PANEVROPSKI UNIVERZITET APEIRON FAKULTET POSLOVNE INFORMATIKE

Vanredne studije Smer IT menadment

Predmet

Menadment poslovnih informacionih sistema

Vjetaka inteligencija(seminarski rad)

Predmetni nastavnik Prof. Doc. dr. Gordana Radi

Student

Milan Pandi, VITIndex br. 57-09/VIT

Banja Luka, Februar 2012.

Seminarski radSadraj:

Vjetaka inteligencijaTEMA

Milan PandiSTUDENT

Uvod ........................................................................................................................................................ 3 ta je to vjetaka inteligencija? ............................................................................................................. 4 Primjeri vjetake inteligencije ............................................................................................................... 5 Sistem koji se ponaa kao ljudi: Tjuringov test ................................................................................... 5 Sistem koji razmilja kao ljudi: Kognitivni model pristupa.................................................................. 5 Fazi skupovi ............................................................................................................................................ 6 Fazi logiki kontroler ........................................................................................................................... 8 Ekspertni sistemi ..................................................................................................................................... 9 Pojam ekspertnih sistema ................................................................................................................... 9 Alati za izradu ekspertinih sistema ................................................................................................... 10 Prednosti i nedostaci ekspertnih sistema ......................................................................................... 11 Zakljucak ............................................................................................................................................... 13 Literatura :............................................................................................................................................. 14

Strana 2

Seminarski rad

Vjetaka inteligencijaTEMA

Milan PandiSTUDENT

UvodPosle pisma, arapskih brojeva, analitike geometrije i diferencijalnog rauna, raunar je prema miljenju Herberta Sajmona etvrta istorijska prekretnica u razvoju civilizacije. Da li je to, moda, ohrabrilo izvjesne naunike da predvide da e vjetaka inteligencija nadmaiti ljudsku? ovjeanstvo je sebi dalo nauni naziv Homo sapiens (inteligentan ovjek) jer su nae mentalne sposobnosti toliko vane za nae svakodnevne ivote i oseanja o nama samima. Smatra se da je vjetaka inteligencija kao oblast informatike ustanovljena na naunoj konferenciji The Dartmouth Summer Research Conference on Artificial Intelligence u Darmutu 1956. Godine. Konferencija je trajala mjesec dana i bila je pre svega usmjerena ka profilisanju nove oblasti koja je nastala. Konferenciju su organizovali Don Mekarti, Marvin Minski, Natalijen Roester i Klod Senon. Cilj istraivanja vjetake inteligencije je razvijanje programa (softwera), koji e raunarima omoguiti da se ponaaju na nain koji bi se mogao okarakterisati inteligentnim. Prva istraivanja se veu za same korene raunarstva. Ideja o stvaranju maina koje e biti sposobne da obavljaju razliite zadatke inteligentno, bila je centralna tema naunika raunarstva koji su se opredelili za istraivanje vetake inteligencije, tokom cele druge polovine 20. veka. Savremena istraivanja u vetakoj inteligenciji su orjentisana na ekspertne i prevodilake sisteme u ogranienim domenima, prepoznavanje prirodnog govora i pisanog teksta, automatske dokazivae teorema, kao i konstantno interesovanje za stvaranje generalno inteligentnih autonomnih agenata.

