Η Τεχνολογία Επεξεργασίας Γνώσης (ΤΕΓ) (Knowledge Engineering) είναι ένα πεδίο της Τεχνητής Νοημοσύνης (ΤΝ) που προσπαθεί να μιμηθεί τη συμπεριφορά ενός ανθρώπου ειδικού σε ένα δεδομένο πεδίο και που αφορά στη συγκέντρωση, στην παράσταση, στην επεξεργασία και στην παραγωγή συμπερασμάτων από βάσεις γνώσεων.
Η τεχνολογία αυτή έχει τελικό σκοπό τη σχεδίαση και υλοποίηση υπολογιστικών συστημάτων με αυτές τις λειτουργίες. Η τυχόν αναλογία με τη νόηση είναι μόνον μερική έτσι ώστε να περιορίζεται μόνον σε πολύ γενικά χαρακτηριστικά.
Σύμφωνα με τον D. Michie (1923-2007), ο οποίος θεωρείται ο πατέρας της έρευνας για την ΤΝ στο Ηνωμένο Βασίλειο, η ιστορία της Επεξεργασίας Γνώσης αρχίζει με τις απόψεις που εκφράζει ο Σωκράτης στον Φαίδρο του Πλάτωνα.
Ο D. Michie στο βιβλίο του (1986), υποστηρίζει, ότι αν οι ερευνητές της ΤΝ στην αρχή της δεκαετίας του 1960 είχαν προσέξει, κατανοήσει και υιοθετήσει τις θέσεις του Αριστοτέλη για τη Γνώση και τον Συλλογισμό ή Συμπερασμό, τότε η ανολοκλήρωτη έρευνα της δεκαετίας εκείνης για την εδραίωση της ΤΝ σε μηχανισμούς στερούμενους γνώσεων μπορεί να είχε εγκαταλειφθεί νωρίτερα.
Η Επεξεργασία Γνώσης αποτελεί θεμελιακό κλάδο της ΤΝ. Οποιοδήποτε σύστημα προτείνεται ως σύστημα που έχει ΤΝ πρέπει πρωτίστως να εξεταστεί από την πλευρά του μηχανισμού επεξεργασίας γνώσης που υποστηρίζει τη λειτουργία του.
Η γνώση σε ένα τέτοιο σύστημα μπορεί να αποθηκεύεται είτε ρητά σε μια “βάση γνώσης” χρησιμοποιώντας μία μέθοδο “παράστασης γνώσης” (knowledge representation) είτε άρρητα χρησιμοποιώντας την ίδια του τη δομή όπως συμβαίνει με τα νευρωνικά δίκτυα.
Η ρητή παράσταση γνώσης πλεονεκτεί έναντι της άρρητης παράστασης επειδή στην πρώτη περίπτωση η επικοινωνία του εμπειρογνώμονα με το υπολογιστικό σύστημα για την εισαγωγή και τον έλεγχο της γνώσης και των παραγομένων συμπερασμάτων από εμπειρογνώμονες και χρήστες είναι ευκολότερη.
Οι τυπικές (formal) μέθοδοι ρητής παράστασης γνώσης στηρίζονται ως επί το πλείστον στην κατηγορική λογική και σε διάφορες εξειδικευμένες παραλλαγές της.
Μια μέθοδος Παράστασης Γνώσης ορίζει ένα σχήμα αποτύπωσης των γνώσεων σε μια Βάση Γνώσης έτσι ώστε να είναι δυνατή η επεξεργασία τους από μηχανισμούς συμπερασμού (inference engines). Οι γνώσεις που μπορούν να αποτυπωθούν σε μια Βάση Γνώσης περιλαμβάνουν:
– γεγονότα (facts), τα οποία εκφράζουν κάτι που ισχύει ή που έχει συμβεί.
– κανόνες (rules), οι οποίοι καθορίζουν τις προϋποθέσεις βάσει των οποίων ισχύουν γεγονότα.
– πρότυπα (models), δηλαδή πρότυπα οργάνωσης και λειτουργίες που ισχύουν στον τομέα μιας εφαρμογής.
Σε αντίθεση με μια Βάση Δεδομένων, όπου τα γεγονότα και οι κανόνες χρησιμοποιούνται σχεδόν αποκλειστικά για ανάκτηση πληροφοριών, μια Βάση Γνώσης περιέχει γεγονότα που μπορούν να έχουν πολλαπλή χρήση ανάλογα με τον μηχανισμό συμπερασμού και τα προβλήματα που επιλύονται με αυτήν.
Από μια ομάδα γεγονότων και κανόνων μπορούν να εξαχθούν νέα γεγονότα (deduction) ή από τα γεγονότα να παραχθούν με επαγωγή (induction) νέοι κανόνες. Μια Βάση Γνώσης μπορεί να χρησιμοποιηθεί για την απάντηση ερωτήσεων, για τον έλεγχο της καλής λειτουργίας ενός συστήματος και για την εκπαίδευση με υπολογιστή.
Επεκτεινόμενη η ΤΕΓ σε διάφορους τομείς μπορεί να βοηθήσει τον επιστήμονα στην επιτάχυνση του έργου του. Η επεξεργασία και κωδικοποίηση γνώσης μπορεί να χρησιμοποιηθεί για την άντληση ακριβούς επιστημονικής γνώσης χωρίς αμφισβητήσεις, όπως αντιθέτως συμβαίνει με τα μεγάλα γλωσσικά μοντέλα (LLM), όπου η ταυτότητα των κειμένων που χρησιμοποιήθηκαν δεν είναι γνωστή.
