Inteligentne systemy w pozyskiwaniu informacji

Inteligentne systemy w pozyskiwaniu informacji
Intelligence systems in obtaining information
Justyna Stasieńko, Tomasz Kożak
Instytut Inżynueri Technicznej PWSZ, Jarosław 37-500 Jarosław ul. Czarnieckiego 16
[email protected], [email protected]
1
WSTĘP
Obecnie trudno mówić o informatyce nie łącząc jej
z innymi dziedzinami życia. Ani medycyna, ani gospodarka, ani produkcja nie funkcjonowałyby dziś w takiej
postaci, gdyby nie ta dziedzina nauki. Rozwój informatyki, to m.in. rozwój wszelkich technologii informatycznych i informacyjnych, jak również sztucznej inteligencji.
Od poziomu inteligencji istoty żywej, czy też
sztucznego organizmu zależy poprawność i sprawność
działania oraz skuteczność poszukiwania trafnych rozwiązań w sytuacjach nowych i trudnych. Inteligencja to
nie sama wiedza, bądź mądrość, ale właśnie adaptacyjność, czyli zdolność do dostosowania do nieprzewidzianych warunków otoczenia, do wykonywania nieprzewidzianych zadań. Inteligencja zakłada zdolność do
uczenia się z obserwacji oraz zdolność do działania. Zachowania inteligentne wyróżniają operacje myślowe, takie jak przewidywanie, czyli wyobrażanie przyszłości i
skutków podejmowanych działań zanim je podejmiemy;
formułowanie celów oraz planowanie działań
zamierzonych ze względu na te cele; rozumowanie, czyli
analiza faktów i formułowanie wniosków na drodze
rozważań logicznych (dedukcji).
System inteligentny (ang. intelligent system) jest
to system charakteryzujący się zdolnością samodzielnego
pozyskiwania danych z jego otoczenia, generowania wiedzy z pozyskanych danych, tj. uczenia się oraz wykorzystania wygenerowanej wiedzy do rozwiązania postawionego mu zadania.
Przedmiotem zainteresowania w dziedzinie sztucznej inteligencji są niektóre narzędzia, urządzenia i programy. Jednym z narzędzi jest inteligentny agent Jest to
mały, sprytny program pozwalający zautomatyzować
wybraną czynność, często podejmujący decyzje w trakcie działania. Może to być na przykład program odwiedzający Internet i wyszukujący tam zadanych informacji. Może to też być dowolny program wykonujący
automatycznie pewne czynności i reagujący w określonej
sytuacji, zdolny do niezależnego działania. Istnieje wiele
definicji inteligentnego agenta, często bardzo wąskich
lub też skrajnie ogólnych.
2 TECHNOLOGIE AGENCKIE
Technologią budzącą żywe zainteresowanie wielu
środowisk są inteligentni agenci. Idea inteligentnych
agentów pojawiła się już dawno, jednak wciąż jest źródłem wielu badań. Na całym świecie prowadzone są różne projekty wykorzystujące inteligentnych agentów w
różnych dziedzinach nauki, życia gospodarczego, jak i
społecznego.
Pomysł inteligentnego agenta zrodził się w połowie lat 50 tych [5]. John McCarthy i Oliver Selfrige
stworzyli wizje systemu, który dąży do zadanego celu za
pomocą odpowiednich operacji komputerowych.
Pojęcie „agent” zostało w pewnym stopniu odziedziczone po technikach z lat 80-tych. Techniki te, na
przykład sztuczna inteligencja i systemy ekspertowe, nie
spełniły pokładanych nadziei. Kolejna generacja programów – obecnych agentów ma znacznie większe szanse
zaistnienia w świecie informatyki. Ich zaletą jest to, że
wykorzystują nowe modele inteligencji komputerowej.
