Professional Documents
Culture Documents
1|Page
1. Inteligencija
o 1. Pojam inteligencije
o 2. Merenje inteligencije
o 3. Okruženje i inteligencija
2. Poslovna inteligencija
o 2. Skladištenje podataka
o 6. Grupni SPO
3. Veštačka inteligencija
o 3. Ekspertni sistemi
o 4. Neuronske mreže
2|Page
Pojam inteligencije
Pojam inteligencije
Reč inteligencija potiče od latinske reči inteligere i znači razumeti, shvatiti. Postoje mnoge
definicije inteligencije koje za sada ne definišu precizno inteligenciju kao psihičku funkciju.
Mnogi autori se razilaze čak i u razumevanju suštine procesa inteligencije. Jedni smatraju da je
inteligencija sposobnost rešavanja novih problema i snalaženje u novonastalim situacijama, dok
drugi smatraju da inteligencija obuhvata sposobnost apstraktnog razmišljanja, razumevanje
uzroka i posledica nekog problema, sposobnost razlikovanja bitnog od nebitnog, sposobnost
učenja i prilogođavanja nekom zadatom cilju. Ima i autora koji se fokusiraju na sposobnost lakog
i brzog učenja i sposobnost sticanja novih sposobnosti.
3|Page
moć brzine adaptacije na postojeće i novonastale uslove
moć brzog i lakog učenja
moć apstraktnog mišljenja
moć brzine osetljivosti za zadati problem
računske operacije i shvatanje matematičkog problema
sposobnost korišćenja reči prilikom govora i pisanja, razumevanje ideja
moć globalne sposobnosti osobe, uključujući svrsihodnu primenu svih napred navedenih
sposobnosti.
Inteligencija ili intelekt (lat. intellectus) je mentalna osobina koja se sastoji od više sposobnosti:
učenje iz iskustva
adaptiranje na nove situacije
shvatanje i razumevanje novih situacija i
korišćenje stečenog znanja u interakciji sa okruženjem.
Vrste inteligencije
Emocionalna inteligencija
4|Page
1. Samosvest – sposobnost „čitanja“ sopstvenih emocija i shvatanje kakav uticaj imaju na okolinu
2. Donošenje odluka – proučavanje sopstvenih postupaka i poznavanje posledica
3. Upravljanje osećanjima – spoznavanje šta je podloga osećanja
4. Prevazilaženje stresa – naučiti opuštati se i razumeti važnost opuštanja
5. Empatija – razumevanje tuđih osećanja i uvažavanje različitosti mišljenja
6. Komunikacija – razgovaranje o osećanjima sa razumevanjem i dobro slušati druge
7. Samootkrivanje – razumevanje potrebe za otvorenošću i poverenjem, naučiti kada i kako govoriti
o svojim osećanjima
8. Pronicljivost – prepoznavanje obrazaca u ličnom i životu drugih ljudi
9. Samoprihvatanje – umeti prihvatiti svoje mane, umeti ceniti svoje vrline
10. Lična odgovornost – preuzeti odgovornost i umeti prepoznati posledice ličnih odluka i reagovanja
11. Samopouzdanje – umeti izložiti svoje brige i osećanja bez ljutnje i pasivnosti
12. Grupna dinamika – spoznati kada pratiti, a kada voditi
13. Rešenje konflikta – model „pobediti/osvojiti“ pri pregovaračkom kompromisu.
razumeti
5|Page
misliti
zaključiti
povezati
naučiti
prepoznati
Socijalna inteligencija
Socijalna inteligencija je poseban vid inteligencije koji obuhvata više međusobno povezanih
sposobnosti kao što su: emocionalna osetljivost, socijalna analitičnost, dobra samokontrola,
socijabilnost, tolerancija i socijalna adaptabilnost. Socijalna inteligencija obuhvata i sposobnost
tačnog prepoznavanja i razumevanja osećanja drugih, kao i pronicljivost u otkrivanju i
tumačenju često skrivenih namera drugih, interpersonalnih stavova na osnovu primetnih znakova
u ponašanju. Neophodna je za uspešan rad menadžera, političara, psihologa, socijalnih radnika,
terapeuta, advokata, policajaca i drugih koji su upućeni na rešavanje problema pojedinaca i grupa
ljudi.
Granična inteligencija
Apstraktna inteligencija
6|Page
Praktična inteligencija
Politička inteligencija
Slika 4.
7|Page
Duhovna inteligencija
Neki testovi koji se odnose na različite vrste inteligencije mogu se videti i uraditi na
Ako se pretvarate da ne znate ono što ljudi misle da znate, sledeći put će misliti da znate i ono što ne
znate. Francis Bacon
Merenje inteligencije
00:13:46
Jedinica: 2 od 15
8|Page
Slika 1.
Inteligencija i učenje
Tek nešto manje od 50% pojedinaca ima manje-više konstantan IQ od rane dobi do perioda
adolescencije, a ostali pokazuju znatne oscilacije. Znatno je viša stabilnost verbalnog IQ-a u
odnosu na neverbalni IQ. Iz podataka koji postoje mogu se izvući dve pravilnosti:
složenije ono što treba naučiti, a čak je nađena blaga negativna korelacija između mehaničkog
učenja jednostavnih zadataka i IQ-a visokointeligentnih osoba
veća smislenost materijala, tj. kad postoji mogućnost transfera učenja
vreme učenja ograničenije.
9|Page
Inteligentni ljudi brže stvaraju kvalitetne asocijacije koje su temelji svakog učenja. Inteligentniji
imaju bolje strategije učenja, mnemotehnike i bazu podataka, pa im veće stečeno znanje
omogućuje bolje kognitivno funkcionisanje. Inteligentniji bolje razlikuju bitne od nebitnih
informacija.
Slika 2.
Faktori inteligencije
Različiti istraživači su naglašavali različite aspekte pojma inteligencija. Tako je Spirman još
1904. godine započeo faktorska analitička proučavanja postignuća ispitanika i definisao prvu
faktorsku teoriju sposobnosti pod nazivom dvofaktorska teorija ili teorija g faktora kao
osnovnog. Spirman je formulisao zakon o univerzalnom jednistvu intelektualnih funkcija koja
govori o tome da se u svim testovima sposobnosti i intelektualnim aktivnostima pojavljuje jedna
opšta funkcija poznata pod simbolom „g” (g – General) i sve intelektualne sposobnosti se mogu
izraziti kao funkcija dva faktora: opšteg faktora (g) i specifičnog faktora (s). Opšti faktor (g)
predstavlja opštu mentalnu energiju, urođen je i ne može se na njega uticati vaspitanjem, a
specifični faktori (s) su odraz efikasnosti specifične mentalne energije i podložni su vaspitnim
uticajima.
10 | P a g e
6. W - verbalna fluentnost,
7. I - induktivni faktor.
Veliki broj psihologa je došao do zaključka da nasleđe određuje minimalni i maksimalni domet
intelektualnog razvoja, dok sredina i socijalni uslovi utiču na dostizanje krajnjih mogućnosti. U
određenoj kulturi se, iz generacije u generaciju, genetskim putem prenosi određena intelektualna
orijentacija. Tako se, na primer, u kulturi belaca favorizuju sposobnosti iz leve hemisfere
(verbalne intelektualne funkcije), a u kulturi crnaca se favorizuju sposobnosti desne hemisfere,
kao što su na primer muzičke.
U procenjivanju inteligencije kao složene psihičke funkcije uzimaju se u obzir opšta sposobnost
ličnosti (G-faktor ili generalni faktor) i mnoge naročite sposobnosti (S-faktori ili specifični
faktori). Inteligencija se ne određuje samo na osnovu izrazite karakteristike jedne određene
sposobnosti ukoliko druge opšte sposobnosti nisu prisutne. Tada se obično govori o prosečnoj
inteligenciji sa posebnom nadarenošću za neku određenu sposobnost. U ovakvim slučajevima se
neretko sreće nešto niža inteligencija nego što bi se možda čak očekivalo.
Slika 3.
Po teoriji o nasleđu razmatra se genetička uslovljenost u razvoju inteligencije. Pri tome se navodi
veliki značaj činilaca sredine koji aktiviraju genetičko nasleđe i, potom, razvijaju inteligenciju do
stepena određenog u genetičkom kodu jedinke. Do ovih shvatanja došlo se dugogodišnjim
proučavanjem razvoja inteligencije kod blizanaca koji su živeli u različitim sredinama zajedno ili
odvojeno.
Procenat pojedinaca koji ima manje-više konstantan IQ od rane dobi do perioda adolescencije je:
11 | P a g e
nešto veći od 30%
tačno 70%
0%
Merenje inteligencije
Ako je, na primer, testom postignuta mentalna starost od 54 meseca, a dete je staro 7 godina (ili
84 meseca), onda je njegov trenutni razvoj inteligencije na nivou deteta od 4,5 godine (54
meseca podeljeno sa 12 meseci, što iznosi 4,5 godina). IQ bi iznosio 54 : 84 x 100 = 64,3.
Imajući u vidu da se inteligencija još nalazi u fazi razvoja, konačan rezultat će, naravno, izgledati
drugačije.
12 | P a g e
Ako je oštećenje inteligencije nastalo kasnije, kada je inteligencija već razvijena, onda se radi o
demencijama.
Slika 4.
IQ testovi
http://www.intelligencetest.com/
13 | P a g e
u korist žena: verbalno razumevanje, verbalna fluentnost, socijalna inteligencija i neki aspekti
pamćenja,
u korist muškaraca: socijalna sposobnost, numeričko rezonovanje i mehaničke informacije.
Žene i muškarci pokazuju određene razlike u načinima odgovaranja – žene su nešto sporije i
tačnije, a muškarci su nešto brži na uštrb tačnosti. Postoje razlike u varijabilitetu kognitivnih
spobnosti u funkciji pola – kod muškaraca je on nešto veći (ima više visokointeligentnih
muškaraca, ali zato ima i više retardiranih).
Slika 5.
Pustite budale neka govore: znanje ima svoju cenu. Znanje je blago koje svakog vlasnika svugde
prati. Jean de La Fontaine
14 | P a g e
Okruženje i inteligencija
00:14:15
Jedinica: 3 od 15
Slika 1.
Porodica i društvo
Uticaj porodice na razvoj inteligencije veoma je velik, iako je vrlo teško izdvojiti moguće
genetske faktore od stavova roditelja ili upotrebe jezika. Pokazalo se da na inteligenciju veoma
utiče i to da li je dete prvorođeno ili ne. Studije su pokazale da deca koja nisu prvorođena brže
uče u porodici i imaju razvijeniju inteligenciju u ranom dobu. Postoje i studije koje pokazuju da
su prvorođena deca inteligentnija jer dobijaju više pažnje i sredstava od roditelja i očekuje se da
će se fokusirati na postizanje zadataka. Vrsta i količina pohvale koju deca dobijaju od porodice
takođe mogu dosta uticati na način na koji se inteligencija razvija.
