FAKULTET SPOLJNE TRGOVINE

BIJELJINA

SISTEMI PODRKE

Ekspertski sistemi

Prof.dr. Branko Krsmanovi Student

Dragana Bajovi

Bijeljina, maj 2007.

 Ekspertski sistemi
________________________________________________________________________

UVOD

Raunari se dugo koriste za reavanje strukturalnih problema sa

kvantitativnim modelima. Takvi modeli, ipak, ne mogu reiti sloene
probleme u situacijama u kojima je potrebno specijalistiko znanje.
Takvo znanje moe biti obezbedjeno, u nikim sluajevima, ekspetskim
sistemom (ES). Medjutim, upotreba ES je ograniena faktorima kao to
su tekoe u usvajanju znanja i nomogunou ES da ui iz iskustva. Za
situacije u kojima ES nije prikladno reenje, koristimo pristup zvani
mainsko uenje. Mainsko uenje se odnosi na komplet metoda koje
pokuavaju da naue raunare da reavaju probleme ili da podre
reavanje problema putem analiziranja sluajeva koji su se ve
dogodili.

Komponente koje postoje u ekspertskom sistemu :

Baza znanja,
Mehanizam za odluivanje,
Tabla (radno mesto)
Korisniki interfejs i podsistem za objanjavanje,

2
 Ekspertski sistemi
________________________________________________________________________

PREDNOSTI I NEDOSTACI EKSPERTSKIH SISTEMA

Prednosti ekspertskih sistema su :

Povean rezultat i produktivnost,

Povean kvalitet
Prikupljanje i irenje deficitarne ekpertize
Operacije u opasnim okruenjima
Dostupnost znanja i pomo alterskim slubenicima
Pouzdanost
Poveane mogunosti drugih sistema
Mogunost da radi s nekompletnim i neodredjenim
informacijama
Obezbedjenje obuke
Poveanje sposobnosti za donoenje odluka I reavanje
problema
Smanjenje vremena za donoenje odluka
Redukovanje zastoja u radu

Uprkos mnogim prednostima, dostupne ES metodologije nisu

uvek direktne I efikasne. Ovde su izloeni neki problemi koji su
usporili komercijalno irenje ES:

Znanje koje treba pribaviti nije uvek lako dostupno,

Ekspertiza je teko ekstrhovati od ljudi,
Pristup svakog eksperta situaciji moe biti razliit, mada
ispravan,
Cak i visokoobuenom ekspertu teko je da tano proceni
situaciju kad je pod pritiskom kratkih rokova,
Korisnici ekspertskih sistema imaju prirodna spoznanja
ogranienja, tako da ne mogu da koriste prednosti sistema do
granica njegovih mogunosti,
ES funkcionie dobro samo u usko definisanim oblastima, kao to
je utvrdjivanje kvarova na mainama,
Veina ekspertskih sistema nema nezavisne naine provere u
pogledu toga da li su njihovi zakljuci razumni ili ispravni,
Renik, ili argon, koji eksperti koriste da izraze injenice i
odnose esto je ogranien i nerazumljiv za druge,

3
 Ekspertski sistemi
________________________________________________________________________

Pri izgradnji ES-a esto je potrebna pomo iskusnih ininjera koji

su retki i skupi-to moe initi ES izradu prilino skupom,
Nedostatak poverenja krajnjih korisnika moe biti barijera za
upotrebu ES,
Transfer znanje je predmet perceptivnih i vrednosnih
predrasuda,
Mogunost za lou preporuku datu od strane Es je teko
proceniti.

EKSPERTSKI I INTELIGENTNI SISTEMI ZASNOVANI NA

WEBU

Odnos izmedju ekspertskih sistema i Interneta I intranetova je

dvosmerna ulica. Net podrava aplikaciju ekspertskih sistema (I drugu
vetaku inteligenciju), a ES-I podravaju Net.

