Sunteți pe pagina 1din 118

SISTEME EXPERT

AMELIA B{DIC{
VALENTIN LI|OIU

Editura REPROGRAPH, Craiova, 2007

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

subsistem la sistem. Utilizarea pe scar[ larg[ a mijloacelor de calcul ]i


teletrasmisie a condus la cre]terea sferei de cuprindere a sistemului
informatic, aceasta tinz`nd s[ o egaleze pe cea a sistemului informa\ional.
Practic @ns[, @n activit[\iile economice acest lucru nu va fi posibil niciodat[,
tot timpul @n cadrul sferei sistemului informa\ional exist`nd activit[\i ce nu
vor putea fi automatizate @n totalitate (completarea documentelor primare,
avizarea opera\iilor efectuate, preluarea pe supor\ii tehnici de date,
trasmiterea documentelor primare @ntre posturile de prelucrare etc.).
#ns[, dac[ accept[m ideea includerii @n sfera sistemului informatic
economic a activit[\ilor de conducere a proceselor tehnologice cu ajutorul
calculatoarelor de proces, putem asista la automatizarea complet[ a acestei
componente a procesului decizional ]i la reglarea automat[ a procesului
tehnologic. #ntr-o astfel de situa\ie sfera sistemului informatic dep[]e]te
sfera sistemului informa\ional. Aceast[ problem[ r[m`ne @ns[ deschis[
discu\iilor.
1.2. STRUCTURA SISTEMULUI INFORMATIC
Un sistem informatic este compus, @n principal, din urm[toarele
elemente :
1)baza tehnico-material[;
2)sistemul de programe;
3)baza ]tiin\ifico-metodologic[;
4)baza informa\ional[;
5)resursele umane ]i cadrul organizatoric.
1. Baza tehnico-material[ sau HARDWARE-ul sistemului informatic
este constituit[ din totalitatea mijloacelor de culegere, trasmitere, stocare ]i
prelucrare a datelor, @n care locul central @l ocup[, desigur, calculatorul
electronic.
Pentru realizarea unui sistem informatic este nevoie @ns[ ]i de:
echipamente de culegere date; echipamente de verificare; echipamente de
trasmitere; alte echipamente de teleprelucrare; supor\i tehnici de date.
2. Sistemul de programe sau SOFTWARE-ul cuprinde totalitatea
programelor pentru func\ionarea sistemului informatic @n concordan\[ cu
obiectivele ce i-au fost stabilite. Se au @n vedere at`t programele de baz[
(SOFTWARE-ul de baz[ : sistemul de operare + medii de programare +
2

programe utilitare) c`t ]i programele aplicative prin care sunt rezolvate


probleme concrete, particulare ale beneficiarului (SOFTWARE-ul aplicativ
sau utilizator).
3) Baza ]tiin\ifico-metodologic[ este alc[tuit[ din metodologiile de
realizare a sistemelor informatice ]i din modelele matematice ale
fenomenelor ]i proceselor economice.
4) Baza informa\ional[ cuprinde datele de prelucrat, sistemele ]i
nomenclatoarele de coduri, precum ]i fluxurile informa\ionale.
5) Resursele umane se refer[ la personalul de specialitate necesar
func\ion[rii sistemului informatic, respectiv anali]ti, programatori, ingineri
de sistem, operatori etc.
Cadrul organizatoric este cel specificat @n regulamentul de organizare
]i func\ionare a agentului economic @n care func\ioneaz[ sistemul
informatic.
Realizarea unor sisteme informatice viabile presupune ac\iuni
conjugate de asigurare a tuturor elementelor men\ionate, neglijarea chiar ]i
numai a unuia dintre acestea put`nd compromite sistemul !n ansamblu.

1.3. CLASIFICAREA SISTEMELOR INFORMATICE


Sistemele informatice se pot clasifica dup[ mai multe criterii.
A) #n func\ie de domeniul de utilizare sistemele informatice se
clasific[ @n :
1) Sisteme informatice pentru conducerea activit[\ilor economicosociale. Specific acestor sisteme este faptul c[ datele de intrare sunt, de
regul[, consemnate pe documente justificative @ntocmite de om (]i uneori
cu mijloace tehnice), iar informa\iile sunt furnizate de c[tre sistem tot sub
form[ scris[ (liste, rapoarte etc) @n vederea perceperii lor de c[tre om.
2) Sisteme informatice pentru conducerea proceselor tehnologice. Se
caracterizear[ prin aceea c[ datele de intrare sunt asigurate prin intermediul
unor dispozitive automate care trasmit sub form[ de semnale (impulsuri)
valori ale diferi\ilor parametrii (presiune, temperatur[, umiditate etc.). #n
cele mai multe cazuri, informa\iile sunt trasmise tot sub form[ de semnale
unor organe de execu\ie regulatoare care modific[ automat parametrii
procesului tehnologic.
3) Sisteme informatice pentru activitatea de cercetare ]tiin\ific[ ]i
proiectare. Asigur[ automatizarea calculelor tehnico-inginere]ti,
proiectarea asistat[ de calculator ]i alte facilit[\i necesare speciali]tilor din
domenile respective.
4) Sisteme informatice speciale. Func\ioneaz[ @n domeniul inform[rii
]i document[rii tehnico-]tiin\ifice ]i economice, al prest[rii de servicii de
informare, pentru popula\ie, @n sectoarele speciale (poli\ie, armat[) etc.
B) Dup[ nivelul ierarhic ocupat de sistemul obiect (sistemul
economic pe care este grefat sistemul informatic), sistemele informatice
pot fi :
1) Sisteme informatice pentru conducerea activit[\ii la nivelul
organiza\iilor economice individuale. Acestea pot fi descompuse @n
subsisteme informatice asociate func\iilor specifice agentului economic
sau chiar unor activit[\i.
2) Sisteme informatice pentru conducerea activit[\ii la nivelul
organismelor economice cu structuri de grup. Reflect`nd ierarhizarea din
4

cadrul sistemului economic, structura unui sistem informatic de acest tip


rezult[ prin integrarea, dup[ principii sistemice, a subsistemelor
informatice aferente unit[\ilor componente, ie]irile acestora fiind preluate
de sistemul informatic al organului de conducere al @ntregii organiza\ii
complexe.
3) Sisteme informatice teritoriale. Sunt constituite la nivelul
unit[\ilor administrativ-teritoriale ]i servesc la fundamentarea deciziilor
adoptate de organele locale de conducere.
4) Sisteme informatice pentru conducerea ramurilor, subramurilor ]i
activit[\ilor la nivelul economiei na\ionale. Se constituie la nivelul
ramurilor, subramurilor ]i activit[\ilor individualizate @n virtutea diviziunii
sociale a muncii ]i specificate @n clasificarea ramurilor economiei na\ionale.
Sunt elaborate ]i administrate de ministere, departamente sau organe care
au prin lege sarcina de a conduce metodologic grupele respective de
activit[\i.
5) Sisteme informatice func\ionale generale. Au ca atribut principal
faptul c[ intersecteaz[ toate ramurile ]i activit[\ile ce au loc @n spa\iul
economiei na\ionale, furniz`nd informa\iile necesare coordon[rii de
ansamblu ]i sincroniz[rii lor @n cadrul ecnomiei de pia\[. #n aceast[
categorie includem, @n principal, sistemul financiar, sistemul bancar ]i
sistemul statistic.
C) Dup[ gradul de integrare a sistemului informatic @n procesul
decizional se identific[ urm[toarele tipuri de sisteme informatice:
1) Sisteme pentru prelucrarea datelor (Data Processing Systems DPS). Sunt sisteme tranzac\ionale, clasice, care au drept scop prelucrarea
datelor ]i punerea la dispozitie decidentului uman a informa\iilor @n vederea
fundament[rii decziilor.
2) Sisteme informatice pentru management (Management
Information Systems - MIS). Ca ]i DPS-urile prelucreaz[ date specifice
activit[\ii agentului economic ]i furnizeaz[ decidentului uman informa\ii,
dar acestea sunt grupate @n rapoarte diferite @n func\ie de tipul de decizie ce
urmeaz[ a fi luat[ pe baza lor ]i de decidentul c[ruia i se adreseaz[.
Aceasta deoarece cre]terea complexit[\ii activit[\ii economice ]i implicit
cre]terea volumului de informa\ii din care decidentul trebuia s[ le
selec\ioneze pe cele utile, a condus la imposibilitatea efectu[rii unei selec\ii
5

operative ]i @n acela]i timp eficiente. MIS-urile au adus nou structurarea


informa\iilor @n urma prelucr[rii tranzac\iilor pe grupe de obiective sau
activit[\i, ceea ce a determinat apari\ia unor colec\ii de informa\ii cu
destina\ie precis[ pentru un anumit obiectiv de rezolvat ]i \in`nd seama de
nivelul ierarhic la care se afl[ decidentul (respectiv dac[ este vorba de o
decizie strategic[, de una tactic[ sau de una operativ[). Pentru aceasta MISurile utilizeaz[ pe scar[ larg[ modele matematice pentru simularea
proceselor economice ]i fundamentarea deciziilor.
3) Sisteme suport de decizii (Decision Systems Suport - DPS).
Aceste sisteme informatice includ modele matematice ]i lucreaz[ cu baze
de date sau cu baze de cuno]tin\e. #n urma prelucr[rii rezult[ variante de
decizii din care decidentul uman alege pe cele corespunz[toare, pe care
eventual le poate corecta \in`nd seama de o serie de al\i factori dec`t cei ce
pot fi transpu]i @ntr-un algoritm (psihologici, istorici, geografici, religio]i
etc.)
4) Sistemele expert (Expert Systems - ES). Constituie o clas[
particular[ de sisteme informatice care se bazeaz[ pe inteligen\a artificial[.
Ele au drept scop reproducerea cu ajutorul calculatorului a cuno]tin\elor ]i
ra\ionamentelor exper\ilor umani ]i pot hot[r` la un moment dat care este
cea mai bun[ variant[ de ac\iune @ntr-o situa\ie dat[.
Dup[ o perioad[ de studiu @n laborator ]i de folosire cu prec[dere @n
domeniile medical ]i tehnic, sistemele expert se utilizeaz[ din ce @n ce mai
mult @n activit[\ile economice: @n b[nci, @n institu\iile financiare, @n
conducerea produc\iei, @n marketing etc.
Ele marcheaz[ o evolu\ie care nu se rezum[ la simpla trecere de la
prelucrarea datelor la prelucrarea cuno]tin\elor, ci implic[ simultan o
participare din ce @n ce mai mare a instrumentului informatic @n procesul
decizional.
De remarcat c[ cele patru tipuri de sisteme informatice au ap[rut,
cronologic, @n ordinea precizat[ (DPS - anii 50, MIS - anii 60, DSS - anii
70, iar SE au @nceput s[ fie utilizate dup[ anii 80).
#n prezent ele pot func\iona independent sau sunt integrate @n sisteme
informatice complexe. O clas[ special[ de sisteme informatice @n care sunt
integrate din punct de vedere func\ional sistemele informatice anterior
prezentate o reprezint[ sistemele integrate pentru asistarea deciziilor
(SIAD).
6

II. ELEMENTE DE BAZ{ ALE INTELIGEN|EI


ARTI FICIALE

2.1. INTELIGEN|A ARTIFICIAL{ }I PRELUCRAREA


AUTOMAT{ A DATELOR
Perioada actual[ se caracterizeaz[ prin dezvoltarea rapid[ a unei noi
ramuri a informaticii: informatica bazat[ pe inteligen\a artificial[.
Informatica clasic[ are la baz[ no\iunile de prelucrare algoritmic[,
care const[ @n descompunerea problemei @n pa]i elementari, aranjarea
acestora @ntr-o anumit[ ordine utiliz`nd structurile standard de control
(secven\ial[, alternativ[ ]i repetitiv[) ]i prelucrarea serial[, pas cu pas,
pentru ob\inerea rezultatului.
Acest mod de prelucrare este specific calculatoarelor von Neumann,
dar este mai pu\in specific creierului uman care execut[ @n principal
ra\ionamente ]i mai pu\in calcule ]i este orientat spre o prelucrare paralel[.
Tabelul 2.1 - Paralel[ @ntre creierul uman ]i calculator
Caracteristici
Nm[rul de neuroni sau de
circuite de baz[
Dimensiunea unui neuron
sau a unui circuit de baz[
Timpul de transfer al unui
semnal
Modul de func\ionare

Creierul uman
2*1010

Calculatorul
?

0,5*10-7 cm3

10-4 cm3

10-3 secunde

10-9 secunde

paralel

secven\ial

#n informatica clasic[ se adapteaz[ modul natural de rezolvare a


problemelor de c[tre creierul uman la modul de lucru al calculatorului.
Altfel spus, se efectueaz[ apropierea omului de calculator prin
algoritmizare (formalizare). Aceasta se face cu eforturi umane foarte mari,
7

uneori cu posibilitatea de eroare ]i nu poate cuprinde toate domeniile de


activit[\i.
Informatica bazat[ pe inteligen\a artificial[ @ncearc[ o adaptare a
calculatorului ]i a instrumentelor informatice la modul de lucru al
creierului uman, un mod nealgoritmic, bazat pe ra\ionament. Altfel spus, se
realizeaz[ apropierea calculatorului de om.
Dac[ @n informatica clasic[ materia prim[ o constituie datele, @n
prelucrarea inteligent[ elementele fundamentale sunt cuno]tin\ele,
reprezent`nd corela\ii logice ]i semantice dintre fapte prin intermediul
regulilor de ra\ionament.
Prelucrarea algoritmic[ este str`ns legat[ de no\iunea de procedur[,
ca expresie a algoritmului, @n timp ce prelucrarea inteligent[ are caracter
declarativ, deoarece modul de achi\ionare, introducere ]i organizare a
cuno]tin\elor nu influen\eaz[ ra\ionamentul ci cel mult concluziile. #n felul
acesta a ap[rut o nou[ no\iune, prelucrarea simbolic[, @n care dispare
distinc\ia dintre date ]i programe.
Sintetic, tabloul comparativ dintre programele din informatica
clasic[ ]i programele de inteligen\[ artificial[ este cel din tabelul 2.2.
#n sistemele informa\ionale economice inteligen\a artificial[ este @n
leg[tur[ cu rezolvarea problemelor de luare a deciziilor. Programele de
inteligen\[ artificial[ opereaz[ asupra conceptelor, faptelor ]i situa\iilor,
oferind r[spunsuri @n mod asem[n[tor cu solu\ionarea uman[ a
problemelor.
Caracteristica de baz[ a inteligen\ei artificiale este c[utarea
euristic[. #n problemele complexe, num[rul solu\iilor posibile poate fi
enorm, de aceea rezolvarea problemelor pe baza tehnologiei inteligen\ei
artificiale este @n mod obi]niut orientat[ dup[ reguli empirice, referitoare la
euristici (intui\ie, experien\[, generalizare), folosindu-se intens cuno]tin\ele
@n domeniu. Inteligen\a programelor este puternic dependent[ de cantitatea
cuno]tin\elor disponibile @n baza de cuno]tin\e ]i structurile de control ale
cunoa]terii introduse @n motorul de inferen\e.

Tabelul 2.2 - Deosebiri @ntre programele din informatica clasic[ ]i


cele de inteligen\[ artificial[
Programele din informatica clasic[
1. Au ca obiectiv ob\inerea
informa\iilor
prin
prelucrarea
datelor.
2. Execut[ @ndeosebi prelucrarea
numeric[ a datelor din fi]iere ]i baze
de
date,
folosind
limbaje
procedurale.
3. Solu\ia este ob\inut[ prin opera\ii
explicite, codificate @n limbaje
procedurale prin algoritmi.
4. Structura de control ]i datele sunt
@nregistrate @n ceea ce se nume]te
procedur[.
5. Se actualizeaz[ mai greu, cu
instrumente specifice fiec[rui limbaj
de programare.
6. Cer, @n dialogul om-calculator,
numai r[spunsuri exacte.
7. De la ele se cer numai solu\ii
perfecte.

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.

Cuno]tin\ele trebuie s[ fie disponibile pentru utilizare atunci c`nd


sunt necesare, @n timpul c[ut[rii. Pe aceast[ cale, schimb[ri @n cunoa]tere
impun numai schimb[ri @n baza de cuno]tin\e.
Prin contrast, datele de prelucrat ]i structurile de control @n
programele algoritmice conven\ionale sunt integrate. Ca urmare aceste
programe sunt mai dificil de modificat, pentru c[, de cele mai multe ori,
schimb[rile @ntr-o parte a programului implic[ schimb[ri ]i @n celelalte,
chiar dac[ sunt concepute modular.

2.2. INTELIGEN|A ARTIFICIAL{: ISTORIC, CONCEPT,


DOMENIU
Antecedentele inteligen\ei artificiale trebuie c[utate la vechii greci,
dar ideea form[rii unei discipline de cercetare a inteligen\ei umane ]i a
ra\ion[rii formale a condus diverse grupuri din S.U.A. ]i Europa dup[ cel
de al doilea r[zboi mondial.
Inteligen\a artificial[ @]i are originea @n dezvolt[rile produse @n mai
multe ]tiin\e de grani\[, toate aceste dezvolt[ri fiind @n leg[tur[ cu
dezvoltarea rela\iilor dintre om ]i tehnic[ dintre om ]i ma]in[. Dintre aceste
]tiin\e amintim: informatica, teoria sistemelor, cibernetica, logica
matematic[, lingvistica matematic[, teoria cunoa]terii, psihologia,
fiziologia creierului, teoria deciziei, teoria informa\iei, teoria automatelor
etc.
Prima abordare privind inteligen\a ma]inilor este datorat[ lui Alan
Turing, care a elaborat @n 1947 un raport @n aceast[ privin\[, raport publicat
@n 1948. #n 1950, prin lucr[rile lui Shannon ]i Turing se fac unele @ncerc[ri
referitoare la programarea ma]inilor de calcul pentru jocul de ]ah ]i se emit
idei referitoare la ma]inile inteligente, fapte ce au condus la apari\ia unui
nou domeniu de studiu: inteligen\a artificial[. #n acest sens se remarc[
lucr[rile laboratoarelor de inteligen\[ artificial[ de la Massachussets
Technollogy Institute (S.U.A.) ]i Edinburgh (Sco\ia).
#n anul 1956, un mic grup de oameni de ]tiin\[ au hot[r`t organizarea
la Darmouth College, S.U.A., a unei conferin\e, unde s[ se fac[ publice
unele rezultate @n domeniul inteligen\ei artificiale. De fapt, cu acest prilej
John McCarty a introdus termenul de inteligen\[ artificial[.
Inteligen\a este definit[, @n general, ca fiind facultatea de a @n\elege
u]or, de a sesiza esen\ialul, de a rezolva situa\ii sau probleme noi1.
Inteligen\a natutral[ este deci facultatea de a @n\elege, de a capta
cuno]tin\e, puterea de a face fa\[ cu succes orc[rei situa\ii, mai ales celor
neobi]nuite ]i celor neprev[zute. Ea se caracterizeaz[ ]i prin capacitatea de
a reac\iona cu vitez[ suficient[ pentru a corecta procesele anterioare c`t ]i
1

Vasile Breban - Dic\ionar general al limbii rom`ne, Editura Enciclopedic[,


Bucure]ti, 1982
10

propiul comportament ]i prin u]urin\a de a @n\elege sau de a descoperi


corela\ia dintre obiecte concrete sau abstracte, de a opera cu abstrac\iuni @n
vederea dirij[rii ac\iunilor c[tre scopul dorit.
Dac[ avem @n vedere c[, dup[ unele estim[ri, creierul uman are o
structur[ alc[tuit[ din 2*1010 neuroni ]i socotind c[ fiecare neuron ar putea
stabili p`n[ la 600.000 de conexiuni nervoase rezult[ c[ num[rul total de
conexiuni ar fi de 102.783.000.
Actualele re\ele artificiale sunt de dimensiuni ne`nsemnate, iar
func\ionalitatea acestora nu este suficient de bine definit[ ]i datorit[
faptului c[ neurofiziologia nu a explicat modul @n care opereaz[ neuronii ]i
contextele neuronale interconectate. Simpla constatare a uria]ei puteri
combinatorie a neuronilor din creierul uman nu ajut[ la descoperirea
mecanismului g`ndirii. Ceea ce conteaz[ a fi cunoscut este nu construc\ia
fizic[ a creierului, ci logica opera\iilor pe care le execut[. De aceea,
reproducerea cu ajutorul ma]inilor a unor tr[s[turi specifice inteligen\ei
umane este posibil[ numai pentru cele suficient de bine cunoscute ]i
st[p`nite.
Inteligen\a artificial[, numit[ uneori ]i inteligen\a ma]inii sau
programarea euristic[, reprezint[ o ]tiin\[, dar ]i o tehnologie de v`rf care a
atras un num[r mare de cercet[tori, determin`nd realiz[ri de prestigiu ]i
multe aplica\ii @n cele mai diferite domenii.
O simpl[ trecere @n revist[ a acestor domenii ne relev[ c[ inteligen\a
artificial[ este @n leg[tur[ cu elaborarea de programe care s[ rezolve
probleme din orice domeniu la nivelul expertului uman ]i s[ comunice
rezultatele @n limbaj natural.
Cercet[rile @n domeniul inteligen\ei artificiale sunt axate pe
abordarea cu ajutorul calculatoarelor electronice a comportamentului
inteligent al ma]inilor de orice tip. Se au @n vedere dou[ obiective
principale:
- @n\elegerea comportamentului inteligent;
- producerea de ma]ini inteligente, mai utile societ[\ii dec`t cele
ale prezentului.
#n literatura de specialitate nu exist[ @n momentul acesta o defini\ie
unanim acceptat[ at`t pentru inteligen\a artificial[ c`t ]i pentru inteligen\a
uman[.

