WPŁYW INFORMACJI STATYSTYCZNEJ NA EFEKTYWNOŚĆ SYSTEMÓW WSPOMAGANIA DECYZJI

Transkrypt

1 systemy wspomagania decyzji, statystyka, znaczenie informacji statystycznej. Agnieszka NOWAK * WPŁYW INFORMACJI STATYSTYCZNEJ NA EFEKTYWNOŚĆ SYSTEMÓW WSPOMAGANIA DECYZJI Praca przedstawia koncepcję wykorzystania informacji statystycznej w systemie Infer v 2.0 wieloplatoformowym module wnioskowania wstecz dla inteligentnych aplikacji internetowych. Zawiera krótki opis obecnej wersji systemu i koncepcję jego rozbudowy pod względem dostarczanych przez niego informacji statystycznych. W pracy ujęto takŝe próbę analizy róŝnych informacji statystycznych biorąc pod uwagę ich wpływ na efektywność takich systemów. 1. WSTĘP Niewątpliwie w ostatnich latach dało się zaobserwować znaczny wzrost zastosowania systemów wspomagania decyzji w róŝnych dziedzinach Ŝycia, szczególnie zaś tam, gdzie nie da się opracować Ŝadnego modelu matematycznego, który potrafiłby w kaŝdym przypadku analizowanej materii znaleźć rozwiązanie. Mowa tutaj o diagnostyce medycznej oraz wykorzystaniu systemów wspomagania decyzji w ekonomii i szeroko pojętym zarządzaniu. Wiedza stanowiąca bazę systemów ekspertowych, czyli bazę wiedzy z danej dziedziny, dla której przeznaczony jest system, gromadzona i tworzona jest w długim okresie czasu. Czas ten przekładać się powinien na efektywność i jakość tych systemów. Oczywiście, załoŝeniem jest, aby systemy te, a właściwie bazy wiedzy stanowiące bazę tych systemów, były często aktualizowane w oparciu o analizę ich poprzednich wersji. Analizy te moŝliwe będą do przeprowadzenia wykorzystując m.in. właściwości statystyki i szeroko pojętej informacji statystycznej. * Uniwersytet Śląski, Instytut Informatyki, Sosnowiec, ul. Będzińska 39, nowak@us.edu.pl

2 Wiedza pozyskiwana jest od wielu ekspertów z danej dziedziny co równieŝ nasuwa konieczność ciągłego porównywania budowanej przez nich wiedzy (reguł i faktów). Dobrze byłoby zatem mieć informacje o tym jak dawno reguła została dodana do bazy wiedzy, czy to jedyna reguła o takiej konkluzji, ilu ekspertów dodało tą regułę do bazy wiedzy, w ilu wnioskowaniach uczestniczyła ta reguła, w ilu skończyła się sukcesem a w ilu poraŝką. Istotne byłoby równieŝ i to, aby wiadomo było, których z części warunkowych reguł najczęściej nie da się zunikować z faktami w bazie wiedzy i naleŝy o nie pytać uŝytkownika co świadczy o braku kompletności BW. MoŜna by było wówczas odrzucać te reguły, które zawsze kończą się niepowodzeniem. Analizie potrzeby wykorzystania informacji statystycznej w systemach wspomagania decyzji poddano wieloplatformowy moduł wnioskowania dla inteligentnych aplikacji internetowych Infer v ROLA STATYSTYKI W SYSTEMIE INFER v OPIS MODUŁU Opisywany moduł, w obecnej wersji realizuje proces wnioskowania wstecz dla wybranego celu wnioskowania, kierując się przy tym róŝnymi strategiami doboru reguł. Podstawowymi funkcjami systemu są: wybór bazy wiedzy obecnie dostępne są dwie bazy wiedzy: medycyna.txt oraz grzyby.txt, zapisane w tym samym formacie, podgląd bazy wiedzy: atrybutów i ich wartości oraz reguł, plan wnioskowania umoŝliwiający uŝytkownikowi sprawdzenie jeszcze przed rozpoczęciem procesu wnioskowania, czy wybrany przez niego cel wnioskowania da się udowodnić na podstawie wiedzy zawartej w danej bazie wiedzy, ustawienia dotyczące strategii sterowania wnioskowaniem realizacja strategii kolejności, świeŝości i specyficzności, realizacja mechanizmu nawrotów (ang. backtracking) - mechanizm ten dotyczy reguł, których przesłanki (części warunkowe) zawierają zmienne, pod które moŝna w procesie wnioskowania podstawiać róŝne wartości (wszystkie wartości danego atrybutu) i dowodzić ich prawdziwość, tryb pracy krokowej i ciągłej z moŝliwością wielokrotnego przełączania się między nimi, wybór celu wnioskowania z moŝliwością niepełnego wyboru (np. choroba=x), moŝliwość przerwania wnioskowania na Ŝyczenie uŝytkownika,

