EKSPERTNI SISTEMI

ARHITEKTURA EKSPERTNIH SISTEMA

Prof. dr Branko Latinovi

ARHITEKTURA EKSPERTNIH SISTEMA

KOMPONENTE EKSPERTNIH SISTEMA Svaki ekspertni sistem posjeduju odreene karakteristike ispecifinosti koje kod drugih ekspertnih sistema neemo nai. Ipak, svi ekspertni sistemi u sutini imaju istu konstrukciju, konfiguraciju i organizaciju. Opravdano je ubjeenje mnogih naunika da ekspertni sistemi crpe svoju mo ne iz shema zakljuivanja, niti iz formalizama koje upotrebljavaju, nego iz samog znanja koje posjeduju. Nivo dostignua ekspertnih sistema odreen je prevashodno kvalitetom i veliinom baze znanja.

ARHITEKTURA EKSPERTNIH SISTEMA

KOMPONENTE EKSPERTNIH SISTEMA Znanje ekspertnih sistma se sastoji od injenica i heuristika, pri mu su injenice shvaene kao skup informacija koje su rasprostranjene u naunoj javnosti i o kojima su eksperti saglasni, dok su heuristici shvaeni kao preteno lina pravila rasuivanja i nagaanja, svojstvena odluivanju nekog eksperta u datoj oblasti. Neki autori smatraju da problemi predstavljanja znanja nisu mali ni beznaajni, ali da je znanje vrlo irok i sloen predmet prouavanja, pa su pokuaji da se neki problemi znanja rijee preuranjeni i da se, osim toga, nekoliko raspoloivih pristupa predstavljanja znanja pokazalo dovoljnim za ekspertne sisteme.

ARHITEKTURA EKSPERTNIH SISTEMA

KOMPONENTE EKSPERTNIH SISTEMA Budui da ekspertni sistemi u svom radu nastoje oponaati ovjeka eksperta, koji osim to rjeava sloene probleme, moe i obrazloiti svoje odluke, jedna od komponenti ukljuenih u ekspertne sisteme je i podsistem za obrazlaganje zakljuaka i ponaanja. Obrazlaganje zakljuaka i ponaanja se sastoji od identifikovanja koraka u procesu rezonovanja i provjere njihove ispravnosti. Obrazlaganje zakljuka i ponaanja spada u domen razumijevanja prirodnog jezika, budui da sistem formulie objanjenja na nain razumljiv korisniku, u skladu sa nivoom ekspertize korisnika. U konkretnom ekspertnom sistemu, ova komponenta je svedena na izlistavanje pravila aktiviranih u procesu izvravanja programa i provjere njihove ispravnosti.

ARHITEKTURA EKSPERTNIH SISTEMA

KOMPONENTE EKSPERTNIH SISTEMA Ekspertni sistemi kao metodi vjetake inteligencije i u funkciji kloniranja eksperta u usko specijalizovanom podruju moraju u principu posjedovati sljedee komponente odnosno module: bazu znanja, mehanizam zakljuivanja i interfejs prema korisniku.

ARHITEKTURA EKSPERTNIH SISTEMA

KOMPONENTE EKSPERTNIH SISTEMA Ekspertni sistemi uglavnom su realizovani kao sistemi voeni uzorcima (pattern directed systems). Ovdje se radi o arhitekturi programskih sistema, koja se bitno razlikuje od konvencionalne strukture programskih sistema. U konvencionalnoj arhitekturi moduli su organizovani hijerarhijski, a tok izvoenja je u znatnoj mjeri determinisan, odnosno unaprijed poznat. Svaki tekui modul odreuje koji modul e se izvesti kao sljedei. Kod sistema voenih uzorcima hijerarhija meu modulima ne postoji. Moduli se aktiviraju uzorcima iz "okruenja sistema", to ovdje predstavlja bazu podataka. Evidentno je da takva organizacija dozvoljava i istovremeno izvoenje vie modula te na taj nain slui kao model paralelnih, distribuiranih procesa. Meutim, za implementaciju na sekvencijalnom raunaru potreban je kontrolni modul, koji u sluaju kad uzorak izabere vie modula, odredi za izvoenje samo jednog izmeu njih.
6

ARHITEKTURA EKSPERTNIH SISTEMA

KOMPONENTE EKSPERTNIH SISTEMA Kod tih sistema dakle imamo cikluse koji sadre: Pretraivanje baze podataka, da se nau uzorci koji predstavljaju uslov za aktiviranje nekog modula; time se dobija konfliktan skup potencijalno aktivnih modula; Razrjeavanje konflikta, predstavlja odreivanje jednog od modula iz konfliktnog skupa; Izvoenje izabranog modula.