11

#n accep\iunea mai multor autori, inteligen\a artificial[ const[ @n


ansamblul disciplinelor informatice care tind s[ realizeze pe calculator un
comportament de imitare a inteligen\ei naturale.
Calculatoarele actuale sunt, @n cea mai mare parte a lor, calculatoare
seriale ce nu corespund cerin\elor inteligen\ei artificiale care necesit[
paralelism de nivel @nalt.
Autorii americani A. Barr ]i E. Feigenbaum arat[ c[ inteligen\a
artificial[ este cel mai interesant ]i controversat subdomeniu al ]tiin\ei
calculatoarelor ]i studiaz[ posibilit[\ile de dotare a sistemelor de calcul cu
componente (programe ]i echipamente) care s[ presteze activit[\i @n
manier[ inteligent[ av`nd propriet[\i pe care, @n mod obi]nuit, le asociem
comportamentului uman cum ar fi: @n\elegerea limbajului natural, @nv[\area
]i ra\ionamentul @n rezolvarea problemelor.
P. Winston precizeaz[ c[ inteligen\a artificial[ este studiul ideilor
care permit calculatorelor s[ efectueze acele lucruri care fac pe oameni s[
fie mai inteligen\i. Tot acest autor arat[ c[ obiectivele principale ale
inteligen\ei artificiale sunt acelea de a face mai utile calculatoarele ]i de a
@n\elege principiile care fac posibil[ inteligen\a1.
#n prezent inteligen\a artificial[ are mai multe domenii de
preocupare, dintre care enumer[m:
1.PRELUCRAREA LIMBAJULUI NATURAL }I MODELAREA
CONCEPTUAL{
Unul dintre primele obiective ale inteligen\ei artificiale a fost crearea de
programe capabile s[ @n\eleag[ limbajul natural. De la @nceput facem
observa\ia c[ procesul de "@n\elegere" a limbajului natural este cu mult mai
complicat dec@t simpla analiz[ sintactic[ ]i semantic[ a unor secven\e de
simboluri. O abordare corect[ depinde de utilizarea extensiv[ a cunoa]terii @n
domeniul discursului ]i a idiomurilor din domeniul respectiv, c`t ]i de
abilitatea de a aplica cunoa]terea contextual[ general[ la rezolvarea
omisiunilor ]i ambiguit[\ilor caracteristice vorbirii umane. Datorit[
cantit[\ilor uria]e de cunoa]tere necesare @n\elegerii limbajului natural,
majoritatea realiz[rilor au fost ob\inute @n domenii problem[ restr`nse ]i bine
fundamentate.
1

preluat din Ioan Andone - Inteligen\a artificial[ ]i sistemele expert @n


contabilitate, Editura Moldova, Ia]i, 1993, pg 30
12

Una dintre problemele majore ale automatiz[rii procesului de @n\elegere


a limbajului natural o reprezint[ colectarea ]i organizarea cunoa]terii astfel
@nc`t aceasta s[ poat[ fi folosit[ la analiza limbajului. Pentru aceasta s-au
dezvoltat diverse tehnici de codificare ]i structurare semantic[. Principala
problem[ este punerea la punct a unor formalisme de reprezentare suficient de
generale pentru a fi utilizate @ntr-o gam[ c`t mai larg[ de aplica\ii, sau pentru
a fi u]or de adaptat structurilor specifice diverselor domenii. Majoritatea sunt
extensii sau modific[ri ale formalismului re\elelor semantice.
Unul dintre primele programe pentru @n\elegerea limbajului natural este
SHRDLU conceput de Winograd @n 1973. Acest program este capabil s[
poarte o conversa\ie cu utilizatorul pe tema configura\iilor posibile ale unui
microunivers de cuburi colorate de diferite forme.
Dintre principalele aplica\ii ale prelucr[rii limbajului natural
men\ion[m:

traducerea automat[ @ntre diverse limbaje;

construirea unor editoare inteligente de texte;

interogarea bazelor de date @n limbaj natural;

generarea automat[ de documente;

extragerea automat[ de informatii din texte - rezumare automat[;

generarea de explica\ii @n limbaj natural.


2.SISTEME EXPERT
Cercet[rile de inteligen\[ artificial[ din ultimii ani demonstreaz[ un
interes cresc`nd pentru domeniul sistemelor bazate pe cuno]tin\e. #n general,
prin sistem bazat pe cuno]tin\e se @n\elege un sistem de calcul care folose]te
reprezent[ri simbolice ale cuno]tin\elor umane, @ntr-o manier[ ]i la un nivel
asem[n[toare ra\ionamentului uman. Domeniul inteligen\ei artificiale care se
ocup[ cu construirea sistemelor bazate pe cuno]tin\e se nume]te ingineria
cuno]tin\elor. O clas[ aparte a acestor sisteme ]i anume sistemele expert,
dovedesc la ora actual[ un interes nu numai pur ]tiin\ific, dar ]i comercial.
Sistemele expert sunt sisteme capabile de a rezolva probleme dintr-un
domeniu restr`ns de expertiz[ sau pentru a da sfaturi @ntr-o manier[ ]i la un
nivel comparabile cu ale exper\ilor din domeniul respectiv. Ele sunt sisteme
bazate pe cuno]tin\e deoarece, de]i domeniul de expertiz[ poate fi foarte

13

restr`ns, pentru a atinge performan\e comparabile cu ale exper\ilor umani,


necesit[ stocarea unui volum foarte mare de cunoa]tere.
Unul dintre primele sisteme expert este DENDRAL, construit la
Stanford la sf`r]itul anilor 60. DENDRAL a fost proiectat pentru deducerea
structurii interne a moleculelor organice pe baza formulei canonice ]i a
informa\iei ob\inute din spectrograma de mas[ referitoare la leg[turile
chimice prezente @n molecul[. Un alt sistem expert dezvoltat la Stanford la
mijlocul anilor 70 este MYCIN. Acest sistem utilizeaz[ cunoa]terea expert[
din domeniul medical pentru diagnosticarea ]i prescrierea de terapii ale
infec\iilor bacteriene din s@nge. MYCIN este unul dintre primele programe
care efectueaz[ ra\ionamente @n prezen\a unor informa\ii incerte ]i/sau
incomplete. #n plus numeroase dintre tehnicile folosite la ora actual[ pentru
dezvoltarea sistemelor expert, cum sunt spre exemplu regulile de produc\ie ]i
inferen\a prin @nl[n\uire @napoi, sunt mo]tenite din MYCIN.
#n ciuda a]tept[rilor ini\iale ar fi o gre]eal[ s[ se supraaprecieze
abilitatea tehnologiei sistemelor expert @n rezolvarea problemelor. Dintre
deficien\ele cel mai des reclamate ale acestei tehnologii men\ion[m:
dificultatea captur[rii cunoa]terii de profunzime din domeniul problemei,
inabilitatea oferirii unor explica\ii adecvate pentru solu\iile propuse ]i lipsa de
flexibilitate @n rezolvarea unor probleme diverse. Cu toate aceste limit[ri,
sistemele expert s-au dovedit utile @n numeroase aplica\ii din domenii ca:
diagnosticare, proiectare, planificare, monitorizare, predic\ie, interpretare,
depanare, control, etc.
3.PLANIFICARE AUTOMAT{
Problema planific[rii automate presupune existen\a unui robot capabil
s[ efectueze o serie de ac\iuni primitive ]i const[ @n g[sirea unei secven\e de
astfel de ac\iuni prin care robotul poate @ndeplini un anumit obiectiv de nivel
@nalt, precizat anterior. Aparent, rezolvarea unei astfel de probleme nu cere
prea mult[ inteligen\[, mai ales dac[ ne g@ndim c[, spre exemplu, un copil mic
nu pare s[ aib[ probleme cu mi]carea (navigarea) @n mediul @nconjur[tor ]i cu
manipularea a diverse obiecte ca: juc[rii, unelte de m`ncat, comutatoare de
lumin[, etc. Totu]i, atunci c@nd astfel de activit[\i realizate aproape incon]tient
de om trebuie realizate de o ma]in[, este necesar s[ se apeleze la tehnici
similare cu cele necesare pentru rezolvarea unor probleme mult mai
complicate. Una dintre sursele de dificultate este existen\a unui num[r foarte
14

mare de secven\e de mi]c[ri posibile. Scrierea unui program care s[ descopere


@ntr-un timp rezonabil o secven\[ c`t mai bun[ de mi]c[ri din num[rul uria]
de posibilit[\i necesit[ printre altele reprezentarea cunoa]terii despre spa\iul
de manevr[ al robotului ]i controlul adecvat al procesului de c[utare.
Deseori robotul trebuie s[-]i formuleze planul de ac\iune pe baza unor
informa\ii incomplete ]i ulterior s[ fie capabil s[-]i revizuiasc[ planul pe
m[sura execut[rii sale. Aceasta se poate datora spre exemplu faptului c[
robotul nu dispune de senzori adecva\i pentru localizarea tuturor obstacolelor
din calea sa. O situa\ie similar[ apare atunci c@nd robotul @]i desf[]oar[
activitatea @ntr-un mediu ambiant supus schimb[rii, el trebuind s[ fie capabil
s[-]i revizuiasc[ planul drept r[spuns la schimb[rile din mediu.
Unul dintre primele de sisteme de planificare automat[ este sistemul
STRIPS (Stanford Research Institute Planning System), care a fost dezvoltat
la Institutul de Cercet[ri din Stanford la @nceputul anilor 70.
Cercet[rile de robotic[ au ajutat la dezvoltarea a numeroase tehnici de
inteligen\[ artificial[, cum ar fi spre exemplu modelarea lumii prin st[ri ]i a
proceselor de schimbare prin tranzi\ii de stare.
4.DEMONSTRAREA AUTOMAT{ A TEOREMELOR
Principalul punct de atrac\ie al demonstr[rii automate a teoremelor st[
@n rigoarea ]i generalitatea logicii matematice ]i este rezultatul urm[toarelor
dou[ elemente:

procesele de deduc\ie din logica matematic[ pot fi formalizate prin


tratarea diverselor sisteme logice ca sisteme formale;

numeroase probleme pot fi reprezentate @ntr-un sistem logic "bine


ales", iar instan\a problemei ce trebuie rezolvat[ poate fi formulat[ ca teorem[
@n sistemul logic respectiv.
Astfel c[ logica, prin mecanismele sale de reprezentare ]i deduc\ie,
reprezint[ o unealt[ deosebit de util[ @n rezolvarea problemelor din inteligen\a
artificial[.
Principala problem[ a demonstr[rii automate a teoremelor este c[ f[r[
utilizarea unor tehnici speciale de tipul regulilor euristice un demonstrator de
teoreme poate produce un num[r foarte mare de rezultate intermediare @nainte
de ob\inerea rezultatului corect, rezultate ce ulterior se pot dovedi redundante
sau nerelevante pentru rezolvarea problemei.
15

Unul dintre primele programe de demonstrare a teoremelor este


programul Logic Theorist al lui Newell ]i Simon din 1963, program ce poate
rezolva c@teva dintre teoremele formulate @n primul capitol al c[r\ii Principia
Mathematica a lui Whitehead ]i Russel.
Sistemul logic cel mai folosit @n inteligen\a artificial[ este sistemul
logicii predicatelor cunoscut ]i sub numele de sistemul logicii de ordinul
@nt`i. Majoritatea celorlalte sisteme logice sunt variante sau extensii ale sale.
Foarte atractiv din punct de vedere al calculabilit[\ii este un subset al logicii
de ordinul @nt`i numit forma clauzal[ a logicii.
#n 1965 J.A.Robinson a avut uimitoarea intui\ie de a eviden\ia
importan\a a dou[ elemente @n demonstrarea automat[ a teoremelor:

regula de inferen\[ cunoscut[ sub numele de regula rezolu\iei;

opera\ia de testare a egalit[\ii structurale a arborilor, numit[


unificare.
Cercet[rile lui Robinson @mpreun[ cu forma clauzal[ a logicii au dat
na]tere unei noi paradigme de programare numit[ programarea logic[ ]i
reprezentat[ de limbajul de programare Prolog. Astfel c[ limbajul Prolog
poate fi considerat drept o implementare de succes a ideilor demonstr[rii
automate a teoremelor.
Dintre domeniile de aplicabilitate ale demonstr[rii automate a
teoremelor amintim:

proiectarea ]i verificarea circuitelor logice;

verificarea automat[ a corectitudinii programelor;

generarea automat[ a programelor din specifica\ii formale;

verificarea ]i controlul sistemelor complexe.


5.PROBLEME DE PERCEP|IE
Obiectivul unui proces de percep\ie este transformarea unei cantit[\i
mari ]i neorganizat[ de date de intrare numerice numit[ scen[ @ntr-o
reprezentare condensat[, structurat[ ]i cu un pronun\at caracter simbolic.
Aceast[ transformare se nume]te @n\elegere iar rezultatul s[u poate fi folosit
@n procese de analiz[, interpretare, sintez[ de ac\iuni, etc. Rezult[ c[ un proces
de percep\ie poate fi imaginat drept o implementare a sim\urilor ma]inii - v[z,
auz, pip[it, prin intermediul c[rora ma]ina @n\elege contextul @n care se afl[ ]i
ac\ioneaz[ @n consecin\[.
16

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

cercetare @n inteligen\a artificial[, cunoscut[ sub numele de extragerea


automat[ a cuno]tin\elor, care se preocup[ de elaborarea unor metode prin
care cunoa]terea exper\ilor umani este transferat[ automat c[tre un program
prin efectul lateral produs de interac\iunea dintre om ]i calculator.
Al\i cercet[tori au @ncercat s[ utilizeze tehnici de @nv[\are automat[
pentru solu\ionarea problemei achizi\iei cuno]tin\elor. Facem observa\ia c[
@nv[\area automat[ este un subdomeniu bine conturat al inteligen\ei
artificiale, distinct de achizi\ia cuno]tin\elor. Dup[ Herbert Simon, prin
@nv[\are se @n\elege orice schimbare @ntr-un sistem care permite sistemului
@mbun[t[\irea competen\ei ]i performan\ei @n rezolvarea ulterioar[ a aceleia]i
probleme sau a unei probleme @nrudite. Prin competen\[ se @n\elege
capacitatea unui sistem inteligent de a generaliza cu mai pu\ine gre]eli, iar
performan\a se refer[ la @mbun[t[\irea eficien\ei @n func\ionare a sistemului.
7.REZOLVAREA PROBLEMELOR DIFICILE
Numeroase probleme se refer[ la determinarea unei solu\ii optime @n
raport cu un anumit criteriu dintr-o multitudine de solu\ii posibile. #n astfel de
cazuri solu\ia @mbrac[ deseori forma unei planific[ri optimale sau a unei
mul\imi optimale de elemente. Un exemplu tipic @l reprezint[ problema
comis-voiajorului care presupune determinarea unui drum de lungime minim[
ce pleac[ dintr-un ora] ini\ial, viziteaz[ fiecare ora[ o singur[ dat[ ]i revine
apoi @n ora]ul ini\ial.
#n majoritatea problemelor de acest tip domeniul solu\iilor posibile este
foarte mare, astfel @nc@t @ncercarea de rezolvare prin generarea tuturor
solu\iilor posibile ar produce o explozie combinatoarial[ ce epuizeaz[
resursele de calcul (timp ]i memorie) ale celor mai performante calculatoare.
O mare parte din aceste probleme sunt membre ale unei clase
cunoscut[ @n teoria calculabilit[\ii sub numele de clasa problemelor NPcomplete. Timpul necesar celor mai bune metode cunoscute p@n[ la ora
actual[ de rezolvare a problemelor NP-complete cre]te exponen\ial @n raport
cu dimensiunea problemei. Nu se ]tie @nc[ dac[ exist[ metode mai rapide, dar
se ]tie c[ dac[ o astfel de metod[ exist[ pentru o singur[ problem[ NPcomplet[, ea poate fi convertit[ @ntr-o metod[ la fel de rapid[ pentru
rezolvarea oric[rei probleme NP-complete.
Cercet[torii de inteligen\[ artificial[ au fost preocupa\i de punerea la
punct a unor metode de rezolvare a problemelor dificile astfel @nc`t curba timp
18

