............................................................................................................................................... 2 1. 1.1. 1.2. 1.3. 1.4. 1.4.1. 1.4.2. 1.4.3. 1.4.4. 1.4.5. 2. 2.1. 2.2. 3. OSNOVNI KONCEPTI VETAKE INTELIGENCIJE ........................................................... 4 SIMBOLIKO UMESTO NUMERIKOG IZRAUNAVANJA .......................................... 4 NEALGORITAMSKI PRISTUP REAVANJU PROBLEMA ............................................... 4 ZAKLJUIVANJE ZASNOVANO NA ZNANJU ................................................................. 5 PRIMENLJIVOST KOD LOE STRUKTUIRANIH PROBLEMA I PODATAKA ............... 5 Fuzzy logika ...................................................................................................................... 5 Vetake neuronske mree ................................................................................................. 6 Genetski algoritmi .............................................................................................................. 6 Vieagentni sistemi ............................................................................................................ 6 Vetaki ivot .................................................................................................................... 6 EKSPERTI I EKSPERTNI SISTEMI ..................................................................................... 7 EKSPERNI SISTEMI I KONVENCIONALNI PROGRAMI ................................................. 9 TRETIRANJE NEIZVESNOSTI U ZNANJU.......................................................................... 12

KAKO RADE EKSPERTNI SISTEMI ...................................................................................... 7

................................................................................................................................... 15

Ekspertni saobraajni sistemi Od davnina ljude privlai inteligencija - kako sam pojam inteligencije tako i mogunost konstruisanja inteligentnih maina koje bi mogle samostalno da rade. Takve primere moemo pratiti kroz istoriju. U staroj Grkoj ljudi su se bavili pitanjima inteligencije, znanja i pravilnog zakljuivanja, a meu njima se naroito istakao Aristotel. U XIII veku je Ramon Lull (1235-1316) opisao sistem Ars Magna kojim je pokuao da pomou mehanikog kombinovanja, simbolike notacije i kombinatornih dijagrama ostvari "inteligentan" sistem. Tokom XVII veka, G. V. Leibnitz (1646-1716) i Blaze Pascal (1623-1662) pokuavali su da konstruiu mehaniku raunsku mainu za sabiranje. Cifarska raunska maina koju je konstruisao Charles Babbage, bila je u stanju da po odreenom algoritmu izvrava operacije sa dekadnim brojevima. Sredinom 19-tog veka George Bool razrauje algebru logike u kojoj se algebarska simbolika koristi za operisanje pojmovima pri logikom izvoenju. Englez Alan Turing i Amerikanac Post, 1936-te godine, nezavisno jedan od drugoga objavljuju radove iz oblasti matematike logike i iznose mogunosti konstruisanja univerzalnog transformatora informacija. Meutim, tek pojavom prvog raunara "Electronic Numerical Integrator And Computer" (ENIAC) koga su 1945te godine izmislili Mauchly i J. Presper Eckert, moe se govoriti o inteligentnim mainama. U poetku su raunari bili prvenstveno namenjeni za izvravanje raunskih operacija ali vrlo brzo je uoeno da oni imaju daleko vee sposobnosti. Ve prvi rezultati u primeni raunara upuivali su na mogunost raunara da preuzme vrenje odreenih intelektualnih sposobnosti. Povoljni rezultati istraivanja naveli su neke od naunika da daju preuranjene izjave da se ubrzo moe konstruisati "mislea maina" ili "elektronski mozak". Zbog ovih preuranjenih izjava su se vodile brojne debate. Krajem 50-tih, sve do sredine 60-tih godina, problematika vetake inteligencije bila je dosta rasplinuta izmeu fantastike, mate, potencijalnih mogunosti i praktinih ostvarenja. Zanemarivanje razlike izmeu potencijalne ostvarljivosti i obima praktinih problema, koji se nalaze na putu do ostvarivanja ideje, je jedan od estih uzroka nerazumevanja mogunosti vetake inteligencije. Ostvarivanjem praktinih rezultata koji su nali primenu u privredi, vetaka inteligencija postaje interesantna za veliki broj naunika razliitih oblasti. Danas postoje realizovani sistemi koji su u stanju da autonomno obavljaju kompleksne probleme, kakve su jedino ljudi bili u stanju da obavljaju. Nije redak sluaj da takvi sistemi obavljaju te zadatke i daleko uspenije od ljudi. U sprezi sa raunarima, maine postaju sposobne da rade samostalno, da upravljaju same sobom i da proizvode druge maine, oslobaajui oveka fizikog i monotonog rada, preputajui mu rad na sloenijim i kreativnijim poslovima. Neke od moguih definicija vetake inteligencije: - Vetaka inteligencija je nauna oblast u kojoj se izuavaju izraunavanja da bi se izraunavanjem omoguila percepcija, rezonovanje i injenje.