Jedno od opravdanja za ES je njihova mogunost da obezbede znanje I

savet velikom broju korisnika. irenjem znanja do mnogih korisnika,
troak po korisniku postaje mali, inei ES-e vrlo primamljivim.
Medjutim, prema Erikssonu (1996), postizanje ovog cilja pokazalo se
vrlo komplikovanim.Poto se savetodavni sistemi ne koriste esto,
potreban im je veliki broj korisnika da bi se opravdala njihova
izgradnja. Rezultat toga je da je vrlo mali broj ES-a pruao znanje
velikom broju korisnika. Medjutim, iroka dostupnost i korienje
Interneta i intranetova sada pruaju mogunosti za pruanje ekspertize
i znanja masovnoj publici. Primena ekspertskih sistema (i drugih
inteligentnih sistema) kao servera znanja, uinila je ekonomski
opravdanim I profitabilnim publikovanjem ekspertiza za Netu. Ovaj
metod primene opisan je u : Eriksson i u Huntington.
ES-i mogu da se prenosi preko Neta ne samo ljudskim korisnicima nego
i drugim kompjuterizovanim sistemima, ukljuujui DSS, robotiku i baze
podataka. Druga mogunost je ES izgradnja preko Neta. Ovde se
saradnja izmedju graditelja, eksperata i ininjera znanja moe olakati
pomou softvera za radne grupe koji se zasnivaju na internetu.
Saradnja moe da smanji trokove izgradnje ES. Trokovi prikupljanja
znanja mogu biti smanjeni, na primer, u sluajevima kada ima nekoliko
eksperata ili kada ekspert nije na istoj lokaciji kao i inenjer znanja.
Odravanje znanja takodje moe biti olakano upotrebom Neta.
Web takodje moe da podri irenje ekspertskih sistema koji se
zasnivaju na mulitimedijama. Takvi sistemi, poznati kao intelimedia
sistemi podravaju integraciju opsenih multimedijima. Takvi sistemi
mogu biti vrlo podesni za korisnike na daljinu, kao to je sluaj u

4
 Ekspertski sistemi
________________________________________________________________________

turistikoj industriji i daljinskom dijagnostikovanju kvarova na

uredjajima.

Automatsko prevodjenje jezika na webu

Prevodjenje Web sajtova sa jednog jezika na drugi pomou

inteligentnih sistema datira od sredine devedesetih godina prolog
veka. Danas to rade mnoge kompanije. ak i Netscape 6 pretraiva
nudi AutoTranslate, karakteristiku koja dozvoljava automatksko
prevodjenje Web stranica s jednog jezika na drugi. U jesen 2000.
system je bio u stanju da podri 14 jezikih kombinacija (npr. S
engleskog na japanski)

SEMANTIKE MREE

Semantike mree opisuju element i veze izmeu njih.

Objekti se oznaavaju sa i
veze se oznaenim strelicama.
Elementi su vorovi, a strelice su veze.
vor koji predstavlja specifian primer klase naziva se primerak
(instanca).

STRATEGIJE PRETRAIVANJA

Strategije pretraivanja se mogu podeliti na:

neka putanja
po dubini,
po irini,
generii i testiraj,
planinarenje,
prvo najbolji,
Grananje i ograniavanje
optimalna putanja
Zadovoljavanje ogranienja
Metoda sukcesivnih aproksimacija
Britanski muzej

5
 Ekspertski sistemi
________________________________________________________________________

Skoi i ogranii
Igre
Minimaks
Alfa-beta podeavanje
Progresivno proirivanje
Heuristiko podeavanje
Heuristiko nastavljanje

Po irini (Breadth-first)

Ciljni vor se trai izmeu svih vorova na datom nivou pre nego to se
krene sa njihovim sledbenicima
1. Formirati listu vorova koja inicijalno sadri samo startni vor.
2. Dok se lista vorova ne isprazni ili se ne dodje dociljnog vora,
proveriti da li je prvi element liste ciljni vor
2.1. Ako je prvi element ciljni vor, ne raditi nita.
2.2. Ako prvi element nije ciljni vor, ukloniti prvi element iz liste i
dodati njegove sledbenike iz stabla pretrage (ako ih ima) na kraj liste.
3. Ako je pronaen ciljni vor, pretraga je uspeno zavrena; u
suprotnom pretraga je neuspena.

6
 Ekspertski sistemi
________________________________________________________________________

Po dubini (Depth-first)

1. Formirati listu vorova koja inicijalno sadri samo startni vor.

2. Dok se lista vorova ne isprazni ili se ne doe do ciljnog vora,
proveriti da li je prvi
2.1. Ako je prvi element ciljni vor, ne raditi nita.
2.2. Ako prvi element nije ciljni vor, ukloniti prvi element iz liste i
dodati njegove
sledbenike iz stabla pretrage (ako ih ima) na poetak liste.
3. Ako je pronaen ciljni vor, pretraga je uspeno zavrena; u
suprotnom pretaga je neuspena.

7
 Ekspertski sistemi
________________________________________________________________________

Pregradak vora ine veze razliitih imena.

OKVIRI

Okviri su jedan od naina predstavljanja znanja kojim se ogranizuje

predstavljanje istinitih stvari za neku optu klasu elemenata.
Okviri su u stvari skup semantikih vorova i pregradaka koji opisuju
zajedno stereotipske objekte, dogaaje, akcije.
Nekada se razvijaju mree u kojima su vorovi okviri.
Kod okvira je naglasak na implicitnom znanju.

Sistemi zasnovani na okvirima

Raunarski program koji obrauje specifine informacije problema,

koje se
nalaze u radnoj memoriji skupom okvira iz baze znanja, koristei
mainu za
zakljuivanje da bi se izvele nove informacije naziva se sistem
zasnovan na
okvirima.

