EKSPERTNI SISTEMI

ARHITEKTURA EKSPERTNIH SISTEMA

Prof. dr Branko Latinovi

ARHITEKTURA EKSPERTNIH SISTEMA

KOMPONENTE EKSPERTNIH SISTEMA

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

2
ARHITEKTURA EKSPERTNIH SISTEMA

KOMPONENTE EKSPERTNIH SISTEMA

Znanje ekspertnih sistma se sastoji od injenica i heuristika, pri mu su injenice

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

3
ARHITEKTURA EKSPERTNIH SISTEMA

KOMPONENTE EKSPERTNIH SISTEMA

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

4
ARHITEKTURA EKSPERTNIH SISTEMA

KOMPONENTE EKSPERTNIH SISTEMA

Ekspertni sistemi kao metodi vjetake

inteligencije i u funkciji kloniranja
eksperta u usko specijalizovanom
podruju moraju u principu posjedovati
sljedee komponente odnosno module:
bazu znanja,

mehanizam zakljuivanja i

interfejs prema korisniku.

5
ARHITEKTURA EKSPERTNIH SISTEMA

KOMPONENTE EKSPERTNIH SISTEMA

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

6
ARHITEKTURA EKSPERTNIH SISTEMA

KOMPONENTE EKSPERTNIH SISTEMA

Kod tih sistema dakle imamo cikluse koji sadre:

Pretraivanje baze podataka, da se nau uzorci koji predstavljaju uslov za

aktiviranje nekog modula; time se dobija konfliktan skup potencijalno aktivnih

modula;
Razrjeavanje konflikta, predstavlja odreivanje jednog od modula iz

konfliktnog skupa;
Izvoenje izabranog modula.

7
ARHITEKTURA EKSPERTNIH SISTEMA

KOMPONENTE EKSPERTNIH SISTEMA

Prednosti takve arhitekture sistema su u visokom stepenu modularnosti, to se veoma

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

8
ARHITEKTURA EKSPERTNIH SISTEMA

KOMPONENTE EKSPERTNIH SISTEMA

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

transformacione sisteme (transformation systems).

9
ARHITEKTURA EKSPERTNIH SISTEMA

KOMPONENTE EKSPERTNIH SISTEMA

Znanje u jednima i drugima predstavljeno je sa pravilima i podacima. Produkcioni

sistemi imaju fiksnu kontrolnu strukturu za odreivanje izbora sljedeeg pravila za
aktiviranje, a kod transformacionih sistema toga nema. Produkcioni sistemi se
dijele na lijevo voene i desno voene sisteme.
Kod prvih antecedens pravilo vodi traenju pravila koje treba da se izvede sljedee, a
kod drugih tu ulogu ima konsekvens pravilo.

10
ARHITEKTURA EKSPERTNIH SISTEMA

BAZA ZNANJA

Znanje je kljuni inilac u odluivanju, odnosno u upravljanju i rjeavanju problema.

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

11
ARHITEKTURA EKSPERTNIH SISTEMA

BAZA ZNANJA

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

12
ARHITEKTURA EKSPERTNIH SISTEMA

BAZA ZNANJA

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

13
ARHITEKTURA EKSPERTNIH SISTEMA

BAZA ZNANJA

Da bi se baza znanja formirala potrebno je ekstrahovati ekspertno znanje i predstaviti

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

14
ARHITEKTURA EKSPERTNIH SISTEMA

BAZA ZNANJA

Hronoloki gledano, baze znanja u "prvoj generaciji" ekspertnih sistema uglavnom se

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

15
ARHITEKTURA EKSPERTNIH SISTEMA

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

mree,

okviri i

predikatski raun.

16
ARHITEKTURA EKSPERTNIH SISTEMA

BAZA ZNANJA
FORMALIZMI ZA PREDSTAVLJANJE ZNANJA
Produkciona pravila su najpopularniji metod za predstavljanje znanja. U konceptu
problema logine relacije esto opisujemo pravilima "Ako vai U onda Z" to znai
u interpretaciji "Ako vai uslov U onda se moe zakljuiti Z" ili "Ako situacija U onda
akcija Z". Znanje se u formalizmu produkcionih pravila (ako-onda) izraava na
prirodan nain. Pozitivne osobine produkcionih pravila su:
svako pravilo predstavlja mali, relativno nezavisan dio znanja;

dodavanje novih pravila moe biti relativno nezavisno od ostalih pravila, to se

odnosi i na modifikaciju postojeih pravila;

ova pravila pomau transparentnost sistema tako to mogu odgovoriti na

pitanja tipa "kako" (Kako si doao do tog zakljuka?) i "zato" (Zato ti je

potrebna ova informacija?).