ARHITEKTURA EKSPERTNIH SISTEMA

KOMPONENTE EKSPERTNIH SISTEMA Prednosti takve arhitekture sistema su u visokom stepenu modularnosti, to se veoma povoljno odraava kod komplikovanih baza znanja gdje je teko unaprijed pretpostaviti sve interakcije meu pojedinim elementima. Zatim, oni omoguavaju da je algoritamski dio sistema (mehanizam zakljuivanja) odvojen od baze znanja, ime je mogua upotreba istog mehanizma zakljuivanja za razliite baze znanja. Osim toga ima problema za ije rjeavanje je takva organizacija sasvim prirodna, kao na primjer u sluaju kompleksnih procesnih sistema, gdje mjerene vrijednosti pojedinih parametara u nekim sluajevima treba da aktiviraju odreenu akciju. U nekim oblastima, u prvom redu u onima gdje postoje dobra algoritamska rjeenja, arhitektura sistema voenog uzorcima ponekad nije najprikladnija.

ARHITEKTURA EKSPERTNIH SISTEMA

KOMPONENTE EKSPERTNIH SISTEMA Postoji vie tipova sistema voenih uzorcima. U prvom redu razlikujemo sisteme koji se baziraju na pravilima (rule-based systems) i mrene sisteme (network-based systems). Kod prvih moduli se sastoje iz pravila u obliku "antecedens-konsekvens" odnosno "lijeva strana - desna strana pravila". Obino lijeva strana odreuje uzorke - uslove, da se pravilo aktivira, a desna strana odreuje operacije koje se trebaju izvesti. Kod mrenih sistema moduli su predstavljeni kao vorovi u mrei. vorovi specificiraju akcije, a aktiviraju se pod uslovom da doe "poruka" (signal) preko jedne ili vie ulaznih veza. Sistemi bazirani na pravilima dijele se na: produkcione sisteme (production systems) i transformacione sisteme (transformation systems).

ARHITEKTURA EKSPERTNIH SISTEMA

KOMPONENTE EKSPERTNIH SISTEMA Znanje u jednima i drugima predstavljeno je sa pravilima i podacima. Produkcioni sistemi imaju fiksnu kontrolnu strukturu za odreivanje izbora sljedeeg pravila za aktiviranje, a kod transformacionih sistema toga nema. Produkcioni sistemi se dijele na lijevo voene i desno voene sisteme. Kod prvih antecedens pravilo vodi traenju pravila koje treba da se izvede sljedee, a kod drugih tu ulogu ima konsekvens pravilo.

10

ARHITEKTURA EKSPERTNIH SISTEMA

BAZA ZNANJA Znanje je kljuni inilac u odluivanju, odnosno u upravljanju i rjeavanju problema. Kako ekspertni sistemi crpe svoju mo iz znanja koje posjeduju tako nivo njihovih dostignua odreen je prvenstveno kvalitetom i veliinom baze znanja. Baza znanja je zavisna od problemskog domena, dok su mehanizam zakljuivanja i interfejs esto nezavisni. Mehanizam zakljuivanja i interfejs, dva nezavisna modula, zajedno se zovu ljuska ekspertnog sistema.

11

ARHITEKTURA EKSPERTNIH SISTEMA

BAZA ZNANJA Od kvaliteta baze znanja zavisi kako e funkcionisati sistem, a sama baza znanja sastoji se od ekspertnih pravila koja odraavaju znanje strunjaka. U bazu znanja je akumulirano sve do tada poznato znanje o odreenom sistemu. Baza znanja je unikatna za svaki ekspertni sistem, odnosno jedna baza znanja vai za samo jedan ekspertni sistem. Kvalitet ekspertnog sistema uglavnom je funkcija obima i kvaliteta njegove baze znanja. Baza znanja sadri znanje o specificnom problemskom podruju: pravila koja opisuju relacije i dogaaje, a ponekad metode, heuristike i ideje za rjeavanje problema na konkretnom podruju. U bazi znai nalazimo dva tipa znanja injenice koje su javno dostupne i u struci opteprihvaene i heuristike, to su ekspertna pravila zakljuivanja i odluivanja, koja karakteriu stepen ekspertnosti.
12

ARHITEKTURA EKSPERTNIH SISTEMA

BAZA ZNANJA Ovdje je karakteristino pitanje, kako predstaviti bazu znanja u raunaru. Postoje brojni formalizmi za predstavljanje znanja i u principu bi se mogao upotrijebiti svaki konzistentan formalizam, u kojem je mogue izraziti znanje o problemskom domenu. Ipak se kod ekspertnih sistema odluujemo za one, koji daju podrku modularnosti, inkrementalnosti i lakoj promjenljivosti baze znanja. Za tzv. "meka" podruja, gdje zakonitosti vae samo do nekog stepena i ne apsolutno, formalizam treba da modeluje i tu vjerovatnu prirodu znanja.

13

ARHITEKTURA EKSPERTNIH SISTEMA

BAZA ZNANJA Da bi se baza znanja formirala potrebno je ekstrahovati ekspertno znanje i predstaviti ga u odreenom formalizmu, to predstavlja veoma vano pitanje. Formalizmi slue za prenos znanja u bazu, kao i za korienje znanja pomou raunara. Baza treba da bude u takvom formalizmu da ini "ljusku" razumljivom. Evidentno je da se eksperti za rjeavanje problema u velikoj mjeri slue svojim iskustvenim relativno skromnim znanjem. Takvo znanje je veoma operativno i moe biti dovoljno za rjeavanje problema u veini primjera. Tek kada doe do novog, teeg problema ili kada rjeenje treba obrazloiti, ekspert upotrijebi svoje kvalitetnije znanje, to je razumijevanje strukture i dubljih principa problemskog domena.

