03 performanse ekspertnih sistema

Prof. dr Branko Latinović

EKSPERTNI SISTEMIPERFORMANSE EKSPERTNIH SISTEMA

PERFORMANSE EKSPERTNIH SISTEMA

DEFINICIJA EKSPERTNIH SISTEMA

Ekspertni sistemi su računarski programi čiji algoritmi realizovani različitim metodama vjestačke inteligencije rješavaju probleme na osnovu znanja iz nekog uskog područja. Znanje koje takav sistem posjeduje formira se uz pomoć eksperta na bazi pravila zaključivanja i podataka neophodnih za rješavanje tih problema. Kasnije ekspert koristi taj računarski program da bi riješio neki jos složeniji problem iz te oblasti. Rješavanje takvog problema takođe se memoriše u bazu znanja, čime ekspertni sistem dinamički povećava svoje znanje i mogućnosti.

Ekspertni sistemi su programi koji, pri rješavanju problema različitog domena, izvode postupke koji su sličniji ljudskom rezonovanju od numeričkih tehnika računanja. Ovi postupci zasnovani na eksperimentalnom ljudskom znanju, kodirani su u vidu programa koji se nazivaju mehanizmi zaključivanja i intenzivno koriste podatke organizovane u formama koje se nazivaju baze znanja.

2



Osnovna pretpostavka na kojoj se zasniva oblast ekspertnih sistema kaže da je znanje moguće predstaviti simboličkim izrazima i to preko simboličkih opisa, kojima se odlikuju definicioni i empirijski odnosi u posmatranom području i postupaka za manipulaciju tim odnosima.

Terminološki gledano paralelno sa terminom ekspertni sistemi za isti pojam koriste se i sljedeći termini: sistem zasnovan na znanju, inteligentni informacioni sistem, inteligentni sistem zasnovan na znanju, te baza znanja.

3

POJAM EKSPERTNIH SISTEMA


Fingenbaum

Ekspertni sistem je inteligentni računarski program koji koristi znanje i mehanizme zaključivanja u rješavanju problema takve složenosti da je za njihovo rješavanje potreban čovjek ekspert..

4



Buhman

Definiše ekspertne sisteme preko sljedećih osobina: • ekspertiza – cilj je da sistem dostigne visok stepen performansi koje postiže čovjek-ekspert u nekom zadatku;• rezonovanje manipulacijom simbola;• opšta sposobnost rješavanja problema u datom domenu;• složenost i težina, jer problemi u datom domenu moraju da budu dovoljno složeni i teški da bi se zahtijevalo rješenje

eksperata;• reformulacija – preobražavanje prvobitne forme u kojoj je problem bio postavljen u formu podesnu za obradu prema

ekspertskim pravilima;• rezonovanje o sebi – skup zahtjevanih sposobnosti u sistemu koji omogućavaju da sistem rezonuje o sopstvenim

procesima i• vrsta zadatka za čije se obavljanje izgrađuje.

5



Hajes-Rot

Daje sljedeće karakteristike: ekspertnih sistema • sličnost koja je obezbijeđena pravilima visokog nivoa, gdje se izbjegava slijepo pretraživanje, što

rezultuje visokim performansama i robusnošću,• rasuđivanje koje je dato simboličkim predstavljanjem znanja i manipulisanjem simbolima,• "pamet" kao osnovni principi "slabi" (nealgoritamski) metodi rasuđivanja,• mogućnost reformulacije simboličkog znanja, konverzije iz opisa u oblik pogodan za primjenu

ekspertnih pravila,• rasuđivanje "o sebi", tj. ispitivanje sopstvenog rasuđivanja i objašnjenje svog rada,• tip zadatka.

6



Najpotpuniju definiciju ekspertnih sistema dalo je Britansko društvo za računare koja glasi: "Pod ekspertnim sistemima podrazumijeva se realizacija računarski bazirane vještine nekog eksperta čija je osnova u znanju i u takvom obliku da sistem može da ponudi inteligentan savjet ili da preuzme inteligentnu odluku o funkciji koja je u postupku. Ekspertni sistem posjeduje i karakteristiku da na zahtjev verifikuje svoju liniju rezonovanja, tako da direktno obavještava korisnika koji postavlja pitanje".

