Documente Academic
Documente Profesional
Documente Cultură
AMELIA B{DIC{
VALENTIN LI|OIU
I. SISTEME INFORMATICE
1.1. CONCEPTUL DE SISTEM INFORMATIC
Func\ionarea unui sistem informa\ional-decizional presupune, @n
principal, desf[]urarea urm[toarelor activit[\i:
- culegerea datelor despre starea sistemului condus ]i a mediului
@nconjur[tor;
- trasmiterea datelor @n vederea prelucr[rii;
- prelucrarea datelor, ob\inerea informa\iilor ]i trasmiterea
acestora;
- adoptarea deciziilor, dezagregarea sau desintetizarea acestora ]i
trasmiterea lor spre execu\ie;
- asigurarea controlului ]i urm[ririi @nf[ptuirii deciziilor.
Utilizarea tehnicii electronice de calcul a produs modific[ri majore @n
modul de realizare a acestor activit[\i ]i implicit a determinat apari\ia
conceptului de sistem informatic.
Sistemul informatic economic este un ansamblu de elemente
interconectate func\ional @n scopul automatiz[rii ob\inerii informa\iilor,
fundament[rii, trasmiterii ]i urm[ririi deciziilor.
Sistemul informatic se interpune @ntre sistemul de decizie ]i sistemul
de execu\ie fiind subordonat acestora. El este inclus @n cadrul sistemului
informa\ional ]i are drept obiect de activitate, @n general, culegerea,
trasmiterea ]i prelucrarea automat[ a datelor. Prin implementarea unor
modele matematice ]i utilizarea tehnicii electronice de calcul, @n activit[\ile
enumerate, sistemul informatic imprim[ valen\e sporite sistemului
informa\ional sub aspect cantitativ ]i calitativ. Astfel, asist[m la o cre]tere
a capacit[\ii de calcul sub aspectul volumului datelor de prelucrat ]i al
opera\iilor de efectuat, la cre]terea exactit[\ii informa\iilor, la sporirea
operativit[\ii @n informare, @n codi\iile cre]terii compexit[\ii activit[\ilor
economice etc. Toate acestea determin[ o apropiere mai mare a
decidentului de fenomenele ]i procesele economice pe care le coordoneaz[,
cu multitudinea efectelor economice pozitive ce deriv[ din aceasta.
#n ceea ce prive]te raportul dintre sistemul informatic ]i sistemul
informa\ional se poate aprecia c[ este un raport de la parte la @ntreg de la
Creierul uman
2*1010
Calculatorul
?
0,5*10-7 cm3
10-4 cm3
10-3 secunde
10-9 secunde
paralel
secven\ial
Programele de inteligen\[
artificial[
1. Au ca obiectiv rezolvarea unei
probleme
prin
prelucrarea
cuno]tin\elor.
2. Execut[ prelucrarea simbolic[
a cuno]tin\elor, folosind limbaje
simbolice.
3. Solu\ia este ob\inut[ prin
inferen\[
logic[
(c[utare
euristic[).
4. Structura de control este
separat[ de cuno]tin\e ]i este
introdus[ @n motorul de inferen\e.
5. Sunt u]or de actualizat prin
dialog @n limbaj apropiat de cel
natural.
6. Tolereaz[ ]i r[spunsuri
aproximative.
7. Produc ]i solu\ii uzual
acceptabile.
11
13
Spre exemplu, o scen[ vizual[ este citit[ prin intermediul unor senzori
(camer[ de luat vederi) ]i codificat[ sub forma unei matrici de valori de
intensit[\i luminoase. Aceast[ scen[ este prelucrat[ @n vederea detect[rii unor
elemente primitive de imagine de tipul: segmente, curbe simple, col\uri, etc.
Un al doilea nivel de prelucrare poate pune @n eviden\[ informa\ii referitoare
la caracterul tridimensional al scenei @n termeni de suprafe\e ]i forme. O
ultim[ prelucrare poate duce la reprezentarea scenei printr-o descriere
sintetic[, de nivel @nalt, de tipul: "Un cer cu nori ]i un deal cu un copac @n
v`rf". Trebuie s[ facem observa\ia c[ natura ]i calitatea reprezent[rii finale
depind de obiectivele sistemului de percep\ie.
