SVEUČILIŠTE/UNIVERZITET ,,VITEZ“ VITEZ

FAKULTET INFORMACIONIH TEHNOLOGIJA

STUDIJ II CIKLUSA; GODINA STUDIJA: III

SMJER: INFORMACIJSKE TEHNOLOGIJE

VJEŠTAČKA INTELIGENCIJA

SEMINARSKI RAD

Jaen, Januar 2020.godina

SVEUČILIŠTE/UIVERZITET ,,VITEZ“ VITEZ
FAKULTET INFORMACIONIH TEHNOLOGIJA

STUDIJ II CIKLUSA; GODINA STUDIJA: II

SMJER: INFORMACIJSKE TEHNOLOGIJE

Vještačka inteligencija
SEMINARSKI RAD

IZJAVA:
Ja Munir Šakić student Sveučilišta/Univerziteta ,,Vitez“ Vitez, Indeks broj
008-17 RIT odgovorno, uz moralnu i akademsku odgovornost izjavljujem
da sam ovaj rad izradila potpuno samostalno uz korištenje citirane literature
i pomoć profesora odnosno asistenta.

STUDENT: Munir Šakić

PREDMET: Menađment poslovnih informacioni sistema
PROFESOR: DOC.Muhamed Ćosić
ASISTENT:
SADRŽAJ

1. UVOD...................................................................................................................1
1.1. RADNA HIPOTEZA.....................................................................................1
1.2. NAUČNE METODE.....................................................................................1
1.3. STRUKTURA RADA...................................................................................1
1.4. ZNANSTVENE METODE............................................................................2
1.5. STRUKTURA RADA...................................................................................2
2. VJEŠTAČKA INTELIGENCIJA.........................................................................3
2.1. POJAM VJEŠTAČKE INTELIGENCIJE.....................................................3
3. HISTORIJSKI RAZVOJ VJEŠTAČKE INTELIGENCIJE.................................5
3.1. FAZE RAZVOJA,NAUKE I PRIMJENEVJEŠTAČKE INTELIGENCIJE 5
3.2. CILJ ISTRAŽIVANJA VJEŠTAČKE INTELIGENCIJE.............................7
3.2.1. Inteligentni sistemi – značaj i svojstva...................................................7
3.3. BAZA ZNANJA U INTELIGENTNIM SISTEMIMA.................................9
4. EKSPERTNI SISTEMI......................................................................................11
4.1. KOMPONENTE EKSPERTNOG SISTEMA.............................................11
4.2. ZNANJE – STICANJE I PREZENTOVANJE............................................12
4.3. RAZLOG PRIMJENE ES............................................................................12
4.4. POSTUPAK RAZVOJA ES........................................................................12
4.5. PRIMJENA ES............................................................................................13
4.6. IZBORI PODRUČJA RAZVOJA ES..........................................................13
4.7. NAČINI PRIKUPLJANJA ZNANJA..........................................................13
4.8. OSOBINE ES...............................................................................................14
5. ZAKLJUČAK.....................................................................................................15
6. LITERATURA...................................................................................................16
 1. UVOD

Pojam vještačka inteligencija VI – (Artifical Intelligence -AI) potiče od Johna

McCarty-ja i označava pojavu inteligencije koja je ostvarena na veštački način, tj.
putem programiranja računara. Međutim mnogi autori i stručnjaci iz ove oblasti se ne
slažu s tim da termin veštačka inteligencija upotpunosti i najbolje opisuje ovu oblast
nauke, jer mnoge oblasti informatike u osnovi imaju inteligentno ponašanje, ali ne
spadaju u oblast veštačke inteligencije, tj. ne pripadaju toj oblasti u užem smislu.

1.1. RADNA HIPOTEZA

Vještačka inteligencija svakim danom dobija sve više pažnje i sve više napreduje.
Stoga ćemo kao radnu hipotezu našeg rada uzeti tvrdnju da je nauka o razvoju
vještačke inteligencije napravila veliki korak i da je je sve bliže korištenje aparata sa
vještačkom inteligencijom u komercijalne svrhe.

