ekspertni sisitemi

8/9/2019 ekspertni sisitemi

1/42

Ekspertni sistemi

Ekspertni sistemi

1


2/42

Ekspertni sistemi

SADRAJ

OPTE O PRIRODNOJ I VJETAKOJ INTELIGENCIJI ..................................................................................4

POJAM INTELIGENCIJE .............. .............. .............. .............. .............. ............... .............. .............. ............ ...... ...... .4

KARAKTERISTIKE INTELIGENCIJE ............ ............... .............. .............. .............. .............. ............... .............. .....5

POJAM I DEFINICIJE VJETAKE INTELIGENCIJE .............. .............. .............. ............... .............. ....... ..... ...... .8

KARAKTERISTIKE VJETAKE INTELIGENCIJE ............. .............. .............. .............. ............... ........ ..... ..... .....9

ARHITEKTURA EKSPERTNIH SISTEMA ............................................................................................. ...... ........11

POJAM EKSPERTNIH SISTEMA ............. .............. .............. .............. ............... .............. .............. .............. ...........11

ARHITEKTURA EKSPERTNIH SISTEMA ............... .............. .............. .............. .............. ............... ....... ...... ...... ..16

Opte o arhitekturi ekspertnih sistema .................................................................................................................16

Jezgro ekspertnih sistema ......................................................................................................................... ............18

Vezni modul ...........................................................................................................................................................19

AGENTI, MULTIAGENTNI I INTELIGENTNI AGENTI ....................................................................................20

OPTE O AGENTIMA ............. .............. .............. .............. ............... .............. .............. .............. .............. .......... .....20

Vrste sistema baziranih na agentima ....................................................................................................................21

MULTIAGENTI .............. .............. .............. ............... .............. .............. .............. .............. .............. ............... ......... .23

Razlike izmeu objektno orijentisane i agentne metodologije izrade programa ..................................................24

Primjena multiagenata .........................................................................................................................................25

INTELIGENTNI AGENTI ............. ............... .............. .............. .............. .............. .............. ............... .............. .........26

Pojam inteligentnih agenata .................................................................................................................................27

Osobine inteligentnih agenata ..............................................................................................................................28

Struktura inteligentnih agenata ....................................................................................................................... .....28

SAVREMENI INTELIGENTNI SISTEMI ...............................................................................................................29

OPTE O INTELIGENTNIM SISTEMIMA ............. .............. .............. ............... .............. .............. .............. ....... ...29HIBRIDNI INFORMACIONI SISTEMI .............. .............. .............. ............... .............. .............. .............. ..... ..... .....31

Opte o hibridnim inteligentnim sistemima ..........................................................................................................31

Neuro - fazi sistemi ................................................................................................................................... ............32

IZGRADNJA EKSPERTNIH SISTEMA ..................................................................................................................33

STICANJE ZNANJA ZA EKSPERTNE SISTEME ............. .............. .............. .............. ............... .............. ............ .33

Opte o sticanju znanja .........................................................................................................................................33

Ispitivanje eksperta ........................................................................................................................................... ....34

METODOLOGIJA RAZVOJA EKSPERTNOG SISTEMA ............. .............. .............. .............. .............. .......... .....37

PRELIMINARNAANALIZA.................................................................................................................................................. 37

ANALIZAIDIZAJN..........................................................................................................................................................38

SREDSTVA ZA IZGRADNJU EKSPERTNIH SISTEMA .............. .............. .............. .............. ............ ..... ..... ...... .40

Opte o sredstvima za izgradnju ES ............................................................................................... ...... ...... ...... ....40

RAZVOJ EKSPERTNOG SISTEMA ............... .............. .............. .............. .............. .............. ............... ............ ...... .40

Mehanizam logikog zakljuivanja .......................................................................................................................40

ZAKLJUAK ...............................................................................................................................................................41

LITERATURA .............................................................................................................................................................42

2


3/42

Ekspertni sistemi

UVOD

Ekspertni sistemi su jedno od podruja primjene umjetne inteligencije (Artificial

Intelligence). Osnovna ideja se sastoji u nastojanju da se skup znanja (ekspertiza) koje

posjeduju eksperti za odreeno problemsko podruje na odreen nain transferira od ovjeka -eksperta na raunar. To znanje se u odreenom obliku pohranjuje na raunaru sa ciljem da ga

koriste neki drugi korisnici u rjeavanju problema ili pruanju odreenih sugestija. Cilj primjene

ekspertnih sistema nije u zamjeni ljudskih eksperata ve jednostavno u prikupljanju njihovog

znanja i stavljanja tog znanja u oblik koji je raspoloiv irem krugu korisnika. Pored znanja,

sljedea bitna osobina ES-a je mogunost rezoniranja i zakljuivanja, ali opet na osnovu

odreenih pravila koje definiraju njegovi kreatori. Veina komercijalnih ES-a su tzv. "rule-based

systems", odnosno sistemi zasnovani na pravilima. To znai da je znanje pohranjeno u formi

"ako onda" (if - then) pravila tako da slijede logiku rjeavanja problema.Osnovni ciljevi koritenja ekspertnih sistema (ES) su: prikupiti i staviti na raspolaganje

znanje u rjeavanju odreenih problemskih situacija kako bi moglo biti koriteno od strane drugih

korisnika, uz minimalnu obuku.

Standardizirati zakljuke za date problemske situacije. Naime, esto se deava da vie

ljudi odgovarajui na ista pitanja daje razliite odgovore. Stoga je bitno osigurati konzistentnost u

odgovorima na postavljene upite. Naprimjer, postupak odobravanja kredita u banci moe biti

formaliziran na nain da se koristi ekspertni sistem i da se na taj nain izbjegnu problemi koji

mogu nastati u razliitim tumaenjima pojedinih aspekata procedure rjeavanja kreditnogzahtjeva od strane razliitih bankarskih slubenika.

Osloboditi ljude - eksperte od rutinskog i repetitivnog rada i na taj nain im dati vie

vremena za druge aktivnosti koje ekspertni sistemi ne mogu rijeiti.

Dokumentirati tehnike rjeavanja odreenih problema za budue generacije. Mnoge

firme imaju eksperte za pojedina problemska podruja ali nemaju dokumentaciju o tome kako ti

eksperti rjeavaju probleme.

Primjer ES koji se koristi u poslovnom odluivanju.

3


4/42

Ekspertni sistemi

OPTE O PRIRODNOJ I VJETAKOJ INTELIGENCIJI

POJAM INTELIGENCIJE

Cogito Ergo Sum

UAristotel-ovoj (384-322) knjizi "Logika" je ispitivano da li se za neku pretpostavku moe

rei da je istinita, zato to se odnosi na druge stvari za koje se zna da su istinite. Ako se zna da

su "svi ljudi smrtni" i da je "Sokrat ovjek", moe se zakljuiti da je "Sokrat smrtan". U Rene

Dekart-ovoj (1596-1650) knjizi "Meditacije" se razdvaja proces miljenja od fizikog svijeta. ak

je i za njegovo vlastito postojanje traio potvrdu preko miljenja: "Cogito ergo sum" ("Mislim,dakle postojim").

Vilhelm Lajbnic (1646-1716) uvodi sistem formalne logike i konstruie mainu za automatsko

raunanje. Leonard Ojler (1707-1783) uvodi teoriju grafova koja predstavlja jedno od osnovnih

orua u vjetakoj inteligenciji. La Mettrie (XVIII vijek) u knjizi "L'Homme Machine", posmatrajui

mehanike naprave kao to su mehanika patka i svira flaute, iznosi pretpostavku da bi se

jednog dana mogao napraviti mehaniki ovjek koji govori. U devetnaestom vijeku se susreu

prva mehaniki programabilna raunarska maina Carsla Bebix-a (1792-1871), prvog

programera Adu (Bajron) Lovelsi (1815-1837), Xorxa Bul-a i njegovu binarnu algerbu kojapredstavlja osnovu dananjih digitalnih raunarskih maina.

U dvadesetom vijeku jedan od prvih radova vezanih za mainsku (vjetaku) inteligenciju, prije

svega u odnosu na dananje digitalne raunare, je rad Alana Tjuringa (Alan Turing)

"Raunarske maine i inteligencija", odnosno test za "mjerenje inteligencije". Maina predstavlja

jedini do sada priznati standard u ovom domenu. Izraz "vjetacka inteligencija" se koristi od

4


5/42

Ekspertni sistemi

sredine pedesetih godina. Za uvoenje ovog izraza smatra se da je najzasluniji John Mac

Carty. Prvi put izrazvjetaka inteligencija se uo u ljeto 1956. godine na sastanku tadanjih pet

vodeih naunika iz oblasti raunarskih nauka. Sasatanak je odran na DartmouthCollegu, u

Hanoveru, Novi Hemir. Sastanku su prisustovali: Klod enon, MarvinMinski, Xon Mekarti, Alen

Novel i Herbert Sajmon. Sam izraz je uveden da bi se to vie naglasile i to lake objasnile,mogunosti buduih raunara i raunarskihprograma.

Intelekt je oduvijek bio vezan za ovjeka, jedino ivo bie na naoj planeti koje posjeduje to

svojstvo. Za pojam intelekta u literaturi se mogu nai slijedea tumaenja: "Intelekt je

sposobnost shvatanja znaenja, pravilno razumjevanje i bistrina uma, sposobnost miljenja,

otroumnost, pamet, itd". Vrhunac pojma inteligencije je kad se navede rjeavanje problema, jer

vrhunsko rjeavanje problema neminovno zahtjeva inteligenciju, to ovom pojmu daje empirijsku

notu. Jednu od relativno prihvatljivih definicija pojma inteligencije dao je professorChristopher

Evans u svojoj uvenoj knjizi "Moni mikro" ("The Mighty Micro") (1979):

Inteligencija je sposobnost sistema da se prilagodi promjenama u svijetui to je ta sposobnost vea, odnosno profinjenija snaga prilagoavanja,sistem je inteligentniji.

