Fakultet za ekonomiju i inenjerski menadment,

Novi Sad, Februar 2015.

SEMINARSKI RAD
PREDMET: VETAKA INTELIGENCIJA
TEMA: REPREZENTACIJA ZNANjA

Profesor: Dr Duan Okanovi

Student: Stefan Spasojevi IN431/14

Sadraj
UVOD.......................................................................................................
................3

1. ta je Znanje? Definicije i podele

znanja............................................................4

2. Reprezentacija
znanja........................................................................................6
2.1. Framework ili okosnica reprezentacije
znanja............................................6
2.2. Odlike dobrog sistema reprezentacije
znanja................................................7
2.2. Nasleivanje
znanja........................................................................................8
2.3. Sporna pitanja reprezntacije
znanja................................................................9

3. Logiko
programiranje....................................................................................10
3.1. Logiki programski jezik.
..12
4. Upravljanje
znanjem.......................................................................................14

Zakljuak.................................................................................................
.........14
Literatura.................................................................................................
........15
2

Uvod
Tema ovog seminarskog rada je je koncept reprezentacije znanja
u domenu vetake inteligencije.
U prvom delu rada upoznajemo se sa optim pojmom znanja,
fazama znanja, i osnovnim podelama znanja.
Drugi deo fokusiran je na pojanjenje same reprezentacije znanja,
okosnicu repreznetacije, tokove reprezentacije znanja i probleme
koji se javljaja u vezi sa ovim pojmom.
Trei deo pojanjava koncept logikog programiranja. Takoe tu
su predstavljeni i delovi modela logikog programskog jezika.
Centralna taka etvrtog poglavlja je upravljanje znanjem u
vetakoj inteligenciji, i pojanjenje logike i kontrolne funkcije
znanja.

1. ta je znanje? Definicija i podele znanja.

Znanje je opti pojam. Kako bismo reprezentovali znanje treba
napraviti analizu razlike izmedju znanja kako i znanja to je tvrdnje. Znati kako uraditi neto, na primer kako voziti auto je
proceduralno znanje. Znati da je neto istinito ili nije je
deklarativno znanje, na primer to je ogranienje brzine auta na
putu.
Znanje i reprezentacija su dva razliita entiteta, koja igraju
centralnu ulogu u inteligntnom sistemu, svaki na svoj nain.
Znanje je opis pojmova. Ono odreuje sistemske kompetencije na
osnovu onoga to sistem zna.
Reprezentacija je nain na koji je znanje ifrovano. Reprezentacija
definie sistemske performanse u obavljanju neega.
Drugaija znanja zahtevaju razliite naine reprezentacije.
Mehanizmi ili modeli reprezentacije su najee bazirani na:
logici, pravilima, frejmovima, semantikim mreama.
Razliita znanja
poimanja.

zahtevaju

razliite

naine

pojmljenja

ili

Znanje je generalan pojam. Znanja je proces koji zapoinje sa

podatkom koji ima ogranienu vrednost i korisnost.
Organizovanjem ili analiziranjem podatka poinjemo da shvatamo
ta podatak znai, onda on postaje informacija.
Interpretacija ili evaluacija informacije zatim donose znanje.
Razumevanje

principa

koji

su

deo

znanja

ine

mudrost.

