων, οι οποίες δεν οδηγούν πάντα σε βέβαιη λύση αλλά περιορίζουν το χώρο αναζήτησης. Η γνώση είναι αποθηκευμένη στη βάση γνώσης. Τα στοιχεία μιας βάσης δεδομένων είναι παθητικά, δηλαδή υπάρχουν ή δεν υπάρχουν. Η βάση γνώσης είναι χωριστή από τον μηχανισμό επεξεργασίας. Η επεξήγηση του δρόμου συλλογισμού και η αναφορά των δεδομένων που χρησιμοποιήθηκαν είναι μέρος των περισσότερων έμπειρων συστημάτων. Διαχειρίζονται ελλιπή ή ασαφή πληροφορία. Το πρόγραμμα μπορεί να κάνει λάθος όταν η γνώση είναι ελλιπής ή ασαφής. Ευχέρεια στην επέκταση και αναθεώρηση της γνώσης, καθώς η τροποποίηση των κανόνων είναι εύκολη. Χρήση γλωσσών που πλησιάζουν την ανθρώπινη. ΣΥΜΒΑΤΙΚΕΣ ΕΦΑΡΜΟΓΕΣ Προσομοιώνουν το ίδιο το πρόβλημα. Παράσταση και χειρισμός δεδομένων σε επίπεδο αριθμητικών υπολογισμών. Η εκτέλεση είναι βήμα-προς-βήμα, με χρήση αλγορίθμων. Βάση δεδομένων, η γνώση ενσωματώνεται στο πρόγραμμα. Μια βάση γνώσης προσπαθεί ενεργά να συμπληρώσει την πληροφορία που λείπει. Επεξεργασία και γνώση συνδυάζονται σε ένα σειριακό πρόγραμμα. Συνήθως δεν εξηγούν γιατί τα δεδομένα εισόδου χρειάζονται ή πώς συνάγονται τα συμπεράσματα. Χρειάζονται ολοκληρωμένη πληροφορία. Όταν η γνώση είναι ελλιπής ή ασαφής, παίρνουμε λάθος ή και καθόλου αποτέλεσμα. Σε διαφορετική περίπτωση, τα προγράμματα δεν κάνουν λάθη. Η τροποποίηση της γνώσης είναι κοπιαστική αφού επιβάλλει ευρείας κλίμακας μεταβολές στο πρόγραμμα. Χρήση γλωσσών που βρίσκονται πλησιέστερα στον τρόπο λειτουργίας του Η/Υ. 56

57 4.8 ΠΑΕΟΝΕΚΤΗΜΑΤΑ-ΜΕΙΟΝΕΚΤΗΜΑΤΑ ΕΜΠΕΙΡΩΝ ΣΥΣΤΗΜΑΤΩΝ ΣΕ ΣΧΕΣΗ ΜΕ ΤΟΝ ΑΝΘΡΩΠΟ-ΕΙΔΙΚΟ. ΠΛΕΟΝΕΚΤΗΜΑΤΑ Τα έμπειρα συστήματα προσφέρουν αρκετά πλεονεκτήματα στους χρήστες σε σύγκριση με τον άνθρωπο-ειδικό επειδή λειτουργούν σαν τον ανθρώπινο εγκέφαλο. Όλα αυτά, τα καθιστούν σημαντικά εργαλεία στην προσπάθεια του ανθρώπου να δώσει λύσεις στα προβλήματα του και είναι τα εξής[20] : Διαθεσιμότητα Η δημιουργία πολλαπλών αντιγράφων ενός έμπειρου συστήματος είναι μια εύκολη και φθηνή διαδικασία. Καθίσταται λοιπόν δυνατή η αυξημένη διαθεσιμότητα της εμπειρογνωμοσύνης. Αντίθετα, ο άνθρωπος-ειδικός χρειάζεται εκπαίδευση από έναν άλλο ειδικό, διαδικασία ακριβή και κυρίως χρονοβόρα. Κόστος Τα έμπειρα συστήματα μπορούν να αυξήσουν την παραγωγικότητα και να μειώσουν το κόστος προσωπικού. Τα έμπειρα συστήματα έχουν μεν υψηλό κόστος παραγωγής και ανάπτυξης, αλλά χαμηλό κόστος λειτουργίας. Εξάλλου, το συνολικό κόστος παραγωγής και συντήρησης μπορεί να μοιραστεί σε πολλούς χρήστες, με χαμηλό τελικό κόστος παρεχόμενης εμπειρογνωμοσύνης ανά χρήστη. Πληρότητα γνώσης Σε ένα έμπειρο σύστημα