forskningen
Der er væsentlige forskelle mellem de tre omtalte egentlige ekspertsystemmetoder.
Neurale netværk er rent empiriske, idet et svar altid vil bygge på det tillærte fra træningsdata
sættet. Svar på input, som træningsdatasættet ikke er repræsentativt for, er uforudsigeligt.
Der kan ikke udtrækkes begrundelser for et givet svar fra et neuralt netværk. Anvendelsen af neurale netværk kan sammenlignes med brugen af en højere ordens polynomisk regres
sionsligning, som kan give en perfekt tilpasning til de givne data, men hvor ekstrapolation er af tvivlsom værdi.
Den regelbaserede reprassentationsteknik mangler gode strukturer til organisering af
viden for større problemkomplekser. Reglerne kan dog i mange nyere værktøjer bygges op som et hierarki af objekter med fastlagte egen
skaber og en dynamisk struktur af relationer mellem objekterne. Strukturering af regelsættet er vigtig, idet et regelbaseret systems in- ferensmetode ikke sikrer konsistens i svarene ved intra- eller ekstrapolation i forhold til den indlagte viden.
Kausale sandsynlighedsnet er baseret pä en velstruktureret model af det betragtede biologi
ske eller tekniske problemområde. Kausale sandsynlighedsnet er derfor sammenlignelige med andre velkendte metoder til mekanistisk simulering af biologiske systemer, f.eks. ved diffentialligninger. Forskellen til de mere tradi
tionelle metoder ligger primært i repræsenta
tion af viden i form af sandsynlighedsfordelinger og inferens af viden ved hjælp af sandsynlig
hedsberegninger. Intra- og ekstrapolation ved velstrukturerede simuleringsmodeller er be
hæftet med usikkerhed, men resultaterne er imidlertid en følge af de anvendte biologiske sammenhænge, som kan underkastes en viden
skabelig kritik.
Forskningens mål er - meget skematisk - tve
delt: At skabe ny viden under kontrollerede forsøgsbetingelser og at strukturere sådanne ofte modstridende fragmenter af viden i hel
heder. Forskeren vurderer derfor videnbaserede systemer ud fra ønsket om et medium for strukturerede helheder, et muligt alternativ til hårdt prøvede matematiske simuleringsmodel
ler. Konklusionen vedrørende brug af viden
baserede systemer i jordbrugsforskningen er derfor, at modelbaserede metoder, for de her omtalte metoders vedkommende kausale sand
synlighedsnet, appellerer til forskerens behov for forståelse af biologiske sammenhænge.
Det skal dog påpeges, at modellering i høj grad er valg af hvilke informationer, der skal be
nyttes, og hvilke der skal kasseres, fordi de ikke passer ind i strukturen. Der er derfor også behov for systemer, som bevarer mangfoldig
heden og giver mulighed for brugerstyret,
associativ informationssøgning (jævnfør be
skrivelsen af hypermedia). Sådanne systemer kan ikke lede til entydige konklusioner, men kan hjælpe brugeren, f.eks. en forsker, til at skabe sin egen opfattelse af strukturer.
Afslutning
Udvikling af videnbaserede systemer kan være en langsommelig og besværlig proces. Det er projektgruppens erfaring, at der eksisterer tre væsentlige ’flaskehalse’ i forbindelse med ud
vikling af videnbaserede systemer til det jord
brugsfaglige område:
• værktøjet
• kommunikationen
• ressourcerne
Det anvendte programmel har primært været værktøjer dedikeret til udvikling af videnbasere
de systemer. Disse værktøjer er karakteriseret ved at være relativt bekostelige i anskaffelse.
Flere af dem har desuden vist sig at være relativt svært tilgængelige. Det har således krævet en betydelig indsats at opnå tilstrækkelig indsigt i disse værktøjers potentiale for at kunne anvende dem formålstjenligt ved ud
vikling af prototypeme.
Kommunikation med fageksperter har ligeledes vist sig at være en krævende proces, især når systemet vedrører et fagligt problem, som ikke i forvejen er veldefineret. Der er således, i forbindelse med de prototyper hvor eksterne fogeksperter har medvirket, brugt megen tid på at opnå en fælles forståelse af fagområde og repræsentationsteknik. En sådan forståelse er en forudsætning for, at eksperten kan levere den nødvendige og relevante viden.
Det fører over i den tredje væsentlige forud
sætning for udvikling af videnbaserede syste
mer: Der skal i organisationen findes en eller flere fageksperter, der har tid og lyst til at
bidrage med en betydelig arbejdsindsats ved udvikling af systemet Det er projektgruppens erfaring, at det kan være vanskeligt at finde eksperter, der har mulighed for at afsætte den fornødne tål til dette.