14

ARHITEKTURA EKSPERTNIH SISTEMA

BAZA ZNANJA Hronoloki gledano, baze znanja u "prvoj generaciji" ekspertnih sistema uglavnom se sastoje od ekspertnih pravila, koja odraavaju skromno znanje i veoma su efikasna. Do eventualnih problema moe doi, kada su te baze glomazne, pa je osim problema sa prostorom i provjera njihove kozistentnosti i kompletnosti veoma teka. Kada je potrebno to je mogue potpunije i temeljitije obrazloenje kod sistema sa skromnom bazom znanja to nije uvijek mogue, mada oni mogu veoma dobro rjeavati probleme. Zbog ovoga poelo se raditi na "drugoj generaciji" ekspertnih sistema, koji uvoenjem dubokog znanja rjeavaju neke od tih problema. Takav razvoj doveo je do toga, da su postala veoma vana pitanja kako u raunaru predstaviti tzv. duboko znanje i kako ga uiniti operativnim. Istraivanja na podruju kvalitativnog modeliranja i automatskog uenja su u funkciji rjeavanja tih pitanja.
15

ARHITEKTURA EKSPERTNIH SISTEMA

BAZA ZNANJA FORMALIZMI ZA PREDSTAVLJANJE ZNANJA
Formalizam za predstavljanje znanja omoguuje zapis znanja o problemskom domenu to akceptira injenice o karakteristikama objekata, relacijama meu njima, optim pravilima domena i metodama rjeavanja problema na tom podruju. Formalizam je svrsishodan u primjeni kod ekspertnih sistema, kada omoguuje efikasno rjeavanje problema i kada je istovremeno u tom smislu transparentan, da omogui jednostavnu verifikaciju, modifikaciju i dopunu baze znanja. Pristup problematici formalizma za predstavljanje znanja jo je veoma pragmatian, jer je teite na performansama programa, a ne na teorijskim pitanjima, kao to su opisivanje pojedinog formalizma, ekvivalentnost, konverzija meu njima itd. Najpoznatije sheme za predstavljanje znanja su: produkciona pravila, mree, okviri i predikatski raun.
16

ARHITEKTURA EKSPERTNIH SISTEMA

BAZA ZNANJA FORMALIZMI ZA PREDSTAVLJANJE ZNANJA Produkciona pravila su najpopularniji metod za predstavljanje znanja. U konceptu problema logine relacije esto opisujemo pravilima "Ako vai U onda Z" to znai u interpretaciji "Ako vai uslov U onda se moe zakljuiti Z" ili "Ako situacija U onda akcija Z". Znanje se u formalizmu produkcionih pravila (ako-onda) izraava na prirodan nain. Pozitivne osobine produkcionih pravila su: svako pravilo predstavlja mali, relativno nezavisan dio znanja; dodavanje novih pravila moe biti relativno nezavisno od ostalih pravila, to se odnosi i na modifikaciju postojeih pravila; ova pravila pomau transparentnost sistema tako to mogu odgovoriti na pitanja tipa "kako" (Kako si doao do tog zakljuka?) i "zato" (Zato ti je potrebna ova informacija?).
17

ARHITEKTURA EKSPERTNIH SISTEMA

BAZA ZNANJA FORMALIZMI ZA PREDSTAVLJANJE ZNANJA
Mree kao formalizmi za predstavljanje znanja, sadre vorove, koji oznaavaju objekte (fizike objekte, situacije, skupove, relacije) i veze (binarne relacije izmeu objekata). Iako se mree razlikuju po izraavanju i tipovima procedura za manipulaciju, traenje meusobno povezanih elemenata znanja zasniva se na strukturi, koja kodira to znanje. Oznake elemenata mree iz datog vora omoguuju pozicioniranje na odgovarjue vorove tako to slijedimo odgovarajue veze. Mree su adekvatne za predstavljanje hijerarhijskih struktura, koje zajedno sa tehnikom nasljeivanja osobina olakavaju opisivanje znanja. Tako npr. ako P predstavlja karakteristine osobine skupa S, onda P vai i za svaki podskup skupa S i za svaki elemenat skupa S odnosno odnosno njegov podskup. To praktino znai da karakteristike opisane na viem nivou vrijede za sve nie nivoe (ako treba nalazimo ih pomou mree). Koriste se za prirodno opisivanje jednostavnih relacija, a ne za kompleksne formule i veze. To se prije svega odnosi na sisteme za rad sa prirodnim jezikom (semantike mree) i za zakljuivanje iz domena teorije skupova. Ponekad se i produkcioni sistemi predstavljaju u obliku mree. Tada mrea modelira veze izmeu produkcionih pravila, a veze su relacije izmeu njih, obino sa faktorom vjerovatnoe. Ovu strukturu imaju npr. ekspertni sistemi Mycin i Prospector.
18