Slika br 1. Progresija znanja

Podatak moemo videti kao skup nepovezanih injenica, na
primer

pada
kia.
Do informacije dolazimo kada veze izmeu injenica budu
uspostavljene i shvaene. One daju odgovor na pitanja ko, kako,
gde i kada. Na primer temperatura je pala na 15 stepeni kada je
poela da pada kia.
Znanje se pojavljuje kada se veze izmeu ablona identifikuju i
razumeju, samim tim dobijamo odgovor na pitanje kako. Na
primer ako je vlanost veoma visoka i temperatura znaajno
padne, onda atmosfera najverovatnije nee zadrati vlagu, stoga
pada kia.
Mudrost je vrhunac razumevanja, ona otkriva principe veza koja
opisuju ablone meu nima. Time se dobija odgovor na pitanje
zato. Na primer zaokruivanje celine znanja ime se shvataju
interakcije i odnosi koji se odvijaju izmeu padanja kie,
isparavanja, vazdunih struja i temperaturnih varijacija.
Ovim dakle dolazimo do modela znanja. Model znanja nam
govori u kom stepenu se razumevanje i povezanost poveavaju,
u kom procesu dolazimo od podatka, preko informacije, zatim
znanja i konano do mudrosti. Ovo obuhvata dakle tranziciju (od
informacije
do
mudrosti)
i
razumevanje
(podrka
u
meutranzicijama kako bi se dolo do sledee faze).
Znanje moemo kategorizovati po osnovnoj podeli na dve vrste
znanja tacitno znanje i eksplicitno znanje.
Tacitno znanje je ono koje postoji unutar oveka. Teko je
artikulisati ovim znanjem formalno teko da se moe o njemu
priati ili podeliti. Teko ga je kopirati ili ukrasti. Ono proistie iz
prirode oveka, iskustva, akcija, subjektivnih pogleda.
5

Eksplicitno znanje postoji izvan oveka, ono moe biti artikusliano

formalno. Moe biti deljeno, kopirano, obraivano i uskladiteno.
Ono proistie iz principa, procedura, procesa ili koncepata.
Jo jedna od osnovnih podela znanja je podela koja postoji u
kognitivnoj psihologiji, polazi od deklarativnog, proceduralnog i
stratekog znanja. Proceduralno znanje podrazumeva znanje
kako uraditi neto, na primer, kako odrediti da li je stariji Petar
ili Marko, prvo moramo znati njihove godine. Deklarativno znanje
je znanje kojim odreujemo da li je neto istina ili ne, na
primer: Marko jeste starijij od Petra, biciklo ima dva toka.
Deklarativno znanje reprezentuje pre svega objekte i dogaaje, to
je znanje o injenicama i njihovim vezama.

2. Reprezentacija znanja
2.1. Framework ili okosnica reprezentacije
znanja
Rauanaru je potreban dobro definisan opis problema koji treba
da obradi kako bi obezbedio adekvatno reenje.
Kako bismo sakupili delove znanja moramo prvo da formuliemo
opis u naem govornom jeziku a zatim da reprezentujemo taj
problem u formalnom jeziku kako bi i raunar mogao da razume.
Kompjuter zatim moe da koristi algoritam kako bi proizveo
odgovor. Ilustracija ovog procesa vidi se na slici broj 2.

Slika broj 2. Okosnica reprezentacije znanja

Koraci su dakle: neformalno formulisanje problema, formalna
reprezentacija i izvoenje autputa od raunara i na kraju
reprezentovanje na neformalan nain koji korisnik razume.
Reavanje problema zahteva veliku koliinu znanja i odreene
mehanizme za manipuliaciju tim znanjem. Znanje i reprezentacija
su dva razliita entiteta koja igraju kljunu i centralnu ulogu u
inteligentnim sistemima. Znanje je opis sveta oko nas; odreuje
kompetence sistema na osnovu onoga to sistem zna.
Reprezentacija je nain na koji je znanje kodirano; definie
sistemke performanse u obavljanju izvesnih stvari.
Jednostavno reeno moramo znati o stvarima koje elimo da
reprezentujemo (objekti, dogadjaji, meta znanje...) i moramo
7

imati sredstva za stvari kojima moemo rukovati(neki vid

formalizacije onoga to reprezentujemo).