15 | P a g e
Grupa vršnjaka, takođe, utiče na inteligenciju pojedinca u velikoj meri tokom vremena i
karakteristike grupe često mogu biti odgovorne za razvoj IQ-a u periodu druženja. Postoje neki
dokazi da vršnjačke grupe utiču na razvoj kognitivnih sposobnosti, a samim tim i na
inteligenciju. Pretnja od stereotipa govori da ljudi koji pripadaju stereotipnoj grupi mogu lošije
da se snađu u situaciji u kojoj stereotip nije relevantan faktor.
Obrazovanje
Postoji kontroverza oko toga da li obrazovanje utiče na inteligenciju i u kojoj meri ono
predstavlja zavisnu varijablu prilikom njenog razvoja. Ranije se mislilo da inteligencija može da
predvidi uspeh i nivo obrazovanja koje pojedinac može dostići. Korelacija između IQ i stepena
stručne spreme je negde između 40% i 60%. Osobe koje urade bolje testove inteligencije u
detinjstvu imaju veću tendenciju da steknu više obrazovanja, jer inteligencija može da
predstavlja intuitivni faktor koliko će neko postići uspeha u školovanju. Kada je period
obrazovanja u pitanju, pokazalo se da učenje može da poboljša stepen inteligencije u ranoj dobi.
Takođe, pokazalo se da IQ opada tokom letnjih meseci pauziranja od školovanja, da deca koja
odlažu školovanje imaju niži IQ, da oni koji napuštaju školu ranije imaju niži IQ od dece istog
uzrasta. U svakom slučaju, teško je razotkriti povezanost inteligencije i obrazovanja kod dece
istog uzrasta gde je uticaj svih faktora intenzivan, ali čini se da nivo školovanja može biti važan,
jer podupire kognitivne procese učinka na IQ testovima.
Slika 2.
16 | P a g e
Kulturna inteligencija
P. Christopher Earley i Soon Ang u knjizi Cultural Intelligence: Individual Interactions Across
Cultures (2003) kulturnu inteligenciju definišu kao „sposobnost osobe da se prilagodi u
interakciji sa drugima iz različitih kulturnih regiona”.
Kulturna inteligencija ili CQ se meri na skali sličnoj onoj koja se koristi za merenje koeficijenta
inteligencije pojedinca. Za ljude sa višim kulturnim koeficijentom se smatra da će se uspešnije
uklopiti u bilo koje okruženje, koristeći efikasniju poslovnu praksu od onih osoba sa nižim CQ.
Kulturni koeficijent se procenjuje korišćenjem akademski validne procene koju su osmislili
pomenuti autori.
CQ znanje je znanje čoveka o tome koliko su slične i koliko su različite određene kulture, što
uključuje:
17 | P a g e
CQ Strategija je prikaz toga koliko čovek ima smisla za kulturno raznolika iskustva i ono što se
dešava kada ljudi donose sud o svojim i tuđim misaonim procesima, što uključuje:
Procene kulturne inteligencije prijavljuju rezultate za sve četiri varijante kulturnog koeficijenta,
kao i za nekoliko poddimenzija za svaku od njih. Ove četiri varijante proističu iz pristupa
zasnovanog na interkulturalnom prilagođavanju i performansama.
Slika 3.
18 | P a g e
Korelacija između IQ i stepena stručne spreme je:
0% - 20%
20% - 40%
40% - 60%
60% - 80%
80% - 100%
Kulturna inteligencija, u poslovanju poznata i kao "kulturni koeficijent” ili CQ, je teorija u
okviru menadžmenta i organizacione psihologije koja govori o tome da je uticaj kulturne
pozadine pojedinca na njegovo ponašanje od suštinskog značaja za efikasno poslovanje, i da je
moguće merenje sposobnosti pojedinca da bi se uspešno uključio u bilo koje okruženje ili
socijalnu sredinu.
Kulturna inteligencija se sve više prihvata u većini kulturnih zajednica. Kulturna inteligencija
postavlja strategije za poboljšanje kulturne percepcije kako bi se razlikovala ponašanja proistekla
iz zajedničke kulture od onih specifičnih za svakog pojedinca, sugerišući da je neophodno znanje
i uvažavanje razlika da bi se dobili odgovori primenljivi za bolju poslovnu praksu.
Kulturno znanje i ratovanje vezani zajedno kao kulturna inteligencija su centar obezbeđivanja
uspešne vojne operacije. Kultura se sastoji od faktora koji uključuju jezik, društvo, ekonomiju,
običaje, istoriju i religiju. Za vojne operacije, kulturna inteligencija se odnosi na sposobnost da
se donose odluke bazirane na razumevanju svih ovih faktora.
19 | P a g e
Slika 4.
Udruženje visokointeligentnih ljudi je organizacija koja ograničava svoje članstvo na ljude čiji se
rezultati testa inteligencije nalaze u određenom okviru. Najstarije, najveće i najpoznatije takvo
udruženje je Mensa International koje su osnovali Roland Berrill i dr Lancelot Ware još 1946.
godine. Ostala udruženja su Intertel koje je osnovao Ralph Haines 1966. godine, Triple Nine
Society osnovano 1978. godine, Prometheus Society i Mega Society.
Neka udruženja, uključujući široko poznata udruženja kakva je i Mensa, prihvataju i rezultate
standardizovanih testova koji su rađeni bilo gde. Danas je situacija ovakva:
2% stanovništva pripada Mensi - Članovi Mense imaju IQ otprilike 130 i ovaj IQ ima 1 osoba od
50. Mensa International od januara 2014. godine ima 110.000 članova iz 100 zemalja
1% stanovništva pripada Intertelu - Članovi Intertela imaju IQ oko 135 i ovaj IQ ima 1 osoba od
100. Intertel od januara 2014. godine ima oko 1.400 članova
20 | P a g e
0,1% stanovništva pripada Triple Nine Society – Članovi Triple Nine Society imaju IQ oko 145 i
ovaj IQ ima 1 osoba od 1.000. Triple Nine Society od januara 2014. godine ima 1.225 članova iz
40 zemalja
0.003% pripada Prometheus Society - Članovi Prometheus Society imaju IQ oko 160 i ovaj IQ
ima 1 osoba od 30.000. Prometheus Society od januara 2014. godine ima 120 članova
0,0001% pripada Mega Society, ali se smatra nepouzdanim sa sadašnjim testovima. Ovo
udruženje od januara 2014. broji 26 članova.
Malo je stvari koje marljivost i znanje ne mogu da postignu, velika dela se ne postižu snagom, već
istrajnošću. Samuel Johnson
00:15:44
Jedinica: 4 od 15
21 | P a g e
Slika 1.
Poslovna inteligencija je način dostavljanja pravih informacija u pravom formatu u prave ruke u
pravom trenutku. Dobar sistem poslovne inteligencije prikuplja informacije iz svih delova
organizacije, analizira ih, priprema posebne izveštaje i šalje ih ljudima kojima te informacije
trebaju. Na taj način, svaki pojedinac dobija informacije „skrojene“ prema njegovim potrebama:
finansijski direktor – finansijske podatke, direktor prodaje – podatke o prodaji, direktor
marketinga – marketinške podatke i sl.
22 | P a g e
Poslovna inteligencija je skup metodologija i koncepata za prikupljanje, analizu i distribuciju
informacija uz pomoć različitih softverskih alata. Ona se temelji na generisanju što boljih i
kvalitetnijih informacija potrebnih za donošenje poslovnih odluka, pruža korisnicima samo one
informacije koje su im neophodne i to u odgovarajućem formatu, a akcenat stavlja na kvalitet
informacija.
informacije
analiza i segmentacija
personalizacija
dostava informacija putem više kanala
akcije, interakcije i transakcije.
23 | P a g e
Poslovna inteligencija je korišćenje kolektivnog znanja organizacije sa ciljem postizanja
konkurentske prednosti. Razvoj poslovne inteligencije polazi od pretpostavke da su ljudi danas
na meti raznih podataka i informacija, a sprovedena istraživanja ukazuju na važnost
implementacije poslovne inteligencije u poslovnim sistemima. Zbog toga se može reći da se
poslovna inteligencija bavi unutrašnjim stanjem i resursima preduzeća, pa je utemeljena na
projektu stvaranja dobre poslovne organizacije koja ima inteligentne sisteme skladištenja,
upravljanja i analiziranja svih podataka i informacija koje su neophodne za uspešno
funkcionisanje jednog preduzeća.
Slika 3.
informacije
24 | P a g e
analiza i segmentacija
personalizacija
korelacije
Kvalitet podataka
Generisanje znanja
Jedna od uloga sistema poslovne inteligencije jeste da generiše informacije koje imaju direktan
uticaj na ostvarenje ciljeva organizacije. Do vrednih informacija ne dolazi se na jednostavan
načina, ali one imaju veoma veliki uticaj na poslovno okruženje.
Pravovremenost informacija
Podsticanje akcije
25 | P a g e
Sistemi poslovne inteligencije koji obezbeđuju smernice u kom pravcu je neophodno preduzeti
akcije kako bi se poslovanje unapredilo, smatraju se sistemima koji zadovoljavaju najviše
kriterijume vrednosti u poslovnom procesu organizacije.
Sigurno okruženje
Od aplikacija poslovne inteligencije traži se da budu dostupne u bilo koje vreme i na bilo kom
mestu, odnosno njihova neprekidna raspoloživost.
Količina podataka rapidno raste, a i broj korisnika sistema poslovne inteligencije se neprekidno
povećava. Da bi sistemi poslovne inteligencije i skladištenja podataka mogli podržati taj rast
podataka i brojne korisnike, moraju osigurati skalabilno i proširivo okruženje za punjenje,
ažuriranje, obnavljanje i reorganizaciju podataka.
Korisnici sistema poslovne inteligencije traže njegov što brži razvoj. Pri tome se kao problem
javlja pronalaženje stručnog i osposobljenog informatičkog osoblja. Proizvođači softvera se
trude da razviju automatizovane alate koji će olakšati kompanijama poslove vezane za
administriranje baza podataka.
26 | P a g e
Slika 4.
27 | P a g e
ponašanje kupaca i trendove, proces donošenja odluka kupca, a sve sa ciljem stvaranja novih
prilika kroz inovativnost, liderstvo i orijentaciju na kupca u poslovnom procesu. Ova vrsta
inteligentne analize i aktivnosti predstavlja temelj nove ekonomije u svetu elektronskog
poslovanja.
28 | P a g e
Slika 5.
Skladištenje podataka
00:16:09
Jedinica: 5 od 15
29 | P a g e
na to da se u bazama znanja pohranjuju informacije koje mogu biti ključne za proces
odlučivanja.