2

Ekspertni saobraajni sistemi Disciplina koja izuava mehanizme inteligentnog ponaanja kroz analizu, razvoj i evaluaciju vetakih tvorevina u koje se ugrauju ti mehanizmi. - Raunarska disciplina iji je zadatak da stvori raunare koji mogu da rezonuju na nain slian ljudskom rezonovanju. Termin vetaka inteligencija (engleski artificial inteligence) potie od John-a McCarty-ja. Mnogi autori se ne slau da termin vetaka inteligencija opisuje najbolje ovu oblast nauke. Mnoge od oblasti informatike u osnovi imaju inteligentno ponaanje, ali ne pripadaju vetakoj inteligenciji u uem smislu. Dva glavna pravca razvoja vetake inteligencije su: - Prouavanje prirodne inteligencije (spoznavanje funkcija mozga, modeliranje rada mozga, simuliranje ovekovog ponaanja, reagovanja i rezonovanja). - Postizanje inteligentnog ponaanja primenom drugaijih pristupa, kakvi se ne mogu sresti u prirodnim sistemima. Vetaka inteligencija je jedna od oblasti raunarstva koja se poslednjih decenija najbre razvija. Paralelno sa tim burnim razvojem rastu i oekivanja od ove discipline. Dok se za neke oblasti raunarstva ve smatra da su zaokruene i da se u njima ne oekuju novi znaajni prodori, od vetake inteligencije se rezultati tek oekuju, uprkos tome to su ve razvijeni mnogi inteligentni sistemi koji funkcioniu izuzetno dobro. Ovo moda moemo da objasnimo time to ti inteligentni sistemi, i pored varljivih spoljnih manifestacija, funkcioniu na principima koje, najee ne moemo smatrati zaista inteligentnim. Time, naravno, vetaka inteligencija samo dobija na atraktivnosti, a novi eksperimenti i teorijska istraivanja predstavljaju put ka novim primenama u najrazliitijim oblastima. Kako je razvoj vetake inteligencije oduvek bio zasnovan na komplementarnom povezivanju teorije i eksperimenata, tako i budui razvoj zahteva proirivanje i uvrivanje teorijskih znanja, pre svega matematikih, ali i znanja o specifinim oblastima primene, kao i njihovu adekvatnu formalizaciju. -

