Osnovi programiranja i programski jezici
Osnovi programiranja i programski jezici Osnovi programiranja i programski jezici
simuliranja ponašanja čoveka-eksperta, zapravo čije funkcionisanje ima neke oblike ponašanja čoveka eksperta. Takvom čoveku je svojstveno da poseduje veliku količinu specijalizovanih znanja i informacija uključujući i neke retke činjenice - potrebnih za rešavanje specifičnih problema u odredjenoj oblasti, ali da sem toga, poseduje neka, pretežno lična, pravila domišljatog rezonovanja i nagadjanja, što mu omogućava efikasno analiziranje i uspešno i brzo rešavanje tih problema. On ima moć učenja iz iskustva, sticanja opštih znanja, rekonceptualizacije, rezonovanja po analogiji, transfera znanja iz jednog područja u drugo, ima fleksibilnost u menjanju pristupa da bi se pronašao onaj koji je prikladan za rešavanje datog problema. Osim toga, ES omogućava dijagnosticiranje problema, zna da preporučuje alternative i rešenja, obrazlaže i racionalizuje svoje dijagnoze i preporuke, kao i da "uči" iz prethodnih iskustava dodajući bazi znanja nove elemente do kojih dolazi tokom rešavanja problema. KOMPARATIVNA ANALIZA LJUDSKOG I MAŠINSKOG ZNANJA Procesi stvaranja i memorisanja ljudskog znanja su veoma složeni i praktično neotkriveni. Kategorizacija se može obaviti samo sa stanovišta spoljnih efekata a ne i sa stanovišta internih mehanizama. Na slici 2 data je jedna kategorizacija ljudskog znanja uz način sticanja istih kojoj se može upotrebiti za komparativnu analizu ljudskog znanja i mašinskog znanja ugrađenih u razne tipove ekspertnih sistema. Slika 2: Način sticanja i kategorizacije ljudskog znanja Čovek stiče znanje ili na bazi sopstvenog ili tuđeg iskustva posmatranjem, zaključivanjem tj. delovanjem u praksi. Ovaj vid znanja može biti često veoma efikasan za rešavanje nekih praktičnih problema ali ima ograničen domen efikasnosti. Znatno efikasnije se stiče znanje uz sistematski mehanizam usvajanja znanja učenjem u obrazovnim ustanovama ili iz udžbenika. Bez obzira na nedostatke obrazovnih procesa za sada se ovaj vid sticanja znanja pokazao efikasnijim i delotvornijim. U Tabeli 1. date su osnovne karakteristike ljudskog znanja i znanja ekspertnih sistema prve generacije. 102
Tabela 1: Osnovne karakteristike ljudskog znanja i znanja ekspertnih sistema prve generacije stručna znanja čoveka stručna znanja zasnovana na primeni veštačke inteligencije prolazno stalno teško se prenosi, reprodukuje, širi se lako se prenosi i reprodukuje obučavanjem teško se dokumentuje lako se dokumentuje nije uvek dosledno, često je čak i labilno, uvek je dosledno podložno je emocijama skupo a često postaje i nedostižno može se pribaviti "jeftino" i uvek stoji na raspolaganju kreativno, inovativno nekreativno, bez duše adaptivno, obučava se zna samo ono što su ugradili u bazu znanja interaktivno je sa okolinom preko čula čoveka komunikacija sa okolinom je ograničena na interaktivni sistem procesi mišljenja su promenljivi, bogati operiše unutrašnjim simbolima problem razmatra sa više aspekata, proces problem razmatra sa ograničenjima tj. mišljenja je dinamičan i adaptivan, samo sa pozicija ugrađenih aspekata operiše višenivoskim modelima bazira se na zdravom razumu ima samo tehničko znanje, treba očekivati samo predlog, savet a ne i rešenje problema Pri formiranju ekspertnih sistema čovek je težio da u sistemu upravljanja znanja i donošenju odluka oponaša čoveka. Ekspertni sistemi prve generacije koriste nestandardne metode gradnje znanja. U toku rada ne proširuju bazu znanja na osnovu sopstvenih iskustava tj. ne uče iz sopstvenog iskustva tj. imaju samo površinske efekte eksperta. Ekspertni sistemi druge generacije teže ka primeni metodologije mašinskog učenja tj. ka proširivanju baze znanja u hodu. Deluju u pravcu integracije površinskog (praktičnog) i kvalitetnog znanja. TIPOVI I PODRUČJA PRIMENE EKSPERTNIH SISTEMA Do današnjeg dana je razvijen veći broj ekspernih sistema koji uspešno mogu rešavati neke probleme. Osnovna područja uspešne primene su sledeća: • sistemi za objašnjavanje, (interpretaciju) - ova kategorija sadrži nadzor, razumevanje jezika, analizu lika, tumačenje hemijske strukture, tumačenje signala, i više tipova inteligentne analize, ovi tipovi sistema, objašnjavaju podatke, na taj način, što im daju simboličko značenje za opis situacije ili stanja sistema, • prognostički sistemi - sadrže prognozu vremena, prognozu demografskih kretanja, prognozu u prometu, procenu žetve i vojna predvidjanja, prognostički sistemi su tipično dinamični sistemi sa vrednostima parametara, koji odgovaraju datoj situaciji, zaključci, koji proizilaze iz modela čine osnovu za predvidjanja, ignorisanjem 103
- Page 52 and 53: [Connection established^G^G^G] Ta i
- Page 54 and 55: Izaberimo opciju C COMPOSE MESSAGE
- Page 56 and 57: Pogledajmo ukratko koje naredbe raz
- Page 58 and 59: inary bye cd close get udaljena-dat
- Page 60 and 61: POJAM SOFTVERA UVOD Realizacijom, n
- Page 62 and 63: ASEMBLER Zbog nepreglednosti progra
- Page 64 and 65: INSTRUKCIJE RAČUNARA S opšteg sta
- Page 66 and 67: Instrukcije možemo još svrstati u
- Page 68 and 69: Slika 9. : Funkcionalna blokšema m
- Page 70 and 71: izuzev onih koji se koriste registr
- Page 72 and 73: TEHNIKA PISANJA PROGRAMA NA ASEMBLE
- Page 74 and 75: ZAPIS UNOŠENJE PROGRAMA U MNEMONI
- Page 76 and 77: JEDNOSTAVNI i8086 ASEMBLERSKI PROGR
- Page 78 and 79: Na slici 164C je adresa kod segment
- Page 80 and 81: izlistamo program, potražimo red,
- Page 82 and 83: STRUKTURA *.exe I *.com IZVRŠNIH P
- Page 84 and 85: o Ako postoji greška, sa editorom
- Page 86 and 87: mov es,ax ;************************
- Page 88 and 89: istrukcije su veome slične instruk
- Page 90 and 91: ali se ne može zasebno izvršiti.
