Ekspertni sistemi

Sadržaj

Prvi deo: Znanje, pravila i zaključivanje u ekspertnim sistemima

Ekspertni sistemi predstavljaju oblast računarske inteligencije u kojoj se znanje stručnjaka pretvara u pravila, činjenice i mehanizme zaključivanja. Umesto da sistem uči samo iz velikih skupova podataka, on koristi eksplicitno zapisano znanje, bazu znanja, radnu memoriju i inferencioni mehanizam kako bi donosio preporuke, dijagnoze ili odluke. Prvi deo praktikuma uvodi osnovne pojmove: eksperta, znanje, pravila, činjenice, bazu znanja, zaključivanje unapred, zaključivanje unazad i objašnjavanje odluka.

I. Uvod u ekspertne sisteme

1. Šta su ekspertni sistemi – računarski modeli stručnog znanja i odlučivanja 2. Istorija ekspertnih sistema – od ranih AI sistema do savremenih primena 3. Kada se koriste ekspertni sistemi – dijagnostika, savetovanje i odlučivanje 4. Prednosti i ograničenja – snaga eksplicitnog znanja i izazovi održavanja 5. Uloga ekspertnih sistema u računarskoj inteligenciji – znanje kao osnova AI sistema

II. Znanje, činjenice i baza znanja

6. Znanje u ekspertnom sistemu – kako se stručnost pretvara u računarima razumljiv oblik 7. Činjenice i pravila – osnovni elementi zaključivanja 8. Baza znanja – organizovano skladište stručnih pravila i informacija 9. Radna memorija – trenutne činjenice tokom rada sistema 10. Prikupljanje znanja – razgovor sa ekspertima, dokumentacija i analiza domena

III. Inferencioni mehanizam i zaključivanje

11. Inferencioni mehanizam – srce ekspertnog sistema 12. Forward chaining – zaključivanje unapred od činjenica ka zaključcima 13. Backward chaining – zaključivanje unazad od cilja ka dokazima 14. Konflikt pravila – šta kada više pravila može da se aktivira 15. Objašnjavanje zaključivanja – kako sistem pokazuje zašto je doneo odluku

IV. Predstavljanje znanja

16. Produkciona pravila – pravila tipa uslov-akcija u ekspertnim sistemima 17. IF–THEN pravila – najčešći oblik zapisivanja ekspertskog znanja 18. Semantičke mreže – pojmovi, veze i značenje u mrežnoj strukturi 19. Okviri - Frames – strukturisano predstavljanje objekata i osobina 20. Ontologije – formalno predstavljanje pojmova, odnosa i domena znanja

Drugi deo: Projektovanje, neizvesnost, implementacija i primene

Kada se savladaju osnovni elementi ekspertnih sistema, slede projektovanje arhitekture, rad sa neizvesnošću, testiranje, održavanje i praktična implementacija. Drugi deo praktikuma vodi kroz komponente sistema, dijalog sa korisnikom, verifikaciju i validaciju, faktore sigurnosti, verovatnosne i fuzzy pristupe, hibridne ekspertne sisteme, rad u Pythonu i završni mini projekat. Poseban naglasak je na tome kako ekspertni sistemi povezuju ljudsko znanje, pravila, objašnjivo odlučivanje i savremene AI asistente.

V. Projektovanje ekspertnog sistema

21. Arhitektura ekspertnog sistema – korisnik, baza znanja i inferencioni mehanizam 22. Komponente sistema – baza znanja, radna memorija, objašnjenja i interfejs 23. Dijalog sa korisnikom – pitanja, odgovori i vođenje procesa zaključivanja 24. Verifikacija i validacija – provera pravila, rezultata i ponašanja sistema 25. Održavanje baze znanja – izmene, dopune i kontrola kvaliteta pravila

VI. Neizvesnost, verovatnoća i fuzzy pristup

26. Nepotpune informacije – zaključivanje kada ne znamo sve činjenice 27. Faktori sigurnosti – procena pouzdanosti zaključaka i preporuka 28. Verovatnoća u ekspertnim sistemima – rad sa rizikom i mogućim ishodima 29. Fuzzy ekspertni sistemi – zaključivanje sa nepreciznim i lingvističkim pojmovima 30. Hibridni ekspertni sistemi – spajanje pravila, fuzzy logike i mašinskog učenja

VII. Implementacija ekspertnih sistema

31. Python i ekspertni sistemi – kako zapisati pravila i činjenice u programu 32. Biblioteke za ekspertne sisteme – alati za pravila, zaključivanje i prototipe 33. Jednostavan inference engine – izrada sopstvenog mehanizma zaključivanja 34. Testiranje ekspertnog sistema – primeri, granični slučajevi i kontrola grešaka 35. Optimizacija pravila – uklanjanje dupliranja, konflikata i nepotrebne složenosti

VIII. Primene i završni projekat

36. Ekspertni sistemi u medicini – podrška dijagnostici i objašnjivom odlučivanju 37. Finansije i poslovno odlučivanje – pravila, rizici, preporuke i procene 38. Industrija i dijagnostika – kvarovi, održavanje i tehnička ekspertiza 39. Savremeni AI asistenti i ekspertni sistemi – znanje, pravila i objašnjivost 40. Mini projekat – izrada, testiranje i objašnjavanje jednog ekspertnog sistema

Zaključak: Ekspertni sistemi kao most između ljudskog znanja i veštačke inteligencije