fit 2002 > Expertensysteme > konzeptionelle Entwicklungen und Auswirkungen

Überblick

Differenzierungen und Variationen der ursprünglichen Konzepte Dir ursprünglichen Konzepte der AI bzw. Expertensysteme sind, wie schon vorher besprochen im Sinne der Wissensakquisition, der Wissensrepräsentation und maschinellem Schließen zu Sehen. Da diese Begriffe noch relative allgemein sind, entstanden daraus natürlich auch viele verschiedene Ansätze entstanden dies umzusetzen. Nochmals zur Wissensrepräsentation Es gibt viele Möglichkeiten vorhandenes Wissen bzw. gefundene Lösungen darzustellen. Je übersichtlicher und durchsichtiger diese Darstellung ist, desto größer wird der Wert des AI oder Expertensystems sein. Kalkuliert ein Expertensystem Lösungen durch und schreibt nur die Lösungen an, kann dies mitunter Misstrauen von menschlichen Experten bewirken, die dann vielleicht nicht den Lösungsweg verstehen können. Im Allgemeinen wird es zwar von Vorteil sein, wenn nach dem logischen Schließen und dem Finden einer Lösung, nur diese Lösung gezeigt und dargestellt wird. Auf Wunsch des Experten, der das System bedient sollten dann aber auch die Fakten und der Weg des Schließens nachvollziehbar dargestellt und einzusehen sein. So können in vielen Fällen, die Lösungen eines Expertensystems graphisch oder anhand von Zahlen dargestellt werden. Eventuell kann für die Darstellung von gefundenen Lösungen auch eine eigene Skriptsprache oder eine Sprache mit eigens dafür entwickelter Semantik verwendet werden. Automatisches Schließen Da das Automatische Schließen nicht nur die Weg zur Lösungsfindung betrifft sondern auch den Weg zur Wissensakquisition bzw. zum Schaffen der Wissensbasis, betrifft existieren hier eine mittlerweile mannigfaltige Anzahl von Lösungsansätzen. Vor allem bei kleineren Expertensystemen kommt es nicht selten vor, dass die Daten oftmals von einem vor Ort angestellten Experten eingegeben werden. Bei größeren Systemen ist diese Variante nicht vorteilhaft, da Expertenwissen heutzutage meist teuer erkauft werden muss. Hier ist es von Vorteil wenn ein System selbst in der Lage ist seine Fakten- bzw. Wissensbasis zu erweitern. Um solche Datenbanken zu füllen ist es vor allem auch notwendig das vorhandene bzw. einzuarbeitende Wissen zu kategorisieren, sodass es für die Problemlösungskomponente des Systems auch verwendbar ist. Bei der Verwendung von Heuristiken zum Beispiel muss klar sein, welche Werte für welche Variablen bestimmt sind. Die Verschiedenen Ansätze sind dabei interessant. Fuzzy Logic- Systeme werden natürlich auch versuchen das Wissen über ihre ``unscharfe'' (also ihre fuzzy) Logik einzuordnen und verfügbar zu machen. Das Allgemeine Problem ist hier dass ein Expertensystem zwar meist mit Wissen über eine Expertise ausgestatte ist, aber zumeist nicht über das Allgemein-Wissen eines Experten verfügt. Das System ist zum Beispiel normalerweise nicht mit den Eigenheiten natürlich sprachlicher Kommunikation vertraut. Deshalb muss Wissen (das Expertenwissen) an das Expertensystem in einer aufbereiteten Form geschaufelt werden. Hier ist aber zur Sicherheit anzumerken, dass ein Expertensystem eigentlich nie fertig sondern sich ewig weiterentwickeln muss. Uni Hannover, Online Publikationen Uni Würzburg, Online Publikationen ``Reifung'' und Klärung der Kernvorstellungen So wie allgemein im Bereich AI hat die anfängliche Euphorie schnell gelegt. Die Hoffnungen schnell eine künstliche Intelligenz zu schaffen, die wie der Mensch arbeitet, und die über kurz oder lang dem Menschen überlegen sein würde, haben sich nicht erfüllt. Über vierzig Jahre nach den ersten Gehversuchen in diesem Gebiet der Computerwissenschaften muss man sagen, dass die Entwicklung nicht annähernd so zügig vorangegangen ist, wie anfangs erwartet. Dies mag daran liegen, das es kaum zu lösendes Problem ist, das menschliche Denken in all seinen Facetten