συνδυάζεται η γνώση και εμπειρία πολλών ειδικών. Η γνώση που αποθηκεύεται έχει μεγαλύτερο εύρος από τη γνώση ενός μεμονωμένου εμπειρογνώμονα, και είναι μάλιστα διαθέσιμη ανά πάσα στιγμή και εκτεταμένη ακόμα και σε περισσότερα από ένα επιστημονικά πεδία. Μονιμότητα γνώσης Πάγια εμπειρογνωμοσύνη, σε σχέση με τον άνθρωπο-εμπειρογνώμονα, του οποίου η γνώση είναι διαθέσιμη όταν ο ίδιος είναι παρών, με πάντα υπαρκτή την πιθανότητα της απομάκρυνσης του από τη θέση του και την ταυτόχρονη απώλεια της γνώσης. Ομογενοποιημένη αναπαράσταση γνώσης Μέσα στο ίδιο έμπειρο σύστημα, η γνώση αναπαρίσταται παντού με τον ίδιο ή παρόμοιο τρόπο. Έτσι καθίστανται πιο προσιτά και κατανοητά η δομή, η οργάνωση και το περιεχόμενο του συστήματος. Παράλληλα, είναι πιο εύκολη η αποτύπωση της γνώσης. Αντικειμενικότητα Πολλές φορές ένας εμπειρογνώμονας εκφέρει υποκειμενικές απόψεις, επηρεαζόμενος από πολλούς παράγοντες (προσωπικό συμφέρον, επιμονή, κακή προηγούμενη εμπειρία). Αντίθετα, στα έμπειρα συστήματα υπάρχει αντικειμενικότητα, αν η γνώση προέρχεται από πολλούς ειδικούς. Γι αυτό το λόγο, το έμπειρο σύστημα μπορεί να χρησιμοποιηθεί τουλάχιστον συμβουλευτικά, παρέχοντας αυξημένη αξιοπιστία και εμπιστοσύνη στην ορθότητα της απόφασης ενός ειδικού. Συμβουλευτικά μπορεί να χρησιμοποιηθεί ακόμα και στην περίπτωση που το έμπειρο σύστημα 57

58 προγραμματίστηκε με τη γνώση του ειδικού που το χρησιμοποιεί, εάν αυτός θέλει επιβεβαίωση ή δε βρίσκεται σε θέση να εκφέρει άποψη λόγω παραγόντων όπως κούραση και στρες. Τα παραπάνω συνηγορούν σε σταθερή, πλήρη και χωρίς συναισθηματισμούς απάντηση από ένα έμπειρο σύστημα, το οποίο αν το τροφοδοτούμε με τα ίδια δεδομένα, θα καταλήγει πάντα στην ίδια απόφαση. Σε αντιδιαστολή, ο άνθρωπος εμπειρογνώμονας, λόγω συναισθηματικών ή ψυχολογικών παραγόντων μπορεί να μη λειτουργήσει στο μέγιστο της αποδοτικότητάς του, ή να παρουσιάζει αποκλίσεις στις αποφάσεις του. Τεκμηρίωση γνώσης Ένα έμπειρο σύστημα παρέχει μια μόνιμη τεκμηρίωση της γνώσης και των κανόνων του γνωστικού πεδίου. Σε πολλές περιπτώσεις άλλωστε χρησιμοποιούνται τα έμπειρα συστήματα για την εκπαίδευση ανθρώπων. Μπορεί λοιπόν να δώσει λεπτομερή επεξήγηση συλλογιστικής που το οδήγησε σε κάποιο συμπέρασμα, ενώ ο εμπειρογνώμονας μπορεί να μην επιθυμεί ή να μην είναι σε θέση να το κάνει. Απόκριση Σε κάποιες εφαρμογές, ένα έμπειρο σύστημα μπορεί να χαρακτηρίζεται από γρήγορη απόκριση, εξετάζοντας σε μικρό χρόνο πολλές πιθανές λύσεις και να λάβει υπόψη του όλα τα δεδομένα εισόδου. Αντίθετα, ο άνθρωπος-εμπειρογνώμονας μπορεί να μην είναι σε θέση να αντιδράσει άμεσα, ενώ συχνά δεν είναι άμεσα διαθέσιμος. Με αυτόν τον τρόπο εξοικονομείται πολύτιμος χρόνος. Μείωση κινδύνου Ελαττωμένο κίνδυνο χρήσης τους σε επικίνδυνα για τον άνθρωπο περιβάλλοντα. Τα έμπειρα συστήματα με την χρήση αισθητήρων, μπορούν να λαμβάνουν αποφάσεις και να παρακινούν ενέργειες ακόμα και σε περιβάλλοντα επικίνδυνα για τον ανθρώπινο οργανισμό. 58