Ważnym elementem tego modelu jest wspólna filtracja,
która wykorzystuje myśl ludzką w postaci bazy danych z
priorytetami użytkowników. Nadal istnieją standardowe
rozwiązania wykorzystujące sztuczną inteligencję. Kilku
agentów odwołuje się w swoim działaniu do dziedzin
wiedzy takich jak sieci neuronowe, logika rozmyta, przetwarzanie języka naturalnego i wspólna filtracja.
Inteligentny agent to system posiadający zdolność
postrzegania swojego środowiska poprzez tzw. sensory
oraz podejmowania działań w środowisko za pomocą
efektorów. Jest implementowany poprzez odpowiednie
oprogramowanie i dysponuje odpowiednimi cechami.
Autonomiczne agenty nie wymagają interwencji człowieka, jak i innych programów. Kontrolują wykonywane
przez siebie działania i swój stan wewnętrzny. Są komunikatywne. Wchodzą w interakcje z innymi agentami lub
człowiekiem. Potrafią określać otoczenie i reagować w
przypadku jego zmian. Osiągają cel przez przejęcie inicjatywy. Działają nieustannie nawet, gdy użytkownik z
nich nie korzysta. Dodatkowo, mają umiejętność uczenia
się określają poszczególne typy agentów.
Do charakterystycznych cech agentów zalicza się:
• zdolność do wykonywania zadań bez ścisłej kontroli przez użytkownika,
• zdolność do kontrolowania lokalnych lub zdalnych
zdarzeń takich jak modyfikowanie danych w
bazie danych, aktywność w sieci, zdeterminowane przez czas wykonania,
• zdolność do werbowania innych agentów (włączając ludzi) do wykonywania powierzonych
zadań (komunikacja),
• zdolność do determinowania możliwości innych
agentów (rozumowanie),
• zdolność do stwierdzenia, który agent może pomóc w wykonaniu zadania (planowanie).
Poza wymienionymi zdolnościami inteligentny
agent jest autonomiczny, reaktywny, proaktywny, kooperujący prospołecznie, adaptatywny, zorientowany na cel,
elastyczny, samouruchamiający się, mobilny, posiadający ciągłość czasową oraz osobowość, o pewnej specjalizacji. Można powiedzieć, że inteligentny agent łączy
w sobie takie właściwości jak reaktywność i inwencja,
komunikatywność, autonomiczność, synchroniczność
oraz demonstracyjność. Agent postrzega swoje środowisko (którym może być realny świat, użytkownik –
Технічні вісті 2008/1(27), 2(28)
115
poprzez interfejs graficzny użytkownika, zbiór innych
agentów, Internet, lub być może wszystkie powyższe
czynniki połączone razem) i odpowiada w rozsądnym
czasie na występujące w nim zmiany. Agent nie działa
tylko w odpowiedzi na środowisko. Jest zdolny również
wykazywać zachowanie nakierowane na cel poprzez
przejmowanie inicjatywy. Reaktywność agenta polega na
tym, że musi być on wrażliwy na zdarzenia występujące
w ich otoczeniu, które oddziaływają na cele agentów
oraz założenia leżące u podstaw wykonywanych przez
nich procedur. Komunikatywność agenta jest zdolnością
agentów do współdziałania z innymi agentami (może też
i ludźmi) poprzez pewien rodzaj języka komunikacji
agentów – Agent Communication Language. Agenty
potrafią zademonstrować sposób rozwiązania problemu
innemu agentowi, pokazać mu strategię, jaką dysponują.
Cecha ta pozwala na uczenie agenta przez agenta, nie
tylko przez doświadczenie wynikające z rozwiązywania
samodzielnie nowych problemów. Agenty operują beż
bezpośredniej interwencji ludzi lub innych agentów, mają ponadto pewien rodzaj kontroli nad swoimi akcjami i
stanem wewnętrznym. Budowa agenta uwzględnia to, iż
na rozwiązanie problemu inny agent lub użytkownik potrzebuje pewną ilość czasu. Nie można doprowadzić do
sytuacji, w której praca jednego agenta zostanie zatrzymana na czas potrzebny do rozwiązania jakiegoś problemu przez innego.