Strana 3

Seminarski rad

Vjetaka inteligencijaTEMA

Milan PandiSTUDENT

ta je to vjetaka inteligencija?Uobiajeno pod inteligencijom podrazumevamo sposobnost usvajanja, pamenja i obrade odredjenjih znanja. Ipak, nijedna definicija vetake inteligencije nije opte prihvaena (bar ne neka koja bi odgovarala uobiajenom, svakodnevnom smislu i istovremeno precizno i formalno opisivala pojam). U svakom sluaju moemo smatrati da inteligencija podrazumeva bar dve sposobnosti: sposobnost pamenja, skladitenja znanja i mogunost njegove obrade. Osoba (ili maina) bez ikakvog znanja ne moe biti ismatrana inteligentnom. Takoe, inteligentnom ne moe biti smatrana ni osoba (ili maina) sa ogromnom koliinom statikog znanja, odnosno podataka, ali bez sposobnosti da to znanje obrauje i da rjeava probleme u vezi sa njim. Postoje i drugi aspekti inteligencije. Jedan od njih je brzina obrade znanja, koja je, kada su u pitanju raunari, zavisna ne samo od procedura za zakljuivanje, ve, naravno, i od tehnikih karakteristika pojedinog raunara. Sposobnost uenja usvajanja novih znanja takodje je jedan od aspekata inteligencije, iako je moemo uvrstiti u sposobnost reavanja problema. Aspektom inteligencije moemo smatrati i sposobnost komunikacije sa drugim inteligentnim biima (mainama), koju takodje moemo uvrstiti u reavanje problema. Smatraemo, dakle, da bie ili maina imaju atribute intelignetnog, ako imaju navedena svojstva. Ako se radi o maini odnosno uredjaju bilo koje vrste sa navedenim svojstvima, govoriemo o vetakoj inteligenciji. Podsetimo se i jedne klasine definicije vetake inteligencije: ako su u odvojene dve prostorije smetene jedna ljudska osoba i neka maina i ako na identine probleme one pruaju odgovore na osnovu kojih se ne moe pogoditi u kojoj sobi je ovek, a u kojoj maina, onda moemo smatrati da ta maina ima atribute vetake inteligencije. Nakon svega, dobro je navesti i jednu rigorozniju i moda suvoparniju, ali verovatno najbolju definiciju vetake inteligencije to je disciplina koja se bavi problemima u kojima se javlja kombinatorna eksplozija. Za pojam inteligencije sutinska su dva pitanja: pitanje znanja i pitanje zakljuivanja, koja, kada govorimo o raunarima, odgovaraju pojmovima baze znanja i komponente zakljuivanja. Komponenta zakljuivanja (izvoenja) predstavlja takoe neku vrstu znanja to je znanje o procesu izvoenja novih informacija iz date baze znanja i o pravilima po kojima se to izvoenje vri. Znanje ovog tipa zvaemo meta - znanjem. Sam pojam znanja, takoe ima vie aspekata. Po mnogim filozofskim koncepcijama znanje predstavlja tvrenja za koje je utvreno ili moe biti utvrdjeno da su tana. Ipak, mi emo esto imati potrebu da radimo i sa informacijama koje ne moraju da budu tane, pa emo prihvatiti iri pojam znanjai pod njim podrazumevati i istinite, potvrene injenice, ali i hipoteze, nepotpune informacije i informacije date sa odreenim verovatnoama. Izbor reprezentacije znanja je jedan od kljunih problema i on je u direktnoj vezi i sa prirodom odredjenog znanja, ali i sa prirodom mehanizama za zakljuivanje. Mehanizmi zaStrana 4

Seminarski rad

Vjetaka inteligencijaTEMA

Milan PandiSTUDENT

zakljuivanje moraju biti prilagoeni reprezentaciji znanja i njegovoj prirodi, pa e u jednom sluaju biti zasnovani na klasinoj logici, a u drugom na modalnoj logici, teoriji verovatnoe, fazilogici itd.