8
 Ekspertski sistemi
________________________________________________________________________

Ciljna agenda: obezbeuje listu zadataka koje treba obaviti, slino

kao u sistemima zasnovanim na pravilima.
Skup pravila: ukljuuje mona pravila uparivanja uzoraka koji
omoguavaju izvlaenje zakljuaka iz celokupnog sveta okvira
pregledanjem svih okvira u potrazi za informacijama koje podravaju
zakljuke.
Okvir klasa: sadri generike informacije o konceptu, a to su:
deskriptivno ime koncepta, skup osobina koje su karakteristine za sve
pridruene objekte, kao i vrednost osobina za koje se smatra da su
zajednike objektima.

PRODUKCIONI SISTEMI

Najee koriena ema za predstavljanje znanja u ekspertskim

sistemima .
Koristi pravila za predstavljanje znanja.
Sistem se sastoji od tekueg stanja, interpretera i produkcionih
pravila
Produkcioni sistemi
Globalna memorija se koristi da se prati tekue stanje sistema.
Ona se sastoji od niza pojedinanih memorijski elemenata.
Konceptualno, svaki memorijski element opisuje stanje nekog objekta
od interesa.
Memorijski element se sastoji od simbola koji identifikuje opisani
element iza koga slede serije parova atribut-vrenost, od kojih svako
opisuje tekue stanje pridruenog elementa.

NEIZVESNO OKRUENJE

Tipovi neizvesnosti mogu biti:

nepotpuno, neizvesno znanje (heuristiko znanje nekog aspekta
domena na primer, ekspert moe da zna samo da izvestan skup
pojava, injenica, podrazumeva neki zakljuak;
neizvesni podaci ako je i siguran u znanje, moe da bude
neizvesnosti u podatke koji opisuju spoljno okruenje (uzrok iz opaanja
pojave);
nepotpuna informacija donoenje odluke na osnovu nepotpunih
informacija;
sluajnost neke oblasti su po prirodi sluajne iako je znanje i
informacije potpune, a znanje sigurno, domen poseduje stohastika
svojstva

9
 Ekspertski sistemi
________________________________________________________________________

Rezonovanje zasnovano na predikatskoj logici je poeljno zbog svoje

preciznosti i strogosti izvoenja. Izvedena istina ne dovodi do
kontradikcije, ako ona ne postoji unutar aksioma.
Stoga je karakteristika predikatske logike monotono rezonovanje, jer
se broj informacija koje su poznate u bilo kom trenutku vremena stalno
poveava, nikad ne smanjuje.
Meutim, postoje problemi u kojima se ova logika ne moe primeniti:
raspoloive informacije esto nepotpune ili nesigurne
uslovi se menjaju tokom vremena
postoji esto potreba da se uine efikasne, ali mogue
neispravne odluke kada se se doe u orsokak

NEMONOTONO REZONOVANJE

Uvodi se probno poverenje koje se zasniva na implicitnim

pretpostavkama koje se usvajaju u odsustvu suprotnih injenica
Let avionom - putnik ima poverenje u pilota, ako nema suprotnih
injenica. Nemonotono rezonovanje se zasniva na ovom konceptu.
Nemonotono rezonovanje je praeno skupom probnih poverenja i
revidira neka poverenja kada se doe do novih saznanja.
Ovo rezonovanje ukljuuje:
premise - koje su uvek tane, kao ranije posmatrane aksiome,
probna poverenja - koja mogu potencijalno da budu netane, jer
proizilaze iz pretpostavki,
zapis zavisnosti - poverenje i njegovo opravdanje: injenica, druga
poverenja i zakljuci, koji su korieni da se proizvede dato probno
poverenje

TMS

Truth Maintance System - TMS - sistem za odravanje

istinitosti
TMS radi kao sistem za upravljanje bazom znanja i poziva se svaki
put kada system rezonovanja generie novi zakljuak.
Primenjujui reviziju poverenja, preuzima akcije za modifikaciju
zavisnih poverenja da bi odrao konzistentnost baze znanja.
Ovaj sistem ima pasivnu ulogu. On nikad ne inicira generisanje novih
zakljuaka, ve stoji na raspolaganju programu ili programima koji vre
stvarno zakljuivanje, pa je uloga TMS-a odravanje interne
konzistentnosti stavova
korienih od strane drugih programa.

10
 Ekspertski sistemi
________________________________________________________________________

Nikad ne inicira generisanje novih zakljuaka.

