Γ ΚΠΣ ΕΠΕΑΕΚ ΙΙ ΜΕΤΡΟ 2.2, ΚΑΤΗΓΟΡΙΑ ΠΡΑΞΗΣ 2.6.1.ια ΕΡΓΟ: «ΠΕΡΙΒΑΛΛΟΝ - ΑΡΧΙΜΗΔΗΣ-Ενίσχυση ερευνητικών ομάδων του ΤΕΙ ΚΡΗΤΗΣ» ΥΠΟΕΡΓΟ 1: «Εφαρμογή του Περιβαλλοντικού Συστήματος Στήριξης Αποφάσεων Expert System στα οικοσυστήματα των ποταμών της Κρήτης (Expert System-Crete (ES-Cr))». Πακέτο Εργασίας 5 (Π.Ε 5) Δραστηριότητα: Εκτίμηση του ΕS με τα διαφορετικά σύνολα δεδομένων Παραδοτέο 9 Έκθεση εκτίμησης του STREAMES - EDSS. Ομάδα εργασίας: Υπεύθυνος Π.Ε.5 Ε. Μαρακάκης Συμμετέχοντες: Α. Βορεάδου Γ. Τζίκας Κ. Μάδη Ε. Κουρουτζίδου Γ. Μαρκάκης
ΠΑΚΕΤΟ ΕΡΓΑΣΙΑΣ 5 (Π.Ε 5): Εκτίμηση του ΕS με τα διαφορετικά σύνολα δεδομένων. ΠΑΡΑΔΟΤΕΟ 9 : Έκθεση εκτίμησης του STREAMES - EDSS. Τα περιβαλλοντικά ζητήματα ανήκουν σε μια ομάδα κρίσιμων θεμάτων για τα οποία λάθος διαχειριστικές αποφάσεις μπορούν να οδηγήσουν σε καταστροφικές κοινωνικές, οικονομικές και οικολογικές συνέπειες. Γι αυτό το λόγο ο προσδιορισμός των αιτιών σοβαρών περιβαλλοντικών προβλημάτων με τη χρήση Έμπειρων συστημάτων κρίνεται μέγιστης σημασίας για τους ειδικούς φορείς λήψης αποφάσεων που τα χρησιμοποιούν ως βοηθητικά εργαλεία για τη λήψη κρίσιμων αποφάσεων. Τα Έμπειρα συστήματα άλλωστε δεν αποτελούν μόνο ένα αποτελεσματικό μηχανισμό για την εύρεση της ιδεατής λύσης, αλλά συνεισφέρουν στο να γίνει ολόκληρη η διαδικασία λήψης αποφάσεων περισσότερο ανοιχτή και διαφανής. Σε αυτό το πλαίσιο τα Έμπειρα συστήματα παίζουν σημαντικό ρόλο στην αλληλεπίδραση του ανθρώπου με το οικοσύστημα, μια και είναι ειδικά σχεδιασμένα να χειριστούν τη πολυδιάστατη φύση και την υψηλή πολυπλοκότητα περιβαλλοντικών προβλημάτων. Ο έλεγχος της απόδοσης του συγκεκριμένου Έμπειρου συστήματος STREAMES EDSS πραγματοποιήθηκε με καλά ορισμένα δεδομένα από τρία ποτάμια της Κρήτης. Τα αποτελέσματα που προέκυψαν από την εισαγωγή των δεδομένων (Π.Ε 4 και Π.Ε 5) στο υπάρχον υπολογιστικό σύστημα ανέδειξαν μια σειρά πολύ σημαντικών προβλημάτων, τα οποία αφορούν τόσο τεχνικές αδυναμίες όσο και κενά και παραλήψεις στη Βάση Γνώσεων του. Ο έλεγχος της Βάσης Γνώσεων (ΒΓ) του συστήματος ανέδειξε μια σειρά κενών και αδυναμιών. Συγκεκριμένα το σύστημα σε πολλές περιπτώσεις οδηγήθηκε σε αντικρουόμενη διάγνωση, μετά την εισαγωγή ακραίων τιμών που εξετάζουν το ίδιο 2