59 ΤΕΙ Πελοπόννησου ΜΕΙΟΝΕΚΤΗΜΑΤΑ Τα βασικά μειονεκτήματα των έμπειρων συστημάτων σε σύγκριση με τον άνθρωποειδικό είναι τα εξής [20]: Έλλειψη κοινής λογικής-εμπειρίας Οι ειδικοί συνδυάζουν πολλές φορές μαζί με την γνώση και την εμπειρία τους, σοφία ή κοινή λογική για την αποδοχή ή απόρριψη λύσεων. Τα έμπειρα συστήματα μπορούν μεν να δικαιολογήσουν τις λύσεις που προτείνουν αλλά δεν μπορούν να τις αξιολογήσουν. Έλλειψη μετά-γνώσης Ένας εμπειρογνώμονας γνωρίζει τα όρια των δυνατοτήτων του. Τα έμπειρα συστήματα πάσχουν από έλλειψη μετά-γνώσης, τη γνώση δηλαδή των δυνατοτήτων του και των καταστάσεων τις οποίες μπορεί να αντιμετωπίσει. Περιορισμένο γνωστικό αντικείμενο Τα έμπειρα συστήματα δεν είναι αποδοτικά στο να αντιμετωπίζουν απροσδιόριστες ή νέες καταστάσεις, ούτε στο να παρέχουν απαντήσεις σε προβλήματα εκτός του γνωστικού τους πεδίου. Γνωρίζουν ακριβώς ότι περιέχεται στη βάση γνώσης τους και τίποτα παραπάνω, σε αντίθεση με τον άνθρωπο-ειδικό, που μπορεί να ανταποκριθεί με κάποιον τρόπο σε οποιαδήποτε κατάσταση, ακόμα και χωρίς να είναι ο πλέον κατάλληλος. Έλλειψη δημιουργικότητας Οι άνθρωποι μπορούν να αντιδρούν δημιουργικά (αν και μερικές φορές λανθασμένα) σε αναπάντεχες και ασυνήθιστες καταστάσεις. Απουσία ελέγχου της γνώσης Τα περισσότερα έμπειρα συστήματα δεν εκτελούν έλεγχο της λογικής ορθότητας, πληρότητας και συνέπειας της γνώσης την οποία τροφοδοτούνται. Αντίθετα, ο ειδικός μπορεί να το κάνει αυτό, έστω και εμπειρικά, ή ακόμα και υποσυνείδητα. Εξάρτηση στη διαδικασία εκμάθησης Οι άνθρωποι μπορούν να προσαρμόζονται σε περιβάλλοντα που αλλάζουν συνεχώς μέσω της επικοινωνίας με το περιβάλλον και της εκμάθησης. Εμφανίζουν λοιπόν μια αυτονομία στη μάθηση, έστω και αν αυτή η διαδικασία μπορεί να αποδειχθεί αργή. Τα έμπειρα συστήματα πρέπει να προγραμματιστούν για να μαθαίνουν αυτόματα και να αναθεωρούν τη συμπεριφορά τους (μηχανική μάθηση), χωρίς πάντα να λαμβάνουν υπόψη τους εντελώς νέα, εξωτερικά γι αυτά, δεδομένα. Έλλειψη αισθήσεων Η δυνατότητα αίσθησης του περιβάλλοντος και η πολλαπλή ανάκτηση πληροφοριών μέσω των αισθητήριων οργάνων επιτρέπει στους ανθρώπους μια συνεχή ανανέωση της γνώσης. Τα έμπειρα συστήματα περιορίζονται στην εισαγωγή της γνώσης μέσω της συμβολικής της αναπαράστασης. 59