U navedenoj definiciji se spominje sistem, to daje dosta iroko znaenje, mada se u podsvjesti

misli na ovjeka. Otuda je potreban poseban napor da se sve to premjesti i sve te karakteristike

pripiu neivoj tvorevini - maini. Da bi se ovaj problem donekle shvatio, potrebno je barem

pokuati dati osnovne karakteristike inteligencije. Ukoliko se karakteristike inteligencije pravilno

definiu, utoliko e biti lake izlaganje osnova vjetacke inteligencije.

.

KARAKTERISTIKE INTELIGENCIJE

U narednom tekstu e se pokuati objasniti nekoliko osnovnih karakteristika inteligencije, koje su

danas opte prihvaene, i to:

imitacija dijaloga,

rjeavanje svih varijanti problema,

rjeavanje netrivijalnih zadataka,

uenje,

ekstrapolacija.

5


6/42

Ekspertni sistemi

Konaan broj karakteristika i njihove definicije jo su daleko od dananjih saznanja i one treba

da budu predmet daljih istraivanja.

Imitacija dijaloga

Imitacija dijaloga je karakteristika koja potie od uvenog engleskog matematiara Tjuringa(Turing). On je predloio da se sistem, ovjek ili raunar, smatra inteligentnim ako se ne moe

uoiti, u toku konverzacije, s kim se vodi dijalog, sa ovjekom ili sa raunarom.

Tjuringov test je naziv ovog testa inteligencije, za koji su bili razvijeni posebni dijalogni

programi. U toku provoenja testa sa bolesnicima, veinu sagovornika je bilo teko ubijediti da

"razgovaraju" sa raunarom, odgovarali su "da ih on tako dobro razumije". Meutim, vrlo brzo se

dolo do zakljuka da je ovakav test samo imitacija intelekta i da je jedan od potrebnih, ali ne i

dovoljnih uslova za inteligenciju. Dalji razvoj dijalognih programa, kao i razvoj Tjuringovog testaprije tridesetak godina, vezivan je za rjeavanje odreenih logikih ili raunarskih problema.

Posebno se isticala mogunost igranja aha, to je u ne tako davnoj prolosti zadiralo u domen

naune fantastike. Dui niz godina postoji vei broj programa koji igraju veoma dobar ah ve i

na kunom raunaru. Time se pokazalo da je podruje vjetake inteligencije vrlo udljivo

podruje nauke, neki problemi za koje se smatralo da su nesavladivi postali su jednostavni i

lagani, dok su drugi, za koje se mislilo da su jednostavni i lagani, postali praktino nesavladivi.

Rjeavanje svih varijanti problema

Rjeavanje svih varijanti problema predstavlja slijedeu karakteristiku inteligencije. Ovdje se

misli na rjeavanje svih varijanti nekog problema, ali ne loije od ovjeka. Ova karakteristika,

nekada veoma popularna, danas se smatra nedovoljnom i nepotpunom.Postavlja se pitanje o

kakvom problemu i kakvim varijantama se govori. Probleme ne treba traiti u podruju numerike,

jer onda intelektu nema ni govora. Neki autori predlau da treba prei u mnogo "intelektualnije"

podruje, muziku.

6


7/42

Ekspertni sistemi

Rjeavanje netrivijalnih zadataka

Odmah na poetku se postavlja pitanje ta su trivijalni, a ta netrivijalni zadaci. Uobiajena

matematika definicija kae da je trivijalni zadatak onaj kod koga je nain rjeavanja poznat.

Pri tome nije vano da li rjeenje postoji ili ne, odnosno da postavke dovode do apsurda. Izdefinicije trivijalnog zadatka proizilazi definicija netrivijalnog zadatka: to je zadatak kod koga se

mora pronai nain rjeavanja. Ovdje se ne misli na klasu problema koji su rjeavani, odnosno

nisu rjeavani, nego na onoga ko mora rjeiti zadatak, a ne poznaje algoritam rjeavanja.

PRIMJER: Mnoenje dva broja.

Za uenike starijih razreda mnoenje dva broja je trivijalni zadatak, poto su uili tablicu

mnoenja, a za prvokolca ovo je netrivijalni zadatak, jer on ne poznaje nain rjeavanja

zadatka.

Klasini primjer inteligencije dat je u anegdoti iz akog ivota Karl Friedrich Gauss-a. Kao

prvokolac je dobio "nerjeiv" zadatak da sabere brojeveod jedan do sto. Gauss je vrlo brzo i

elegantno doao do rjeenja: uvidio je da jezbir prvog i zadnjeg broja 101, drugog i predzadnjeg

takoe 101 i tako sve do zbirazadnjeg para brojeva 50 i 51. Budui da parova ima 50, proizvod

50 puta 101 dajerjeenje 5050.

Ekstrapolacija

Ekstrapolacija, odnosno aproksimativno odluivanje na osnovu niza faktora, je jedna od

karakteristika koju je korisno objasniti i preko primjera. Neka je dan uzrok neke pojave i njegova

posljedica: pritisak na prekida izaziva paljenje svjetla, guranje bureta izaziva njegovo kotrljanje,

pojava problema zahtjeva njegovo otklanjanje, itd. Kod trivijalnih problema rjeenje je oigledno,

to nije sluaj kod zdravstvenih tegoba relativno nedefinisanog oblika ili proizvodnje

nekog dijela ili sklopa.

PRIMJER: Donoenje odluke o kupovini automobila.

Moe se napraviti tabela konkurentnih karakteristika dva ili vie automobila razliitih proizvoaa

u istoj klasi i sa priblino jednakom cijenom. U tabeli e se nai: potronja, komfor, snaga,

servis, veliina putnog i prtljanog prostora, dizajn, itd. Moe se napraviti bodna lista, gdje svaka

7


8/42

Ekspertni sistemi

karakteristika ima svoju teinsku vrijednost, ime se dobija sistem jednaina u kojima je

uporeivanje karakteristika poznato kao proces identifikacije. Nakon identifikacije treba dobiti

rjeenje, ali rjeenje, praktino nikada, nije jednoznano i definitivno. Odluka je tada i sama niz

odluka, odnosno proces koji nazivamo jednim imenom ekstrapolacija.

Uenje

Uenje je jedna od najvanijih i najteih karakteristika spoznaje, i samim tim, inteligencije

uopte. Pri tome se ne misli da je uenje memorisanje injenica.To bi bilo isto kao kada bi se

reklo da je vonja automobila pritiskanje papuice gasa. Dodue, bez gasa automobil se ne

moe voziti, ali samo sa gasom to je jo besmislenije.

Memorisanje injenicajeste nuna i neophodna karakteristika uenja, ali daleko od toga da

bude i dovoljna. Aktiviranjem ula poinje uenje, odnosno uspostavljanje kontakta savanjskim svijetom. Kod ivih bia ovo je stalan, neprekidan proces, koji poinje sa raanjem i

prestaje sa smrti. Sposobnost pamenja je sljedea karakteristika procesa uenja. Samo

prosto memorisanje podataka nije karakteristika inteligencije, jer ukoliko bi to bilo tano onda i

papir i crijep sa klinastim pismom i magnetni medij bi bili inteligentni.

POJAM I DEFINICIJE VJETAKE INTELIGENCIJE

Teorija i praksa vjetake inteligencije (VI) su jo u svom pionirskom dobu i vrijeme pravih

otkria tek treba da doe. Potrebno je bilo dugo vremena da se pojam vjetake inteligecije

[Artifical Intelligence (AI)]probije i odomai. Primjena metoda VI e, vjerovatno, igrati znaajnu

ulogu u organizacijama budunosti, u prvom redu u cilju pripremanja odluka u procesu

upravljanja.

Definicije vjetake inteligencije

1. Vjetaka inteligencija je nauka koja ini da maine obavljaju stvari koje bi

zahtjevale inteligenciju kada bi ih obavljao ovjek (M. Minsky, 1968.);

2. Vjetaka inteligencija je dio nauke o raunarima usmjeren na stvaranje i

prouavanje raunarskih programa koji ispoljavaju svojstva koja se identifikuju kao

8


9/42

Ekspertni sistemi

inteligentna u ljudskom ponaanju: znanje, zakljuivanje, uenje, rjeavanje

problema, razumjevanje jezika i dr. (A. Barr, 1983.);

3. Vjetaka inteligencija je disciplina kreiranja maina koje podraavaju ljudsko

ponaanje ili inteligenciju; maine koje su senzitivne i misle (M. Carrico, J. Girard, J.

Jones, 1989.);

4. Vetaka inteligencija je disciplina koja izuava mehanizme inteligentnog ponaanja

kroz analizu, razvoj i evaluaciju vjetakih tvorevina u koje se ugrauju ti mehanizmi

(V. Devedi, 2002.).

KARAKTERISTIKE VJETAKE INTELIGENCIJE

Raunari predstavljaju jedinu tvorevinu ljudske ruke koji su u stanju da pretenduju na mogunoststicanja elemenata i karakteristika inteligencije. Pri tome treba zanemariti socioloka,

kulturoloka, psiholoka i druga razmatranja i sagledavati tehnike pretpostavke za ostvarenje

navedenog cilja. Prema Evansovim definicijama karakteristike VI, koje bi raunar morao da ima

pa da, barem rudimentarno, bude inteligentan, su:

prijem podataka,

spremanje podataka,

brzina obrade podataka, efikasnost raunarskih programa,

promjenljivost raunarskih programa,

mogunost uenja,

ekstrapolacija i rjeavanje netrivijalnih zadataka.