1.2. NAUČNE METODE

U sklopu problema kojima ćemo se baviti koristiti ćemo sljedeće metode :

- Metoda analize – misaono, teorijsko i praktično rastavljanje svake
složenespoznaje na njene činitelje ili na sastavne dijelove, momente i aspekte;
- Metoda sinteze – povezivanje analizom dobivenih elemenata;
- Metoda kompilacije – sastavljanje novog rada koristeći naučne radove.

1.3. STRUKTURA RADA

Naš rad sastoji se od pet dijelova, u prvom dijelu predočeni su uvod, radnu hipotezu,
naučen metode i strukturu našeg rada.
U drugom dijelu objasnili smo suštinu pojma vještačke inteligencije.
U trećem dijelu govorimo o historijskom razvoju, cilju istraživanja vještačke
inteligencije i značaju i svosjtvima inteligentnih sistema.
U četvrtom dijelu govorimo o ekspertnim sistemima kao grani nauke o vještačkoj
inteligenciji.
U posljednjem, petom dijelu iznosimo zaključak našeg rada.
1.4. ZNANSTVENE METODE

- METODA ANALIZE
- METODA KOMPARACIJE
- METODA DEFINICIJE
- METODA DESKRIPCIJE
- METODA KLASIFIKACIJE

1.5. STRUKTURA RADA

Prvo poglavlje

Uvod, sadrži pet poglavlja:

- PROBLEM, PREDMET I OBJEKT ISTRAŽIVANJA

- RADNA HIPOTEZA I POMOČNE HIPOTEZE
- SVRHA I CILJEVI ISTRAŽIVANJA
- ZNANSTVENA METODA
- STRUKTURA RADA
 2. VJEŠTAČKA INTELIGENCIJA

Vještačka inteligencija je grana računarskih nauka koja se bavi proučavanjem i

oblikovanjem računarskih sistema koji pokazuju neki oblik inteligencije. To su
sistemi koji mogu učiti nove koncepte, sistemi koji mogu zaključivati i donositi
zaključke o svijetu koji ih okružuje, sistemi koji mogu razumjeti prirodni jezik ili
spoznati i tumačiti složene vizuelne scene, sistemi koji mogu obavljati i druge vrste
vještina koje zahtevaju čovjekovu vrstu inteligencije.1 Pored ove definicije postoje i
druge, a to su :

• Vještačka inteligencija je naučna oblast u kojoj se izučavaju izračunavanja da

bi se izračunavanjem omogućila percepcija, rezonovanje i činjenje.
• Vještačka inteligencija je naučna oblast u kojoj se izučavaju metode koje bi
izračunavanjem omogućile percepciju, rezonovanje i činjenje.
• Vještačka inteligencija je naučna oblast u kojoj se istražuje kako da se
naprave računari, koji bi uspešno radili stvari koje u datom momentu rade bolje u
odnosu na ljude.

Prema Meyer-u dijelovi vještačke inteligencije su : učenje, modeliranje simbolima,

heuristika, rešavanje problema, integracija, tehnike i jezici vještačke inteligencije.

2.1. POJAM VJEŠTAČKE INTELIGENCIJE

Jednostavno rečeno, vještačka inteligencija se može objasniti kao pokušaj da se

naprave mašine koje ispunjavaju takve zadatke da bi ljudi, u slučaju da oni
ispunjavaju te iste zadatke, morali upotrijebiti inteligenciju. Pri tome se pod
inteligencijom podrazumjeva sposobnost snalaženja u novim uslovima, na način
kako to tumače svi psiholozi. Ipak, da bi se izbjegle nedoumice u poimanju suštine
vještačke inteligencije, poželjno je uočiti šta se sve smatra „inteligentnim
ponašanjem“:

• Razumjevanje i učenje na osnovu iskustva,

• Razumjevanje dvosmislenih ili kontradiktornih poruka,
• Brzo i fleksibilno prilagođavanje novim situacijama,
• Upotreba razuma u rješavanju problema i efikasno upravljanje
• Preovladavanje zbunjujućih situacija,

1
D.W. Patterson,1990
• Razumjevanje i izvođenje zaključaka na običan, razuman način
• Primjena znanja pri iskorištavanju okoline
• Sticanje i primanja znanja,
• Razmišljanje i rezonovanje i
• Prepoznavanje relativne važnosti različitih elemenata u nekoj situaciji.