U TMS-u stav ili pravilo se naziva vor.
vor se moe nalaziti bilo u stanju IN koji znai da se veruje da je
tvrenje u njemu istinito, ili OUT, kada se ne veruje da je to tvrenje
istinito, jer nema potvrdnih dokaza, ili ako nijedan od potencijalnih
dokaza trenutno nije istinit.
Za svaki vor u IN stanju TMS vodi zapis o dobro zasnovanoj podrci:
informacije o valjanosti vora, polazei od sistemskih injenica i
opravdanja.

RASPLINUTA LOGIKA

Eksperti se esto oslanjaju na zdrav razum pri reavanju problema -

neodreene i dvosmislene izraze. Na primer, kada motor postane
stvarno
vreo, treba smanjiti malo brzinu.
Rasplinuta logika se pojavila negde oko 1920. god., kada ju je
predloio
Lukasiewicz, da bi je 1965 proirio Zadel.
Rasplinuta logika je grana logike koja koristi stepen lanstva u
skupovima, a
ne striktno true/false lanstvo.
Rasplinuta logika se prvenstveno odnosi na kvantifikaciju i
zakljuivanje i
neodreenim ili rasplinutim izrazima, koji se pojavljuju u prirodnom
jeziku.
Ovi neodreeni izrazi se najee nazivaju lingvistike promenljive.
Lingvistike promenljive tipine vrednosti temperatura vrelo, hladno
visina nizak, srednjeg rasta, visok starost mlad, star.

11
 Ekspertski sistemi
________________________________________________________________________

FORMIRANJE RASPLINUTIH SKUPOVA

Da bi se predstavio rasplinuti skup, potrebno je definisati funkciju

lanstva.
Jedan pristup koji se moe koristiti je da se propita grupa ljudi u
pogledu njihovog shvatanja izraza koji elimo da prikaemo rasplinutim
skupom.
Koncept visine osobe: moemo pitati svakog pojedinca u grupi da
kae ta on podrazumeva pod visokom osobom. Posle dobijanja
odgovora za opseg visina,
moemo izvriti jednostavno usrednjavanje da bi dobili rasplinuti skup
za visoke ljude.
Ovu funkciju moemo koristiti da opiemo nae verovanje da neka
osoba pripada skupu visokih ljudi. Slino moemo uraditi za sluajeve
niskih i srednje
visokih ljudi.

12
 Ekspertski sistemi
________________________________________________________________________

STRATEGIJE REAVANJA PROBLEMA

iscrpno pretraivanje, t.j. ispitivanje svakog mogueg stanja

problema.
Mogue je samo ako je prostor stanja razumno mali, negde do 10!
Stanja (sistem XCON ekspertski sistem za konfigurisanje
VAXraunara)
Da bi se moglo raditi sa velikim prostorom stanja, koriste se dva
principa:
Razvijanje efikasne metode koja moe da radi sa velikim prostorom
stanja
Transformacija prostora stanja u komponente koje se mogu zasebno
obraivati, na primer iscrpnim pretraivanjem

Generii i testiraj

Metoda koja se zasniva na prvom navedenom principu. Obuhvata

heuristiko pretraivanje i koristi se vie u oblasti vetake
inteligencije, nego u ekspertskim sistemima, ali se i u ovim sistemima
ponekad koristi ovaj princip. Zasniva na:
Generatoru (potpuno kandidat reenje)
Procenjivau (uporeuje predloeno reenje sa zahtevanim stanjem,
sve dok se ne doe do reenja)

13
 Ekspertski sistemi
________________________________________________________________________

Generator bi trebalo da bude potpun, da generie sva mogua

reenja, i nereduntantan, reenje se samo jednom generie. Meutim
ovakvo reenje je samo strukturirano iscrpno pretraivanje.
U nekim sluajevima, mogue je nai generator koji e moi da
prepozna da itava klasa predloenih reenja ne zadovoljava zadato
eliminaciono ogranienje- znaajno smanjiti prostor pretraivanja. Ovaj
proces se naziva
hijerarhijsko henerii i testiraj (HGT).
Primer provalnika: ifra brave: 00-00-00 ukupno 106 razliitih
kombinacija. Ako je mogue isprobati tri ifre problema za jedan minut
i da se u proseku proe kroz polovinu kombinacija da bi se uspelo,
potrebno je 16
nedelja, ako se radi 24h dnevno.
Ako provalnik zna da su svi brojevi u kombinaciji prosti, onda ima
samo 253 = 15625 brojeva, te bi mu trebalo 2 dana, umesto 16
nedelja.
HGT se esto koristi u interpretaciji podataka, odnosno da se pronae
prihvatljiva intrpretacija iz velikog obima podataka.
Posebno efikasno kada je skup prihvatljivih reenja mali podskup svih
rmogunosti.
Primer spektograma: Odreivanje ureenosti atomske strukture u
nekom molekulu m na osnovu masenog spektograma razbijanja
molekula u naelektrisane estice. Svrha sistema DENDRAL je da na
osnovu hemijske
formule, na primer C8H16O, i na osnovu masenog spektograma odredi
strukturu, t.j. kako su atomi ureeni u hemijskoj strukturi.
Transformacija prostora pretraivanja
Problem velikog prostora pretraivanja se reava primenom
apstrakcije i problema dekompozicije.
Apstrakcija je proces generalizacije predstave najvanijih elemenata
problema. Ovim se dozvoljava reavau problema da ignorie manje
vane detalje i da se usredsredi na glavne odluke, odnosno elemente.
Problem dekompozicije je proces razlaganja sloenog problema u
skup potproblema iji je stepen sloenosti manji. Hijerahijskim
pristupom, mogue je definisati nekoliko nivoa apstrakcije, svaki sa
rastuim nivoom detalja.
U najveem broju sluajeva, potproblemi koji rezultuju iz
dekompozicije imae meusobnu interakciju.
Suoavanje sa interakcijama
Nekada je mogue definisati fiksni redosled izvravanja obrade
potproblema kojim se moe kontrolisati interakcija izmeu
potproblema.
Syscon (1986) je ekspertski sistem koji se koristi jo od 1984.god.
radi konfigurisanja velikih raunara. Zadatak ovog ekspertskog sistema
je da da