60 ΤΕΙ Πελοπόννησου Παρά τα πλεονεκτήματα τους, τα έμπειρα συστήματα δεν έχουν αντικαταστήσει πλήρως τον άνθρωπο-ειδικό, αλλά συνήθως τον απαλλάσσουν από τις τετριμμένες εργασίες, χρησιμοποιώντας τη βοήθεια του σε περιπτώσεις για τις οποίες έχουν ελλιπή ή μη κατάλληλη γνώση. Με βάση αυτές τις προδιαγραφές, καθορίζονται τα πλαίσια μέσα στα οποία κατασκευάζονται τα εργαλεία για την υλοποίηση τους αλλά και οι κατηγορίες προβλημάτων για τα οποία συνίσταται η χρήση έμπειρων συστημάτων. 4.9 ΣΥΝΟΨΗ Σε αυτό το κεφάλαιο περιγράφτηκαν οι εφαρμογές της πληροφορικής στη ιατρική που έχουν ως στόχο την κατάδειξη του εύρους της σχέσης που έχει αναπτυχθεί ανάμεσα στις δύο επιστήμες. Πιο συγκεκριμένα εστιάσαμε στη συμβολή της τεχνητής νοημοσύνης στην ιατρική και των έμπειρων συστημάτων μέσω της ανασκόπησης των κυριότερων από αυτών. Έμπειρα συστήματα είναι συστήματα βάσης γνώσης για την επίλυση προβλημάτων, των οποίων η σωστή επίλυση από τον άνθρωπο συνδέεται με την ύπαρξη εμπειρογνωμοσύνης. Επιπλέον, η χρήση της τεχνολογίας των έμπειρων συστημάτων συνίσταται για προβλήματα τα οποία δεν μπορούν να επιλυθούν αποδοτικά με τις παραδοσιακές μεθόδους προγραμματισμού. Βέβαια, για την δημιουργία ενός έμπειρου συστήματος χρειάζεται μεγάλη προσπάθεια και συνήθως σημαντικό κόστος. Τέλος, τα ιατρικά έμπειρα συστήματα είναι μια πραγματική δύναμη και όχι μια ακαδημαϊκή αντίληψη. Ο ρόλος των ιατρικών έμπειρων συστημάτων στην κλινική φροντίδα είναι πολύ σαφής. Υπάρχουν δε τομείς εφαρμογής που είναι κατάλληλοι για την άμεση εφαρμογή ή την περαιτέρω ανάπτυξη και την εκμετάλλευση. Αυτοί οι κλινικοί τομείς εφαρμογής περιλαμβάνουν: Εργαστηριακά συστήματα. Τα κλινικά εργαστήρια έχουν αποδειχθεί μία εύφορη περιοχή για την χρήση των έμπειρων συστημάτων. Συμβουλευτικά συστήματα φαρμάκων. Υπάρχει δυνατότητα να σχεδιαστούν ΕΣ που θα βοηθήσουν τους νοσοκομειακούς γιατρούς στη συνταγογράφηση και την επιλογή των οικονομικότερων θεραπειών. Ερμηνεία σημάτων. Η ανάπτυξη συστημάτων εγρήγορσης για αποστολή κλινικών σημάτων σε πραγματικό χρόνο, σε περιοχές όπως η μονάδα εντατικής θεραπείας θα προσφέρει βοήθεια στην κλινική επαγρύπνηση. Εκπαίδευση. Τα ΕΣ χρησιμοποιούνται στην εκπαίδευση και στην εξάσκηση νοσοκομειακών και σπουδαστών σε διάφορες ιατρικές εργασίες. 60