Ze względu na szeroki wachlarz możliwości technologie agenckie wykorzystywane są w przemyśle, w
handlu elektronicznym (e-commerce), jako osobista
sekretarka, asystent, w telekomunikacji, edukacji, w medycynie, rozrywce oraz wykorzystywana w różnych symulacjach. Na wyróżnienie zasługuje klasa agentów
informacyjnych (internetowych), które służą do wyszukiwania informacji w sieci WWW.
2.1
AGENCI ASYSTENCI
Paradoksalnie wraz ze wzrostem ilości dostępności
informacji coraz trudniej jest znaleźć potrzebne dane. Do
rozwiązania problemu przeładowania konieczne jest
stworzenie narzędzi, które pozwoliłyby na filtrowanie
informacji docierających do użytkownika oraz sprawne
wyszukiwanie potrzebnych danych bez konieczności
przedzierania się przez tysiące stron. Popularnym pomysłem jest stworzenie inteligentnego asystenta, w
oparciu o technologie agenckie, który wyręczałby użytkownika w wielu czynnościach, przeszukiwał dla niego
zbiory informacyjne, wstępnie analizował i podpowiadał
ograniczając nadmierną ilość danych, wyręczał w rutynowych, mało wymagających a czasochłonnych czynnościach. Takie zastosowanie mogłoby znacznie usprawnić
funkcjonowanie działów firm dbających o utrzymanie
relacji z klientami (Call Center, Help Desk, Hotline,
pomoc techniczna)
Agent informacyjny (ang. Information agent) jest
jedną z propozycji rozwiązania wspomnianego problemu.
Przykładem elektronicznego agenta filtrującego
pocztę elektroniczną jest Maximus, który uczy się hierarchizować, usuwać, przesyłać dalej lub archiwizować listy
elektroniczne w imieniu użytkownika. System NewT jest
116
elektronicznym agentem filtrującym newsy z list tematycznych.
Głównym celem agentów przeszukujących sieci
WWW jest odwiedzanie i indeksowanie jak największej
ilości miejsc. Bardziej wyrafinowani agenci pozyskują
strony z określonej dziedziny tematycznej (Cora, MetaCrawler, WAWA).
Chatterbot’y są pierwszą generacją “social agents”
oprogramowania interfejsowego, który został zaprojektowany by tworzyć trwałą i znaczącą relację z użytkownikiem [1]. Na wiarygodność agentów składa się
szereg ich cech m.in. sposób w jaki się zachowują, posiadane przez nich cechy społeczne jak i wygląd. Niezwykłą zaletą tych agentów jest fakt posiadania przez
nich tzw. „umysłu” i „osobowości”, które kierują ich zachowaniem, wykorzystując zdolności poznawcze, społeczne i wrażliwość afektywną. Chaterbotem będzie wirtualna postać w serwisie internetowym, czy też wirtualny
asystent, który rozmawia z internatami, nawet wieloma
jednocześnie, zapamiętuje swoich rozmówców, np. Witając ich po imieniu (Fido), udziela informacji, zadaje
pytania, zapisuje odpowiedzi lub też prowadzić luźną
konwersację, odpowiadać na wszelkie pytania dotyczące
Firmy, oprowadza po stronach firmy, przedstawia i
sprzedaje produkty i usługi oferowane przez firmę Hubert (Rysunek 1), jest ankieterem (Joanna) prowadzi
wstępne rozmowy kwalifikacyjne oraz spełnia wiele
innych funkcji.
2.2
AGENCI W E-COMMERCE
W obecnej dobie programy agenckie mają coraz
większy udział w procesie zautomatyzowania handlu
elektronicznego. Inteligentny agent może być stosowany
od marketingu, poprzez bezpośredni kontakt z klientem,
rekomendowanie produktów, wyszukiwanie towarów i
dostawców, negocjowanie cen, czy też warunków dostawy, aż do reprezentowania klienta na aukcjach i rynkach
elektronicznych. Programy tego typu spełniają rolę agentów rekomendujących, tzw. shopbot’ów i pricebot’ów,
elektronicznych pośredników oraz negocjatorów.
