Ekspertni sistem
Goodwin i Wright isticu da su ekspertni sistemi jedan deo istrazivanja na putu ka vestackoj intelingenciji, a da vestacka intelingencija ima za cilj da predstavlja u potpunosti ljudsku inteligenciju kroz racunarski sistem. Njihova definicija ekspertnog sistema glasi da ekspertni sistem predstavlja modeliranje, unutar racunara, ekspertskog znanja, tako da rezultujuci sistem moze ponuditi inteligentan savet ili doneti inteligentne odluke.
Istorija razvoja ekspertnih sistema – Razvoj ekpertnih sistema zavisi od razvoja IT, tj od performansi kompjutera. Prema stanju iz 1988. godine, ekspertni sistemi su se tada primenjivali u oko 150 oblasti. Medjutim samo cetiri godine kasnije u Americi je bilo korisceno najmanje 3000 ekspertnih sistema, a u Japanu je tada postojalo preko 400 ekspertnih sistema. U njihovom daljem razvoju prognozira se razvoj povezivanja ekpertnih sistema sa sistemima za podrsku odlucivanju, multimedijom, neutralnim mrezama, itd.
 |
Master i diplomski radovi iz oblasti informacionih sistema obrađuje tim stručnjaka koji su radili na velikim projektima kako u zemlji i inostranstvu. Konsultacije ili naručivanje radova možete izvršiti pomoću forme na sajtu diplomski rad. |
Podele ekspertnih sistema – Jedna od uopstenih podela ES sugerise na postojanje dve grupe ES: Ekspertni sistemi koji analiziraju neki problem i Ekspertni sistemi koji vrse sintezu u procesu resavanja problema
Podela ES prema vrsti informacija koju ekspertni sistemi pruzaju:Samostalni – u stanju su da samostalno izvedu proces donosenja odluke i planiranja buducih pravaca akcije.Konsultantski – pruzaju razne konsultantske usluge u smislu da pomazu korisniku na taj nacin kako bi i pravi ekspert pruzio svoje misljenje. Ova grupa ES koncipirana je za resavanje kompleksnih problema.Savetniceke – mogu koristiti i eksperti, ali i oni ostalikorisnici kojima je potreban savet u odgovarajucim situacijama.Sistemi za ispitivanje sta bi bilo ako... – ova grupa ES omogucava razmatranje odredjenih situacija u kojima je potrebno predvideti efekte primene alternativnih akcija.
Goodwin i Wright isticu da postoje dve grupe ES: Prvi se javljaju kod komplikovanih istrazivackih projekata ili potencijalno neresivih problema, gde je potrebno razviti novi nacin prezentovanja ili izlaganja znanja Drugi niz sistema su oni koje su izgradili konsultanti i to putem koriscenja komercijalno razvijenih skoljki ekspertnih sistema. Skoljke ES sadrze sve komponente kao i posebno razvijeni ES sa tom razlikom sto im je baza znanja prazna. Korisnik skoljke ES sam popunjava bazu znanja, unoseci u nju pravila koja se odnose na probleme koje je potrebno da njegov ES resava.
Osobine ekspertnih sistema – Ekspertni sistemi sadrze sedam dimenzija:ekspertiza rezonovanje manipulacijom simbola opsta sposobnost resavanja problema u datom domenu slozenost i tezina reformulacija rezonovanje o sebi, vrsta zadataka za cije se obavljanje sistem izgradjuje
Struktura ekspertnih sistema – Model jednostavnog ES sastoji se samo od cetiri dela: baza znanja, " mehanizam " za zakljucivanje, korisnicki interfejs, radna memorija. Znanje ekperata se cuva u nizu fajlova nazvanih baza znanja. Najcesce je znanje predstavljeno pomocu "if...then" pravila. "Mehanizam" za zakljucivanje koristi bazu znanja kako bi se obezbedila nova informacija. Preko korisnickog interfejsa omogucva se komunikacija izmedju ES i korisnika. Radna memorija sadrzi detalje o stanju znanja sistema u odredjenom sistemu.
Proces funkcionisanja ES razlaze se na pet komponenti:
1. Akvizacija ( sticanje ) znanja
2. Reprezentacija ( memorisanje ) znanja
3. Obrada znanja ( resavanje problema )
4. Komponente za objasnjenje ( predstavljanje znanja )
5. Interfejs ( jedinica za dijalog )
Predstavljanje znanja i mehanizmi zakljucivanja – Jedan od nacina za prevazilazenje problema kako znanje uobliciti u formu koja ce biti funkcionalna za rad ekpertnog sistema, moguc je koriscenjem produkcionih pravila. ES moze imati vise stotina produkcionih pravila, sto usloznjava proces projektovanja logickog povezivanja ovih pravila u bazi znanja.
Kontrolna struktura odredjuje koje ce pravilo biti sledece upotrebljeno. Ova struktura cesto poziva "masinu za zakljucivanje". Na bazi informacija koje dobije od korisnika "masina" za zakljucivanje vrsi selekciju i testiranje pojedinih pravila i u bazi znanja trazi odgovarajuci savet ili odluku. To se obicno postize pomocu olancavanja unapred, sto znaci da sledi put od poznatih cinjenica do krajnjeg zakljucka. Olancavanje unazad ikljucuje biranje hipotetickih zakljucaka i testiranje da se uporedi da li ce se potrebno pravilo u skladu sa zakljuckom ispostaviti kao tacno.
Postoje i drugi nacini predstavljanja znanja, a to su: semanticke mreze, trojke objekat – atribut – vrednost i predikatska logika.
Uvodjenje ekspertnog sistema u rad – Ovo podrazumeva testiranje i implementaciju ES. Implementacija ukljucuje uskladjivanje hardverskih zahteva ES za njegovo optimalno funkcionisanje, pa sve do obuke kadrova za rad sa ES.