61 ΤΕΙ Πελοπόννησου ΚΕΦΑΛΑΙΟ 5: ΙΑΤΡΙΚΑ ΣΥΣΤΗΜΑΤΑ ΥΠΟΣΤΗΡΙΞΗΣ ΑΠΟΦΑΣΗΣ (MDSS) 5.1 ΣΥΣΤΗΜΑΤΑ ΥΠΟΣΤΗΡΙΞΗΣ ΑΠΟΦΑΣΕΩΝ (DSS) Τα συστήματα υποστήριξης λήψης αποφάσεων είναι συστήματα βασισμένα σε υπολογιστές τα οποία βοηθούν το χρήστη να πάρει μια απόφαση και συνήθως υποστηρίζουν τη λήψη ημιδομημένων ή αδόμητων αποφάσεων. Συγκεκριμένα, περιέχουν μία βάση γνώσης η οποία αποτελείται από κανόνες όπου αλληλεπιδρούν με το χρήστη και του παρέχουν ένα σύνολο πιθανών λύσεων. Τα συστήματα αποτελούνται από τρία μέρη: Αναλυτικότερα, η βάση γνώσης περιέχει ένα σύνολο από κανόνες του τύπου IF- THEN. Η διεπαφή δίνει τη δυνατότητα στο χρήστη να εισάγει δεδομένα στο σύστημα συνήθως μέσω ερωτήσεων του συστήματος προς το χρήστη. Η μηχανή συμπερασμού συγκρίνει τα δεδομένα του χρήστη με τα δεδομένα που υπάρχουν στη βάση γνώσης και αν κάποιος κανόνας προκόψει αληθής (IF rule = =TRUE) τότε εκτελείται το αντίστοιχο σενάριο εντολών (THEN {action 1...actionN}). Τα συστήματα λήψης αποφάσεων μπορούν να στηρίξουν όλα τα στάδια λήψης μιας απόφασης. Εάν ο χρήστης στο πρώτο στάδιο εισάγει κάποια δεδομένα και αυτά έχουν σαν αποτέλεσμα ένα σύνολο από πιθανές απαντήσεις, τότε το σύστημα συνεχίζει να αλληλεπιδρά προσφέροντας ένα δεύτερο στάδιο εισαγωγής δεδομένων με στόχο να αποκλείσει ή να ενισχύσει πιθανά σενάρια, έτσι ώστε να δώσει ένα πιο ολοκληρωμένο και έγκυρο σύνολο απαντήσεων. Ο αριθμός των σταδίων μπορεί να διαφέρει από σύστημα σε σύστημα. Τα οφέλη που προκύπτουν από τη χρήση αυτών των συστημάτων είναι η επίσπευση της λύσης του προβλήματος, η δυνατότητα προσομοίωσης, η εύκολη χρήση και προσαρμοστικότητα στις ανάγκες των χρηστών, η ανακάλυψη νέων προσεγγίσεων σκέψης σχετικά με το πρόβλημα, η δημιουργία καινούργιων αποδείξεων για τη στήριξη μιας απόφασης κ.α.[24] 61

62 ΤΕΙ Πελοπόννησου Μια απλοϊκή απεικόνιση λειτουργίας ενός τέτοιου συστήματος είναι η εξής: Βάση γνώσης Μηχανή συμπερασαού I t Διεπαφή με τον χρήστη! _! Χρήστης ΣΧΗΜΑ 4 Σύστιιμα υποστήριξης λήψης αποφάσεων. Ιστορία Ήδη από τα τέλη του 1950 και αρχές του 1960 γεννήθηκε η ανάγκη για δημιουργία πληροφοριακών συστημάτων υποστήριξης λήψης αποφάσεων. Οι θεωρητικές μελέτες για την ανάπτυξή τους διενεργήθηκαν από το Ινστιτούτο τεχνολογίας του Carnegie και το Ινστιτούτο τεχνολογίας της Μασαχουσέτης. Βέβαια ο τομέας των συστημάτων υποστήριξης λήψης αποφάσεων έγινε ανεξάρτητη περιοχή έρευνας στα μέσα της δεκαετίας του 1970 όπου αναπτύχθηκαν πρακτικά τα πρώτα συστήματα υποστήριξης λήψης αποφάσεων από τους Peter Keen, Charles Stabeil, Michael S. Scott Morton, Ralph Sprague και Andrew Whinston. Τα συστήματα υποστήριξης λήψης αποφάσεων διαθέτουν ένα ευρύ φάσμα εφαρμογής. Μερικοί από τους κλάδους στους οποίους χρησιμοποιούνται είναι η ιατρική διάγνωση, η χρηματιστηριακή αγορά, οι επιχειρήσεις και το management, η αγροτική παραγωγή, τα δίκτυα συγκοινωνιών κ.α. Γενικότερα μπορούν να χρησιμοποιηθούν σε οποιονδήποτε τομέα είναι απαραίτητη η οργάνωση.[24] 62