ARHITEKTURA EKSPERTNIH SISTEMA

BAZA ZNANJA FORMALIZMI ZA PREDSTAVLJANJE ZNANJA
Okviri su bazirani na ideji da se objekti, dogaaji i specifine situacije ili radnje mogu predstaviti jedinstvenom formom. Predstavljaju specifian primjer mrea. Oni slue kao baza za razumijevanje vizuelne percepcije, dijaloga u prirodnom jeziku itd. Predloio ih je Minski kao metodu za organizovanje obimnog znanja potrebnog za rjeavanje ovih zadataka. Ekspertni sistemi u okvirima skupljaju ove informacije u prepoznatljiv entitet. Kao kod mrea, meusobne veze izmeu tih entiteta mogu se izraziti veoma jednostavno, zahvaljujui nasljeivanju atributa. Ovaj oblik strukture omoguuje traenje elemenata koji se odnose na dati kontekst. Okviri predstavljaju bazu za jednu od najpopularnijih metoda predstavljanja znanja: objektno orijentisani okviri. U stari oni se pribliavaju objektno orijentisanim okruenjima. U standardnim implementacijama ekspertnih sistema, objektno orijentisani okviri se redovno kombinuju sa produkcionim pravilima, i tako nastaje jedan od najmonijih formalizama za predstavljanje znanja.
19

ARHITEKTURA EKSPERTNIH SISTEMA

BAZA ZNANJA FORMALIZMI ZA PREDSTAVLJANJE ZNANJA
Predikatski raun je najmoniji nain predstavljanja znanja. Logika ili predikatski raun prvog reda kao podsistem formalne logike moe u velikom broju sluajeva da predstavi znanje napisano na prirodnom jeziku. injenice i pravila se zapiu u skladu sa sintaktikim pravilima toga podsistema. Poznate injenice i pravila tretiraju se kao aksiomi, a oekivani odgovor kao teorem koji vai u sistemu tih aksioma. U ovom formalizmu veoma je jednostavno definisati relacije i strukturirati podatke. Predikatski raun je performantan zato to za dokazivanje teorema u okviru tog formalizma postoje poznati i relativno brzi algoritmi koji se baziraju na principu rezolucije. Programski jezik PROLOG predstavlja formalizam ovoga tipa. Nastao je kao realizacija ideje, da je mogue matematiku logiku upotrijebiti kao programski jezik. Ima sintaksu formula predikatskog rauna prvoga reda, zapisanih u klauzalnom obliku (kvantifikatori se ne navode eksplicitno). Kako je u optem sluaju ogranieniji od produkcionih pravila, nema toliku popularnost u ekspertnim sistemima.
20

ARHITEKTURA EKSPERTNIH SISTEMA

BAZA ZNANJA ZAHVATANJE ZNANJA
Da bi se izgradila baza znanja treba prvo ekstrahovati ekspertno znanje, onda ga predstaviti u formalizmu, koji omoguava da se to znanje koristi pomou raunara. Proces zahvatanja znanja i njegove preformulacije u izabrani formalizam za predstavljanje znanja inenjering znanja (knowledge engineering). Karakteristika veine do sada izgraenih ekspertnih sistema je u korienju baze znanja koja je dobivena "runo" tj. pomou strune literature i konsultovanja strunjaka. Problem je to je to dugotrajan i skup proces, jer zahtjeva dosta dug angaman kako samog tehnologa znanja, tako i strunjaka za konkretno problemsko podruje. Razlog je u poznatom dejstvu ovjekovog "know-how", do koga je ekspert doao dugim iskustvom i koga je teko formulisati u "say-how" toliko sistematino i detaljno koliko je to potrebno za raunarsku aplikaciju, pa je zato dolo do razvoja alternativnih metoda za zahvatanje znanja, koje omoguavaju automatsku sintezu znanja, a imaju osnovu prije svega u metodama automatskog uenja i kvalitativnog modeliranja.
21

ARHITEKTURA EKSPERTNIH SISTEMA

BAZA ZNANJA ZAHVATANJE ZNANJA
Kada se od eksperta trai da prezentuje svoje znanje, on e to najlake uiniti pomou izabranih primjera. On je sposoban mnogo bre pretvoriti "know-how" u "show-how". Na ovaj nain se eventualno prevazilazi tzv. Fajgenbaumovo usko grlo. Potrebno je iz skupa primjera induktivnim zakljuivanjem izvesti pravila i tako iz njih rekonstruisati ekspertov "know-how", to se moe postii metodama automatskog uenja.
TEHNOLOG ZNANJA EKSPERT KORISNIK