Danas, više nego ikad, menadžerima su potrebni lako dostupni i konzistentni podaci,
predstavljeni tako da u isto vreme precizno i sažeto daju prikaz organizacije u celini i njenog
okruženja. Budući da je pravovremeno dobijanje kvalitetnih informacija bitno za ostvarenje
prednosti nad konkurencijom, menadžer ih mora dobiti što pre i u obliku prilagođenom njegovim
potrebama. Iz toga proizlazi da se od današnjih informacionih sistema preduzeća očekuje da
osiguraju informacije čiji sadržaj, brzina pristupa i način prikaza odgovaraju trenutnim
potrebama menadžera u procesu odlučivanja. Zbog toga se prišlo kreiranju novih oblika
organizovanja podataka u računarskim informacionim sistemima. Razvijena je nova generacija
računarskih sistema koja se temelji na konceptu skladištenja podataka.
Slika 1.
Sam pojam "skladište podataka" (engl. Data Warehouse) podrazumeva zbirku podataka
izolovanih iz operativnih baza i spremljenih u posebne baze, odnosno skladišta podataka. Ralph
Kimball u svojoj knjizi The Data Warehouse Toolkit: Practical Techniques for Building
Dimensional Data Warehouses definiše skladište podataka kao kopiju transakcionih podataka
specifično strukturiranih za upite i analize.
30 | P a g e
Karakteristike skladišta podataka su:
1. Subjektna usmerenost
Podaci se organizuju oko predmeta, na način da daju informacije o tačno određenim predmetima
u okviru funkcionalnih područja preduzeća, umesto o tekućim operacijama.
2. Integrisanost
Podaci se skupljaju u bazu podataka iz različitih izvora i pohranjuju uvek u istom formatu, pa su
samim tim konzistentni i prikazuju se na dosledan način.
3. Vremenska zavisnost
Podaci u skladištu podataka vezani su i identifikuju se uz određeni vremenski period, što znači
da imaju istorijski karakter
4. Nepromenljivost sadržaja
Podaci u skladištu su stabilni i kad se jednom unesu u skladište po pravilu se ne menjaju, čime se
omogućava da menadžement ili svako ko koristi skladište podataka može biti siguran da će
dobiti istovetan odgovor nezavisno od vremena ili učestalosti postavljanja upita.
Slika 2.
31 | P a g e
Postupak skladištenja podataka predstavlja kontinualan proces planiranja, građenja, i
prikupljanja podataka iz različitih izvora i njihovog korišćenja, održavanja, upravljanja i stalnog
unapređivanja. Među mnogim koracima u tom kompleksnom kontinuiranom procesu bitno je
naglasiti važnost posedovanja vizije o tome što se želi postići kreiranjem skladišta podataka.
Jedna od uloga skladišta je, na primer, razvijanje i korišćenje znanja zasnovanog na podacima
(engl. Data-based Knowledge).
32 | P a g e
Slika 3.
Da bi skladište podataka opravdalo svrhu svog postojanja, mora da ispuni sledeće preduslove:
Treba da sadrži veliku količinu detaljnih podataka, što znači da sve poslovne transakcije koje su
relevantne za donošenje poslovnih odluka, a koje su nastale u procesima preduzeća, moraju biti
evidentirane. Uneseni podaci moraju biti konzistentni što znači da, ako nekoliko korisnika Data
Warehouse sistema istovremeno postavi potpuno isti upit, rezultat tih upita mora biti isti.
33 | P a g e
Ažuriranje novim podacima treba da bude kontinuiran proces koji se odvija u realnom vremenu,
nakon što se neki događaj odigrao ili odmah po završetku nekog procesa.
Potrebno je utvrditi približnu količinu podataka koji će biti čuvani u sistemu kada se on razvije.
Skladište podataka mora biti proširivo da bi moglo pratiti strategiju proširenja poslovanja
preduzeća.
Treba da postoji zahtev za visokim stepenom zaštite osetljivih podataka sprovođenjem rigoroznih
mera zaštite podataka i poslovnih tajni.
Subjektna usmerenost
Integrisanost
Vremenska zavisnost
Nepromenljivost sadržaja
34 | P a g e
podataka. Informacioni sistem sada se sastoji iz dva dela, operativnog dela i skladišta podataka.
Budući da se tako lakše kontroliše on postaje produktivniji.
Slika 4.
Pomoću tehnika otkrivanja znanja, Data Warehouse osigurava stalno pronalaženje novih
informacija u zavisnosti od novonastalih uslova i zahteva. Procesi za generisanje informacija
(prikupljanje, analize, izveštaji i sl.) izdvojeni su iz operativnih procesa, što znači da operativni
nivo sistema njima više nije opterećen. Sada skladište podataka postaje mesto skupljanja i
skladištenja poslovnih podataka i izvor informacija koje će biti korišćene pri poslovnom
odlučivanju.
35 | P a g e
Prilikom kreiranja skladišta podataka, danas se u praksi susreću tri osnovna modela ili osnovne
arhitekture skladišta podataka: dvoslojna arhitektura sa jednim zajedničkim skladištem podataka,
dvoslojna arhitektura sa više nezavisnih lokalnih skladišta podataka (engl. Data Marts) i troslojna
arhitektura sa zajedničkim skladištem podataka i više povezanih lokalnih skladišta podataka.
Data Mart pokriva samo jednu oblast poslovanja i može predstavljati pilot projekat za realizaciju
mnogo obimnijeg Data Warehouse sistema. Projekat može biti realizovan kao nezavisni Data
Mart, gde je sistem izolovan od Data Warehouse sistema, i kao zavisan Data Mart, gde je sistem
naslonjen na Data Warehouse sistem. Osnovne razlike između Data Warehouse sistema i Data
Marta predstavljene su na slici.
Slika 5.
36 | P a g e
Metode skladištenja podataka sve više postaju integrisane u softverske pakete celokupnog
informacionog sistema preduzeća. Novije verzije relacionih baza podataka imaju dodatke za
Data Warehousing koji je integrisan u ovim paketima. Menažerima nije potreban angažman
analitičara za obradu ključnih pokazatelja o stanju preduzeća, već obrađene podatke klikom miša
mogu dobiti iz baze podataka, koje će koristiti kao pomoć u donošenju poslovnih odluka.
00:15:07
Jedinica: 6 od 15
Slika 1.
37 | P a g e
Elektronsko poslovanje
Elektronsko poslovanje, kao bilo koji proces koji organizacija realizuje posredstvom računarske
mreže, podrazumevajući i interne i eksterne komunikacione tokove, predstavlja jednu od najjačih
sila globalne ekonomije. I poslovni i individualni korisnici se sve više uključuju u transakcije
elektronskog poslovanja, posebno elektronsku trgovinu koja podrazumeva prodaju i kupovinu
proizvoda i usluga posredstvom interneta. Danas elektronska trgovina među kompanijama (B2B)
zauzima više od 80% obima elektronskog poslovanja, pri čemu se očekuje se da će B2B
elektronska trgovina nastaviti sa intenzivnijim rastom u odnosu na B2C e-trgovinu.
Slika 2.
38 | P a g e
Učesnici i preduslovi elektronskog poslovanja
Organizacija
Sama organizacija koja poslovni proces proširuje dimenzijom elektronskog, mora ispuniti niz
organizacionih i tehnoloških preduslova kako bi konkurentno poslovala. Mora biti obezbeđena
odgovarajuća infrastruktura (softverska, hardverska i mrežna), zaposleni edukovani tako da
mogu da podrže proces elektronskog poslovanja i mora biti definisana jasna strategija nastupa na
e-tržištu.
Transakcioni partneri
Klijenti
Za uspešno poslovanje mora postojati kritična masa potrošača koji imaju mogućnost da posluju
upotrebom savremene tehnologije, kao njihova spremnost za obavljanje transakcija na ovaj
način.
Partneri
Poslovni kooperanti takođe moraju biti spremni za poslovanje po pravilima koje mora da
zadovolji i sama organizacija.
Državna uprava
Državna uprava mora obezbediti zakonske okvire za obavljanje e-transakcija, kao i institucije
koje će štititi učesnike u e-poslovanju.
Mrežna infrastruktura
39 | P a g e
Slika 3.
0% - 20%
20% - 40%
40 | P a g e
40% - 60%
60% - 80%
80% - 100%
Elektronsko poslovanje podrazumeva širok skup poslovnih aktivnosti koje se realizuju primenom
informacionih i komunikacionih tehnologija (ICT) – prodaju i kupovinu proizvoda i usluga,
saradnju sa poslovnim partnerima, primenu e-učenja i obavljanje transakcija unutar kompanije.
Bitne komponente elektronskog poslovanja su:
Kao komponenta elektronskog poslovanja, poslovna inteligencija ima specifičnu ulogu zbog
činjenice da integriše podatke iz različitih izvora, bez obzira na način kako ih svaki od
pojedinačnih sistema čuva (analitičke i transakcione baze, datoteke, podaci sa weba..).
Zahvaljujući sistemima poslovne inteligencije, korisnici su u mogućnosti da na jedinstven način
obavljaju analizu podataka i time dobiju integralnu sliku poslovnih performansi. Primenom
poslovne inteligencije eliminiše se mogućnost da istovetan indikator ima različite vrednosti u
zavisnosti od toga koja poslovna funkcija obavlja analizu (finansije, marketing, proizvodnja itd.).
41 | P a g e
Customer Relationship Management (CRM) označava metodologije i softverski sistem koji
pomažu kompaniji da na organizovan način upravlja odnosima sa svojim klijentima. Označava
sve ono što služi izgradnji značajnih i dugotrajnih odnosa sa kupcima. On nije samo
automatizacija tri kritično važne korisnički orijentisane funkcije: prodaje, marketinga i servisa,
nego je kombinacija strategije, poslovnih procesa i tehnologije.
II Taktičke odluke podrazumevaju aktivnosti koji utiču na snižavanje troškova poput primena
novih pristupa specifičnih za delatnost kojom se kompanija bavi, razvoj strategije nabavke,
saradnju sa logističkim kompanijama u cilju smanjenja troškova isporuke i razvoj skladišnog
poslovanja u cilju smanjenja troškova zaliha.
III Procesi na operativnom nivou podrazumevaju svakodnevne poslovne odluke koje utiču na
tok proizvoda u lancu snabdevanja. To su, na primer, rasporedi u proizvodnji, primanje
narudžbina od korisnika, kretanje robe kroz skladište itd.
42 | P a g e
Slika 4.
43 | P a g e
ostvariti mnoge druge ciljeve. Posredstvom aplikacija poslovne inteligencije kao što su
marketing targetiranje, profilisanje korisnika i analiza upotrebe proizvoda ili usluga, informacije
o klijentima postaju osnovno sredstvo kompetencije.
00:12:07
Jedinica: 7 od 15
Sistemi za podršku odlučivanju su sistemi koji se koriste kao podrška pri donošenju odluka,
najčešće u poslovnim sistemima. To su najčešće računarski sistemi koji pomažu da se
identifikuje problem i da se na osnovu relevantnih informacija o problemu konstruiše
matematički model sistema na osnovu kog se proračunavaju najbolja rešenja. SPO se koriste na
različitim upravljačkim i organizacionim nivoima, ali najčešće na najvišim nivoima odlučivanja.
