Podręcznik

Przez wiele lat środowisko badań operacyjnych rozwijało się w pewnej separacji od środowiska sztucznej inteligencji, co przejawiało się oddzielnymi konferencjami, czasopismami, czy zespołami naukowymi. Należy jednak wspomnieć, że obszar taki jak np. systemy ekspertowe w ramach tzw. starej dobrej sztucznej inteligencji, był postrzegany przez środowisko badań operacyjnych jako obszar przynależny do BO. Dziedziny te więc czerpały od siebie nawzajem (uczenie to przecież nic innego jak optymalizacja decyzji!) pozostając w pewnej separacji, co skutkuje dziś pewnym dysonansem pojęciowym. W niniejszym podrozdziale zaproponujemy choć częściowe zmniejszenie owego dysonansu.

Można postawić hipotezę zgodnie z którą badania operacyjne są częścią dziedziny sztucznej inteligencji. Dziedzina ta zajmuje się konstrukcją systemów przejawiających inteligentne zachowania. Inteligentne planowania, podejmowanie decyzji w oparciu o modele ilościowe leży w naturze badań operacyjnych, a zatem mogłyby być traktowane jako część sztucznej inteligencji.

Z drugiej strony można powiedzieć, że dziedzina sztuczna inteligencja jest częścią badań operacyjnych. Badania operacyjne to dziedzina zajmująca się zastosowaniem matematyki i informatyki do tworzenia lepszych decyzji, a przecież temu finalnie służą metody sztucznej inteligencji. Być może zatem, należałoby przyjąć, że badania operacyjne są komplementarne do sztucznej inteligencji. W wielu sytuacjach wykorzystuje się narzędzia sztucznej inteligencji do predykcji danych, które następnie są danymi wejściowymi dla modeli badań operacyjnych. Z drugiej strony metody optymalizacji rozwijane w obszarze badań operacyjnych są jednym z podstawowych komponentów w wielu narzędziach sztucznej inteligencji.

Ze względu na brak formalnych definicji dziedzin, a nawet brak jednomyślności w zakresie nieformalnych definicji, nie jest obecnie możliwe rozstrzygnięcie dylematu. Jednak, jednym z interesujących podejść porządkujących oba świat jest interpretacja przyjęta na poniższym rysunku

Ogólnie rozumianą sztuczną inteligencję można podzielić na trzy obszary. Pierwszy obszar dotyczy analityki deskryptywnej, gdzie dominują rolę odgrywa Data Science. Obszar drugi, analityka predykcyjna, to domena uczenia maszynowego. Zaś badania operacyjne dominują w obszarze analityki preskryptywnej, inaczej „nakazowej”. W tym obszarze wyznacza się sugestie (nakaz, zalecenie) jakie kroki i decyzje należy podjąć, aby uzyskać postawione cele. Należy zauważyć, że podział nie jest ostry i niektóre sytuacje mogą prowadzić do rozwiązań pośrednich.

Nieco inne ujęcie zagadnienia, przedstawia poniższy rysunek:

Jak widać badania operacyjne są tu zlokalizowane na wskroś poszczególnych obszarów sztucznej inteligencji, Bid Data i Data Science.

 Na koniec chcieliśmy zauważyć, że jednym z najbardziej obiecujących bieżących trendów w badaniach operacyjnych jest ich ścisłe połączenie z metodami sztucznej inteligencji, szczególnie uczenia maszynowego. Prowadzi to do koncepcji hybrydyzacji badan operacyjnych i uczenia maszynowego, która może przybierać różne formy. W jednym z podejść metody uczenia maszynowego i badań operacyjnych mogą są widziane dla siebie nawzajem jako czarne skrzynki. Przykładowo, metody uczenia maszynowego znajdują pewne rozwiązania wstępne, które następnie są optymalizowane metodami badań operacyjnych. Uczenie maszynowe może być również wykorzystanie do poprawy algorytmów badań operacyjnych, np. do wyboru właściwych heurystyk w danym kontekście. Również metody badań operacyjnych mogą być wykorzystane do poprawy metod uczenia maszynowego, np. dzięki zaawansowanym algorytm optymalizacji.