modul za zahvatanje znanja

modul za objanjavanje

INTERFEJS

Baza znanja

Mehanizam zakljuivanja

EKSPERTNI SISTEM

22

ARHITEKTURA EKSPERTNIH SISTEMA

BAZA ZNANJA ZAHVATANJE ZNANJA U sluaju veoma obimnih baza znanja posebno je pogodna upotreba kvalitativnog modela. Model sadri uzrono znanje o podruju, koje moe biti predstavljjeno u relativno kompaktnom obliku. Osim toga lake je provjeriti njegovu kompletnost i konzistentnost nego u sluaju kada je znanje u obliku velikog broja primjera. U mnogim domenima (npr. fiziologiji) priroda problema je kvalitativna, te zahtjeva takav jezik eksperta. Meutim konstrukcija kvalitativnog modela uglavnom je teak zadatak, pa se zato vre istraivanja iz automatske izgradnje takvih modela. Rezultati utvruju primjenljivost automatskog uenja i kvalitativnog modeliranja za automatsko generisanje ekspertnog znanja. Sintetizovano znanje je po sutini i tanosti zanimljivo za strunjaka ili praktika sa problemskog podruja, a rezultati ekspertnih sistema koji se slue tim znanjem su u okviru tanosti koju postiu eksperti tanosti.
23

ARHITEKTURA EKSPERTNIH SISTEMA

BAZA ZNANJA KVALITATIVNO MODELIRANJE
Kvalitativni modeli opisuju sistem na jednostavan simboliki nain, koji je blizak ljudskom nainu miljenja. Apstrahuju se egzaktne numerike vrijednosti, jer sve parametarske vrijednosti sistema se integriu u jedan simboliki opis tj. kvalitativnu vrijednost. Za razliku od klasinih modela gdje su promjenljive veliine vezane jednainama, kod ovih modela promjenljive su vezane relacijama koje mogu imati oblik jednaina, nejednaina ili logikih izjava. Dakle, ovdje se umjesto rjeavanja sistema jednaina, promjenljivim dodjeljuju vrijednosti relevantne za relacije u modelu. Kvalitativni modeli su bazirani na skupu relacija meu elementima sistema. Sistem se moe opisati i sa apstraktnim pojmovima. S obzirom na to razlikuju se: komponentno orijentisan pristup gdje se ponaanje sistema izvodi iz ponaanja njegovih komponenti i procesno orijentisan pristup koji opisuje procese kao izvor svih promjena u sistemu.

24

ARHITEKTURA EKSPERTNIH SISTEMA

BAZA ZNANJA KVALITATIVNO MODELIRANJE Prednosti kvalitativnog modeliranja u odnosu na klasino modeliranje mogu se sintetizovati u sljedeem: Kvalitativni opisi su veoma pristupani u odnosu na rjeavanje klasinih modela koji su kompleksni. Kvalitativni model je blii ovjekovom nainu miljenja. Kvalitativni model je primjenljiv i u sluaju kada nisu poznate tane vrijednosti parametara, dok to ne vai za klasine modele. Kvalitativna simulacija jednostavno generie objanjenje i tako postie transparentnost sistema.

25

ARHITEKTURA EKSPERTNIH SISTEMA

BAZA ZNANJA KVALITATIVNO MODELIRANJE Ako su relacije u modelu kauzalnog karaktera (povezuju uzroke sa posljedicama), onda lanac zakljuaka predstavlja kvalitativnu simulaciju modela. Sam model predstavlja duboko znanje jer odraava strukturu i i dublje principe problemskog domena. Ovakva duboka baza znanja je pozitivna, jer poboljava semantiku i sposobnost objanjavanja ekspertnog sistema. Meutim, negativna strana se ogleda npr. u dijagnostici i kontroli, kada treba zakljuivati po lancu u smjeru nazad (od posledica ka uzrocima). Rjeenje problema je u procesu kvalitativne simulacije kada se automatski mogu dobiti plitka pravila koja direktno povezuju poetne uzroke sa konanim posljedicama, za sve mogue primjere. Ovakva baza je veoma operativna, ali i veoma obimna. U tom smislu komprimuje se metodama automatskog uenja.

26

ARHITEKTURA EKSPERTNIH SISTEMA

BAZA ZNANJA AUTOMATSKO UENJE Svako inteligentno ponaanje povezano je sa sposobnou uenja, pa je i ideja automatskog uenja odavno prisutna. Prva istraivanja bila su na podruju prepoznavanja uzoraka (pattern recognition) i grupisanja uzoraka (clustering). Nastao je niz tzv. statistikih metoda, koje su davale relativno dobre rezultate, ali su ipak ti rezultati bili dosta nejasni, jer su bazirani na nainu koji je drugaiji od ovjekovog naina miljenja. Tako je nastala nova grana automatskog uenja tzv. strukturno automatsko uenje. Ono predstavlja automatski proces dobivanja znanja na osnovu informacija dobivenih od uitelja, od nekog spoljnjeg procesa ili samostalnim posmatranjem odnosno eksperimentisanjem. Rezultat tog uenja je formula, teorija, pravilo ili opis koncepta u kvalitativnom formalizmu koji je blizak ovjeku. Tako korisnik moe da uoi relacije, zakonitosti i logiku zakljuivanja, po kojoj sistem na osnovu pravila dolazi do odreenih zakljuaka.
27