3

Ekspertni saobraajni sistemi 1. OSNOVNI KONCEPTI VETAKE INTELIGENCIJE Vetaka inteligencija predstavlja meavinu konvencionalne nauke, fiziologije i psihologije, sve u cilju da se napravi maina koja bi se, po ljudskim merilima, mogla smatrati "inteligentnom". Mogunost stvaranja inteligentnih maina zaokuplja ljudsku matu jo od drevnih vremena, ali tek sada, sa brzim tempom razvoja raunara i ve pedesetogodinjim iskustvom na polju istraivanja tehnika VI programiranja, san o pametnim mainama poeo je da postaje stvarnost. Meutim i pored sveg napretka, naunici se jo uvek nisu uhvatili u kotac sa osnovnim izazovom u razvoju inteligentne maine - pravljenjem sistema koji oponaaju ljudski mozak. Nije ni udo, jer ljudski mozak sa vie milijardi neurona predstavlja moda i najsloeniju tvorevinu u univerzumu. U dosadanjem razvoju ove discipline, pojam vetaka inteligencija izazivao je mnoge rasprave meu naunicima, istraivaima, raunarskim strucnjacima ali i meu futuristima koji su se bavili njenim proucavanjem. Neki posmatrai tvdili su ak da stvar kao to je VI i ne postoji. Ukoliko je neto vetako, govorili bi, tada nije inteligentno. Drugi su osporavali ovakva stanovita i pokuavali su da daju blia odreenja pojma VI. -U Arlificial Intelligence and Expert Systems Sourcebook (Hunt, 1986) VI se tretira kao "oblast koja se bavi iznalaenjem raunarskih programa koji treba da uine raunare pametnijim". Stoga se "istraivanje u vetakoj inteligenciji fokusira na razvoj raunarskih pristupa inteligentnom ponaanju", pri emu su naglaena dva cilja: "da se maine uine korisnijim i da se shvati inteligencija". Ovakva polemika razmiljanja dovela su do situacije da je precizno razgraniavanje ovog pojma veoma tesko. ak ni poznati trotomni prirucnik iz VI (Barr, Feigenbaum and Cohen, 1981, 1982) ne izdvaja i ne obrauje posebno ovaj pojam. Stoga, moramo se zadovoljiti empirijskim definisanjem, odnosno pronalaenjern zajednikog u sistemima (programima) koji spadaju u domen VI (Widman i Loparo, 1989): 1.1. SIMBOLIKO UMESTO NUMERIKOG IZRAUNAVANJA Osnovna karakteristika po kojoj se pravi razlika izmeu metoda VI i numerikih metoda jeste da je bazina jedinica izracunavanja u VI simbol, a ne broj. Naravno, sama ova injenica nije dovoljna da bi se raziikovali programi VI. Druge klase programa kao to su prevodioci ili sistemi za pretraivanja baza podataka. takoe obrauju simbole, ali se tretiraju kao VI programi. S druge strane, neuronske mree, za koje se najee smatra da su deo VI, zavise od striktnih numerikih izraunavanja pri prikupljanju i korienju znanja. 1.2. NEALGORITAMSKI PRISTUP REAVANJU PROBLEMA Druga karakteristika VI programa je ta da se struktura programa ne izraava eksplicitno algoritmom sekvencom koraka koje program izvrava pri reavanju odreenog problema. Klasini programi uobiajeno slede dobro definisane algoritme koji tano specificiraju kako se na osnovu ulaznih varijabli mogu dobiti izlazne velicine (proceduralno programiranje). Kod programa VI, niz koraka koje program prati i izvrava zavisi od konkretnog problema koji se reava; program odreuje kako odabrati sekvencu koraka koji vode ka reenju problema (deklarativno programiranje). Na najniem nivou posmatranja, naravno, i VI programi se mogu tretirati kao proceduralni poto se bezuslovno prevode i izvravaju kao binarni kod. Iz ove perspektive, moe se polemisati o tome da deklarativna priroda programa iz oblasti VI lei u nivou koji korisnik odabere za posmatranje prilikom implementacije programa. Meutim, ovde emo smatrati da su VI programi oni koji se implementiraju korienjem tehnika za reavanje problema, za koje se generalno smatra da su deklarativne.4

Ekspertni saobraajni sistemi Ekspertni sistemi su nali primjenu u reavanju loe strukturiranih problema. Kod takvih problema se esto ne moe izraziti algoritamska struktura za njihovo reavanje i onda se oni proglaavaju nereivim. U tom sluaju se primjenom ekspertnih sistema moe doi do zadovoljavajueg reenja. 1.3. ZAKLJUIVANJE ZASNOVANO NA ZNANJU Trea karakteristika VI programa je ta da oni ukljuuju injenice i relacije o delu realnog sveta ili "domena znanja" u kome funkcioniu. Za razliku od klasinih programa za posebne namene, kao to je na primer program za knjigovodstvo, VI programi mogu da prave razliku izmeu rezonovanja (mehanizma zakljuivanja) postojeeg znanja (baza znanja). Kako je baza znanja eksplicitna i izdvojena od mehanizma zakljuivanja, program moe da "razmilja" o svom sopstvenom znanju kao o ulaznim podacima. 1.4. PRIMENLJIVOST KOD LOE STRUKTUIRANIH PROBLEMA I PODATAKA etvrta karakteristika VI programa odnosi se na njihovu efikasnost u radu sa loe struktuiranim problemima. Kod takvih problema, klasini programi su uglavnom neprimenljivi. Problem se tretira kao loe struktuiran ukoliko se algoritam za njegovo reavanje ne moe izraziti eksplicitno ili ukoliko su neophodni podaci nekompletni, odnosno neprecizno specificirani. Takoe postoji i sledea podela, a vezano za koncepte Vestake inteligencije - Fuzzy logiki sistemi (Fuzzy Logic Systems) - Vetake neuronske mree (Artificial Neural Networks) - Genetski algoritmi (Genetic Algorithras) - Vieagentni sistemi (Multi-Agent Systems) - Inteligencija gomile (Swarm Intelligence) - Vetaki zivot (Artificial Life) U tabeli br. 1 sumirane su osnovne razlike izmeu pristupa vetake inteligencije i konvencionalm programiranja (Hunt, 1986).