Prijem podataka

Prijem podataka je prva karakteristika u ovom navoenju. Razvoj VI je uslovljen i ovjekovom

tenjom da uspostavi maksimalno moguu i lagodnu komunikaciju sa mainom. Idealno bi biloda se raunaru kae glasom ta se eli i da on dalje posao obavlja sam. Naalost, danas u

najveem broju sluajeva se mora na vrlo dugotrajan i mukotrpan nain, preko tastature, rei

kako se neto radi, pa tek onda traiti rezultate.

9


10/42

Ekspertni sistemi

Spremanje podataka

Spremanje podataka je jedna od karakteristika VI, jer prijem podataka iz vanjskog svijeta i

njihova obrada nemaju nikakvog smisla ako se ne mogu memorisati. Iz tog razloga raunar

mora imati odgovarajue veliki prostor za njihovo spremanje. Prije spremanja podataka

neophodna je odgovarajua obrada, filtriranje i analiza, jer podatak se ne moe uzimati "sirov".

Brzina obrade podataka

Brzina obrade podataka je karakteristika VI, bez obzira da li se radi o samom spremanju,

klasifikaciji, sortiranju ili nekoj drugoj operaciji na podacima. Pri tome treba rei da raunar mora

imati odgovarajuu arhitekturu.

Efikasnost raunarskih programa

Pod programiranjem se podrazumjeva niz upravljakih naredbi potrebnih za rad sistema, pri

emu se misli na kodirane algoritme obrade podataka. Efikasnost raunarskih programa

podrazumijeva optimalno rjeenje postavljenog problema, odnosno najbri i najpouzdaniji nain

sa najmanjim utrokom prostora u memoriji raunara. Efikasnost programa biolokih sistema je

vrhunska, jer je priroda imala dovoljno vremena za eksperimentisanje i odbacivanje neuspjenih

rjeenja. Pored toga, u prirodi se vodi bespotedna borba za opstanak u neprijateljskoj okolini,

gdje su kazne za neefikasno djelovanje veoma rigorozne.

Promjenljivost raunarskih programa

Promjenljivost raunarskih programa je neophodna, jer se programi moraju oblikovati prema

zahtjevima sredine. Da bi program mogao izdrati visoke zahtjeve koje pretpostavljena

inteligencija ima, on mora posjedovati minimalno dva svojstva:

samoispravljanje greaka,

mogunost promjene vlastite strukture.

Mogunost uenja

Mogunost uenja je veoma bitna karakteristika raunara. Dananji raunari rade tano ono to

je programom predvieno. Bez obzira na vanjsku manifestaciju, rad raunara se svodi,

uglavnom, na koritenje memorije i dovoljno mnogo pitanja - skretnica tipa "AKO ... TADA".

Odstupanje od programiranog ponaanja znai greku ili sistema ili programa. Meutim, ako se

10


11/42

Ekspertni sistemi

raunaru omogui da ui, u bilo kojem obliku, tada se mogu oekivati optimalni programi,

primjereni danom problemu.

Ekstrapolacija i rjeavanje netrivijalnih zadataka

Ekstrapolacija i rjeavanje netrivijalnih zadataka je danas u samom sreditu svih istraivanja. Za

ova istraivanja su angaovana ogromna materijalna sredstva i na njima rade vrhunski

specijalistiki timovi. Cilj je dobijanje inteligentnog raunara, koji bi obraivao probleme

samostalno, metodom ekstrapolacije i time stvorio sve pretpostavke za rjeavanje netrivijalnih

zadataka.

ARHITEKTURA EKSPERTNIH SISTEMA

POJAM EKSPERTNIH SISTEMA

U praksi se esto javlja potreba za nizom specifinih znanja datih u cjelini, brzo sigurno i

povezano. Drugim rijeima, eli se da u problematinim situacijama i kod donoenja sloenih

odluka pomogne dobar strunjak, vrhunski specijalista ili, kako se drugaije kae, ekspert.

Pomo eksperta je dobro dola u sloenim situacijama bilo koje oblasti ljudskog rada: medicini,

pravu, graevinarstvu, industriji, marketingu, itd.

Osnovna svojstva eksperta

Osnovna svojstva eksperta su da:

primjeni, na optimalni nain, svoja znanja u rjeavanju problema. Pri tome se podrazumijeva

uzimanje u obzir injenica i predvianje relevantnih posljedica;

objasni i obrazloi svoje odluke i prijedloge;

komunicira sa drugim ekspertima i proiruje svoja znanja, prestruktuira i reorganizuje shvatanjai znanja;

formira i naputa odreene zakljuke, to dokazuje da je pronikao u sutinu odreenih pojava i

naao nove zakonitosti koje meu njima vladaju;

odreuje najbri nain dolaska do rjeenja i njegove praktine primjene;

11


12/42

Ekspertni sistemi

u specifinim situacijama intuitivno (heuristiki), na osnovu svih dosadanjih iskustava i

dogaaja ocijeni gdje se nalazi rjeenje problema. Imati pored sebe eksperta nije ni najmanje

jednostavno, eksperata nema previe, nisu na raspolaganju u svakom trenutku i nisu ni jeftini.

Osim toga ni jedan ekspert ne moe da posjeduje sva znanja.

Ekspertni sistemi

Dananji stepen razvoja moderne informatike nauke sve vie omoguava da se stalno moe

raspolagati ekspertnim uslugama. Pri tome se misli na ekspertne sisteme (ES).

Model ES

Pod ES se podrazumijeva takva vrsta programske podrke ili softvera na raunaru, koja u veoj

ili manjoj mjeri zamjenjuje ovjeka - eksperta. ES je u stanju da, na osnovu unesenih podataka i

ugraenih logikih algoritama (pravila zakljuivanja) i tako nastale baze znanja, efikasno

pomogne korisniku u rjeavanju specifine problematike.

12


13/42

Ekspertni sistemi

Dodatne definicije ES

U literaturi se moe nai vei broj slinih definicija pojma ES. Tako, jedna definicija

opisuje ES kao: "Raunarski sistem koji ukljuuje organizovano znanje, koje se tie nekog

specifinog podruja ljudske ekspertize (medicinska dijagnostika, identifikacija hemijskihjedinjenja, finansijsko planiranje, geoloke prospekcije, itd.), u dovoljnom stepenu da moe da

vri ulogu iskusnog i ekonomski racionalnog konsultanta u tom podruju".

Za ES se moe rei da predstavljaju: "Program opte namjene za rjeavanje problema, koji

imitira ljudsku inteligenciju" ili "Intelektualnu podrku visokog nivoa, koja slui isto kao i ljudski

ekspert". U slijedeoj definiciji, osim cilja, se objanjava i struktura ES:

"Ekspertni sistemi koriste formalne naine predstavljanja znanja koje ovjek ekspert posjeduje

i metode logikog zakljuivanja, da putem odgovarajuih raunarskih programa obezbjede

ekspertni savjet ili miljenje o problemu za koji je korisnik zainteresovan".

Podruje primjene ES

Ekspertni sistemi imaju za cilj da obezbijede odgovor na probleme koji zahtjevaju

rasuivanje, prepoznavanje i poreenje oblika, akviziciju novih koncepata, zakljuivanje,

ukratko, oni daju odgovor na pitanja koja zahtjevaju inteligenciju. ES se mogu efikasno

primjenjivati u podrujima gdje se miljenje o problemu svodi na logiko rasuivanje, a ne na

izraunavanje, i gdje svaki korak u rjeavanju problema ima vei broj alternativnih mogunosti.

Tipovi znanja ES

Kljuni faktor za dobre performanse ES je kvalitet znanja koje je u njega ugraeno.

Znanje se uva u bazi znanja ES i generalno se razlikuju dva tipa znanja:

prvi tip znanja je ono znanje koje se zove injenicama danog domena, odnosno znanje koje

je iroko poznato i nalazi se napisano u udbenicima, asopisima i slino;

drugi tip znanja je heuristiko znanje, ono znanje koje ovjek ekspert gradi na osnovu

iskustva i koje kombinovano sa prvim tipom znanja ini ovjeka ekspertom. Osim znanja, ES

zahtjeva i postupak zakljuivanja - metod rasuivanja, koriten da napravi spregu izmeu

znanja koje se uva u raunaru i problema koji postavlja korisnik. On, takoe, zahtjeva nain za

predstavljanje znanja u raunaru, znanja koje ES treba da posjeduje, i to, prije svega, u obliku

13


14/42

Ekspertni sistemi

logikih struktura sa kojima raunar moe lako da manipulie, kao i skup odgovarajuih struktura

podataka.

Pitanja vezana za razvoj ES

Kod razvoja ES se javlja niz veoma krupnih pitanja, na koje treba dati odgovor.

Prvi problem, koji se susree kod ES, je nain predstavljanja znanja. Kako predstaviti znanje izdatog domena u obliku pogodnih struktura podataka, tako da se efikasno moe iskoristiti u

rjeavanju problema? Drugo, postavlja se pitanje kako koristiti znanje, kako projektovati

mehanizamzakljuivanja da bi se znanje efikasno koristilo u rjeavanju problema?

Tree, postavlja se pitanje akvizicije znanja, to jest, kako izvui znanje iz glava eksperata i

staviti ga u raunar? Da li je mogue automatizovati korak akvizicije znanja i obezbijediti

neposrednu komunikaciju eksperta i raunara i nesmetan prenos znanja od eksperta ka

raunaru? U ovom trenutku, akvizicija znanja predstavlja kljuno pitanje u razvoju metoda

vjetake inteligencije.

Podjela ES prema vrsti korisnika

Ekspertni sistemi se razlikuju prema vrsti korisnika. Neki ES, kao to su sistemi

medicinske dijagnostike, ukljuuju znanje grupe eksperata u cilju koritenja od strane

jednog eksperta iz iste grupe. Drugim rijeima, ljekari kreiraju sistem za ljekare. Neki ES

prenose znanje jedne grupe eksperata grupi ili pojedincu koji tonisu. U ovu grupu spadaju

sistemi finansijskog planiranja. Upotreba ove grupe ES se danas smatra najkontraverznijom.

