Vijftien jaar geleden waren expertsystemen de grote hype. Zij zouden IT-systemen slimmer maken en nuttiger voor mensen. Hebben zij hun beloftes weten waar te maken? En wat brengt de toekomst? Een gesprek met medewerkers van Bolesian over de praktische invulling, en met twee universitaire docenten over nieuwe ontwikkelingen.
Bolesian in Helmond is meer dan 15 jaar geleden opgericht speciaal voor kennissystemen. Het is nog altijd gevestigd in hetzelfde gebouw, maar er werken nu wat meer mensen, rond de 80. Geen spectaculaire groei, zoals elders in de IT-wereld.
Eric Everstijn, commercieel directeur, vertelt: ‘De grote sprong die men destijds van kennistechnologie verwachtte is niet geheel gerealiseerd, maar de vooruitzichten blijven goed. Dat het voor de buitenwereld stil lijkt rondom kennistechnologie, komt doordat de expertsystemen steeds vaker een onderdeel van IT-systemen vormen, en dus niet apart staan.
Ik ben ervan overtuigd dat een aantal van de huidige bottlenecks verholpen kunnen worden door meer gebruik te maken van kennissystemen. Het ontwikkelen van kenniscomponenten blijft echter een arbeidsintensief werk. Kenniscomponenten die geïntegreerd worden in IT-systemen, zijn nog steeds maatoplossingen die zich niet lenen voor toepassing op grote schaal.’
Hoe is de jullie ontwikkeling verlopen? Bolesian is in 1993 als onafhankelijk bedrijf opgenomen binnen Cap Gemini. Waarom?
Gertjan Beijer, technisch directeur: ‘De eerste zeven jaren hebben we ons vooral geconcentreerd op advisering, het geven van cursussen, probleemanalyse en andere activiteiten gericht op het rijp maken van de markt. De afgelopen acht jaar lag het accent op het ontwikkelen van oplossingen. In het begin een aantal kleinschalige oplossingen, daarna zijn diverse applicaties met behulp van kennistechnologie ontwikkeld ter ondersteuning van primaire bedrijfsprocessen. Dat kennissystemen op een aantal gebieden een aanvulling zijn voor traditionele IT-oplossingen, werd door Cap Gemini begin jaren ’90 onderkend. Voor een groot softwarebedrijf is het interessant om een bedrijf binnen de groep te hebben dat zich primair richt op innovatieve technologieën die zijn over te dragen naar praktische toepassingen. Van de overname door Cap Gemini plukken we nu over en weer de vruchten.’
Wat is de commerciële toekomst van kennistechnologie? Zal de oorspronkelijke hype toch nog eens werkelijkheid worden, blijft het een gestage groei of komt er een teruggang?
Everstijn: ‘Kennistechnologie blijft een gezond marktsegment. De afgelopen jaren is de aandacht van onze klanten vooral gericht geweest op het jaar 2000 en de invoering van de euro. Het zal duidelijk zijn dat we daarvan niet geprofiteerd hebben. Verder is bij onze klanten veel aandacht uitgegaan naar de invoering van erp-systemen, zoals SAP en Baan. We denken wel kenniscomponenten voor erp te kunnen leveren, maar we verwachten dat de ontwikkelingen op het gebied van Internet en e-handel een belangrijke pijler zullen zijn voor onze groei in de komende jaren. Crm (customer relation management) is een trend die zeker doorzet naar de 21ste eeuw. De mate waarin organisaties in staat zijn om informatie af te stemmen op de specifieke situatie van klanten (of klantgroepen) zal mede bepalend zijn voor de manier waarop zij zich van anderen kunnen onderscheiden. Kennistechnologie zal een belangrijke plaats innemen bij het realiseren van systemen die deze nieuwe processen ondersteunen.’
Toepassingen
Voor welk soort toepassingen hebben jullie kennistechnologie ontwikkeld? Beijer: "Advies op het gebied van hypotheekaanvragen is een van de oudste, waarbij het nu vooral gaat om het gehele gebied van persoonlijke financiering. Er zijn nog veel andere toepassingen in de bankwereld. Verder valt te denken aan schade-afhandeling bij verzekeringsmaatschappijen, systemen voor het maken van offertes, job/persoon-matching voor uitzendorganisaties, call centers en help desks, en planning- en scheduling-systemen voor distributie en transport. Vooral voor erp-pakketten kunnen we, wat het laatste betreft, een uitstekende toegevoegde waarde leveren. Hun ‘geavanceerde’ scheduling en planning is nogal algemeen, en verbeteringen zijn mogelijk door iets voor een specifiek probleem of domein te ontwikkelen."