3 realizacja modułu objaśniającego przedstawiającego uŝytkownikowi powód zadania przez system pytania o wartość danego atrybutu i jak ta odpowiedź moŝe wpłynąć na proces wnioskowania prowadzonego przez system, graficzna prezentacja wyników oraz statystyka wnioskowania, mające na celu przedłoŝenie uŝytkownikowi szczegółowego raportu z przeprowadzonego procesu dowodzenia prawdziwości hipotezy głównej, podgląd faktów wygenerowanych w trakcie wnioskowania, z moŝliwością usunięcia wszystkich faktów lub tylko wybranych, wnioskowanie na faktach z poprzedniego wnioskowania. NajwaŜniejsza, z punktu widzenia tematu niniejszej pracy, jest funkcja statystyka wnioskowania, która po przeprowadzonym procesie dowodzenia poprawności wybranego celu wnioskowania, przedstawia krótki raport zawierający osiągnięte wyniki. Rysunek nr 1 przedstawia przykładowe okno z taką właśnie statystyką. Rys. 1. Statystyka w systemie Infer v 2.0 Fig. 1. The statistic in Infer v 2.0 system

4 2.2. JAKICH INFORMACJI STATYSTYCZNYCH DOSTARCZA MODUŁ INFER V 2.0? Statystyka wnioskowania zaimplementowana w module Infer v 2.0 dostarcza w obecnej wersji następujących informacji: liczba atrybutów, liczba wartości atrybutów, liczba reguł, liczba faktów przed wnioskowaniem, liczba reguł uaktywnionych w trakcie wnioskowania, liczba uaktywnień zakończonych sukcesem, liczba uaktywnień zakończonych poraŝką, liczba faktów wygenerowanych w trakcie wnioskowania. Analizując jednak szerzej udostępnione tak informacje, nasuwa się wniosek, Ŝe nie są one wystarczające do kompletnej oceny Naszego systemu. Okazuje się bowiem, Ŝe moŝna rozróŝnić dwa typy informacji statystycznych z punktu widzenia inŝyniera wiedzy oraz uŝytkownika. InŜynierowi wiedzy potrzebne są informacje dotyczące liczby dotychczasowych uaktywnień danej reguły oraz danych dotyczących tego, ile z tych uaktywnień zakończyło się sukcesem (a ile poraŝką). Mając informację o tym, Ŝe próba uaktywnienia pewnej reguły zawsze kończy się poraŝką, inŝynier wiedzy moŝe spróbować uzupełnić wiedzę w systemie tak, aby następne uaktywnienia tej reguły pozwoliły pomyślnie przeprowadzić proces dowodzenia jej poprawności. Z kolei znając średni czas dowodzenia danej reguły czy teŝ wiedząc, które reguły są najdłuŝej dowodzone co oznaczałoby, Ŝe warunki (dopytywalne) tych reguł, czyli te o które pytamy uŝytkownika są źle lub nie do końca poprawnie sformułowane, wiadomo byłoby, Ŝe moŝe naleŝałoby je zmienić (lub poprawić). MoŜna by równieŝ zliczać średni czas zmiany liczby reguł w BW, spowodowanej procesem aktualizacji bazy wiedzy, tak, aby móc ocenić, czy dana wiedza jest stabilna i rzadko ulega zmianie czy teŝ nie. Chodzi bowiem o to, Ŝe zawartość danej reguły: zarówno część warunkowa jak i konkluzyjna, mogły ulec zmianom w czasie spowodowanym zmianami bytów rzeczywistych, które te reguły definiowały (opisywały). Wówczas nie jest wykluczone, Ŝe juŝ przy następnym wnioskowaniu, dany cel wnioskowania będzie moŝliwy do potwierdzenia korzystając z tej samej reguły, której część warunkowa uległa zmianie. Zatem teraz proces dowodzenia prawdziwości tego celu wymagał będzie spełnienia być moŝe zupełnie innych warunków niŝ to było poprzednio. Idąc dalej, moŝe się nawet zdarzyć tak, Ŝe przy nowych (zmienionych nawet nieznacznie) regułach, nie da się juŝ potwierdzić danego celu wnioskowania.