Naini koritenja ES

Postoje tri osnovna naina koritenja ES:

prvi nain, gdje korisnik trai odgovor na zadani problem,

drugi nain, gdje je korisnik instruktor koji dodaje znanje u postojei ES,

trei nain, gdje je korisnik uenik koji ui od ES, na taj nain poveavajui svoje znanje.

Pri tome se ES razmatra kao dio vjetake inteligencije i koristi sve tehnike primijenjene u tom

podruju nauke.

14


15/42

Ekspertni sistemi

Optimalnost baze znanja

Treba naglasiti da ES nije prosta BP ili neka vrsta automatizovanog prirunika. Osim primjene

niza podataka i logikih pravila (na primjer, poznati tip zakljuaka "AKO ... TADA"), ES takoe

koriste:

dostignua iz podruja tzv. dijalognih i prirodnih jezikih sistema,

dostignua raunarske animacije i robotike,

razne naine interpretacije problema i donoenja odluka, itd.

Stvorena baza znanja ES mora postii optimum izmeu niza potpuno kontradiktornih zahtjeva

da bi, barem minimalno, zadovoljila korisnika. S jedne strane broj podataka, injenica i logikih

odluka mora biti to je mogue vei, a nasuprot tome vrijeme dobijanja odreenog rjeenja ili

prijedloga mora biti to je mogue manje. Pri tome je potrebno odabrati najvjerovatnije rjeenje,

ali predloiti i mogue alternative.

Sposobnost prihvatanja novih znanja

Treba znati da ES nije predvien da daje konana i neopoziva rjeenja, ve samo da pomae u

njihovom nalaenju. Takoe se podrazumijeva da ES mora biti sposoban da "ui" i "prihvata"

nova znanja, shodno sa razvojem podruja u kome je "specijalista". Ponekad ne postoji

mogunost davanja konkretnog rjeenja, pa je potrebno koristiti statistiku i tzv. heuristiku,

odnosno intuitivno znanje. Pri svemu ovome treba imati u vidu i vrlo teak zahtjev to

jednostavnijeg, breg i lakeg odnosa ovjek - raunar, sa maksimalnim izbjegavanjem

nedoumica ili nejasnih zakljuaka. ES, po potrebi, mora da "pita" korisnika za dodatne podatke.

Ukratko, ES mora posjedovati ako ne sve karakteristike i znanja eksperta, ono barem dobar dio

njih.

15


16/42

Ekspertni sistemi

ARHITEKTURA EKSPERTNIH SISTEMA

Klijent/Server Arhitektura

Opte o arhitekturi ekspertnih sistema

Ekspertni sistemi zadiru u vei broj podruja nauke i tehnike, bilo direktno, bilo preko vjetake

inteligencije.

Osnovna arhitektura ekspertnih sistema

Ekspertni sistem je veoma sloen programski paket, koji se sastoji od niza manjih programskih

cjelina ili modula. Dva osnovna dijela su:

16


17/42

Ekspertni sistemi

vezni modul ili interfejs (interface),

jezgro ekspertnog sistema.

Jezgro ES se sastoji od dva dijela i to:

baze znanja,

relacionog modula ili modula za zakljuivanje.Vezni modul spaja eksperta i tehnologa znanja, sa jedne strane, i korisnika, sa

druge strane, sa bazom znanja i relacionim modulom. Iz tog razloga vezni modul se sastoji od

dva manja modula (komunikaciona kanala) i to:

modula za zahvatanje znanja,

modula za interpretaciju znanja.

Komunikacija sa ES

Kada je postavljena cjelokupna struktura ES, onda ni ekspert, ni tehnolog znanja, ni

korisnik ne pristupaju direktno jezgru ES. Ekspertni sistem sa spoljnim svijetom komunicira

iskljuivo preko veznog modula i to tako da je za komunikaciju sa ekspertom i tehnologom

znanja zaduen modul za zahvatanje znanja, dok je za vezu sa korisnikom zaduen modul za

interpretaciju znanja. Znanja koja sistem dobije preko modula za zahvatanje znanja, rasporeuju

se i sreuju u bazi znanja i relacionom modulu. Tek nakon toga jezgro ES je spremno da prui

usluge korisniku sistema preko modula za interpretaciju znanja.

17


18/42

Ekspertni sistemi

Jezgro ekspertnih sistema

Kvalitetno razumijevanje ES podrazumjeva dobro upoznavanje sa njegovim jezgrom. Iz tog

razloga, u najoptijim crtama, e biti prikazano jezgro ES, odnosno princip rada baze znanja i

relacionog modula ili modula za zakljuivanje.

Baze znanja i procesiranje znanja

Pojavom vjetake inteligencije, a posebno razvojem ES, javljaju se kao svojevrstan razvoj baza

podataka i obrade podataka pojmovi baze znanja i procesiranje znanja.

Ne moe se rei da baze znanja, u uem smislu, nisu takoe neka vrsta baza podataka, a modulza zakljuivanje odreeni oblik algoritamske obrade.

18


19/42

Ekspertni sistemi

Metode za izgradnju jezgra ES

Problem procesiranja znanja i njegovo prikazivanje su osnova na kojoj se zasniva kompletna

teorija vjetake inteligencije, pa tako i teorije izgradnje ES. Ova problematika je posebno

istraivana sredinom 70-tih godina, tako da se do danas razvio itav niz metoda i programskihalata, gdje je sve bazirano na matematikim disciplinama, i to: statistici i teoriji vjerovatnoe,

matricama i teoriji grafova, obinoj, viedimenzionalnoj i tzv. "razmazanoj" (fuzzy) logici,

predikatskom raunu, itd. Vremenom su se izdvojile itav niz metoda, koje danas dominiraju u

izgradnji jezgra ekspertnih sistema, a to su:

automatsko dokazivanje teorema,

produkcioni sistemi,

razvoj ES zasnovan na matematikoj logici,

semantike mree, ramovi znanja (frames),

metode fazi ES,

metode za izgradnju ES zasnovane na neuronskim mreama,

genetiki algoritmi i ES,

agenti, multi agenti i inteligentni agenti,

inteligentne BP i inteligentni IS.

Iako ove metode imaju niz dodirnih taaka i odreena preklapanja, one predstavljaju

zaokruene cjeline.

Vezni modulPristup do jezgra u izgraenom ES je mogu iskljuivo preko veznog modula. Vezni modul je

cjelina od dva svojevrsna komunikaciona kanala i to:

modula za interpretaciju znanja, predvienog za korisnika, i

modula za zahvatanje znanja, koga koriste ekspert i tehnolog znanja.

19


20/42

Ekspertni sistemi

AGENTI, MULTIAGENTNI I INTELIGENTNI AGENTI

OPTE O AGENTIMA

Agenti predstavljaju softver koji ima sposobnosti da samostalno, bez intervencije korisnika,

izvrava postavljeni zadatak i izvjetava korisnika o zavretku zadatka ili pojavi oekivanog

dogaaja. Agent se moe definisati na sljedei nain:

Agent je raunarski softver, koji u interakciji sa okruenjem, ima sposobnost da

fleksibilno i samostalno reaguje u skladu sa ciljevima koji su mu postavljeni.

U ovoj definiciji se istiu tri kljuna zahtjeva:

interakcija sa okruenjem,

autonomnost, i

fleksibilnost.

Interakcija sa okruenjem, u ovom kontekstu, znai da su agenti sposobni da reaguju na ulaze

dobijene od senzora iz okruenja i da moge da izvodi akcije koje mijenjaju okruenje u kome

agenti djeluju. Okruenje u kome agenti djeluju moe biti fiziko (realan svijet) ili softversko

(raunar na kome su instalirani ili Internet), za razliku od klasinih ES, koji informacije o

okruenju dobijaju preko posrednika (korisnika) koji unosi parametre sistema. Klasini ES nisu

bili u mogunosti da djeluju na okruenje (bar ne neposredno) ili su to, takoe, inili preko

posrednika (korisnika), koji je u zavisnosti od dobijenog odgovora reagovao na okruenje.

Autonomnost znai da je sistem u stanju da reaguje bez intervencije korisnika (ili drugih

agenata) i da ima kontrolu nad sopstvenim akcijama i unutranjim stanjem. Takav sistem treba,

takoe, da bude sposoban da ui iz iskustva.

Mogunost interakcije sa okruenjem i autonomnost raunarskih istema nije nova ideja. Postoje

ve mnogi takvi sistemi, kao to su programi za kontrolu realnih sistema koji nadgledaju

okruenje realnog svijeta i izvode akcije kao odgovor na promjene sistema u realnom vremenu.

Tu se mogu ubrojiti i programi koji nadgledaju softversko okruenje i izvode akcije kojima djeluju

na okruenje u sluaju promjene radnih uslova (antivirus programi). Navedeni primjeri imaju

odlike interakcije sa okruenjem i autonomnosti, ali se ovi sistemi ne mogu smatrati agentima

20


21/42

Ekspertni sistemi

sve dok nemaju mogunost fleksibilnog ponaanja kada se nau u situacijama koje nisu

planirane prilikom dizajniranja. Da bi se softverski sistem smatrao fleksibilnim mora da

ispunjava sljedee uslove:

agent treba da primijeti promjene u okruenju i da donese odluku o moguim akcijamadovoljnom brzinom da bi takva akcija bila od znaaja za sistem u kome djeluje,

agenti ne treba samo jednostavno da reaguju kao odgovor na signale iz okruenja, oni treba

da budu sposobni da uoavaju povoljne prilike i u tim situacijama preuzimaju inicijativu u skladu

sa svojim ciljevima,

agenti treba, po potrebi, da su sposobni da stupe u komunikaciju sa drugim agentima i/ili

ljudima da bi rijeili sopstveni problem ili pomogli jedni drugima u njihovim aktivnostima.