Oni olakšavaju sintezu informacija iz pojedinih podsistema za strateško odlučivanje i doprinose
automatizaciji strateškog planiranja i predviđanja. Pored toga što pronalaze najbolja rešenja, oni
nude i mogućnost uvida u uspešnost ponuđenih rešenja.
44 | P a g e
Slika 1.
Strukturiranost problema
je problem jasan
su precizno definisani ulazni podaci
su poznati načini na koje se vrši analiza i dolazi do rešenja.
45 | P a g e
Podrška odlučivanju u organizacijama
1. U skoro svim situacijama odlučivanja postoji velika količina podataka koju treba obraditi
2. Vreme za odlučivanje je uvek ograničeno, odnosno postoji vremenski period u kome je potrebno
doneti odluku
3. Postoji potreba donosioca odluke da donese ispravnu odluku.
Operativne odluke
Taktičke odluke
Taktičke odluke predstavljaju sponu između operativnih i strateških odluka i služe za prevođenje
strateških odluka u operativne. Osnovni kriterijum njihovog vrednovanja je efikasnost sistema, a
ovakve odluke donosi srednje rukovodstvo.
Strateške odluke
Strateške odluke predstavljaju najsloženije odluke koje treba doneti i za njihovo donošenje i
realizaciju potrebno je najviše vremena. Karakterišu ih dugoročne posledice i najčešće se odnose
na planiranje razvoja, a osnovni kriterijum njihovog vrednovanja je efektivnost sistema. Ovakve
odluke donosi najviše poslovno rukovodstvo.
Podrška odlučivanju može da se koristi za sve vrste odluka, ali je ona najznačajnija na
strateškom i taktičkom nivou donošenja odluka. Podrška odlučivanju je zastupljena svugde gde
46 | P a g e
je potrebno donositi ispravne upravljačke odluke. Podrška odlučivanju je disciplina koja prožima
sve ostale discipline, ali nije zamena za ostale discipline. Podrška odlučivanju može da se
pridoda svim organizacionim disciplinama i da unapredi funkcionisanje organizacije.
Slika 2.
Sistem za podršku odlučivanju treba da bude pomoć donosiocu odluke u smislu povećavanja
njihovih sposobnosti, a nikako kao zamena njihovih procena. SPO je sistem baziran na računaru
koji daje podršku rešavanju klase polustrukturiranih ili nestrukturiranih problema u procesu
donošenja odluka.
47 | P a g e
Sistemi za podršku odlučivanju su informacioni sistemi koji su slični i komplementarni
standardnim informacionim sistemima i imaju za cilj da podržavaju, uglavnom, poslovne procese
donošenja odluke. Predstavljaju simbiozu informacionih sistema, primene niza funkcionalnih
znanja i tekućeg procesa donošenja odluka.
Podsistem baze podataka, koji predstavlja deo SPO u kome se čuvaju ulazni i izlazni podaci
organizacije.
Podsistem baze modela, koji predstavlja komponentu SPO koja se sastoji od poslovnih modela
odlučivanja, gde svaki model rešava određeni problem kod određenog poslovnog procesa. Njihov
zadatak je da na osnovu ulaznih podataka i modela odlučivanja generišu izlazne podatke na
osnovu kojih donosilac odluka donosi odluku.
Podsistem korisničkog interfejsa, koji treba da omogući komunikaciju između SPO i korisnika.
48 | P a g e
Baze podataka
Sistema za upravljanje podacima
Direktorijuma sa podacima
Upita
Baze modela
Sistema za upravljanje bazom modela
Jezika za modeliranje
Direktorijuma modela
Komandnog procesora
49 | P a g e
3. Podsistem za upravljanje znanjem, pa sistemi koji ih poseduju mogu biti:
Nije pametan onaj koji mnogo zna, već onaj koji zna ono što mu je potrebno. Anonimni autor
00:11:51
Jedinica: 8 od 15
Konstruktori sistema za podršku odlučivanju teže da što više prilagode rad korisnika u sistemu,
pa je iz tog razloga procena fleksibilnosti sistema za podršku odlučivanju od strane korisnika
predmet mnogih istraživanja. Danas je primarni fokus proizvođača sistema za podršku
odlučivanju na težnji da se poboljšaju njihove analitičke sposobnosti. Takođe, veoma važan
faktor za uspešan rad sistema za podršku odlučivanju korektna implementacija sistema od čije
uspešnosti zavisi njegova prihvatljivost od strane korisnika, kao i pravilna upotreba.
50 | P a g e
Slika 1.
Vrste SPO
51 | P a g e
3. SPO za operativnu kontrolu – služi za podršku prilikom procesa donošenja odluka na
najnižim delovima organizacije, podržava procese obezbeđivanja efikasnosti i efektivnosti u
izvršavanju aktivnosti kako pojedinca tako i grupe i odeljenja u okviru jedne organizacije.
Aktivnosti koje podržava ovaj sistem za podršku odlučivanju su:
operativno planiranje
nadgledanje izvršenja poslova
poređenje planiranih i postignutih rezultata
preduzimanje korektivnih akcija.
Sistemi za podršku odlučivanju, prema broju osoba koji podržavaju, mogu biti:
1. Individualni SPO
2. Grupni SPO
Grupni sistemi za podršku odlučivanju su računarski sistemi koji pomažu nizu donosioca odluka
koji rade kao grupa u rešavanju nestrukturiranih problema. Komponente grupnih sistema za
podršku odlučivanju su softver, hardver, korisnici i procedure. Svaki član grupe ima pristup
preko svog računara glavnom procesoru.
SPO za rad jednog korisnika (Desktop DSS), koji radi samostalno na jednom računaru.
52 | P a g e
Slika 2.
U ovoj grupi sistema za podršku odlučivanju baza podataka igra glavnu ulogu u strukturi
sistema. Prve generacije SPO orijentisanih na baze podataka koristile su relacionu konfiguraciju
baza podatka.
53 | P a g e
U ovim SPO se pomoću posebnog jezika za modelovanje dozvoljava korisniku da kreira modele
direktno u programima za analizu. Popularan alat za razvoj SPO orijentisanih na tabelarni rad je
Microsoft Excel.
Kod ovih sistema postoje algoritam ili procedura napisani u obliku kompjuterskog programa za
izvođenje određenih izračunavanja za rešavanje određene vrste problema (na primer, procedura
za izračunavanje optimalne količine proizvoda)
Kod ovih SPO se, putem definisanja niza pravila, prvo formira baza znanja za rešavanje
određene vrste problema.
Složeni SPO predstavljaju grupu sistema za podršku odlučivanju koji su tzv. hibridni sistemi, jer
se sastoje od kombinacije dva ili više osnovnih, prethodno iznetih struktura SPO.
54 | P a g e
Slika 3.
Individualnih SPO
Grupnih SPO
55 | P a g e
Povećavanje broja razmatranih alternativa u procesu donošenja odluka
Bolje razumevanje problema koji treba da se reši
Brži odgovor na nepredviđene situacije
Sposobnost sprovođenja ad-hoc analiza
Bolje sagledavanje problema i učenje
Poboljšana komunikacija među članovima tima koji učestvuju u donošenju odluke
Poboljšana kontrola odlučivanja
Bolje i kvalitetnije odluke
Efikasniji timski rad
Bolje iskorišćenje raspoloživih podataka
Smanjenje troškova
Povećana produktivnost
Ušteda vremena
Poboljšano zadovoljstvo potrošača i zaposlenih.
Stepen konkurentnosti
Industrija
Veličina kompanije
Lako korišćenje SPO.
Neke, ljudima urođene, veštine i talenti ne mogu biti ugrađeni u današnje SPO
SPO ograničen je vrstama obrade znanja koju njegov software može da izvrši
Jezik kojim korisnici treba da saopšte svoje zahteve, kao i način prezentacije, ograničava broj
korisnika na one koji prihvataju ovakav način izražavanja
56 | P a g e
SPO mogu biti napravljeni za prilično usku i specifičnu oblast primene.
Implementacija SPO
Proces rada sa SPO počinje korisnikovom dilemom, nakon čega on definiše problem, u čemu mu
SPO može pružiti pomoć kroz snimanje, praćenje i prikupljanje podataka iz spoljašnjih i
unutrašnjih izvora podataka. Na osnovu toga se stiče uvid o nastanku i karakteru problema. Po
završetku formulacije problema, SPO vrši obradu podataka koristeći se, pritom, bazom podataka
ili bazom znanja. Po izvršenoj obradi problema, SPO nudi korisniku raspoloživi niz alternativa.
Služeći se pokazateljima o stepenu zadovoljenja postavljenog problema svake alternative,
korisnik vrši izbor najpovoljnije.
Slika 4.
Različitim analizama (analiza „šta – ako“, analiza osetljivosti i dr.) korisnik može da ispita
posledičnost pojedinih alternativnih pravaca ili da ispita posledice koje mogu nastupiti prilikom
promene uticajnih faktora, tj. nekontrolisanih varijabli, kao što su ekonomski i društveni faktori,
na izabranu alternativu. Kao rezultat opisanog procesa sledi informacija za buduću upotrebu,
odnosno odluka o pravcu akcije.
57 | P a g e
Grupni SPO
00:16:00
Jedinica: 9 od 15
58 | P a g e
Slika 1.
Unapređenje procesa grupnog odlučivanja upotrebom GSPO može se odraziti na sledeći način:
Grupne sisteme za podršku odlučivanju dobro je uvoditi ako unapređuju bar jedan od sledećih
elemenata:
Povećanje efikasnosti i efektivnosti rada grupe (posebno se odnosi na smanjenje vremena trajanja
sastanaka)
59 | P a g e
Povećanje kvaliteta donetih odluka (odnosi se na broj predloženih ideja i njihov kvalitet, stepen
podrške predložene ideje u odnosu na preostale članove sesije)
Poboljšanje procesa vođenja sastanka (odnosi se na paralelno i udaljeno odlučivanje).
1. Soba za odlučivanje
Soba za odlučivanje je slična sali za sastanke i sadrži opremu sa uređajima koji podržavaju
grupno donošenje odluka. Svaki učesnik sedi za stolom koji je, najčešće, u obliku potkovice,
okrenut ka velikom ekranu. U jednostavnim konfiguracijama GSPO, samo moderator direktno
komunicira sa računarom. U složenijim konfiguracijama GSPO, svaki učesnik ima terminal
ispred sebe. Komunikacija se uspostavlja verbalno ili slanjem poruka preko računara. Zajednički
veliki ekran se koristi za beleženje ideja, sumiranje i analizu podataka. Verbalna interakcija lica
se kombinuje sa formalizacijom pomoću tehnologije, kako bi se sastanak učinio efikasnijim.