perfekt nachzubilden. Auch das Gebiet der Expertensysteme ist von dieser Enttäuschung nicht verschont geblieben. Zu Beginn glaubte man mittels eines Expertensystems das Problem der Wissensverarbeitung gelöst zu haben, und bei steigender Computerleistung menschliche Experten über kurz oder lang in weitern Bereichen ersetzen zu können. Dieser Ansatz konnte nicht in die Tat umgesetzt werden. Grund dafür war wie bei den anderen Systemen, das es nicht gelang allgemeingültige Regeln zu finden, die alles mögliche Wissen repräsentieren können, mit deren Hilfe man die Welt erklären kann und die geeignet sind, es einem Computer zu ermöglichen die Welt mit ,,menschlichen Augen`` zu sehen. Als man nun festgestellt hatte, das es scheinbar nicht möglich ist alle angedachten Einsatzgebiete mit einem einzigen Typus von Expertensystemen bzw. mit einem einzigen Produkt zu bediene, musste man dazu übergehen für die einzelnen Anwendungsgebiete speziell zugeschnittene Lösungen zu entwerfen. Dies ermöglichte es Expertensystemen erst Verbreitung in den verschiedensten industriellen Bereichen zu finden. Ein Beispiel dafür ist die Medizin. In Krankenhäusern übernehmen Expertensysteme die Aufgabe eines Systems, das den Arzt bei Entscheidungen unterstützt und das ihm das Bedienen von komplizierten Geräten, wie etwa einem Computertomographen erleichtert. Ziel diese Expertensystems ist es den Arzt auch dahingehend zu entlasten, das er sich nicht mit Informationen befassen muss, die er nicht benötigt, und das wichtige Information hervorgehoben wird, und nicht in der Masse der Ergebnisse von Untersuchungen untergehen. Bei einem Tomographen wäre das zum Beispiel, das das Expertensystem automatisch erkennt, ob eine Krebsgeschwulst vorliegt oder nicht. Allerdings kann das System aus dem letzten Beispiel nur im medizinischen Bereich, ziemlich sicher sogar nur in der Krebsdiagnostik eingesetzt werden. Wenn man es mit Regeln und Daten aus anderen Bereichen füttern würde, würde es versagen. Grund für diese Schwäche ist, dass das Expertensystem von Grund auf für die Verarbeitung von medizinischen Daten konzipiert worden ist. Es wurde nicht nur von Anfang an mit speziellen Regen programmiert, sondern auch der interne Aufbau aller Systeme wurde auf eine bestimmte Art von Regeln ausgelegt. Ein weiteres Beispiel für ein hoch spezialisiertes Expertensystem ist die Steuerung von Raketen. Expertensystem, die in diesen Systemen eingesetzt werden gehören zu der Kategorie der bildverarbeitenden Systeme. Da in diesem Gebiet simple Mustererkennung zumeist nicht ausreicht, werden Systeme mit künstlicher Intelligenz eingesetzt. Diese sollen die Daten, die sie von Mustererkennungssystemen bekommen interpretieren und dann entscheiden, wie weiter vorzugehen ist. Gerade die eben erwähnten militärischen Anwendungen sind in der Öffentlichkeit auf herbe Kritik gestoßen. Die Frage, die sich bei diesem Thema immer wieder stellt ist, ob man einen Computer über das Leben oder Sterben von Menschen entscheiden lassen soll. Dabei ist weniger das Problem, das der Computer Informationen liefert die dann eine Entscheidung eines Menschen herbeiführen, sondern, das der Computer nach dem er seine Informationen verarbeitet hat eine Entscheidung trifft und diese sofort umsetzt, was im Extremfall heißt, das er Menschen tötet. Diese Kritik hat aber nicht bewirkt, dass das Militärs nicht mehr in die AI-Forschung investieren, sie tun dies nur noch im geheimen. Diese Kritik der Bevölkerung an dem uneingeschränkten Einsatz von künstlicher Intelligenz, ist auch durch einen Wandel in der Einstellung der Menschen und des kulturellen Kontextes zu begründen. Hielt man in den Anfängen der Computer und damit auch der AI-Industrie einen Computer für fast unfehlbar und hatte man damals noch den Glauben an eine unfehlbare künstliche Intelligenz, so sieht man heute die Entwicklungen aus einer anderen