Dezvoltarea @n\elegerii este caracterizat[ de acelea]i dificult[\i
specifice ]i celorlalte subdomenii ale inteligen\ei artificiale. Astfel, se
apreciaz[ c[ fiin\ele inteligente @n\eleg ceea ce v[d prin integrarea imaginilor
optice achizi\ionate cu o complex[ cunoa]tere aprioric[ dezvoltat[ de-a lungul
timpului prin experiment[ri de percep\ie vizual[ a obiectelor din mediul
@nconjur[tor. Spre deosebire de vederea artificial[, @n care scena perceput[
const[ @n principiu din valori reprezent`nd intensit[\i luminoase, @n
recunoa]terea vorbirii ea const[ din valori reprezent`nd intensit[\i acustice,
problema principal[ r[m`n`nd @ns[ aceea]i ]i anume integrarea scenei cu o
complex[ cunoa]tere aprioric[ dezvoltat[ @n timp.
6.ACHIZI|IE DE CUNO}TIN|E }I #NV{|ARE AUTOMAT{
Procesul de colectare, structurare, transfer ]i transformare a expertizei
@n rezolvarea de probleme, sau @n general al cunoa]terii dintr-un anumit
domeniu, de la una sau mai multe surse de cuno]tin\e la un program se
nume]te achizi\ie de cuno]tin\e. Persoana ce realizeaz[ aceast[ activitate se
nume]te inginer de cuno]tin\e. #n particular, dac[ cuno]tin\ele sunt ob\inute
prin intervievarea unor exper\i umani, procesul se nume]te extragerea
cuno]tin\elor. Facem observa\ia c[ nu @ntotdeauna sursele de cuno]tin\e sunt
exper\i umani. Ele pot fi spre exemplu articole ]tiin\ifice, tratate de
specialitate sau baze de date.
Ini\ial achizi\ia de cuno]tin\e se realiza manual, exclusiv prin activitatea
desf[]urat[ de inginerul de cuno]tin\e. Relativa ineficien\[ a procesului de
achizi\ie manual[ a cuno]tin\elor (aceast[ activitate decurgea extrem de greoi
]i cu un mare consum de resurse - timp ]i efort) a determinat numero]i
cercet[tori s[ @ncerce automatizarea sa. A ap[rut astfel o nou[ direc\ie de
17
- dimensiune problem[ s[ creasc[ c`t mai @ncet, chiar ]i atunci c`nd ea cre]te
exponen\ial. Astfel s-au imaginat diverse metode de @nt`rziere sau de
moderare a inevitabilei explozii combinatoriale. Folosirea cunoa]terii din
domeniul problemei s-a dovedit ]i de aceast[ dat[ a fi cheia ob\inerii unor
metode eficiente de rezolvare.
Se apreciaz[ c[ a fi computa\ional dificil[ este o caracteristic[ comun[
a tuturor problemelor de inteligen\[ artificial[. Unii cercet[tori, spre exemplu
Rich, consider[ c[ inteligen\a artificial[ nu este altceva dec`t @ncercarea de
rezolvare a problemelor NP-complete @n timp polinomial.
8.INTELIGEN|A ARTIFICIAL{ LA NIVEL SUBSIMBOLIC
#n inteligen\a artificial[ exist[ dou[ abord[ri fundamental diferite.
Prima dintre ele are la baz[ ipoteza sistemelor fizice de simboluri ]i este
cunoscut[ @n literatur[ drept inteligen\a artificial[ la nivel simbolic. Ea este
dominant[ din punct de vedere istoric ]i se caracterizeaz[ printr-un grad @nalt
de abstractizare, o imagine macroscopic[ a lumii, c`t ]i prin folosirea unor
tehnici de reprezentare ]i prelucrare cu un pronun\at caracter simbolic.
Men\ion[m c[ la tehnici similare apeleaz[ ]i psihologia clasic[.
Reprezentative pentru aceast[ abordare sunt ingineria cuno]tin\elor ]i
programarea logic[.