πρόβλημα. Επίσης κατά τη διάρκεια του ελέγχου και της τροποποίησης της ΒΓ διαπιστώθηκαν ελλείψεις αντιστοιχιών μεταξύ παραμέτρων που υπάρχουν στη ΒΓ και στο interface του συστήματος καθώς και απουσία παραμέτρων που εμφανίζονται στη ΒΓ αλλά όχι στο interface (Π.Ε 4 Παραδοτέο 8). Kατά τη διάρκεια του Π.Ε 4 συλλέχθηκαν και επιπλέον δεδομένα τα οποία σύμφωνα με την εμπειρία μας είναι κρίσιμα για την περιοχή της Κρήτης (η Κατακόρυφη Υδραυλική Διαβάθμιση - Vertical Hydraulic Gradient και η εποχιακή διακύμανση του οργανικού άνθρακα στο ίζημα). Η εισαγωγή όμως αυτών των δεδομένων, δεν ήταν δυνατό να πραγματοποιηθεί καθώς δεν είχε προβλεφθεί στο υπάρχον σύστημα STREAMES-EDDS και κατ επέκταση στη βάση γνώσεων του συστήματος με την μορφή κάποιου Δέντρου Αποφάσεων. Εκτός όμως από τις αδυναμίες στη Βάση Γνώσεων, το STREAMES EDSS σε πολλές περιπτώσεις αποδείχτηκε τεχνικά ασταθές. Συγκεκριμένα πολλές φορές όταν τροποποιηθούν από το χρήστη κάποια δεδομένα από αυτά που ήδη έχουν καταγραφεί στις επτά θεματικές ενότητες (φόρμες), το πρόγραμμα τερματίζει τη λειτουργία του πριν προλάβει ο χρήστης να αποθηκεύσει τις τροποποιήσεις αυτές. Όταν ο χρήστης θέσει σε λειτουργία το ES και επιλέξει ένα από τα υπάρχοντα ποτάμια, το σύστημα στην πορεία δεν επιτρέπει την αλλαγή των δεδομένων που αφορούν την πρώτη θεματική ενότητα δηλαδή την ταυτότητα του συγκεκριμένου ποταμού. Όταν ο χρήστης καταγράψει τα δεδομένα της δειγματοληψίας στο σύστημα και στη συνέχεια τρέξει το πρόγραμμα, στη φόρμα των αποτελεσμάτων που εμφανίζεται, καθυστερεί (ή δεν εμφανίζεται ποτέ) η διάγνωση των προβλημάτων και των αιτιών που ευθύνονται για την κατάσταση που επικρατεί στο επιλεγμένο ποτάμι. Εάν πραγματοποιούνται συγχρόνως από το χρήστη διαφορετικές διαδικασίες επηρεάζονται άλλα προγράμματα που λειτουργούν ταυτόχρονα με το STREAMES. Τέλος σε ορισμένες περιπτώσεις το STREAMES μπορεί να τερματίσει τη λειτουργία του απροειδοποίητα προτού προλάβει να γίνει αποθήκευση των δεδομένων. 3
Όλα τα παραπάνω και κυρίως η τεχνική αστάθεια του συστήματος ενίσχυσαν την απόφαση που έλαβε η επιστημονική ομάδα να κατασκευάσει από την αρχή ένα έμπειρο σύστημα το οποίο θα στηρίζεται σε μεγάλο βαθμό στη βάση γνώσεων του STREAMES-EDDS και θα υλοποιηθεί σε μια μη συμβατική γλώσσα προγραμματισμού αλλά σε μια γλώσσα τεχνητής νοημοσύνης, τη Prolog. Οι λόγοι για τους οποίους επιλέχθηκε μια γλώσσα τεχνητής νοημοσύνης (Prolog - PROgramming in LOGic) έναντι μιας συμβατικής γλώσσας προγραμματισμού (C, C++) έχουν να κάνουν με το γεγονός ότι η Prolog είναι κατάλληλη για προβλήματα Τεχνητής Νοημοσύνης και ιδιαίτερα για εκείνα που έχουν