7



Ekspertni sistemi su dakle, skup kompjuterskih programa koji postižu visoki stepen rješavanja problema, a zahtjevaju dugogodišnje stručno obrazovanje pojedinaca. Paralelno sa razvojem tehnologije ova definicija ekspertnih sistema zahtjeva ne samo stručnu izgrađenost, nego i dodatne stručne kvalitete pojedinca.

8



Razlike sistema za podršku odlučivanja i ekspertnih sistema

9

Atributi SPO ES

Ko postavlja pitanja? Čovjek na računaru Računar čovjek

Metoda manipulacije podataka

Brojčana Simbolična

Osobna problemskog područja

Kompleksno, široko Uzak domen

Vrsta tretiranih problema

Ad hoc, jedinstveni Ponavljajući

Mogućnost rezonovanja

Ne Da, ograničeno

Mogućnost objašnjavanja

Ograničeno Da


ISTORIJA EKSPERTNIH SISTEMA

Ekspertni sistemi su svoju evoluciju počeli na području medicinske dijagnostike, a aplikacije se nisu proširile na druge discipline. Jedan od prvih sistema bio je MYCIN. Razvili su ga istraživači na američkom univerzitetu Stanford kao pomoć ljekarima u dijagnosticiranju bakterijskih infekcija. Pored ovog područja primjene, ekspertni sistemi su svoju ulogu našli u zamjeni čovjekovog partnera u igri (šah, tenis itd.), zatim u domenu zamjene tehničara, gdje na osnovu dijaloga sa korisnikom i upamćenog znanja dijagnosticira grešku. Ovakav ekspertni sistem razvio je IBM. Naime, sistemu se prezentiraju indikacije kvara, a sistem na osnovu njih generiše preporuke za popravak.

10



Sljedeće važno područje primjene ekspertnih sistema je u vojsci, odnosno u planiranju i donošenju odluka. Takođe oni u saradnji sa modernom računarskom tehnologijom uspješno rješavaju logističke probleme i predstavljaju veliku podršku u strateškom i taktičkom planiranju.

Ne treba zanemariti ni pomoć ekspertnih sistema u lociranju ležišta rude, te vođenju složenih proizvodnih pogona.

U novije vrijeme oni predstavljaju više od 50% aktivnosti komercijalne vještačke inteligencije i imaju trend porasta. Što se tiče područja primjene ekspertnih sistema u preduzeću, konkretno na polju upravljanja i računovodstva, postoji nekoliko važnih momenata, koji opravdavaju usvajanje ove nove tehnologije.

11



Iako ekspertni sistem možda nije "inteligentan", njegove velike mogućnosti se odnose na saopštavanje znanja, očuvanje rijetkih ili skupih vještina, davanje smjernica, pomaganje pri donošenju odluka i prilikom uspostavljanja kompleksnih sistema. Zbog toga ovu novu tehnologiju možemo koristiti na mnogo načina s ciljem da ublažimo postojeću neefikasnost u poslovanju, slabu efikasnost i kontrolu kvaliteta, te smanjimo vrijeme školovanja početnika.

12



Današnji ekspertni sistemi imaju relativno prilagođenu primjenu ekspertize pa zato rukovodiocima pružaju savjetodavnu pomoć. Radi lakšeg korišćenja, postojeći ekspertni sistemi su dizajnirani sa osnovnim mogućnostima za komunikaciju na donekle prirodan način, odnosno u skladu sa stručnim područjima. Osim toga, važna osobina postojećih sistema je mogućnost da se unazad prati logika i odgovori sistema kako bi se vidjelo zašto je neki odgovor takav.

Ekspertni sistemi postavljaju niz pitanja i primjenjuju praktična pravila da analiziraju odgovore i proizvedu preporuke, te takođe objašnjavaju logiku kojom su došli do zadnjeg reda. Za razliku od konvencionalnih kompjuterskih programa ekspertni sistemi koriste kvalitativne kao i kvantitativne podatke. Takođe, mogu izvoditi zaključke i iz nepotpunih i neodređenih podataka.