Perspektive. Heute sind wir in einer Situation, in der die Grenzen von künstlicher Intelligenz aufgezeigt wurden. Allerdings kommen durch die Spezialisierung auch die Vorteile zur Geltung. Expertensysteme sind allgemein akzeptiert und finden immer mehr Einsatzgebiete. Dies ist wahrscheinlich darauf zurückzuführen, dass diese Systeme nur dann ihre volle Leistung zeigen können, wenn sie sich nur mit speziellen Problemen befassen müssen. Dann allerdings ist es ihnen möglich eine menschlichen Experten zu ersetzten bzw. Fehler, die durch einen menschlichen Experten entstehen können zu vermeiden. So ist ein Computer nicht durch Emotionen abgelenkt oder unkonzentriert, er kennt keine Tagesverfassung und lässt sich nicht aus der Fassung bringen. All diese Eigenschaften machen ihn zu einem sehr zuverlässigen Unterstützer. Das was noch zu erreichen ist, ist sicherlich, dass es Expertensysteme gibt, die in Verbindung mit anderen Systemen auch den Privatanwender unterstützen können. Dies dürfte aufgrund der Komplexität aber noch etwas auf sich warten lassen. Auswirkungen im informatischen Diskurs und in der tatsächlichen Praxis Ein sehr wichtiger Einsatzbereich von Expertensystemen ist die Medizin. Dabei unterstützt es in erster Linie die Ärzte und das Pflegepersonal bei der Diagnose und der Therapie. Allgemein kann man die funktionalen Rollen eines Expertensystems in diese sieben Gruppen unterteilen[2]: Der ``Schiedsrichter'' Der ``Wachhund'' Der ``Erinnerer'' Der ``Simulator'' Der ``Dolmetscher'' Der ``Lotse'' Der ``Konsiliar'' Der Schiedsricher. Diese Funktion unterstützt diagnostische Prozesse durch die Nutzung von Referenzmaterial (Fallsammlungen, Standardfälle), d.h. das Expertensystem greift auf seine Wissensbasis zurück um sehr ähnliche oder gleiche Fälle zu finden und um somit eine Entscheidung treffen zu können. Der Wachhund. Die Wachhundfunktion unterstützt die Überprüfung von routinemäßig generierten Daten (z.B. der Patientendokumentation, Labordaten, usw.). Dabei wird von dem System die zeitwendige Aufgabe übernommen, alle Dokumente in der Wissensbasis zu durchsuchen und passende auszugeben. Diese Aufgabe würde bei einem menschlichen Experten einige Zeit in Anspruch nehmen, ein Expertensystem kann diese Aufgabe jedoch erheblich schneller erledigen. Der Erinnerer. Diese Funktion unterstützt die Assoziation eines Experten, wenn er sich fragt: ``Was könnte noch in Frage kommen''. Sind in der Wissensbasis bereits ähnliche Fälle bearbeitet worden und dabei Wissen gespeichert worden, welches für einen Fall dieser Art wichtig ist, wird das Expertensystem den Benutzer daran erinnern. Der Simulator. Diese Funktion erlaubt ``Was wäre, wenn''-Analysen. Sie ist sowohl in der täglichen Praxis als auch für das Training mit solchen Systemen entscheidend. Dabei kann man Anfragen an das System stellen und diese werden dann nach dem oben erwähnten ``Was wäre, wenn''-Prinzip ausgewertet. Der Dolmetscher. Eine solche Systemfunktion bietet intelligente Schnittstelle in frei formulierter Fachsprache an. Somit kann ein geschulter Benutzer oder ein anderer Experte dem System eine Frage in spezifischer Sprache stellen. Dies hat den Vorteil, das es dabei seltener zu Verwechslungen oder Verständigungsproblemen kommt. Der Lotse. Diese Funktion unterstützt den Experten bei der Navigation durch schwieriges Gelände (z.B. seltene Komplikationen, ...). Dies ist vorallem wichtig, da man sich auch als Experte in einer großen Wissensbasis schon mal verirren kann. Dabei hilft einem das System wieder auf den Weg zu kommen, auf den man ursprünglich wollte. Der Konsiliar. Diese Funktion entspricht der klinischen Konsultation eines Fachmannes aus einem anderen Gebiet. Somit kann man im Kleinen eine gebietsübergreifende Anfrage stellen. Dabei sollte man jedoch beachten, das diese Anfrage eventuell nicht oder ungenauer als andere Anfragen beantwortet werden. Damit