Vrste sistema baziranih na agentima

Agenti se meusobno razlikuju u zavisnosti od domena primjene, meutim oni se ipak mogu

klasifikovati u nekoliko karakteristinih klasa kao to su:

1. Kooperativni agenti (Collaborative Agents);

2. Interfejs agenti (Interface Agents);

3. Mobilni agenti (Mobile Agents);4. Informacioni / Internet agenti (Information / Internet Agents);

5. Reaktivni agenti (Reactive Agents);

6. Inteligenti agenti (Smart Agents);

7. Hibridni agenti (Hybrid Agents).

Kooperativni agenti

Kooperativni agenti omoguavaju meusobno povezivanje i obradu postojeih viestrukih

sistema (npr. ekspertni sistemi ili sistemi za podrku odluivanju). Najee se upotrebljavaju zarjeavanje problema koji su po prirodi decentralizovani ili za rjeavanje problema koji su suvie

kompleksni da bi se rjeavali jednim centralizovanim agentom. Primjenom kooperativnih

agenata moe se prevazii problem ogranienih resursa i smanjiti rizik otkazivanja sistema, koji

je prisutan u centralizovanim sistemima. Ovakvi agenti poboljavaju modularnost sistema,

brzinu, pouzdanost, fleksibilnost i ponovno iskorienje (re-usability) sistema.

21


22/42

Ekspertni sistemi

Interfejs agenti

Uloga interfejs agenata je da krajnjem korisniku olakaju upravljanje sistemom na kome radi. Ovi

agenti se mogu upotrijebiti za izradu adaptivnog korisnikog interfejsa (Adaptive user interfaces).

Ulaga agenata u ovakvom sistemu je da tokom vremena prate navike korisnika i pretpostavljaju

njegove budue akcije. Interfejs agenti imaju zadatak da prikazuju informacije za koje

pretpostavljaju da u datom trenutku interesuju korisnika.

Mobilni agenti

Za ovu vrstu agenata je karakteristino da imaju sposobnost da se fiziki kreu od jednog prema

drugom serveru (hostu) agenata preko raunarske mree Internet / Intranet. Mobilni agenti su se

pokazali posebno korisnim u situacijama kada je potrebno smanjiti obim (trokove) komunikacije

izmeu povezanih raunara. Umjesto obimne razmjene informacija izmeu raunara, alje se

agent na izvor informacija i tamo vri obradu podataka. Nakon zavrene obrade, agent alje

rezultate serveru. Ovi agenti se, takoe, mogu upotrebljavati da bi se prevaziao problem

ogranienih lokalnih resursa. Ukoliko su resursi jednog raunara zauzeti, agent moe da potrai

raunar sa slobodnim resursima i tamo obraditi podatke. ivotni ciklus mobilnih agenata se

sastoji od:

stanja pokretanja,

stanja izvravanja, i

stanja ispunjenja postavljenog zadatka, nakon ega se agent unitava (oslobaaju se zauzeti

resursi).

U trenutku kada se agenti kreu od jednog raunarskog sistema ka drugom, stanje izvravanja

se zaustavlja i memorie se trenutno stanje obrade. Kada se agent prenese na drugi raunar,

obrada se nastavlja sve dok se ne izvri postavljeni zadatak. U sistemima gdje se primijenjuju

mobilni agenti, posebna panja se mora posvetiti bezbjedonosnim problemima kao to su:

sprijeavanje neovlatenih osoba / agenta da prikupljaju podatake,

sprijeavanje neovlatenih osoba / agenata da mijenjaju podatake na sistemima,

sprijeavanje neovlatenih osoba / agenata da upotrebljavaju resurse sistema,

sprijeavanje pokretanja agenata sa nejasnim ili zlonamjernim ciljevima.

22


23/42

Ekspertni sistemi

Informacioni / Internet agenti

Zadatak informacionih agenata je da se suoe sa savremenim kompleksnim informacionim

okruenjem. Zadatak takvih agenata se sastoji od pronalaenja informacija na lokalnom hard

disku, preko niza sistema za pretraivanje viestrukih baza na udaljenim serverima ili

pronalaenje informacija na Intranetu ili Internetu. Glavni zadatak informacionih agenata je da

aktivno tragaju za informacijama u zavisnosti od interesovanja korisnika u svom informacionom

okruenju, obavjetavajui korisnike o novim sadrajima koji zadovoljavaju postavljene

kriterijume. Informacioni agenti pronalaze, analiziraju, obrauju i objedinjavaju informacije sa

vie nezavisnih izvora. Sistemi informacionih agenata aktivno tragaju za podacima za koje oni

vjeruju da su interesantni korisniku, umjesto da informacije dobijaju jednostavnim proputanjem

kroz pasivni filter. Istraivanje oblasti informacionih agenata predstavlja izazov za razvoj

naredne generacije informacionih okruenja.

Reaktivni agenti

Reaktivni agenti ne planiraju svoje akcije, njihove akcije zavise iskljuivo od trenutnih dogaanja

u sistemu. U ovakvim agentima se najee primenjuju tradicionalne tehnike vjetake

inteligencije, kao to je monotono zakljuivanje. Do sada su se reaktivni agenti najee

primenjivali u raunarskim igrama.

Hibridni agenti

Ova vrsta agenata je bazirana na jednoj ili vie vrsta agenata sa prethodne liste.

MULTIAGENTI

Sistemi u kojima se upotrebljava vie agenata radi rjeavanja zajednikog problema se

nazivaju multiagentni sistemi. U ovakvim sistemima neophodno je da agenti imaju mogunost

meusobne komunikacije u cilju razmjene iskustva ili pregovaranja, da bi se nalo optimalno

rjeenje. Agenti koji se upotrebljavaju u multiagentnim sistemima mogu biti jednaki po

karakteristikama ili se mogu razlikovati prema specijalnostima. Multiagentni sistemi su idealni za

predstavljanje problema koji imaju vie razliitih metoda za rjeavanje problema i/ili viestruke

perspektive. Omoguavaju izradu paralelnih raunarskih sistema, pomau pri radu sa vremenski

ogranienim zakljuivanjem i robusnim sistemima, ako su odgovornosti podjeljene. U

23


24/42

Ekspertni sistemi

sistemima izraenim na ovaj nain, umjesto da procesom upravlja jedan kompleksan agent,

upravljanje se dijeli na vie agenata koji prema svojim specijalnostima preuzimaju nadlenost

nad kontrolom sloenog procesa. Upotrebom multiagentnih sistema se poveava bezbjednost

sistema u situacijama otkazivanja jednog od agenata, itav sistem moe biti automatski

rekonstruisan ili zaustavljen na kontrolisan nain. Prilikom dizajniranja multiagentnih sistemapotrebno je definisati broj agenata, kritinu koliinu vremena za obavljanje zadataka, dinamiku

pristizanja ciljeva, trokove komunikacije, cijenu neuspjeha, uticaj korisnika, neodreenost

okruenja. Na nivou svakog agenta potrebno je definisati:

poetna stanja u domenu,

mogue akcije drugih agenata,

izlazne akcije agenta.

Sa poveanjem broja agenata, koji sarauju na rjeavanju zajednikog problema, javljaju seproblemi kao to su:

kooperativnost (dizajnirati agente tako da zajedniki rade na zajednikim ciljevima),

koordinacija (upravljati agentima tako da izbjegnu tetne interakcije, a korisne interakcije

iskoriste),

pregovaranje (dolaenje do dogovora koji su prihvatljivi svim objektima / agentima koji

uestvuju u rjeavanju problema).

Kod razvoja multiagentnih sistemima javlja se potreba da se standardizuje komunikacija izmeu

agenata, to obezbjeuje komunikaciju izmeu agenata koji su razvijeni nezavisno jedan oddrugoga (razliiti programeri). Time se omoguava planiranje akcija i upravljanje resursima

cjelokupnog sistema.

Razlike izmeu objektno orijentisane i agentne metodologije izradeprograma

U objektno orijentisanim programskim jezicima, objekti se definiu kao entiteti koji enkapsuliraju

neka stanja, imaju mogunost da izvode akcije ili metode i meusobno razmjenjuju informacije.

Pod principom enkapsulacije se, u objektno orijentisanim programskim jezicima, smatra da se

entitetu (objektu) pristupa kao cjelini, ne uzimajui u obzir unutranju strukturu i ne utiui

direktno na nju. Objektu se pristupa iskljuivo preko javnih metoda i funkcija, i na taj nain se

24


25/42

Ekspertni sistemi

izbjegavaju konfliktne situacije u kojima bi korisnik, ili drugi objekat, grekom poremetio

unutranju strukturu objekta. Kada se na ovaj nain pravi poreenje izmeu objekata i agenata

moe se uoiti dosta slinosti. Pored slinosti postoje i brojne razlike. Jedna od znaajnih razlika

izmeu agenta i objekta predstavlja stepen autonomije prilikom izvravanja metode.

Objekti predstavljaju pasivne entitete, koji slijede naredbe programa u kome su primjenjeni, doksu agenti samostalni entiteti koji slijede sopstvenu logiku u skladu sa sopstvenim ciljevima.

U multiagentnom sistemu bi se prije moglo rei da agenti meusobno upuuju zahtjeve za

izvrenjem metoda, umjesto da direktno pozivaju metode kao to je sluaj sa objektima u

objektno orijentisanim programskim jezicima. Postoji jo jedna kljuna razlika izmeu ove dvije

tehnologije. U objektno orijentisanom programiranju se svi objekti izvravaju u jednom tread-u

(koraku) aplikacije, u kojem su upotrijebljeni, dok u multiagentnom sistemu svaki agent

predstavlja poseban tread. Naravno, agenti se mogu implementirati objektno orijentisanim

programskim jezicima.