Između članova grupe postoji stalna interakcija, kako verbalna, tako i preko komunikacione
mreže. Koristi se softver za modelovanje koji može da se izmeni kako bi se prilagodio zahtevima
grupe. Alternative se testiraju uz pomoć modela i o njima se raspravlja pre nego što se donese
konačna odluka.
Lokalna mreža za odlučivanje se primenjuje kada se najčešće fiksni broj donosilaca odluka koji
rade u neposrednoj blizini redovno susreće sa određenim problemima koje treba rešavati. Tada se
formira lokalna mreža za odlučivanje (Local Decision Network - LDN), koju koriste donosioci
odluka u svojim kancelarijama. Svaki donosilac oduke na svom stolu ima radnu stanicu.
Uobičajeno je da se na serveru nalazi instaliran softver za GSPO, zajedno sa bazom podataka i
bazom modela. Ovaj pristup omogućava veću fleksibilnost od pristupa opisanog u prvom
scenariju.
60 | P a g e
Slika 2.
3. Telekonferencija
Telekonferencija je potrebna za grupe čiji su članovi međusobno udaljeni, pri čemu imaju
zadatak da donesu adekvatnu odluku u cilju rešavanja evidentiranog problema. U ovom slučaju
se jedna ili više sala za odlučivanje povezuju vizuelnim i komunikacionim uređajima. Ovaj
scenario je sličan prvom scenariju kome je praktično dodata komunikaciona komponenta GSPO.
Uštede u vremenu, kao i velika fleksibilnost i vizuelizacija tokom trajanja sastanka, najveće su
prednosti ovog scenarija.
4. Odlučivanje na daljinu
Odlučivanje na daljinu danas je, praktično, potpuni izazov razvoja aplikacije GSPO. Posebno je
inicirano razvojem Interneta i predstavlja fuziju informacionih tehnologija i algoritama procesa
grupnog odlučivanja. Njegova osobina je neprekidna komunikacija između udaljenih članova
tima koji imaju potrebu permanentnog rada, u cilju donošenja zajedničke odluke.
61 | P a g e
Smanjenje troškova do čak 90%
Poboljšanje komunikacije
62 | P a g e
na sledeću tačku dnevnog reda
Slika 6.
Kreativni zadaci zahtevaju generisanje novih ideja, dok planski zadaci zahtevaju generisanje
planova orijentisanih na alternative
Izbor alternativa
64 | P a g e
Pregovaranje o alternativama
Osnovne karakteristike grupnih sistema za podršku odlučivanju zavise od vrste, tipa i zadatka
grupe koji ona treba da izvrši.
Što više učiš čitajući, to manje znaš da živiš. To je zanimljivo kod malo obrazovanja. Razmazi te za
stvarnost. Što više znaš, to više misliš da ti neko duguje život. Will Rogers
00:14:28
Jedinica: 10 od 15
Teorija i praksa veštačke inteligencije su još u svom pionirskom dobu i vreme pravih otkrića tek
treba da dođe. Potrebno je bilo dugo vremena da se pojam veštačke inteligencije, engl. Artificial
Intelligence – AI probije i odomaći. Primena metoda veštačke inteligencije će, verovatno, igrati
značajnu ulogu u organizacijama budućnosti, u prvom redu u cilju pripremanja odluka u procesu
upravljanja. Veštačka inteligencija je naučno područje koje ima cilj da mašine, kao što su
računari, imaju sposobnost inteligentnog ponašanja. Može se očekivati da će organizacije koje
ovladaju ovom oblasti značajno povećati svoju produktivnost, odnosno, obezbediti prednost na
tržištima budućnosti.
65 | P a g e
Slika 1.
Pojava i razvoj veštačke inteligencije se vezuje za sam početak razvoja i primene računara.
Veštačka inteligencija predstavlja podoblast računarstva i bavi se razvojem inteligentnih
računarskih sistema. Veštačka inteligencija primenom računara teži rešavanju onih problema koji
zahtevaju metodologiju ljudskog umnog rada, odnosno, zahtevaju ljudsku inteligenciju. Veštačku
inteligenciju karakterišu hardversko-softverski sistemi koji su sposobni da na ljudski način,
samostalno, rešavaju probleme komunicirajući sa okruženjem.
Iako se razvoj veštačke inteligencije vezao za razvoj računarstva, i pre pojave i razvoja
računarstva postojala su dva pravca koja su istraživala osnove veštačke inteligencije, a to su:
formalna logika, koja proučava osnove simboličke obrade zasnovane na matematičkoj logici, i
66 | P a g e
U razumevanju pojma veštačke inteligencije, neophodno je prihvatiti dve bitne činjenice, da se
veštačka inteligencija bavi procesom mišljenja i da pretpostavlja da se taj proces odvija putem
računara.
Slika 2.
Jednostavno rečeno, veštačka inteligencija se može objasniti kao pokušaj da se naprave mašine
koje ispunjavaju takve zadatke za koje bi ljudi, da ih rešavaju, morali upotrebiti inteligenciju. Pri
tome se pod inteligencijom podrazumeva sposobnost snalaženja u novim uslovima, na način
kako to tumače svi psiholozi. Ipak, da bi se izbegle nedoumice u poimanju suštine veštačke
inteligencije, poželjno je uočiti da se pod „inteligentnim ponašanjem“ smatra:
67 | P a g e
koncepte, sistemi koji mogu da zaključuju i donose zaključke o svetu koji ih okružuje, sistemi
koji mogu da razumeju prirodni jezik ili spoznaju i tumače složene vizuelne scene, sistemi koji
mogu da obavljaju i druge vrste veština koje zahtevaju čovekovu vrstu inteligencije (D.W.
Patterson, 1990).
Postoji još nekoliko različitih definicija veštačke inteligencije, među kojima su najpoznatije i
najšire korišćene:
1. Veštačka inteligencija je nauka koja čini da mašine obavljaju stvari koje bi zahtevale inteligenciju
kada bi ih obavljao čovek (M. Minsky, 1968.)
3. Veštačka inteligencija je disciplina kreiranja mašina koje podražavaju ljudsko ponašanje ili
inteligenciju; mašine koje su senzitivne i misle (M. Carrico, J. Girard, J. Jones, 1989.)
68 | P a g e
Slika 3.
Među pravcima koji su pre pojave računarstva istraživala osnove veštačke inteligencije nije:
Formalna logika
Kognitivna psihologija
Metrika simbola
Računari predstavljaju jedinu tvorevinu ljudske ruke koja je u stanju da pretenduje na mogućnost
sticanja elemenata i karakteristika inteligencije. Pri tome, treba zanemariti sociološka,
kulturološka, psihološka i druga razmatranja i sagledavati tehničke pretpostavke za ostvarenje
navedenog cilja. Prema postojećim karakteristikama koje bi računar morao da ima da bi se
govorilo o inteligenciji su:
1. Prijem podataka
2. Skladištenje podataka
Brzina obrade podataka jeste karakteristika veštačke inteligencije, bez obzira da li se radi o
samom skladištenju, klasifikaciji, sortiranju ili nekoj drugoj operaciji na podacima. Pri tome
treba reći da računar mora imati odgovarajuću arhitekturu.
69 | P a g e
Pod programiranjem se podrazumeva niz upravljačkih naredbi potrebnih za rad sistema, pri čemu
se misli na kodirane algoritme obrade podataka. Efikasnost računarskih programa podrazumeva
optimalno rešenje postavljenog problema, odnosno najbrži i najpouzdaniji način sa najmanjim
utroškom prostora u memoriji računara.
6. Mogućnost učenja
Mogućnost učenja je veoma bitna karakteristika računara. Današnji računari rade tačno ono što je
programom predviđeno. Bez obzira na spoljnu manifestaciju, rad računara se uglavnom svodi na
korišćenje memorije i dovoljno mnogo pitanja sa skretnicama tipa „if – than“. Odstupanje od
programiranog ponašanja znači grešku ili sistema ili programa. Međutim, ako se računaru
omogući da uči, u bilo kom obliku, tada se mogu očekivati optimalni programi, primereni datom
problemu.
70 | P a g e
Slika 4.
Danas se primenjuje čitav niz različitih klasifikacija, prema kojima su najznačajnije oblasti
veštačke inteligencije:
71 | P a g e
2. sisteme za rešavanje formalnih zadataka:
logičke igre
matematička logika, geometrija, integralni račun
osobine programa
00:16:31
Jedinica: 11 od 15
igre - računarske programe koji mogu da igraju igre kao što je šah
ekspertske sisteme - računarske programe koji omogućavaju donošenje odluka u realnim
situacijama, na primer, pomažu lekarima u dijagostifikovanju bolesti na bazi određenih simptoma
kod pacijenta
prirodne jezike - računarske programe koji razumeju prirodne ljudske jezike,
neuronske mreže - sisteme koji simuliraju inteligenciju nastojeći da oponašaju tipove fizičkih
veza koje postoje u mozgu i
robotiku - računarske programe koji „vide“, „čuju“ i reaguju na druge stimulacije senzora.
72 | P a g e
Slika 1.
Ljudi su još uvek daleko od potpunog osvajanja onoga što veštačka inteligencija podrazumeva,
dakle, od sistema koji su sposobni da u potpunosti simuliraju ljudsko ponašanje. Najveći
napredak postignut je u oblasti igara. Najbolji računarski programi za igranje šaha danas
pobeđuju ljude. U februaru 1996. godine, IBM-ov superračunar, nazvan „Deep Blue“, bez
sentimenta pobedio je tadašnjeg šampiona sveta u šahu Garija Kasparova. Nakon tri sata igranja,
Gari Kasparov izgubio je prvu od šest partija u meču protiv računara. Ovaj događaj je ponovo
otvorio mnoga pitanja i dileme oko postojanja veštačke inteligencije i toga da li je ona stvarno
moguća. Kasparov je odigrao revanš protiv poboljšane Deep Blue verzije 11. maja 1997. godine,
a 2003. godine borio se protiv računarskog programa nazvanog Deep Junior, što se završilo
nerešeno.
Kratak i interesantan video na temu How Computer Chess Changed Programming - It changed
how we program and think about the human brain može se videti na:
http://spectrum.ieee.org/slideshow/computing/software/how-computer-chess-changed-
programming/
73 | P a g e
Slika 2.
Ranih osamdesetih godina prošlog veka verovalo se da ekspertni sistemi predstavljaju budućnost
veštačke inteligencije i računara uopšte, ali, oni ni do danas nisu dostigli ono što se od njih
očekivalo. Mnogi ekspertni sistemi pomažu stručnjacima u oblastima kao što je medicina ili
inženjering, ali njihovo stvaranje je izuzetno skupo i od pomoći u vrlo specifičnim oblastima.