63 ΤΕΙ Πελοπόννησου 5.2 ΙΑΤΡΙΚΑ ΣΥΣΤΗΜΑΤΑ ΥΠΟΣΤΗΡΙΞΗΣ ΑΠΟΦΑΣΕΩΝ (MDSS) Η πολυπλοκότητα καν ο τεράστιος όγκος δεδομένων χαρακτηρίζουν τα σύγχρονα ιατρικά συστήματα και τις ανάγκες τους που αυξάνονται συνεχώς. Νέες πρακτικές, μοντέλα, μεθόδους και τεχνικές έχουν αρχίσει να εμφανίζονται ως συμπληρώματα για ιατρικές διαδικασίες και προϊόντα. Έτσι, τα Συστήματα Υποστήριξης Αποφάσεων (DSS), στον τομέα της ιατρικής, απαιτούν ευελιξία, αυτονομία, ευφυΐα, αξιοπιστία, αλλά πάνω από όλα θα πρέπει να τα εμπιστεύεται ο γιατρός για να μπορεί να τα χρησιμοποιήσει. Για να εκπληρωθούν όλες αυτές οι διαφορετικές και δύσκολες απαιτήσεις, οι γιατροί θα πρέπει να είναι σε στενή συνεργασία με τους επιστήμονες και τους μηχανικούς για να διερευνούν τα νέα μοντέλα και τις τεχνικές που θα είναι ο πυρήνας αυτών των περίπλοκων συστημάτων. Παράλληλα, να επιδιώκουν να αναπτύξουν νέα μοντέλα και εργαλεία λογισμικού για την αντιμετώπιση περίπλοκων ζητημάτων των ιατρικών προβλημάτων.[34] Η μοντελοποίηση είναι η βάση για την αποτελεσματική εκπροσώπηση των γνώσεων από τους αρχαίους χρόνους. Είναι σαφές ότι τα τελευταία χρόνια οι απαιτήσεις στην μοντελοποίηση, την ανάλυση, και την κατανόηση των ιατρικών προβλημάτων δεν μπορούν να αντιμετωπιστούν μόνο με τις κλασικές υπάρχουσες συμβατικές μεθόδους και θεωρίες που έχουν αναπτυχθεί και χρησιμοποιούνται κατά κύριο λόγο από το συγκεκριμένο επιστημονικό τομέα της ιατρικής. Είναι λοιπόν απαραίτητο να χρησιμοποιούν μεθοδολογίες και τεχνικές από διάφορα επιστημονικά πεδία με ένα διεπιστημονικό τρόπο. Επιπλέον, πρέπει να ερευνήσουν και να χρησιμοποιήσουν τα νέα μοντέλα και τις μεθόδους που θα μπορούσαν να εκμεταλλευτούν την ανθρώπινη εμπειρία, να έχουν μαθησιακές ικανότητες, να είναι εξοπλισμένα με σύστημα εντοπισμού και αναγνώρισης λαθών και να μπορούν να χειριστούν πραγματικά ιατρικά προβλήματα που χαρακτηρίζονται από ασάφεια, αβεβαιότητα, πολυπλοκότητα και την ίδια στιγμή θα βρίσκονται αντιμέτωποι με ένα μεγάλο αριθμό ιατρικών δεδομένων χωρίς επίβλεψη. Η άνθιση των νέων θεωριών και των τεχνικών όπου παρέχουν διαφορετικά πεδία, όπως είναι η Ασαφής Λογική, τα Νευρωνικά δίκτυα, τα Neutrosophic, οι Γενετικοί Αλγόριθμοι, η Πιθανοτική Συλλογιστική, τα Συστήματα Γνώσης (KBS), οι Soft Τεχνικές Computing, ο Ευφυής Έλεγχος (1C) και τα Ασαφή Γνωστικά Δίκτυα (FCM) ελέγχουν όλα τα εμπλεκόμενα μέρη για να εργαστούν μαζί με ένα φιλικό τρόπο, ώστε να αναπτύξουν και να χρησιμοποιήσουν τα νέα μοντέλα, τις θεωρίες και τα εργαλεία για αντιμετώπιση των ιατρικών προβλημάτων και ειδικά για DSS.