View
40
Download
2
Category
Preview:
DESCRIPTION
Management znalostí. Znalostn í systémy. Professor R. Hanka Director, Medical Informatics Unit,University of Cambridge Visiting Profesor, Fakulta Managementu, VŠE. Systémy v jednotlivých fázích. Transaction Processing Systems (TPS) - důraz na uchování a vyhledávání dat - PowerPoint PPT Presentation
Citation preview
Management znalostí
ZnalostnZnalostní systémyí systémy
Professor R. HankaProfessor R. HankaDirector, Medical Informatics Unit,University of CambridgeDirector, Medical Informatics Unit,University of CambridgeVisiting Profesor, Fakulta Managementu, VŠEVisiting Profesor, Fakulta Managementu, VŠE
Systémy v jednotlivých fázích
Transaction Processing SystemsTransaction Processing Systems (TPS) (TPS) - důraz na uchování a vyhledávání dat- důraz na uchování a vyhledávání dat
Management Information SystemsManagement Information Systems (MIS) (MIS) - agregace „surových“ dat s cílem zajistit - agregace „surových“ dat s cílem zajistit pro management potřebné informace pro management potřebné informace
Knowledge Based SystemsKnowledge Based Systems (KBS) (KBS) = = Znalostní systémyZnalostní systémy - - důraz přesunut na zpracování znalostí důraz přesunut na zpracování znalostí
„Knowledge Age“ (věk znalostí)
klíčové faktory budoucího úspěchu: schopnost organizací řídit, uchovávat, oceňovat a distribuovat znalosti
uvedené schopnosti jsou známy jako management znalostí
organizace ve vyspělých ekonomikách již zjistily, že znalosti jsou jejich největším kapitálem
Kritickou komponentou managementu znalostí je vývoj, aplikace, nasazení a sdílení znalostních systémů
Znalostní systémy jsou ideální technologií pro zachování znalostí uvnitř organizace a pro tvorbu podnikové báze znalostí.
Vznik oblasti zpracování znalostí KBS (Knowledge Based Systems) = znalostní
systémy vedlejším produktem výzkumu v oblasti AIvedlejším produktem výzkumu v oblasti AI computer-based systems - využívají extenzivní computer-based systems - využívají extenzivní
znalosti z dané oblasti (typicky lidských expertů) pro znalosti z dané oblasti (typicky lidských expertů) pro řešení problémů a (obvykle částečnou) automatizaci řešení problémů a (obvykle částečnou) automatizaci rozhodovacích procesůrozhodovacích procesů
pokoušejí se o další „generační“ posun zaměřením se pokoušejí se o další „generační“ posun zaměřením se na na znalostiznalosti ve srovnání s předchozím zaměřením na ve srovnání s předchozím zaměřením na informaceinformace
ZNALOSTZNALOST - získává se z informací tím, že se - získává se z informací tím, že se jim přiřadí význam a interpretace jim přiřadí význam a interpretace (typicky lidským expertem)(typicky lidským expertem)
Informace Expert
Znalosti
Definice pojmu znalost
úplná a přesná definice chybíúplná a přesná definice chybí
máme intuitivní cítění, co to znamená máme intuitivní cítění, co to znamená „něco znát“, ale obtíž to vyjádřit„něco znát“, ale obtíž to vyjádřit
Websterův slovník: Websterův slovník: znalost jeznalost je... skutečnost či stav myšlenkového ... skutečnost či stav myšlenkového
vlastnictví jedné či více pravd, faktů, vlastnictví jedné či více pravd, faktů, principů nebo jiných objektů vnímání, principů nebo jiných objektů vnímání, získaných na základě výuky, studia, získaných na základě výuky, studia, výzkumu nebo zkušenostivýzkumu nebo zkušenosti
definice v oblasti AI literaturydefinice v oblasti AI literatury množina faktů a principů shromážděná lidstvemmnožina faktů a principů shromážděná lidstvem informace, kterou potřebuje počítač, aby se mohl informace, kterou potřebuje počítač, aby se mohl
chovat inteligentněchovat inteligentně
Znalosti Znalosti jsou tvořeny celou množinou názorů, jsou tvořeny celou množinou názorů, zkušeností a postupů, které jsou považovány za zkušeností a postupů, které jsou považovány za správné a pravdivésprávné a pravdivé
Znalost je vždy aplikovatelná ve více situacích a Znalost je vždy aplikovatelná ve více situacích a relativně po dlouhou doburelativně po dlouhou dobu.
Znalost = vědět jaká informace je potřebná
= „vědět co“ jak je třeba informaci zpracovat
= „vědět jak“ proč je která informace potřebná =
„vědět proč“ kde lze nalézt informaci potřebnou pro
dosažení specifického cíle = „vědět kde“)
kdy je která informace potřebná = „vědět kdy“)
Rozdíly mezi pojmy data, informace a znalosti
Data jsou symboly, které nelze přímo interpretovat, i když z nich lze odvodit informace.
Informace jsou data, jimž je přidělený význam, přičemž informace se váže ke specifické situaci a má omezenou platnost.
Znalost je to, co umožňuje lidem inteligentně jednat a zacházet se všemi dostupnými informačními zdroji.
Další charakteristiky znalostí
Znalosti umožňují vybrat tu správnou akci nebo požádat o správnou informaci.