- 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

unor probleme de predic\ie, clasificare, control, etc. Problema @nv[\[rii unei


re\ele neuronale este @n principiu problema g[sirii intensit[\ilor conexiunilor
@ntre elementele de prelucrare care permit re\elei s[ efectueze prelucrarea
dorit[. Men\ion[m c[ procesul de @nv[\are poate fi @n anumite aplica\ii
practice extrem de dificil. Un argument @n favoarea modelului re\elelor
neuronale fa\[ de modelul simbolic este faptul c[ oamenii rezolv[ mai u]or ]i
mai repede o problem[ pe m[sur[ ce @]i @mbog[\esc orizontul cunoa]terii.
Spre deosebire de ei, extinderea bazei de cuno]tin\e a unui sistem inteligent
tradi\ional poate duce la sc[derea performan\elor sale prin cre[terea timpului
necesar opera\iilor de c[utare. O arhitectur[ masiv paralel[ de tip re\ea
neuronal[ nu pare @ns[ a fi afectat[ de acest neajuns.
Algoritmii genetici, cunoscu\i ]i drept algoritmi evolu\ioni]ti,
reprezint[ modele de calcul inspirate de genetic[ ]i evolu\ionism. Ideea lor de
baz[ este utilizarea unor metode de c[utare progresiv[ a unor solu\ii din ce @n
ce mai bune @ntr-o manier[ similar[ mecanismului selec\iei naturale din
genetic[ prin care o specie evolueaz[ astfel @nc@t s[ se adapteze mai bine la
mediul @nconjur[tor. Un algoritm genetic efectueaz[ trei prelucr[ri
fundamentale, ]i anume: selec\ie, @ncruci]are ]i muta\ie. Selec\ia este opera\ia
prin care se prefer[ indivizii mai buni @n raport cu cei mai slabi. #ncruci]area
este procesul prin care se genereaz[ un nou individ prin combinarea a doi
indivizi existen\i. Muta\ia este procesul de schimbare @nt`mpl[toare a unui
anumit individ, produc`ndu-se un individ nou.
Datorit[ faptului c[ modelele subsimbolice consider[ inteligen\a drept
rezultat al interac\iunii comportamentului unui num[r mare de unit[\i simple
de prelucrare, ele sunt cunoscute @n literatur[ ]i sub numele de modele
conexioniste sau echivalent modele de prelucrare paralel distribuit[.
O problem[ important[ la ora actual[ @n inteligen\a artificial[ este
integrarea nivelurilor simbolic ]i subsimbolic. Acest lucru a dat na]tere la
ceea ce se numesc sistemele hibride de inteligen\[ artificial[.
9.LIMBAJE }I MEDII DE PROGRAMARE
Unul dintre produsele cele mai importante ale cercet[rilor de inteligen\[
artificial[ @l reprezint[ evolu\ia ascendent[ a limbajelor de programare ]i a
mediilor de dezvoltare a produselor software. Acestea includ:

limbaje evoluate de programare, cum sunt spre exemplu


limbajele Lisp ]i Prolog;
20


nuclee de sisteme expert, care furnizeaz[ programatorului un
formalism de reprezentare a cuno]tin\elor ]i un motor de inferen\[;

sisteme cadru pentru construirea sistemelor bazate pe


cuno]tin\e, ce reprezint[ medii speciale orientate spre dezvoltarea sistemelor
bazate pe cuno]tin\e, furniz@nd @n acest sens unul sau mai multe limbaje
evoluate de programare ]i/sau formalisme de reprezentare a cuno]tin\elor.
Cercet[rile de inteligen\[ artificial[ au contribuit de asemenea la
cre]terea num[rului de paradigme de programare ce au devenit ulterior unelte
utile @n special pentru ingineria program[rii ]i au o leg[tur[ mai mic[ cu ideile
ini\iale specifice inteligen\ei artificiale. Prin paradigm[ de programare se
@n\elege un cadru conceptual care ne dirijeaz[ @n procesul de proiectare a unui
program ]i @n final determin[ structura acestuia. Acest cadru conceptual
con\ine o mul\ime de ]abloane conceptuale care controleaz[ modul @n care
g`ndim ]i formul[m solu\iile unei probleme. Odat[ imaginat[ solu\ia unei
probleme @n termenii ]abloanelor conceptuale specifice paradigmei, ea trebuie
exprimat[ @ntr-un limbaj de programare. #n acest scop facilit[\ile oferite de
limbaj trebuie s[ reflecte @n mod adecvat ]abloanele conceptuale ale
paradigmei. Dac[ un limbaj de programare satisface aceast[ condi\ie se spune
c[ el suport[ paradigma respectiv[.
Facem observa\ia c[ @n practic[ deseori un limbaj de programare care
suport[ bine o paradigm[ se confund[ cu paradigma. Un exemplu tipic @l
reprezint[ limbajul C++ care se confund[ cu programarea orientat[ pe obiect.
Paradigmele program[rii de nivel @nalt se @mpart @n dou[ mari categorii:
paradigme opera\ionale sau procedurale ]i defini\ionale sau declarative.
#ntre paradigmele opera\ionale se eviden\iaz[ urm[toarele: paradigma
imperativ[, paradigma orientat[ pe obiect, paradigma func\ional[ (varianta
opera\ional[), paradigma asincron paralel[, paradigma sincron paralel[.
#ntre paradigmele defini\ionale se eviden\iaz[ urm[toarele: paradigma
func\ional[ (varianta defini\ional[), paradigma transforma\ional[, numit[ ]i
bazat[ pe reguli, paradigma logic[, paradigma restric\ional[, numit[ ]i
bazat[ pe constr`ngeri.
#n general, limbajele de programare destinate aplica\iilor de inteligen\[
artificial[ sunt multiparadigm[, adic[ suport[ mai multe paradigme. De
exemplu, limbajul CLIPS suport[ trei paradigme ]i anume: imperativ[,
transforma\ional[ ]i orientat[ pe obiect.
21

2.3. CUNOA}TERE, METACUNOA}TERE }I SISTEM


COGNITIV
Din punct de vedere ]tiin\ific este stabilit[ leg[tura dintre inteligen\[
]i cunoa]tere. Aceasta prin prisma relev[rii tr[s[turilor fundamentale ]i a
scheletului ra\ional al cuno]tin\elor, pe care ni le formul[m, @ntr-un cadru
adecvat, despre un fenomen, un proces, un eveniment sau o situa\ie, prin
efectuarea de ra\ionamente, discernerea generalului ]i conturarea ordinii
conceptuale prin abstractizarea experien\ei ]i a particularului.
Cunoa]terea, ca no\iune, poate fi mai bine @n\eleas[ dac[ este privit[
din dou[ puncte de vedere:
- ca un act intelectual, denumit ]i observa\ie, prin care se stabile]te un
transfer de informa\ie de la un obiect observat c[tre un subiect cunosc[tor;
- ca informa\ie latent[, descriptiv[ ]i definitorie, depozitat[ @n structurile
de memorie ale subiectului cunosc[tor.
Cunoa]terea se define]te ca o reflectare activ[ @n con]tin\[ a lumii
reale, a esen\ialului ]i generalului din fenomene ]i a leg[turilor obiective
ale realit[\ii. Ea se bazeaz[ pe capacitatea de descompunere ]i analiz[, de
sintez[ a unor obiecte abstracte, inexistente, pornind de la propriet[\i
specificate, deci de l[rgire a orizontului elementelor posibile.
Cunoa]terea are dou[ componente:
- una reflexiv[, bazat[ pe reflectarea exterioar[, ulterioar[ a faptului
]tiin\ific;
- una generativ[, constructiv[, bazat[ pe crearea de obiecte abstracte ]i
pe construirea de momente ini\iale pentru procesele de formare a unor fapte
]tiin\ifice ]i programe de c[utare.
Cunoa]terea are o serie de caracteristici.
Este o categorie filozofic[ fundamental[.
Are o natur[ psihologic[ deoarece este @ntotdeauna raportat[ la
subiectul cunosc[tor.
Este empiric[, @n sensul c[ informa\ia despre realitatea
@nconjur[toare este sesizat[ nemijlocit prin organe senzoriale sau prin
intermediul aparatelor ]i instrumentelor specifice.
Este teoretic[ dac[ se bazeaz[ pe ra\ionament ]i judec[\i, subliniind
esen\a leg[turilor interne, cauzalitatea ]i legit[\ile care dezvolt[ structuri ]i
22

procese. Cunoa]terea teoretic[ se dezvolt[ din cunoa]terea empiric[ prin


analiz[, sintez[, induc\ie, deduc\ie, generalizare ]i particularizare.
Cunoa]terea are un caracter individual, se justific[ din punct de
vedre cauzal, iar prin teoria ]tiin\ific[ ob\ine valoarea de adev[r ]i se
obiectivizeaz[.
Cunoa]terea despre lume suport[ un continu proces de rafinare, ceea
ce @nseamn[ c[, de fapt, cunoa]terea este @ntotdeauna part\ial[ ]i
incomplet[.
Pentru inteligen\a artificial[ este mai relevant[ transpunerea
conceptului de cunoa]tere de la subiec\ii cunosc[tori de tip uman la
subiec\ii cunosc[tori de tip program pentru calculator, deci de la psihologia
g`ndirii la inteligen\a artificial[.
#n acest context, trebuie subliniat c[ informa\ia latent[, obiectiv[, cu
caracter de generalitate @n care intr[ defini\iile, legile, regulile, conceptele,
clasific[rile formeaz[ ceea ce denumim cunoa]tere.
Aceasta este achi\ionat[ ca urmare a unui proces de instruire,
observare a realit[\ii, abstractizare ]i obiectivizare prin rafinare
permanent[.
Pentru a fi utilizat[ de c[tre produs-program, cunoa]terea este
memorat[ @ntr-o baz[ de cuno]tin\e sub forma unor piese de cunoa]tere,
care descriu faptele, fenomenele, procesele ]i evenimentele din acea parte a
lumii reale care formeaz[ domeniul de competen\[ al programului
inteligent.
Prin intermediul pieselor de cunoa]tere se pot reprezenta orice fel de
no\iuni relevante pentru un domeniu, respectiv este vorba de concepte ]i
instan\e.
Conceptele materializeaz[ rezultatele procesului de abstractizare,
prin care se specific[ @nsu]irile esen\iale, necesare ]i suficiente pentru a
decide apartenen\a obiectelor la o clas[ sau alta.
Instan\ele sunt no\iuni individuale, particulariz[ri ale conceptelor
c[rora li s-a dat descrierea.
Pe un plan mai general, cunoa]terea despre cunoa]tere ]i despre
reprezentarea ei este numit[ metacunoa]tere, o cunoa]tere de ordin
superior, extins[ asupra domeniului de competen\[ al cunoa]terii.
Totalitatea pieselor de cunoa]tere despre un domeniu, memorate @n
baza de cuno]tin\e, constituie un model al lumii la care programul
23

inteligent are acces prin intermediul procedurilor de organizare, c[utare ]i


recunoa]tere.
#n inteligen\a artificial[ toate aceste componente, piese de cunoa]tere
plus procedurile de acces la cuno]tin\e formeaz[ un sistem cognitiv. Pentru
sistemele cognitive intereseaz[ @n mod deosebit clasificarea cunoa]terii.
2.4. RA|IONAMENT, INFEREN|{ }I EURISTIC{
Cunoa]terea este o m[sur[ obiectiv[ a realit[\ii, dar prin ea @ns[]i nu
reprezint[ dec`t un poten\ial. #n inteligen\a artificial[ prezint[ interes
cunoa]terea @n ac\iune, @n care pe baza ra\ionamentelor ]i judec[\ilor se
ob\in piese de cunoa]tere noi.
Ra\ionamentul este un lan\ de judec[\i desf[]urate @n scopul ob\inerii
unor adev[ruri noi pe baza cunoa]terii disponibile.
Judecata este formula logic[ fundamental[, cu valoare de adev[r,
exprimat[ printr-o propozi\ie @n care se afirm[ sau se neag[ ceva despre
altceva.
#n cazul ra\ionamentului o judecat[ numit[ premis[ este legat[ de o
alt[ judecat[ numit[ concluzie prin opera\ia de deviere logic[ numit[
inferen\[.
Ra\ionamentele care folosesc lan\urile inferen\iale pentru trecerea de
la premise la concluzii sunt ra\ionamente formale.
Ele se aplic[ @n situa\ii de completitudine faptic[, adic[ situa\iilor @n
care exist[ toate elementele necesare @n re\eaua inferen\ial[. #n cazul
incompletitudinii faptice, pentru a nu se ajunge la impas @n solu\ionarea
problemei a fost dezvoltat ra\ionamentul prin analogie sau metaforic.
Inferen\a este o opera\ie prin care, pe baza cunoa]terii unui num[r
finit de enun\uri numite premise, se trece la acceptarea unui alt element
numit concluzie.
Premise

Concluzie
Inferen\[

#ntr-o inferen\[, premisa formeaz[ condi\ia suficient[ a concluziei,


dar aceea]i concluzie poate fi ob\inut[ ]i din alte premise.
24

O inferen\[ este corect[ dac[ enun\urile componente sunt adev[rate


]i s-au respectat regulile de formare a limbajului ]tiin\ific din domeniul @n
cauz[.
Ra\ionamentele formale sunt de trei tipuri:
- deductive
- transductive
- inductive
Un ra\ionament este deductiv dac[ premisa const[ @ntr-o judecat[ cu
caracter general, iar concluzia este o judecat[ cu caracter particular.
Caracterul general sau particular se refer[ la pozi\ia de subordonare a
celor dou[ judec[\i @n ierarhia pieselor de cunoa]tere.
Ra\ionamentul este transductiv dac[ at`t premisa c`t ]i concluzia se
afl[ la acela]i nivel de generalitate.
Ra\ionamentul este inductiv dac[ produce o concluzie cu caracter
general plec`nd de la premise cu caracter particular.
Ra\ionamentul nu folose]te obiecte fizice din lumea real[, ci
simboluri prin care acestea se reprezint[ ca piese de cunoa]tere @n baza de
cuno]tin\e. Este vorba de acea abstractizare a realit[\ii prin care unui
obiect, unei situa\ii, unui eveniment sau proces (numit generic fapt) i se
atribuie un simbol care devine caracteristic[. De exemplu, dac[ observ[m
realitatea universului contabil, raport[m informa\ia la conceptele
elementare mijloace, resurse, activ, pasiv, debit, credit, care se noteaz[ cu
M, R, A, P, D, C. Prin combinarea conceptelor elementare dup[ legi
contabile, prin ra\ionamente definim concepte noi: cont, balan\[, bilan\ etc.
Ra\ionamentele pentru rezolvarea problemelor simbolice se bazeaz[
@n @ntregime pe reguli de inferen\[ - acele ptrocedee prin care se determin[
consecin\ele unor anumite presupuneri ce se fac despre formule sau
enun\uri @ntr-o teorie ]tin\ific[.
Se utilizeaz[ @n mod frecvent @n inteligen\a artificial[ procedeul pur
formal prin care se deduc teoreme din axiome prin @nl[n\uirea @nainte a
inferen\elor sau prin care se determin[ validitatea unor teoreme enun\ate
prin @nl[n\uirea @napoi a inferen\elor.
Aceste strategii de @nl[n\uire a inferen\elor se aplic[ pentru
exploatarea caracteristicilor sintactice ale reprezent[rii pieselor de
cunoa]tere.

25

Atunci c`nd se dore]te solu\ionarea problemelor cu luarea @n seam[ a


caracteristicilor semantice ale pieselor de cunoa]tere se folose]te
construc\ia numit[ model.
Orice model are caracteristici regulile de coresponden\[ ]i semantica.
Este vorba de concepte (teoreme, semne, simboluri), postulate (axiome ]i
legi), reguli de transformare a conceptelor ]i regulile de coresponden\[ @ntre
conceptele modelului ]i realitatea modelat[.
Modelele teoretice ale inteligen\ei artificiale sunt cunoscute @n
limbajul logicii matematice.
#n stadiul actual al inteligen\ei artificiale se cunosc mai bine
ra\ionamentele directe, de tipul celor men\ionate anterior sub denumirea de
ra\ionamente formale.
Se cunosc ]i ra\ionamente informale care pornesc de la semnifica\iile
cuprinse @n enun\urile problemelor ]i surprind interpret[ri structurale,
semnifica\ii de natur[ rela\ional[, propriet[\i primitive sau complexe.
Ra\ionamentul informal se bazeaz[ ]i el pe regulile de inferen\[ general
valabile.
Euristica este o modalitate de cunoa]tere menit[ s[ sugereze
efectuarea de ac\iuni plauzibile sau evitarea de ac\iuni neplauzibile, cu rol
important @n cre]terea eficien\ei rezolv[rii problemelor.
Etimologic termenul de euristic[ provine din fran\uzescul euristique
]i desemneaz[ acel procedeu metodologic care serve]te la descoperirea
unor cuno]tin\e noi (grecescul heuriskein = a descoperi).
Termenul de euristic[ desemneaz[ acea cunoa]tere de natur[
neformal[, cu caracter de ra\ionament bazat pe experien\[, specializare
generalizare ]i analogie, cu ajutorul c[rreia se efectueaz[ o interpretare, se
ia o decizie sau se ac\ioneaz[ pentru atingerea unui obiectiv.
Deci euristica introduce ra\ionamentul bazat pe reguli care nu provin
din formalismul logicii matematice de rezolvare a problemelor, ci din
m[estria ]i experien\a specific[ domeniului problemei.