1.4.1. Fuzzy logika Rasplinuta logika (en. Fuzzy logic) je proces u kome osoba poinje da razume odreeni fenomen koristei nekompletne injenice, nesigurne informacije i intuiciju. Postoji i set teorija verovatnoe u prirodnim naukama koji se naziva fazi logikom.5

Ekspertni saobraajni sistemi 1.4.2. Vetake neuronske mree Neuronska mrea je jedan oblik implementacije sistema vetake inteligencije, koji predstavlja sistem koji se sastoji od odreenog broja meusobno povezanih procesora ili vorova, ili procesnih elemenata koje nazivamo vetakim neuronima. Telo neurona naziva se vor ili jedinica. Svaki od neurona ima lokalnu memoriju u kojoj pamti podatke koje obrauje. Podaci koji se obrauju su lokalni podaci kao i oni koji se primaju preko veze. Podaci koji se ovim kanalima razmenjuju su obino numeriki. 1.4.3. Genetski algoritmi Genetski algoritam oponaa prirodnu evoluciju, tj. selekciju. Stvori se inicijalna populacija, svaka jedinka s vlastitim genomom. Tada se svaka jedinka ocenjuje posebnom funkcijom koja se zove funkcija cilja. Funkcija vraa vrednost koja govori koliko je jedinka sposobna. Nakon to se svaka jedinka proceni, poredaju se po vrednostima funkcije cilja i iz populacije se izbacivaju oni s najniom vrednou. Tada se genomi razliitih jedinki rekombinuju, dogaaju se mutacije i tako se stvori sledea generacija. Tada se ponovno jedinke ocenjivaju funkcijom cilja to se ponavlja dok se ne dobije optimalno reenje. 1.4.4. Vieagentni sistemi Sistemi u kojima je upotrebljeno vie agenata radi reavanja zajednikog problema nazivaju se vieagentni sistemi. U ovakvim sistemima neophodno je da agenti imaju mogunost meusobne komunikacije u cilju razmene iskustva ili pregovaranja da bi se nalo optimalno reenje. Agenti koji se upotrebljavaju u vieagentnim sistemima mogu biti jednaki po karakteristikama ili se mogu razlikovati prema specijalnostima. Vieagentni sistemi su idealni za predstavljanje problema koji imaju vie razliitih metoda za reavanje problema, viestruke perspektive i/ili viestruke entitete reavanja problema. 1.4.5. Vetaki ivot Vetaki ivot ( . Artificial life A-life) je relativno nova interdisciplinarna oblast nauke, koja koristi koncepte informacije i njenog modeliranja prekoraunara za studije i analizu ivota uopte, naroito ivota na naoj planeti. Tei da objasni irok spektar za ivot vitalnih fenomena, poev od korijena biohemijskogmetabolizma do evolucije bihejvijoristikih strategija i takoe apstraktnih osobina ivota kao takvog.