13



Razliku u odnosu na konvencionalne aplikacije isto tako predstavlja korisnička povezanost s prirodnim dijalogom. Današnji kompjuterski sistemi dolaze do zaključaka sistematskim prolazom po detaljnoj listi koraka koji su napisani u programu. To je bitna razlika u odnosu na ljude, koji do zaključaka obično dolaze sekvencijalnim postupkom što praktično znači ne pomoću skupa arbitrarnih pravila i logike, ranijeg iskustva, induktivnog zaključivanja i intuicije.

Ova metoda donošenja odluka obično se naziva heuristikom. Ako je zadatak strukturiran, nije matematički, a izvršava se heuristikom, ekspertni sistem bi trebao biti idealna pomoć pri odlučivanju. Ako je zadatak izrazito strukturiran matematički, efikasniji je proceduralni program.

14


OSNOVNE ODLIKE EKSPERTNIH SISTEMA

Jedna od nesumnjivo najznačajnijih osobina ekspertnog sistema jeste znanje ekspertnog sistema o sopstvenim operacijama i strukturi. Za sada se to poželjno svojstvo ispoljava pretežno u mogućnosti obrazlaganja, racionalizovanja, opravdavanja i objašnjavanja svojih zaključaka i preporuka, ali ima dobrih nagovještaja koji upućuju na očekivanje da će u budućnosti obezbjeđivati osnovu za razna korijenita preinačavanja svojih mogućnosti na osnovu "učenja iz iskustva". Racionalizacija o kojoj je ovdje riječ podrazumijeva da se rakonstruišu putevi zaključivanja kojima je sistem došao do zaključka. Objašnjenje kako je zaključak izveden podrazumijeva sposobnost sistema da poveže lanac zaključivanja sa fundamentalnim principima i znanjima o oblasti ekspertize.

15



Najbitnija je razlika da ekspertni sistemi manipulišu sa znanjem, a konvencionalni programi sa podacima. Međutim te razlike se najjasnije vide iz sljedećih činjenica:

Obrada podataka:

• Prezentovanje i korištenje podataka,• Algoritmi,• Ponavljanje procesa,• Efektivno manipulisanje sa velikim bazama podataka.

Inženjering znanja:

• Prezentovanje i korišćenje znanja,• Heuristika,• Mehanizam zaključivanja,• Efektivno manipulisanje sa velikim bazama znanja.

16



Ekspertni sistemi imaju i ove značajne osobine:Ekspertiza

o Performanse eksperata;o Visok nivo sposobnosti; o Adekvatnu čvrstinu.

Simboličko rezonovanje

o Simbolička prezentacija znanja;o Reformulacija simboličkog znanja.

Dubina

o Obrada složenih problema datog domena;o Upotreba/korišćenje kompleksnih pravila.

Sopstveno znanje

o Ispitivanje sopstvenog rezonovanja;o Objašnjavanj njegovog funkcionisanja.

17



Zadaci ekspertnih sistema se od drugih zadataka u oblasti vještačke inteligencije razlikuju po tome što ekspertni sistemi:• Rješavaju teške zadatke na nivou eksperata;• Naglašavaju strategije rješavanja problema specifične za datu oblast, za razliku od

ostalih zadataka vještačke inteligencije koji zahtjevaju veću opštost načina rješavanja problema;

• Koriste se "samosaznanjem" da bi rezonovali o procesu svog zaključivanja i obezbjedili obrazloženja, opravdanja i objašnjenja za zaključke koje su izveli;

• Rješavaju probleme koji spadaju u ove kategorije: interpretacija, dijagnoza, predviđanje, oblikovanje, planiranje, kontrolisanje, i druge.

18



Prikazivanje značajnih odlika ekspertnog sistema se, bar donekle, može upotpuniti ukazivanjem na njihove slabosti među koje spadaju:• To što ne mogu da prepoznaju, niti da rješavaju probleme za koje je njihovo znanje

neprimjenljivo ili nedovoljno;• Što nemaju nezavisna sredstva za provjeravanje razložnosti svojih zaključaka;• Što nemaju dovoljno znanja o svojim mogućnostima i ograničenjima (čime se inače

odlikuje čovjek-ekspert);• Što su obrazloženja koja o svom zaključivanju i zaključcima daju, često suviše

uprošćena;• Što je jezik za izražavanje činjenica i odnosa kojim se koriste vrlo ograničen i dr.