Primjena multiagenata

Oblast autonomnih agenata i multiagentnih sistema je veoma raznolika i predstavlja oblast koja

se ubrzano iri. Metodologija izrade programa, bazirana na agentima, prua niz efikasnih alata i

tehnika koje imaju potencijal da znaajno unaprijede tehniku izrade softvera, poevi od idejnog

rjeenja pa sve do konkretne implementacije.

Predstavlja spoj vie naunih oblasti kao to su:

distribuirana obrada podataka,

objektno orijentisani sistemi,

softverski inenjering,

vjetaka inteligencija,

ekonomija,

sociologija, i

organizacione nauke.

Tehnologija agenata dobija sve vie na znaaju i oni se sve vie upotrebljavaju za rjeavanje

realnih problema i komercijalnim aplikacijama. Agenti imaju veoma irok spektar primjena, od

veoma jednostavnih sistema kao to su filteri za elektronsku potu, programa za presretanje i

uklanjanje raunarskih virusa pa sve do veoma kompleksnih, kao to je softver za kontrolu avio

saobraaja. Oblasti u kojima se trenutno najee primjenjuju aplikacije na bazi agenata se

25


26/42

Ekspertni sistemi

mogu svrstati u sljedee:

proizvodnja,

kontrola procesa,

telekomunikacioni sistemi,

kontrola avio saobraaja, upravljanje transportom,

meteorologija,

filtriranje i sakupljanje informacija,

upravljanje tokovima informacija,

elektronska trgovina,

upravljanje poslovnim procesima,

medicina,

industrija zabave, kompjuterske igre, i

drugim oblastima.

U toku protekle dvije decenije je otkriven znaajan broj poboljanja u dizajnu i implementaciji

autonomnih agenata, kao i nainu na koji oni stupaju u interakciju. Tehnologija na bazi agenata

sve vie nalazi primjenu u komercijalnim proizvodima, softveru koji se primjenjuje u realnom

okruenju. Trenutno je veoma vano rijeiti dva problema:

nedostatak jasno definisane sistemske metodologije za razvoj agenata u multiagentnimokruenjima, i

nedostatak iroko rasprostranjenih, dostupnih i standardizovanih razvojnih aplikacija za izradu

multiagentnih sistema.

Veina dosadanjih aplikacija su dizajnirane na bazi metodologije pozajmljene iz objektno

orijentisanih programskih jezika. Trenutno ne postoji metodologija koja definie kako najbolje

struktuirati multiagentni sistem, kako uskladiti individualne i/ili kolektivne ciljeve agenata u

meusobnoj komunikaciji ili koja je najbolja struktura individualnog agenta u takvom sistemu.

INTELIGENTNI AGENTI

26


27/42

Ekspertni sistemi

Pojam inteligentnih agenata

Inteligentni agenti predstavljaju softver koji automatski moe da izvri zadatak koji mu

postavi osoba ili drugi softver (agent). Kada se jednom podese oni izvravaju svoje zadatke,

automatski, bez dalje intervencije korisnika. Najee se upotrebljavaju za: automatsko traganje za informacijama,

pruaju odgovore na postavljena pitanja u domenu svog znanja,

informiu korisnike o interesantnim dogaajima (o pojavi novog lanka na Internetu, prikazuje

informacije o eventualnoj pojavi problema na putu izmeu poetne i krajnje destinacije, da li se

zadani pojam pojavljuje negdje na web-u i slino),

obezbjeuju trenutne i personalizovane vijesti,

omoguavaju inteligentno obuavanje korisnika,

pronalaze robu po najpovoljnijim cijenama, obezbjeuju automatske servise, kao to je provjera promjena na web stranicama ili pojava

prekinutih linkova. Inteligentni agenti (IA) dobijaju informacije iz svog okruenja. Opaaju

okruenje, odluuju o svojim akcijama i izvravaju ih. IA su implementirani kao programi

(funkcije), koji preslikavaju opaanja u akcije. Prisutna je nedovoljna usaglaenost oko definicije

pojma IA. Termini koji su u upotrebi:

inteligentni agenti,

adaptivni interfejsi,

personalni agenti,

autonomni agenti,

mreni agenti, i drugi.

Osnovna ideja u razvoju IA je:

da inteligentni sistemi pomau svim kategorijama krajnjih korisnika,

poreenje sa ostalim tehnologijama proisteklim iz vjetake inteligencije,

neto izmeu krajnjeg korisnika i drugih programa drugih agenata i drugih programa.

Inteligentni agenti pomau korisnicima na razne naine:

prikrivaju sloenost tekih zadataka,

obavljaju zadatke u ime korisnika,

poduavaju korisnika,

nadziru dogaaje i procedure,

27


28/42

Ekspertni sistemi

pomau u meusobnoj saradnji korisnika

Potreba za IA:

informacije je sve tee locirati, prikupljati, filtrirati, ocjenjivati i integrisati,

sve je tee koordinirati dobijanje informacija iz heterogenih izvora.

Osobine inteligentnih agenata

Osobine IA su:

autonomnost,

sposobnost komuniciranja,

sposobnost uenja,

inicijativa i blagovremeni odziv, fleksibilnost, i

prilagodljivost.

Autonomnost IA nije obian interfejs izmeu korisnika i aplikacije. To je mogunost rada u

heterogenim okruenjima, mogunost da se IA pusti da radi preko noi (da bude dugo

nenadgledan). IA je tipino dugotrajni (a ne jednokratni), kontinualan proces.

Sposobnost komuniciranja agenta je preduslov agentovog postojanja, odnosno njegovopostojanje je uslovljeno njegovom mogunosti da komunicira sa drugim agentima. Jezik

komunikacije mora da bude poznat, agent mora da ita poruke napisane tim jezikom, kao i da

prihvata ogranienja koja namee semantika poruka.

Sposobnost uenja, mogunost prikupljanja novog znanja tokom rada, je uslovljeno

posjedovanjem minimalnog poetnog znanja. Uslovi za prikupljanje novog znanja su:

repetitivnost zadataka koje IA rjeava,

razliita repetitivnost za razliite korisnike.

Struktura inteligentnih agenata

28


29/42

Ekspertni sistemi

Strukturu inteligentnih agenata sainjavaju hardver, koji se sastoji od raunarskog

sistema i specijalnog hardvera (npr. kamera ili audio ulaza) i raunarskih programa, koji sadre i

softver za razdvajanje IA od hardvera. Zadatak ovakve arhitekture je izvravanje IA i

komunikacija sa okruenjem. Raunarski program je ustvari funkcija kojom je implementirano

preslikavanje sekvenca opaaja akcija i moe se prikazati PAGE deskripcijom IA:Percepts (opaaji),

A ctions (akcije),

Goals (ciljevi-mjere performansi),

Environment(okruenje).

PRIMJERPAGE deskripcije:

tip IA - medicinski dijagnostiki sistem,

opaaji - simptomi, laboratorijski nalazi, , akcije - pitanja, testovi, terapije, ,

ciljevi - ozdravljenje, minimizacija trokova, ,

okruenje - pacijent, bolnica, laboratorija, ... .

SAVREMENI INTELIGENTNI SISTEMI

OPTE O INTELIGENTNIM SISTEMIMA

Postoji veliki broj definicija inteligentnih sistema. Nijedna od definicija nije u potpunosti

prihvatljiva. Razlog je u injenici da pojam inteligencije jo uvijek nije u potpunosti objanjen.

Inteligencijom se bavi niz naunih disciplina, u prvom redu psihologija, filozofija, neurologija i

druge (o emu je ve bilo govora), a u posljednjim decenijama inteligencijom, tanije reeno

vjetakom inteligencijom, se sve vie bave i raunarske nauke. Raunarske nauke prouavajumogunost da se pomou raunara ostvari opaanje, rasuivanje i ponaanje, odnosno da se

automatizuju inteligentne akcije. Raunarskim programima je svojstveno simboliko

predstavljanje znanja o nekom podruju realnog sistema, odnosno stvaranje uprotene vizije

realnog sistema. Raunarski programi manipuliu preteno nenumerikim simbolima i to je jedno

od osnovnih svojstava tih programa. Pri tome esto koriste heuristiku, to im omoguava da

29


30/42

Ekspertni sistemi

rjeavaju probleme za ije rjeenje ne postoje algoritmi (poznati niz koraka koji vodi rjeenju

problema). Heuristika je skup pravila domiljatog nagaanja, koja usmjeravaju i ograniavaju

podruja traganja za rjeenjem. Grki glagol heuriskein znai otkriti. U bazi znanja se nalazi

kodirano znanje sistema, predstavljeno pomou jedne ili vie tehnika za predstavljanje znanja.

Tu se nalazi logiki integrisana kolekcija meusobno povezanih elemenata znanja, koji sekoriste u procesu rjeavanja problema.

Radna memorija sadri podatke i injenice unijete spolja u sistem, kao i one do kojih je

sistem doao tokom rjeavanja problema. Ulaz i izlaz sistema slue za unoenje neophodnih

podataka u radnu memoriju, izvjetavanje o djeliminim i konanim rjeenjima problema,

pokretanje i zaustavljanje procesa rjeavanja problema, i sl. Proces rjeavanja problema poinje

unoenjem u radnu memoriju podataka za definisanje poetnog stanja sistema, a zavrava se

kada sistem doe u ciljno stanje. Komunikacija moe biti sa korisnikom ili sa drugim sistemima uokruenju: sistemima za upravljanje bazama podataka (SUBP), senzorima, relacijama, raznim

serverima, i slino. Proces rjeavanja problema se opisuje kao rasuivanje ili zakljuivanje.