2.2. Odlike dobrog sistema reprezentacije

znanja
Glavna odlika dobre reprezentacije jeste ta da obezbeuje brz i
precizan pristup znanju i razumevanju sadraja.
Dobar sistem reprezentacije znanja trebalo bi da poseduje
sledee elemente:
- Reprezentacionu adekvatnost, tj. mogunost reprezentovanja
razliitih vrsta znanja koja su potrebna u dotinoj oblasti,
- Definitivna adekvatnost, to znai mogunost manipulisanja
reprezetnacionim strukturama koja pruaju nove strukture u
skladu sa novim znanjima koja su proizvod starih znanja,
- Definitvna efikasnost, podrazumeva sposobnost pripajanja
dodatnih informacija strukturi znanja koja mogu biti iskoritena za
fokusiranje na mehanizme koja vode u najadekvatnijem pravcu.
- Nabavna efikasnost, tj. sposobnost iznalaenja novih znanja
koristei automatske metode gde god je to mogue, pre nego
oslanjanje na ljudsku interventciju.
Potrebno je naglasaiti da jo uvek ne postoji sistem koji
objedinjuje u potpunosti sve gore navedene odlike.

2.3. Nasleivanje znanja

Znanje je ugraeno u hijerarhije koja se nalaze u funkcionalnim,
fizikim i procesnim domenima. Unutar hijerarhije, elementi
nasleuju atribute od njihovih roditelja, ali u mnogim sluajevima
nisu svi atributi viih elemenata pripisani i niim elementima.
Nasleivanje je znaajna forma zakljuivanja, ali sama po sebi
nije adekvatna. Osnovna reprezentacija znanja mora biti mora
biti uveena i sa drugim mehanizmima. Reprezentacija znanja u
hijerarhijskoj strukturi se naziva i semantika mrea. Struktura
pokazuje odlike nasleivanja i nain ubrizgavanja dodatnih
znanja. Objekti ili elementi specifine klase nasleuju atribute i
8

vrednosti iz vie generalnih klasa. Klase se organizuju u

hijerarhiju.

Slika 3. Primer nasleivanja repreznentacije znanja

Ova slika pokazuje da instance vie klase mogu nasleivati odlike
vie klase, ali mogu dodavati po potrebi i sopstvene atribute.

2.3. Sporna pitanja reprezentacije znanja

Glavni cilj reprezentacije znanja je upravljanje zakljucima
izvedenog iz znanja. Postoje brojni problemi koji se javljaju kod
reprezentacije znanja. Neki od njih su navedeni u nastavku.
Vane odlike, tj. atributi: Da li je neki od atributa objekata toliko
bazian da moe da se javlja praktino u svakom domenu
problema?
Veze meu atributima: da li postoji neka znaajna veza meu
atributima objekta?
Odabir preciznosti:
reprezentovano?

na

kom

nivou

bi

znanje

Grupe objekata: kako predstaviti grupe objekata?

9

trebalo

biti

Pronalaenje odgovarajue strukture: ukoliko imamo veliku

uskladitenu koliinu znanja, kako iznai relevantne delove
kojima treba pristupiti?
U nastavku je pojanjen odabir preciznosti i pronalaenje
odgovarajue strukture.
Odabir preciznosti predstavlja nivo na kome bi znanje trebalo
biti prezentovano. Da li bi trebao postojati mali broj ili veliki broj
osnova najnieg nivoa, tj. primitiva, ili injenica visokog nivoa.
injenice visokog nivoa moda nisu adekvatna za dodavanje
informacija dok primitivi mogu zahtevati veoma velika skladita.
Primer odabira preciznosti: Pretpostavimo da nas zanimaju
sledee injenice. Marko je primetio Milicu. Ovo moe biti i
reprezentovano kao - primeeno (vrilac radnje(Marko),
objekat(Milica)). Ovakva reprezentacije prua jednostavan
odgovor na pitanje Ko je uoio Milicu?. Pretpostavimo da elimo
da znamo Da li je Marko video Milicu?. Budui da je data samo
jedna injenica, ne moemo saznati ovaj odgovor. Moemo dodati
druge injenice kao na primer primeeno (x,y) -> vieno (x,y).
Sada moemo da zakljuimo ta je odgovor na pitanje.
Pronalaenje odgovarajue structure je vano za opisivanje
izvesne sitacije o kojoj je re. Ono zahteva odabir inicijalnih
struktura i onda preispitivanje izbora. U izboru je potrebno reiti
sledee probleme: kako izvriti inicijalnu selekciju najadekvatnije
structure, kako popuniti odgovarajue detalje iz trenutne
situacije, kako nai bolju strukturu ako je prethodno odabrana na
kraju ipak neodgovarajua, ta uraditi ako je postojea struktura
odgovarajua, kada napraviti i memorisati novu strukturu.
Ne postoji generalna ema za reavanje ovih problema. Razliiti
naini reprezentacije reavaju razliite probleme na razliite
naine.