19



Sumarno gledano osnovne odlike ekspertnih sistema su:• sadrže kodirano znanje eksperta iz nekog domena,• mogu se izvršavati tamo gdje su potrebni,• modularnost i laka izmjena ugrađenog znanja,• mogućnost objašnjavanja rezonovanja,• heurističko, a ne iscrpno rezonovanje i• objedinjuju teoriju i praksu vještačke inteligencije.

20



Ekspertni sistemi rješavaju probleme koji spadaju u ove kategorije:• Interpretacija;• Dijagnoza;• Predviđanje;• Oblikovanje;• Planiranje;• Monitoring;• Ispravljanje;• Kontrolisanje i dr.

21



Prema navedenim vrstama aktivnostiizgrađena je i jedna njihova klasifikacija

22

Vrste aktivnosti

ES Naznaka problema

Oblast primjene

Naziv tipičnog ES

Interpretacija Sistemi koji tumače opažene podatke pripisujući im simbolična značenja kojima se opisuje situacija ili stanje sistema

Hemija Geologija Medicina Armija

DENDRAL ELAS LIFHO PUFF VM

Dijagnostika Sistemi za dijagnostikovanje na osnovu podataka o opservacijama zaključuju malfunkcije sistema

Računari Elektronika Geologija Medicina

BDS DART ACE HYDRO MYCIN PUFF

Predviđanje Sistemi za predviđanje zaključuju vjerovatne posljedice (u vidu prognoze) iz odgovarajućeg modela i vrijednosti parametara za datu situaciju

Računari Armija

PTRANS I&M

Oblikovanje Sistemi za oblikovanje ili dizajn razvijaju konfiguracije objekata koje zadovoljavaju zadata ograničenja u problemu oblikovanja

Računari Hemija Elektronika Armija

XCON MOLGEN PALLADIO ACEL

Planiranje Sistemi za planiranje oblikuju akcije i usredsređeni su na objekte koji obavljaju neke funkcije, pri čemu se koriste modelima njihovog ponašanja da bi zaključili efekte planiranih akcija

Hemija Računari Elektronika

SPEX MOLGEN PTRANS TALIB KNOBS TATR

Kontrolisanje Sistemi za kontrolisanje adaptivno upravljaju sveukupnim ponašanjem sistema na osnovu interpretacije aktuelne situacije, na osnovu predviđanja budućnosti dijagnostifikovanja uzroka anticipiranih problema, formulisanja korektivnih planova i nadziranja njihovog sprovođenja da bi se obezbijedio uspjeh

PTRANS YES/MIN VM



Pošto je u ekspertnim sistemima izvršeno izdvajanje i razdvajanje deklarativnog i proceduralnog znanja u baze znanja, odnosno u kontrolni i mehanizam zaključivanja. Ovaj postupak omogućava njihov nezavisan broj, kombinovanje na razne načine i izbor najpogodnijeg rješenja. Na taj način dobivaju se osnovni tipovi ekspertnih sistema:• Induktivni sistemi;• Sistemi bazirani na pravilima;• Hibrini sistemi.

23



Induktivni sistemi koriste primjere i induktivni mehanizam zaključivanja. Od rezultata dobivenih na osnovu iskustva, ili eksperimenta, može se napraviti tabela vrijednosti atributa objekata. Ova tabela se transformiše u stablo za odlučivanje. U radu sa sistemom korisnik odgovara na pitanja na osnovu čega se sistem kreće kroz stablo i dolazi do odgovora.

Sistemi zasnovani na pravilima koriste strategije vođene podacima, ili ciljem. Znanje im je predstavljeno faktima i pravilima. Jedan ovakav sistem je i MYCIN.

U hibridnim sistemima se kombinuju pozitivna iskustva stečena u radu sa sistemima zasnovanim na pravilima i sistemima za semantičko predstavljanje znanja. Na primjer, pogodno je okvirima opisati deklarativno, a pravilima proceduralno znanje.