6

Ekspertni saobraajni sistemi 2. KAKO RADE EKSPERTNI SISTEMI Ekspertni sistemi predstavljaju inteligentne raunarske programe koji sadre "ekspetsko" znanje to jest znanje kakvo bi imao i strunjak (ekspert) iz te oblasti. Ekspertni sistemi znanje smetaju u bazu znanja koji se koristi preko mehanizama zakljuivanja. Razlog za primenu ekspertnih sistema je da znanje iz raznih specifinih oblasti ljudske delatnosti postane dostupnije kroz primenu raunarskih programa. Oni ne mogu potpuno zamenuti ljude eksperte, naroito u pogledu kreativnosti, i koritenja opteg znanja (iz obinog ivota i drugih oblasti), ali oni imaju i neke od prednosti nad ljudima ljudsko znanje moe vremenom da se gubi naroito ako se esto ne koristi. Ekspertni sistemi se primenjuju u sledeim oblastima: - upravljanje indistrijskim procesima, - praenje rada medicinskih ureaja, - autonomno kretanje vozila (na zemlji i vodi), - automatski piloti, - upravljanje satelitima, - nadgledanje instalacija, - operativno i taktiko upravljanje vojnim operacijama na bojnom polju, - analize sloenih finansijskih trasakcija - naftnim platformama - za detekciju buotina nafte 2.1. EKSPERTI I EKSPERTNI SISTEMI Ono to nekog strunjaka u odreenom domenu ini ekspertom, sastoji se od odreenog znanja iz tog domena, sposobnosti razumevanja problema i zadataka iz tog domena, kao i vetine i iskustva koje on primenjuje pri reavanju tih problema. Zahvaljujui svojoj obuenosti i iskustvu, strunjak je u stanju da obavlja poslove koje veina drugih ljudi ne moe da obavlja. Strunjaci svoje znanje koriste na efikasan nain, u stanju su da brzo dou do reenja, da pri tome koriste razne dosetke, da objasne i obrazloe ono to rade, da odrede stepen vanosti nekog podatka za reenje problema i da eliminiu irelevantne podatke iz razmatranja. Eksperti su u stanju da konkretan problem koji reavaju prepoznaju kao primer nekog tipskog zadatka sa kojim su dobro upoznati. Drugim reima, pored poznavanja osnovnih injenica, defmicija i teorija iz knjiga i drugih referenci u nekoj oblasti, ekspert poseduje i neke line sposobnosti, snalaljivost i "oseaj" za probleme, dakle sve ono to ini njegovo "privatno znanje". Upravo ta vrsta znanja omoguuje mu da putem tzv. "zdravorazumskog rezonovanja" primenjuje ono opte znanje iz knjiga, koje je dostupno i drugima. Ova vrsta znanja obino se naziva heuristikim znanjem. Na osnova heuristikog znanja, ekspert moe izmeu ostalog da: prepozna na koji e nain najbre doi do resenja; oseti kada je pristup reavanju nekog problema ispravan, kada pogrean, a kada samo verovatno dobar; snalazi se u situacijama kada su podaci kojima raspolae nekompletni ili nedovoljno tani.

7

Ekspertni saobraajni sistemi Karakteristike ekspertskog znanja: - Zavisnost od prakse, - Vie je tipa kako, nego tipa ta, - Vie se zasniva na modelu realnog sveta nego na samom realnom svetu, - Nepreciznost, - Promenljivost tokom vremena. U sledeoj tabeli moemo videti kakav je odnos upotrebljivosti eksperta i ekspertskog sistema

Rasvetljavanje, tumaenje, prezentacija i reprodukovanje ovakvog znanja na raunaru predstavlja centralni zadatak pri razvijanju ES. Akcenat kod ES, dakle, nije na precizno definisanim i uvek vaeim algoritmima i procedurama u nekom domenu ljudskih aktivnosti, ve na deklarativnom i heturistikom znanju. Postoji vie razloga zbog kojih se kod ES glavna panja obraa na injenino i heuristiko znanje, a ne na algoritamska reenja problema iz pojedinih domena. Najvaniji su sledei (Devedi i Boovi, 1994): - Za mnoge probleme i ne postoje jedinstvena i prihvatljiva algoritamska reenja, budui da se takvi problemi javljaju u suvie sloenim fizikim i/ili socijalnim uslovima, koji se ne mogu precizno opisati i analizirati. - est je sluaj da postojei matematiki i drugi algoritmi ne omoguuju predstavljanje znanja potrebnog za izvoenje odreenih zakljuaka u vezi sa posmatranim problemom ili za korienje razliitih izvora znanja. - Znanje strunjaka je neto to ima odgovarajuu cenu i vrednost. Prikupljanje tog znanja od strunjaka i formalno predstavljanje takvog znanja na raunaru moe znaajno da smanji cenu reprodukovanja i korisenja znanja specijaliste. Na sledeoj slici data je blok ema koja prikazuje relacije izmeu ES i okruenja u kome on radi (Meyers, 1986). Znanje koje se ugrauje u ES, kao najvaniji deo samog sistema, potie od osobe koja je ekspert u nekom domenu. Po pravilu, ekspert nije strunjak i za oblast raunarstva pa je potreban posrednik koji e pomoi da se od strunjaka dobije i prenese u raunar znanje koje ovaj poseduje.