Bolesian heeft bijvoorbeeld onlangs een planning- en scheduling-oplossing ontwikkeld voor een Duitse aluminiumsmelterij.
Wat zijn in de afgelopen 15 jaar de ontwikkelingen in de kennistechnologie zelf gewest? Destijds dacht men dat het een heel speciale en aparte technologie zou worden, met een aparte methodiek, speciale gereedschappen enzovoorts. Wordt kennis nog steeds gezien als essentieel verschillend van informatie?
Beijer: "Jazeker. Volgens een definitie bestaat informatie uit de met elkaar in verband gebrachte gegevens omtrent een bepaald fysiek onderdeel van onze menselijke wereld. De kleur rood en een lengte van 1 meter 20, zijn gegevens. Dat déze paal rood is en 1,20 m lang, is informatie. Kennis betreft de relaties tussen brokken informatie, zoals die door mensen ervaren wordt. Een voorbeeld is dat ik niet met mijn auto tegen die paal moet oprijden, anders krijg ik schade. Dat is natuurlijk een heel eenvoudig voorbeeld, want veel van dat soort basiskennis zit al in informatiesystemen. Kennistechnologie bemoeit zich vooral met onderwerpen die voor mensen n�et zo duidelijk liggen. Vroeger dacht men vooral de kennis van experts in een systeem te kunnen stoppen, nu gaat het om het optimaliseren van de werking van een gecompliceerd proces of systeem."
Dus toch een aparte benadering voor kennistechnologie?
Beijer: "Ja, vooral omdat de problemen zo ingewikkeld zijn en het terrein vaak niet ontgonnen. Bij kennistechnologie gaat het om het in kaart brengen van kennis, deze te structureren en te modelleren met als doel een bepaald menselijk, repeterend, mentaal probleemoplosproces te automatiseren. Onze oplossingen verstrekken adviezen zonder menselijke tussenkomst.
Je hebt andere gereedschappen nodig om een kennismodel te ontwikkelen dan een informatiemodel, én ook andere specialisten: kennistechnologen. De ontwikkelomgevingen verschillen, ook al zal uiteindelijk de kennistechnologie wel als onderdeel van een ‘gewoon’ IT-systeem geïmplementeerd worden."
Meer dan 25 jaar geleden werd als eerste kennissysteem Mycin ontwikkeld, voor het geven van advies inzake de behandeling van bloedinfecties. Dat systeem werkte met regels, in de trant van: Als .. en/of .. dan …
Door een groot aantal van dergelijke regels te verzamelen, trachtte men kennis expliciet te maken en geschikt voor redeneren in een systeem.
Beste techniek
Zijn er nog andere systemen ontwikkeld in de kennistechnologie?
Beijer: "Zeker. Naast op regels gebaseerde systemen, kennen we case-based en constraint-based systemen. Andere technologieën zijn kennisbomen of matrices als kennisrepresentatie, maar tot nu toe nog geen geïnverteerde matrices. Welke de beste techniek is? Dat is afhankelijk van de aard van het kennisprobleem. Als de kennis gestructureerd wordt volgens regels, gebruik je die. Voor een helpdesk kun je waarschijnlijk het best met voorbeelden werken. Voor een configurator wordt gebruik gemaakt van een combinatie van regels, formules en beslisbomen. Zo kent elk probleem een ‘natuurlijke’ structuur waarop je moet aansluiten, anders kom je hopeloos in de problemen."
Die aansluiting maakt het niet alleen makkelijker om een kenniscomponent te ontwikkelen, maar ook om die later te onderhouden, want ook kennissystemen zijn niet immuun voor verandering.
Als een kennissysteem slimmer is dan een mens, hoe kan een mens dan verantwoordelijkheid nemen voor de beslissingen of adviezen van een kennissysteem? En hoe test je zo’n systeem?
Beijer: "Testen gaat in grote lijnen niet anders dan bij een gewoon IT-systeem. Volgens het V-model vindt ontwikkeling plaats aan de linkerkant en testen aan de rechterkant. Je maakt niet alleen een functioneel ontwerp (links), maar je ontwikkelt tegelijk de testcases om dat ontwerp te testen (rechts). Hetzelfde geldt voor het technische en het gedetailleerde ontwerp. Echter, in tegenstelling tot IT-systemen vindt bij de acceptatietest van een kennissysteem nog een afzonderlijke kennisinhoudelijke test plaats. Hierin wordt getest of het systeem de enorme complexiteit en diversiteit van gevallen en aanvragen inhoudelijk correct behandelt. De uiteindelijke gebruiker moet de werking wel kunnen begrijpen, vandaar ook dat het zo belangrijk is om aan te sluiten op de ‘natuurlijke’ structuur van het kennisprobleem."