26

2.5. TIPURI DE PROBLEME #N INTELIGEN|A ARTIFICIAL{


Dintr-un punct de vedere mai pragmatic, inteligen\a artificial[ este
privit[ ca domeniu de cercetare av`nd drept obiectiv descoperirea ]i
utilizarea unor metode foarte generale de rezolvare a problemelor.
Problema se refer[ la o dificultate de natur[ cognitiv[, o ntrebare
ce se constituie ca moment ini\ial al activit[\ii inteligente. Dificultatea
rezult[ din insuficien\a sau inadecvarea r[spunsului la @ntrebarea privind o
entitate necunoscut[, ori din incapacitatea sistemului de a construi un
r[spuns prin aplicarea procedeelor de care dispune.
Enun\ul problemei are urm[toarele componente structurale: datele,
condi\iile ]i necunoscutele.
Datele problemei - semnific[ enun\urile descriptive referitoare al
obiectele abstracte sau concrete, sau cele referitoare la propriet[\ile
obiectelor.
Condi\iile problemei - sunt specificate prin enun\uri explicite sau
implicite despre opera\iile permise a fi aplicate asupra obiectelor
men\ionate ori referitoare la regulile c[rora li se supun opera\iile (aspectul
procedural).
Necunoscutele problemei - se refer[ la obiectele, propriet[\ile sau
condi\iile neformulate explicit @n enun\ul problemei, despre a c[ror
existen\[ se ]tie sau nu c[ reprezint[ o consecin\[ a enun\ului.
Prin rezolvarea problemei, se va putea da sau nu o determinare
fiec[rei necunoscute. #n procesul rezolv[rii problemei exist[ ini\ial
delimitate corect datele ]i condi\iile formulate @n enun\. Acestora li se pot
ad[uga noi piese de cunoa]tere din baza de cuno]tin\e a sistemului
rezolutiv, c[utate ]i selectate, fie prin referire direct[ la enun\, fie prin
lan\uri inferen\iale, ale c[ror premise au fost formulate @n enun\.
Analiza enun\urilor problemelor care satisfac aceste condi\ii de
formulare, ne relev[ trei mari categorii de probleme: probleme bine
formulate, probleme incomplet formulate ]i probleme gre]it formulate.
La problemele bine formulate sunt satisf[cute condi\iile de
suficien\[ ]i necesitate, pentru toate componentele din enun\ iar
necunoscutele specificate alc[tuiesc @mpreun[ cu datele problemei un
model consistent;
27

#n cazul problemelor incomplet formulate se disting unele lipsuri,


at`t @n datele problemei, @n condi\iile acesteia c`t ]i @n specificarea
necunoscutelor;
La problemele gre]it formulate
se disting contradic\ii,
inconsisten\e sau componentele problemei nu sunt prezentate clar @n enun\.
A) Problemele bine formulate pot fi la r`ndul lor: probleme de tip
interogativ, pedicativ ]i imperativ.
Problemele interogative au definite clar trei componente: ipoteza
sau datele problemei, procesul la care sunt supuse datele ]i rezultatul. Dou[
dintre aceste componente trebuie definite complet, oferind astfel
posibilitatea introducerii necunoscutei @n cea de a treia component[. Dac[
not[m cu I-ipoteza, cu P- procesul, cu R - rezultatul ]i cu X - necunoscuta,
atunci putem identifica tipurile de probleme interogative de tip IPX, de tip
IRX ]i de tip XPR. #n aceste condi\ii, dac[ toate componentele sunt
cunoscute, adic[ mnemonica este IPR, atunci enun\ul problemei reprezint[
un fapt. Un fapt devine problem[ dac[ una dintre cele trei componente este
considerat[ necunoscut[.
Problema de tip IPX are enun\ul de forma "Care este rezultatul X
al aplic[rii procesului P asupra obiectelor din ipoteza I? "De aici reiese clar
c[ sunt cunoscute ipoteza ]i procesul, fie din enun\, fie din completarea cu
piese de cunoa]tere din baza de cuno]tin\e. Rezultatul X se va determina
efectiv prin aplicarea procesului P asupra obiectelor din ipoteza I. Este
vorba de o problem[ clasic[ de prelucrare a datelor.
Problema interogativ[ de tip IXR corespunde unui enun\ de forma
"Ce proces X trebuie aplicat asupra obiectelor din ipoteza I, pentru a ob\ine
rezultatul R?". Este una dintre cele mai delicate probleme ale inteligen\ei
artificiale, datorit[ faptului c[ are caracter creativ. Solu\ia sa este
abordabil[ pe trei c[i:
- pe baza unor reguli euristice de forma:
DAC{ ((ipoteza este de tip t(R) }I
(rezultatul este de tip t(R) ATUNCI
(metoda este (METODA 1) sau (METODA n));
- pe baza unor ra\ionamente prin analogie:
- pe baza unor metode de sintez[ procedural[.
Probleme interogative de tip XPR le corespunde enun\ul de forma
"Ce obiecte X trebuie prelucrate de c[tre procesul P, pentru a ob\ine
28

rezultatul R?" Se @n\elege c[, asemenea probleme pot fi solu\ionate direct


dac[ procesul P admite o invers[ notat[ P-1. Deoarece enun\ul problemelor
ne d[ R=P(X), atunci solu\ia va fi X=P-1(R). Dac[ problema nu admite o
invers[ pentru P, atunci numai abordarea prin metode reductive ar putea
@nlesni ob\inerea unei solu\ii.
Problemele predicative au o structur[ asem[n[toare cu acelea
interogative, componentele fiind ipoteza, procesul inferen\ial ]i concluzia.
Natura componentelor difer[, deoarece ipoteza ]i concluzia sunt entit[\i cu
valoare de adev[r (TRUE sau FALSE).
Induc\ia este problema predictiv[ @n care ipoteza este necunoscut[
iar rezultatul se ob\ine prin "descoperirea" unor concepte ini\iale, a unor
cauzalit[\i sau a oric[ror premise prin interpretarea rezultatelor ob\inute pe
baza unor reguli de inferen\[ cunoscute. Acest proces rezolutiv care
utilizeaz[ induc\ia poart[ numele de @nv[\are din exemple.
Demonstra\ia este problema predicativ[ @n care procesul inferen\ial
este necunoscut iar solu\ia se ob\ine printr-un lan\ inferen\ial, de la ipotez[
spre concluzie, care trebuie sesizat ca o concluzie derivabil[ din ipotez[.
Acest proces rezolutiv este specific demonstr[rii automate a teoremelor.
Deduc\ia este o problem[ predicativ[ @n care concluzia este
necunoscut[ iar solu\ia se ob\ine aplic`nd regulile de inferen\[ asupra
expresiilor date prin ipotez[. Deduc\ia este frecvent @nt`lnit[ ca urmare a
aplic[rii procedeelor de descompunere a problemelor @n subprobleme, ]i
mai rar ca problem[ dat[ de utilizatorii sistemului inteligent.
Problemele de tip imperativ au caracteristic faptul c[ enun\ul lor nu
con\ine necunoscute din triada IPR (ipoteza-proces-rezultat), nu furnizeaz[
date de intrare iar rezultatul procesului este apriori cunoscut. Pentru
rezolvarea unor astfel de probleme sistemul se comport[ ca executor al
unor comenzi pentru producerea rezultatului cunoscut, adic[ a efectului
actual dorit. Nu este lipsit[ de sens existen\a problemelor imperative, dac[
avem @n vedere posibilitatea ca o situa\ie problematic[ s[ fie stratificat[ pe
mai multe niveluri conceptuale, @n care o problem[ imperativ[ de pe un
anumit nivel s[ se descompun[ @n probleme de alte tipuri pe nivelurile
inferioare.
B) Probleme incomplet formulate sunt cele care nu pot avea solu\ie
dec`t dac[, prin aplicarea unor procedee care nu altereaz[ enun\ul, se
ob\ine o nou[ form[ de enun\, care satisface condi\ile de bun[ formulare.
29

Procedeele care se aplic[ @n astfel de cazuri sunt: reducerea


enun\ului, completarea enun\ului, extinderea obiectivelor ]i descompunerea
problemei.
Reducerea enun\ului are loc prin eliminarea elementelor lipsite de
relevan\[, care altereaz[ buna formulare a problemei, dar f[r[ a-i afecta
specificul problematic.
Completarea enun\ului se face cu date transmise prin mo]tenire de
la prototipurile conceptuale existente @n alte piese de cunoa]tere din enun\
sau cu date asumate prin analogie cu obiecte din aceea]i categorie, definite
mai bine. Se pot folosi ]i date noi ]i reformul[ri prin interac\iunea
utilizatorului cu sistemul, a]a @nc`t s[ rezulte un nou enun\ care satisface
cerin\ele de bun[ formulare.
Extinderea obiectivelor problemelor se refer[ la o clas[ superioar[
de obiecte care s[ cuprind[ ]i problema @n cauz[, numai dac[ este posibil[
introducerea unor obiecte abstracte, parametri sau condi\ii suplimentare
care s[ permit[ reformularea enun\ului @n vederea satisfacerii condi\iilor de
bun[ formulare.
Descompunerea @n subprobleme urm[re]te ob\inerea unor
subprobleme bine formulate ]i a altora incomplet formulate dar de
complexitate mai redus[ dec`t problema ini\ial[, a c[ror rezolvare s[ poat[
fi f[cut[ par\ial sau chiar integral, dac[ se pot aplica procedeele men\ionate.
Inteligen\a artificial[ nu-]i propune s[ rezolve problemele gre]it
formulate. Totu]i, sistemele inteligente pot fi dotate cu analizoare de
probleme care s[ eviden\ieze inconsisten\ele de formulare, furniz`nd
utilizatorului explica\ii @n leg[tur[ cu refuzul sistemului de a solu\iona
problema.

30

III. SISTEME EXPERT: NO|IUNI DE BAZ{

3.1. DEFINIREA }I CARACTERISTICILE SISTEMELOR


EXPERT
Elementul central al prelucr[rii inteligente @l constituie ra\ionamentul
artificial, ca imitare a celui natural, efectuat de creierul uman. #n orice
domeniu de activitate exist[ probleme cu grad ridicat de dificultate, care
pot fi rezolvate numai de exper\ii, forma\i ca speciali]ti @n urma unei vaste
experien\e @n domeniul respectiv.
A]a cum @nc[ nu exist[ o defini\ie unanim acceptat[ pentru
inteligen\a artificial[, nu exist[ @nc[ o defini\ie unic[ pentru sistemele
expert.
#n general, sistemele expert pot fi definite ca fiind programe bazate
pe tehnicile inteligen\ei artificiale, care @nmagazineaz[ cuno]tin\ele
exper\ilor umani dintr-un domeniu bine definit ]i apoi le folosesc pentru
rezolvarea problemelor din acel domeniu.
Sistemele expert @ncearc[ s[ imite @n principal ra\ionamentele
exper\ilor umani prin ra\ionamente artificiale. Mai mult dec`t preluarea
cuno]tin\elor expertului uman, sistemele expert le multiplic[ ]i expliciteaz[
experien\a acestora. Este cunoscut faptul c[ un expert uman @ntr-un
domeniu se formeaz[ foarte greu ]i necesit[, pe l`ng[ preg[tirea ]i
experien\a personal[, ]i calit[\i native. De aceea multiplicarea cuno]tin\elor
exper\ilor umani prin intermediul sistemelor expert este, @n zilele noastre, o
necesitate obiectiv[.
Pentru o mai bun[ @n\elegere a unor aspecte privitoare la defenirea
sistemelor expert, este necesar[ o partajare a cuno]tin\elor expertului uman
dintr-un anumit domeniu. Un expert uman recunoa]te, define]te ]i rezolv[
probleme din domeniul s[u de expertiz[, av`nd o capacitate crescut[ de a
se orienta @n aspecte precum complexitatea, incompletitudinea,
incertitudinea, inconsisten\a, confuzia ]i aprecierile vagi.
Pornind de aici expertul uman trebuie s[ aduc[ problema @n stadiul @n
care lucrurile sunt c`t mai simple, complete, precise, consistente ]i clare,
adic[ s[ treac[ problema din sfera expertizei @n sfera cuno]tin\elor comune
31

de specialitate. #n acest stadiu, rezolvarea problemei poate fi sus\inut[


eventual de prelucr[ri algoritmice utiliz`nd baze de date. #n ngeneral,
expertul uman ac\ioneaz[ @ntr-o clas[ de probleme slab structurate, pentru
care nu se pot defini algoritmi de rezolvare.
#ncerc`nd s[ imite expertul uman, sistemele expert posed[
urm[toarele caracteristici:
- cuno]tin\ele sunt independente de mecanismul de ra\ionament, se
introduc global, nu depind unele de altele, iar modificarea unui element nu
influen\eaz[ ra\ionamentul;
- spre deosebire de programerea clasic[, unde trebuia s[ se descrie
explicit toate prelucr[rile @ntr-o manier[ static[, sistemele expert se
caracterizeaz[ printr-o abordare declarativ[ @n care se specific[ cuno]tin\ele
care vor fi exploatate @n mod dinamic de mecanismul de ra\ionament;
- sistemele expert trebuie s[ fie capabile s[ explice ra\ionamentele f[cute
]i s[ argumenteze solu\iile ob\inute, @ntr-o manier[ asem[n[toare expertului
uman;
- cuno]tin\ele manipulate de sistemele expert sunt @n principal de natur[
simbolic[, spre deosebire de programele clasice care utilizeaz[
preponderent date numerice;
- sistemele expert trebuie s[ fie capabile s[ gestioneze baze de cuno]tin\e
de volum mare ]i s[ trateze cuno]tin\e inexacte ]i incomplete;
- sistemele expert utilizeaz[ metode empirice, bazate pe experien\[, care
conduc la solu\iile cele mai bune;
- sistemele expert sunt specializate @ntr-un anumit domeniu ]i nu @n
rezolvarea unei probleme, ca sistemele informatice clasice.
O problem[ mult discutat[ @n privin\a utiliz[rii sistemelor expert este
aceea a raportului dintre relevan\[ ]i precizie. Se ]tie, din teoria general[ a
sistemelor, c[ un sistem descompus @ntr-un num[r mic de subsisteme are o
relevan\[ mare ]i o precizie mic[, iar cu c`t descompunerea avanseaz[,
relevan\a scade ]i precizia cre]te. Prelucrarea algoritmic[ se caracterizeaz[
printr-o precizie mare iar sistemele expert printr-o relevan\[ mare, pe care o
preia din practica rezolv[rii problemelor ceea ce face ca ele s[ fie un mijloc
important de dominare a complixit[\ii.
Sistemele expert pot oferi solu\ii mai productive dec`t programele
algoritmice @n situa\iile @n care cerin\ele informa\ionale se schimb[ foarte
des. De asemenea, sistemele expert permit extinderea ariei informaticii
32

c[tre domenii greu de algoritmizat @n care informa\iile sunt preponderent


calitative: educa\ie, politic, juridic etc.
Dac[ avem @n vedere scopul pentru care un sistem expert este
realizat, el trebuie s[ @ndeplineasc[ anumite cerin\e func\ionale, care vor fi
prezentate @n continuare.
Performan\[ ridicat[. Sistemul trebuie s[ fie capabil s[ r[spund[ la
un nivel de competen\[ cel pu\in egal cu al unui expert @n domeniul
respectiv.
Timp de r[spuns adecvat. Sistemul trebuie s[ fie capabil s[ r[spund[
@ntr-un timp rezonabil, cel pu\in comparabil cu timpul necesar unui expert
s[ ia o decizie @n acea]i problem[. Aceast[ constr`ngere privind timpul de
r[spuns este foarte sever[ @n cazul sistemelor expert @n timp real, c`nd
r[spunsul sistemului trebuie s[ fie dat @ntr-un anumit interval impus de
sistemul fizic pe care @l modeleaz[.
Nivel ridicat de @ncredere. Sistemul nu trebuie s[ dea r[spunsuri
gre]ite care s[ produc[ pagube, @n caz contrar el neput`nd fi utilizat.
Capacitatea de a fi u]or @n\eles. Un sistem expert trebuie s[ poat[
explica pa]ii ra\ionamentului s[u @n timpul unei execu\ii. Aceasta @nseamn[
c[ sistemul trebuie s[ aib[ capacitatea de explicare, @ntr-o manier[
asem[n[toare celei @n care un expert uman @]i poate explica ra\ionamentul.
Flexibilitate. Datotit[ unei mari cantit[\i de informa\ie pe care un
sistem expert o are, este important ca el s[ posede un mecanism eficient
pentru manipularea cuno]tin\elor, respectiv pentru ad[ugarea, ]tergerea ]i
modificarea acestora.
Exist[ mai multe motive care au impus ca necesare aceste ceri\e
func\ionale pentru un sistem expert:
- #n multe cazuri securitatea oamenilor sau a unor sisteme fizice depind
de r[spunsurile unui sistem expert. Acesta trebuie s[-]i justifice concluzile,
adic[ s[ permit[ o verificare inteligibil[ a ra\ionamentului s[u de c[tre om;
- #n faza de dezvoltare a unui sistem expert, trebuie s[ fie confirmat
faptul c[ @nc[rcarea cuno]tin\elor @n baza de cuno]tin\e s-a f[cut corect ]i c[
ele sunt corect folosite de c[tre expertul uman. O bun[ facilitate de
explicare face ca inginerul de cuno]tin\e s[ verifice mai u]or corectitudinea
cuno]tin\elor;
- Un alt motiv se refer[ tot la depanare, datorit[ interac\iunilor care
exist[ @n sisttemele expert. Controlul execu\iei nu este secven\ial ]i @n
33

general ordinea @n care sistemul expert rezolv[ o problem[ genereaz[ o


dificil[ @n\elegere a modului @n care el lucreaz[.
Sistemele expert pot fi folosite de sine st[t[tor sau pot fi integrate @n
alte sisteme informatice @n func\ie de necesit[\i. O clas[ special[ de sisteme
informatice @n care sistemele expert pot fi integrate u]or din punct de
vedere func\ional sunt sistemele interactive pentru asistarea deciziilor
(SIAD). Un SIAD este un sistem informatic care utilizeaz[ cuno]tin\ele
dintr-un domeniu de aplica\ie pentru a ajuta decidentul @n rezolvarea unor
probleme slab structurate, respectiv greu de algoritmizat ]i programat.
Structura unui SIAD este prezentat[ @n figura 3.1
INTERFATA
UTILIZATOR
Biblioteca de modele

Biblioteca de
reprezent[ri grafice

Sistemul de modelare

Subsistemul de
prezentare al
informa\iilor

Subsistemul statistic,
previziune, optimizare

SISTEM EXPERT

Sistem de gestiune a bazelor de


date

Baza de date

Fi]iere externe

Figura 3.1 - Structura unui S.I.A.D.


34

Principalele caracteristici ale unui SIAD sunt:


- experien\a, intui\ia, judec[\ile ]i preferin\ele decidentului sunt
esen\iale;
- interactivitate de nivel @nalt;
- c[utarea solu\iilor necesit[ manipul[ri de date, c[utare de informa\ii,
modelare, calcule;
- procedurile care urmeaz[ s[ se execute la un moment dat nu sunt
cunoscute apriori, aceasta depinz`nd de date sau de rezultatele
intermediare;
- criterile de decizie sunt numeroase, conflictuale ]i depind adesea de
utilizator;
- datele nu sunt totdeauna dinainte cunoscute.
- timpul de r[spuns pentru ob\inerea unei solu\ii satisf[c[toare este
limitat.
3.2. STRUCTURA UNUI SISTEM EXPERT
Elementele centrale ale unui sistem expert (fig. 3.2) sunt: baza de
cuno]tin\e, baza de fapte, motorul de inferen\[, modulul explicativ,
modulul de achizi\ie a cuno]tin\elor ]i interfa\a cu utilizatorul.
Baza de cuno]tin\e con\ine ansamblul de cuno]tin\e specializate
@ntr-un anumit domeniu, preluate de cognitician de la expertul uman.
Procesul de creare a bazei de cuno]tin\e const[ @n preluarea acestora de la
expertul uman, modelarea de c[tre cognitician @n conformitate cu cerin\ele
metodei de reprezentare, introducerea @n baz[ ]i validarea. Acest proces
este unul foarte laborios ]i necesit[ o conlucrare permanent[ @ntre
cognitician ]i expertul uman. Realizare lui necesit[ foarte multe itera\ii ]i
teste @n cursul c[rora @ns[]i expertul uman poate fi pus @n dificultate pentru
argumentarea unor op\iuni.