Referencer
Andreassen, S., Jensen F.V. & Olesen KG . 1990. Medical Expert Systems Based on Causal Probabilistic Networks. In: Expert Systems in Agricultural Research, (ed. Skov et aL) Fællesbeietning nr. SF1, Statens Plan
teavlsforsøg og Statens Husdyrbrugsforsøg, Foulum. 33-57.
Ballegaard, T. 1990. Knowledge acquisition for expert systems. In: Expert Systems in Agri
cultural Research, (ed. Skov et aL) Fælles
beretning nr. SF1, Statens Planteavlsforsøg og Statens Husdyrbrugsforsøg, Foulum. 9-13.
Ballegaard, T. & Haas, H. 1990. WEEDEX - an expert system for identification of weed seedlings. In: Expert Systems in Agricultural Research, (ed. Skov et aL) Fællesberetning nr. SF1, Statens Planteavlsforsøg og Statens Husdyrbrugsforsøg, Foulum. 27-31.
Brummenæs, N. 1990. Teknikker for tapping av kunnskap. Inst, for Datateknik, Danmarks tekniske Højskole. København.
Dent, J.B. & Jones, J.W. (eds.) 1989. Expert Systems, Applications in Agriculture. Agri
cultural Systems, 31, 1-155.
Dindorp, U. 1990a. Development of an expert system for non-chemical weed control. In:
Expert Systems in Agricultural Research, (ed. Skov et aL). Fællesberetning nr. SF1, Statens Planteavlsforsøg og Statens Husdyr
brugsforsøg, Foulum. 23-26.
Dindorp, U. 1990b. Ekspertsystemer og deres brug i jordbrugssektoren. Temadag om Biometri og Informatik 1990. Beretning nr.
S2053, Statens Planteavlsforsøg. 77-82.
Hart, A 1986. Knowledge Acquisition for Expert Systems. Anchor Brendon, Ltd.
Essex.
Hayes-Roth, F., Waterman, D .A & Lenat, D.B. 1983. Building Expert Systems. Addison Wesley.
Kristensen, I., Hermansen, J.E. & Østergaard, V. 1988. Handlingsprogram for produktion af bederoer - Udvikling, analyse og anvendelse.
641. Beretning fra Statens Husdyrbrugsfor
søg, København.
Lauritzen, S.L. & Spiegelhalter, D.J. 1988.
Local computation with probabilities on graphical structures and their application to expert systems (with discussion). J. Roy. Sta
tist. Ser.B, 50: 157-224.
Lautrup, B. 1990. Neural networks as trainable classifiers. In: Expert Systems in Agricultural Research (ed. Skov et aL). Fællesberetning nr. SF1, Statens Planteavlsforsøg og Statens Husdyrbrugsforsøg, Foulum. 69-76.
Mikkelsen, S.A. & Skov, F. 1990. Forsknings
projektet "Ekspertsystemer i jordbrugsforsk
ningen". I Temadag om Biometri og Infor
matik 1990. Beretning nr. S2053, Statens Planteavlsforsøg, Lyngby. 107-108.
Motta, E., Rajan, T. & Eisenstadt, M. 1990.
Knowledge acquisition as a process of model refinement. Knowledge Acquisition, 2,21-49.
Møller, M. 1990. Phenogroup determination of cattle using a neural netwok approach. In:
Expert Systems in Agricultural Research (ed.
Skov et aL). Fællesberetning nr. SF1, Statens Planteavlsforsøg og Statens Husdyrbrugsfor
søg, Foulum. 77-81.
Rasmussen, L.K., Thysen I. & Pedersen K.M.
1990. An application of Causal Probabilistic Networks to examine reproduction of dairy cows. In: Expert Systems in Agricultural Research (ed. Skov et aL). Fællesberetning nr. SF1, Statens Planteavlsforsøg og Statens Husdyrbrugsforsøg, Foulum. 59-68.
Rolston, D.W. 1988. Principles of Artificial Intelligence and Expert Systems Develop
ment. McGraw-Hill, New York.
Skov, F., Ballegaard, T., Mikkelsen, S.A, Møl
ler, M.F. & Rasmussen, L.K. (eds.) 1990.
Expert Systems in Agricultural Research.
Fællesberetning nr. SFl, Statens Planteavls
forsøg og Statens Husdyrbrugsforsøg, Fou
lum.
Skov, F. 1990a. Rule-based expert systems. In:
Expert Systems in Agricultural Research (ed Skov et aL). Fællesberetning nr. SF1, Statens Planteavlsforsøg og Statens Husdyrbrugsfor
søg, Foulum. 15-22.
Skov, F. 1990b. Hypermedia - a new infor
mation technology. In: Expert Systems in Agricultural Research (ed Skov et aL). Fæl lesberetning nr. SFl, Statens Planteavlsforsøg og Statens Husdyrbrugsforsøg, Foulum. 95-
102.
Østerby, T. 1988. Knowledge acquisition and specification. Information modelling and knowledge bases. IOS Press, Amsterdam.