24


PREDNOSTI I NEDOSTACI EKSPERTNIH SISTEMA

Prije svega ekspertni sistemi osiguravaju univerzalnu i stalnu raspoloživost. Drugim riječima, ekspert je uvijek na raspolaganju. Prisutna je nepristrasnost, jer jednom organizovan ekspertni sistem je praktično dosljedan. Ekspertni sistem ima savršenu memoriju i uzima sve relevantne faktore u obzir. Kvalitetno vrijeme stručnjaka je oslobođeno rutinskih poslova, jer ekspertni sistem obavlja postavljene zadatke i time dobiva ekonomsko opravdanje.

25



Ekspertni sistemi mogu biti i u edukativnoj poziciji, jer stručnost sintetišu u jasno definisana pravila. Ekspertni sistem sadrži činjenice koje stručnjak uzima u obzir i praktična pravila koja stručnjak primjenjuje prilikom rješavanja problema. Simulacijom situacija iz realnog žvota, neiskusan radnik se može podučiti tome koje su informacije bitne i koji je misaoni mehanizam upotrijebljen.

26



Zajedničko korišćenje znanja. Znanje vrhunskih stručnjaka u preduzeću može postati pristupačno mnogim radnicima. Na ovaj način se povećavaju stručne ocjene. Ekspertni sistemi će biti na raspolaganju za iznošenje sekundarnih mišljenja na području, kao i za izradu "šta ako" analiza u kojima se traže rezultati u zavisnosti od različitih promjena.

Kraće vrijeme odlučivanja. Naime, rutinske odluke, koje odnose dosta vremena, lagano donose ekspertni sistemi. Ljudi stručnjaci će zato imati više vremena na raspolaganju za kreativniji rad.zajedničko korišćenje znanja.

27



Ekspertni sistemi su najefikasniji u kombinovanim problemima, gdje direktne metode nabrajanja vode do sve većeg broja mogućnosti, pa je potrebna intuicija, logika i razum za pronalaženje najbolje moguće odluke. Ekspertni sistemi su isto tako korisni kod problema u kojima se odluke zasnivaju na analizi i interpretaciji ogromne količine nekvantitativnih podataka.

Nabrajanje koristi ekspertnih sistema završićemo sa očuvanjem i prenosom stručnosti na početnike i nasljednike u preduzeću.

28



Osnovni nedostaci i odbrambeni stavovi, vezani za sadašnje stanje tehnologije ekspertnih sistema, zasnivaju se na dehumanističkim konotacijama koje prate ove programe vještačke inteligencije. Ovo se ogleda u potiskivanju, odnosno ograničavanju učešća rukovodnih kadrova u procesima u organizaciji. Bez obzira koliko bili pristalice ekspertnih sistema, ne možemo negirati značaj intuicije i neformalizma u rješavanju problema i inovacijama.

29



Donošenje odluka u jednoj dinamičnoj sredini sa mnoštvom nestrukturiranih problema nije dovoljno samo iskustvo, dakle empirijski pristup. Shodno tome mehanizam zaključivanja će vjerovatno biti nedovoljan.

Ekspertni sistem je ograničen na vrlo usko područje (domen), jer je izgradnja i održavanje velike baze znanja teška. Sistem ne daje kvalitetan odgovor ako problem nije u potpunosti ograničen na specifično područje. Tada se javlja problem sa odlukama vezanim za široko interdisciplinarno znanje.

30



Prilikom prikupljanja i organizovanja baze znanja, određene vrste znanja se ne mogu lako prevesti u pravilo ako-onda. Takođe, postoji teškoća oko specifikacije heurističkog znanja rukovodioca, koje je važno za pravilno odlučivanje.

Korisnički interfejs sa sistemom treba biti ostvaren preko "prirodnog" dijaloga. Međutim, dijalog nije realno prirodni jezik. Korisnici moraju opisivati probleme u definisanom formalnom jeziku čije riječi i njihova kombinacija imaju veoma specifično značenje.

31



Ograničeni broj stručnjaka za ekspertne sisteme i inženjera za baze znanja, predstavljaju konstantnu opasnost da poslovne aplikacije mogu lako pasti na posljednje mjesto u razvoju ustupajući mjesto drugim dobro finansiranim područjima.

Vrijeme odziva komercijalno dostupnih ekspertnih sistema relativno je sporo na većini personalnih računara. Ali to je vjerovatno prolazni problem s obzirom na dinamiku razvoja mikrokompjuterske tehnologije.

