Konklusies
Om tot een bevredigende oplossing te komen is een te-
rugkoppelingsproces nodig dat zieh herhaalt tot de oplos
sing bereikt is (de forward of backward linking). Het zal
overigens duidelijk zijn dat de laatste van beide fasen de
meest problematische is.
Om het systeem volmaakt te maken voor de herziening
van de zeekaart met betrekking tot scheepswrakken, ver
wacht men bijna 200 regels nodig te hebben. Tot slot van
dit voorbeeld voor beide fasen een voorbeeld van regels
uit de kennisbank.
Een evaluatieregel
Warmeer het scheepswrak onder water ligt, en het wrak
bevat geen gevaarlijke lading, en de survey dieptegege-
vens voor het wrak zijn niet beschikbaar, en de doorgang
boven het wrak is bekend, dan is de symbooldefinitie
bekend.
Een toepassingsregel:
Wanneer de lokatie van het wrak XY is, en het wrak is
zichtbaar, en de wraklokatie XY ligt in een dumparea, en
het wrak is niet van belang als herkenningspunt, dan
wordt het niet weergegeven.
Tijdens het redeneerproces van het kennissysteem kan de
kartograaf het systeem om uitleg vragen, zodat beslissin-
gen die genomen zijn worden verklaard.
Uit de experimenten die in de literatuur zijn beschreven
is duidelijk geworden dat de kennissystemen momenteel
slechts goed werken wanneer ze een beperkt kennisdo-
mein bestrijken. Vertaald naar de kartografie betekent dit
dat ze slechts in een klein onderdeel van de kartografie
aktief kunnen zijn, zodat men aparte Systemen nodig heeft
voor bijvoorbeeld kaartontwerp en kaartherzieningen.
De experimenten wijzen ook uit dat de kartografische
kennis zieh vrij goed in wanneer... dan. ..-konstrukties
laat passen.
Bij het vullen van het systeem blijken de kartografen de
neiging te vertonen het aantal regels dat nodig is om de
kennis weer te geven sterk te onderschatten. Enkele deel-
gebieden van de kartografie waar er een kans voor een
nuttig gebruik van kennissystemen aanwezig is zijn het
kaartontwerp, de gebruikersinterface naar de digitale
bestanden, het vullen van bestanden en de kartografische
opleiding en training. In Nederland wordt in een samen-
werking tussen het ITC te Enschede, de Rijksuniversiteit
Utrecht en de Technische Universiteit Delft op dit laatste
onderdeel onderzoek verricht.
Momenteel kunnen de kennissystemen, zeker die op kar-
tografisch gebied, nog niet als volwassen beschouwd wor
den. Een van de kenmerkende beperkingen van de
huidige Systemen is dat de kapaciteiten van de Systemen
plotseling afnemen als men de grenzen van het vaak be-
perkte kennisgebied overschrijdt.
Ook is het redeneringsmechanisme in de Systemen vrij
star nadat het eenmaal geprogrammeerd is, terwijl het
juist een van de bijzondere eigenschappen van de mense-
lijke intelligentie is om zieh snel te kunnen aanpassen aan
een nieuwe situatie. Bovendien heeft de mens het vermö
gen om in verschillende situaties van verschillende soor-
ten redeneringen gebruik te maken.
Toch is de verwachting dat men aan het einde van deze
eeuw wel over volwassen kennissystemen zal beschikken.
De niet-kartografisch geschoolde gebruiker van ruimtelij-
ke informatiesystemen zal dan in Staat zijn kartografisch
verantwoorde produkten te maken. Een interessante vraag
voor de toekomst blijft dan: wat is dan nog de taak van
de kartograaf?
Literatuur
Bonnet, A. (1987), Kunstmatige intelligentie: verwachting en
werkelijkheid. Amsterdam: Addison-Wesley.
Bossler, J.D. et al. (1988), Knowledge-based cartography: the
NOS Experience. The American Cartographer vol. 15, no. 2,
pp. 149-162.
Kraak, M.J. (1987), Kunstmatige intelligentie, kennissystemen
en kartografie. Delft: NVK studiedag werkgroep automatisering
in de kartografie, pp. 3-9.
Lauriere, J.R. (1986), Intelligence artificielle: resolution de Pro
bleme par l'homme et la machine. Paris: Eyrolles.
Luckey, S., D. Pendieton F. Walton (1987), Knowledge-
based cartography: capturing cartographic expertise. Technical
Papers ASPRS-ACSM Annual Convention, Baltimore vol. 3, Sur-
veying, pp. 154-161.
Mackaness, W.A. (1987), The problems of operationally defi-
ning the map design process for cartographic expert Systems.
Delft: NVK studiedag werkgroep automatisering in de kartogra
fie, pp. 10-26.
Mackaness, W.A., F.F. Fisher G.G. Wilkinson (1986), To-
wards a cartographic expert System. Proceedings Autocarto Lon
don, pp. 578-587.
Morse, B.W. (1987), Expert System interface to geographic Infor
mation system. Proceedings Autocarto 8, Baltimore,
pp. 535-541.
Müller, J.-C. (1987), Applications of knowledge-based Systems
to cartography: prospects and limitations. Delft: NVK studiedag
werkgroep automatisering in de kartografie, pp. 27-41.
Müller, J.-C., R.D. Johnson L.R. Vanzella (1986), A
knowledge-based approach for developing cartographic expertise.
Second International Symposium on spatial data handling,
Seattle, pp. 557-571.
Naylor, C.M. (1983), Build your own expertsystem. [London],
Sigma Technical Press.
Ormeling, F.J. M.J. Kraak (1987), Kartografie. Ontwerp,
produktie en gebruik van kaarten. Delft: Delftse Universitaire
Pers.
Pfefferkorn, G. et al. (1985), ACES: A cartographic expert
system. Proceedings Autocarto 7, Washington, pp. 399-407.
Robinson, G. M. Jackson (1985), Expert Systems in map de
sign. Proceedings Autocarto 7, Washington, pp. 430-439.
Schenk, T. (1988), Auf den weg zu Expertensystemen für die
digitale Kartierung. Bildmessung und Luftbildwesen - Zeitschrift
für Photogrammetrie und Femerkundung vol. 56, no. 2,
pp. 53-65.
Smith, T. et al. (1987), KGGIS-II A knowledge-based geograp
hic information system. International Journal of Geographical
Information Systems vol. 1, no. 2, pp. 149-172.
Stadelmann, M. G.D. Lodwick (1988), Building a knowled-
ge base for automated cartographic feature extraction from digi
tal imagery. Proceedings Eurocarto Seven, ITC Publication
no. 8, pp. 23-31.
Tanic, E. (1987), L'intelligence artificielle et ses applications en
planification urbaine. Etat de l'art. Blois: 12th UDMS.
28
KT 1988.XIV.4