ein Expertensystem in der Praxis auch wirtschaftlichen Erfolg hat, muß es relativ leicht zu bedienen sein und die Einschulung darf nicht zu kompliziert sein. Deshalb besitzen fast alle neueren Expertensystem ein User Interface. Damit man mit diesen auch leicht umgehen kann, hat das User Interface verschiedene Dialogmodi: Handbuchmodus Experimentier- oder Simulationmodus Beratungs- oder Anleitungsmodus Kritik-, Kommentar- oder tutorieller Modus Notizbuchfunktion Wissenspflegemodus In der Medizin lassen sich die verwendeten Expertensystem nach verschiedenen Aspekten einteilen[1]. nach Fachgebieten Innere Medizin Gynäkologie klinisch - chemisches Labor nach Funktionstypen ärtzlicher Tätigkeit. Einige Funktionstypen sind: Diagnostik. Es geht darum, aus Symptomen, Befundwerten, etc. auf die zugrundeliegene(n) Erkrankung(en) zu schließen, sie zu diagnostizieren. Interpretation. Vorgegeben sind z.B. gemessene Körperfunktionen wie Puls, Blutdruck, EKG. Daraus wird die Zustandsbeschreibung des Patienten erstellt, aus der direkt die Erkrankung diagnostiziert und Therapiemaßnahmen abgeleitet werden können. Monitoring. z.B. Überwachen von Körperfunktionen auf einer Intensivstation wobei diagnosewerte mit Sollwerten verglichen werden und notfalls Alarm ausgelöst werden kann. Patientenplanung. Sie beinhaltet das Festlegen von Handlungsanweisungen. Sie können diagnostischer oder therapeutischer Art sein (Therapieplanung, Medikamentendosierung). Prognostik. Hierbei geht es darum, wie man zu einer Prognose kommen kann, d.h. zu einer Aussage -- falls die Krankheit vorliegt -- über ihren weiteren Verlauf. Tutoring. z.B. Hilfsmittel in der medizinischen Ausbildung. Da nun erklärt wurde in welchen Gebieten ein Expertensystem in der Medizin eingesetzt wird, soll nun auf die möglichen Probleme und Risiken bei der Entwicklung eingegangen werden. Ein Grundsätzliches Problem bei Expertensystemen, nicht nur in der Medizin, ist, das keine zwei Experten gleich sind. Ein anderes Problem das auf den Menschen als Expert zutrifft, ist, das Experten für andere Leute schwer zu verstehen sind und zwar umso schwerer, je effizienter sie arbeiten. Der Bauplan eines technischen Systems ist vollstäendig bekannt, der ``Bauplan'' des Menschen nicht. Die Probleme selbst sind oft unstrukturiert, kontextsensitiv und lassen sich nicht vollständig spezifizieren. Lösungen des Problems können somit weder korrekt noch inkorrekt sein, da dies bezogen auf eine vage Spezifikation nicht verifizierbar ist. Lösungen können bestenfalls adäquat sein. Ein weiteres groses Problem ist die Regelbildung. Im Falle der Medizin ist dies besonders schwer. Patienten haben oft mehrere Krankheiten gleichzeitig, weswegen einfache Symptom-Krankheits-Regeln nicht zur Diagnose ausreichen. Daraus ersieht man schon, wie vielseitig Regeln werden können. Ein weiteres Problem in der Medizin ist die zeitliche Entwicklung einer Krankheit. Da dieser Umstand auch im Expertensystem berücksichtigt werden mus, ist ein ein zeitvariantes Expertensystem zu entwicklen. Ein allgemeines Problem von Expertensystemen ist, das das zugrundeliegende Wissen sich in einem ständigen Wandel befindet. Daher ist die Wartung des Systems sehr aufwändig und sollte deshalb möglichst einfach durchzuführen sein. Umsetzung und Verbreitung (wirtschaftlicher) Erfolg Umsetzung Bei der Umsetzung von Expertensystemen muß man zwischen sogenannten ''kleinen'' und ''großen'' Expertensystemen unterscheiden. Grundsätzlich ist es per Definition festgelegt, dass Expertensysteme auch Expertenwissen besitzen sollen. Allerdings erreichen im Normalfall kleine Expertensysteme nicht ganz das Niveau von Expertenwissen. Die Aufgabe solcher kleiner Expertensysteme ist die Unterstützung bei Routineaufgaben. ''kleine'' Expertensysteme Charakteristisch wird ein kleines Expertensystem Probleme bearbeiten die durch einige wenige Interferenzen und in