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

Figura 3.2 - Arhitectura unui sistem expert


Baza de fapte con\ine datele unei probleme concrete care urmeaz[ a
fi rezolvat[ (formularea problemei) precum ]i faptele rezultate @n urma
36

ra\ionamentelor efectuate de motorul de inferen\[ asupra bazei de


cuno]tin\e. #n unele publica\ii, baza de fapte este inclus[ @n baza de
cuno]tin\e. Totu]i, trebuie f[cut[ distinc\ia @ntre cuno]tin\e, care descriu
rezolvarea unei clase de probleme ]i fapte care descriu aser\iuni de
instan\iere a unei probleme din clasa respectiv[.
Motorul de inferen\[ este elementul efectiv de prelucrare @n sistemul
expert, care pornind de la fapte (datele de intrare ale problemei) activeaz[
cuno]tin\ele corespunz[toare din baza de cuno]tin\e, construind astfel
ra\ionamente care conduc la noi fapte (de ie]ire). Altfel spus, motorul de
inferen\[ construie]te un plan de rezolvare @n func\ie de specificul
problemei, utiliz`nd cuno]tin\e din domeniul respectiv.
#n urma ac\iunii motorului de inferen\[, @ntr-un anumt context, baza
de cuno]tin\e se @mbog[\e]te fie prin ad[ugarea unor elemente noi, fie prin
modificarea celor existente. #n ultim[ instan\[, motorul de inferen\[ este un
program care implementeaz[ modalit[\ile de ra\ionament: deductiv,
inductiv ]i mixt, dar care este independent de baza de cuno]tin\e.
Modulul explicativ are rolul de a prezenta @ntr-o form[ larg
accesibil[ (@n limbaj natural) justificarea ra\ionamentelor efectuate de
motorul de inferen\[ ]i @ntreb[rile la care trebuie s[ r[spund[ utilizatorul.
De asemenea, acest modul este util ]i expertului uman pentru verificarea
coeren\ei bazei de cuno]tin\e.
Modulul de achizi\ie a cuno]tin\elor are rolul de a transforma
cuno]tin\ele din forma @n care le exprim[ cogniticianul (inginerul de
cuno]tin\e) @n forma intern[ de memorare pe suportul tehnic de date.
Totodat[, acest modul asigur[ ]i interfa\a de comunicare cu baza de
date sau cu alte sisteme. Pe viitor, calculatorele din noile genera\ii vor
permite achizi\ia de cuno]tin\e @n limbaj natural, ceea ce va duce la
dezvotarea rapid[ a sistemelor expert. Rolul inginerului de cuno]tin\e @n
realizarea unui sistem expert este similar rolului analistului pentru
realizarea unui sitem informatic clasic
Interfa\a cu utilizatorul realizeaz[ dialogul utilizatorului cu sistemul
expert, @n sensul furniz[rii de c[tre utilizator a datelor de intrare ]i a
rezultatelor problemei de rezolvat de c[tre sistem.
Toate elementele unui sistem expert, mai pu\in baza de cuno]tin\e ]i
baza de fapte, formeaz[ a]a numitul sistem esen\ial. Acest sistem permite
dezvoltarea rapid[ de sisteme expert prin crearea unor noi baze de
37

cuno]tin\e, opera\ie cunoscut[ sub denumirea de instan\ierea unui sistem


expert. Este posibil de realizat acest lucru, deoarece algoritmii de
ra\ionament implementa\i @n motorul de inferen\[ sunt @n general aceea]i,
indiferent de sistemul expert pe care dorim s[-l dezvolt[m. Cu toate acestea
nu se poate construi un mecanism universal de inferen\[ pentru toate
domeniile de expertiz[.
3.3. DOMENII DE UTILIZARE ALE SISTEMELOR EXPERT
Teoretic sistemele expert se pot aplica @n orice domeniu al
cunoa]terii. P`n[ @n acest moment au fost realizate sute de sisteme expert,
raportate @n publica\ii ]tiin\ifice, @n c[r\i sau la conferin\e, de]i probabil
num[rul lor este mult mai mare.
Unele sisteme expert au fost proiectate ca instrumente de cercetare,
dar cele mai multe func\ioneaz[ @n domenii industriale, medicale sau
economice.
Principalele clase de aplica\ii ale sistemelor expert sunt prezentate @n
continuare.
Sisteme expert de configurare care asambleaz[ componentele unui
anumit sistem. De exemplu XCON (ini\ial R1) este unul din cele mai
folosite sisteme expert pentru configurarea calculatoarelor unei firme.
Sisteme expert de diagnoz[. Ele efectueaz[ opera\ii de diagnosticare
@n domenii precum cel medical, industrial sau financia-contabil. Cel mai
cunoscut este MYCIN, sistem expert de diagnoz[ pentru bolile infec\ioase
bacteriale.
Sisteme expert de @nv[\are (instruire). Sunt sisteme de @nv[\are
inteligent[, @n care cei care se instruiesc pot pune @ntreb[ri asem[n[toare
celor puse unui instructor uman. Exemple: GUDON (instruirea @n bolile
infec\ioase bacteriale), SEAMER (instruire pentru opera\iile dintr-o uzin[
electric[), CADHELP (instruire pentru proiectarea asistat[ de calculator).
Sisteme expert de interpretare. Sunt sisteme care explic[ datele
observate. Acestea sunt folosite @n special @n domeniul chimiei:
CRYSALYS (interpreteaz[ structura proteinelor 3D), DENDRAL
(interpreteaz[ structura molecular[).
Sisteme expert de monitorizare. Ele compar[ datele observate cu cele
a]teptate pentru a analiza performan\ele unor sisteme. Exemplu:
38

YES/MVS, sistem de monitorizare ]i control pentru sistemul de operare


IBM MVS.
Sisteme expert de planificare. Planific[ ac\iunile pentru a produce
anumite efecte a]teptate. Exemplu: SPEX (planific[ experiment[ri @n
biologie molecular[).
Sisteme expert de prognoz[. Prognozeaz[ rezultatele @ntr-o anumit[
situa\ie.
Sisteme expert de control. Sunt sisteme de reglare ]i control al unui
proces. #n general sunt sisteme complexe ce cuprind: interpretare,
diagnoz[, monitorizare, planificare, prognoz[ ]i remediere. De asemenea,
necesit[ de multe ori cerin\a de sisteme @n timp real, pentru a putea
r[spunde @n timp util sistemului controlat.
Utilizate ini\ial cu prec[dere @n medicin[, chimie, fizic[ ]i alte
domenii tehnice, @n ultimul timp sistemele expert sunt din ce @n ce mai mult
utilizate @n economie, la nivelul @ntreprinderilor ]i @n institu\iile financiarbancare. #n activit[\ile economice principalele clase de aplica\i ale
sistemelor expert sunt: sistemele expert de diagnoz[, sistemele expert de
planificare, sistemele expert de prognoz[ ]i sistemele expert de control.
La nivelul @ntreprinderilor, principalele activit[\i pentru care se pot
dezvolta sisteme expert sunt: analiza ]i planificarea economico-financiar[,
gestiunea trezoreriei, alegerea variantelor de finan\are a investi\iilor etc.
Ca o caracterizare general[ a acestor clase de probleme este faptul c[
ele necesit[ utilizarea elementelor din teoria deciziei. Din cele trei categorii
de decizii (de rutin[, @n condi\ii de incertitudine ]i @n condi\ii de risc)
ultimele dou[ categorii sunt cele mai indicate pentru realizarea sistemelor
expert. Acestea @]i dovedesc utilitatea @n selectarea celor mai bune variante
de ac\iune @n condi\iile existen\ei unei multitudini de factori de influen\[,
ale c[ror efecte sunt mai mult sau mai pu\in anticipate de decidentul uman
@n momentele critice.
#n acest sens, se poate spune c[ domeniul bancar ocup[ o pondere
@nsemnat[ @n cadrul sistemelor expert aflate @n exploatare cu bune rezultate.
De exemplu aproape 50% din b[ncile franceze dezvolt[ sau exploateaz[
sissteme expert ]i se apreciaz[ c[ p`n[ la sf`r]itul secolului fenomenul se
va generaliza.
Printre cele mai utilizate sisteme expert @n acest domeniu sunt cele
pentru asistarea deciziei de creditare, cele care fac recomand[ri @n
39

efectuarea plasamentelor, cele care fac diagnoz[ cu privire la evolu\ia unor


firme, institu\ii financiar-bancare sau a unor segmente de pia\[ etc.
Important de re\inut este faptul c[ merg`nd @n paralel cu exper\ii
umani solu\iile date de asemenea sisteme expert au fost acelea]i @n
propor\ie de peste 95%.
#n ultimul timp s-a extins aplicarea sistemelor expert @n cadrul
burselor de valori ]i burselor de m[rfuri.

40

IV. REPREZENTAREA CUNO}TI N|ELOR

4.1. METODE FOLOSITE #N REPREZENTAREA


CUNO}TIN|ELOR
Capacitatea sistemelor expert de a rezolva probleme depinde de
volumul ]i calitatea cuno]tin\elor de care acestea dispun ]i pe care le pot
folosi pentru efectuarea de ra\ionamente.
Reprezentarea cunoa]terii urm[re]te descrierea domeniului @n care
sistemul efecteaz[ ra\ionamente sub form[ de entit[\i corespunz[toare
obiectelor (indivizilor) ]i sub form[ de rela\ii @ntre acestea.
Deoarece, @n timp, cunoa]terea despre obiecte ]i rela\iile dintre
acestea poate s[ se modifice, nu este posibil[ numai o reprezentare
declarativ[ a st[rii ini\iale ci se pune problema @nregistr[rii enumerative a
succesiunilor de st[ri ]i a mecanismelor ce asigur[ transformarea st[rilor
ini\iale spre st[ri succesive.
O arhitectur[ de reprezentare a cuno]tin\elor poate fi constituit[ pe
trei niveluri. Cele trei niveluri sunt stabilite @n func\ie de locul @n care se
judec[ cuno]tin\ele. Schema de reprezentare a cuno]tin\elor pe trei niveluri
este cea din figura 4.1.
Nivelul intern este constituit din schema intern[ ce descrie structura
de stocare fizic[ a cuno]tin\elor @n baza de cuno]tin\e. La acest nivel se
descriu detalile complete ale stoc[rii precum ]i modul de acces la
cuno]tin\e.
Nivelul conceptual sau schema conceptual[ descrie structura @ntregii
baze de cuno]tin\e pentru o comunitate de utilizatori. La nivelul conceptual
se face o descriere complet[ a bazei de cuno]tin\e, ascunz`nd detalile legate
de structura fizic[, accentul pun`ndu-se pe descrierea entit[\ilor, a rela\iilor
dintre ele precum ]i a restric\iilor asociate.
Nivelul extern sau nivelul utilizator include o colec\ie de scheme
externe ce descriu baza de cuno]tin\e prin prisma diferi\ilor utilizatori.
Fiecare grup de utilizatori descrie baza de cuno]tin\e prin prisma proprilor
interese.

41

De remarcat c[ @n multe sisteme expert nu exist[ o distinc\ie net[


@ntre cele trei niveluri. Cu toate acestea se poate remarca @n majoritatea
cazurilor un nivel conceptual puternic ce supline]te aparent, de cele mai
multe ori, celelalte niveluri. #n plus, arhitectura pe trei niveluri reprezint[
numai o descriere a datelor ce vor forma baza de cuno]tin\e. Grupurile de
utilizatori se refer[ numai la schema extern[, deci susbsistemul de achizi\ie
a cuno]tin\elor este cel care transform[ schema extern[ @n schem[
conceptual[.
Nivelul extern

Nivelul
conceptual

Nivelul intern

Analiza
cerin\elor

- utilizatorul

Structura
conceptual[

- cogniticianul

Structura
intern[ (fizic[)

- inginerul de
sistem

Stocare

Figura 4.1 Nivelurile de reprezentare a cuno]tin\elor


Reprezentarea cuno]tin\elor se bazeaz[ pe trei structuri
fundamentale:
- faptele, care sunt informa\iile primare ce descriu elementele
domeniului considerat,
- regulile, care descriu modul @n care se pot utiliza faptele,
- strategiile de ra\ionament sau metodele euristice care exprim[
maniera @n care se pot folosi regulile.

42

Prelucrarea cuno]tin\elor impune definirea de structuri de stocare ]i


manipulare care s[ fac[ posibil[ efectuarea de ra\ionamente. #n consecin\[,
pentru stocarea ]i utilizarea cuno]tin\elor se folosesc structuri de
cuno]tin\e, tot a]a cum pentru stocarea ]i prelucrarea datelor se folosesc
structuri de date.
#n informatica clasic[ ecua\ia unui program, numit[ ]i ecua\ia Wirth
este:
structurile de date + controlul execu\iei = program
La fel se poate defini ecua\ia unui sistem expert:
structurile de cuno]tin\e + metode de inferen\[ = sistem expert
Integrarea cuno]tin\elor @ntr-un formalism de reprezentare ridic[ o
serie de probleme specifice.
1. Exist[, @n primul r`nd, mari diferen\e @n privin\a statutului
informa\iilor prelucrate: ele pot fi modificabile sau intangibile, certe sau
incerte, valide sau perimate, diferen\ieri la care formalismul de reprezentare
trebuie s[ r[spund[ c`t mai bine.
2. Cuno]tin\ele referitoare la un domeniu sunt @n marea lor
amjoritate incomplete ]i aceasta din dou[ caze principale:
- pe de o parte, sunt omise unele informa\ii @n reprezentarea pe
calculator deoarece pentru expertul uman ele sunt implicite;
- pe de alt[ parte, unele cuno]tin\e sunt dificil de transmis sau de
formalizat.
Aceasta atrage dup[ sine necesitatea de a g[si modalit[\i de
reprezentare ]i ra\ionament @n condi\ii de incertitudine.
3. Cuno]tin\ele se schimb[ odat[ cu modific[rile survenite @n
domeniul @n care se utilizeaz[. Cum multe dintre ele sunt @n str`ns[
interdependen\[, schimb[rile suportate de anumite cuno]tin\e pot antrena,
prin efect indirect, actualizarea altora, devenite perimate prin modificarea
celor dint`i.
Aceste schimb[ri pot fi extrem de diverse @ncep`nd cu con\inutul ]i
termin`nd cu @ns[]i tipul cuno]tin\elor.
4. Cuno]tin\ele exprim[, @n general, informa\ii specifice unor clase
sau grupuri de obiecte materiale ]i conceptuale. Dar, nu este exclus ca @n
cadrul acestora s[ existe ni]te elemente care fac excep\ie sau sunt chiar @n
contradic\ie cu propriet[\ile clasei din care fac parte. Aceasta impune
g[sirea unor modalit[\i adecvate de reprezentare ]i tratare a excep\ilor.
43

Exist[ mai multe metode de reprezentare a cuno]tin\elor care


r[spund, mai mult sau mai pu\in, problemelor specifice enumerate.
Dintre cele mai utilzate metode de reprezentare a cuno]tin\elor
amintim: metodele bazate pe logica formal[; metodele bazate pe transferul
succesoral de propriet[\i; re\elele neuronale; reprezentarea @n sisteme
blackboards etc.
4.2. REPREZENT{RI BAZATE PE LOGICA FORMAL{
De]i logica a fost conceput[ mai cur`nd pentru a putea modela
ra\ionamentul, ea este foarte utilizat[ ]i pentru reprezentarea cuno]tin\elor.
Aceasta deoarece formalismul logic este lipsit de ambiguitate ]i pemite
descrierea realit[\ii prin formul[ri concise.
#n ceea ce prive]te deducerea de noi cuno]tin\e, ea se bazeaz[ pe
reguli de inferen\[, care pot fi tratate sintactic @n calculator prin procese de
unificare ]i filtraj.
Cuno]tin\ele se pot reprezenta prin:
- propozi\ii;
- predicate;
- expresii de calcul logic.
#n felul acesta se dispune de un formalism care poate fi utilizat at`t
pentru reprezentarea cuno]tin\elor, c`t ]i pentru efectuarea ra\ionamentelor.
Metodele de reprezentare specifice acestui formalism sunt regulile de
produc\ie, cu sau f[r[ variabile.
4.2.1. ELEMENTE DE LOGICA PROPOZI|IILOR
#n logic[, propozi\ia reprezint[ o aser\iune care poate fi adev[rat[ sau
fals[.
Logica propozi\iilor ofer[ un instrumentar formal pentru a stabili
adev[rul sau falsitatea propozi\iilor. De exemplu:
Furnizori este un cont de pasiv
Casa este un cont bifunc\ional
reprezint[ asemenea propozi\ii, prima fiind adev[rat[, iar cea de a
doua fals[.
44

De]i exist[ o mare asem[nare cu no\iunea de propozi\ie din


lingvistic[, ele nu se pot confunda. De exemplu: Calculeaz[ soldul contului
Furnizori este o propozi\ie valid[ lingvistic dar nu este valid[ logic.
Propozi\iile logice de genul celor anterior men\ionate sunt propozi\ii
simple.
Pentru efectuarea de ra\ionamente se folosesc @ns[ ]i propozi\ii
compuse. Acestea se construiesc leg`nd @mpreun[ mai multe propozi\ii
elementare cu ajutorul conectorilor logici: ]i, sau, nu.
Propozi\ia compus[ cu ajutorul conectorului ]i poart[ denumirea de
conjunc\ie, iar cea construit[ cu ajutorul conectorului sau se nume]te
disjunc\ie.
Ca ]i propozi\iile simple, propozi\iile compuse pot fi adev[rate sau
false. De exemplu, propozi\iile elementare pot fi notate cu A, B, C. Dac[ A
]i B sunt dou[ propozi\ii elementare, atunci adev[rul propozi\iilor compuse
ob\inute pe baza lor se stabile]te conform urm[toarelor reguli:
(A ]i B) este adev[rat[ dac[ at`t A c`t ]i B sunt adev[rate,
(A sau B) este adev[rat[ dac[ fie A, fie B, fie am`ndou[ sunt
adev[rate,
nu(A) este adev[rat[ dac[ A este fals[.
Adev[rul propozi\iilor compuse depinde numai de adev[rul sau
falsitatea propozi\iilor care le compun, oricare ar fi con\inutul concret al
acestora. De exemplu, spre a ]ti c[ (A ]i B) este adev[rat[, este suficient s[
]tim c[ ambele sunt adev[rate, indiferent de con\inutul lor.
O propozi\ie compus[ se poate forma ]i prin compunerea mai multor
propozi\ii legate @ntre ele prin conectori diferi\i. #n acest caz, ca ]i @n
matematic[, evaluarea se face @ntr-o anumit[ ordine, ]i anume:
nu are prioritate absolut[
]i are prioritate fa\[ de sau.
De exemplu, dac[ A,C sunt false iar B este adev[rat[, atunci
propozi\ia
(A sau B ]i C)
este fals[, deoarece, cu toate c[ (A sau B) este adev[rat[, evaluarea
@ncepe cu (B ]i C) care este fals[.
Ordinea de evaluare @ntr-o propozi\ie poate fi modificat[ cu ajutorul
parantezelor. Al[turi de conectorii logici, propozi\iile mai pot fi legate prin
rela\ii de implica\ie ]i echivalen\[.
45

Implica\ia este de forma: dac[ A atunci B, ceea ce se mai poate


exprima ]i astfel:
A=>B
Echivalen\a este de forma: A dac[ ]i numai dac[ B, ceea ce se mai
poate exprima ]i astfel:
A<=>B
Pentru a vedea @n ce condi\ii este adev[rat[ propozi\ia dac[ A atunci
B s[ lu[m urm[torul exemplu:
A: Se achit[ o factur[ cu un ordin de plat[.
B: Disponibilul @n contul de la banc[ scade.
Exist[ patru cazuri pentru propozi\ia compus[ A=>B:
1.A adev[rat[B adev[rat[
2.A fals[ B adev[rat[
3.A fals[B fals[
4.A adev[rat[B fals[
Dac[ at`t A c`t ]i B sunt adev[rate (cazul 1) evident propozi\ia
anterior compus[ este adev[rat[.
Dar disponibilul la banc[ poate s[ scad[ sau s[ r[m`n[ neschimbat
chiar dac[ nu se achit[ o factur[. Prin urmare implica\ia este adev[rat[ ]i @n
cazurile 2 ]i 3.
Dac[ @ns[ se achit[ o factur[ cu un ordin de plat[ ]i disponibilul la
banc[ nu scade, deci A este adev[rat[ iar B fals[ (cazul 4), atunci
implica\ia este fals[.
Echivalen\a poate fi exprimat[ ]i ca un rezultat combinat al
implica\iilor:
dac[ A atunci B
dac[ B atunci A
Tabelul 4.1 - Valori ale propozi\iilor compuse cu diferi\i conectori
Propazi\ii
Conectori
A
B
nu A
A ]i B
A sau B
A=>B
A<=>B
a
a
f
a
a
a
a
a
f
f
f
a
f
f
f
a
a
f
a
a
f
f
f
a
f
f
a
a
46