Primjeri vjetake inteligencije Sistem koji se ponaa kao ljudi: Tjuringov testU poznatom takozvanom Tjuringovom testu, koji je Alan Tjuring opisao i objavio u jednom lanku iz 1950. godine, pod naslovom Computing machineri and intelligence, predlae da se jedan eksperiment iji je cilj otkrivanje inteligentnog ponaanja jedne maine. Test polazi od jedne igre u kojoj ispitiva treba da pogodi pol dva interlokatora, A i B, a koji se nalaze u posebnim i odvojenim sobama. Iako oboje tvrde da su enskog pola, u stvari radi se o mukarcu i eni. U izvornom Tjuringovom predlogu uraena je izvesna modifikacija, pa je enu zamenio raunar. Ispitiva treba da pogodi ko je od njih maina, polazei odnjihovog meusobnog razgovora i imajui u vidu da oboje tvrde da su ljudi .Zadatak treba postii uprkos injenici da nijedan od interlokatora nije obavezan da govori istinu, te na primer, maina moe odluiti da da pogrean rezultat jedne aritmetike operacije, ili ak da ga saopti mnogo kasnije kako bi varka bila uverljiva. Po optimistikoj hipotezi samog Tjuringa, oko 2000. godine, ve je trebalo da postoje raunari osposobljeni za igru ove igre dovoljno dobro, tako da prosean ispitiva nema vie od 70% anse da uradi ispravnu identifikaciju, nakon pet minuta postavljanja pitanja. Kada bi to danas zaista bilo tako, nalazili bi se pred jednom istinski inteligentnom mainom, ili u najmanju ruku mainom koja ume da se predstavi kao inteligentna. Ne treba ni pomenuti da su Tjuringova predvianja bila previe optimistina, to je bio vrlo est sluaj u samim poecima razvoja oblasti vetake inteligencije. U stvarnosti problem nije samo vezan za sposobnost raunara za obradu podataka, nego na prvom mjestu, za mogunost programiranja raunara sa sposobnostima za inteligentno ponaanje.

Sistem koji razmilja kao ljudi: Kognitivni model pristupaAko emo rei da dati program misli kao ovek, onda moramo imati odreeni nain kako ovek razmilja. Mi moramo da uemo i vidimo kako stvarno radi ljudski um. Postoje dva naina da uradimo to: putem samoispitivanja, samoposmatranja - pokuavajui da uhvatimo vlastite misli kako one teku ili preko psiholokih eksperimenata. Nakon to dovoljno preciziramo teoriju uma tek onda postaje mogue izraziti teoriju kompjuterskog programa. Da bi program radio, moraju mu se dati ulazni podaci da bi dobili izlaz to znaida neki mehanizmi u programima mora da se deluje od strane ljudi. Na primer, Newell i Simon, razvili su GPS (General Problem Solver) koji pokuava imitirati ljudsko rezonovanje problema. Interdisciplinarna oblast kognitivne nauke kombinuje modele iz vetake inteligencije sa eksperimentalnim tehnikama iz psihologije i pokuava da sastavi preciznu i ispitanu teoriju kako radi ljudski um. Ovde emo jednostavno rei da kognitivne nauke nadopunjuju jedna drugu naroito u oblasti jezika i uenja.

Strana 5

Seminarski rad

Vjetaka inteligencijaTEMA

Milan PandiSTUDENT

Fazi skupovi

Razvoj nekih oblasti matematike, kao to je teorija fazi spupova, omoguio je da se menaderski problem realnije opiu i da se otklone njihove neizvjesnosti i nepreciznosti. Teorija fazi skupova je disciplina zasnovana na znanju, odnosno, moe se smatrati da je to disciplina mekog raunanja soft computing. Fazi skup pored klasinih elemenata skupa neophodno sadri i informaciju o stepenu pripadnosti tih elemenata skupa. Teorija fazi skupova se moe primjeniti u sledeim situacijama: 1. kada su vrednosti podataka i relacije koje postoje izmeu njih neizvjesne i neprecizne, u kojima je procjena zasnovana na subjektvnom vjerovanju eksperta, 2. kada je teko da se oderdi mjera podataka, kada nema dovoljno evidentiranih podataka potrebnih za kvantitativnu analizu, 3. kada su neke veliine unutar problema nejasno i neprecizno definisane, 4. kada je znanje sa kojima eksperti raspolau o trfetiranom problemu sloeno i nepotpuno, 5. kada se uslovi stalno mjenjaju, tako da je nemogue opisati posmatranu veliinu. Razvoj teorije fazi skupova omoguio je da se, usled nedostatka dobre evidencije, neizvesnost i nepreciznost eliminiu. Fazi skup se koristi u onim sluajevima gdje postoji neizvesnost i nepreciznost bilo koje vrste; ovi sluajevi se opisuju fazi skupovima i fazi brojevima. Izraziti skupovi su disjunktni. Za skupove X i Y iji je presjek prazan skup kae se da su disjunktni, a kod neizrazitih skupova neki elementi istovremeno spadaju u oba skupa. Stepen pripadnosti neizrazitom skupu B na sledeoj slii, izraen je intenzitetom sive boje. Skupove najee grafiki predstavljamo pomou Venovih dijagrama. Kod Venovih dijagrama skupovi su predstavljeni skupovima taaka izvesnih geometrijskih figurau ravni, kao to su krugovi ili elipse.