Indikativno je relativno veliko ulaganje u instalacije i održavanje ekspertnih sistema kao i mogućnost da konkurencija kroz razvoj ili kupovinu sličnog sistema može ugroziti određene poslovne pozicije.

32



33

ČOVJEK EKSPERT EKSPERTNI SISTEM

može otići permanentno znanje

teško prenosi svoje znanje znanje se lako prenosi

teško dokumentuje znanje znanje se lako dokumentuje

nepredvidiv konzistentan

skup podnošljiva cijena

ČOVJEK EKSPERT EKSPERTNI SISTEM

kreativan nema kreativnost

prilagodljiv nije prilagodljiv

čulni senzori simboli kao ulaz

širina sagledavanja usko sagledavanje

zdrav razum tehničko znanje


INŽENJERING ZNANJA

Churchman ističe: "Znanje je kapacitet djelovanja". Nietzsche navodi: "Znanje je bazirano u ljudskoj potrebi da kategoriše i interpretira svijet oko sebe s namjerom da smanji neizvjesnost života". Maslow kategoriše izvjesnost života kao drugu primarnu ljudsku potrebu, odmah iza osnovnih bioloških potreba. Zahtjevi sredine prema svojim članovima za rješavanjem vlastitih ključnih potreba predstavljaju neposredne podsticaje stvaranja znanja. Posredni podsticaji stvaranja znanja provode se kroz inicijative upravljanja znanjem.

J. Piget o znanju. Prema njegovom uvjerenju, ljudsko znanje je aktivno, a znati znači konstruisati sistem transformacija koje su u manjoj ili većoj mjeri adekvatno korespodentne stvarnosti.

34


INŽENJERING ZNANJA

Od prvih početaka civilizacije, čovjek je prikupljao i kroz svakodnevnu djelatnost spontano prenosio iskustva unutar životne sredine. Znatno kasnije skupljena znanja je počeo zapisivati i organizovano prenositi na potomstvo.

Više momenata uzrokuje formiranju neadekvatnih pristupa problemima aktuelnog trenutka, neki od njih su: Nekritična konzistentnost uvjerenja – zatvoren sistem znanja, Casirrere je taj fenomen nazvao mitskim mentalnim modelom. Na tragu razmišljanja P. Franka, civilizacijske promjene traže od osoba (ako žele pratiti tekuću stvarnost) permanentno usvajanje novih kodova i paradigmi.

Realnost je da pod pritiskom ubrzavanja poslovanja, stručnjaci adoptiraju gotova poslovna rješenja bez adaptacije. Iz istog razloga, stručnjacima nije ostavljen vremenski prostor za praćenje poslovanju pratećih teoretskih znanja.

35


INŽENJERING ZNANJA

Jedan od deklarisanih zadataka upravljanja znanjem je podsticanje promjene načina mišljenja ("Paradigme shift"). Izvanredna postignuća ljudi - eksperata su presudno određena njihovim znanjima, pa se opravdano usvaja uvjerenje da upravo znanje ekspertnog sistema predstavlja njegovo postignuće, dok sheme zaključivanja i formalizmi predstavljanja znanja samo obezbjeđuju mehanizme za upotrebu znanja.

Prihvatajući to uvjerenje, neki autori zaključuju da je znanje i nužan i dovoljan uslov za razvijanje ekspertnog sistema. Pošto se značenju izraza znanje u literaturi o ekspertnim sistemima, nimalo ili vrlo malo govori, narednih nekoliko redova posvećeno je značenju tog izraza.

36


INŽENJERING ZNANJA

U prošlom vijeku je do šezdesetih godina vladalo shvatanje da je znanje opravdano istinito vjerovanje. Osoba A zna b, ako i samo ako:1. A vjeruje u b,

2. p je istinito i

3. A ima adekvatno svjedočanstvo za b

Zatim su uslijedili pokušaji da se pokaže da prva tačka nije nužan uslov znanja i da druga i treća tačka nisu dovoljan uslov znanja. Od tada rasprave traju.

37


INŽENJERING ZNANJA

Savremene teorije znanja Polok je nedavno razvrstao u dvije klase: Doksatičke teorije i Nedoksatičke teorije.