Cea de a doua abordare utilizeaz[ modele biologice microscopice
similare cu cele @nt`lnite @n fiziologie ]i genetic[. Facem observa\ia c[ aceste
modele nu reprezint[ @n mod necesar reconstruc\ii ale modelelor biologice
@nrudite. Reprezentative pentru aceast[ abordare sunt re\elele neuronale ]i
algoritmii genetici. Aceast[ abordare @n inteligen\a artificial[ este cunoscut[ @n
literatur[ sub numele de inteligen\a artificial[ la nivel subsimbolic.
Re\elele neuronale se bazeaz[ pe un model al creierului biologic care
const[ dintr-un num[r foarte mare de neuroni interconecta\i @ntre ei. De]i un
neuron este o entitate biologic[ simpl[ care considerat[ separat nu este
capabil[ s[ realizeze mare lucru, se apreciaz[ c[ puterea unui creier este
rezultatul num[rului uria], de ordinul bilioanelor sau trilioanelor de
interconexiuni, @ntre neuronii componen\i. O re\ea neuronal[ este un model de
calcul ce const[ dintr-un num[r foarte mare de unit[\i simple de prelucrare,
numite neuroni artificiali, interconectate @ntre ele potrivit unui ]ablon de
conexiuni. O re\ea neuronal[ trebuie @nt`i s[ @nve\e dintr-o mul\ime de
exemple, pentru ca apoi s[ foloseasc[ cunoa]terea dob@ndit[ la rezolvarea
19
nuclee de sisteme expert, care furnizeaz[ programatorului un
formalism de reprezentare a cuno]tin\elor ]i un motor de inferen\[;
Concluzie
Inferen\[
25
26
30
Biblioteca de
reprezent[ri grafice
Sistemul de modelare
Subsistemul de
prezentare al
informa\iilor
Subsistemul statistic,
previziune, optimizare
SISTEM EXPERT
Baza de date
Fi]iere externe
35
EXPERT
Achizi\ia
cuno]tin\elor
MODUL DE ACHIZI|IONARE A
CUNO}TIN|ELOR
COGNITICIAN
Reprezentarea cuno]tin\elor
BAZA DE CUNO}TIN|E
BAZA DE
CUNO}TIN|E
BAZA DE
FAPTE
Prelucrarea cuno]tin\elor
MOTOR DE
INFEREN|E
MODUL
EXPLICATIV
Utilizarea cunostintelor
INTERFATA UTILIZATOR
UTILIZATOR
40
41
Nivelul
conceptual
Nivelul intern
Analiza
cerin\elor
- utilizatorul
Structura
conceptual[
- cogniticianul
Structura
intern[ (fizic[)
- inginerul de
sistem
Stocare
42
Fapte cunoscute
Rata infla\iei este ridicat[
Cifra de afaceri scade
Stocurile de materiale cresc
Mediul social se degradeaz[
Fapt nou (dedus)
Pre\ul produselor scade
Fapte cunoscute
Climatul social este bun
Concuren\a este puternic[
Riscul de fezabilitate este important
Cadrul juridic este stabil
Fapt nou (dedus)
Cadrul general eate acceptabil
Fapt nou (dedus)
Riscul global al proiectului este
ridicat
cifra de afaceri
atunci aplic[ regulile ale c[ror premise men\ioneaz[
cifra de afaceri @naintea tuturor celorlalte reguli
Regulile de acest tip, al c[ror rol este de a gestiona modul @n care
ac\ioneaz[ alte reguli, sunt denumite metareguli. Cu ajutorul lor se pot
implementa @ntr-un sistem expert diverse strategii de ra\ionament.
Cuno]tin\ele pe care le reprezint[, constituie la r`ndul lor metacuno]tin\e.
Astfel, metaregula exemplificat[ anterior exprim[ corela\iile esen\iale care
exist[ @ntre cre]terea soldului contului 401 Furnizori, evolu\ia volumului
cump[r[rilor ]i a cifrei de afaceri.