O expresie care reprezint[ o propozi\ie elementar[ sau compus[ este


numit[ formul[ de calcul propoz\ional (FCP) ]i poate fi definit[ astfel:
O propozi\ie elementar[ este o formul[.
Dac[ A este o formul[ atunci nu(A) este ]i ea o formul[.
Dac[ A ]i B sunt formule, atunci expresile urm[toare sunt de
asemenea formule:
(A ]i B)
(A sau B)
(dac[ A atunci B)
Toate formulele admisibile @n logica propozi\iilor pot fi generate
aplic`nd primele trei reguli ale acestei defini\ii.
#n logica formal[, calea ce mai important[ de a deduce noi
propozi\ii o reprezint[ silogismele. Un silogism utilizeaz[ implica\ia pentru
a deduce o concluzie. Astfel: dac[ A adev[rat[ ]i Dac[ A atunci B este
adev[rat[, atunci B este de asemenea adev[rat[ (modus ponens).
Acest tip de silogism se aplic[ @n sistemele expert, @ntr-o variant[
mai restrictiv[, sub forma regulilor de produc\ie.
Logica propozi\iilor ofer[ ]i o serie de rela\ii de echivalen\[ utile
pentru a transforma propozi\iile @n scopul evalu[rii lor facile. Cele mai
folosite rela\ii de acest tip sunt prezentate @n continuare.
Modus tolens:
dac[ A atuci B = nu(A) sau (B)
Simetria
A sau B = B sau A
A ]i B = B ]i A
Asociativitatea
(A sau B) sau C = A sau (B sau C)
(A ]i B) ]i C = A ]i (B ]i C)
Distributivitatea
A sau (B ]i C) = (A sau B) ]i (A sau C)
A ]i (B sau C) = (A ]i B) sau (A ]i C)
Reversibilitatea
nu(nu(A)) = A
Legile lui Morgan
nu(A sau B) = nu(A) ]i nu(B)
nu(A ]i B) = nu(A) sau nu(B)
47

4.2.2. REGULI DE PRODUC|IE


Regulile de produc\ie reprezint[ una dein primele modalit[\i utilizate
@n realizarea sistemelor expert. Ele sunt utilizate de sistemele expert
cunoscute sub numele de sisteme de produc\ii.
#n mod riguros, termenul de reguli de produc\ie desemneaz[ acea
modalitate de reprezentare bazat[ pe logica propozi\iilor, @n care at`t
faptele c`t ]i regulile pot con\ine numai entit[\i invariabile (constante).
Datorit[ limit[rilor inerente unei asemenea solu\ii, s-a trecut la o alt[
modalitate de reprezentare, bazat[ pe logica predicatelor, @n care faptele ]i
regulile pot include entit[\i variabile, ceea ce le confer[ un grad mai mare
de generalitate. Aceast[ metod[ de reprezentare este denumit[, prin
extensie de limbaj, reguli de produc\ie cu variabile.
Reprezentarea cuno]tin\elor prin regulile de produc\ie se face prin
dou[ tipuri de structuri: fapte ]i reguli.
Faptele constituie aser\iuni privitoare la un anumit aspect al realit[\ii.
Ele formeaz[ componentele elememtare ale cunoa]terii (a]a cum este ea
reprezentat[ @n baza de cun[]tin\e). De exeplu:
Nivelul investi\iilor este ridicat.
Mediul social este bun.
Riscul global este mediu
sau
Rata infla\iei = ridicat[
Stocurile de materiale cresc.
Ansamblul faptelor stocate @n sistem formeaz[ baza de fapte.
Spre deosebire de sistemele informatice tradi\ionale, un sistem expert
construie]te solu\ia unei probleme printr-o @nl[n\uire de ra\ionamente. Dar
faptele singure nu permit deducerea de noi cuno]tin\e. Din aceast[ cauz[,
se utilizeaz[, pentru a specifica leg[turile dintre fapte ]i a putea face
deduc\ii, regulile.
Forma general[ a unei reguli este:
Dac[
<premise>
atunci
<concluzie>
unde at`t premisele c`t ]i concluziile sunt fapte.
48

O regul[ se poate interpreta @n felul urm[tor: dac[ premisele sale sunt


adev[rate, adic[ dac[ faptele care o compun sunt confirmate de baza de
fapte, atunci ]i faptul sau faptele cuprinse @n concluzie sunt adev[rate.
Acest mod de ra\ionament are @n logic[ urm[toarea formulare: dac[
propozi\ia A (simpl[ sau compus[) implic[ B (A=>B) ]i A este adev[rat[,
atunci B este, la r`ndul ei, adev[rat[. De exemplu:
R1.Dac[ rata infla\iei este ridicat[
atunci pre\ul produselor cre]te.
unde rata infla\iei este ridicat[ constituie premisa, iar pre\ul
produselor cre]te concluzia.
Presupun`nd c[ baza de fapte con\ine urm[toarele fapte:
Rata infla\iei este ridicat[
Cifra de afaceri scade
Stocurile de materiale cresc
Mediul social se degradeaz[
atunci premisa reguli anterioare este confirmat[ de cel de al doilea fapt,
ceea ce autorizeaz[ deducerea faptului nou: pre\ul produselor cre]te.
Dac[
rata infla\iei este ridicat[
atunci
pre\ul produselor cre]te

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

Figura 4.2 - Deducerea de noi fapte cu ajutorul regulilor


Premisele unei reguli pot fi formate ]i din mai multe fapte diferite
legate prin conectorii logici ]i, sau nu. Iat[, spre exemplu dou[ reguli care
ar putea servi pentru a evalua calitatea activit[\ii de gestionare a stocurilor:
49

R2.Dac[ stocurile de materilae cresc


]i cifra de afaceri cre]te
atunci evolu\ia stocurilor este normal[.
R3.Dac[ stocurile de materilae cresc
]i cifra de afaceri scade
atunci evolu\ia stocurilor este nesatisf[c[toare.
Raport`ndu-ne la baza de fapte prezentat[ anterior, se constat[ c[
premisele regulii R2 nu sunt confirmate dec`t par\ial ]i @n consecin\[ nici
concluzia ei nu poat fi stabilit[. #n schimb, sunt confirmate premisele reguli
R3 ceea ce permite s[ se deduc[ faptul nou evolu\ia stocurilor este
necorespunz[toare.
Faptele deduse prin aplicarea unor reguli se adaug[ la baza de fapte
]i pot declan]a alte reguli. S[ consider[m, pentru exemplificare, dou[ reguli
destinate s[ evalueze riscul uni proiect de investi\ii @n str[in[tate:
R4.Dac[ climatul social este bun
]i cadrul juridic este stabil
atunci cadrul general este acceptabil
R5.Dac[ riscul de fezabilitate este important
]i cardul general este acceptabil
atunci riscul global al proiectului este ridicat
#n contextul prezentat @n figura 4.3, pe baza acestor reguli sistemul
va formula concluzia riscul global al proiectului este ridicat.
Regulile sunt @nscrise @n baza de reguli. Ordinea @n care acestea sunt
introduse ]i stocate @n sistem este nesemnificativ[.
Regulile @magazineaz[, @ntr-un anume sens, cuno]tin\e cu
aplicabilitate relativ general[. Un sistem expert este folosit @ns[ pentru a
oferii solu\ii la probleme concrete, particulare. Rolul de a descrie problema
de rezolvat revine faptelor. Cum regulile sunt activate pe baza faptelor
cunoscute, calitatea procesului de ra\ionament este nemijlocit influen\at[ de
m[sura @n care sunt disponibile toate faptele relevante. Rezult[ c[ una
dintre cerin\ele esen\iale la care trebuie s[ r[spund[ baza de fapte este de a
50

reflecta c`t mai fidel realitatea ]i de a re\ine, cu promptitudine, modific[rile


intervenite @n aceasta.
#n func\ie de domeniul concret @n care se utilizeaz[ ]i de condi\iile de
exploatare, faptele pot fi introduse @ntr-un sistem expert prin una din
urm[toarele c[i:
- prin tastare de la terminal, @naintea declan][rii procesului
deductiv;
- @n cursul procesului deductiv:
- prin chestionarea utilizatorului, ]i @n acest caz @ntreb[rile
puse de sistemul expert urneaz[ fidel traseul dat de suita de
inferen\e;
- prin deducerea de c[tre sistem, pe baza faptelor existente ]i a
ra\ionamentelor, a altor fapte noi;
- prin consultarea unor baze de date proprii sau apar\in`nd altor
aplica\ii informatice;
- prin preluarea direct[ cu ajutorul unor mijloace tehnice specifice
(diver]i senzori, de exemplu).
Dac[ climatul social este bun
]i cadrul juridic este stabil
atunci
cadrul general este acceptabil

Dac[ riscul de fezabilitate este


important
]i
cadrul
general
este
acceptabil
atunci
riscul global al proiectului
este ridicat

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

Figura 4.3 - Participarea faptelor nou deduse la continuarea


procesului deductiv
De remarcat c[ nu toate faptele sunt la fel de satbile, Unele dintre ele
pot reflecta concepte mai generale, tr[s[turi sau configura\ii structurale
definitorii ]i r[m`n din acest[ cauz[ neschimbate sau sufer[ foarte rar
modific[ri.
51

Faptele care descriu fondul general, comun de cuno]tin\e aferente


domeniului de expertizat sunt denumite fapte permanente. De exemplu @ntrun sistem expert de analiz[ financiar[ pe baz[ de bilan\, faptele ce descriu
caracteristicile fiec[rui post bilan\ier (de activ, de pasiv sau bifunc\ional)
sunt fapte permanente ce r[m`n neschimbate ]i particip[ la rezovarea
oric[rei probleme de acest gen.
Prin contrast, faptele ce definesc problema de rezolvat ]i contextul
specific al acesteia au caracter temporar fiind p[strate @n sistem numai p`n[
la terminarea trat[rii acesteia, fie c[ s-a ob\inut o solu\ie, fie c[ s-a ajuns
@ntr-o situa\ie de e]ec. De exemplu, @n sistemul anterior presupus, fapte
precum: profitul este acceptabil, cifra de afaceri a sc[zut etc.
Tot fapte teporare sunt ]i cele deduse @n cursul proceselor de
ra\ionament prin activarea regulilor specifice, ele constituind cuno]tin\e
aferente contextului specific @n care evolueaz[ problema de rezolvat.
4.2.3. ELEMENTE DE LOGICA PREDICATELOR
Logica predicatelor aprofundeaz[ studiul propozi\iilor, prin
descompunerea propozi\iilor elementare @n p[r\ile lor constitutive ]i
introducerea elementelor variabile pentru reprezentarea cuno]tin\elor.
De exemplu, dac[ @n propozi\ia 401 este cont se elimin[ 401 se
ajunge la formularea ...ese cont @n care prin completarea spa\iului liber cu
diverse valori se ob\in o multitudune de propozi\ii adev[rate sau false.
Expresiile de acest tip cu un singur element liber sunt denumite
propriet[\i sau predicate.
Expresiile cu dou[ sau mai multe elemente libere sunt denumite @n
logic[ rela\ii. Rela\iile pot fi concepute ca ]i predicate.
Dac[ @n pozi\ia elementului liber se introduce o variabil[, atunci @n
func\ie de valorile catre i se atribuie acesteia, se pot ob\ine propozi\ii care
s[ fie @ntotdeauna adev[rate, uneori adev[rate ]i alteori false sau
@ntotdeauna false.
Tratarea unor asemenea expresii impune ca, al[turi de modalit[\ile
de conectare a propozi\iilor deja precizate (nu, sau, ]i, implica\ie logic[,
echivalen\[) s[ se ia @n considerare ]i cuantificatorii: universal (pentru orice
valori) ]i existen\ial (exist[ cel pu\in o valoare).
52

#n acest context, reprezentarea cuno]tin\elor se poate face @n dou[


moduri:
- pe baza logicii predicatelor de ordinul unu, @n care utilizarea
variabilelor @n formularea faptelor ]i regulilor este autorizat[
numai pentru subiecte;
- pe baza logicii predicatelor de ordinul doi, @n care utilizarea
variabilelor este permis[ at`t pentru subiecte c`t ]i pentru
predicate.
Pentru a exemplifica aceast[ modalitate de reprezentare, vom
considera urm[toarele fapte:
X vorbe]te cu Y
X este c[s[torit cu Y
Acestea pot fi @nlocuite cu o expresie de forma:
XRY
@n care predicatele vorbe]te cu ]i este c[s[torit cu sunt reprezentate
prin variabila R care se poate substitui oric[ruia dintre ele.
Dac[ R este simetric
]i X R Y
atunci Y R X
este un exemplu de regul[ @n care at`t predicatul c`t ]i subiectele
sunt reprezentate prin variabile ]i care genereaz[ propozi\ii ce sunt
@ntotdeauna adev[rate.
4.2.4. REGULI DE PRODUC|IE CU VARIABILE
#n forma expus[ anterior, faptele ]i regulile ofer[ o reprezentare
particular[ a cuno]tin\elor, suficient[ @n multe cazuri pentru realizarea de
sisteme expert. Desori este @ns[ necesar[ formularea unor reguli care s[ se
poat[ aplica nu numai asupra unui fapt ci asupra unui grup de fapte. Cu c`t
regulile au o form[ mai general[ de exprimare, cu at`t ele pot acoperi un
ansamblu mai mare de situa\ii concrete. Cre]terea gradului de generalitate
se ob\ine prin utilizarea de variabile @n formularea regulilor. S[
consider[m, spre exemplu, urm[toarele reguli:
R11. Dac[ Ionescu lucreaz[ la biroul financiar
]i Popescu conduce biroul financiar
53

atunci Popescu este ]eful lui Ionescu


R12. Dac[ Vasilescu lucreaz[ la biroul financiar
]i Popescu conduce biroul financiar
atunci Popescu este ]eful lui Vasilescu
Reformul`nd aceste reguli astfel @nc`t @n locul persoanelor ]i al
locurilor lor de munc[ s[ apar[ variabile, se ob\ine o singur[ regul[ a c[rei
aplicabilitate se extinde la toate persoanele, indiferent de compartimetul @n
care lucreaz[ (fig. 4.4):
R13. Dac[ Persoana_1 lucreaz[ la Loc_munc[
]i Persoana_2 conduce Loc_munc[
atunci Persoana_2 este ]eful lui Persoana_1

Dac[ Vasilescu lucreaz[ la biroul financiar


]i Popescu conduce biroul financiar
atunci Popescu este ]eful lui Ionescu
Dac[ Ionescu lucreaz[ la biroul financiar
]i Popescu conduce biroul financiar
atunci Popescu este ]eful lui Ionescu
Dac[ Persoana_1 lucreaz[ la Loc_munc[

]i Persoana_2 conduce Loc_munc[


atunci Persoana_2 este }eful lui Persona_1
Figura 4.4. - Generalizarea regulilor cu ajutorul variabilelor
Consider`nd un grup de asemenea expresii ]i un ansamblu de
elemente care formeaz[ un domeniu de interpretare, fiecare expresie @n
care variabilele au fost substituite cu valori apar\in`nd domeniului de
interpretarea devine o propozi\ie care poate fi evaluat[ la adev[rat sau
fals. Variabilele care apar @ntr-o regul[ sau @intr-un fapt ini\ial sunt
considerate implicit universal cuantificate, iar variabilele care apar @n
faptele de stabilit (obiectiv sau scop) sunt considerate implicit existen\ial
54

cuantificate. Aceasta @nseamn[ c[ pentru fiecare variabil[, faptele de


stabilit nu trebuie deduse pentru toate elementele din domeniul de
interpretare, ci pentru cel pu\in unul dintre ele. S[ consider[m, pentru
exemplificare, c[ domeniul de interpretare este format din persoanele
Matei, Ion, Vlad ]i Mircea ]i c[ baza de cuno]tin\e este format[ din
urm[toarele fapte ]i reguli:
Matei este tat[l lui Ion.
Ion este tat[l lui Vlad.
Ion este tat[l lui Mircea
Dac[ Y este tat[l lui Z
]i Z este tat[l lui X
atunci Y este bunicul lui X.
Regula se poate interpreta, din punct de vedere al inferen\ei logice, @n
felul urm[tor:
pentru orice X,Y,Z
pentru a stabili Y este bunicul lui X
stabile]te Y este tat[l lui Z
stabile]te Z este tat[l lui X.
S[ consider[m c[ se cere s[ se stabileasc[ dac[ Matei este bunic.
Aceasta revine la a rezolva o expresie de tipul
Matei este bunicul lui X.
ce poate fi interpretat[ @n maniera urm[toare exist[ cel pu\in un
element din domeniul de interpretare care s[-i poat[ fi substituit lui X
astfel @nc`t faptul liber de variabile astfel ob\inut s[ poat[ fi dedus? La
aceast[ @ntrebare @n exemplul nostru sunt posibile dou[ r[spunsuri:
- se substituie X cu Vlad ]i se aplic[ regula 4 @mpreun[ cu faptele
1 ]i 2 X=Vlad; Z=Ion;
- se substituie X cu Mircea ]i se aplic[ regula 4 @mpreun[ cu
faptele X=Mircea; Z=Ion.
Acest exemplu ilustreaz[ felul @n care rezolvarea problemelor de
deduc\ie implic`nd variabile trece @ntotdeauna prin c[utarea de substitu\ii
adecvate. Una dintre modalit[\ile de identitate a substitu\iilor o reprezint[
unificarea, care apar\ine clasei metodelor de filtraj.
55

S[ adaug[m la regula R13 definit[ anterior, regula:


R14Dac[ Structura_1 subordoneaz[ Structura_2
]i Persona_1 conduce Structura_1
]i Persona_2 conduce Structura_2
atunci Persona_1 este ]eful lui Persona_2
]i urm[toarea baz[ de fapte:
Direc\ia economic[ subordoneaz[ biroul financiar.
Popescu lucreaz[ la biroul financiar.
Ardeleanu conduce direc\ia economic[.
Mateescu lucreaz[ la direc\ia economic[
Ionescu conduce biroul financiar.
Atribuind variabilelor Persoana_1, Persoana_2 ]i Loc_munc[
valorile Popescu, Ionescu ]i biroul financiar, regula R13 devine:
Dac[ Popescu lucreaz[ la biroul financiar
]i Ionescu conduce biroul financiar
atunci Ionescu este ]eful lui Popescu.
Premisele astfel instan\iale sunt verificate de baza de fapte, ceea ce
permite deducerea concluziei Ionescu este ]eful lui Popescu. Acelora]i
variabile li se pot atribui valorile Mateescu, Ardeleanu ]i direc\ia
economic[, ceea ce va permite deducerea, tot prin regula R13, a unei noi
concluzii: Ardeleanu este ]eful lui Mateescu. La r`ndul lor, variabilele
regulii R14 pot fi instan\iate cu valorile direc\ia economic[ (Structura_1),
biroul financiar (Structura_2), Ardeleanu (Persoana_1) ]i Ionescu
(Persoana_2), ceea ce va permite deducerea concluziei Ardeleanu este
]eful lui Ionescu.
Este de notat faptul c[ fiecare variabil[ opereaz[ @n cadrul strict
limitat al regulii @n care apare. Astfel, de]i at`t regula R13 c`t ]i R14
con\in, spre exemplu, variabila Persoana_1, aceasta nu a avut nici o
influen\[ asupra instan\ierii ]i utiliz[rii lor. Cu alte cuvinte, variabilele
folosite @n formularea regulilor sunt, prin defini\ie, variabile locale.
Dac[ este necesar, se por utiliza @mpreun[ ambele tipuri de reguli de
produc\ie, a]a cum se poate vedea din exemplu urm[tor, destinat s[
56

sugereze modul de @nregistrare @n contabilitate a unor opera\ii privitoare la


furnizori.
R21. Dac[ X este un cont de pasiv
]i X reflect[ Y
]i Y cre]te
atunci X se crediteaz[.
R22. Dac[ X este un cont de pasiv
]i X reflect[ Y
]i Y scade
atunci X se debiteaz[.
R23. Dac[ se cump[r[ materiale de la furnizori
atunci suma total[ datorat[ furnizorilor cre]te.
R24. Dac[ se achit[ facturi ale furnizorilor
atunci suma total[ datorat[ furnizorilor scade.
R24.Dac[ se fac pl[\i prin ordine de plat[
atunci disponibilul @n cont scade
Primele dou[ reguli exprim[ modul func\ionare al conturilor de
pasiv. Prin reguli asem[n[toare, se poate defini ]i func\ionarea conturilor
de activ. Urm[toarele trei reguli descriu efectul opera\iilor de cump[rare de
materiale de la furnizor ]i de achitare a facturilor acestora.
Presupunem c[ baza de fapte are con\inutul urm[tor:
401 reflect[ suma total[ datorat[ furnizorilor.
512 reflect[ disponibilul @n cont curent la b[nci.
401 este cont de pasiv.
512 este cont de activ.
Se achit[ facturi ale furnizorilor.
Se va deduce:
57

Suma datorat[ furnizorilor scade.