Kennissystemen in academische wereld
Hoe is de ontwikkeling van kennistechnologie in de universitaire wereld gegaan? Wordt daar nog steeds veel aandacht aan besteed? En wat zijn de nieuwste ontwikkelingen? Hierover spraken we met Linda van der Gaag en Peter Lucas, docent/onderzoekers aan het Informatica Instituut van de Universiteit van Utrecht. Het instituut kent twee speciale richtingen: Medische Technische Informatica en Technische Kunstmatige Intelligentie.
Zijn er de laatste 15 jaar spectaculaire nieuwe ontwikkelingen geweest die voor een omwenteling gaan zorgen in de theoretische kant van kennissystemen?
Van der Gaag: "Het is inmiddels wel duidelijk geworden dat de overdreven verwachtingen van 15 jaar geleden onrealistisch waren. Veel pilotprojecten zijn blijven steken op een nogal elementair niveau. Expertsystemen bleken niet de universele oplossing van alle problemen. Maar het onderzoek is gewoon doorgegaan en het gebied heeft zich enorm verbreed. In feite is het nu zo breed dat het voor onderzoekers niet eenvoudig is om het goed te overzien en op de hoogte te blijven."
Lucas stelt dat Mycin eigenlijk veel te vroeg in de publiciteit is gekomen en een goede illustratie vormt van de invoeringsproblematiek. In die tijd waren er geen PC’s in het ziekenhuis: voor een advies moest je van het ziekenhuis naar de universiteit. Je bent er niet met alleen een expertsysteem, het moet ook goed geïntegreerd zijn en makkelijk te gebruiken, en passen in een goed ontwikkelde IT-infrastructuur.
In de begintijd werden vooral op regels gebaseerde kennissystemen gebruikt. Er zijn nu ook andere mogelijkheden: de eerder genoemde case-based systemen en probabilistische systemen met Bayesiaanse netwerken.
Van der Gaag voegt daaraan toe dat het gebruik van modellen het speerpunt is van de benadering in Utrecht. "Het idee hiervan is dat je een model van de werkelijkheid maakt. Het leuke van een model is dat je het kunt gebruiken om te diagnosticeren én om voorspellingen te doen, bijvoorbeeld over de manier waarop een kanker zich zal gaan ontwikkelen bij verschillende behandelmethodes."
Modellering wordt onder meer gebruikt bij de behandeling van non-Hodgkin lymfoom van de maag (een vorm van maagkanker). Dit is een Bayesiaans netwerk, een kansmodel waarin statistische onafhankelijkheden en afhankelijkheden tussen variabelen worden weergegeven door middel van pijlen. Zo’n model is te gebruiken om het vroege resultaat en de overleving na vijf jaar te voorspellen, indien voor een bepaalde behandeling gekozen wordt. Een voorbeeld. Een patiënt met een leeftijd tussen 45 en 49 jaar, in goede gezondheidsconditie, verkeert in klinisch stadium I (tumor is slechts lokaal in de maag aanwezig). De tumor is kleiner dan 10 cm in diameter, en het betreft een laaggradig lymfoom. Bij de patiënt is de bacterie Helicobacter pylori aangetroffen in het maagslijmvlies: een bekende veroorzaker van maagzweren en maagkanker.
De arts wil nu onderzoeken welke therapie de beste resultaten zal opleveren. Via het model is zowel het vroege resultaat als de prognose over vijf jaar te berekenen, afhankelijk van de therapie (optimale combinatie van radiotherapie, anti-biotica en/of chirurgie).
Een traditioneel probleem bij software is het onderhoud. Dat zal hierbij ook wel spelen, want die bacterie is nog niet zo lang geleden ontdekt!
Lucas: "Zeker, en dat is het grote voordeel van modelleren. Omdat je de dieptekennis gemodelleerd hebt, kun je die vrij eenvoudig aanpassen. Alle andere zaken, zoals het redeneermechanisme en de gebruikersinterface, kunnen dan intact blijven. Neem bijvoorbeeld de gecompliceerde elektronische schakeling van een chip in een pacemaker. Als je het ontwerp als model gebruikt, kun je nog niet eerder opgetreden fouten terugvoeren naar de oorzaak en omgekeerd het resultaat van bepaalde foutoorzaken bepalen. Als de chip wordt vervangen, hoeft alleen het model van die chip te worden aangepast."
Omdat kennis veranderlijk is, zal daarmee bij het ontwerp van een kennissysteem rekening gehouden moeten worden.
Mens onmisbaar
Een van de grote problemen bij kennissystemen van weleer was het verzamelen van de kennis, die meestal impliciet in de hoofden van mensen is opgeslagen. Hoe doen jullie dat?