Doksatičke teorije su zasnovane na pretpostavci da u određivanje epistemiološkog opravdanja ne ulazi ništa osim naših vjerovanja, našeg doksatičkog stanja. Klasu doksatičkih teorija iscrpljuju međusobno isključujuće potklase teorija zasnovanosti i teorija koherencije.

Klasi nedoksatičkih teorija pripadaju teorije: realizma, relajabilizma, probabilizma i dr.

38


INŽENJERING ZNANJA

Postoji nekoliko kriterijuma za razvrstavanje znanja pa tako i više vrsta znanja: zdravorazumsko i naučno; teorijsko i empirijsko; individualno i socijalno; eksplicitno i implicitno; subjektivno i objektivno; prethodno i novo; deklarativno i proceduralno i dr.

Intenzivna upotreba znanja je ono što suštinski izdvaja vještačku inteligenciju od konvencionalnog računarskog pristupa. Programi koji rade sa znanjem treba da omoguće:

Generalizaciju; Predstavljanje; Prikazivanje.

39


INŽENJERING ZNANJA

Metode za predstavljanje znanja bi trebalo da omoguće predstavljanje svih vrsta znanja iz oblasti na koju se odnose, prirodno i efikasno zaključivanje i pogodne načine za prikupljanje novog znanja i promjene u već postojećem znanju. Niti jedna od metoda koje se u vještačkoj inteligenciji koriste ne ispunjava sve navedene zahtjeve u svim situacijama, tako da izbor zavisi od konkretnog problema na koji se znanje odnosi.

40


INŽENJERING ZNANJA

Deklarativno znanje se odnosi na opis problema, definisanje prostora pretraživanja i kriterijuma utvrđivanja rješenja problema. Proceduralno znanje je više konvencionalno i odnosi se na znanje koje je zapisivanjem naredbi nekog programskog jezika eksplicitno ugrađeno u programe. Međutim, dva tipa predstavljanja znanja se često prepliću. Deklarativno znanje predstavljeno pravilima je sasvim blisko proceduralnom znanju. Meta znanje (znanje o znanju) koje se koristi za usmjeravanje pretraživanja je takođe na granici između proceduralnog i deklarativnog predstavljanja znanja. Ipak, u vještačkoj inteligenciji je od prevashodnog značaja predstavljanje deklarativnog znanja. Poseban način predstavljanja znanja, koji se ne uklapa u ovu podjelu, jesu neuronske mreže.

41


INŽENJERING ZNANJA

Metode predstavljanja deklarativnog znanja dijele se na: Sintaksne metode i Semantičke metode.

U sintaksno orijentisanim metodama se ne razmatra značenje znanja sa kojim se radi. Ti sistemi imaju uniformna pravila koja prihvataju sve vrste podataka. U semantičkim sistemima razni dijelovi reprezentacije imaju posebno značenje i svoja pravila za zaključivanje. Kod sintaksnih metoda je ideja o efikasnom zaključivanju zasnovanom na malom broju dobro proučenih jednostavnih pravila, a kod semantičkih na specifičnim pravilima za rad sa određenom vrstom znanja. Sintaksne metode su zato opštije, dok su semantičke specijalizovanije.

42


INŽENJERING ZNANJA

Postoje i metode u kojima se kombinuju oba pristupa. Sve metode nalaze primjene zavisno od problema koji se rješava. Sistemi za predstavljanje znanja ne sadrže samo na određeni način reprezentovano znanje, već obezbjeđuju i osnovne procedure za rad s njim. Pod sintaksnim metodama predstavljanja znanja se prije svega podrazumjevaju:

Predstavljanje znanja pomoću relacionih tabela; Predstavljanje znanja pomoću logičkih formula; Predstavljanje znanja pomoću pravila (eng. Rules).

Semantičke metode strukturno obuhvataju: Semantičke mreže i Okvire (eng. Frames).