8

Ekspertni saobraajni sistemi

Slika Relacije izmeu ES i njegovog okruenja Inenjer znanja (knowledge engineer), odnosno strunjak za ES, nastoji da u konsultacijama sa ekspertom ili na neki drugi nain doe do injeninog i heturistikog znanja iz date oblasti, da to znanje kodira na odgovarajui nain i unese ga u ES. Ovaj proces je od izuzetne vanosti za razvijanje, testiranje i dograivanje ES i obino se oznaava kao proces prikupljanja znanja (knowledge aequisition). Inenjer znanja esto ima na raspolaganju poseban programski paket koji olakava taj posao. S druge strane, korisnik najee komunicira sa ES preko terminala, koristei posebne programske pakete koji olakavaju komunikaciju i unose vei stepen inteligencije u itav sistem. To mogu da budu razne vrste grafikih interfejsa, sistemi za komunikaciju nekim formalnim ili prirodnim jezikom, kao i sistemi za prepoznavanje govora. Najzad, iako se ES razvijaju za pojedine uzane domene u nekoj oblasti ljudske delatnosti, danas sve vie postoji tendencija vezivanja tih sistema za baze znanja ire namene, koje sadre optije znanje od onog koje se neposredno ugrauje u ES. Pretraivanje ovih baza podataka u novije vreme je olakano korienjem posebnih jezika koji slue kao interfejs prema korisniku. 2.2. EKSPERNI SISTEMI I KONVENCIONALNI PROGRAMI Konvencionalni programi uglavnom se upotrebljavaju za obradu velikih koliina podataka koji su najee numerikog tipa. Ova obrada vri se prema jasnim i tano definisanim algoritmima, koji korak po korak vode sistem (program) ka reenju problema. Ukoliko program po svojoj semantici odgovara postavljenom problemu i ukoliko su ulazni podaci tani, konvencionalni program e rezultirati tanim reenjem postavljenog problema. Konvencionalni programi rade na nain koji je najee samo programerima razumljiv. Ekspertni sistemi se ponaaju drugaije. Uglavnom manipuliu simbolikim podacima i ne rade po unapred zadatim algoritmima, ili bar ne po algoritmima u klasinom znaenju te rei. Nealgoritamski pristup jedno je od osnovnih obeleja ES-a. ES su u velikoj meri interaktivni i u svakom trenutku se mogu zaustaviti. Tada korisnik ekspertnog sistema moe da pregleda zakljuke do kojih se dolo do tada, da vrati proces zakljuivanja od poetka, da unese nove injenice, i sl. Ekspertni sistemi daju zakljuke koji ne moraju da budu ni tani ni pogreni ve su u veoj ili manjoj meri verovatni i pouzdani. Problemi koji se reavaju korienjem ES-a najee su slabo struktuirani, te ne podleu matematikom modeliranju i formalizaciji. To znai da je standardni algoritamski pristup prakticno neupotrebljiv u reavanju ovakvih problema. Klasini principi programiranja definiu algoritme i podatke. Algoritmi izraavaju nain dolaenja do reenja. Oni su jasni i eksplicitni, ak i kad se koriste sloene programske strukture (petlje, grananja, rekurzije). ovekovo znanje nije pogodno za takve modele jer je9

Ekspertni saobraajni sistemi struktuirano na drugaiji nain. Eksperti ne rade strogo algoritamski. Oni se koriste ne samo znanjem, ve i iskustvom. esto na osnovu iskustva i rasuivanja odluuju kako e reavati problem. Poto standardni algoritamski pristup nije od velike koristi, kod ekspertnih sistema se pristupa upotrebi heuristika. Heuristika se defmie kao skup empirijskih i svrsishodnih poteza, (pravila, postupaka) koji u svojoj ukupnosti, oportunistiki primenjeni, obino vode reenju (Pidd, 1989). Primena heuristika doprinosi da se skrati srednji broj pokuaja u toku reavanja nekog problema. Heuristika kao metoda zahteva izvoenje sledeih koraka: - razbijanje problema na manje probleme ili podprobleme sa odreenom organizacijom ciljeva i podciljeva ponaanja; - definisanje ocena karakteristika vezanih za datu oblast primene ekspertnog sistema, radi rangiranja i izbora aiternativa; - za reavanje podciljeva koriste se rekurzivne metode; - heuristiki koraci u reavanju problema za prelazak u naredni korak koriste stanje iz prethodnog koraka. KONVENCIONALNI PROGRAMI Algoritmi Predstavljanje i korienje podataka Cikliki procesi Znanje i metode znanja su pomeani EKSPERTNI SISTEMI Heuristike Predstavljanje i korienje znanja Procesi i zakljuivanja Odvojen model reavanja (baza znanja) od dela koji upravlja bazom znanja (mehanizam zakljuivanja) Znanje organizovano u tri nivoa: - podaci(baze podataka) - baza znanja i upravljaka struktura Novo znanje daje bez reprogramiranja