10

3. Logiko programiranje
Logiko programiranje nudi formu za definisanje raunanja u
smislu logikih odnosa izmeu entiteta. Logiki program je
kolekcija logikih tvrdnji. Programer opisuje sve relevantne veze
izmeu razliitih entiteta. Raunanjima se odreuje da li je, ili
nije, odreeni zakljuak usledio iz datih logikih tvrdnji.
Logiko programiranje karakterie niz veza i zakljuaka. Program
se sastoji od aksioma i definisanja cilja. Pravila zakljuivanja
odreuju da li je aksiom dovoljan da obezbedi pozitivan rezultat
sa stanovita cilja. Izvrenje logikog programa je u direktnoj
vezi sa konstrukcijom dokaza za postavljeni cilj. Programer je
duan da definie bazine logike veze, ali ne i naine na koji se
zakljuci primenjuju. Dakle Logika + kontrola = algoritam.

3.1. Logiki programski jezik

Programski jezik ukljuuje: sintaksu, semantiku programa i
komputacioni (raunski) model.
Postoje mnogi naini za organizaciju komputacije. Najpoznatija
paradigma je proceduralna. Program definie komputaciju tako
to daje odgovor na pitanje kako neto treba da bude izvreno.
Primeri nekih jezika koji potpadaju pod proceduralne jezike su
Fortran, C, i objektno-orijentisani jezici.
Jo jedna paradigma je deklarativna paradigm. Program definie
komputaciju davanjem odlika tanog odgovora. Prolog i logiki
jezik podataka (LDL Logic Data Language) su primeri
deklarativnih jezika, koji naglaavaju logike odlike komputacije.
Prolog i LDL se nazivaju jo i logiki programski jezici. Prolog
(PROgramming LOGic) je najpopularniji logiki programski jezik
nastao u oblasti vetake inteligencije. Postao je popularan kod
istraivaa vetake inteligencije koji definiu ta i kako se
inteligentno ponaanje postie.
11

U svakom jeziku, formiranje komponenti (izraza, tvrdnji) je

voeno prema sintaksnim pravilima. Komponente se dele na dva
dela: komponente podataka, i programske komponente.
Programske komponente su kolekcije objekata podataka koja
prate hijerarhiju. Objekat podataka bilo koje vrste takoe se i
naziva termin. Termin je konstanta, varijbla ili sloenica.
Takozvani jednostavni objekti podataka ne mogu se dalje
dekomponovati, to su na primer atomi, brojevi, konstante,
varijable. Sintaksom se postie razlikovanje objekata podataka.
Struktuirani objeki podataka sainjeni su od nekoliko komponenti.
Ovi termini detaljnije su objanjeni u nastavku:
1. Objekti podataka - termini:
- Konstante, oznaavaju elemente kao to su integer,
floating-points
- Varijable, oznaavaju pojedinane nedefinisane elemente,
simboli za varijable poinju sa velikim slovom ili su
podvueni.
- Sloenice se sastoje iz sekvenci jednog ili vie termina koji
se nazivaju argument.
2. Jednostavni objekti podataka: atomi, brojevi varijable:
- Atomi poinju malim slovom, obino su praeni drugim
slovima koja su ili velika, ili su brojevi, ili podvueni. Primer:
a jevee dva_B
- String niz karaktera kao to su znakovi i specijalni
karakteri: <> ** & ABC 1234.
- Brojevi, aplikacije koje ukljuuju numerike kalkulacije koje
su retko zapisane u Prolog-u. Prezentuju realne i cele
brojeve kao to su 0, 15, -2, 100, 0.5, -3.14434.
- Varijable, poinju velikim slovom, obino su praeni
drugim slovima koja su ili velika, ili su cifre, donja crta, kao
na primer, X25 List Imenica_Fraza.
3. Struktuirani objekti podataka: generalna i specijalna
struktura:
- Generlana strukutra. Struktuirani termin je sintaksno
formiran na osnovu liste argumenta, lista argumena se
nalazi izmeu zagrada, argumenti su razdvojeni zarezom,
svaki argument je termin. Primeri: veeOd(9,6) , plus(2,3,5).
-Specijalna struktura. Ureena kolekcija termina naziva se
lista. Liste su struktuirani termini, a predstavljaju se
sintaskno na sledei nain: Prazna lista je oznaena na
12