Procesiranje prirodnih jezika nudi velike potencijale, jer bi omogućilo jednostavnu interakciju
korisnika i računara bez potrebe za posebnim znanjem i obukom u korišćenju računarskih
sistema. Nažalost, pokazalo se da je stvaranje programa za razumevanje prirodnih jezika mnogo
teže nego što se mislilo. Postoje rudimentarni programi za prevođenje sa jednog jezika na drugi,
ali njihovi prevodi nisu ni približno tako dobri kao oni koje načine sasvim prosečni prevodioci.
Postoje i sistemi za prepoznavanje glasa (Voice Recognition Systems) koji izgovorene reči
pretvaraju u pisani tekst, ali oni ne razumeju šta zapravo pišu.
Sistemi koji najviše obećavaju bazirani su na neuronskim mrežama koje su se pokazale uspešnim
u brojnim oblastima, kao što su prepoznavanje glasa i procesiranje prirodnih jezika.
74 | P a g e
Slika 3.
sisteme koji simuliraju inteligenciju nastojeći da oponašaju tipove fizičkih veza koje postoje u mozgu
Na sistemu veštačke inteligencije se radi već decenijama i mnogi naučnici smatraju da je pitanje
trenutka kada će kompjuterska inteligencija prestići ljudsku. Istraživači su odlučili da u novoj
75 | P a g e
studiji pokušaju da ustanove kolika je distanca između ljudske inteligencije i veštačke
inteligencije. Rezultati kompjutera su bili slični rezultatima deteta od četiri godine.
Postoje mnogi primeri mogućih primena veštačke inteligencije, kao što su: prepoznavanje oblika,
rukopisa, govora, otkrivanje upada u sisteme i prevara (engl. fraud), finansijski i ekonomski
modeli, predviđanje kretanja cena na tržištu, upravljanje sistemima, upravljanje proizvodnim
procesima, analiza električnih kola, psihijatrijske procene, kompresovanje podataka, naftna
istraživanja, analiza medicinskih testova, ispitivanje EEG i EKG signala, pronalaženje
optimalnog rešenja, upravljanje robotima, vremenska prognoza...
Slika 4.
Veliki deo istraživanja u oblasti veštačke inteligencije danas se svodi na razvoj praktičnih
aplikacija. Računarski sistemi su sve uspešniji u pretraživanju podataka, obradi teksta i vida.
Veliki uspeh tih i sličnih sistema doveo je do tačke gde se veštačka inteligencija može primeniti
na probleme u realnom životu. Nažalost, ovaj napredak postiže se u vrlo uskom pravcu
istraživanja. Današnji sistemi ne mogu da reše opšte probleme. Umesto toga, moćne
metodologije primenjuju se na rešavanje ograničenog broja zadataka. Sve su one vrlo uspešne u
76 | P a g e
rešavanju pojedinačnih malih problema, ali teško mogu dovesti do stvaranja veštačke
inteligencije, upravo zbog te svoje bazične limitiranosti. Da bi jedan sistem bio zaista
inteligentan, mora da bude u stanju da razmotri širok opseg informacija na složen i
nedeterministički način.
Test uspešnosti jednog takvog opšteg sistema je poznati Tjuringov problem. Ukratko, jedan
čovek razgovara istovremeno sa računarom i sa drugim čovekom. Ako prvi čovek ne može sa
sigurnošću da ih razlikuje, tada je računar inteligentan. Nijedan do sada napravljeni računar nije
se približio ovom rešenju. Svake godine organizuje se takmičenje pod nazivom Lebnerova
nagrada. Reč je o velikoj nagradi za prvi sistem koji bude rešio Tjuringov problem. Teškoća je u
tome što tema razgovora nije unapred određena. Može se razgovarati o košarci, kuvanju ili
kućnim ljubimcima. Čovek ne mora mnogo da zna o ovim temama, ali će se razgovor ubrzo
voditi u oblasti koju oba sagovornika poznaju. Sadašnji sistemi veštačke inteligencije ograničeni
su na uske oblasti.
Kada je reč o veštačkoj inteligenciji, naučnici pominju i „problem kineske sobe“. Ako osoba ima
dokument na jednom nepoznatom jeziku i želi da ga prevede na drugi nepoznati jezik, ona će to
uspeti da uradi, reč po reč, uz pomoć rečnika, ali na kraju neće razumeti šta u dokumentu, u
stvari, piše. Na sličan način, program suštinski ne razume dokument koji prevodi. Ne postoji
računarski program koji uspešno prevodi sa jednog jezika na drugi. Već 60-ih godina pokazalo
se da je prevođenje pomoću mašina mnogo složenije nego što se mislilo. Iako programi relativno
uspešno pomažu ekspertima pri prevođenju, automatski programi za prevođenje nikako ne mogu
da dostignu nivo ni osrednjih prevodilaca. Zaključak nije moguće odmah izvući, ali je verovatno
potrebno prvo razumeti dokument da bi se on dobro preveo.
Slika 5.
77 | P a g e
Neuronski modeli, kognitivna arhitektura i psihologija
Neki naučnici ulažu napor da stvore simboličke modele ljudskog saznanja. Ove kognitivne
arhitekture koriste se da opišu kako ljudi razmišaljaju. Kada bi ovi modeli bili u potpunosti
uspešni, oni bi predstavljali veštačku inteligenciju. Međutim, to su simbolički sistemi i pate od
već opisanih problema. Relativno ih je lako izgraditi tako da funkcionišu u određenom domenu,
ali pokušaji da se izgrade opšti sistemi nisu do sada bili uspešni.
Psihologija je relativno razvijena oblast. Tokom godina objasnila je široki spektar ljudskog
ponašanja, od kratkoročne memorije do slepih mrlja. Koristi repetitivne zadatke i registruje
reakcije na ljudskom mozgu. Proučava strukturu kategorija i faze razvoja. Psihologija je izuzetno
široka oblast i dala je brojne teorije o ljudskoj kognitivnoj aktivnosti, ali je još daleko od
konačnog rešenja problema. Jasno je da je ovo znanje korisno za razvoj računarskog modela
mozga. Zna se kako neuroni okidaju, ali moraju se ispitati i rezultati njihove aktivnosti.
Psihologija proučava upravo te pojave, neprestano procenjujući verodostojnost modela i poredeći
rezultate sa psihološkim podacima.
Ljudi su danas još uvek daleko od rešavanja Tjuringovog problema, ali su svesni da postoji
mehanizam koji taj zadatak rešava – to je čovek. Po svemu sudeći, najbolji način da se razvije
zaista inteligentni sistem jeste da se koriste osobine jedinog inteligentnog sistema u prirodi –
ljudskih bića. Mnogo toga se zna o funkcionisanju neurona, relativno dobro se poznaje
topologija mozga i ljudi imaju široko razumevanje osobina ovog sistema. Naučnici se trude da
razviju jednostavne neuronske modele koji će moći da dostignu nivo kognitivne arhitekture.
Kada se to postigne, posvetiće se specijalizovanim modulima pojedinih oblasti u mozgu.
Razvojem računarskih neuronskih modela koji simultano rešavaju veći broj zadataka iz prakse,
prevazišli bi se problemi i ograničenost domena od kojih pate današnji sistemi i načinio bi se
značajan skok ka stvaranju veštačke inteligencije. Tek tada će i roboti, možda, postati čovekolika
stvorenja u pravom smislu te reči.
00:14:48
Jedinica: 12 od 15
78 | P a g e
Ekspertni sistemi bi se, slično kao i veštačka inteligencija, mogli okarakterisati kao programi koji
koriste ljudsko znanje radi rešavanja problema koji zahtevaju ljudsku inteligenciju. Drugim
rečima, ekspertni sistemi su inteligentni kompjuterski programi koji upotrebljavaju znanje da bi
rešili kompleksne probleme i zahtevaju značajnu ljudsku stručnost i veštinu. Izraz ekspertni
sistemi se odnosi na programe koji se koriste znanjima radi simulacije ponašanja eksperta,
odnosno, funkcionisanje ovakvog programa odgovara čoveku koji je ekspert u nekoj oblasti.
Može se zaključiti da se ekspertni sistemi baziraju na znanju i da su specijalizovani za donošenje
zaključaka.
Ekspert je stručnjak u nekoj oblasti koji poseduje i efikasno koristi određeno znanje,
razumevanje problema i zadataka, veštine i iskustva. Eksperti poseduju i sposobnost da u
konkretnom problemu koji rešavaju prepoznaju tipski zadatak. Poseduju i neke lične osobine
poput snalažljivosti, što čini heurističko znanje. Na osnovu ovog znanja mogu da prepoznaju
najbrži način dolaska do rešenja, kao i ispravan pristup u rešavanju problema, čak i ako su podaci
nekompletni. Na slici ispod predstavljeno je poređenje karakteristika ljudskog znanja i znanja
ekspertnih sistema.
Razlog za primenu ekspertnih sistema je težnja da znanje iz raznih specifičnih oblasti ljudske
delatnosti postane dostupnije kroz primenu računarskih programa. Omogućeno je da u svakom
trenutku zaključivanja na raspolaganju bude celokupno znanje iz određene oblasti. Zahvaljujući
velikoj brzini računara, iz tog znanja za kratko vreme je moguće izvući zaključke.
Razlike između konvencionalnog programa i ekspertnog sistema su u tome što ekspertni sistem
ima sposobnost zaključivanja i objašnjavanja, može da objasni svoje akcije, opravda svoje
zaključke i obezbedi korisniku informacije o znanju koje poseduje.
79 | P a g e
Sticanje znanja za ekspertne sisteme
80 | P a g e
Slika 2.
1. Baza znanja
Baza znanja sadrži činjenice o datoj oblasti, odnosno, poistovećuje se sa opštim znanjem
eksperta o datoj oblasti. Baza znanja je specijalizovana i jedinstvena za konkretan sistem. Znanje
koje je uneto putem sistema za prikupljanje znanja ne menja se tokom vremena.
Baza pravila zaključivanja predstavlja mehanizam zaključivanja koji se nalazi između korisnika i
baze znanja i ima dve uloge, da ispita postojanje činjenica i da uređuje redosled zaključivanja.
Mehanizam zaključivanja na osnovu promenljivih podataka i fiksnog znanja iz baze znanja
rešava problem.
3. Korisnički interfejs
Ekspertni sistemi znanje smeštaju u bazu znanja koja se koristi preko mehanizama zaključivanja.
Razlog za primenu ekspertnih sistema je da znanje iz raznih specifičnih oblasti ljudske delatnosti
postane dostupnije kroz primenu računarskih programa. Oni ne mogu potpuno zameniti eksperte,
naročito u pogledu kreativnosti i upotrebe opšteg znanja iz običnog života i drugih oblasti, ali,
oni imaju i neke od prednosti nad ljudima, s obzirom na to da ljudsko znanje može vremenom da
se gubi, naročito ako se često ne koristi.
Stalno
Lako prenosivo
Dosledno
Jeftino
Kreativno
Ekspert je osoba koja poseduje znanje, veštinu i iskustvo na osnovu kojih rešava probleme iz
određenog domena, bolje i efikasnije od drugih ljudi.