14
 Ekspertski sistemi
________________________________________________________________________

specifikaciju i konfiguraciju komponenti na niskom nivou koje se

zahtevaju da bi se proizvodio sistem koji je u poetku opisan kao skup
glavnih
komponenti. Na primer, dva procesora, U/I kontroler, dve memorijske
jedinice, itd.
Postoji 479 razliitih tipova komponenti u ciljnom sistemu koje
variraju po sloenosti od prostog kabla do napajanja. Proces
konfiguracije zahteva oko jedne nedelje rada, kada ga radi ovek, i
zahteva od 500-800 razliitih odluka.
Fiksni redosled potproblema
Iako ima na hiljade deavanja pojedinanih komponenti, mogue je
posmatrati sistem apstraktno, kao kompozicijuod ne vie od 24 razliite
glavne funkcionalne jedinice. Na osnovu date apstrakcije, ukupan
prostor se moe podeliti u skup potprostora koji odgovaraju glavnim
jedinicama.
Da bi se razmotrio problem interakcije potproblema, oni se planiraju
u specifinom, unapred odreenom poretku. Akcije koje se preduzimaju
u obradi prvih potproblema ograniavaju mogunosti kasnije
obraivanih
potproblema, i stoga proces postaje jako deterministiki, kako proces
obrade potproblema odmie. Ovakav pristup je mogu kod Syscon
sistema samo zbog toga to je mogue definisati unapred skup
podzadataka i redoslednjihovog reavanja.
Meutim, ovo nije uvek mogue, te je neophodno poveati snagu
rezonovanja sistema koja ukljuuje mogunosti dinamikog formiranja
skupa potproblema za vreme i u toku obrade problema.
Planiranje je proces odluivanja o akcijama (redosledu akcija) pre
njihovog izvravanja. Sistemi planiranja se zasnivaju na simuliranju
akcija na bazi modela domena. Po simulaciji svake akcije njen efekat
na domen se posmatra. Akcije koje se ne mogu korigovati u stvarnom
okruenju se odbacuju iz simulacionog modela. Planiranje poveava
efikasnost u domenima u kojima se greke mogu ignorisati i korigovati,
ali je neefikasno tamo gde su greke nepromenljive.
Sistemi planiranja se zasnivaju na dekompoziciji, da bi se reio jedan
problem, a zatim drugi. Meutim, tekoe se pojavljuju zbog
interakcije izmeu problema.
Zato se planeri oslanjaju na dinamiko reavanje interakcija izmeu
potproblema. Polazi se od toga da ti konflikti nisu esti. U takvim
sluajevima je razumnopretpostaviti u poetku da se problem moe
potpuno dekompozivati i tek zatim primeniti specijalnu obradu da
bi se detektovale i reile interakcije i to onda kada se dese.
Sistema za planiranje Strips, koristi ovaj prilaz. Zasniva se
pretraivanju na bazi sukcesivnih aproksimacija, uz korienje ciljnog
steka. Ciljni stek sadri ciljeve i operatore kojima treba da se ostvare ti
ciljevi. Pored ciljnog steka planeri tipa Strips koriste predikatsku logiku

15
 Ekspertski sistemi
________________________________________________________________________

za predstavljanje tekueg stanja sistema, i skup operatora koji se

koriste za modifikaciju stanja.
Primena operatora najee menja samo neke od objekata
(elemenata) koji ine opis stanja sistema. Ako operator ita sve pre i
posle uslove, nepromenjeni elementi e biti nepotrebno ponavljani kod
svake operacije. Strips reava ovaj problem na bazi pretpostavke da se
svi elementi stanja smatraju nepromenjenim, izuzev onih koji su
eksplicitno naznaeni kao
promenljivi.
Svakom operatoru je pridruena lista preduslova koji opisuju
elemente koji moraju da budu u opisu stanja da bi se operator mogao
primeniti, lista dodavanja koja opisuje elemente koji se dodaju u opis
stanja po primeni operatora, i lista brisanja koja navodi elemente koje
treba ukloniti.