sledei nain [ ], lista koja nije prazna nosi sa sobom

elemente, koji su razdvojeni zarezima, primer: [ jabuka,
naranda, ananas ].

4. Upravljanje znanjem
Kao to je ve spomenuto algoritam se sastoji iz: logike
komponente koja definie znanje koje e biti upotrebljeno u
reavanju problema, i kontrolne komponente koja odreuje
strategije za reavanje problema koristei specifina znanja.
Dakle Algoritam = logika + kontrola.
Logika komponenta odreuje znaanje algoritma dok kontrolna
komponenta utie samo na efikasnost.
Alogritam moe biti formulisan na razliite naine, a da se ponaa
na isti nain. Jedna formulacija moe biti tvrdnja u logikoj
komponenti i da upoljava specifinu strategiju za reavanje
problema u kontrolnoj komponenti. Druga formulacija mogla bi
imati komplikovanu logiku komponentu i upoljavati jednostavnu
strategiju za reavanje problema.
Efikasnost algoritma esto moe biti poboljana, usavravanjem
kontrolne komponente bez promene logikog algoritma, dakle
bez promene znaenja algoritma.
Postojei trend u bazama podataka jeste razdvajanje logike i
kontrole. Aktuelni programski jezici ne prave razliku izmeu njih.
Programer mora da naglasi i logiku i kontrolu koristei odreeni
jezik. Izvreni mehanizami angauju samo najosnovnije
mogunosti reavanja problema.

13

Kompjuterski programi e biti ispravniji, lake usavravani, i

spremniji za adaptaciju prema novim problemima kada
programski jezici budu razdvajali logiku i kontrolu, i kada izvrni
mezhanizmi budu pruali kompletniju arhitekturu od one koju
pruaju dokazani inteligentni sistema zasnovani na dokazivanju
teorema.

Zakljuak
Reprezentacija znanja u najfundamentalnijem smislu predstavlja
surogat, zamenu za orignialnu stvar, koja se koristi kako bi
omoguila entitetima da odrede posledice razmiljanja pre nego
injenja, tj. rasuivanja pre nego preduzimanja akcija.
Reprezentacija znanja je medijum za pragmatino efikasnu
komputaciju, tj. obezbeuje okruenje za komputaciju u kojem je
razmiljanje postignuto. Reprezentacija znanja je medijum
ljudskih izraavanja, jezik u kojem govorimo stvari o svetu.
Budunost reprezentacije znanja se ogleda u tome da e
kompjuterski programi biti ispravniji, lake usavravani, i
spremniji za adaptaciju prema novim problemima kada
programski jezici budu razdvajali logiku i kontrolu, i kada izvrni
mezhanizmi budu pruali kompletniju arhitekturu od one koju
pruaju dokazani inteligentni sistema zasnovani na dokazivanju
teorema.

14

Literatura

1. W Stuart Russell and Peter Norvig - Artificial Intelligence - A Modern

Approach (3. izadnje), 2010
2.

http://groups.csail.mit.edu/medg/ftp/psz/k-rep.html#sum

3. http://www.myreaders.info/html/artificial_intelligence.html

15