Slika: Venov dijagram prikaza dva izrazita (A) i dva neizrazita (B) skupa X i Y

Strana 6

Seminarski rad

Vjetaka inteligencijaTEMA

Milan PandiSTUDENT

U fazi logici nije precizno definisana pripadnost jednog elementa odreenom skupu, ve se pripadnost mjeri, na primjer u procentima. Ove skalinare mjere pripadnosti mogu da imaju vrednost od 0 do 1. Uzmimo kao primjer dane u nedelji i napravimo dva skupa, skup radnih dana i skup neradnih dana. Pripadnost elemenata nekom skupu bi se izrazila brojem 1, a ne pripadnost brojem 0.

Meuti, u fazi zakljuivanju bi situacija bila neto drugaija. Petak, kao dan koji je delom radni dan, a delom poetak vikenda, bio bi negdje na granici ova dva skupa. Njegova pripadnost skupu radnih dana bi se izraavala, recimo, brojem 0,75 odnosno 75%, dok bi pripadnost skupu dana vikenda bila 25%, odnosno bila bi predstavljena brojem 0,25.

Slino bismo mogli posmatrati i nedelju kao dan koji pripada skupu dani vikenda ali ne cijelim svojim trajanjem, jer ipak se nedelja uvee doivljava kao priprema za novu radnu nedelju, odnosno mnogi ljudi e je okarakterisati kao ne sasvim dan vikenda, jer poslije nje dolazi ponedeljak. Vidimo da je ova logika jako bliska ljudskoj percepciji o mnogim stvarima u ivotu.

Strana 7

Seminarski rad

Vjetaka inteligencijaTEMA

Milan PandiSTUDENT

Fazi logiki kontrolerFLC kontroler je kontroler koji vri preslikavanje ulaza u izlaze korienjem fazi logike. On predstavlja nain upravljanja koji je pogodan za sisteme koji se vrlo teko mogu modelovati. Kod projektovanja fazi regulatora potrebno je izvriti sljedee operacije: analiza procesa, dobijanje pravila od strane eksperta, simulacija fazi regulatora; ako se ne dobiju eljeni rezultati, ponoviti cijeli postupak.

Slika: Fazi regulator

Jedan relativno nov pristup upravljanju je primjena fazi regulatora. Sutina je u formiranju programskog koda koji implementira znanje ovjeka eksperta o nekim procesima.

