Szakértők és rendszerek Szabados Levente Technológiai Igazgató Analogy Zrt.

Kiindulópont / Előfeltevések Üzleti kontextusban a tudás elsődleges értéke cselekvés orientáltan fogható fel. „Mit vagyok képes megtenni, ha mindezt tudom?” Szűkebben: „Hogyan tudom ezt megtenni?” (know-how) Általam vizsgált aleset: „Hogyan tudok dönteni?”

Szakértők – rendszerek Az adott szakterület know-how-jával rendelkezőket tekintjük „szakértőknek” Jellemzőik: Releváns információk megléte esetén az adott helyzetben döntésképesek Tevékenységük támogatására, kiváltására informatikai megoldásokat (rendszereket) alkalmaznak A szakértők és rendszerek interakciós lehetőségeit vizsgáljuk.

Három jellegzetes megközelítés Mérés Elemzés Döntés Cselekvés „Kereső” Emberi Emberi / Gépi „Döntéstámogatási rendszer” Gépi „Szakértői rendszer” Gépi (*)

„Kereső” Könyvtártól a „Google”-ig Példa: Keresés a szakkönyvtárban (vagy céges szereren) „Hol van leírás, ami elmondja, hogy...” Az ember ismeri fel a helyzetét, elemez, dönt, és végrehajt, a „Kereső” csak a plusz információk, tudások és sémák helyének megtalálásában segít neki.

„Döntéstámogatási rendszerek” Olyan IT megoldások, melyek: adatokat prezentálnak, elemző eszközöket szolgáltatnak döntési alternatívákat vázolásában segédkeznek Típusaik szerint: passzív, aktív és kooperatív megoldások létezhetnek (döntési javaslatokban való részvétel foka szerint)

„Szakértői rendszerek” Döntés nagyfokú automatizálására törekszenek Példa: algoritmikus kereskedés - „trading bot” Adatgyűjtés, elemzés, döntések: nagyfokú autonómia Döntéseik vagy az előre rögzített algoritmusokat, vagy sztochasztikus belső „döntési állapotokat” követnek. Rugalmatlan vs. „érthetetlen” Emberi szupervízió nélkül...? („flash-crash”)

Tudásleképezés formái Hol, milyen formában van jelen a tudás? „Kereső” → dokumentumokban „Döntéstámogatási rendszer” → adatok, → prezentációs formák, → döntési javaslatok mögötti algoritmusok „Szakértői rendszer” → rendszer algoritmusai, → belső állapotai

Leképezési módok problémái Dokumentum: Eltérő céllal hoz(hat)ták létre Ott van „valahol benne” a tudás (lineáris olvasás) Prezentált adat, javaslat: Megjelenített adat (pl. grafikon), javaslat lehet érthetőbb, de a megértési kontextustól elválhat, ez okozhat problémát Algoritmus, rendszerállpot: Emberidegen Vagy túl rigid, vagy értelmezhetetlen „Black box”

Két „út” A tudás „átfogalmazása” gépi igényeknek megfelelően Nagyobb fokú gépi autonómia Gyengébb lehetőség a kooperációra ember és gép között (nem lesznek „megértési” viszonyban) Mind a dokumentum orientált, mind a „szakértői rendszer” megoldás errefelé mutat A gépi leképezés közelítése az emberi igényekhez

Emberi tudásleképezés Narratív Történetekben és epizódokban gondolkodunk Folyamatok leírását is történetekként fogjuk fel Séma alapú Történeteink alap modelleket, sémákat követnek Ismétlődö szerkezeti elemik, motívumaik vannak Asszociatív Asszociáció, „jelentésátvitel” segítségével értünk meg helyzeteket Fogalmi hálónk asszociációk sorozataként is felfogható

Emberi tudásleképezés Narratív Történetekben és epizódokban gondolkodunk Folyamatok leírását is történetekként fogjuk fel Séma alapú Történeteink alap modelleket, sémákat követnek Ismétlődö szerkezeti elemik, motívumaik vannak Asszociatív Asszociáció, „jelentésátvitel” segítségével értünk meg helyzeteket Fogalmi hálónk asszociációk sorozataként is felfogható

Milyen megoldásra van szükség? Ember-gép együttműködést erősíteni kell Döntéstámogatási rendszerekből dialógus partnerekké Lehetővé kell tenni a narratív megfogalmazások könnyű rögzítését Létre kell hozni a fogalmi összefüggések dinamikus felépítésének lehetőségét (absztrakció építés) Támogatni kell a problémamegoldást: A fogalmi szintű probléma felismerést Megoldások kulcsfogalmainak megtalálását Ha kell, konkrét források, know-how-t leíró emberi történetek megtalálását