4.2.7. REGULI }I FAPTE INCERTE
#n prezentarea f[cut[ p`n[ acum s-a pornit de la presupunerea c[ at`t
faptele c`t ]i regulile exprim[ cuno]tin\e @n totalitate certe. Aceast[ condi\ie
este greu de realizat @n practic[. Marea majoritatea a analizelor ]i deciziilor
implic[, inevitabil, un anumit grad de incertitudine. Mai mult dec`t at`t,
@ns[]i specificul domeniului de activitate reflectat @]i pune amprenta,
exist`nd domenii care opereaz[, @n mod implicit, cu un grad mai mare de
incertitudine dec`t altele. Spre exemplu, faptele ]i regulile necesare pentru
definirea configura\iei unei instala\ii industriale se deosebesc considerabil,
din acest punct de vedere, de cele care pot fi formulate pentru stabilirea
unui diagnostic medical sau a gestiunii unui portofoliu.
#n afara nivelului specific de certitudine sau incertitudine cu care
opereaz[ fiecare domeniu de activitatea practic[, incertitudinea mai poate
proveni @ntr-un sistem expert ]i din absen\a unor informa\ii (informa\ie
incomplet[). Dac[ acest din urm[ aspect nu face obiectul unor solu\ii
particulare, consider`ndu-se c[ remedierea lui nu solicit[ dec`t un efort
adecvat de completare a bazei de cuno]tin\e, pentru cel dint`i s-au c[utat ]i
s-au definit mai multe modalit[\i specifice de reprezentare.
Cea mai simpl[ solu\ie, care nu este obligatoriu ]i cea mai
nesatisf[c[toare, const[ @n a introduce incertitudinea sau aproxima\ia chiar
@n exprimarea cuno]tin\elor. Spre exemplu, se poate apela la formul[ri de
tipul: cre]terea pre\urilor este moderat[ sau cre]terea pre\urilor este
probabil[. O regul[ construit[ @n aceast[ manier[ poate fi, spre exemplu:
60
61
R42. QC=75
Dac[ cifra de afaceri a societ[\ii X este stabil[
]i valoarea ac\iunilor emise de X tinde s[ creasc[
atunci cump[r[ ac\iuni emise de X.
#n ipoteza c[ baza de fapte con\ine urm[toarele informa\ii:
Ramura electronic[ tinde s[ creasc[ (QC=60).
Ramura metalurgie nu tinde s[ creasc[ (QC=80).
ALFA apar\ine ramurii electronic[ (QC=100).
BETA apar\ine ramurii metalurgie (QC=100).
Cifra de afaceri a societ[\ii ALFA este stabil[ (QC=65).
Valoarea ac\iunilor emise de ALFA tinde s[ creasc[ (QC=70).
Valoarea ac\iunilor emise de BETA tinde s[ creasc[ (QC=60).
Cifra de afaceri a societ[\ii BETA este stabil[ (QC=80).
aplicarea regulilor conduce la urm[toarele rezultate pentru
coeficien\ii de certitudine:
instan\iind variabilele X ]i Y cu valorile ALFA ]i electronica:
QC(R41) =QC(premise) x 60/100 =
minim(60,100) x 60/100 = 36
QC(R42) =QC(premise) x 75/100 =
minim(65,70) x 75/100 = 48,75.
Cum ambele reguli verific[ aceea]i concluzie: cump[r[ ac\iuni
emise de ALFA, coeficientul de certitudine al acesteia se determin[
combin`nd cei doi QC ob\inu\i:
QC(cump[r[ ac\iuni emise de ALFA) =
36 + 48,75 - (36x48,75)/100=84,75 -17,55=67,2
instan\iind variabilele X ]i Y cu valorile BETA ]i metalurgice:
QC(R41)=QC(premise) x 60/100 =
minim(100-80,100)x 65/100=12
QC(R42)= QC(premise) x 75/100 =
minim(80,60)x 65/100=45
QC(Cump[r[ ac\iuni emise de BETA) =
12+45- (12x 45/100)= 57-5,4 = 51,5
Rezult[ c[ investi\ia @n ac\iuni ALFA este ceva mai sigur[ dec`t
investi\ia @n ac\iuni BETA.