ARHITEKTURA EKSPERTNIH SISTEMA

BAZA ZNANJA AUTOMATSKO UENJE
Naini uenja se klasifikuju prema vie kriterijuma. Naveemo podjelu prema kriterijumu stepena uea induktivnog zakljuivanja kod uenika tokom procesa uenja: Direktno ili rutinsko uenje (rote learning). Ovdje zakljuivanje nije potrebno i u ovu grupu spadaju direktno programiranje i uvanje podataka. Uenje na osnovu kazanog (learning by being told). Kod ovog uenja uitelj posreduje znanje (daje pravila i injenice), koje se pomou predznanja i induktivnog zakljuivanja organizuje u takav oblik, da ga je mogue koristiti bez eksplicitnih algoritama. Uenje na bazi objanjenja (explanation-based learning) zasniva se na jednom primjeru rjeenja problema, koje se pomou znanja o problemskom podruju objanjava, opravdava i uoptava, te tako rjeava itavu klasu problema. Uenje po analogiji (learning by analogy) bazira se na ideji da se postojee znanje transformie u takav oblik, koji je mogue upotrebiti za novi, slian problem. Uenje na osnovu primjera (learning from examples). Ovo uenje je uenje na pozitivnim ili negativnim primjerima, gdje se na osnovu tih primjera induktivnim zakljuivanjem dobivaju pravila odnosno opis koncepta koji treba da je kompletan (ukljuuje sve pozitivne primjere) i konzistentan (iskljuuje sve negativne primjere). Uenje samostalnim otkrivanjem (learning from observation and discovery) predstavlja najtei oblik uenja. Postavljanje i testiranje hipoteza kao i kreiranje novih teorija potpuno je samostalno bez uitelja.

28

ARHITEKTURA EKSPERTNIH SISTEMA

BAZA ZNANJA AUTOMATSKO UENJE
Dosadanja praksa je pokazala da je najefikasniji oblik automatskog uenja uenje na osnovu primjera. Ovo uenje znaajno prevazilazi problem Fajgenbaumovog uskog grla, jer se eksperimentima lake daju primjeri (esto su ve arhivirani) nego pravila po kojima se rjeavaju problemi. Automatsko uenje na osnovu primjera sadri nekoliko poznatih optih metoda kao to su: Metoda prostora verzija (version space) predstavlja koncept traenja u prostoru moguih opisa u datom opisnom jeziku. Postojee znanje koncepta odreuje podskup opisa iz prostora svih moguih opisa. Taj podskup se zove prostor verzija i dopunom znanja se smanjuje. Ova metoda je primjenjena u sistemu kojim se ue pravila za simboliko integrisanje (LEX) i u pravilima za generisanje molekularnih struktura (META-DENDRAL). Metoda gradnje stabla odluivanja je veoma jednostavna i efikasna metoda. Implementirana je od strane Quinlana u sistemu ID3. Sutina je da se na osnovu postojeih primjera izgradi klasifikacijsko pravilo u formi stabla odluivanja koje se moe upotrebiti za klasifikaciju novih objekata. Postoje mnogi sistemi zasnovani na ovoj metodi kao npr. ASISTENT 86. Metoda za konceptualno grupisanje uzoraka razvijena je kao alternativa klasinim metodama za grupisanje uzoraka. Uspjeno je implementirana u sistemu CLUSTER. Radi relativno sporije nego standardne metode, ali ima prednost u logikim opisima grupa koje generie.
29

ARHITEKTURA EKSPERTNIH SISTEMA

MEHANIZAM ZAKLJUIVANJA Mehanizam zakljuivanja je najdinaminiji dio ekspertnih sistema i on u principu kroz svoj interpreter sadri elemente misaone aktivnosti ovjeka. On je u stvari modul ekspertnih sistema koji implementira algoritme za rjeavanje problema. Od njega se trai da omogui odgovore na korisnikova pitanja i da se pri tom slui procesom zakljuivanja, koji je mogue korisniku objasniti. Pored primarnog zadatka, pronalaenja pojedinih zakljuaka on treba da realizuje i kontrolnu strategiju, po kojoj se odreuje redoslijed koraka relevantnih za rjeavanje problema.

30

ARHITEKTURA EKSPERTNIH SISTEMA

MEHANIZAM ZAKLJUIVANJA itav proces rjeavanja problema esto se tretira kao dokazivanje teorema na osnovu aksioma. Rjeenju problema odgovara dokaz teorema, a problem odgovara teoremu, koga nazivamo i ciljna hipoteza ili cilj. U tom sluaju mogua su dva naina zakljuivanja: zakljuivanje unaprijed (forward reasoning) i zakljuivanje unazad (backward reasoning). Zakljuivanje unaprijed potie u pravcu od datih elementarnih injenica prema hipotezi. Iz poznatih injenica generiemo nove, dok ne doemo do injenice koja se poklapa sa ciljnom hipotezom. Zakljuivanje unazad vri se u obrnutom smjeru, od ciljne hipoteze prema elementarnim injenicama.