[24] Τα συστήματα λήψης ιατρικών αποφάσεων (MDSS-Medical decision Support Systems) είναι διαδραστικά συστήματα αποφάσεων που χρησιμοποιούνται στην ιατρική διάγνωση για τη λήψη αποφάσεων. Πολλοί ορισμοί έχουν δοθεί για τα ιατρικά συστήματα υποστήριξης αποφάσεων. Ένας γενικός και περιγραφικός ορισμός δόθηκε από τους Wyatt & Spiegelhalter[48] : Τα συστήματα λήψης ιατρικών αποφάσεων είναι ενεργά συστήματα γνώσης που χρησιμοποιούν δύο ή περισσότερα στοιχεία του ασθενή με σκοπό να δώσουν εξατομικευμένη ιατρική απόφαση. 63

64 ΤΕΙ Πελοπόννησου Επιπλέον, ο ορισμός που έχει δοθεί από τον Dr. Robert Hayward του Centre for Health Evidence είναι ο παρακάτω: Τα συστήματα λήψης ιατρικών αποφάσεων συνδέουν την παρατήρηση ασθενειών με τη γνώση με σκοπό να καθοδηγήσουν τις αποφάσεις των γιατρών. Ο ρόλος αυτών των συστημάτων είναι για να βοηθήσουν τους γιατρούς στη λήψη αποφάσεων και όχι για να αποφασίζουν αντί αυτών. Βέβαια, λίγα χρόνια πριν χρησιμοποιούνταν για πολύ συγκεκριμένους σκοπούς, όπως να ερμηνεύουν τα αποτελέσματα μιας παρακολούθησης της πνευμονικής λειτουργίας, να αναλύουν καρδιογραφήματα κ.α. Πρόσφατα, αναπτύχθηκαν ακόμα περισσότερο και σε πιο ευαίσθητες περιοχές όπως η ακτινοθεραπεία και στο μέλλον αναμένεται περαιτέρω αύξηση της χρήσης τους. Στόχος είναι οι ακριβείς και αξιόπιστες διαγνώσεις και η αποφυγή λαθών από ελλιπείς γνώσεις των γιατρών. Επίσης μειώνεται το κόστος καθώς η διάγνωση γίνεται πιο γρήγορα, οι χορηγήσεις των φαρμάκων είναι mo αποδοτικές και εξαλείφεται η ανάγκη για εξειδικευμένους γιατρούς. Βέβαια τίθεται και το ζήτημα εάν η κακή χρήση αυτών των συστημάτων ή κάποια λάθος λειτουργία τους, θέτει σε κίνδυνο την υγεία των ασθενών. Αυτό όμως αφορά ερωτήματα ηθικής φύσεως τα οποία δεν θα τα αναλύσουμε περαιτέρω. Τα ιατρικά συστήματα υποστήριξης αποφάσεων μπορούν να παρέχουν βοήθεια στις κρίσιμες κλινικές κρίσεις, ιδιαίτερα για τους άπειρους ιατρικούς επαγγελματίες. Τα Ασαφή Γνωστικά Δίκτυα είναι μια τεχνική υπολογισμού για πολυσύνθετα συστήματα η οποία ακολουθεί μια προσέγγιση παρόμοια με τον ανθρώπινη σκέψη και την ανθρώπινη διαδικασία λήψης απόφασης. Τα ΑΓΔ μπορούν να αντιπροσωπεύσουν επιτυχώς την γνώση και την ανθρώπινη εμπειρία, εισάγοντας έννοιες για να αντιπροσωπεύσει τα απαραίτητα στοιχεία και τις σχέσεις αιτίας -αποτελέσματος μεταξύ των εννοιών καθώς και για να διαμορφώσει την συμπεριφορά οποιαδήποτε συστήματος. Τα συστήματα υποστήριξης απόφασης (DSS) για ιατρικά προβλήματα με τη χρήση προηγμένων υπολογιστικών μεθόδων