2. Inženjer znanja
Krajnji korisnik ekspertnog sistema radi sa ekspertnim sistemom, unosi ulazne podatke i
činjenice, zahteva objašnjenja, definiše zahteve vezane za korisnički interfejs.
Sli
ka 4.
83 | P a g e
Projektni tim za izgradnju ekspertnog sistema
Projektni tim za svaki projekat ekspertnog sistema mora obavezno da sadrži sledeće grupe ljudi:
rukovodilac projekta
glavni projektant (inženjer znanja)
projektanti (inženjeri znanja)
eksperti
korisnici.
U toku razvoja ekspertnog sistema, ekspert, u saradnji sa projektnim timom, ima naglašenu
ulogu, a njegovi zadaci su sledeći:
razrešavanje i definisanje stavova sa rukovodiocem projekta o tome kakav sistem treba da bude
razlaganje prototipa sistema i rekonstruisanje baze znanja
razvoj procedura za povezivanje sistema sa bazama podataka i drugim aplikacijama.
Prema vrsti informacija koju ekspertni sistemi pružaju, oni mogu biti:
Samostalni ekspertni sistemi samostalno izvode proces donošenja odluka i planiranja budućih
pravaca akcije, a korisnika izveštavaju o primenjenim postupcima i razlozima za usvajanje
određene procedure.
84 | P a g e
Konsultantski ekspertni sistemi pružaju razne konsultantske usluge, odnosno, pomažu
korisnicima na način na koji bi i ekspert pružio svoje mišljenje. Ova grupa sistema koncipirana je
tako da se njima koriste eksperti kojima su potrebna dodatna mišljenja za rešavanje kompleksnih
problema.
Savetnički ekspertni sistemi su sistemi koje mogu koristiti i eksperti, ali i ostali korisnici kojima
je potreban savet u odgovarajućim situacijama.
Sistemi za ispitivanje „šta bi bilo ako“ omogućavaju razmatranje određenih situacija u kojima je
potrebno predvideti efekte primene alternativnih akcija. Može se uspostaviti analogija ove grupe
ekspertnih sistema sa simulacionim modelima razvijenim do ekspertnog nivoa.
Slika 5.
85 | P a g e
Primena ekspertnih sistema
sisteme za objašnjavanje
prognostičke sisteme
dijagnostičke sisteme
sisteme planiranja
sisteme monitoringa
sisteme obnavljanja
sisteme instrukcije
kontrolne sisteme i sl.
Neuronske mreže
00:16:54
Jedinica: 13 od 15
Neuronska mreža je oblik implementacije sistema veštačke inteligencije koji predstavlja sistem
sastavljen od određenog broja međusobno povezanih procesora ili čvorova ili procesnih
elemenata koje nazivamo veštačkim neuronima. Neuronske mreže su sistemi sastavljeni od više
jednostavnih elemenata, tj. neurona koji obrađuju podatke paralelno. Funkcije koje su u stanju
86 | P a g e
da obrađuju su određene strukturom mreže, jačinom konekcije, a obrada podataka se izvodi u
neuronima.
Slika 1.
Neuronske mreže su sistemi sastavljeni od više jednostavnih procesora (jedinica, neurona), gde
svaki od njih ima lokalnu memoriju u kojoj pamti podatke koje obrađuje. Te jedinice su
povezane komunikacionim kanalima (vezama). Podaci koji se ovim kanalima razmenjuju su
obično numerički. Jedinice obrađuju samo svoje lokalne podatke i ulaze koje primaju preko
konekcije. Ograničenja lokalnih operatora se mogu otkloniti putem treninga.
Većina neuronskih mreža ima neku vrstu pravila za obučavanje, čime se koeficijenti veza između
neurona podešavaju na osnovu ulaznih podataka. Drugim rečima, neuronske mreže “uče” preko
primera, kao što deca uče da prepoznaju konkretni predmet, objekat, proces ili pojavu preko
odgovarajućih primera i poseduju sposobnost za generalizaciju nakon trening podataka.
Neuronska mreža se sastoji od više jednostavnih procesorskih jedinica. Ulazni sloj na levoj strani
se sastoji od ulaznih procesorskih jedinica. Svakoj jedinici se dodeljuje određena vrednost, u
zavisnosti od vrednosti pojedinih elemenata niza koji predstavlja ulazni oblik. Sa svojih izlaza,
ove procesorske jedinice prosleđuju signale do sledećeg sloja prema topologiji date mreže.
Rezultat izlaza se prosleđuje preko izlaznih veza do drugih procesorskih jedinica.
Svaka jedinica je povezana sa više susednih jedinica. Obično je taj broj iznad sto, pa čak i do
hiljadu. Broj ovih veza između procesorskih jedinica u stvari predstavlja snagu neuronske mreže.
87 | P a g e
Rad neuronskih mreža sa više veza je kompleksniji, ali takva mreža može da odgovara na
kompleksnije zadatke koji joj se zadaju. Analogan broju veza u neuronskoj mreži, koji
predstavlja snagu procesiranja ove mreže, jeste broj instrukcija koje centralni procesor u
klasičnom računaru obrađuje u sekundi.
Bitna razlika između neuronskih mreža i klasičnih računara je što se neuronske mreže „ne
programiraju“. Kod klasičnog računara, programer u računar unosi program kojim je tačno
određen rad računara u svakom trenutku. Međutim, neuronske mreže se ne programiraju, već se
„obučavaju“. Pre nego što se počnu primenjivati, ulaže se dosta vremena za obučavanje, učenje
ili treniranje neuronskih mreža.
Učenje neuronskih mreža se svodi na učenje iz primera kojih treba da bude što više da bi mreža
mogla da se ponaša tačnije u kasnijoj eksploataciji. Postoji tri tipa obučavanja neuronskih mreža:
Nadgledano obučavanje, gde se mreži predstavljaju ulazni podaci i očekivani izlazni podaci
Obučavanje ocenjivanjem, gde se mreži ne predstavljaju očekivani izlazni podaci, nego joj se
posle izvesnog vremena predstavlja ocena prethodnog rada.
Samoorganizacija, gde se mreži predstavljaju isključivo ulazi.
1. Hardverska realizacija
Kod hardverske realizacije veštački neuroni su fizički međusobno povezani, oponašajući veze
između bioloških neurona. Neuroni se realizuju kao jednostavna integrisana kola. Kod softverske
realizacije, neuronske mreže se obično simuliraju na tradicionalnim računarima u kojima je veza
između čvorova logička (virtuelna). Svaki od ovih načina realizacije neuronskih mreža ima svoje
prednosti i mane. Prednost hardverske realizacije je u tome što može da koristi mogućnost
paralelnog procesiranja informacija, ukoliko se svakom neuronu u mreži dodeli po jedan
procesor.
2. Softverska realizacija
Prednost softverske realizacije neuronskih mreža na standardnom računaru je u tome što se lakše
uspostavljaju, a kasnije i menjaju, veze između pojedinih neurona u mreži. U praksi se
softverska realizacija koristi za testiranje, a konkretna realizacija koja se primenjuje u praksi
može biti realizovana i hardverski, čime se dobija na brzini.
88 | P a g e
Slika 2.
Postoji veliki broj različitih realizacija neuronskih mreža, a samim tim postoji i mnogo podela.
Neuronske mreže mogu se klasifikovati prema:
broju slojeva
vrsti veza između neurona
vrsti obučavanja neuronskih mreža
smeru prostiranja informacija
vrsti podataka.
Najopštija podela neuronskih mreža je prema broju slojeva, pa se, prema tome, neuronske mreže
mogu podeliti na:
jednoslojne
višeslojne.
89 | P a g e
sa jednom susednom jedinicom na levoj strani
Prvi, ulazni sloj je jedini sloj koji prima signale iz okruženja. Prvi sloj prenosi signale sledećem,
skrivenom sloju, koji obrađuje ove podatke i izdvaja osobine i šeme iz primljenih signala. Podaci
koji se smatraju važnim se upućuju izlaznom sloju, poslednjem sloju mreže. Na izlazima neurona
trećeg sloja se dobijaju konačni rezultati obrade. Složenije neuronske mreže mogu imati više
skrivenih slojeva, povratne petlje i elemente za vremensko odlaganje, koji su dizajnirani da
omoguće što efikasnije odvajanje važnih osobina ili šema sa ulaznog nivoa.
90 | P a g e
Složenije neuronske mreže imaju više skrivenih slojeva. Slojevi su međusobno potpuno
povezani. Slojevi komuniciraju tako što se izlaz svakog neurona iz prethodnog sloja povezuje sa
ulazima svih neurona narednog sloja. Znači, svaki čvor ima nekoliko ulaza i jedan izlaz. Jačina
veza kojom su neuroni povezani naziva se težinski faktor (Weight).
91 | P a g e
Područja primene neuronskih mreža
U početku su neuronske mreže koristili naučnici računarskih i kognitivnih nauka koji su
pokušavali da modeliraju čulni sistem živih organizama. Danas neuronske mreže predstavljaju
veoma atraktivnu oblast istraživanja i postoje brojne oblasti u kojima se koriste.
Na osnovu navedenog prikaza korišćenja neuronskih mreža, njihova primena se može razvrstati
na tri karakteristične oblasti:
U budućnosti se očekuju brojne nove primene, kao što su, na primer, pouzdano prepoznavanje i
verifikacija rukom pisanih tekstova, prevođenje telefonskih razgovora sa jezika na jezik, rutinsko
komuniciranje sa računarima posredstvom ljudskog glasa i sl.
92 | P a g e
Slika 4.
Značaj neuronskih mreža je u tome što one mogu paralelno da obrađuju podatke čije komponente
su nezavisne jedne od drugih. Istovremeno radi više procesorskih jedinica, da bi rezultati njihove
obrade prešli na sledeće jedinice, tj. neurone. Procesorske jedinice u jednoj neuronskoj mreži su
jednostavne i mogu obavljati samo jednu ili eventualno nekoliko računarskih operacija i
međusobno su povezane tako da u jednoj neuronskoj mreži postoji mnogo više veza nego
procesorskih jedinica. Broj ovih veza između neurona predstavlja snagu neuronske mreže.
Težinski koeficijenti veza (težine veza) su koeficijenti koji su dodeljeni u svakom trenutku
vezama neuronske mreže.
Neuronske mreže se koriste u situacijama kada nisu poznata pravila prema kojima bi bilo
moguće dovesti u vezu ulazne i izlazne podatke iz željenog sistema. Neuronske mreže se ne
programiraju, već se treniraju, tako da je potrebno dosta vremena za njihovo obučavanje, pre
nego što počnu da se koriste.
1. Tolerancija oštećenja
93 | P a g e
Pošto u mreži postoji mnogo čvorova procesiranja od kojih svaki ima primarnu lokalnu vezu,
oštećenje na nekoliko čvorova neće dovesti do zastoja celog sistema.