43


INŽENJERING ZNANJA

U relacionim tabelama entiteti se opisuju pomoću vrijednosti skupa atributa. Svaki entitet predstavljan je jednim redom tabele, a atributi su polja tog reda. Relacione tabele su najjednostavniji način za predstavljanje deklarativnog znanja. Podaci koji se nalaze u njima su jasni, ali i pasivni, što znači da se kao argumenti prosljeđuju procedurama za rad sa bazama podataka, a da sami ne dejstvuju na druge podatke. Relacione tabele ne obezbjeđuju mehanizam za predstavljanje netačnih ili nesigurnih znanja. Relacione tabele se koriste za predstavljanje znanja u sistemima baza podataka koje imaju ugrađene odgovarajuće postupke za rad sa njima.

44


INŽENJERING ZNANJA

Baze podataka mogu se koristiti kao način za organizovanje znanja koje predstavlja ulaz u programe zasnovane na tehnikama vještačke inteligencije. Znanje koje je predstavljeno pravilima određuje akcije koje nastaju pod izvjesnim skupom uslova. U nekim aspektima pravila su slična uslovnim (if-then-else) naredbama konvencionalnih programskih jezika.

45


INŽENJERING ZNANJA

Sintaksnim metodama je zajednička negativna karakteristika da nemaju mogućnost, ili bar nemaju jednostavna sredstva za strukturisanje znanja koje predstavljaju. Semantičke metode, sa druge strane upravo u tom pogledu imaju prednosti. Njima se mogu opisati odnosi između entiteta, i posebni postupci zaključivanja u slučaju da se između entiteta javlja neka specijalna vrsta veza. Recimo, jednostavno se može govoriti kako konkretni entiteti imaju osobine opštih entiteta. Na primjer, konkretna zlatna ogrlica je skupa, jer je uopšte zlatni nakit skup.

46


INŽENJERING ZNANJA

Bez obzira na izabranu metodu predstavljanja znanja potrebno je precizirati šta su osnovni entiteti znanja, koji su njihovi bitni atributi i kakvi odnosi važe između njih, zatim kako predstaviti skupove objekata i kako u velikoj količini znanja pristupiti relativnom dijelu. Semantičke metode su veoma pogodne za predstavljanje važnih atributa i odnosa, kao i za pristupanje dijelu znanja koje je u nekom kontekstu značajno, dok su logičke formule pogodne za opise skupova objekata pomoću kvantifikatora oblika: svaki, neki, beskonačno mnogo, konačno mnogo, itd.

47


INŽENJERING ZNANJA

Osnovna ideja semantičkih metoda predstavljanja znanja je da značenje nekog entiteta znanja u vezama koje ima i sa drugim entitetima. Zato ove metode nastoje da što vjernije predstave odnose između entiteta. Tehnike koje se pri tome koriste u značajnoj mjeri liče na metodologiju objektno orijentisanih programskih jezika. To se prije svega odnosi na nasljeđivanje, hijerarhijsko uređenje znanja, komunikaciju putem poruka, itd.

Granica između osnovnih semantičkih metoda, semantičkih mjera i okvira, nije sasvim jasna, ali se metoda koja koristi veći nivo strukturiranosti znanja po pravilu podvodi pod okvire.

48


INŽENJERING ZNANJA

Zanje o objektima, njihovim atributima i odgovarajućim vrijednostima ne mora biti jednostavno kao u relacionim tabelama, gdje svaki red predstavlja jedan entitet znanja. Često su entiteti znanja strukturisani, između njih postoje veze, pa je pogodno obezbjediti mehanizam izvođnja koji operiše nad tako predstavljenim objektima. Posebno je interesantno izvođenje koje dozvoljava nasljeđivanje osobina pri čemu objekti neke klase nasljeđuju osobinet klase, odnosno opštije klase prenose osobine na specifičnije klase objekata.

49


INŽENJERING ZNANJA

Semantička mreža predstavlja podatke koristeći skupove čvorova (objekata koji mogu biti akcije, predmeti, materijali, ...) i označenih lukova kojiih spajaju (relacija između objekata). Semantičke mreže koriste relacije kao je, potklasa, na, materijal itd. Da bi se pokazala veza između objekata. Objekat na koga je usmjeren luk iz nekog drugog objekta označen sa je predstavlja klasu objekta. Polazni objekat je tada instanca te klase. Objekti povezani lukom potklasa predstavljaju klase objekata, s tim da je objekat ka kom je luk usmjeren natklasa, a objekat iz kog luk polazi potklasa.

50

03 performanse ekspertnih sistema

Documents