U razumjevanju pojma vještačke inteligencije, neophodno je prihvatiti dvije bitne

činjenice:

• Vještačka inteligencija se bavi procesom mišljenja i

• Vještačka inteligencija pretpostavlja da se taj proces odvija putem računara.
3. HISTORIJSKI RAZVOJ VJEŠTAČKE INTELIGENCIJE

Od davnina je ljude privlačila inteligencija – kako sam pojam inteligencije tako i

mogućnost konstruisanaja „inteligentnih mašina“ koje bi mogle samostalno da rade.
Takve primjere možemo pratiti kroz historiju. U staroj Grčkoj ljudi su se bavili
pitanjima inteligencije, znanja i pravilnog zaključivanja, a među njima se naročito
istakao Aristotel.
Pojam vještačka inteligencija (VI) – Artifical Inteligence, nastaje 1956. godine u
Dartmudu, Hanover (SAD), na skupu istraživača zainteresovanih za teme
inteligencije, neuronskih mreža i teorije automata. Skup je organizovao Džon
Mekarti, ujedno sa Klodom Šenonom, Marvinom Minskim i N. Ročesterom. Na
skupu su učestvovali T. Mur (Prinston), A. Semjuel (IBM), R. Solomonof i O.
Selfridž (MIT), kao i A. Nevil, H. Sajmon (Carnegie Tech, danas Carnegie Mellon
University). Na skupu su postavljene osnove oblasti vještačke inteligencije i trasiran
put za njen dalji razvoj.
Danas se smatra da su koncept vještačke inteligencije postavili V. Mekulok i M. Pits,
1943. godine, u radu u kom se predstavlja model vještačkih neurona na bazi tri
izvora: spoznaja o fiziologiji i funkcionisanju moždanih neurona, iskazna logika
Rasela i Vajteheda, i Tjuringova komputaciona teorija. Nekoliko godina kasnije
stvoren je prvi neuralni računar SNARC. Zaslužni za poduhvat su studenti Prinstona,
Marvin Minski i D. Edmons, 1951. godine. Negdje iz iste epohe su i prvi programi za
šah, čiji su autori Šenon i Tjuring.
Na osnovu istraživanja, počev od osamdesetih godina, konstruišu se prvi
komercijalni sistemi vještačke inteligencije, uglavnom tzv., ekspertski sistemi.

3.1. FAZE RAZVOJA,NAUKE I PRIMJENEVJEŠTAČKE

INTELIGENCIJE

Vještačka inteligencija je u svom razvoju prošla kroz određena razdoblja i to:

• faza inkubacije (1943-1956)
• faza ranog entuzijazma i velikih očekivanja (1952-1969)
• faza sistema zasnovanih na znanju (1969-19799
• faza kada vještačka inteligencija postaje industrija (1980-do danas)
• faza povratka neuronskih mreža (1986-do danas)
Iako je vještačka inteligencija veoma mlada nauka, nasljedila je puno zamisli,
pristupe i tehnike iz drugih naučnih disciplina kao što su :
 • filozofija
• matematika,
• teorije algoritma
• logike,
• vjerovatnoće,
• psihologije.
Područja primjene vještačke inteligencije su:
• ekspertni sistemi,
• formalizmi i metode prikaza znanja,
• učenje,
• razumjevanje i obrada prirodnih jezika,
• rješavanje problema i metode pretraživanja,
• robotika,
• automatsko programiranje,
• računarski vid, raspoznavanje uzoraka i analiza scene,
• vještačke neuronske mreže i genetski algoritmi.
3.2. CILJ ISTRAŽIVANJA VJEŠTAČKE INTELIGENCIJE