Inteligentni sistemi se mogu podijeliti u tri grupe:

autonomni sistemi, koji samostalno planiraju i izvode akcije u realnom okruenju,

sistemi za podrku, koji uestvuju u pripremi, ali samostalno ne moraju da djeluju,

savjetodavni sistemi, koji posreduju u prikupljanju informacija, uz pomo kojih je

uspjenije odluivanje.

Pogodnosti inteligentnih sistema su:

komunikacija sa njima mora biti jednostavna i prirodna,

moraju biti prilagoeni radu sa optim i problemski usmjerenim znanjem,

moraju biti u stanju da objasne svoje akcije, moraju biti adaptivni, uiti i poboljavati svoje

sposobnosti.

Ostale pogodnosti inteligentnih raunarskih sistema su:

da posjeduju adaptivno ciljno ponaanje,

da ue na osnovu iskustva,

koriste veliki obim znanja,

posjeduju sposobnost samostalnog zakljuivanja,

komuniciraju na to prirodniji nain,

toleriu greke pri komunikaciji,

30


31/42

Ekspertni sistemi

odgovaraju u realnom vremenu.

HIBRIDNI INFORMACIONI SISTEMI

Opte o hibridnim inteligentnim sistemima

Veina tradicionalnih informacionih sistema, koji se baziraju na znanju, razvijaju se

kao samostalni sistemi, sa minimalnom meusobnom povezanosti. Narastanje koliine

informacija, zahtjeva razvoj kompleksnijih sistema, koji integriu znanje i tradicionalno

procesiranje. Jedna generacija inteligentnih IS, koji prevazilaze navedene probleme, se

razvija uz pomo hibridne metodologije. Svaka inteligentna tehnika ima svoje pogodnosti

(sposobnost uenja, analizu odluka, itd.), koje ih ine pogodnim za dotino rjeavanje

problema ili kao pomo za druge tehnike.

PRIMJER: Neuronske mree su pogodne za prepoznavanje uzoraka, ali pogodne za analizu

kako se dolo do rjeenja. Fazi logiki sistemi su dobri za analizu njihovih rjeenja, mada ne

mogu automatski iskazati pravila koja su upotrebljena pri dobijanju tih rjeenja.

31


32/42

Ekspertni sistemi

Navedena ogranienja su bili osnovni razlog za kreiranje hibridnih inteligentnih sistema,

kombinujui dvije ili vie tehnika u namjeri da prevaziu ogranienja pojedinanih tehnika.

Prema tome, hibridni sistemi su pogodni za rjeavanje razliitih aplikacionih domena. Mnogi

kompleksni domeni imaju razliite komponente problema, zahtijevaju razliitu vrstu procesiranja.

Iz tog razloga upotreba hibridnih aplikacije, kao to su:

procesna kontrola,

industrijsko projektovanje,

marketing,

medicina,

razne vrste simulacija, i dr.

U hibridnim inteligentnim sistemima se koriste razliite tehnologije:

fazi logika,

neuronske mree,

genetiki algoritmi,

stabla odluivanja, itd.

Neuro - fazi sistemi

Fazi (fuzzy-eng.razmazan) logika se upotrebljava u mnogim podrujima, a pristupi se

temelje na konvencionalnim metodama. Uinkovitost ovih sistema nije adekvatna

utroenim sredstvima. Poveanjem kompleksnosti sistema oteano je definisanje fazi

pravila i osnovnih funkcija, koje se upotrebljavaju za opisivanje ponaanja sistema.

Prednost fazi logike se uoava u ekonomskom i finansijskom modeliranju, gdje se

pravila upotrebljavaju bez detaljnog i eksplicitnog znanja o izvravanom procesu.

Kod neuronskih mrea, ogranieni ili nestruktuirani podaci lako dovode do

nekonzistentnih

izlaza, to prouzrokuje velike probleme. Imajui u vidu komplementarnost ovih dvaju

tehnologija, mogue ih je integrisati na razliite naine. Time se umanjuju njihovi pojedinani

nedostaci.Budui da se fazi sistemi, uglavnom, upotrebljavaju u industrijskimaplikacijama, oito

je da razvoj dobrih fazi sistema nije ni malo jednostavan. Obuka neuronskih mrea je glavni

32


33/42

Ekspertni sistemi

razlog zato se one upotrebljavaju u kombinaciji sa fazi sistemima. Cilj je automatizacija ili

podrka procesa razvojafazi sistema za odreenu namjenu. Prvi razvijani neuro - fazi sistemi su

bili u domenu (neuro-) fazi kontrole, dok je kasnije pristup razvoju znatno proiren.

Neuro-fazi sistemi se upotrebljavaju u razliitim domenima:

industrijskoj kontroli,

analizi podataka,

podrci odluivanju, itd.

IZGRADNJA EKSPERTNIH SISTEMA

STICANJE ZNANJA ZA EKSPERTNE SISTEME

Opte o sticanju znanja

Ekspertni sistemi (ES) se projektuju i izgrauju po nekoj od vaeih i u praksi koritenih

metodologija. Mogua metodologija razvoja ES sadri sljedee korake.

Analiza

- identifikacija potencijalne aplikacije, ocjenjivanje podesnosti inenjeringa znanja za datu

aplikaciju;

Specifikacija

- upoznavanje ta e ekspertni sistem raditi, rad sa ekspertom, uenje o zadatku u cilju

planiranja razvoja sistema;

Razvoj

- konceptualni dizajn: spoznaja kako ekspert izvrava zadatak, razvoj konceptualnog modela,

implementacioni dizajn: spoznaja kako formalizmi zakljuivanja, prezentacije i kontrole mogu biti

33


34/42

Ekspertni sistemi

upotrebljeni u implementaciji konceptualnog modela, implementacija: slijediti implementacioni

dizajn u izgradnji baze znanja, evaluacija: test sistema u cilju verifikacije da li sistem izvrava

zadatke korektno;

Razvoj u primjeni

primjena: instalisanje sistema za rutinsku upotrebu,

odravanje: pronalaenje greaka, auriranje i poboljanje vrijednosti sistema.

Ispitivanje eksperta

Postoje dva osnovna pristupa u crpljenju znanja od eksperta:

ispitivanje eksperta poznatim metodama i tehnikama,

posmatranje eksperta na djelu.

Crpljenje znanja ispitivanjem eksperta uvijek ima oblik interakcije ovjeka eksperta i inenjera

znanja. Koriste se sljedei oblici interakcije:

deskripcija,

introspekcija.

Deskripcijom se predstavljaju "idealni sluajevi", kao to se to ini u udbenicima, dok

informacije o strategijama rjeavanja specifinih problema ostaju neobuhvaene.

Introspekcijaje ispitivanje eksperta u cilju razrjeavanja sopstvenih nedoumica iz posmatranog

domena.

Metode i tehnike ispitivanja eksperta su sljedee:

intervju,

repertoarske reetke,

skale procjenjivanja,

34


35/42

Ekspertni sistemi

tehnika kritinih dogaaja,

tehnika uparivanja karakteristika i odluka,

razlikovanje ciljeva,

reklasifikacija,

analiza odluivanja.

Intervju

Lini razgovor je najprirodniji i najei, a ujedno i najefikasniji oblik kontaktiranja meu ljudima.

Za primjenu intervjua moraju biti ispunjeni sljedei uslovi:

lini kontakt intervjuiste i intervjuisanog,

plansko i svrsishodno voenje intervjua,

usmjerenost intervjua,

iskrena saradnja izmeu intervjuiste i intervjuisanog,

neometanost razgovora.

Repertoarske reetke

Pri koritenju repertoarskih reetki polazi se od toga da svaka osoba ima svoj lini teorijski

obrazac svijeta, da predvia i nadzire procese i dogaaje, izgraujui teorije, provjeravajui

svoje hipoteze i vrednujui iskustveno svjedoanstvo. Repertoarske reetke su sainjene od

elemenata i konstrukata.

Elementi su kljuni primjeri koje daje ekspert, a konstrukti su bipolarne karakteristike koje svaki

element ima u veoj ili manjoj mjeri.

Skale procjenjivanja

Elementi se ocjenjuju, opisuju i uporeuju s obzirom na stepen u kojem posjeduju svaki

konstrukt. U tom procjenjivanju se esto upotrebljavaju skale procjenjivanja.

35


36/42

Ekspertni sistemi

Tehnike kritinih dogaaja

Sutina ove metode je da ekspert potanko opisuje teke, znaajne i zanimljive sluajeve iz svog

iskustva, svoje ponaanje, doivljaje i osjeanja. Naroitu panju u evociranim mislima i

ponaanju eksperta zavreuje ono to je presudno vodilo do uspjenog ili neuspjenog

rjeavanja datog problema. Tehnika kritinih dogaaja je podesna za sticanje znanja u obliku

injenica i heuristika.

Tehnika uparivanja karakteristika i odluka

Ova tehnika od eksperta trai da navede skup moguih znaajnih karakteristika problema i skup

moguih odluka, a potom da upari podskupove karakteristika sa odgovarajuim odlukama.

Razlikovanje ciljeva

Kada se za crpljenje znanja od eksperta primjenjuje metoda razlikovanja ciljeva, od eksperta se

zahtijeva da za neki identifikovani cilj navede skupove nunih i dovoljnih razloga za razlikovanje

tog cilja od ostalih.

Reklasifikacija

U reklasifikaciji je smjer obrnut, polazi se od ciljeva unatrag ka injenicama, karakteristikama,

simptomima. Zadatak je eksperta da svaki pojedinaan cilj ralani na podciljeve i reklasifikuje

na razloge, svjedoanstvo za te ciljeve.