STRIPS

STRIPS sistem za reavanje problema zasnovan na predikatskoj

logici:
Osnovna namena STRIPS-a nije samo dokazivanje da je neki stav
mogu, ve i generisanje niza operatora ijom se primenom dolazi do
eljenog stava.
Umesto da koristi situacije kao promenljive koje opisuju koji su iskazi
istiniti u odreenom stanju, STRIPS odrava model sveta, skup izraza
koji
zajedno kazuju kakva je trenutna situacija.
Procedure (operatori) mogu se aktivirati ako su ispunjeni odreeni
preduslovi; nakon aktiviranja, odreeni stavovi postaju neistiniti I
uklanjaju se iz modela sveta, dok neki drugi postaju istiniti I moraju se
dodati modelu sveta.
STRIPS moe da poslui kao heuristiki reava problema.

INDUKCIONI SISTEMI

Zbog problema koji se pojavljuju pri dobijanju znanja od eksperta,

tehnike koje automatizuju proces sakupljanja znanja putem mainskog
uenja su postale vrlo
privlane.
Mainsko uenje je ve dugo prepoznato kao bitna karakteristika
vetake inteligencije.
Metode uenja se mogu klasifikovati na sledee klase:
uenje napamet

16
 Ekspertski sistemi
________________________________________________________________________

uenje saoptavanjem
uenje putem primera
uenje preko analogija
Najrasprostranjenija od tehnika uenja u ekspertskim sistemima je
uenje putem primera indukcija.

Indukcija je proces izvoenja optih pravila iz znanja koja se sadre u

konanom skupu primera. Na primer, ako osoba A kae osobi B
da voli slikarstvo, vajarstvo, poeziju, onda osoba moe da zakljui da
osoba A voli umetnost.
Induktivno uenje se moe posmatrati kao pretraivanje prostora
problema radi nalaenja reenja.
Primer - problem nalaenja poklona. Neka su glavni koncepti
problema: novac, starost osobe, pokloni.
Usvajaju se sledee pretpostavke
Novac mnogo ili malo
Starost dete ili odrasla osoba

IF mnogo novca
AND kupuje se poklon za odraslu osobu
THEN kupiti kola

17
 Ekspertski sistemi
________________________________________________________________________

IF mnogo novca
AND kupuje se poklon za dete
THEN kupiti raunar
IF malo novca
AND kupuje se poklon za odraslu osobu
THEN kupiti toster
IF malo novca
AND kupuje se poklon za dete
THEN kupiti kalkulator

ID3

ID3 je induktivni algoritam koji se koristi u veini ekspertskih istema.

ID3 uzima skup primera problema i generie stablo odluivanja.
Primer je kombinacija faktora odluivanja, vrednosti faktora
odluivanja, i akcije specifine za taj primer.

18
 Ekspertski sistemi
________________________________________________________________________

Izbor najpre najvanijeg elementa prva odluka je izbor atributa

barometarski pritisak kao korena stabla. Ispitivanje prvo ovog faktora
je najefikasnije, poto dva od tri mogua odgovora vode neposrednom
predvianju, bez potrebe da se ispituju faktori nebo ili temperatura.
Dakle, ID3 smeta najvanije faktore odluivanja blizu korena stabla.
Nema podataka povremeno se deavaju sluajevi da se ne moe
dobiti rezultat. To oznaava situaciju za koju ne postoje primeri na
osnovu kojih se moe izvui zakljuak. Ako se naie na ovakve
situacije, to je obino znak da je skup primera nedovoljan i da ga je
potrebno upotpuniti novim primerima koji bi podrali te mogunosti.
Iskljuivanje nevanih faktora jo jedna vana odlika ID3 je da
ustanovi da originalni skup sadri atribut smer vetra, ali ovaj faktor se
ne pojavljuje nigde u stablu odluivanja. ID3 je odluio, na osnovu
skupa primera, da je ovaj faktor nebitan za predvianje vremena.
ovek koji je ekspert za predvianje vremena moe da bude nesvestan
da je ovaj faktor nevaan.

19
 Ekspertski sistemi
________________________________________________________________________

Podsistem za objanjavanje

Podsistem za objanjavanje objanjava rezonovanje sistemakorisniku.