Vještačka inteligencija je podoblast računarstva. Cilj istraživanja vještačke

inteligencije je razvijanje programa (softvera), koji će računarima omogućiti da se
ponašaju na način koji bi se mogao okarakterisati intelignentim. Prva istraživanja se
vežu za same korijene računarstva. Ideja o stvaranju mašina koje će biti sposobne da
obavljaju različite zadatke inteligentno, bila je centralna preokupacija naučnika
računarstva koji su se opredijelili za istraživanje vještačke inteligencije, tokom cijele
druge polovine 20. stoljeća. Savremena istraživanja u vještačkoj inteligenciji su
orijentisana na ekspertske i prevodilačke sisteme u ograničenim domenima,
prepoznavanje prirodnog govora i pisanog teksta, automatske dokazivače teorema,
kao i konstantno interesovanje za stvaranje generalno inteligentnih autonomnih
agenata.
Prvi cilj je studija ljudskih kognitivnih procesa uopšte, što potvrđuje definiciju
Patrika J. Hejesa – „studija inteligencije kao komputacije“, čime se veštačka
inteligencija usmerava ka jednoj svojevrsnoj studiji inteligentnog ponašanja kod
ljudi.

3.2.1. Inteligentni sistemi – značaj i svojstva

Funkcije inteligentnog sistema su:

1) Prikupljanje i obrada informacija
2) Interakcija s spoljašnjim svijetom (radnom okolinom)
3) Komunikacija s čovjekom i / ili s drugim inteligentnim sistemima,
4) Prikupljanje znanja,
5) Rukovanje znanjem
6) Obrada znanja i zaključivanje,
7) Planiranje
Inteligentni sistem je svaki sistem koji pokazuje sljedeća svojstva:

1) Sistem pokazuje prilagodljivo, ciljno, i usmjereno ponašanje. Željeni cilj ili

ciljeve predočava podciljevima, a pri tome koristi znanje o operacijama i postupcima
koji prevode željeni cilj u niz akcija. Ako neki od podciljeva nije ostvariv sistem traži
alternativni put prema konačnom cilju sistema.

2) Sistem uči na osnovu iskustva. Sistem ima algoritme za automatsku

modifikaciju strukture i funkcija na osnovu iskustva koja stiče u radu. Učenje
podrazumjeva da sistem može prikupljati, prikazivati i upotrebljavati znanje.

3) Sistem koristi velike količine znanja. Količina znanja smještena u sistemu

mora biti slična količini znanja koju posjeduje čovjek da bi riješio takav problem.

4) Sistem pokazuje svojstva svjesnosti. Sistem ima sposobnost objašnjavanja

svog ponašanja, nadgledanja i dijagnoze stanja, ispravke u slučaju greške.

5) Sistem komunicira s čovjekom prirodnim jezikom i govorom. Sistem mora

komunicirati sa čovjekom i drugim inteligentnim sistemima na „prijateljski način“-
zato upotrebljava prirodni jezik i govor. Takva komunikacija podrazumjeva
upravljanje i dvosmislenostima i gramatički neispravnim rečenicama.

6) Sistem toleriše greške i nejasnoće u komunikaciji.

7) Sistem odgovara u stvarnom vremenu.

8) Budući razvoj – Veštačka inteligencija omogućava razvoj u smislu :

modeliranja složenih fizičkih sistema, korištenja raznovrsnih znanja, vremenskog
rasuđivanja, integracije različitih teorija upravljanja.
3.3. BAZA ZNANJA U INTELIGENTNIM SISTEMIMA

Baza znanja – Apstraktni prikaz radne okoline ili svijeta u kojem sistem treba
rješavati određene zadatke. Baza znanja sadrži znanje iz problemske domene i znanje
o načinu kako se problem rješava.

Baza znanja sadrži:

• Objekte i relacije među njima,
• Činjenice i nesigurne činjenice,
• Pravila svijeta,
• Opise motivacije, cilja i stanja sistema,
• Metode rješavanja problema i heuristiku,
• Opis ponašanja,
• Hipoteze,
• Opise tipičnih situacija,
• Procese,
• Ograničenja.

Jedan od središnjih problema na području vještačke inteligencije jeste razvoj

dovoljno precizne i djelotvorne notacije za prikaz znanja u inteligentnom sistemu.
Mnoge oblasti informatike u osnovi imaju inteligentno ponašanje, ali ne pripadaju
vještačkoj inteligenciji u užem smislu.