Znanje organizovano u dva nivoa: - podaci - programi Novo znanje zahteva reprogramiranje

U prethodnoj tabeli objedinjene su osnovne razlike izmeu konvencionalnog programiranja i ekspertnih sistema. Osim heuristike, za gradnju ekspertnih sistema su potrebni i neki drugi elementi: raun predikata, simboliko programiranje, i dr. Osnovni sastavni delovi svakog ES, bez obzira na veliinu, sloenost, nain korienja i podruje primene su: baza znanja (knowledge base), mehanizam zakljuivanja (inference engine) i radna memorija (working memory). U veini slucajeva, ES imaju i interfejs prema korisniku (user interface). Kod ES konsultativnog tipa, on je obavezan sastavni deo, kao i prethodna tri. Ovako defmisana struktura ES prikazana je na sledeoj slici.

Slika Osnovna struktura ekspertnog sistema esto, meutim, pored nabrojanih osnovnih elemenata, arhitekturu ekspertnog sistema sainjavaju i pomon: moduli (Harmon i Sawyer, 1990; Harmon, Mans i Morrissey,10

Ekspertni saobraajni sistemi 1988), kao to su podsistem za prikupljanje znanje (knowledge acquisition subsystem), posebni interfejsi (special interfaces) i sistem za objanjenja (explanation subsystem). Na sledeoj slici prikazana je ovako definisana, proirena struktura ES-a. Baza znanja ES je specijalizovana, jedinstvena za konkretni ES i sadri znanje eksperta iz odreene oblasti. Ono je uneto u ES kroz sistem prikupljanja znanja i ne menja se tokom rada sistema. Radna memorija sadri trenutne podatke o problemu koji ES reava. Ti podaci su promenljivi i svojim vrednostima odraavaju trenutno stanje u procesu reavanja problema. Mehanizam zakljuivanja je program koji na osnovu tih promenljivih podataka i fiksnog znanja ograenog u bazu znanja reava problem, odnosno obavlja zadatak koji se postavija pred ES. Preko interfejsa prema korisniku odvija se komunikacija izmedu sistema i korisnika i prezentacija rezultata. U nastavku teksta detaljno su opisani razliiti naini predstavljanja ekspertskog znanja, manipulisanje podacima u radnoj memoriji, kao i nain funkcionisanja ES, tj. nain rada njegovih aktivnih delova - mehanizma zakljuivanja i interfejsa prema korisniku.

Slika Proirena struktura ekspertnog sistema

11

Ekspertni saobraajni sistemi 3. TRETIRANJE NEIZVESNOSTI U ZNANJU Ljudi- eksperti ponekad deluju u uslovima neizvesnosti. Prvo, korisnik ekspertize dolazi sa ulaznim podacirna za koje ba nije siguran da su potpuno tani. Takoe, sam ekspert ne mora biti potpuno siguran u znanja koja prikuplja iz okoline, a koja treba da mu pomognu u reavanju datog problema. Nekada, postoji neizvesnost i o stepenu relevantnosti date ekspertize za neki problem. Svi ovi izvori neizvesnosti se moraju uzeti u obzir tokom postupka rezonovanja i konaan savet koji ekspert daje mora se kvalifikovati odreenim stepenom izvesnosti. Standardni pristup razmatranja navadenih izvora neizvesnosti je putem takozvanih faktora koji uzimaju numerike vrednosti iz neke pogodno odabrane skale vrednosti recimo od 0 do 100 (moe i od 0 do 10 ili -1 do 1). Ovi faktori predstavljaju meru sa kojom aparat zakljuivanja odreuje stepen izvesnosti ili poverenja u vrednosti koje se tiu uslova i zakljuaka pravla odluivanja. Faktor izvesnosti 0 predstavlja potpuno odsustvo izvesnosti odnosno faktiki injenicu da je vrednost nekog fakta u bazi fakata potpuno nepoznata. Vrednost 100 govori da je fakat poznat sa absolutnom izvesnou. Uzmimo na primer, da u sistemu pravila za odreivanje kvote prodaje postoji i pravilo: IF PRIV_RAST>0.04 AND NEZAPOSL 0,04 AND NEZAPOSL < 0,075 THEN EKON = "dobra" CF 90 Moe se postavti pitanje kako se u ovom sluaju sraunava izvesnost zakljuka. Ona se izraunava na identian nain kao kod izraunavanja izvesnosti premies koja je formirana konjukcijom fakata. Prema tome, kako se izvesnost premise moe sraunati na 4 razna naina, a i izvesnost zakljuka na takva ista 4, onda je mogue koristiti ukupno 16 raznih mogunosti za izraunavanje izvesnosti zakljuka. Meutim, moe postojati situacija da se paralelno gornjem pravilu u bazi podataka nalazi i pravilo IF PRIV_RAST > 0,02 AND NEZAPOSL < 0,05 THEN EKON = "dobra" CF 80 i da se jednovremeno "okidaju" oba pravila. faktori izvesnosti se mogu koristiti u formiranju meta pravila koje odluuje koje od dva pravila koja se ovde mogu koristiti da se doe do zakljuka i koristiti. To moe da bude, recimo pravilo koje daje veu vrednost izvesnosti zakljuka odnosno da se koristi konfirmativni nain odreivanja izvesnosti kao u sluaju disjunkcije premise.