2. Generalizacija
Kada se neuronskoj mreži prezentuju nekompletni ulazi, ulazi sa šumom ili oni koji prethodno
nisu viđeni, neuronska mreža generiše razuman odgovor.
3. Adaptivnost
Mreža se može dotrenirati sa novim slučajevima, čak i kada su značajno različiti od prethodnih.
4. Masovni paralelizam
Računanje sa veštačkim neuronskim mrežama je logički lako razdvojiti na nezavisne zadatke, što
omogućava da se napravi paralelna implementacija sa puno procesorskih jedinica.
Planovi ne uspevaju zbog nedostatka ciljeva! Kada ne znate u koju luku plovite, nema vetra koji je
dobar! Seneka
00:13:06
Jedinica: 14 od 15
94 | P a g e
Slika 1.
1. Interakcija sa okruženjem
2. Autonomnost
Autonomnost znači da je sistem u stanju da reaguje bez intervencije korisnika ili drugih agenata i
da ima kontrolu nad sopstvenim akcijama i unutrašnjim stanjem. Takav sistem treba, takođe, da
bude sposoban da uči iz iskustva. Mogućnost interakcije sa okruženjem i autonomnost
računarskih sistema nije nova ideja. Postoje već mnogi takvi sistemi, kao što su programi za
kontrolu realnih sistema koji nadgledaju okruženje realnog sveta i izvode akcije kao odgovor na
promene sistema u realnom vremenu. Ovde se ubrajaju i programi koji nadgledaju softversko
okruženje i izvode akcije kojima deluju na okruženje u slučaju promene radnih uslova (antivirus
programi).
3. Fleksibilnost
95 | P a g e
Navedeni primeri imaju odlike interakcije sa okruženjem i autonomnosti, ali se ovi sistemi ne
mogu smatrati agentima sve dok nemaju mogućnost fleksibilnog ponašanja kada se nađu u
situacijama koje nisu planirane prilikom dizajniranja.
agent treba da primeti promene u okruženju i da donese odluku o mogućim akcijama dovoljnom
brzinom da bi takva akcija bila od značaja za sistem u kome deluje
agenti ne treba samo jednostavno da reaguju kao odgovor na signale iz okruženja, već treba da
budu sposobni da uočavaju 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 ili ljudima
da bi rešili sopstveni problem ili pomogli jedni drugima u njihovim aktivnostima.
Slika 2.
Agenti predstavljaju softvere koji imaju sposobnost da samostalno, bez intervencije korisnika, izvršavaju
postavljen zadatak i izveštavaju korisnika o završetku zadatka ili pojavi očekivanog događaja.
Tačno
Netačno
96 | P a g e
Vrste sistema baziranih na agentima
Agenti se međusobno razlikuju u zavisnosti od domena primene, ali se ipak mogu klasifikovati u
nekoliko grupa, a one su:
Interfejs agenti su agenti čija je uloga da krajnjem korisniku olakšaju upravljanje sistemom na
kome radi. Ovi agenti se mogu upotrebiti za izradu adaptivnog korisničkog interfejsa (Adaptive
User Interfaces). Uloga agenata u ovakvom sistemu je da tokom vremena prate navike korisnika
i pretpostavljaju njegove buduće akcije. Interfejs agenti imaju zadatak da prikazuju informacije
za koje pretpostavljaju da u datom trenutku interesuju korisnika.
3. Mobilni agenti (Mobile Agents)
Za ovu vrstu agenata je karakteristično da imaju sposobnost da se fizički kreću od jednog prema
drugom serveru (hostu) agenata preko računarske mreže (internet/intranet). Mobilni agenti su se
pokazali posebno korisnim u situacijama kada je potrebno smanjiti obim (troškove)
komunikacije između povezanih računara. Umesto obimne razmene informacija između
računara, šalje se agent na izvor informacija i tamo vrši obradu
podataka.
Nakon završene obrade, agent šalje rezultate serveru. Ovi agenti se, takođe, mogu upotrebljavati
da bi se prevazišao problem ograničenih lokalnih resursa. Ukoliko su resursi jednog računara
zauzeti, agent može da potraži računar sa slobodnim resursima i tamo obradi podatke.
97 | P a g e
Slika 3.
Životni ciklus mobilnih agenata se sastoji od: stanja pokretanja, stanja izvršavanja i stanja
ispunjenja postavljenog zadatka, nakon čega se agent uništava i oslobađaju se zauzeti resursi. U
trenutku kada se agenti kreću od jednog računarskog sistema ka drugom, stanje izvršavanja se
zaustavlja i memoriše se trenutno stanje obrade. Kada se agent prenese na drugi računar, obrada
se nastavlja sve dok se ne izvrši postavljeni zadatak.
U sistemima gde se primenjuju mobilni agenti, posebna pažnja se mora posvetiti bezbedonosnim
problemima kao što su: sprečavanje neovlašćenih osoba/agenta da prikupljaju podatke,
sprečavanje neovlašćenih osoba/agenata da menjaju podatke na sistemima, sprečavanje
neovlašćenih osoba/agenata da upotrebljavaju resurse sistema, sprečavanje pokretanja agenata sa
nejasnim ili zlonamernim ciljevima.
98 | P a g e
5. Reaktivni agenti (Reactive Agents)
Reaktivni agenti ne planiraju svoje akcije, već njihove akcije zavise isključivo od trenutnih
događanja u sistemu. U ovakvim agentima se najčešće primenjuju tradicionalne tehnike veštačke
inteligencije, kao što je monotono zaključivanje. Do sada su se reaktivni agenti najčešće
primenjivali u računarskim igrama.
Hibridni agenti su vrsta agenata koja je bazirana na jednoj ili više vrsta agenata sa liste.
00:13:19
Jedinica: 15 od 15
Inteligentni agenti predstavljaju softver koji automatski može da izvrši zadatak koji mu postavi
osoba ili drugi softver, tj. agent. Kada se jednom podese, oni izvršavaju svoje zadatke
automatski, bez dalje intervencije korisnika. Inteligentni agenti dobijaju informacije iz svog
okruženja. Oni „opažaju“ okruženje, odlučuju o svojim akcijama i izvršavaju ih. Implementirani
su kao programi (funkcije) koji preslikavaju opažanja u akcije.
Iako korisnik ne mora da „posluša“ agenta, inteligentni agenti pomažu korisnicima na razne
načine:
Potreba za inteligentnim agentima nastala je iz razloga što je informacije sve teže locirati,
99 | P a g e
prikupljati, filtrirati, ocenjivati i integrisati i sve je teže koordinirati dobijanje informacija iz
heterogenih izvora.
Slika 1.
Multiagenti
Sistemi u kojima se upotrebljava više agenata radi rešavanja zajedničkog problema nazivaju se
multiagentni sistemi ili multiagenti. U ovakvim sistemima neophodno je da agenti imaju
mogućnost međusobne komunikacije u cilju razmene iskustva ili „pregovaranja“ da bi se našlo
optimalno rešenje. 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 više različitih metoda za
rešavanje problema ili višestruke perspektive. Oni omogućavaju izradu paralelnih računarskih
sistema i pomažu pri radu sa vremenski ograničenim zaključivanjem i robusnim sistemima, ako
su odgovornosti podeljene. U sistemima izrađenim na ovaj način upravljanje se (umesto da
procesom upravlja jedan kompleksan agent) deli na više agenata, koji prema svojim
specijalnostima preuzimaju nadležnost nad kontrolom složenog procesa. Upotrebom
multiagentnih sistema se povećava bezbednost sistema u situacijama otkazivanja jednog od
agenata, kada čitav sistem može biti automatski rekonstruisan ili zaustavljen na kontrolisan
način.
broj agenata
100 | P a g e
kritičnu količinu vremena za obavljanje zadataka
dinamiku pristizanja ciljeva
troškove komunikacije
cenu neuspeha
uticaj korisnika
neodređenost okruženja.
Slika 2.
101 | P a g e
agenata, što obezbeđuje komunikaciju između agenata koji su razvijeni nezavisno jedan od
drugog, odnosno, kada ih prave različiti programeri. Time se omogućava planiranje akcija i
upravljanje resursima celokupnog sistema.
Primena multiagenata
Oblast autonomnih agenata i multiagentnih sistema je veoma raznolika i predstavlja oblast koja
se ubrzano širi. Metodologija izrade programa bazirana na agentima pruža niz efikasnih alata i
tehnika koje imaju potencijal da značajno unaprede tehniku izrade softvera, počevši od idejnog
rešenja pa sve do konkretne implementacije.
Oblast primene agenata i multiagenata predstavlja spoj više naučnih oblasti kao što su:
Tehnologija agenata dobija sve više na značaju i oni se sve više upotrebljavaju za rešavanje
realnih problema i u komercijalnim aplikacijama. Agenti imaju veoma širok spektar primena, od
veoma jednostavnih sistema (kao što su filteri za elektronsku poštu i programa za presretanje i
uklanjanje računarskih virusa), pa sve do veoma kompleksnih sistema (kao što je softver za
kontrolu avio-saobraćaja).
proizvodnja
kontrola procesa
telekomunikacioni sistemi
102 | P a g e
kontrola avio-saobraćaja
upravljanje transportom
meteorologija
filtriranje i sakupljanje informacija
upravljanje tokovima informacija
elektronska trgovina
upravljanje poslovnim procesima
medicina
industrija zabave
kompjuterske igre...
Slika 3.
U toku protekle dve decenije otkriven je značajan broj poboljšanja u dizajnu i implementaciji
autonomnih agenata, kao i načinu na koji oni stupaju u interakciju. Tehnologija na bazi agenata
sve više nalazi primenu u komercijalnim proizvodima i softveru koji se primenjuje u realnom
okruženju. Trenutno ne postoji metodologija koja definiše kako najbolje strukturirati
multiagentni sistem, kako uskladiti individualne ili kolektivne ciljeve agenata u međusobnoj
komunikaciji, niti koja je najbolja struktura individualnog agenta u takvom sistemu.
103 | P a g e
on je autonomni softverski entitet
opaža svoje okruženje putem senzora
deluje na svoje okruženje
može da izvrši neki zadatak
ima sposobnosti navigacije i komunikacije.
Agent može da bude čovek, robot ili softverski proizvod. Svaki agent poseduje neko
znanje. Inteligentni agenti imaju sledeće osobine:
autonomnost
sposobnost komuniciranja
sposobnost učenja
inicijativa i blagovremeni odziv
fleksibilnost
prilagodljivost.
Slika 4.
104 | P a g e
Strukturu inteligentnih agenata sačinjavaju:
hardver, koji se sastoji od računarskog sistema, tj. specijalnog hardvera (na primer, kamere ili
audio ulaza) i računarskih programa i
softver za funkcionisanje, čiji je zadatak izvršavanje zadatka i komunikacija sa okruženjem.
105 | P a g e