Dva glavna pravca razvoja vještačke inteligencije su :

• Proučavanja prirodne inteligencije (spoznavanje funkcija mozga,
modeliranje rada mozga, simuliranje čovjekovog ponašanja, reagovanje i
rezonovanje).
• Postizanje inteligentnog ponašanja primjenom drugačijih pristupa,
kakvi se ne mogu sresti u prirodnim sistemima.
Vještačku inteligenciju prema pristupu rešavanja problemima možemo klasifikovati
na tri glavna pristupa i to su :

• Neuronske mreže
• Modeliranje evolucije i
• Heurističko programiranje

Tehnike koje pripadaju vještačkoj inteligenciji morale bi da koriste znanja koja su

organizovana tako da omogućavaju :

• Generalizaciju
• Predstavljanje i preslikavanje u formi razumljivoj ljudima
• Lako modifikovanje
• Da se koriste informacije koje nisu kompletne,
• Da pomažu u smanjenju broja mogućnosti koje bi inače morale biti
razmatrane (heuristike).

Prepoznavanje oblika je ključno za snalaženje u svakodnevnim situacijama, kako za

žive tako i za vještačke sisteme. Pri rešavanju problema vezanih za prepoznavanje
oblika nastaju velike teškoće jer analogne signale koje primaju senzori/receptori
sadrže veliki broj informacija, od kojih dobar dio sadrži šum, pa ti signali nisu
dovoljno jasni. Ovo otežava primjenu računara za snalaženje u svakodnevnim
situacijama, pa nije ni čudo što su i životinje, za koje se smatra da su manje
inteligentne od ljudi, sposobne za daleko kvalitetniju vizuelnu i zvučnu percepciju i
obradu takvih signala nego današnji računari.
4. EKSPERTNI SISTEMI

Ekspertni sistemi su inteligentni računarski programi kojima se podstiče rješavanje

problema na način na koji to čine eksperti i predstavljaju jednu od najznačajnijih
oblasti istraživanja vještačke inteligencije. Ekspertni sistemi rješavaju realne
probleme iz različitih oblasti, koji bi inače zahtjevali ljudsku ekspertizu. Cilj je da
uvijek računarski program daje korektne odgovore, u datoj oblasti, ne lošije od
eksperta, ali je to teško dostižno. Zato se postavlja manje ambiciozan cilj, traži se da
sistem pruži pomoć u odlučivanju.
Ekspert je stručnjak u nekoj oblasti koji posjeduje i efikasno koristi određeno znanje,
razumjevanje problema i zadataka, veštine i iskustva. Eksperti posjeduju i
sposobnost da u konkretnom problemu koji rješavaju prepoznaju tipski zadatak.
Posjeduju 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 rješavanju problema, čak i ako su podaci nekompletni.
Ekspertni sistemi iz pojedinih oblasti se povezuju čineći na taj način bazu znanja šire
namjene, koja je veliki potencijal za pomoć u odlučivanju.
Područje ekspertnih sistema, (Expert Systems-ES) predstavlja samo dio širokog
istraživačkog područja poznatog kao vještačka inteligencija „Artifical Inteligence“.
Ekspertni sistemi podrazumjevaju onu oblast vještačke inteligencije koja se bavi
primenom „računarskog znanja“ u rešavanju problema koji obično zahtevaju ljudski
intelekt.

ES se satoji od:

• kontrolnog programa,
• sistema za komunikacije sa korisnikom.
• baze znanja,

4.1. KOMPONENTE EKSPERTNOG SISTEMA

Ekspertni sistemi imaju tri komponente :

1. Baza znanja
2. Mehanizam izvođenja
3. Upravljački mehanizam
4.2. ZNANJE – STICANJE I PREZENTOVANJE

Proces funkcionisanja ES može se raščlaniti na pet komponenata:

1) Akvizicija (sticanje) znanja
2) Reprezentacija (memorisanje) znanja
3) Obrada znanja (rješavanje problema)
4) Komponente za objašnjenje
5) Interfejs (jedinica za dijalog)

4.3. RAZLOG PRIMJENE ES

Osnovni razlozi primjene ES su : nedostatak eksperata u organizacijama, brz rast

broja informacija kojima ekspert mora ovladati, dugotrajno i skupo školovanje
eksperata, jeftin hardver, potreba za bržim djelovanjem u organizaciji i okruženju
oko sebe.
• Mogu rješavati vrlo složene probleme jednako dobro kao ljudi-stručnjaci;
• Imaju savršenu memoriju i uzimaju sve relevantne faktore u obzir;
• Imaju edukativnu poziciju, pošto stručnost sintetizuju u jasno definisana
pravila;
• Zajedničko korištenje znanja vrhunskih stručnjaka od strane šireg kruga
korisnika;