Strana 8

Seminarski rad

Vjetaka inteligencijaTEMA

Milan PandiSTUDENT

Ekspertni sistemi Pojam ekspertnih sistema

Razvoj raunara i njegove mogunosti dovode ga do oblasti u kojoj se na raunaru pokuavaju modelirati procesi ljudskog miljenja. Razvoj ove naune discipline, koja se bavi metodama, tehnikama, alatima i arhitekturama za rjeavanje logiki komplikovanih problema odvija se u dva pravca. Prvi podrazumijeva postizanje inteligentnijeg ponaanja raunara koji e biti to upotrebljiviji, a drugi modeliranje na raunaru procesa ljudskog miljenja i time doprinoenje razumijevanju ovjekovog inteligentnog ponaanja. Kao posljedica tog nastojanja dolo je do pojave ekspertnih sistema. To su raunarski programi iji algoritmi realizovani razliitim metodama vjestake inteligencije rjeavaju probleme na osnovu znanja iz nekog uskog podruja. Znanje koje takav sistem posjeduje formira se uz pomo eksperta na bazi pravila zakljuivanja i podataka neophodnih za rjeavanje tih problema. Kasnije ekspert koristi taj raunarski program da bi rijeio neki jos sloeniji problem iz te oblasti. Rjeavanje takvog problema takoe se memorie u bazu znanja, ime ekspertni sistem dinamiki poveava svoje znanje i mogunosti. Osnovna pretpostavka na kojoj se zasniva oblast ekspertnih sistema je ta da je znanje mogue predstaviti simbolikim izrazima i to preko simbolikih opisa, kojima se odlikuju definicioni i empirijski odnosi u posmatranom podruju i postupaka za manipulaciju tim odnosima. Terminoloki gledano paralelno sa terminom ekspertni sistemi za isti pojam koriste se i sljedei termini: sistem zasnovan na znanju, inteligentni informacioni sistem, inteligentni sistem zasnovan na znanju, te sistem znanja. Ekspertnost se moe definisati kao znanje, razumijevanje i vjetina rjeavanja problema u odreenoj oblasti. Jednu od prvih definicija ekspertnih sistema dao je Fingenbaum i ona glasi: Ekspertni sistem je inteligentni raunarski program koji koristi znanje i mehanizme zakljuivanja u rjeavanju problema takve sloenosti da je za njihovo rjeavanje potreban ovjek ekspert. Znanja u ekspertnim sistemima ine injenice i heuristika (iskustvo i osjeaj). injenice su glavni dio informacija iroko distribuiranih, javno raspoloivih i usaglaenih na nivou eksperata (strunjaka) u oblasti. Heuristika su lina, malo distribuirana pravila prihvatljivog rasuivanja, koje karakterie odluivanje na nivou eksperta u oblasti. Performanse ekspertnih sistema su funkcija veliine i kvaliteta baze znanja, a ne odreenog formalizma i mehanizma zakljuivanja. Buhman je definisao ekspertne sisteme preko sljedeih osobina: ekspertiza - cilj je da sistem dostigne visok stepen performansi koje postie ovjek ekspert u nekom zadatku; rezonovanje manipulacijom simbola; opta sposobnost rjeavanja problema u datom domenu; sloenost i teina, jer problemi u datom domenu moraju da budu dovoljno sloeni i teki da bi se zahtijevalo rjeenje eksperata;

Strana 9

Seminarski rad

Vjetaka inteligencijaTEMA

Milan PandiSTUDENT

reformulacija -preobraavanje 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 omoguavaju da sistem rezonuje o sopstvenim procesima i vrsta zadatka zaije se obavljanje sistem izgrauje. Na slian nain Hajes-Rot daje sljedee karakteristike: slinost koja je obezbijeena pravilima visokog nivoa, gdje se izbjegava slijepo pretraivanje, to rezultuje visokim performansama i robusnou, rasuivanje koje je dato simbolikim predstavljanjem znanja i manipulisanjem simbolima, "pamet" kao osnovni principi oblasti i "slabi" (nealgoritamski) metodi rasuivanja, mogunost reformulacije simbolikog znanja, konverzije iz opisa u oblik pogodan za primjenu ekspertnih pravila, rasuivanje "o sebi", tj. ispitivanje sopstvenog rasuivanja i objanjenje svog rada i tipa zadatka.