5 Z punktu widzenia uŝytkownika systemu udostępnione w obecnej wersji dane statystyczne wbudowane w moduł Infer v 2.0 wydają się być wystarczające. Wskazują bowiem objętość bazy wiedzy: liczbę atrybutów, wartości tych atrybutów oraz liczbę faktów i reguł. Jednak dla bardziej wymagających uŝytkowników chcących w bardziej zaawansowany sposób analizować bazę wiedzy oraz efektywność procesu wnioskowania mogą one być niewystarczające. Wówczas w pierwszej kolejności naleŝałoby rozbudować system o następujące informacje określające czas Ŝycia reguły oraz liczbę jej zmian od czasu jej dodania do bazy wiedzy po to, aby łatwo określić czy warto ufać takiej regule. Im mniejsza liczba zmian reguły przy jednoczesnym długim cyklu Ŝycia tej reguły tym bardziej stabilna reguła. Dla uŝytkownika istotne mogą być takŝe dane mówiące o poziomie zagnieŝdŝenia reguły oraz liczbie warunków dopytywalnych. Informacje takie pozwolą na ocenę stopnia zaangaŝowania takiego uŝytkownika w proces wnioskowania, polegającego na odpowiadaniu na pytania systemu o wartości analizowanych warunków reguł (atrybutów). Niewątpliwie, w równie istotnym stopniu, waŝną daną mogłaby być liczba ekspertów, którzy potwierdzili daną regułę dodali daną regułę do bazy wiedzy. Rzecz jasna, moŝna by mnoŝyć w taki sposób inne informacje statystyczne opisujące przeprowadzany przez system Infer proces wnioskowania, które powinny zostać wbudowane w opisywany moduł. Takimi dodatkowymi opcjami mogły by być: liczba określająca ile razy dana reguła była moŝliwa do uaktywnienia, bo jej konkluzja była celem wnioskowania, a ile razy rzeczywiście została uaktywniona, ile razy jaka strategia była stosowana, ile razy praca krokowa była zastępowana domyślną opcją systemy z pracą ciągłą w ten sposób moŝna zmienić domyślne ustawienia jeśli regularnie są one zmieniane PRÓBA OCENY WPŁYWU TYCH DANYCH NA EFEKTYWNOŚĆ SYSTEMU Zatem analizując dostępne na obecną chwilę dane statystyczne w module Infer, widać, Ŝe przedstawiane w ten sposób informacje pozwalają właściwie ocenić pracę maszyny wnioskującej. Dzięki tym danym inŝynier wiedzy ma moŝliwość zmiany zawartości bazy wiedzy, polegającej na uaktualnieniu bazy, dodaniu nowych reguł, zmianie istniejących reguł czy usunięciu reguł, których próba dowodzenia zawsze (lub najczęściej) kończy się poraŝką. Poza tym w trakcie pracy systemu, jeśli nie uaktywniona jest opcja pracy krokowej, trudno zauwaŝyć kiedy system przełącza się na inne reguły, po nieudanej próbie dowodzenia poprawności celu wnioskowania. Dopiero po przeprowadzonym, niezaleŝnie od rezultatu, procesie wnioskowania, uŝytkownik ma tak naprawdę pełny obraz dokonanego dowodzenia prawdziwości hipotezy głównej. Nasuwa się zatem wniosek, iŝ gdyby rozbudować omawiany