- Page 92 and 93: mov es:[di-12],ax ;****************
- Page 94 and 95: ;**********************************
- Page 96 and 97: CHOICE:db "PRVI",0 db "DRUGI",0 db
- Page 98 and 99: Krajem drugog svetskog rata, engles
- Page 100 and 101: "osećaj", a kod čoveka još i sam
- Page 104 and 105: verovatne procene, prognostički si
- Page 106 and 107: znanja s podacima. Ugrađene strate
- Page 108 and 109: koje daje čovek-ekspert. Predstavl
- Page 110 and 111: Neke tehnike sticanja znanja za ES,
- Page 112 and 113: obeleženog usmerenog grafa. Svako
- Page 114 and 115: Tabela 15.: Tabela odlučivanja 1 2
- Page 116 and 117: Za razliku od proceduralnih jezika,
- Page 118 and 119: Ne_pije(petar). Vozac_autobusa(dusa
- Page 120 and 121: SINTAKSA I SEMANTIKA PROLOGA Abeced
- Page 122 and 123: * */ /* GLAVNI GRADOVI */ /* */ /**
- Page 124 and 125: Lista (a, lista (c, prazno)). LISTA
- Page 126 and 127: izračunavanja. Korišćenjem ovog
- Page 128: LITERATURA • Berković, Ivana: El
simuliranja ponašanja čoveka-eksperta, zapravo čije funkcionisanje ima neke oblike<br />
ponašanja čoveka eksperta. Takvom čoveku je svojstveno da poseduje veliku količinu<br />
specijalizovanih znanja i informacija uključujući i neke retke činjenice - potrebnih za<br />
rešavanje specifičnih problema u odredjenoj oblasti, ali da sem toga, poseduje neka,<br />
pretežno lična, pravila domišljatog rezonovanja i nagadjanja, što mu omogućava<br />
efikasno analiziranje i uspešno i brzo rešavanje tih problema. On ima moć učenja iz<br />
iskustva, sticanja opštih znanja, rekonceptualizacije, rezonovanja po analogiji,<br />
transfera znanja iz jednog područja u drugo, ima fleksibilnost u menjanju pristupa da<br />
bi se pronašao onaj koji je prikladan za rešavanje datog problema. Osim toga, ES<br />
omogućava dijagnosticiranje problema, zna da preporučuje alternative i rešenja,<br />
obrazlaže i racionalizuje svoje dijagnoze i preporuke, kao i da "uči" iz prethodnih<br />
iskustava dodajući bazi znanja nove elemente do kojih dolazi tokom rešavanja<br />
problema.<br />
KOMPARATIVNA ANALIZA LJUDSKOG I MAŠINSKOG ZNANJA<br />
Procesi stvaranja i memorisanja ljudskog znanja su veoma složeni i praktično<br />
neotkriveni. Kategorizacija se može obaviti samo sa stanovišta spoljnih efekata a ne i<br />
sa stanovišta internih mehanizama. Na slici 2 data je jedna kategorizacija ljudskog<br />
znanja uz način sticanja istih kojoj se može upotrebiti za komparativnu analizu<br />
ljudskog znanja i mašinskog znanja ugrađenih u razne tipove ekspertnih sistema.<br />
Slika 2: Način sticanja i kategorizacije ljudskog znanja<br />
Čovek stiče znanje ili na bazi sopstvenog ili tuđeg iskustva posmatranjem,<br />
zaključivanjem tj. delovanjem u praksi. Ovaj vid znanja može biti često veoma<br />
efikasan za rešavanje nekih praktičnih problema ali ima ograničen domen efikasnosti.<br />
Znatno efikasnije se stiče znanje uz sistematski mehanizam usvajanja znanja učenjem<br />
u obrazovnim ustanovama ili iz udžbenika. Bez obzira na nedostatke obrazovnih<br />
procesa za sada se ovaj vid sticanja znanja pokazao efikasnijim i delotvornijim. U<br />
Tabeli 1. date su osnovne karakteristike ljudskog znanja i znanja ekspertnih sistema<br />
prve generacije.<br />
102
Change language