17
ARHITEKTURA EKSPERTNIH SISTEMA

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

18
ARHITEKTURA EKSPERTNIH SISTEMA

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

19
ARHITEKTURA EKSPERTNIH SISTEMA

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

20
ARHITEKTURA EKSPERTNIH SISTEMA

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

21
ARHITEKTURA EKSPERTNIH SISTEMA

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

modul za zahvatanje modul za

znanja objanjavanje

INTERFEJS

Mehanizam
Baza znanja zakljuivanja

EKSPERTNI SISTEM

22
ARHITEKTURA EKSPERTNIH SISTEMA

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

23
ARHITEKTURA EKSPERTNIH SISTEMA

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

komponenti i
procesno orijentisan pristup koji opisuje procese kao izvor svih promjena u sistemu.

24
ARHITEKTURA EKSPERTNIH SISTEMA

BAZA ZNANJA
KVALITATIVNO MODELIRANJE
Prednosti kvalitativnog modeliranja u odnosu na klasino modeliranje mogu se
sintetizovati u sljedeem:
Kvalitativni opisi su veoma pristupani u odnosu na rjeavanje klasinih modela

koji su kompleksni.
Kvalitativni model je blii ovjekovom nainu miljenja.

Kvalitativni model je primjenljiv i u sluaju kada nisu poznate tane vrijednosti

parametara, dok to ne vai za klasine modele.

Kvalitativna simulacija jednostavno generie objanjenje i tako postie

transparentnost sistema.

25
ARHITEKTURA EKSPERTNIH SISTEMA

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

26
ARHITEKTURA EKSPERTNIH SISTEMA

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

27
ARHITEKTURA EKSPERTNIH SISTEMA

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

28
ARHITEKTURA EKSPERTNIH SISTEMA

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

29
ARHITEKTURA EKSPERTNIH SISTEMA

MEHANIZAM ZAKLJUIVANJA

Mehanizam zakljuivanja je najdinaminiji dio ekspertnih sistema i on u principu kroz

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

30
ARHITEKTURA EKSPERTNIH SISTEMA

MEHANIZAM ZAKLJUIVANJA

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

31
ARHITEKTURA EKSPERTNIH SISTEMA

MEHANIZAM ZAKLJUIVANJA

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

32
ARHITEKTURA EKSPERTNIH SISTEMA

MEHANIZAM ZAKLJUIVANJA

Ako se sada otkrije kontradikcija, time je dokazano, da je originalni teorem istinit.

Osnova za rjeavanje problema je njegovo adekvatno predstavljanje. U tom smislu
razvijene su odreene sheme kao to su PROSTOR STANJA i AND/OR GRAFOVI.

33
ARHITEKTURA EKSPERTNIH SISTEMA

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

pretraivanje u irinu (breadth-first search).

34
ARHITEKTURA EKSPERTNIH SISTEMA

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

35
ARHITEKTURA EKSPERTNIH SISTEMA

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

36
ARHITEKTURA EKSPERTNIH SISTEMA

(0, 0)
MEHANIZAM ZAKLJUIVANJA 1 2

PROSTOR STANJA (8, 0) (0, 6)

(2, 6)

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

1 4 6
(8, 6) (0, 0) (6, 0)

1 2 3 5 8
Pretraivanje po dubini (8, 0) (6, 0) (0, 0) (0, 6) (0, 6)

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

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

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

37
ARHITEKTURA EKSPERTNIH SISTEMA

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

38
ARHITEKTURA EKSPERTNIH SISTEMA

MEHANIZAM ZAKLJUIVANJA
PROSTOR STANJA

(0,0)
1 2

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

2 3 8 1 4 6

(8,6) (0,0) (2,6) (8, 6) (0,0) (6,0)

3 4 1 2 1 3 4 6 7 3 1 1 2 1 2 3 5 8

(0,6) (8,0) (8,0) (0, 6) (8,6) (0,6) (2,0) (8,0) (8,0) (0,6) (8,0) (8,0) (0,6) (8, 0) (0,6) (6,6) (0,6) (0, 6)

39
ARHITEKTURA EKSPERTNIH SISTEMA

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

40
ARHITEKTURA EKSPERTNIH SISTEMA

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

41
ARHITEKTURA EKSPERTNIH SISTEMA

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

42
ARHITEKTURA EKSPERTNIH SISTEMA

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

43
ARHITEKTURA EKSPERTNIH SISTEMA

INTERFEJS

Interfejs obezbjeuje komunikaciju izmeu ovjeka sa sistemom i treba da omogui

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

44