6 w pracy moduł o dodatkowe opcje, moŝna by osiągnąć zadowalające rezultaty. Okazuje się bowiem, Ŝe zarówno dla inŝyniera wiedzy jak i uŝytkownika takiego systemu, niezbędne są elementy statystyki stanowiącej raport z pracy systemu, jednakŝe są to przewaŝnie skrajnie róŝne informacje. InŜynierowi wiedzy niezbędne są dane dotyczące efektywności pracy systemu a właściwe zapisanych w bazie wiedzy reguł, natomiast uŝytkownika interesuje przewaŝnie to ile reguł uaktywniono w procesie dowodzenia wskazanego przez niego celu wnioskowania, ile z tych uaktywnień zakończyło się sukcesem a ile poraŝką. 3. KONCEPCJA ROZBUDOWY MODUŁU INFER V 2.0 PoniŜej przedstawiono zaplanowane do realizacji funkcje statystyczne, które mają być zaimplementowane w module w wersji 3.0 wraz z próbą określenia spodziewanych rezultatów zastosowania tych koncepcji. OPIS FUNKCJI liczba dotychczasowych uaktywnień danej reguły oraz dane dotyczące tego, ile z tych uaktywnień zakończyło się sukcesem (a ile poraŝką). średni czas dowodzenia danej reguły średni czas zmiany liczby reguł w BW, spowodowanej procesem aktualizacji bazy wiedzy, czas Ŝycia reguły oraz liczba jej zmian od czasu jej dodania do bazy wiedzy poziom zagnieŝdŝenia reguły oraz liczba warunków dopytywalnych liczba ekspertów, którzy potwierdzili daną regułę liczba określająca ile razy dana reguła była moŝliwa do uaktywnienia, bo jej konkluzja była celem wnioskowania, a ile razy rzeczywiście została uaktywniona ile razy jaka strategia była stosowana CEL REALIZACJI Jeśli jakaś reguła zawsze albo najczęściej kończy się poraŝką to lepiej jej unikać przy następnych wnioskowaniach Te reguły, których czas dowodzenia jest najdłuŝszy naleŝałoby moŝe zmienić, bo być moŝe uŝytkownikom zbyt wiele czasu zabiera interpretacja zadawanych im pytań stanowiących warunki dopytywalne reguł tak, aby móc ocenić, czy dana wiedza jest stabilna i rzadko ulega zmianie czy teŝ nie Pozwoli to określić na ile pewna jest dana reguła Określi to stopień zaangaŝowania uŝytkownika w proces wnioskowania. Im większa liczba warunków dopytywalnych tym więcej pytań zadawanych uŝytkownikowi Im większa liczba ekspertów tym większy stopień zaufania do reguły PomoŜe to następnie w analizie przyczyn rzadkiego uaktywnienia konkretnych reguł i próby ewentualnej zmiany takiego stanu rzeczy w ten sposób moŝna zmienić domyślne ustawienia jeśli regularnie są one zmieniane

7 ile razy praca krokowa była zastępowana domyślną opcją systemu z pracą ciągłą w ten sposób moŝna zmienić domyślne ustawienia jeśli regularnie są one zmieniane Tabela 1. Funkcje dostarczające informacji statystycznych, które mogłyby znacząco wpłynąć na efektywność systemów wspomagania decyzji. Oczywiście przedstawione w ten sposób koncepcje rozbudowy modułu to tylko propozycje, które w trakcie implementacji będą mogły być rozbudowane lub całkowicie zmienione. Widać jednak jednoznacznie, iŝ tylko pobieŝna analiza efektywności systemu wspomagania decyzji, który dostarczał by takich informacji, jakie zaproponowano w tabeli powyŝej, skłania do głębszej weryfikacji moŝliwości rozbudowy kaŝdego takiego systemu o informacje statystyczne. Dało się bowiem zauwaŝyć, iŝ informacje takie pozwalają zbadać operacje, których dokonano w trakcie działania systemu i wyciągnąć z tych informacji ewentualnie konsekwencje zmierzające do pewnych zmian w systemie. 4. PODSUMOWANIE Praca prezentuje analizę wpływu informacji statystycznych na efektywność systemów wspomagania decyzji. Przedstawiona została koncepcja rozbudowy analizowanego modułu wnioskowania wstecz Infer v 2.0 o waŝne, z punktu widzenia zarówno uŝytkownika systemu jak i inŝyniera wiedzy, nowe informacje statystyczne. W rozwaŝaniach uwzględniono m.in. takie dane, które dają moŝliwość wpływu inŝyniera wiedzy na zawartości bazy wiedzy oraz na osiągane przez system rezultaty podawane uŝytkownikom. Okazuje się bowiem, Ŝe zarówno inŝynier wiedzy jak i uŝytkownik systemu mogą wykorzystać takie informacje w zupełnie innym celu. InŜynierowi zawsze zaleŝeć będzie na kontroli zawartości bazy wiedzy, jej kompletności i stopniu wykorzystania. Z kolei uŝytkownik zawsze nastawiony będzie na wykorzystania takich informacji do przeglądu swojego udziału w procesie dowodzenia poprawności celu wnioskowania. LITERATURA [1] NOWAK A., Realizacja modułu wnioskowania wstecz dla regułowej reprezentacji wiedzy, Praca licencjacka, Uniwersytet Śląski, Sosnowiec, 2000 [2] NOWAK A., Wieloplatoformowy moduł wnioskowania dla inteligentnych aplikacji internetowych, Praca magisterska, Uniwersytet Śląski, Sosnowiec, 2002 [3] [4] CHOLEWA W., PEDRYCZ W., Systemy doradcze, skrypt P.Śl. nr 1447, Gliwice, 1985 [5] JACOBSON P., Introduction to Expert Systems, University of Edinburgh, 1985