Alati za izradu ekspertinih sistemaU osnovi se razlikuju tri kategorije alata za izgradnju ekspertnih sistema: Alati koji se koriste na personalnim kompjuterima, i koji slue za izradu ekspertnih sistema do 400 pravila. Specijalizovani alati za izradu kompleksnih ekspertnih sistema, koji su ogranieni na rjeavanje problema specijalizovanog tipa i koji sadre vie hiljada pravila. Ovi alati zahtjevaju vee kompjutere kao npr. Lisp Machine. Alati za izradu kompleksnih ekspertnih sistema, koji rjeavaju probleme razliitih tipova i koji sadre vie hiljada pravila. Takoe, zahtjevaju vee kompjutere kao npr. Lisp Machine. Najpoznatiji komercijalni alati za izradu ekspertnih sistema su: ART Automated Reasoning Tool - skup alata za izradu ekspertnih sistema koji ukljuuje jezik za opisivanje injenica i relacija tzv. knowledge language, kojeg prevodi u Lisp, zatim mehanizam zakljuivanja i specijalan alat za otkrivanje greaka. ES/P ADVISORLjuska za razvoj jednostavnih ekspertnih sistema za podruja gdje postoji tekstualan opis kao npr. uputstva i postupci. EXPERT-EASE Optenamjenski sistem za izgradnju stabla odluivanja. EXPERT Alat za izradu konsultacijskih sistema za podruja medicinske dijagnostike, analiza traenja nalazita nafte itd. INSIGHT Optenamjenska ljuska za izradu sistema do 400 pravila tipa ako-onda. KEE Knowledge Engineering Environment - integrisani paket alata kojim se izgrauju kompleksne aplikacione analize i planiranje, prvenstveno za domen genetskog inenjeringa. OPS5 Sistem za produkciono programiranje, razvijen na Carnegie-Mellon University kao alat za istraivanje ovjekovog pamenja i miljenja. LOOPS Skup alata koji su ukljueni u Interlisp okruenje i koji ukljuuju proceduralno i objektno orijentisano programiranje. TIMM The Intelligent Machine Model - dopunjena verzija EXPERT-EASE, kojom se izgrauje vie meusobno povezanih pravila.Strana 10

Seminarski rad

Vjetaka inteligencijaTEMA

Milan PandiSTUDENT

Prednosti i nedostaci ekspertnih sistemaEvidentan skok ulaganja u istraivanje ekspertnih sistema, prisustvo proizvoda na tritu i pruena mogunost primjene u preduzeima navodi na konstataciju konkretne koristi od strane ekspertnih sistema. Prije svega ekspertni sistemi osiguravaju univerzalnu i stalnu raspoloivost. Drugim rijeima, ekspert je uvijek na raspolaganju. Prisutna je nepristrasnost, jer jednom organizovan ekspertni sistem je praktino dosljedan. Ekspertni sistem ima savrenu memoriju i uzima sve relevantne faktore u obzir. Kvalitetno vrijeme strunjaka je osloboeno rutinskih poslova, jer ekspertni sistem obavlja postavljene zadatke i time dobija ekonomsko opravdanje. Ekspertni sistemi mogu biti i u edukativnoj poziciji, jer strunost sintetiu jasno definisana pravila. Ekspertni sistem sadri injenice koje strunjak uzima u obzir i praktina pravila koja strunjak primjenjuje prilikom rjeavanja problema. Simulacijom situacija iz realnog vota, neiskusan radnik se moe poduiti tome koje su informacije bitne i koji je misaoni mehanizam upotrijebljen. U daljem kontekstu pozitivnih osobina, odnosno koristi od ekspertnih sistema, izdvaja se zajedniko korienje znanja. Znanje vrhunskih strunjaka u preduzeu moe postati pristupano mnogim radnicima. Na ovaj nain se poveavaju strune ocjene. Ekspertni sistemi e biti na raspolaganju za iznoenje sekundarnih miljenja na podruju, kao i za izradu "ta ako" analiza u kojima se trae rezultati u zavisnosti od razliitih promjena. Sljedea korist u primjeni ekspertnih sistema je krae vrijeme odluivanja. Naime, rutinske odluke, koje odnose dosta vremena, lagano donose ekspertni sistemi. Ljudi strunjaci e zato imati vie vremena na raspolaganju za kreativniji rad. Ekspertni sistemi su najefikasniji u kombinovanim problemima, gdje direktne metode nabrajanja vode do sve veeg broja mogunosti, pa je potrebna intuicija, logika i razum za pronalaenje najbolje mogue odluke. Ekspertni sistemi su isto tako korisni kod problema u kojima se odluke zasnivaju na analizi i interpretaciji ogromne koliine nekvantitativnih podataka. Nabrajanje koristi ekspertnih sistema zavriemo sa ouvanjem i prenosom strunosti na poetnike i nasljednike u preduzeu. Osnovni nedostaci i odbrambeni stavovi, vezani za sadanje stanje tehnologije ekspertnih sistema, zasnivaju se na dehumanistikim konotacijama koje prate ove programe vjetake inteligencije. Ovo se ogleda u potiskivanju, odnosno ograniavanju uea rukovodnih kadrova u procesima u organizaciji. Bez obzira koliko bili pristalice ekspertnih sistema, ne moemo negirati znaaj intuicije i neformalizma u rjeavanju problema i inovacijama. Ekspertni sistemi imaju ogranienja u nekoliko podruja problema. Prvo, za donoenje odluka u jednoj dinaminoj sredini sa mnotvom nestrukturiranih problema nije dovoljno samo iskustvo, dakle empirijski pristup. Shodno tome mehanizam zakljuivanja e vjerovatno biti nedovoljan. Ekspertni sistem je ogranien na vrlo usko podruje (domen), jer je izgradnja i odravanje velike baze znanja teka. Sistem ne daje kvalitetan odgovor ako problem nije u potpunosti ogranien na specifino podruje. I tada se javlja problem sa odlukama vezanim za iroko interdisciplinarno znanje.Strana 11