Είναι φυσικό τα μεγάλα γλωσσικά μοντέλα να δημιουργούν ερωτηματικά για τις απαντήσεις που παρέχουν και γι’ αυτό επιστήμονες εφιστούν την προσοχή στη χρήση τους. Όταν η χρήση είναι λελογισμένη τότε μπορούν να γίνουν χρήσιμα βοηθητικά εργαλεία.
Ο ανθρώπινος εγκέφαλος έχει τη δυνατότητα να κάνει χρήση και να αξιοποιεί τα μέσα που του προσφέρουν οι νέες τεχνολογίες. Δεν σημαίνει ότι ένας εικονικός πράκτορας ή άλλο σύστημα που αναλαμβάνει να του υπενθυμίσει μια υποχρέωση ότι οδηγεί σε αδρανοποίηση της μνήμης του χρήστη. Απλώς τον απαλλάσσει από το να αποσπάται από άλλες πιο σημαντικές υποχρεώσεις της καθημερινότητάς του.
Η δημιουργία επιστημονικών γνώσεων στηρίζεται στην ανακάλυψη και η διαδικασία της επιστημονικής ανακάλυψης θεωρείται ως το υψηλότερο επίτευγμα της ανθρώπινης δημιουργικής σκέψης.
Επομένως η αυτοματοποίηση με υπολογιστή της διαδικασίας αυτής θεωρείται αδύνατη από πολλούς. Εν τούτοις ορισμένοι ερευνητές της ΤΝ έχουν αποπειραθεί να δημιουργήσουν υπολογιστικά συστήματα που μιμούνται τον επιστήμονα κατά την διαδικασία της ανακάλυψης.
Τα μέχρι σήμερα αποτελέσματα που είναι προϊόν ερευνών πολλών δεκαετιών μας επιτρέπουν να ελπίζουμε ότι τα υπολογιστικά συστήματα ανακάλυψης θα είναι χρήσιμα τουλάχιστον για την επιτάχυνση της επιστημονικής ανακάλυψης ως εργαλεία υποστήριξής της.
Πολλές εργασίες μηχανικής ανακάλυψης έχουν γίνει σε επιστημονικούς τομείς όπως στη φυσική, στη χημεία και στη βιολογία, όπως και για τη μηχανική “επινόηση” μηχανημάτων.
Τέλος έχουμε προσπάθειες στην αυτόματη αρχιτεκτονική σύνθεση και στην αυτόματη συγγραφή μικρών αφηγημάτων.
Έτσι παρατηρούμε ότι γίνονται προσπάθειες εφαρμογής των μεθόδων που έχουν αναπτυχθεί για την αυτόματη επιστημονική ανακάλυψη και σε θέματα που θεωρούνται ότι απαιτούν καλλιτεχνική δημιουργία.
Σύμφωνα με τα παραπάνω και λαμβάνοντας υπόψη ότι η ΤΝ εμφανίζεται ως συμπεριφορά ενός υπολογιστικού συστήματος (δηλαδή υπολογιστής συν πρόγραμμα) γεννάται το εύλογο ερώτημα, εάν είναι δυνατόν να κατασκευάσουμε υπολογιστικά συστήματα που σκέπτονται.
Σύμφωνα με ορισμούς του ρήματος «σκέπτομαι» χρησιμοποιώντας ερμηνευτικά λεξικά καταλήγουμε στην εξής ερμηνεία: Σκέπτομαι= καταλήγω σε συμπέρασμα με την επεξεργασία ενός συνόλου δεδομένων εισόδου, όπου το συμπέρασμα δεν περιέχεται στο σύνολο αυτό των δεδομένων εισόδου.
Λαμβάνοντας υπόψη τον ορισμό καταλήγουμε στο συμπέρασμα ότι τα υπολογιστικά συστήματα που «σκέπτονται» έχουν ήδη κατασκευαστεί. Τα συστήματα αυτά δέχονται ερωτήσεις εκφρασμένες με λέξεις και συντακτικό Φυσικής Γλώσσας και στη συνέχεια παράγουν απαντήσεις και επεξηγήσεις εκφρασμένες παρομοίως.
Η παραγωγή των απαντήσεων στηρίζεται στην επεξεργασία βάσεων δεδομένων και γνώσεων που είναι διαθέσιμες σε μορφή κατάλληλη για επεξεργασία από υπολογιστή.
Η αρίθμηση και η πρόσθεση αποτελούν δύο από τις βασικές λειτουργίες του υπολογιστή που εκτελούνται με μία μόνο εντολή μηχανής.
Η αρίθμηση και η πρόσθεση όμως από τον εγκέφαλο απαιτούν μάθηση και εκτελούνται με τη συνεργασία διαφόρων υποσυστημάτων του, χωρίς να έχει ακόμη πλήρως διαλευκανθεί το πώς εκτελούνται. Διαπιστώνεται από πρόσφατες ερευνητικές εργασίες νευρο-επιστήμης ότι παραμένουν πολλά ακόμη ερωτήματα για την αριθμητική λειτουργία του εγκέφαλου.
Συμπερασματικά, ενώ έχει πραγματοποιηθεί σοβαρή πρόοδος στην ανάπτυξη της ΤΕΓ, υπολείπεται να φανεί σε ποιον βαθμό μπορούν να βοηθήσουν τα συστήματα αυτά τον άνθρωπο στην ανακάλυψη και στην αξιοποίηση γνώσεων. Τέλος, η υιοθέτηση συστημάτων ΤΕΓ πρέπει να γίνεται με μεγάλη προσοχή σε ευαίσθητους τομείς όπως η Άμυνα και η Ιατρική.
Η Ιωάννα Δ. Μαλαγαρδή είναι δρ. Υπολογιστικής Γλωσσολογίας – ιστορικός