63
100
Absolut sigur
64
65
MARF{
ELECTROCASNICE
Greutate
Durata_garan\ie
Putere_consumat[
Cod
Denumire
Pre\
TVA (Pre\*0.22)
#MBR{C{MINTE
Culoare
M[rime
66
MARF{
Cod
Denumire
Pre\
TVA(Pre\ *0.22)
TRANSPORT
Tip_ambalaj
Tarif
TRANSPORT_OB_FRAGILE
ELECTROCASNICE
Putere_consumat[
80
Greutate
Durata_garan\ie
Debit
Presiune
ASPIRATOARE TELEVIZOARE
Tarif
#MBR{C{MINTE
Culoare
M[rime
Diagonal[_tub
Tip
TELEVIZOARE_EXPORT
TVA(Pre\*0)
cump[r[
ac\iuni
titlu mobiliar
emise de
ALFA
este_o
titlu de plasament
BETA
este_o
este_o
ac\iune
Societate pe ac\iuni
este_o
societate
comercial[
este_un
posed[
posed[
valoare
nominal[
pre\ de
achizi\ie
ATPG
ac\iune
ATPG
valoare
nominal[
Pre\ de
achizi\ie
20.000
21.000
este_o
ac\iune
BETA
ATPS
ATPS
Figura 4.9 - Leg[turile ATPG ]i ATPS @n re\elele
semantice
Leg[turile ATPG din figura 4.8 indic[ faptul c[ orice ac\iune posed[
propriet[\ile generice valoare nominal[ ]i pre\ de achizi\ie, iar leg[turile
ATPS precizeaz[ c[, pentru ac\iunile BETA valoarea nominal[ este 20.000
iar pre\ul de achizi\ie 21.000.
Leg[urile ATPG ]i ATPS mai sunt denumite rol ]i valoarea rolului.
Metoda de inferen\[ utilizat[ @n cazul re\elelor semantice este
inferen\[ succesoral[, amintit[ anterior, ]i filtrajul. Filtrajul urm[re]te
g[sirea @n baza de cuno]tin\e a anumitor informa\ii. Pentru aceasta, o cerere
de informa\ii ia forma unei re\ele @n care nodurile ce corespund
elementelor necunoscute sunt etichetate prin variabile. Rolul procedurii de
filtraj const[ @n punerea @n coresponden\[, nod cu nod, a acestei re\ele ]i a
unei p[r\i din re\eaua bazei de cuno]tin\e, @n scopul deducerii con\inutului
variabilelor.
Faptul c[ re\elele semantice favorizeaz[ filtrajul, opera\ie care
influen\eaz[ @n mare m[sur[ performan\ele @n exploatarea bazelor de
70
Cifra de afaceri
Pre\ul de v`nzare
Concuren\a
Gradul de inovare
Cantitatea v`ndut[
Costul unitar
Cererea
Re\eaua
comercial[
Structura ofertei pe
pia\[
71
Pre\
ridicate
Politica de credit
ridicat[
Concuren\a
ridicata
Pre\urile
furnizorilor
ridicat[
V`nzarea pe pia\a de gros
72
4.3.3. CADRELE
4.3.3.1. STRUCTURI DE BAZ{ PRIVIND CADRELE
Termenul cadre (frames @n englez[) desemneaz[ o metod[ de
reprezentare care permite @mbinarea, @ntr-o structur[ unic[, at`t a aspectelor
declarative c`t ]i a celor procedurale ale cuno]tin\elor. Aceast[ metod[ a
fost propus[ pentru prima oar[ @n 1975 de c[tre cercet[torul american
Minsky.
CADRU
Antecedent
Antecedent
...
Rubrica
pred. atribuire
nume
nume cadru antecedent
nume cadru antecedent
nume
valoare
predicat
pred. consultare
predicat
Rubrica
pred. atribuire
nume
consultare
.pred.