Seminarski rad

Vjetaka inteligencijaTEMA

Milan PandiSTUDENT

Prilikom prikupljanja i organizovanja baze znanja, odreene vrste znanja se ne mogu lako prevesti u pravilo akoonda. Takoe, postoji tekoa oko specifikacije heuristikog znanja rukovodioca, koje je vano za pravilno odluivanje. Korisniki interfejs sa sistemom treba biti ostvaren preko "prirodnog" dijaloga. Meutim, dijalog nije realno prirodni jezik. Korisnici moraju opisivati probleme u definisanom formalnom jeziku ije rijei i njihova kombinacija imaju veoma specifino znaenje. Ogranieni broj strunjaka za ekspertne sisteme i inenjera za baze znanja, predstavljaju konstantnu opasnost da poslovne aplikacije mogu lako pasti na posljednje mjesto u razvoju ustupajui mjesto drugim dobro finansiranim podrujima. Takoe, vrijeme odziva komercijalno dostupnih ekspertnih sistema relativno je sporo na veini personalnih raunara. Ali to je vjerovatno prolazni problem s obzirom na dinamiku razvoja mikrokompjuterske tehnologije. Za kraj nabrajanja nedostataka ekspertnih sistema naveemo da je indikativno relativno veliko ulaganje u instalacije i odravanje ekspertnih sistema kao i mogunost da konkurencija kroz razvoj ili kupovinu slinog sistema moe ugroziti odreene poslovne pozicije.

Strana 12

Seminarski rad

Vjetaka inteligencijaTEMA

Milan PandiSTUDENT

ZakljucakIstraivanja u oblasti vjetake inteligencije su usmjerena na ekspertne sisteme i prevodilake sisteme, prepoznavanje ljudskog govora i automatsko dokazivanje teorema. Primjena ekspertnih sistema omoguuje da znanje, iz raznih specifinih oblasti ljudske djelatnosti, postane dostupnije kroz primjenu raunarskih programa. Omogueno je da u svakom trenutku zakljuivanja na raspolaganju bude cjelokupno znanje iz odreene oblasti. Zahvaljujui velikoj brzini raunara za kratko vrijeme je iz tog znanja mogue izvui odgovarajue zakljuke. Pored velikog napretka ekspertnih sistema ovjek ne moe biti upotpunosti zamjenjen, naroito u pogledu kreativnosti i korienja opteg znanja. Prednost ekspertnih sistema nad ljudima je to se ljudsko znanje vremenom gubi naroito ako se esto ne koristi.

Strana 13

Seminarski rad

Vjetaka inteligencijaTEMA

Milan PandiSTUDENT

Literatura : Latinovi B, Informacioni sistemi, Panevropski univerzitet Apeiron, Banja Luka, 2006. god. Radi G. Upravljanje poslovnim informacionim sistemima Apeiron, Banja Luka 2009. god. Janii P., Nikoli M., Vjetaka inteligencija, Beograd, 2010. God.

Strana 14