4.4. POSTUPAK RAZVOJA ES

U postupku razvoja ES prvo treba utvrditi problem na koji se ova tehnologija može
primjeniti, uraditi prototip (sastoji se iz prikupljanja ekspertskog znanja), kreirati
bazu znanja, izvršiti izbor tehnike prezentacije znanja u bazi, uraditi prototip
primjenom odabranog softverskog alata, prezentovati prototip korisnicima i
ekspertima, modifikovati prototip na osnovu prikupljenih prijedloga i mišljenja.
4.5. PRIMJENA ES

Raspoloživo „znanje“ ES je veoma ograničeno, budući da se oni dizajniraju

za rješavanje usko specificiranog problemskog područja.

Ekspertni sistemi se primjenjuju za dijagnostiku i servisiranje, planiranje,

prognoziranje, dizajn, monitoring i mjerenje, zatim u raznim granama djelatnosti kao
što su tehnika, medicina i druge. Neki ES kao što je AL/X koristi se brzo
dijagnosticiranje kvarova, PROSPECTOR u pronalaženju mineralnih sirovina, HASP
tumačenje signala sonara, itd.

4.6. IZBORI PODRUČJA RAZVOJA ES

Prilikom izbora područja za koje će se razvijati ekspertni sistem uzimaju se područja

ili situacije koje imaju sljedeće karakteristike:
• Gdje eksperata ima malo i rade pod velikih pritiskom (preko vikenda,
praznika, noću i sl.),
• posao je toliko složen da oduzima mnogo vremena i često dovodi do grešaka,
• odluke koje se donose veoma su važne, ali se donose rijetko pa nema
eksperata koji se njima stalno bave.

4.7. NAČINI PRIKUPLJANJA ZNANJA

Osnovni način prikupljanja znanja za ekspertni sistem su:

• Intervju - razgovor s ekspertima u kojima se želi pronaći i opisati najvažnije
znanje,
• Učenje interakcijom - odnosi se na rad eksperta pri rješavanju problema
korištenjem računara.
4.8. OSOBINE ES

• Intergracija znanja - ES intergriše znanje potencijalno velikog broja ljudi

stručnjaka na jednom mjestu;
• Povećana dostupnost - ES može se koristiti na svim lokacijama, 24 sata
dnevno;
• Smanjena cijena - ES je jeftiniji od eksperta;
• Nivo subjektivnosti - ES zadržava nivo subjektivnosti koji je u njih incijalno
ugrađen, dok su eksperti skloni varijacijama;
• Povećana pouzdanost - ES ne čini greške, ne umara se i ne zaboravlja;
• Uslovi djelovanja - ES može delovati u uslovima koji su za čovjeka opasni;
• Brzina reakcije - brza reakcija na nastali problem;
• Tumačenje - opis do detalja kako se došlo do rješenja.
5. ZAKLJUČAK

Svakodnevno smo svjedoci brojnih primjera upotrebe vještačke inteligencije u

velikom broju različitih oblasti. Za očekivati je da će u budućnosti upotreba vještačke
inteligencije biti sve zastupljenija čak i u svakodnevnom radnom okruženju.
Vještačka inteligencija pokušava oponašati ljudski način razmišljanja služeći se
deklarativno znakovnim programiranjem uz razvijanje vizuelnih senzora i prirodnih
jezika. U budućnosti je za očekivati da će putem vještačke inteligencije biti
zamenjeni mnogi eksperti i stručnjaci. Velike baze znanja će omogućiti lakše
rješavanje problema.
6. LITERATURA

1. D. A. Waterman , „A Guide to Expert Systems“, 1986

2. prof. dr. Mladen Radivojević, „Elektronsko poslovanje – Menadžment
informacioni sistemi“
Internet izvori :
3. http://www.wikipedia.org/
4. Janičić Predrag, Nikolić Mladen, „Vještačka inteligencija“ , 2010.
http://poincare.matf.bg.ac.rs/~janicic//courses/vi.pdf