..
predicat
valoare
predicat
73
74
Popescu
Client
Venit
Domiciliu
Valoare:
Valoare:
3.500.000
Olteni\a
Ionescu
Client
Venit
Domiciliu
Garant
Valoare:
Valoare:
Valoare:
3.000.000
Bucure]ti
Popescu
Persoana
V`rsta
Sex
Cadru:
Antecedent:
Rubrica:
Cadru:
Antecedent:
Rubrica:
B[rbat
Persoana
Sex
Femeie
Persoana
Sex
Cadru:
Antecedent:
Rubrica:
Popescu
B[rbat
V`rsta
Valoare:
Valoare:
Valoare:
B[rb[tesc
Valoare:
Femeiesc
Valoare:
30
76
#mprumut
Suma_@mprumutat[
Rata_dob`nda_anual[
Termen_rambursare
Client
Valoare:
Valoare:
Valoare:
Valoare:
50%
Credit_C300
#mprumut
Suma_@mprumutat[
Termen_rambursare
Client
Valoare:
Valoare:
Valoare:
200.000
30/11/98
Popescu
77
Cadru:
Antecedent:
Rubrica:
Rubrica:
Rubrica
Rubrica:
Credit_C379
#mprumut
Suma_@mprumutat[
Termen_rambursare
Rata_dob`nda_anual[
Client
Valoare:
Valoare:
Valoare:
Valoare:
100000
10/06/98
35%
Ionescu
#mprumut-pref
#mprumut
Rata_dob`nda_anual[
Cadru:
Antecedent:
Rubrica:
Rubrica:
Rubrica:
Credit_C300
#mprumut
Suma_@mprumutat[
Termen_rambursare
Client
Valoare:
Valoare:
Valoare:
Valoare:
35%
100000
10/06/98
Ionescu
78
ASOCIATE
#N
89
BAZA
DE
REGULI
Fapte
Actiuni
Reguli
PROCESOR
COGNITIV
Baza de fapte
Baza de reguli
SELEC|IA
Fapte
selec\ionate
Reguli
posibile
FILTRAJ
EXECU|IA
REGULILOR
Reguli declan]abile
REZOLVARE
CONFLICTE
Reguli re\inute
93
96
99
106
107
Expert
Cognitician
Baza de cuno]ti\e
Sistem Expert
Modul de
utilizatorul
intereac\iune
cu
Baza de cuno]tin\e
Sistem
de
automat[
induc\ie
Baza de cuno]tin\e
109
Prin intermediul s[u, se poate evalua mai exact fezabilitatea proiectului sub
aspect conceptual, performan\ele ]i condi\iile @n care poate fi realizat
acesta. #n construirea machetei se urm[re]te ob\inerea c`t mai rapid[ a unui
produs opera\ional, evit`ndu-se @ns[ orice investi\ie specific[ at`t @n
echipamente de calcul c`t ]i @n produse program specializate. #n felul
acesta, unitatea poate renun\a f[r[ probleme la continuarea procesului, dac[
apreciaz[ c[ rezultatele preliminare nu sunt satisf[c[toare. Pe de alt[ parte,
dac[ se decide continuarea, macheta permite s[ se stabileasc[, prin
confruntare direct[ cu realitatea, cea mai adecvat[ metod[ de reprezentare a
cuno]tin\elor pentru problema abordat[. Aceast[ etap[ este structurat[
@ntrei faze:
- studiul prealabil ]i specificarea;
- construirea machetei;
- validarea ]i evaluarea.
Studiul prealabil urm[re]te elaborarea unei specifica\ii func\ionale
ini\iale, care s[ cuprind[ numai o parte dintre problemele la care va trebui
s[ r[spund[ viitorul sistem, f[r[ a evita @ns[ aspectele dificile.
Construirea machetei debuteaz[ cu o faz[ conceptual[, urmat[ de o
faz[ de realizare ]i punere la punct. #n cadrul fazei conceptuale se
urm[re]te definirea, @n cooperare cu expertul uman, a informa\iilor ]i
cuno]tin\elor necesare ]i a surselor acestora, a rezultatelor ob\inute ]i a
tipurilor ]i strategiilor de ra\ionament. Pe baza acestor elemente, se trece
apoi la c[utarea celei mai adecvate metode sau combina\ii de metode de
reprezentare a datelor ]i a solu\iei informatice de construire a machetei
(spre exemplu, utilizarea unui generator de sisteme expert). Ansamblul de
reguli ob\inut la terminarea acestei faze este imediat implementat ]i supus
unei serii de test[ri prezentate expertului. #n contact direct cu acestea,
expertul poate @n\elege mai bine modul de reprezentare a cuno]tin\elor @n
sistem ]i maniera @n care sunt folosite pentru rezolvarea problemelor.