401 se debiteaz[.
4.2.5. REGULI DEDUCTIVE }I INDUCTIVE
Regulile de produc\ie se formeaz[ conect`nd @mpreun[ dou[ sau mai
multe fapte prin implica\ie logic[. Din aceast[ perspectiv[, structura
abstract[ a unei reguli este:
Dac[ faptul_1 (este adev[rat)
]i faptul_2 (este adev[rat)
...
]i faptul_m (este adev[rat)
atunci
faptul_n (este adev[rat)
]i se poate interpreta astfel: faptele 1,2,3,...,m adev[rate implic[ ]i
faptul n adev[rat. Implica\ia logic[, ce @n acest caz @mbrac[ forma: dac[ P
atunci Q (P Q) poate fi exprimat[ ]i @ntr-o alt[ modalitate, echivalent[:
Q dac[ P. Prin aplicarea ei, se ob\in reguli a c[ror structur[ este:
faptul_n (este adev[rat)
dac[ faptul_1 (este adev[rat)
]i faptul_2 (este adev[rat)
...
]i faptul_m (este adev[rat)
Dac[ din punct de vedere logic aceste dou[ formul[ri sunt
echivalente, ele sugereaz[ moduri diferite de utilizare @ntr-un sistem
expert. Astfel, @n primul caz, din faptele 1,2,...,m adev[rate, sistemul poate
deduce c[ ]i faptul n este adev[rat. Lu`nd @n considerare acest nou fapt,
procesul poate fi reluat, p`n[ la atingerea unei st[ri finale @n care nici o
nou[ deduc\ie nu mai este posibil[. #n consecin\[, regulile de forma:
Dac[ premise
atunci concluzie
58

constituie reguli deductive.


#n cel de-al doilea caz, procesul are ca punct de pornire concluzia
pentru a stabili faptul_n, care devine scopul procesului, trebuie stabilite
faptele 1,2,...,m . Fiecare dintre acestea devine un nou scop pentru a c[rui
stabilire se vor declan]a noi procese similare, p`n[ la confirmarea sau
infirmarea lor ]i deci, ]i a scopului ini\ial. Dac[, @n cazul anterior, procesul
const[ dintr-o secven\[ de deduc\ii succesive de informa\ii, @n acest caz el
este centrat pe stabilirea (sau pe confirmarea) unui scop. #n concluzie,
regulile de forma:
concluzie
dac[
premise
constituie reguli inductive. Spre exemplu:
Dac[ Persoana_1 lucreaz[ la Loc_munc[
]i Persoana_2 conduce Loc_munc[
atunci Persoana_2 este ]eful lui Persoana_1.
constituie o regul[ deductiv[. Forma ei inductiv[ este:
Persoana_2 este ]eful lui Persoana_1.
Dac[ Persoana_1 lucreaz[ la Loc_munc[
]i Persoana_2 conduce Loc_munc[.
4.2.6. METAREGULI
Toate regulile prezentate p`n[ @n prezent specificau maniera @n care
pot fi utilizate anumite fapte pentru a deduce sau pentru a stabili alte fapte.
Dar regulile pot servi ]i pentru a dirija ]i controla modul @n care se
utilizeaz[ alte reguli. Spre exemplu, @ntr-un sistem expert pentru analiz[
financiar[, se poate defini o regul[ de forma:
Dac[ soldul contului Furnizori cre]te
]ivolumul cump[r[torilor cre]te
]iexist[ reguli ale c[ror premise men\ioneaz[
59

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

Dac[ @ncas[rile probabile sunt mediocre


]i nivelul investi\iilor este ridicat
atunci rentabilitatea fondurilor proprii este sc[zut[.
Solu\iile de acest tip sunt @ns[ inacceptabile sau insuficiente @n multe
cazuri, ceea ce a f[cut s[ se caute ]i alte modalit[\i de reprezentare ]i tratare
a incertitudinii. Una dintre tehnicile cele mai folosite @n acest domeniu
const[ @n a atribui elementelor din baza de cuno]tin\e - fapte sau reguli - un
coeficient destinat s[ exprime gradul de siguran\[ al acestora, denumit
coeficient de certitudine (QC). Acest coeficient poate lua valori cuprinse
@ntre 0 ]i 100. Zero corespunde valorii fals, iar 100 corespunde valorii
adev[rat din logica binar[. Dac[, spre exemplu QC al uni fapt este 60,
@nseamn[ c[ faptul respectiv este cert @n propor\ie de 60%. Coeficien\ii de
certitudine nu sunt probabilit[\i nici din punct de vedere conceptual ]i nici
matematic ]i, @n consecin\[, gradul de certitudine al tuturor elementelor
@ntr-un context dat nu trebuie s[ dea o sum[ egal[ cu 100.
Tratarea incertitudinii presupune, @n aceste condi\ii, at`t evaluarea
gradului de incertitudine al factorilor de baz[ c`t ]i combinarea valorilor
QC pentru evaluarea gradului de incertitudine a faptelor compuse ]i a celor
deduse prin aplicarea regulilor.
Coeficien\ii de certitudine ai faptelor compuse se determin[, @n
func\ie de tipul conectorilor logici, pe baza rela\iilor urm[toare:
QC(A ]i B)= minim (QC(A), QC(B))
QC(A sau B) = maxim (QC(A), QC(B))
QC(nu A)= 100 - QC(A)
unde QC(A) ]i QC(B) desemneaz[ QC ai faptelor A ]i B.
Spre exemplu, dac[ QC(Rata infla\iei este ridicat[) =80 ]i QC
(Cererea de credite cre]te) =60, atunci:
QC(Rata infla\iei este ridicat[ }I Cererea de credite cre]te) = 60
QC(Rata infla\iei este ridicat[ SAU Cererea de credite cre]te) = 80
QC( NU Rata infla\iei este ridicat[) =20.

61

Regulile pot avea la r`ndul lor coeficien\i de certitudine, care


exprim[ c`t de cert[ este concluzia dedus[ pe baza premiselor lor. Spre
exemplu, @n regula urm[toare:
R31. QC=75
Dac[ rata infla\iei este ridicat[
]i cererea de credite cre]te
atunci rata dob`nzii cre]te
gradul de certitudine al concluziei rata dob`nzii cre]te deduse din
cele dou[ premise este de 75%.
Presupun`nd cazul general:
R. QC= c
Dac[ premise
atunci concluzie
]i av`nd @n vedere c[ ]i premisele pot avea la r`ndul lor QC,
coeficientul de certitudine al concluziei este stabilit cu rela\ia:
QC(concluzie) = QC(premise) x c/100.
Pentru exemplul anterior, valorile corespunz[toare sunt:
QC(Rata dob`nzii cre]te)= QC (Rata infla\iei este ridicat[
}I Cererea de credite cre]te)x75/100=60 x75/100 =45.
Exist[ situa\ii @n care aceea]i concluzie poate fi dedus[ din mai multe
reguli diferite. Pentru a ob\ine QC a unei asemenea concluzii, este necesar
s[ se combine coeficien\ii returna\i de fiecare regul[ care o cuprinde.
Presupun`nd c[ QC(R1) ]i QC(R2) reprezint[ coeficen\ii aceleia]i
concluzii R1 ]i R2, atunci coeficientul s[u combinat de certitudine se ob\ine
cu rela\ia:
QC(R1, R2)=QC(R1)+QC(R2)-(QC(R1)x QC(R2)/100)
S[ consider[m, pentru exemplificare, urm[toarele reguli, care au
rolul de a ghida o societate @n plasarea disponibilit[\ilor sale de trezorerie:
R41. QC=60
Dac[ X apar\ine ramurii Y
]i ramura Y tinde s[ creasc[
atunci cump[r[ ac\iuni emise de X.
62

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

Coeficien\ii de certitudine atribui\i regulilor ]i faptelor influen\eaz[


considerabil rezultatele, a]a cum s-a putut constata ]i din exemplul anterior.
Din aceast[ cauz[, este deosebit de important ca ei s[ fie corect evalua\i @n
practic[, ceea ce nu este @ntotdeauna simplu sau evident.
Chiar dac[ expertul uman recurge la aprecieri de tipul mai bun sau
mai sigur @n selec\ia ]i formularea concluziilor sale, aceste aprecieri nu
primesc, de regul[, o expresie numeric[. De asemenea @n unele domenii de
activitate, @ns[]i ideea de a exprima gradul de certitudine prin coeficien\i
poate p[rea total inadecvat[. Pentru a ajuta expertul s[ dep[]easc[
asemenea dificult[\i, au fost propuse mai multe tehnici de definire indirect[
a coeficien\ilor de certitudine.
Una dintre acestea const[ @n fixarea gradului de certitudine a unei
cuno]tin\e prin plasarea sa grafic[ pe o scal[ ale c[rei extremit[\i
corespund incertitudinii ]i, respectiv, certitudinii totale. Pe baza acestei
propozi\ii, se calculeaz[ cu u]urin\[ QC corespunz[tor (figura 4.5)
pre\ul ac\iunilor va cre]te
0
Absolut nesigur

100
Absolut sigur

Figura 4.5 - Scala grafic[ de stabilire a QC


O alt[ tehnic[ frecvent folosit[ const[ @n a-i cere expertului s[ dispun
faptele ]i regulile @n ordinea descresc[toare a gradului de @ncredere pe carel prezint[. Pozi\ia ocupat[ @ntr-o asemenea enumerare poate fi evaluat[
numeric sub forma de QC.

64

4.3. REPREZENT{RI SUCCESORALE


4.3.1. NO|IUNI GENERALE PRIVIND PARTAJAREA
PROPRIET{|ILOR
Formalismele succesorale se bazeaz[ pe ideea c[ ceea ce este
adev[rat pentru un concept, este adev[rat ]i pentru conceptele derivate din
el. #n aceast[ perspectiv[, cuno]tin\ele pot fi organizate @n ierarhii compuse
din mai multe niveluri, @ncep`nd cu cele generale ]i termin`nd cu cele
particulare. Elementele aflate pe un anumit nivel con\in numai descrierea
propriet[\ilor care le sunt specifice. Al[turi de acestea, ele mo]tenesc toate
propriet[\ile superioare. S[ consider[m, pentru exemplificare, o societate
comercial[ care vinde aparate electrocasnice ]i @mbr[c[minte. Pentru
aparatele electrocasnice se cunosc: codul, denumirea, pre\ul, TVA (taxa pe
valoarea ad[ugat[), greutatea, durata garan\iei ]i puterea consumat[. Pentru
articolele de @mbr[c[minte se cunosc: codul, denumirea, pre\ul, TVA,
culoarea ]i m[rimea. Aceste informa\ii pot fi structurate ca @n figura 4.6. Se
observ[ c[ electrocasnice ]i @mbr[c[minte devin specializ[ri ale
conceptului mai general de marf[. Ele con\in numai acele propriet[\i care
le sunt specifice ]i care le individualizeaz[: greutate, durata garan\iei ]i
puterea consumat[ pentru electrocasnice ]i, respectiv, culoare ]i m[rime
pentru @mbr[c[minte. #n acela]i timp, el mo]tenesc propriet[\ile care
definesc conceptul de marf[: cod, denumire, pre\ ]i TVA.

65

MARF{

ELECTROCASNICE

Greutate
Durata_garan\ie
Putere_consumat[

Cod
Denumire
Pre\
TVA (Pre\*0.22)

#MBR{C{MINTE

Culoare
M[rime

Figura 4.6 - Structura de partajare a propriet[\ilor.


Rela\ia de succesiune este tranzitiv[. #n consecin\[, dac[ pentru
aparatele electrocasnice se definesc noi specializ[ri, cum ar fi, spre
exemplu, televizoare ]i aspiratoare, acestea vor mo]teni at`t propriet[\ile
specifice conceptului electrocasnice c`t ]i ale conceptului marf[.
Aceast[ modalitate de partajare a propriet[\ilor este deosebit de
eficace: ea impune o ordonare a cuno]tin\elor ]i favorizeaz[ opera\iile de
consultare.
#n cazul @n care pentru un anumit concept exist[ excep\ii fa\[ de
propriet[\ile comune mo]tenite de pe nivele superioare, acestea pot fi
mascate prin redefinire. Revenind la exemplul nostru, TVA se determin[
@nmul\ind pre\ul cu cota general[ de 22 %. Acest calcul, definit la nivelul
conceptului marf[ va fi preluat prin mo]tenite at`t de c[tre electrocasnice
c`t ]i de @mbr[c[minte. S[ presupunem @ns[ c[ pentru aparatele
electrocasnice se g[sesc ]i televizoare destinate exportului, pentru care nu
se calculeaz[ TVA. #n acest caz, rela\ia de calcul mo]tenit[ nu mai este
valabil[: ea trebuie @nlocuit[ cu o alta @n care TVA s[ fie zero. Redefinirea
TVA pentru televizoarele exportate o mascheaz[ pe cea mo]tenit[ pe cale
ierarhic[

66

Un concept aflat pe un anumit nivel poate partaja propriet[\ile mai


multor concepte diferite, aflate pe nivele superioare, situa\ie desemnat[ prin
termenul mo]tenire multipl[. #n figura 4.7 se prezint[ o variant[ a
exemplului anterior, @n care aparatele electrocasnice ]i articolele de
@mbr[c[minte partajeaz[ at`t propriet[\ile conceptului marf[ c`t ]i ale
conceptului transport ]i a specializ[rii transport obiecte fragile ale
acestuia.
Cea mai r[sp`ndit[ modalitate de utilizare a acestui tip de formalism
pentru reprezentarea cuno]tin\elor se bazeaz[ pe teoria prototipurilor.
Aceast[ teorie pleac[ de la unele cercet[ri psihologice, care au ar[tat c[
oamenii au tendin\a de a identifica o familie de obiecte sau entit[\i oarecare
]i de a face ra\ionamente @n leg[tur[ cu aceasta f[c`nd referin\[ la un
singur obiect, tipic pentru familia respectiv[. Un concept care descrie o
categorie de elemente poate fi deci materializat prin unul singur dintre ele,
cel mai cunoscut, numit prototip.
Un prototip grupeaz[ caracteristicile ce apar cel mai frecvent la toate
elementele categoriei ]i con\ine astfel informa\ii generale implicite care pot
fi asumate @n absen\a informa\iilor specifice.
Crearea unui element care partajeaz[ propriet[\ile unui prototip se
realizeaz[ prin specializare sau copiere diferen\ial[. El va poseda, @n
realitate, numai acele informa\ii prin care se diferen\iaz[ de prototip, cele
comune fiind mo]tenite. la r`ndul s[u, un element poate fi prototipul altor
elemente, dac[ acestea sunt definite drept specializ[ri ale sale (figura.4.7).
Partajarea propriet[\ilor prin prototipuri faciliteaz[ considerabil
tratarea unora dintre problemele fundamentale ridicate de reprezentarea
cuno]tin\elor. Astfel, cuno]tin\ele tipice unei anumite clase de elemente
sunt stocate de c[tre prototip ]i sunt mo]tenite ca informa\ii implicite.
Elementele care constituie excep\ii se reprezint[ prin mascarea
propriet[\ilor implicate, f[r[ a perturba ierarhiile deja stabilite.
Adaptarea cuno]tin\elor la schimb[ri se face ]i ea mai u]or. Orice
modificare survenit[ la nivelul unui prototip este repercutat[ automat
asupra tuturor elementelor care depind de el ]i care posed[ dec`t virtual
propriet[\ile partajate cu acesta.
Exist[ mai multe modele de reprezentare a cuno]tin\elor bazate pe
aceast[ clas[ de formalisme, dintre care cele mai uzitate sunt re\elele
semantice, cadrele ]i reprezent[rile orientate obiect.
67

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)

Figura 4.7 - Structura de partajare a propriet[\ilor

4.3.2. RE|ELE SEMANTICE


Re\ele au fost utilizate pentru prima oar[ @n anul 1968 @n scopul
reprezent[rii semnifica\iei cuvintelor din limbajul natural. Cronologic, ele
constituie prima utilizare a unei metode bazate pe transfer succesoral.
O re\ea semantic[ are forma unui ansamblu de noduri ]i arce,
orientate ]i etichetate. Nodurile servesc pentru a reprezenta conceptele (sau
entit[\ile) iar arcele pentru a reprezenta leg[turile care exist[ @ntre aceste
concepte. Spre exemplu, opera\ia ALFA S.A. cump[r[ ac\iuni BETA se
poate reprezenta prin re\eaua semantic[ din figura 4.8. A]a cum se poate
observa, prezen\a leg[turilor de tipul este o sau este un (a-kind-of @n
englez[) permite exprimarea rela\iilor de transfer succesoral prin care, spre
68

exemplu, ac\iunile cump[rate partajeaz[ propriet[\ile conceptelor ac\iune,


titlu de plasament ]i titlu mobiliar, iar BETA propriet[\ile conceptelor
societate pe ac\iuni ]i societate comercial[. #n acest fel, se pot deduce
informa\ii care nu exist[ @n enun\ul ini\ial, cum ar fi, spre exemplu, c[
ac\iunile BETA au o valoare nominal[ ]i un pre\ de achizi\ie.