Agent rekomendujący dokonuje oceny przedmiotów wybieranych przez klienta i porównuje je z przedmiotami wybieranymi przez innych użytkowników, następnie poleca produkt, który podoba się osobom o tych
samych wymaganiach. Agent musi współpracować z innymi agentami, aby uzyskać odpowiednią wiedzę na
temat preferencji użytkowników.
Технічні вісті 2008/1(27), 2(28)
Systemem wieloagenckim rekomendującym w
oparciu o „collaborative filtering”, który poleca produkt
za pomocą profilu użytkownika tworzonego na podstawie oceny produktów był Ring [1]. Kolejnym przykładem jest Amazon Delivers, który automatycznie wysyła recenzje najciekawszych książek z interesujących
danego klienta. Technikę tą wykorzystuje też serwis MovieCentral polecający ciekawe filmy. Inną techniką rekomendowania wykorzystywaną przez system agencki jest
reguła filtrowania na podstawie kontekstu [2]. Agent obserwuje i zbiera informacje o preferencjach użytkownika,
a następnie koreluje je z opisami produktów. Wadą tej
techniki jest ciągłe rekomendowanie tego, co użytkownik
już raz widział.
Agenci są również wykorzystywani w celach marketingowych do zbierania i analizowania informacji na
temat sprzedaży produktów, zachowań potencjalnych
konsumentów, mają też za zadanie przeanalizować historię zakupów oraz stwarzać profile grup, do których
będą skierowane prowadzone kampanie.
Innym wykorzystaniem agentów w e-commerce są
postacie wirtualne, posiadające ciało oraz zdolność porozumiewania się z klientem, zwane z ang. embodied
conversational agents (ECA). Zadaniem tego rodzaju
agentów jest zwiększenie zaufania klienta, udzielanie
pomocy przy zakupach on-line, odpowiadanie na zadane
pytania, zbieranie informacji o klientach, budowanie
trwałych i znaczących relacji z klientem w celu zwiększenia zadowolenia wynikającego z kontaktów klienta z
firmą, jak również budowanie jego lojalności wobec
firmy. Przykładów tego oprogramowania jest bardzo
wiele, np. Rea, Ramona (Rysunek.1), Mr Clean, Hubert
(Rysunek 2).
Po zidentyfikowaniu potrzeby zakupu produktu
przez klienta następnym krokiem jest znalezienie odpowiedniej oferty i dostawcy. Shopbot’y to programy oparte o niekooperujących, racjonalnych agentów, którzy
polecają użytkownikowi najlepsze według nich oferty na
określony towar. Programy te rekomendują produkt na
podstawie wielu jego atrybutów takich jak: cena, jakość,
czas i koszty dostawy, udzielanie gwarancji, promocja i
prezenty jak również obsługa posprzedażowa i reputacja
sprzedającego. Do przedstawicieli należą: BargainFinder
(już nieistniejący w Andersen Konsulting), Frictionless
Sourcing, serwis mySimon.com oraz system Intel-
liShoper, który rezyduje na komputerze użytkownika [4],
obserwuje użytkownika przy dokonywaniu zakupów w
sieci WWW ucząc się jego preferencji po to, by móc
znajdować nowe oferty na podobne towary. Taki agent
przeszukuje nie tylko sklepy internetowe, ale również
serwisy aukcyjne. W systemie tym położono duży nacisk
na anonimowość i zadbanie o ochronę prywatności użytkownika. Jednostka taka składa się z agenta uczącego,
monitorującego, chroniącego prywatność oraz samego
shopbot’a.
Większość shopbot’ów tworzona jest przez firmy
oferujące określone produkty.
Kolejną grupą są pricebot’y [3]. Są to systemy
zbudowane z agentów dynamicznie wyceniające produkt
w miarę zmiany sytuacji na rynku tak, aby zmaksymalizować korzyść sprzedającego.