Analiza odluivanja

36


37/42

Ekspertni sistemi

Analiza odluivanja se sprovodi kada se ele dokuiti znanja potrebna za uspjeno odluivanje i

procedure odluivanja u datoj problemskoj situaciji. Kao sredstvo za sprovoenje ove tehnike se

koriste pomona sredstva, kao to su tabele, stabla odluivanja i slino.

METODOLOGIJA RAZVOJA EKSPERTNOG SISTEMA

Razvoj ekspertnog sistema (ES) se moe podijeliti u est faza:

preliminarna analiza,

analiza i dizajn ekspertnog sistema,

razvoj prototipa ekspertnog sistema,

razvoj ekspertnog sistema,

testiranje i implementacija,

odravanje ES.

Preliminarna analiza

Preliminarna analiza sadri sljedee radnje:

definisanje potencijalnih projekata,

dobijanje saglasnosti rukovodstva organizacije za potencijalne projekte,

formiranje projektantskog tima za razvoj ekspertnog sistema.

Projektantski tim, za svaki projekat ekspertnog sistema, mora obavezno

sadravati sljedee grupe ljudi:

rukovodilac projekta,

glavni projektant (inenjer znanja),

projektanti (inenjeri znanja),

eksperti,

korisnici.

Zadaci projektantskog tima u ovoj fazi razvoja su:

37


38/42

Ekspertni sistemi

identifikacija potencijalnih projekata,

analiza i ocjena svakog potencijalnog projekta,

formiranje i organizovanje tima projekta,

afirmacija inenjeringa znanja i projekta kod rukovodstva organizacije, eksperata i korisnika,

izbor projekta za razvoj.Svaka grupa ljudi, koja sainjava projektantski tim, ima tano definisane zadatke, koji na ovom

mjestu nee biti opisivani.

Analiza i dizajn

U drugoj fazi razvoja ekspertnog sistema rukovodilac projekta i projektantski tim moraju

izabrani projekat za razvoj svestrano analizirati i procijeniti sa razliitih aspekata, istiui sve

korisne detalje.

Rukovodilac projektaje direktno angaovan u fazi analize i njegovi glavni zadaci su planerske i

organizacione prirode:

izrada detaljnog plana analize,

definisanje domena i njegova dublja analiza,

razvoj detaljnog plana projekta,

organizovanje projektantskog tima,

organizovanje vie uzastopnih sastanaka sa ekspertom i korisnicima, sa posebnim naglaskom

na interakciji ekspert - korisnik.

Rukovodilac projekta mora odgovarajuu panju posvetiti problemu softvera I hardvera, koji su

potrebni za razvoj sistema. Komunikacija izmeu lanova projektantskog tima je vana i u

mnogome presudna za dalje faze rada.

Zadaci projektantskog tima u ovoj fazi razvoja ekspertnog sistema su:

doprinos preciznom definisanju domena,

upoznavanje sa konkretnim zadacima i analiza tih zadataka,

intervjuisanje eksperata,

38


39/42

Ekspertni sistemi

pronalaenje i sakupljanje knjiga, lanaka i drugih pisanih materijala, kako bi se to bolje

spoznali kognitivni aspekti zadatka,

analiza znanja i kognitivnih procesa koje eksperti koriste u rjeavanju problema,

definisanje, zajedno sa ekspertima i korisnicima, kriterijuma za ocjenu uspjenosti ekspertnog

sistema.

Kognitivna analiza je sredstvo inenjeringa znanja i pored analize zadatka je primarni posao

projektantskog tima u fazi analize i dizajna. Kognitivna analiza je proces sa kojim se produbljuju

saznanja ta eksperti znaju i kako razmiljaju o specifinim zadacima. To nije savren proces i

ee je vie vjetina nego inenjering. Postoje empirijske metode koje se mogu upotrijebiti za

"preiavanje" znanja, koje se dobijaju za vrijeme kognitivne analize. Moe se kodirati znanje

koje je predvieno za bazu znanja i razmatrati, zajedno sa ekspertom, sluajeve koje ekspertni

sistem pokuava da rijei.

Eksperti, u ovoj fazi razvoja ES, se moraju upoznati sa njihovom ulogom i zadacima, a nakon

toga, analizirajui studije sluajeva i itajui literaturu iz podruja inenjeringa znanja, stei

kritinu masu znanja o ES, domenu, metodama i tehnikama razvoja ES.

Korisnici su dragocjen izvor informacija o tome kako oni sada koriste eksperte u svom poslu i

ta oekuju od sistema. Na kraju, moe se rei da je faza analize i dizajna faza "uenja" o

domenu, nainu rjeavanja problema, zadacima i svim metodolokim aspektima inenjeringaznanja.

Faza je zavrena kada projektantski tim ima oformljen pisani izvjetaj za razvoj konkretnog

ekspertnog sistema.

39


40/42

Ekspertni sistemi

SREDSTVA ZA IZGRADNJU EKSPERTNIH SISTEMA

Opte o sredstvima za izgradnju ES

Sloenost i obim raunarskih programa ES moe da bude razliita: demonstracioni prototipovi

sadre obino 50 do 100 pravila, dok pojedini komercijalni sistemi sadre i nekoliko hiljada

pravila. Izgradnja ES nije nimalo lak posao i u pojedinim sluajevima ga je skoro nemogue

obaviti ukoliko se ne raspolae inteligentnim alatima i posebnim sredstvima, koji e taj posao

olakati i skratiti njegovo vremensko trajanje. Najire posmatrano, sredstva koja su u funkciji

izgradnje ES, se mogu podijeliti u sljedee grupe:

(1) Programski jezici za razvoj ES;

(2) Jezici inenjeringa znanja;

Programski jezici, bilo da su problemski orijentisani (FORTRAN, Pascal, C, itd.), objektno

orijentisani (C++, Java, itd.) ili jezici za rad sa simbolima (LISP, PROLOG, itd.), pruaju najveu

slobodu pri izgradnji ES, ali nisu pogodni za predstavljanje znanja ili pristup bazi znanja. Zbog

odreenih svojstava, za izgradnju ES najee se primjenjuje jezik PROLOG.

RAZVOJ EKSPERTNOG SISTEMA

Mehanizam logikog zakljuivanja

U narednom izlaganju bie razmotren nain funkcionisanja mehanizma za zakljuivanje, koji

obavlja proces logikog rasuivanja nad bazom znanja, predstavljenom u obliku produkcionih

pravila, i bazom injenica koja opisuje stanje sistema.

Da bi mehanizam za zakljuivanje mogao da zapone postupak logikog rasuivanja, potrebno

je prvo postaviti cilj rasuivanja i inicijalizirati sve injenice potrebne za testiranje uslova,

odnosno izvravanje odgovarajuih akcija. Inicijalizacija se vri uz pomo vrijednosti, koje se

nalaze u bazi injenica, ili se moe raditi interaktivno, s tim to tada mehanizam zakljuivanja

40


41/42

Ekspertni sistemi

postavlja pitanja korisniku tokom postupka koritenja ekspertnog sistema. Za efikasnu realizaciju

dijaloga sa korisnikom, potrebno je da mehanizam zakljuivanja ponudi korisniku i skup legalnih

odgovora, koji su dozvoljeni za inicijalizaciju pojedinih injenica, i na taj nain vodi korisnika u

pravcu da daje odgovore koje sistem razumije.

Mehanizam zakljuivanja treba, takoer, da sadri i takozvana meta znanja, koja ustvaripredstavljaju pravila, meta pravila, koja upravljaju postupkom logikog rasuivanja u smislu

njegove optimizacije. Ova meta pravila se, prije svega, odnose na grupisanje, odnosno

utvrivanje pravila i nain njihovog pretraivanja, da bi se obezbijedilo minimalno mogue

vrijeme pretraivanja pravila.

S obzirom na postavljeni cilj logikog rasuivanja, odnosno cilj konsultacije koja se oekuje od

ekspertnog sistema, mogua su dva opta pristupa:

direktno rasuivanje (sistem sa olanavanjem unaprijed),

inverzno rasuivanje (sistem sa olanavanjem unazad).

ZAKLJUAKPosljednjih godina oblast vjetake inteligencije i unutar nje ES, doivljavaju nagli

uspon, kako u istraivanju tako i u sferi komercijalne primjene. Spoj raunarske

tehnike i pokuaja spoznaje ljudske inteligencije putem njene formalizacije stvorili su

jednu multidisciplinarnu oblast odreene klase programa koja jo evoluira. Rije je oraunarskim programima za rjeavanje odreenih problema koji mogu da dostignu

nivo neuporediv sa nivoom eksperata u nekoj specijalizovanoj oblasti.

ES se prvenstveno koriste u multinacionalnim kompanijama (85%) u funkciji

tehnolokih predvianja, u cilju anticipiranja razvoja novih tehnologija i procesa na

osnovu strunih ekspertiza, tj.upotrebom heuristikog znanja. Pretpostavlja se da e

ES u skorijoj budunosti biti upotrebljavani u MIS preduzeima a zatim i u svim

ostalim oblicima privrednih subjekata.

41


42/42

Ekspertni sistemi

LITERATURA1. http://www.research.ibm.com/iagents/paps/rc20835.pdf

2. Hotomski P. , Sistemi vjetake inteligencije, Tehniki fakultet M. Pupin,

Zrenjanin 1995.

3. Devedi V. , Ekspertni sistemi za rad u realnom vremenu, Institut M.

Pupin, Beograd 1994.

4. Poliuk J. , Ekspertni sistemi , ETF, Podgorica 2004.

5. Miki . , Sistemi- struktura i upravljanje, Prijedor 2007.

6. www.wikipedia.org
http://www.research.ibm.com/iagents/paps/rc20835.pdfhttp://www.wikipedia.org/http://www.research.ibm.com/iagents/paps/rc20835.pdfhttp://www.wikipedia.org/

Documents

ekspertni sisitemi