31

ARHITEKTURA EKSPERTNIH SISTEMA

MEHANIZAM ZAKLJUIVANJA Iz ciljne hipoteze generiemo nove hipoteze, dok ne doemo do hipoteza koje su jednake elementarnim injenicama. Postoje tri osnovna principa zakljuivanja: modus ponens, modus tollens i princip rezolucije. MODUS PONENS je logino pravilo po kojem na osnovu injenice "A je istinito" i pravila "ako vai A onda vai B" zakljuimo istinitost za B. Taj princip veoma je jednostavan pa je zato i proces zakljuivanja koji se bazira na njemu relativno lako razumljiv. Slaba strana mu je to to ne nalazi sve mogue zakljuke. Na primjer iz "B nije istinito" i "ako vai A onda vai B" ne moe se zakljuiti "A nije istinito" na osnovu modus ponensa, ve se radi o drugom pravilu zakljuivanja poznatim kao MODUS TOLLENS. PRINCIP REZOLUCIJE je poznat metod za automatsko dokazivanje teorema u formalizmu predikatnog rauna prvog reda. Posebna vrsta ovog principa realizovana je u Prologu. Osnovna ideja je u tome da se skupu vaeih aksioma doda negacija teorema kojeg elimo dokazati.
32

ARHITEKTURA EKSPERTNIH SISTEMA

MEHANIZAM ZAKLJUIVANJA Ako se sada otkrije kontradikcija, time je dokazano, da je originalni teorem istinit. Osnova za rjeavanje problema je njegovo adekvatno predstavljanje. U tom smislu razvijene su odreene sheme kao to su PROSTOR STANJA i AND/OR GRAFOVI.

33

ARHITEKTURA EKSPERTNIH SISTEMA

MEHANIZAM ZAKLJUIVANJA PROSTOR STANJA Prostor stanja (state space) predstavlja graf gdje su vorovi ekvivalentni problemskim situacijama. Veze izmeu vorova su legalne akcije koje transformiu jednu problemsku situaciju u drugu. Rjeenje problema se postie korienjem dvije osnovne strategije pretraivanja grafova: pretraivanje u dubinu (depth-first search) i pretraivanje u irinu (breadth-first search).

34

ARHITEKTURA EKSPERTNIH SISTEMA

MEHANIZAM ZAKLJUIVANJA PROSTOR STANJA Za razliku od algoritma pretraivanja u irinu koji nalazi najbre odnosno najkrae rjeenje, pretraivanje u dubinu nosi odreeni rizik tj. opasnost da algoritam doe u bezizlaznu petlju. Pretraivanje u dubinu posjeduje dijalog sa korisnikom koji je mnogo prirodniji i veoma detaljno obrauje teme (jednu po jednu). Nasuprot njemu, algoritam pretraivanja u irinu preskae sa teme na temu (random pretraivanje) i na taj nain negativno utie na koncentraciju korisnika.

35

ARHITEKTURA EKSPERTNIH SISTEMA

MEHANIZAM ZAKLJUIVANJA PROSTOR STANJA Pretraivanje po dubini predstavlja strategiju koja jednostavno eliminie neke nedostatke prethodno navedene strategije. Potrebno je manje memorije poto se u obzir uzimaju samo neki segmenti prostora stanja. Ako su u pitanju "dua" ("dublja") rjeenja - sa veim brojem vorova, takav put e se nai mnogo bre nego upotrebom pretrage po irini. ak i kada se rjeenje pronae, ne mora biti najbolje mogue (najkrae). Da bi se izbjeglo ulaenje u "beskonaan" put, pretraga se prekida nakon odreenog broja nivoa, pa postoji mogunost da rjeenje nee biti pronaeno iako se nalazi u datom segmentu prostora stanja. Osnovna upotreba heuristikog znanja je da povea efikasnost procesa zakljuivanja putem nalaenja smjera (usmjeravanja) procesa pretrage. Takav smjer nam smanjuje prostor koji se mora pretraiti prije nego to se doe do rjeenja, a to poveava mogunosti rjeavanja sloenijih problema.
36

ARHITEKTURA EKSPERTNIH SISTEMA

MEHANIZAM ZAKLJUIVANJA PROSTOR STANJA
(0, 0)

1
(8, 0)

2
(0, 6)

8
(2, 6)

1
(8, 6) (0, 6)

6
(8, 0)

7
(8, 0)

(2, 0)

1
(8, 6)

6
(6, 0)

(0, 0)

Pretraivanje po dubini

1
(8, 0) (6, 0)

3
(0, 0)

5
(0, 6)

8
(0, 6)

1
(8, 6) (0, 6)

4
(6, 0)

7
(8, 4)

2
(8, 6) (0, 4)

4
(8, 0)

8
(6, 6)

1
(8, 4) (0, 6)

4
(0, 0)

6
(4, 0)

37

ARHITEKTURA EKSPERTNIH SISTEMA

MEHANIZAM ZAKLJUIVANJA PROSTOR STANJA Osnovni princip pretraivanja po irini je generisanje svih moguih stanja po nivoima stabla koja se zatim pretrauju. Ovom metodom se uvijek nalazi najkrai put do ciljnog (ciljnih) stanja, ali broj stanja koja se generiu i pretrauju raste eksponencijalno za svaki sljedei nivo. Potrebno vrijeme za nalaenje rjeenja takoe raste eksponencijalno, pa zbog toga moemo rei da ova strategija garantuje najbolje rjeenje ako nam vrijeme i memorija nisu ogranieni.