W systemie e-commerce oprócz zintegrowania
potrzeby oraz wybrania towaru oraz dostawcy potrzebni
są agenci negocjujący terminy i warunki umów. W
zautomatyzowanych negocjacjach agenci tacy przygotowują i oceniają oferty w imieniu klienta tak, aby
zyskać najkorzystniejsze warunki. Wszelkiego rodzaju
transakcje dokonują się przy wykorzystaniu pewnych
strategii negocjacji, które są określone w protokole. Protokół negocjacji opisuje zasady interakcji agentów. Prostym przykładem agenta służącego do prowadzenia
negocjacji na elektronicznej aukcji jest Bid-Click [1]
dostępny na stronach aukcyjnych firmy Amazon. Klient
zainteresowany zakupem towaru określa minimum/maksimum ceny, jaką jest w stanie zaoferować za dany produkt. Agent samodzielnie bierze udział w aukcji na podstawie określonych przez użytkownika zasad.
2.3 EDUKACJA
Platformy zdalnego nauczania, np. (SAVER, ConBa, Persona) są to zwykle serwisy internetowe, które
oferują dostęp do szerokiego wachlarza narzędzi edukacyjnych: materiałów kursowych, serwisów testujących,
forum użytkowników, chat’ów z nauczycielami. Zastosowanie agentów w tych platformach służy głównie personalizowaniu prezentowanych treści oraz doradztwa w
wyborze ścieżki nauki (dopasowanie tempa nauki i strategii do preferencji użytkownika). Na podstawie zebranych informacji agent uczy się, jakie są cele i intencje
studenta oraz w jakich sytuacjach może interweniować,
aby mu pomóc.
Oprogramowanie agenckie SAVER polega na tym,
że każdy użytkownik ma przypisanego jednego agenta
interfejsowego, który pełni rolę osobistego asystenta.
Agent obserwuje użytkownika, kiedy ten czyta materiały,
wykonuje ćwiczenia oraz uruchamia testy sprawdzające.
Jednym słowem zapisuje sekwencję wykonywanych
czynności, czas poświęcany na każdą z nich, czyli szuka
indywidualnego wzorca uczenia się i buduje profil danego użytkownika.
Inteligentne systemy uczące się (DTexSys,
COMET) również wspierają asynchroniczne zdalne nauczanie. Składają się z następujących modułów: eksperckiego, uczącego, użytkownika, interfejsowego.
Guidboty – wirtualni animowani przewodnikami i
nauczycielami. Ten typ agentów jest wrażliwy na stany
emocjonalne użytkownika i może wnioskować o afek-
Технічні вісті 2008/1(27), 2(28)
117
tywnych aspektach rozwiązywania problemów. Agenci
tego typu mają bogatą osobowość, reagują emocjonalnie
w zależności od kontaktu oraz modelują emocje użytkownika. Przykładami agenta pedagogicznego są Steve,
lowałby wyników, sortowałby wyniki według jakiegoś
klucza itd. Brakuje „agentów” na stronach firm, które
tworzyłyby np. profil psychologiczny klienta, czy też
lepszego wykorzystania istniejących lingbot’ów.
Rozwijająca się sztuczna inteligencja próbuje rozwiązywać te i wiele innych problemów, tworzyć oprogramowanie, które mogłoby zastępować w niektórych
czynnościach ludzi. Jednak stworzenie algorytmu działającego przy niekompletnej informacji, niedoskonałym
algorytmie uczenia nie jest proste. Dziedzina ta jednak
wciąż zaskakuje, dlatego też za klika lat będzie można
mieć osobistych asystentów, którzy będą dokonywać
zakupów, planować podróż itp. Powstaną doskonalsze
systemy, które będą zdolne zdobyć każdą informację, czy
to w Internecie, czy też w funkcjonujących w organizacjach systemach.
Adele, Guilly.