etwa in 30 Minuten gelöst werden können. Daher wird man zur Entwicklung ein einfaches Tool einsetzen und nicht etwa komplexe Expertensystementwicklungsumgebungen oder Expertensystemshells verwenden. Danach wird das Problem genau spezifiziert und eingegrenzt und das vorhandene bzw. zur Lösung benötigte Wissen zusammengetragen. Normalerweise wird zuerst ein Prototyp erstellt, der die Wissensbasis enthält und mit ausgewählten Standardfällen zurecht kommen sollte. Der Prototyp wird weiterentwickelt bis er den gestellten Anforderungen genügt. Ist die Entwicklung soweit fortgeschritten bleiben noch eventuell anfallende Wartungs- und Aktualisierungstätigkeiten, falls sich das verwendete Wissen ändert. ''große'' Expertensysteme Im Gegensatz zu den ''kleinen'' Expertensystemen werden diese immer im Team entwickelt. Die Entwicklung kann in gewisse Phase Unterteilt werden, deren Reihenfolge oft nicht eingehalten werden kann, da man z.B. während der Entwicklung eine vorher getroffen Entscheidung wieder revidieren muss. Phase 1: In dieser Phase wird das zu behandelnde Problem bestimmt und festgelegt. Diese Phase ist kritisch da bei einer zu schwierigen Aufgabe Entwicklungsproblem auftreten können und bei einer zu leichten Aufgabe kann es sein, dass das System von den Benutzern nicht akzeptiert wird. Phase 2: In dieser Phase wird der Prototyp des Systems entwickelt . Phase 3: Jetzt wird das vollständige System entwickelt. Phase 4: Bewertung des Systems - Dies ist eine Testphase in der das System Testfälle lösen soll die von verschiedenen Experten erstellt werden. Phase 5: Integration des Sytems - Dies bezieht sich sowohl auf die technische Integration in die am Arbeitsplatz vorhandene Infrastruktur (Anbindung an Datenbanken etc.) als auch auf die Schulung des Personals, welches mit dem System künftig arbeiten soll. Phase 6: Wartung des Systems - Anpassen des Systems an Änderungen. Abbildung 3: Edward Feigenbaum Einige der klassischen Expertensysteme sind: DENDRAL: Dieses war eines der ersten Expertensysteme (entwickelt von Edward Feigenbaum Abbildung 3) und dient zur Bestimmung der Struktur von Molekülen aus dem Massenspektrogramm einer chemischen Verbindung. MYCIN dient zur Diagnose von bakteriellen Blutinfektionen und Erstellung Therapievorschlag. PROSPECTOR: ein System, dass Geologen bei der Auffindung von Erzlagerstätten unterstützt. R1 (XCON): ist ein regebasiertes Expertensystem zur Konfiguration von VAX Rechnern der Firma DEC. Es war das erste kommerzielle Expertensystem und sparte mehrere Millionen Dollar. PUFF: ist ein System zur Interpretation von Tests der Lungenfunktion von Patienten Quelle: Wissensbasierte Systeme Skriptum Verbreitung Expertensysteme werden in den unterschiedlichsten Branchen eingesetzt. Zum Beispiel in der Chemie, Medizin, Jura, Geologie, Technik, Finanzwesen, und so weiter. Zur Zeit gibt es ca. 5000 teilweise ''kleine'' Expertensysteme, die in den verschiedensten Branchen eingesetzt. Literatur 1 Henrich, Waltraut: Expertensysteme in der Medizin; Universitaet Karlsruhe; Institut fuer Prozessrechentechnik, Automation und Robotik; http://wwwipr.ira.uka.de/~megi/SEMINAR/SS_99/expertensystememedizin.pdf 2 Wischnewsky, M. B.: Expertensysteme in der Medizin zur Unterstuetzung von Diagnose und Therapie; Zentrum fuer Multimedia in der Lehre (ZMML) und Technologiezentrum Informatik; Universitaet Bremen; http://www.d-lecture.de/projekt/elearning_wisch/Expertensysteme_Unterstuetzung.PDF

Weiterführende Informationen

Verweise auf Arbeiten anderer gruppen

Wissensrepräsentation - Wissensrepräsentation heißt ein Formalismus dann, wenn in ihm Wissen dargestellt und von einer Maschine... Militärische Wunschvorstellungen - ..soll betrachtet werden, wie die Vorstellungen der KI im Sinne des Militärs umgesetzt wurden...

>Entstehungskontext | Konzepte und Techniken | Entwicklung und Auswirkungen | Praxis | Bewertung