38

ARHITEKTURA EKSPERTNIH SISTEMA

MEHANIZAM ZAKLJUIVANJA PROSTOR STANJA

(0, 0)

Pretraivanje po irini
2
(8, 6) (0, 0)

(8, 0)

(0, 6)

8
(2, 6) (8, 6)

1
(0, 0)

6
(6, 0)

3
(0, 6)

4
(8, 0)

1
(8, 0)

2
(0, 6) (8, 6)

1 3 4 6 7
(0, 6) (2, 0) (8, 0) (8, 0)

3
(0, 6)

1
(8, 0)

1
(8, 0)

2
(0, 6) (8, 0)

1 2 3 5 8
(0, 6) (6, 6) (0, 6) (0, 6)

39

ARHITEKTURA EKSPERTNIH SISTEMA

MEHANIZAM ZAKLJUIVANJA PROSTOR STANJA Za pretraivanje prostora karakteristian je problem kompleksnosti. Za netrivijalna podruja broj alternativa moe biti tako veliki da slijepo pretraivanje postaje apsurdno. Broj kandidata se poveava eksponencijalno i dolazi se do tzv. kombinatorike eksplozije. Problem se prevazilazi heuristikim pretraivanjem (heuristic search, best-first search), to znai da se algoritam pretraivanja koristi specifinim znanjem o problemu koje eliminie bezperspektivne alternative. Obino su to numerike procjene, koje ocjenjuju perspektivnost svakog vora u grafu.

40

ARHITEKTURA EKSPERTNIH SISTEMA

MEHANIZAM ZAKLJUIVANJA AND/OR GRAFOVI Problem se moe predstaviti i sa AND/OR grafom. Ovaj graf je karakteristian za probleme koji se mogu dekomponovati na podprobleme. Ovdje su vorovi ekvivalentni problemima. Poetni vor je originalni problem, dok su ciljni vorovi relativno jednostavni podproblemi. Veze meu vorovima predstavljaju relacije meu problemima. vor moe biti AND tipa (za rjeenje potrebno je rijeiti sve njegove nasljednike) i OR tipa (za rjeenje je dovoljno rijeiti jednog od nasljednika). Rjeenje problema nije put ve podgraf u originalnom AND/OR grafu. Za pretraivanje AND/OR grafova u Prologu moe se iskoristiti sam interpreter za Prolog, ije je proceduralno znaenje upravo pretraivanje takvih grafova.

41

ARHITEKTURA EKSPERTNIH SISTEMA

MEHANIZAM ZAKLJUIVANJA AND/OR GRAFOVI Naroito vana osobina mehanizma zakljuivanja je da li on omoguava monotono ili nemonotono zakljuivanje. U prvom sluaju sve to je bilo prepoznato kao istinito ostaje istinito tokom itave konsultacije. Koliina informacija u tom sluaju moe samo monotono da se poveava. Nemonotono zakljuivanje dozvoljava da se znanje tokom konsultacije mijenja. Na osnovu nove informacije neki ranije izvedeni zakljuci mogu se eliminisati. Opti uzorak kod tih sistema je tzv. "default" zakljuivanje tipa "ako vai A i ako nije evidentno da ne vai B, onda vai B".

42

ARHITEKTURA EKSPERTNIH SISTEMA

MEHANIZAM ZAKLJUIVANJA AND/OR GRAFOVI Ostaje jo veoma vano pitanje kako se vri zakljuivanje kada imamo nepotpune ili nepouzdane informacije i kada moda i sama pravila vae samo sa nekim odreenim faktorom povjerenja. Spomenuli smo ve da su na tzv. mekim podrujima, koja su glavna podruja primjene ekspertnih sistema, takve situacije veoma este. Zato ekspertni sistemi uglavnom omoguavaju zakljuivanje na osnovu vjerovatnoe za razliku od kategorikog zakljuivanja gdje su stvari jednostavno istinite ili ne. Opte prihvaene teorije zakljuivanja na osnovu vjerovatnoe jo nema, mada su istraivanja na ovom podruju veoma intenzivna. U literaturi se uglavnom navodi kako je to pitanje rijeeno kod pojedinih poznatih sistema (Prospector, Mycin ...).

43

ARHITEKTURA EKSPERTNIH SISTEMA

INTERFEJS Interfejs obezbjeuje komunikaciju izmeu ovjeka sa sistemom i treba da omogui relativno komfornu interakciju to ukljuuje i mogunost objanjenja kako je sistem doao do odreenog zakljuka. Uloga korisnikog interfejsa je u prihvatanju informacija koje zadaje korisnik i njihovom prevoenju u oblik razumljiv za sistem, kao i u transformaciji podataka koje prua sistem u oblik razumljiv za korisnika. Ova komunikacija korisnika sa raunarom treba da se odvija na jeziku to slinijem prirodnom, pogotovo stoga to raunar zamjenjuje ovjeka eksperta, tako da se esto ugrauju sistemi za obradu prirodnog jezika u okviru interfejsa.

44