Tato akční komponenta je základním aspektem znalosti
Znalosti mohou vygenerovat další informace Informace lze předat (informace je vlastně
sdělení) Lze však předat jednoduše znalosti?
Dimenze znalostí explicitníexplicitní povrchnípovrchní domain (spec.) domain (spec.) deklarativnídeklarativní
nevyslovenánevyslovená hlubokáhluboká všeobecnávšeobecná procedurálníprocedurální
ZNALOST
Meta
Znalost
Hluboká
Explicitní
Procedurální
Všeobecná(selský rozum)Povrchní
Nevyslovená
Deklarativní
Domain (specifická)
Získávání znalostí
na rozdíl od filozofů musí AI specialisté na rozdíl od filozofů musí AI specialisté řešit 2 úlohy:řešit 2 úlohy: rozhodnout, co znalost je rozhodnout, co znalost je zachytit ji v počítačizachytit ji v počítači
získávání znalostí - oblast AI získávání znalostí - oblast AI týká se získávání znalostí potřebných pro týká se získávání znalostí potřebných pro
budování KBSbudování KBS rostoucí důležitost, protože jde o „bottle-rostoucí důležitost, protože jde o „bottle-
neck“ (úzký profil) a nejkritičtější část vývoje neck“ (úzký profil) a nejkritičtější část vývoje KBSKBS
typické zdroje znalosti v organizaci
knihy (explicitní znalost) záznamy z minulosti experti (zdroj nevyslovené znal.) kontakty s jinými lidmi
Získávání znalostí vedené znalostním inženýremvedené znalostním inženýrem
cílem získání („vydolování“) znalostí z expertůcílem získání („vydolování“) znalostí z expertů zkušenost ukazuje, že většina expertů není zkušenost ukazuje, že většina expertů není
schopna jasně vysvětlit, proč a jak řeší dané schopna jasně vysvětlit, proč a jak řeší dané úlohy tak expertním způsobemúlohy tak expertním způsobem
důvody, proč experti nejsou schopni vysvětlit - důvody, proč experti nejsou schopni vysvětlit - většinou vyplývají z používání intuicevětšinou vyplývají z používání intuice
některé důležité „domain“ znalosti považují za některé důležité „domain“ znalosti považují za tolik zřejmé, že je ani nezmíní (důsledek - „.... tolik zřejmé, že je ani nezmíní (důsledek - „.... mužský pacient - těhotný...“mužský pacient - těhotný...“
Plánování procesu získání znalostí
základním problémem pro znalostního inženýra je vytřídit informace, které jsou k dispozici od expertů
rozhodnout, co je důležité a co není relevantní studium prostředí, kde se má KBS vytvořit identifikovat skupiny a jejich charakteristiky
expert (experti) uživatelé
Otázky spojené se znalostmi znalost znalost
kde ji lze získat ?kde ji lze získat ? je jednoznačná?je jednoznačná? je s ní všeobecný souhlas?je s ní všeobecný souhlas? je statická či dynamická?je statická či dynamická? je úplná?je úplná? jaká je v ní úroveň nejistoty?jaká je v ní úroveň nejistoty?
možnost dekompozice?možnost dekompozice? vrstvení vrstvení (od obecných k specifickým)(od obecných k specifickým)
Nástroje pro automatizované získávání znalostí
aut. získávání znalostí je užitečné, protože mnoho cenných znalostí je často obsaženo v záznamech z minulosti (např. medicinské záznamy)
snaha naučit se relevantní znalosti ze zdrojů z odpovídající oblasti (z domain) nezávisle na znalostním inženýrovi
používají k tomu techniky patřící do podoblasti AI, nazývané strojové učení (machine learning) např. tzv. induktivní učení
Induktivní učenívysvětlit Marťanovi
význam pojmu „pták“
atributy: křídla, létá, žlutý zobák, zpívá, snáší vejce
diskriminační predikáty: pták vs. neptákgeneralizace: = křídla (diskr. predikát)
nemá křídla nemá křídla ---> „není pták“---> „není pták“
má křídla, snáší vajíčka---> „ hele, pták!..“
korekce : pták = křídla + žlutý zobák (specifikace)
nemá žlutý zobák ---> „ není to pták!..“
další korekce : ........
diskriminační predikát: pták = snáší vajíčka se skořápkou
Základní operace se znalostmi
ZNALOSTI
Vytvoření nové znalosti
Šíření znalostí
Kombinování dostupných
znalostí
Ochrana znalostí
Cíle managementu znalostí efektivní a účinný vývoj a rozvoj nových
znalostí zlepšování existujících znalostí z pohledu
strategie organizace a individuálních cílů pracovníků
distribuce nových znalostí do jiných útvarů a transfer znalostí na nové pracovníky
efektivní a účinné propojování nejlepších znalostí uvnitř organizace nebo v síti organizací
ve vztahu k „dimenzi“ znalosti
udržovat obsah znalostí v aktuálním stavu, aplikovat nejlepší znalost
použít znalostí v nejlepším místě
použít znalost v nejlepší formě
použít znalost, když je požadována
Předpoklady pro efektivní management znalostí
Odměňování sdílení znalostí
Potřeba multidisciplinárního přístupu
Nutnost vytvoření určité vize budoucnosti
Recommended