και ασαφούς λογικής με τεχνικές ΑΓΔ προτείνονται ως κύρια μεθοδολογία. Τα ΑΓΔ είναι δίκτυα συμπερασμάτων χρησιμοποιώντας κυκλικές γραφικές παραστάσεις κατεύθυνσης που αντιπροσωπεύουν την αιτιώδη σχέση μεταξύ των εννοιών και είναι ένας συνδυασμός της ασαφούς λογικής και των νευρωνικών δικτύων. [24] Οποιαδήποτε επιτυχές ιατρικό σύστημα υποστήριξης απόφασης πρέπει να έχει υπόψη του ένα υψηλό ποσό στοιχείων και πληροφοριών από τις διεπιστημονικές πηγές (αρχεία και ιστορικό ασθενή, φυσική εξέταση και αξιολόγηση των γιατρών, εργαστηριακά test, εικονικές δοκιμές, κλπ.). Γενικά, η ιατρική διαδικασία απόφασης είναι σύνθετη δεδομένου ότι συχνά, τα ιατρικά στοιχεία και οι πληροφορίες μπορεί να είναι ασαφή, συγκρουόμενα, ελλιπή ή να μην μπορούν εύκολα να ερμηνευτούν. Κατά συνέπεια, τα MDSS είναι σύσταση πολυσύνθετων συστημάτων από τα μη-σχετικά και σχετικά υποσυστήματα και τα στοιχεία που λαμβάνουν υπόψη είναι από πολλούς παράγοντες όπου μπορούν να είναι συμπληρωματικοί, αντιφατικοί και ανταγωνιστικοί. Αυτοί οι παράγοντες επηρεάζουν ο ένας τον άλλον και καθορίζουν την γενική απόφαση σε ένα διαφορετικό βαθμό. Είναι προφανές ότι τα ιατρικά συστήματα υποστήριξης απόφασης απαιτούν μια περίπλοκη μεθοδολογία διαμόρφωσης που μπορεί να χειριστεί όλες αυτές τις προκλήσεις ενώ συγχρόνως, είναι σε θέση να συμπεραίνει μια απόφαση. Ένα προηγμένο ιατρικό 64

65 ΤΕΙ Πελοπόννησου σύστημα υποστήριξης απόφασης πρέπει να είναι ικανό να εξάγει την αιτιώδη γνώση από την κατάλληλη ιατρική περιοχή, μια αιτιώδη βάση γνώσεων και να βγάλει συμπεράσματα μέσω αυτού. [6] Χαρακτηριστικό παράδειγμα MDSS είναι το Healthagents. Είναι ένα web based σύστημα υποστήριξης λήψης αποφάσεων ανοικτού κώδικα (DSS), το οποίο παρέχει στα νοσοκομεία και στους οργανισμούς ένα αξιόπιστο εργαλείο για να βοηθήσει στη διάγνωση των όγκων του εγκεφάλου και την πρόγνωση τους με στόχο να αποφευχθεί η επεμβατική χειρουργική διαδικασία. [37] 5.3 Η ΔΙΑΓΝΩΣΤΙΚΗ ΔΙΑΔΙΚΑΣΙΑ ΤΩΝ ΙΑΤΡΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΥΠΟΣΤΗΡΙΞΗΣ ΑΠΟΦΑΣΕΩΝ. Η διαγνωστική διαδικασία είναι πολύπλοκη και αποτελείται από βήματα όπως φαίνεται στο σχήμα 5. ΣΧΗΜΑ 5 Η διαγνωσηκι) διαδικασία. Αρχικά ο ιατρός προσπαθεί να καταλάβει την κατάσταση της υγείας του ατόμου από το ιατρικό ιστορικό του και από την συνέντευξη, πριν την εμφάνιση της ασθένειας. Ο ιατρός αξιολογεί τα συμπτώματα και τις ενδείξεις. Τα συμπτώματα και οι ενδείξεις της ασθένειας συνδιάζονται με αυτά άλλων παρόμοιων ασθενειών για την απόκλιση λανθασμένων διαγνώσεων. Με βάση τις διαγνωστικές δυνατότητες των κλινικών τέστ 65