να κάνουν με δομημένα αντικείμενα (objects) και τις μεταξύ τους σχέσεις. Στις συνήθεις γλώσσες προγραμματισμού (Pascal, C, Fortran, κλπ.) ένα πρόβλημα περιγράφεται διαδικαστικά (procedural). Δηλαδή, ο προγραμματιστής πρέπει να δώσει όλα τα βήματα που θα ακολουθήσει ο υπολογιστής για να λύσει το πρόβλημα. Ενώ η Prolog εισάγει την έννοια του δηλωτικού (declarative) τρόπου περιγραφής προβλημάτων. Σε αυτήν την περίπτωση ο προγραμματιστής περιγράφει το πρόβλημα του υπό μορφή γεγονότων και κανόνων. Η Prolog χρησιμοποιώντας συμπερασματική συλλογιστική (deductive reasoning) βρίσκει όλες τις λύσεις του προβλήματος. Αυτός ο τρόπος περιγραφής του προβλήματος και εύρεσης των υπαρχόντων λύσεων είναι που κάνει διαφορετικό τον προγραμματισμό σε Prolog. Σε ότι αφορά τη χρήση της Prolog ως εργαλείο για την κατασκευή έμπειρων συστημάτων είναι μια γλώσσα προγραμματισμού η οποία έχει αναπτυχθεί για την υλοποίηση προβλημάτων τεχνητής νοημοσύνης στα οποία απαιτείται η αναπαράσταση γνώσεων σε συμβολική μορφή. Τέτοια συστήματα τεχνητής νοημοσύνης είναι τα έμπειρα συστήματα τα οποία τα χρησιμοποιούν ειδικοί φορείς λήψης αποφάσεων ως βοηθητικά εργαλεία για τη λήψη κρίσιμων αποφάσεων. Επιπλέον στην Prolog η παράσταση γνώσεων γίνεται σε μορφή if then rules (εάν τότε κανόνες). Για την ανάπτυξη έμπειρων συστημάτων, τα οποία καλούνται να χειριστούν τη πολυδιάστατη φύση και την υψηλή πολυπλοκότητα περιβαλλοντικών προβλημάτων, η παράσταση γνώσης σαν if then rules είναι η πιο αποτελεσματική. Οι διεργασίες που εκτελούν τέτοια συστήματα βασίζονται κυρίως σε διαδικασίες συλλογισμών οι οποίες εκτελούνται από τη μηχανή συλλογισμών του συστήματος. Η 4
μηχανή συλλογισμών εξομοιώνει τον τρόπο σκέψης του εμπειρογνώμονα (ή των εμπειρογνωμόνων). Έτσι ένα σύστημα κατασκευασμένο με τεχνικές τεχνητής νοημοσύνης ακολουθεί μια διαδικασία συλλογισμών, όμοια με αυτή που θα ακολουθούσε ο εμπειρογνώμονας για να καταλήξει στα κατάλληλα συμπεράσματα. Με αυτή τη μέθοδο το σύστημα γίνεται πολύ πιο αξιόπιστο και στις περισσότερες περιπτώσεις περιορίζεται ο αριθμός των κανόνων που θα επεξεργαστεί το σύστημα. Δηλαδή, η διαδικασία συλλογισμών μας δίνει την δυνατότητα να αποκλείσουμε κανόνες οι οποίοι δεν μπορούν να ισχύσουν για τα δεδομένα που δίνονται χωρίς να απαιτείται η επεξεργασία των κανόνων αυτών. Το νέο σύστημα θα είναι δομημένο και ευέλικτο ώστε να μπορεί να προσαρμόζεται εύκολα σε νέους χώρους εφαρμογής. 5