14

Ekspertni saobraajni sistemi Razlog za primenu ekspertskih sistema je tenja da znanje, iz raznih specifinih oblasti ljudske delatnosti, postane dostupnije kroz primenu raunarskih programa. Omogueno je da u svakom trenutku zakljuivanja bude na raspolaganju celokupno znanje iz odreene oblasti. Zahvaljujui velikoj brzini raunara iz tog znanja za kratko vreme je mogue izvui zakljuke. Razlike izmeu konvencionalnog programa i ekspertnog sistema se sastoje u tome to, ekspertski sistem ima sposobnost zakljuivanja i objanjavanja, moe da objasni svoje akcije, opravda svoje zakljuke i obezbedi korisniku informacije o znanju koje poseduje. ovek ne moe potpuno biti zamenjen, naroito u pogledu kreativnosti i korienja opteg znanja. Prednost ekspertskih sistema nad ljudima je to se ljudsko znanje vremenom gubi naroito ako se esto ne koristi. Ekspertski sistemi omuguavaju korisnicima da odgovore na specifina ili hipotetika pitanja koja eventualno rezultiraju dobijanjem specifinih, relevantnih informacija. Na viem nivou mogu planirati budete nacija, simulirati ratne situacije, anticipirati promene u prirodnom okruenju i slino, kao "asistenti" ljudskim ekspertima. Komponente ekspertskog sistema Ekspertski sistemi imaju tri komponente: 1. baza znanja 2. mehanizam izvoenja 3. upravljaki mehanizam Postupak prikupljanja znanja poinje tako to inenjer znanja nastoji da od experta dobije heuristiko znanje, da ga kodira i unese u eksperski sistem. Korisnik sa ekspertskim sistemom komunicira preko terminala. Osnovni elementi eskpertskog sistema pored baze znanja, mehanizam zakljuivanja, su i radna memorija i interfejs prema korisniku, kao i pomoni moduli: podsistemi za prikupljanje znanja, posebni interfejsi, sistem za objanjenja. Baza znanja je specijalizovana i jedinstvena za konkretni sistem koji sadri znanje eksperata iz odreene oblasti, a koje je uneto putem sistema za prikupljanje znanja i ne menja se tokom vremena. Radna memorija sadri trenutne podatke o problemu koji se reava. Oni su prmenljivi i odraavaju trenutno stanje u procesu reavanja. Mehanizam zakljuivanja na osnovu tih promenljivh podataka i fiksnog znanja iz baze znanja reava problem. Preko interfejsa prema korisniku odvija se komunikacija. Uesnici u razvoju ekspertnih sistema Uesnici u razvoju ES su: 1. ekspert (osoba koja poseduje znanje, vetinu i iskustvo na osnovu kojih reava probleme iz odreenog domena bolje i efikasnije od drugih ljudi) 2. inenjer znanja (koji dizajnira, implementira i testira ekspertski sistem, zna koji je softverski alat pogodan za reavanje problema koji definie, intervjuie eksperta, identifikuje koncepte, organizuje i formalizuje znanje koje se predstavlja, identifikuje metode, vri izbor softverskog okruenja za razvoj, implementira, testira i revidira, instalira i odrava ekspertski sistem). 3. krajnji korisnik (koji radi sa eksperskim sistemom, unosi ulazne podatke i injenice zahteva objanjenja, definie zahteve vezane za korisniki interfejs).

15