Lee A. Bygrave (red.) YULEX 2002 - Universitetet i Oslo

............................................................................
Kunstig intelligens – de vennlige maskinene 77
avgjørelser, selv om det i prinsippet er uriktig – den skjønnsmessige beslutningen
er modellert ved et stort antall faste regler. Og hvis programmet kan
hente erfaring fra en uavhengig kilde – vi kan tenke oss at det liksom «kikker
over skulderen» til en menneskelig beslutningsfatter – så vil det også kunne
oppdatere og raffinere sine egne regler.
Nevrale nett betegner en type programmer som kan bygge opp regler ved
hjelp av eksempler på denne måten. Programmet «lærer» av eksemplene, og
danner selv reglene som kan bli et så komplekst system at et menneske ikke
verken kan overblikke dem eller treffe avgjørelser ved hjelp av dem. Turing
ville gjenkjenne sin lærende datamaskin. Og kanskje han ville hevde det også
var «intelligent» ettersom man ikke ville se forskjell på avgjørelser truffet av
programmet eller et menneske.
Ekspertsystemer
Ofte gjengis regler som en «hvis [en omstendighet foreligger] så følger [et
bestemt resultat, verdi]». Dette er en forenklet form for den som er gjengitt
ovenfor, hvor den vekt som tilordnes forekomsten av omstendigheten, ikke er
angitt eksplisitt. Vi er vant med å bruke slike regler – i sin enkleste form kan
et eksempel være «hvis en person hoster og har rennende nese, så er vedkommende
forkjølet». Helt sikkert er det ikke, for årsaken kan jo for eksempel
være at vedkommende er plaget av allergi – denne usikkerheten kan vi
uttrykke for eksempel ved å angi en sannsynlighet for resultatet – «så er vedkommende
forkjølet med 80 % sannsynlighet». Og vi kan legge til tilleggsmomenter,
hvis det f eks er vinter, øker vi sannsynligheten for forkjølelse,
hvis det er i pollensesongen, reduserer vi det ytterligere.
Det har fremstått som en mulighet å utvikle systemer som bygger på slik
kunnskap. Man kunne ta kunnskapen til f eks en spesialist i øre-, nese- og
halssykdommer. Vedkommende angir alle de omstendighetene han eller hun
bygger på når vedkommende stiller en diagnose. Hvis dette gjøres nøyaktig
nok, og er fullstendig nok, ville programmet kunne stilles til disposisjon for
en allmennpraktiker, som så kunne få hjelp til vurderinger som ellers ville
måtte gjøres av eksperten. Slike systemer kalles derfor ekspertsystemer.
Et tidlig eksempel med en viss suksess var Ed Shortliffes program
MYCIN, som var konstruert for å diagnostisere årsaken til blodinfeksjoner.
Programmet stilte brukeren en serie med spørsmål om pasientens symptomer,
og på dette grunnlaget anga det så sannsynlig årsak. Årsakene kunne være
mange, for eksempel en bakterie som pasienten var blitt smittet av på reise i
utlandet, og som brukeren (den behandlende lege) ikke hadde erfaring med