Χρήση τεχνικών τεχνητής νοημοσύνης σε κοινωνικοοικονομικά δεδομένα

Η χρήση τεχνικών Τεχνητής Νοημοσύνης (ΤΝ) στη διαδικασία λήψης αποφάσεων και στην εξαγωγή προβλέψεων αποτελεί ένα από τα πλέον δυναμικά αναπτυσσόμενα ερευνητικά πεδία των τελευταίων ετών. Ωστόσο, η περιορισμένη διαθεσιμότητα δεδομένων, καθώς και οι ελλείψεις ή η αβεβαιότητα που συχνά τα χαρακτηρίζουν, επηρεάζουν αρνητικά την αποδοτικότητα και την αξιοπιστία των μοντέλων που αναπτύσσονται στο πεδίο. Επιπλέον, η έλλειψη διαφάνειας ως προς τον τρόπο που παράγονται τα αποτελέσματα από μεθόδους Μηχανικής Μάθησης (ΜΜ), βασισμένες σε Νευρωνικά Δίκτυα – δηλαδή μεθόδους της συνδεσμικής προσέγγισης (connectionist approach), οι οποίες συχνά λειτουργούν ως «μαύρα κουτιά» – περιορίζει την ερμηνευσιμότητα και τη δυνατότητα τεκμηριωμένης αξιοποίησής τους σε αντίθεση με τις μεθόδους της συμβολικής προσέγγισης (symbolic approach), όπως οι βασισμένες σε κανόνες (rule-based) ή περιπτώσεις (case-based) τεχνικές. Η ανάγκη κατανόησης και ερμηνείας των αποτελεσμάτων των παραπάνω μοντέλων έχει οδηγήσει στην ανάπτυξη του πεδίου της Επεξηγήσιμης Τεχνητής Νοημοσύνης (Explainable Artificial Intelligence – XAI), το οποίο στοχεύει στη δημιουργία διαφανών συστημάτων που επιτρέπουν στους χρήστες να κατανοούν τους λόγους πίσω από τις αποφάσεις ή τις προβλέψεις των αλγορίθμων ΤΝ. Για την αντιμετώπιση των παραπάνω προκλήσεων έχει αποδειχθεί ότι ο συνδυασμός διαφορετικών μεθοδολογιών (υβριδισμός) οδηγεί σε πιο αξιόπιστες και αποτελεσματικές λύσεις. Στην παρούσα διδακτορική διατριβή (ΔΔ) αναλύεται και προτείνεται μια υβριδική μεθοδολογία συλλογιστικής, η οποία συνδυάζει διαφορετικές μεθόδους της συμβολικής προσέγγισης και συγκεκριμένα τη Συλλογιστική Βάσει Κανόνων (ΣΒΚ) και Συλλογιστική Βάσει Περιπτώσεων (ΣΒΠ) με την Εξόρυξη Διεργασιών (ΕΔ). Η μεθοδολογία αυτή εφαρμόσθηκε στο πλαίσιο της ΔΔ σε δεδομένα τριών διαφορετικών πεδίων για: i. την ανάπτυξη ενός Συστήματος Υποστήριξης Αποφάσεων για την παροχή εξατομικευμένων υπηρεσιών φροντίδας σε άτομα με Διαταραχές Aυτιστικού Φάσματος (ΔΑΦ). Ο τομέας της υγείας (δεδομένα υγείας) αποτελεί κατεξοχήν πεδίο εφαρμογής υβριδικών συστημάτων συλλογιστικής/αιτιολόγησης. Με βασικό στόχο τη βελτιστοποίηση των συστημάτων διαχείρισης υγείας, τα εν λόγω υβριδικά μοντέλα συμβάλλουν ουσιαστικά στη βελτίωση της ποιότητας ζωής και φροντίδας των ασθενών. ii. την ανάπτυξη ενός Συστήματος Υποστήριξης Αποφάσεων IDS4CLIMA, σε σχετικά με την κλιματική αλλαγή θέματα. To εργαλείο ενσωματώνει την προτεινόμενη υβριδική συλλογιστική (ΣΒΠ, ΣΒΚ και ΕΔ), επιδιώκοντας να ενισχύσει την ικανότητα λήψης τεκμηριωμένων και αποτελεσματικών αποφάσεων σε συνθήκες όπου συχνά η έγκυρη επιστημονική γνώση συνυπάρχει με αβεβαιότητα και παραπληροφόρηση. iii. την ανάπτυξη ενός Συστήματος Υποστήριξης Αποφάσεων COMP-DST, για θέματα Δικαίου και Πολιτικής Ανταγωνισμού. Μέσω της ολοκληρωμένης, τριών επιπέδων προσέγγισης, το προτεινόμενο εργαλείο (Comp-DST) δομεί και αξιοποιεί συστηματικά γνώσεις σχετικά με το Δίκαιο και την Πολιτική Ανταγωνισμού, αποσκοπώντας να διευκολύνει τους εμπειρογνώμονες στην ανάλυση και διερεύνηση υποθέσεων και να βελτιώσει την αποτελεσματικότητα και αξιοπιστία τους. Συνολικά, τα αποτελέσματα καταδεικνύουν ότι οι υβριδικές προσεγγίσεις μπορούν να αποτελέσουν κρίσιμο εργαλείο για τη βελτίωση της διαφάνειας, ερμηνευσιμότητας και της αξιοπιστίας των συστημάτων υποστήριξης αποφάσεων σε πολύπλοκα και κοινωνικά ευαίσθητα πεδία.