Ovo je jedan od najvanijih delova ekspertskog sistema, I po njemu se,
izmeu ostalog, razlikuje ekspertski sistem od tradicionalnog softvera.
Kod tradicionalnog softvera korisnik:
je zainteresovan samo za rezultat, a ne i to kako se do njega dolo,
ima malo znanja u posmatranom domenu i stoga ne bi razumeo
opis koji se zasniva na specifinoj terminologiji domena,
ne pokuava da ui o domenu od sistema (na primer, osoba koja
pokree program za obraun plata ne pokuava da vidi taj obraun)
Kod ekspertskog sistema vai sledee:
sistem se projektuje da proizvede odgovarajui rezultat, ak I kad su
informacije nepotpune ili delimino netane,
ekspertski sistemi se koriste, izmeu ostalog i za obuavanje
Ako postoji mogunost da sistem da nekorektne rezultate, tada
korisnik ne moe slepo prihvatiti rezultate sistema.
Podsistemi za objanjavanje su od manje vanosti za ekspertske
sisteme koji su potpunbo autonomni. Kod njih, ovaj podsistem moe da
bude ogranien ili da ga uopte nema. Nasuprot tome, podsistem za
objanjavanje je veoma vaan za ekspertske sisteme koji se koriste kao
savetnici ili konsultanti.
Vanost ukljuivanja korisnika i prateeg podsistema za objanjavanje
se poveava pri poveanju sledeih faktora:
verovatnoe netanih rezultata
cena kotanja zbog greke
elje da se prenese ekspertiza na korisnika
Podsistem za objanjavanje u ekspertskom sistemu obavlja jedan od
sledeih zadataka:
pomo u dijagnosticiranju i otklanjanju greaka sistema
obavetavanje korisnika o tekuem statusu
poveanje poverenja korisnika u sistem
objanjenje izraza i koncepata koje koristi ekspertski sistem
poveanje nivoa ekspertize korisnika
Osnovno objanjenje je fokus na dijagnostiku. Radi se o jednom
hipotetikom podsistemu za objanjavanje, zvanom Fixit, koji je slian
mnogim koji su ukljueni u konsultacione sisteme.
Najosnovniji koncept u podsistemima za objanjavanje je da se
objanjenje zasniva na obradi meta-znanja, t.j. znanja koje sistem ima
o svom sopstvenom internom znanju. Kada koristi meta-znanje,
ekspertski sistem radi u introspektivnom reimu gledajui na svoj
sopstveni rad sa take gledita spoljnog posmatraa.
Da bi objanjenje bilo efektivno, mora da postoji radni okvir za njega:

20
 Ekspertski sistemi
________________________________________________________________________

opte razumevanje naina zakljuivanja koje koristi sistem

razumevanje domenski specifinog renika
Fixit je ekspertski sistem koji vri dijagnozu problema uautomobilu.
Radni okvir je produkcioni sistem ciljno voen koji konstruie ciljeve
koje treba postii u toku dijagnostike sesije. Fixit nudi dve osnovne
opcije za objanjenje HOW i WHY. U
daljem tekstu e se prikazati primer mehaniara koji koristi WHY da bi
odredio zato kola nee da upale.

Korisnost osnovnog sistema objanjavanja

Ovaj tip sistema je koristan kod dijagnosticiranja I provere baze

znanja. Poetna svrha podsistema za objanjavanje je podrka
inkrementalnoj konstrukciji baze znanja.
Bez podsistema za objanjavanje, samo onaj koji je upoznat sa
programskom realizacijom moe da je razume ili modifikuje.
Sa podsistemom za objanjavanje, bilo ko moe, barem do nekog
znaajnog stepena, da razume rad sistema ako razume radni okvir za
objanjenja I domen.
Uzroni model
Druga vrlo mona tehnika za proirenje objanjenja je da se aktivnom
delu baze znanja pridrue uzro ni modeli. Ovi modeli, koji su esto
predstavljeni u obliku semnatikih mrea, koriste se za smetanje
informacija koje opisuju osnovne objekte u sistemu i veze izmeu ovih
objekata. Postoji nekoliko tipova veza u ovim modelima.
Kada se upit postavi, sistem odgovara dunamiki prolazei kroz
uzroni model. Zbog toga to je model za dijagnostiki sistem, moge
od veza su S/E ili E/S. Konceptualno, bilo koja S/E veza moe se
modelirati i kao E/S. U praksi izbor se zasniva na namerama korienja,
na primer, kola nee da startuju je osmotreni efekat za koji e biti
izvedeni uzroci. Nije opte mogue da se uspostavi jednaka
izvesnost u oba smera: na primer, prekinuti kai e sigurno dovesti do
toga da se ventilator ne okree, ali nije jednako izvesno da se iz
ventilator se ne okree moe zakljuiti da je prekinut kai.