Devine astfel posibil s[ se identifice eventualele erori sau omisiuni, s[ se
reformuleze regulile existente ]i s[ se defineasc[ noi reguli. Macheta se
dezvolt[ ]i se @mbun[t[\e]te treptat, ad[ug`ndu-se noi reguli, test`ndu-se
izolat ]i apoi @n cadrul ansamblului, p`n[ la ob\inerea unui produs cu
performan\e satisf[c[toare.
111
114
identificarea
modelului
sau
modelelor
generice
corespunz[toare;
- construirea modelului expertizei prin afin[ri succesive ale
elementelor generice.
#n sprijinul acestui demers se ofer[ ]i o serie de tehnici ]i
instrumente informatice orientate spre culegerea sau extragerea de
cuno]tin\e ]i modelarea acestora.
Etapa de proiectare se compune dintr-o faz[ de proiectare global[
urmat[ de o faz[ de proiectare de detaliu. Proiectarea se deruleaz[ aici @n
cadrul a trei nivele de modelare succesiv[:
- modelul func\ional, care descrie func\iile pe care va trebui s[ le
ofere viitorul sistem utilizatorilor;
- modelul logic, care descrie cum va fi realizat fiecare bloc
func\ional (reguli de produc\ie, strategii ]i ra\ionamente etc);
acest nivel corespunde proiect[rii logice a structurilor datelor,
cuno]tin\elor ]i a prelucr[rilor asociate viitorului sistem ]i
pentru realizarea sa KADS ofer[ o bibliotec[ de tehnici de
inteligen\[ artificial[;
- modelul fizic, care descrie structura fizic[ a viitorului sistem,
stabilit[ astfel @nc`t s[ permit[ aplicarea metodelor alese
anterior.
115
C U P R I N S
I. SISTEME INFORMATICE ............................................................. 1
1.1. CONCEPTUL DE SISTEM INFORMATIC ................................... 1
1.2. STRUCTURA SISTEMULUI INFORMATIC................................ 2
1.3. CLASIFICAREA SISTEMELOR INFORMATICE ....................... 4
II. ELEMENTE DE BAZ{ ALE INTELIGEN|EI ARTIFICIALE 7
2.1. INTELIGEN|A ARTIFICIAL{ }I PRELUCRAREA
AUTOMAT{ A DATELOR................................................................... 7
2.2. INTELIGEN|A ARTIFICIAL{: ISTORIC, CONCEPT,
DOMENIU ............................................................................................ 10
2.3. CUNOA}TERE, METACUNOA}TERE }I SISTEM
COGNITIV............................................................................................ 22
2.4. RA|IONAMENT, INFEREN|{ }I EURISTIC{ ........................ 24
2.5. TIPURI DE PROBLEME #N INTELIGEN|A ARTIFICIAL{ .... 27
III. SISTEME EXPERT: NO|IUNI DE BAZ{ ............................... 31
3.1. DEFINIREA }I CARACTERISTICILE SISTEMELOR
EXPERT ................................................................................................ 31
3.2. STRUCTURA UNUI SISTEM EXPERT ...................................... 35
3.3. DOMENII DE UTILIZARE ALE SISTEMELOR EXPERT ........ 38
IV. REPREZENTAREA CUNO}TIN|ELOR ................................. 41
4.1. METODE FOLOSITE #N REPREZENTAREA
CUNO}TIN|ELOR .............................................................................. 41
4.2. REPREZENT{RI BAZATE PE LOGICA FORMAL{ ............... 44
4.2.1. ELEMENTE DE LOGICA PROPOZI|IILOR ........................ 44
4.2.2. REGULI DE PRODUC|IE .................................................... 48
4.2.3. ELEMENTE DE LOGICA PREDICATELOR ........................ 52
4.2.4. REGULI DE PRODUC|IE CU VARIABILE ......................... 53
4.2.5. REGULI DEDUCTIVE }I INDUCTIVE ................................ 58
4.2.6. METAREGULI ....................................................................... 59
4.2.7. REGULI }I FAPTE INCERTE ............................................... 60
193
194