Van der Gaag: "Dat is niet anders geworden. Bij medische zaken is veel kennis vaak al beschreven. Verder moet je met de medische experts praten en daarna proberen om je model zoveel mogelijk te verbeteren. Maar soms is die kennis erg moeilijk te krijgen. In een van mijn projecten werk ik samen met het Nationaal Studiecentrum voor Criminaliteit en Rechtshandhaving, om een model te maken over de manier waarop de criminaliteit zich in een stad verspreidt onder invloed van bepaalde maatregelen. Daarvoor moesten we de misdaadgevoeligheid per locatie bepalen en het gedrag van criminelen bij verschillende maatregelen� Hoe kom je daar nu aan? Als sociale factoren meespelen, krijgt je probleem veel extra dimensies en wordt het veel gecompliceerder."
Destijds was er nog een andere vorm van een kennissysteem: het neurale netwerk. Het voordeel hiervan is dat je dit makkelijk kan trainen als je maar voldoende geclassificeerde voorbeelden hebt. Het nadeel is dat je de redenering waardoor het systeem tot een bepaalde conclusie komt, niet boven tafel krijgt. Van der Gaag: "Dat klopt, het is daarom vooral geschikt voor patroonherkenning wanneer je over voldoende feitenmateriaal beschikt. Het wordt bijvoorbeeld in Leiden gebruikt voor de voorselectie van uitstrijkjes die door een expert bekeken moeten worden; daarvoor is het erg nuttig."
De constatering volgt dat bij het gebruik van een kennissysteem steeds een mens de uiteindelijke beslissing neemt en de verantwoordelijkheid draagt. Het idee dat een neuraal netwerk zelfstandig een therapie bepaalt, zonder inzicht te geven in de gebruikte redenering, is een schrikbeeld.
En hoe zien de docent/onderzoekers de toekomst?
Lucas: "Het is niet te verwachten dat er binnenkort een grote doorbraak in kennistechnologie komt. We hebben geleerd dat de ontwikkeling moeizaam, maar wel gestaag verloopt. We gaan natuurlijk steeds ingewikkelder problemen te lijf; wat we nu doen is totaal niet meer te vergelijken met Mycin. Verder wordt het vakgebied meer volwassen en verbreedt het zich heel sterk. We zijn nu bezig met problemen waarvan we 15 jaar geleden nog niet konden dromen dat we ze konden oplossen; nu komen we nu een heel eind.
Over intelligente agents zegt Lucas:’De huidige belangstelling is te verklaren door de relatie met Internet en daar speelt Pattie Maes (MIT) behendig op in. Ik zie ze meer als een nieuw paradigma, naast andere kennistechnologische principes. Ze kunnen overigens heel nuttig zijn en het gebruik van kennistechnologie erg stimuleren."
Hein van Steenis, freelance medewerker.
Kennistechnologie en AI
Kennistechnologie is geen gemakkelijk verhaal, noch in de commerciële, noch in de academische wereld. De bedrijven die er gebruik van maken, lopen er niet mee te koop, waardoor de zichtbaarheid gering is. Het gaat om maatoplossingen die niet massaal ingevoerd kunnen worden. Hoewel er inmiddels voldoende ervaring is opgedaan om te weten dat basisproblemen zich herhalen, vereisen verschillen in de bedrijfsomgeving en kennisdomeinen toch meestal een speciale ontwikkeling.
De term AI (Artificial Intelligence, kunstmatige intelligentie) is al in 1956 geïntroduceerd door J. McCarthy. Doel van AI is kenmerken van menselijke intelligentie aan te brengen in computersystemen, zoals leren, redeneren, taal begrijpen en het vermogen om problemen op te lossen.
Volgens sommigen betekent AI: Absolutely Impossible (absoluut onmogelijk). De principiële onmogelijkheden van AI zijn onder andere in 1992 aangetoond door H.L. Dreyfus (What Computers Still Can’t Do, MIT Press). Anderen zien de overwinning van Deep Blue op de toenmalige wereldkampioen schaak echter als een doorbraak. Zij vergeten dat schaken weliswaar (een speciaal soort) intelligentie vereist, maar dat het spel heel beperkt en volstrekt specialistisch is. De huidige oplossing (heel veel krachtige computers gebruiken om zoveel mogelijk zetten diep alle mogelijkheden te bekijken) getuigt niet van veel intelligentie. Maar dat komt later nog wel, is daarop meestal het antwoord. De vraag is: wanneer?
Bij de in dit artikel beschreven kennistechnologie gaat het zeker niet om AI. Het doel is om een zo goed mogelijke oplossing van problemen te vinden die mensen niet goed kunnen oplossen. Of van ingewikkelde problemen, die teveel tijd kosten.