Mrea moe da ukljuuje i asocijativne veze. Na primer, problemi u

sistemu hlaenja moe dovesti do internog problema motora. Mrea
takoe ukljuuje uzroke sa viestrukim moguim efektima, zavisno od
spoljnih uslova, na primer mala koliina antifriza. Sledei primer
pokazuje kako se opcije HOW i WHY mogu proiriti koristei hipotetiko
rezonovanje zasnovano na uzronom modelu.

21
 Ekspertski sistemi
________________________________________________________________________

PRESS

Press je ekspertski sistem koji reava softverske probleme koji se

deavaju u GCOS, operativnom sistemu za velike raunare firme
Honeywell.
Mnogi izvetaji o softverskim problemima se primenjuju svakog
meseca i kako bilo koji dati problem moe da bude otkriven od strane
vie raznih korisnika, mnogi izvetaji predstavljaju ponavljanje
problema koji su se pojavili u izvetajima i koji su reeni.
Press se koristi da analizira informacije iz izvetaja (prikaz memorije i
dnevnik operatorske konzole) da bi se prepoznali poznati problemi i da
obezbedi eksperta sa poetnim informacijama, za nove probleme. Da
bi postigao ovaj cilj Press se koristi kao sistem za pregled izvetaja.
Kada Press otkrije poznati problem, on daje obavetenje o ispravkama
koje treba da se primene omoguavajui tako da se dobije odgovor bez
ukljuivanja eksperta .a GCOS.

Kada Press otkrije poznati problem, on daje obavetenje o

ispravkama koje treba da se primene omoguavajui tako da se dobije
odgovor bez ukljuivanja eksperta .a GCOS.
Kada Press ne prepozna problem, on obezbeuje sumarnu informaciju,
koja ukljuuje kodove prisilnog zavretka programa I okacije i imena
odgovarajuih modula to omoguuje GCOS ekspertu da analizira
problem ne polazei od nule.
Mada sistem za objanjenje ima WHY opciju, ona nije primarno
manjena da opie strategiju rezonovanja sistema ili da je racionalizuje
ili opravda.
Ona je namenjena da obezbedi korisniku vidljivost tekueg statusa u
bilo kojoj taki za vreme izvrenja.
Objanjavanje usredsreeno na status je posebno korisno u zadacima
interpretacije podataka ili u situacijama u kojima nije jasno koja je
informacija najvanija.

22
 Ekspertski sistemi
________________________________________________________________________

ZAKLJUAK

Kada firma treba da donese kompleksnu odluku il da rei neki problem,

esto se obraa ekspertima za savet. Ovi eksperti poseduju specifina
znanja I iskustvo u vez sa problemom o kome je re. Oni imaju
predstavu alternativnih reenja, ansi za uspeh I trokova koji mogu
nastati za firmu ako se problem ne rei. Kompanije angauju eksperte
za savet u vezi sa pitanjima kao to su sukupovina opreme, integracije,
nabavke I strategija oglaavanja.

to je situacija vie nedefinisana, utoliko je savet specijalizovaniji I

skuplji. Ekspertski sistemi (ES-i) su pokuaj da se imitiraju ljudski
eksperti. Ekspertski sistemi mogu ili podrati one koji donose odluku ili
ih potpuno zameniti. Ekspertski sistemi su najire primenjeni i
komercijalno najuspeniji od AI tehnologija.

Tipino, ES je softver za donoenje odluke koji moe dostii nivo

performanse uporediv sa performansom ljudskog eksperta u nekim
specijalizovanim i najee uskim oblastima. Osnovna ideja koja stoji
iza ES je jednostavna : Eksertiza se prenosi sa eksperta (ili drugog
izvora ekspertize) do raunara. Znanje se potom uva u raunaru.
Korisnici mogu, po potrebi, da se obrate raunaru za odredjen savet.
Raunar moe izvui zakljuak i doi do reenja. Zatim, slino ekspertu,
savetuju neeksperte i objanjava, ako je potrebno, logiku koje se krije
iza saveta.
ES-i mogu ponekad da funkcioniu bolje nego bili koji ekspert.

23
 Ekspertski sistemi
________________________________________________________________________

LITERATURA

www.etf-bg.co.yu.
Balentine B., et al., How to Build Speech Recognition Application.
San Francisco: Enterprise Integration Group, 1999.
Jackson, P., Introducition to Expert Systems, 3 rd ed. Reading, MA:
Addison Wesley, 1999.
Lunt, K., Build Your Own Robot! London: A. K. Peters, Ltd., 2000.
Lazar, J., and J. Preece, Designing and Implementing Web-based
Surveys, Journal of Computer Information Systems, April 1999.
Vassos, J., Stretegic Internet Marketing. Indianapolis, IN: QUE
Publishing, 1996.
Strong, D. M., et al.m Data Quality in Context,
Communications of the ACM, May 1997.

24