Ciekawym pomysłem na zastosowanie agentów w
edukacji jest stworzenie agenta, którego użytkownik musi
nauczyć wiedzy z określonej dziedziny, zwanego teachable agent (Betty’s Brain). W celu poprawienia ich
efektywności zastosowano agentów inteligentnych społecznie (ang. Socally intelligent agents)
2.4. MEDYCYNA
Informatyka w medycynie znajduje coraz to więcej
nowych zastosowań, dlatego nie jest zaskoczeniem, że
technologie oparte o rozwiązania agenckie również
znajdują zastosowanie. Wspomnieć należy o inteligentnych systemach wspierających diagnozę (Guardian,
IM-Agents, Marvin), system prowadzący opiekę nad osobami starszymi i upośledzonymi (TeleCARE), system
wspierający harmonogramowanie i zarządzanie szpitalem
(Agent. Hospital, OTM).
[1] BORKOWSKA A., Inteligentni agenci w handlu elektronicznym, W: e-mentor [online dostęp 15.04.2008]. Dostępny
w
World
Wide
Web:
http://www.e-mentor.edu.pl/
artykul_v2.php?numer=7&id=101.
[2] JAMESOM A., Adaptive Interfaces and Agents, W: A.
Jacko, A. Sears (ed.), Human-Computer Interaction Handbook,
Mahwah, Erlbaum, 2003,s.305-330.
[3] KLUSCH M., Information Agent Technology for the Internet: A. Survey. W: D. Hensel (ed), Specjal Issue on Intelligent Information Integration. 2001.
[4] MENCZER F., MANGE A., STREET N., Adaptive Assistants for Customized E-Shopping, IEEE Inteligent Systems,
Vol.17, Issue 6 2002, s.12-19
[5] ORDYSIŃSKI t., Funkcje agentów w wirtualnych organizacjach gospodarczych, Dostępny [10.04.2008] w World Wide
Web:
http://iiwz.univ.szczecin.pl/zsgi/konferencje/4/pliki/ordy.doc.
3. WNIOSKI
Zaprezentowane przykładowe zastosowania inteligentnych agentów ukazują ogromny wachlarz możliwości, jak również olbrzymi potencjał tego oprogramowania.
Poruszając się w Internecie, korzystając z przeglądarek i
uzyskując wiele powtarzających się wyników na dany
temat, brakuje takiego agenta, który nie dub
Pozyskiwanie i analiza trajektorii ruchu oka u pacjentów
z zaburzeniami neurologicznymi
Tomasz Lewandowski1 , Zbigniew Gomółka2
1
Instytut Inżynierii Technicznej Państwowa Wyższa Szkoła Zawodowa 37-500 Jarosław, ul. Czarnieckiego 16
2
Instytut Techniki, Uniwersytet Rzeszowski, 35-959 Rzeszów, ul. Rejtana 16
The analysis of the eye balls movement in patients
treated for Parkinson’s disease who were performed to
simple visual tasks permits to reveal disorders associated
with this disease, determine its scale and to estimate the
sight organ dysfunction. The aim of such analysis is to
determine the type, frequency, intensity and the direction
of sight organ trembling as well as counting the frequency
of blinking acquired during the observation of static and
dynamic objects and the objects emerging from light blue
background (low contrast). This study presents, proposed
by the author, a prototype implementation of visual tasks
connected with the issues concerning the acquisition,
118
processing and analysis of sight path of people suffering
from Parkinson’s disease by means of OBER 2 system and
the MATLAB software.
I.
Wprowadzenie
I.1 Charakterystyka jednostki chorobowej
Wielu chorobom występującym współcześnie towarzyszą zaburzenia ruchowe – jednym z takich zaburzeń jest
drżenie definiowane jako rytmiczne, oscylacyjne ruchy mimowolne różnych części ciała wywołane naprzemiannymi
lub synchronicznymi skurczami mięśni antagonistycznych
Технічні вісті 2008/1(27), 2(28)