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

Figura 4.8 - Re\eaua semantic[ pentru


ALFA S.A. cump[r[ ac\iuni BETA.
C[utarea de noi propriet[\i @n ierarhia de concepte este asimilat[ cu o
inferen\[ ]i este numit[ inferen\[ prin mo]tenire.
Pentru a ob\ine un grad mai ridicat de generalitate, se pot introduce
leg[turi structurale care s[ exprime propriet[\ile intrinseci ale conceptelor
asociate nodurilor. #n acest context, se disting leg[turi pentru atribuirea de
propriet[\i generice (ATPG), care leag[ un concept de atributele sale ]i
leg[turi pentru atribuirea de propriet[\i specifice (ATPS), care leag[
reprezentantul unui concept de propriet[\ile sale specifice.
69

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

cuno]tin\e, a f[cut ca @n practic[ s[ se apeleze la combinarea re\elelor


semantice cu regulile de produc\ie.

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\[

Figura 4.10 - Factorii care influen\eaz[ evolu\ia cifrei de afaceri


Spre exemplu, rezultatul net al unei societ[\i poate fi considerat, @ntro manier[ simplificat[, ca o func\ie de trei variabile: cifra de afaceri, costuri
]i impozite. Dependen\ele necesare pentru analiza cifrei de afaceri se pot
reprezenta sub form[ de re\ea, ca @n figura 4.10. Se deduce c[ cifra de
afaceri depinde astfel de pre\ul de v`nzare ]i cantitatea v`ndut[ din fiecare
tip de produs. Pre\ul de v`nzare este influen\at, la r`ndul lui, de concuren\[
]i de costurile de produc\ie unitare, iar concuren\a de gradul de inovare al
produsului ]i de structura pie\ei. Leg[turii existente @ntre gradul de inovare,
structura pie\ei ]i concuren\[ i se ata]eaz[ un pachet de reguli de tipul:
Dac[ gradul de inovare al produsului este redus
]ioferta pe pia\[ este dispersat[
atunci concuren\a este puternic[.

71

Dac[ gradul de inovare al produsului este redus


]ioferta pe pia\[ este oligopol
atunci concuren\a este moderat[.
#n aceast[ form[, partea cea mai important[ a c[ut[rii nu mai
ac\ioneaz[ asupra regulilor ci asupra re\elei (arborelui @n cazul exemplului
nostru), ceea ce accelereaz[ filtrajul ]i permite ob\inerea unor performan\e
foarte bune la exploatare.
Pentru o ultim[ exemplificare a utiliz[rii re\elelor semantice, @n
figura 4.11 se prezint[ schema conceptual[ a rela\iilor dintre elementele
care ar putea conduce la diminuarea ratei profitului, a]a cum este folosit[
@n sistemul expert de analiz[ financiar[ FINEX. Conform acestei scheme,
exist[ trei factori principali care pot determina ]i, deci, explica sc[derea
ratei profitului (exemplul se refer[ la o societate de distribu\ie):
- concuren\a, care poate impune fie reducerea nivelului pre\urilor de
v`nzare, fie acordarea unor condi\ii mai avantajoase de plat[ clien\ilor (spre
exemplu, o perioad[ mai mare de achitare a facturilor) ]i care, prin
cheltuielile suplimentare implicate, diminueaz[ rata profitului;
cre]terea pre\urilor practicate de furnizori:
- cre]terea cantit[\ii de produse v`ndute pe pia\a de gros, pentru
care se ob\in inevitabil marje de pre\ mai reduse.
sc[zut

Rata profitului redus[


slab[

Pre\

ridicate

Politica de credit

ridicat[
Concuren\a

ridicata

Pre\urile
furnizorilor

ridicat[
V`nzarea pe pia\a de gros

Figura 4.11 - Factorii care influen\eaz[ sc[derea ratei profitului

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

. . . Figura 4.12 - Structura general[ a uni cadru

73

Cadrele apar\in metodelor cu transfer succesoral. #n consecin\[,


al[turi de func\ia de stocare a cuno]tin\elor, ele asigur[ organizarea
acestora @n ierarhii sau re\ele succesorale prin care are loc partajarea
propriet[\ilor comune. Din punct de vedere structural, un cadru se
compune din: nume; anteceden\i; rubrici (denumite @n englez[ slots).
Numele serve]te pentru identificarea fiec[rui cadru @n baza de
cuno]tin\e ]i trebuie s[ satisfac[, @n consecin\[, cerin\ele de unicitate pe
care le incumb[ aceast[ func\ie.
Anteceden\ii servesc pentru definirea ierarhiilor sau re\elelor de
transfer succesoral ale propriet[\ilor. Cu excep\ia punctului cel mai @nalt al
ierarhiei, orice cadru trebuie s[ aib[ cel pu\in un antecedent.
Rubricile constituie elementele care stocheaz[ propriet[\ile cadrului.
Structura unei rubrici se compune din:
- nume;
- valoarea asociat[;
- predicatele ata]ate (dac[ exist[).
Numele rubricilor servesc pentru identificare. Av`nd caracter local,
ele trebuie s[ fie unice numai @n interiorul cadrului @n care apar. Spre
exemplu, rubrica v`rsta poate fi folosit[ at`t pentru oameni c`t ]i pentru
automobile, f[r[ a risca ambiguit[\i @n utilizare.
Orice rubric[ trebuie s[ aib[ o valoare. Valoarea poate fi vid[ @n
momentul definirii rubricii ]i poate face obiectul opera\iilor uzuale de
atribuire ]i consultare. Pentru o reprezentare c`t mai precis[ a realit[\ii, se
face distinc\ia @ntre valoarea nul[ (sau zero) ]i valoarea nedefinit[. Situa\ia
@n care pentru un cadru s-a declarat o rubric[ f[r[ s[ se fi definit o valoare
pentru ea este identic[ cu a ]ti c[ o entitate trebuie s[ aib[ o proprietate,
pentru c[ aceasta apare la toate elementele de acela]i tip, f[r[ a cunoa]te
@ns[ care este con\inutul s[ exact. Spre exemplu, orice persoan[ trebuie s[
aib[ o dat[ a na]terii, chiar dac[ nu se ]tie care este aceasta.
De]i un cadru este caracterizat, @n esen\[, prin rubricile sale, este
permis[ existen\a de cadre f[r[ rubrici. #n felul acesta se poate asigura
flexibilitatea necesar[ @n reprezentarea unor concepte abstracte.
Datorit[ caracterului local, definirea unei rubrici se face obligatoriu
prin calificarea ei cu numele cadrului c[ruia @i apar\ine, @n forma general[:
(< nume-rubric[> OF <nume-cadru>)

74

Spre exemplu, (Salariul OF Ionescu) face referin\[ la con\inutul


rubricii cu numele Salariul din cadrul cu Ionescu.
O rubric[ poate avea, ca valoare, un alt cadru (mai precis, numele
unui lat cadru). Spre exemplu, pentru un alt client al unei b[nci se poate
defini rubrica Garant, al c[rui con\inut @l constituie numele cadrului
respectiv. Acesta permite s[ se utilizeze formul[ri de tipul:
(Venit OF(Garant OF Ionescu))
prin care se specific[ con\inutul rubricii Venit al cadrului
corespunz[tor persoanei care este garantul lui Ionescu.
Cadru:
Antecedent:
Rubrica:
Rubrica:
Cadru:
Antecedent:
Rubrica:
Rubrica:
Rubrica:

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

Flexibilitatea acestui tip de referin\e poate cre]te considerabil prin


utilizarea de variabile. Folosind simbolul := pentru opera\ia de atribuire de
valori, expresia urm[toare:
X:= (Venit OF (Garant OF Ionescu))
va depune @n variabila X valoarea 3.500.000 care reprezint[ venitul
garantului lui Ionescu. Pentru a modifica venitul aceluia]i cu suma care se
afl[ @n variabila Y, se utilizeaz[ expresia:
(Venit OF (Garant OF Ionescu)):= Y
Cadrele ofer[ o cale de organizare ]i grupare a elementelor disparate
de cunoa]tere @n structuri. Ele se deosebesc de conceptele de structur[ a
@nregistr[rii ]i respectiv @nregistrare, articol a]a cum se folosesc @n
diverse limbaje ]i baze de date prin dou[ facilit[\i fundamentale: transferul
succesoral al propriet[\ilor (mo]tenirea propriet[\ilor) ]i predicatele
asociate.
75

4.3.3.2. TRANSFERUL SUCCESORAL DE PROPRIET{|I #N


REPREZENTAREA BAZAT{ PE CADRE
Cadrele sunt organizate @n ierarhii sau re\ele succesorale, @n care
fiecare element mo]tene]te propriet[\ile elementelor aflate pe nivelul
superior.
Pozi\ionarea unui cadru @n aceast[ ierarhie se realizeaz[ prin
specificarea antecedentului sau anteceden\ilor s[i, denumi\i ]i p[rin\i.
Orice cadru trebuie s[ aib[ cel pu\in un p[rinte. Pentru a face aplicabil[
aceast[ regul[ pentru toate cadrele f[r[ excep\ie, v`rfului ierarhiei (adic[
cel care nu poate avea anteceden\i) i se atribuie o valoare conven\ional[,
notat[ aici prin .
Pentru orice cadru, cu excep\ia celui mai @nalt, se pot defini oric`t de
multe rubrici. #n plus, un cadru mo]tene]te rubricile tuturor anteceden\ilor
(p[rin\ilor) s[i. Prin urmare, o rubric[ poate fi definit[ o singur[ dat[, pe
nivelul adecvat, fiind automat preluat[ de to\i descenden\ii. S[ consider[m
pentru exemplificare cadrele urm[toare:
Cadru:
Antecedent:
Rubrica:
Rubrica:

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

#n acest exemplu cadrele B[rbat ]i Femeie, care mo]tenesc rubricile


sex ]i v`rsta de la antecedentul lor Persoana, sunt definte prin valoarea
atributului sex. Cum ]i cadrul Popescu mo]tene]te aceste atribute prin
antecedentul B[rbat, singura valoare care trebuie specificat[ pentru el este
v`rsta.
Deoarece partajarea rubricilor include ]i con\inutul lor, valorile
atribuite unui cadru aflat pe un anumit nivel devin valori asumate implicit
pentru toate cadrele care-l mo]tenesc. S[ consider[m, spre exemplu, un
cadru referitor la @mprumuturi acordate persoanelor fizice de c[tre o banc[,
pentru care putem avea structura:
Cadru:
Antecedent:
Rubrica:
Rubrica:
Rubrica:
Rubrica:

#mprumut

Suma_@mprumutat[
Rata_dob`nda_anual[
Termen_rambursare
Client

Valoare:
Valoare:
Valoare:
Valoare:

50%

Cadrul privitor la @mprumutul acordat clientului Popescu va mo]teni


ca valoare implicit[ (by default) rata de dob`nd[ anual[ de 50%, care astfel
nu mai trebuie specificat[:
Cadru:
Antecedent:
Rubrica:
Rubrica:
Rubrica:

Credit_C300
#mprumut
Suma_@mprumutat[
Termen_rambursare
Client

Valoare:
Valoare:
Valoare:

200.000
30/11/98
Popescu

Excep\iile de la valorile implicite se pot introduce foarte simplu,


specific`nd valoarea lor particular[. Presupun`nd, spre exemplu, c[ pentru
clientul Ionescu se acord[ @n mod excep\ional un credit cu dob`nda de
35%, cadrul care-i corespunde va avea structura:

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

#n cazul @n care se poate defini o clas[ de clien\i cu credite


preferen\iale - spre exemplu, pentru lucr[torii b[ncii- atunci solu\ia cea mai
eficient[ const[ @n a defini un cadru subordonat cadrului #mprumut care
fixeaz[ valoarea pentru rata dob`nzii (]i alte condi\ii dac[ este cazul),
valoare ce va fi mo]tenit[ de toate celelalte cadre descendente (@n cazul
nostru, de creditul C_379).
Cadru:
Antecedent:
Rubrica:

#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

Al[turi de avantajele deja evocate (organizarea ]i structurarea


cuno]tin\elor, asigurarea valorilor implicite, reprezentarea ]i tratarea
excep\iilor), transferul succesoral creeaz[ premise foarte bune pentru
men\inerea coeren\ei logice @n baza de cuno]tin\e. Astfel, modificarea unei
rubrici pe un anumit nivel se propag[ automat pe toate nivelurile care-i
succed @n arborele sau re\eaua succesoral[, f[r[ a mai fi necesar[ nici o alt[
opera\ie suplimentar[ de aducere la zi.

78

4.3.3.3. UTILIZAREA PREDICATELOR


REPREZENTAREA BAZAT{ PE CADRE

ASOCIATE

#N

Fiec[rei rubrici i se pot ata]a proceduri care s[ controleze opera\iile


ce afecteaz[ con\inutul lor, denumite predicate. Exist[ dou[ tipuri de
predicate:
- de atribuire (if-added @n englez[);
- de consultare (if-needed @n englez[).
Predicatele sunt activate automat @naintea opera\iilor c[rora le
corespund ]i pot autoriza sau interzice execu\ia acestora.
Dac[ o rubric[ are un predicat de atribuire, atunci orice opera\ie de
modificare a con\inutului s[u va fi executat[ numai dac[ predicatul poate fi
verificat. Aceast[ categorie de predicate serve]te, @n general, pentru
validarea datelor. Spre exemplu, @n cadrul ce reprezint[ o persoan[ fizic[
solicitant[ a unui @mprumut, rubricii rambursare-lunar[ i se poate ata]a un
predicat care s[ verifice c[ acesta nu este mai mare dec`t 1/3 din venitul
lunar al membrilor de familie; @n mod similar, se poate ata]a un predicat de
atribuire rubricii reprezent`nd @mprumutul total acordat, care s[ verifice c[
acesta este acoperit @n propor\ie de 120% de garan\ia oferit[ etc. Predicatele
de atribuire mai pot fi utilizate pentru a controla ]i restric\iona drepturile de
modificare ale informa\iilor, folosind, spre exemplu, un sistem de parole.
Predicatele de consultare ac\ioneaz[ similar celor de atribuire: orice
opera\ie de citire a con\inutului unei rubrici va fi executat[ numai dup[ ce
predicatul de consultare ata]at (dac[ exist[) a fost verificat. Aceast[
categorie de predicate permite, spre exemplu, deducerea de informa\ii care
nu exist[ ca atare @n baza de cuno]tin\e. De asemenea, ele pot servi pentru
calcularea unor date pe baza celor existente, cum ar fi, spre exemplu, v`rsta
unei persoane c[reia i se cunoa]te data na]terii sau dob`nda total[ pentru
un anumit @mprumut, cunosc`nd suma total[ @mprumutat[, rata dob`nzii ]i
termenul de rambursare. Predicatele de consultare pot controla, de
asemenea, drepturile de acces.
Predicatele sunt mo]tenite de to\i descenden\ii cadrului @n care au
fost definite odat[ cu atributele la care au fost ata]ate ]i cu valorile
acestora.
Excep\iile se reprezint[ @n aceea]i m[sur[ cu cea aferent[ atributului.
Astfel, dac[ pe un anumit nivel, predicatele ata]ate uni atribut trebuie s[
79

asigure un tratament diferit de cel asumat de predicatele mo]tenite, atunci


ele vor fi redefinite, iar aceast[ defini]ie particular[ va masca defini\ia
preluat[ de la anteceden\i.
Predicatele asociate permit trecerea de la o structur[ pasiv[ la o
structur[ activ[ a datelor. Prin ele, datele devin capabile s[ declan]eze
automat prelucr[ri specifice, la orice opera\ie de consultare sau actualizare.
At`t predicatele de atribuire c`t ]i cele de consultare pot avea forma
regulilor de produc\ie.
Prin conectarea cadrelor cu un ansamblu de reguli de produc\ie se
ob\ine un sistem integrat de reprezentare ]i inferen\[. #n acest caz,
predicatele asociate pot invoca reguli de produc\ie, iar regulile la r`ndul lor
pot face referin\[ la faptele stocate de cadre.
Prin toate aceste avantaje, cadrele ofer[ o cale deosebit de
promi\[toare pentru realizarea de baze de date inteligente ]i se bucur[, din
acest motiv, de o larg[ audien\[ @n teoria ]i practica sistemelor expert.
4.4. ALTE METODE DE REPREZENTARE A CUNO}TIN|ELOR
4.4.1. REPREZENTAREA ORIENTAT{ PE OBIECTE
Metoda de reprezentare a cuno]tin\elor bazat[ pe obiecte este o
alternativ[ apropiat[ de alte metode de reprezentare precum re\elele
semantice ]i cadrele.
#n aceast[ metod[, cuno]tin\ele sunt v[zute ca mul\imi de obiecte,
fiecare dintre acestea fiind capabile s[ aib[ anumite semnifica\ii. Fiecare
obiect este situat @ntr-o re\ea sau ierarhie ]i poate accesa propriet[\ile ]i
informa\iile de la obiectele de pe nivelurile superioare.
O tr[s[tur[ a acestor obiecte este c[ propriet[\ile unui anumit obiect
sunt relevante @n raport cu situa\ia @n care apare. De exemplu propriet[\ile
unui frigider care se transport[ sunt diferite de propriet[\ile sale privit ca
modalitate de p[strare a alimentelor perisabile. #n primul caz este
important[ greutatea sa, pe c`nd @n al doilea caz este important volumul.
#n paradigma orientat[ pe obiecte, obiectele comunic[ unul cu
cel[lalt prin trasmiterea de mesaje. Un obiect care a primit un mesaj @]i
verific[ baza de date ata]at[ ]i decide ce ac\iune se efectueaz[ @n
continuare.
80

Ac\iunile pot fi realizate prin invocarea unei metode. De asemenea,


orice ac\iune care se dore]te a fi luat[, este ]i ea trecut[ sub forma unui
mesaj.
#n concluzie, instrumentele specifice acestei metode de reprezentare
con\in trei p[r\i importante:
- informa\iile proprii fiec[rui obiect, structurate ini\ial @ntr-un
anumit fel;
- metodele care se pot invoca @n anumite situa\ii, metode ce
reprezint[ proceduri, deci ac\iuni;
- leg[tura dintre obiecte, asem[n[toare leg[turilor dintre noduri @n
re\elele semantice leg[turilor dintre cadre din sistemele bazate pe
cadre.
Pentru a nu se crea confuzii, entit[\ile generice care reprezint[ clase
de obiecte cu propriet[\i comune sunt numite clase, iar obiectele sunt
instan\e particulare ale acestor clase. De exemplu, CONTUL este
denumirea generic[ (clasa) pentru orice cont contabil, iar
401_FURNIZORI este obiectul sau instan\a particular[ pentru contul @n
care se \ine eviden\a furnizorilor.
Se observ[ c[ reprezentarea bazat[ pe obiecte este asem[n[toare cu
cea bazat[ pe cadre. Am`ndou[ modurile de reprezentare sunt organizate @n
iererhii ]i se bazeaz[ pe conceptul de mo]tenire. Cadrele folosesc rubrici cu
proceduri ata]ate, pe c`nd obiectele folosesc metode pentru executarea unor
ac\iuni. Obiectele comunic[ prin mesaje, pe c`nd cadrele pot folosi reguli
pentru efectuarea anumitor calcule.
Ast[zi, sistemele bazate pe cadre ]i sistemele orientate pe obiecte
tind spre o convergen\[ ]i o form[ de integrare, astfel @nc`t este tot mai
dificil[ distinc\ia dintre ele.
4.4.2. RE|ELE NEURONALE
Este cunoscut faptul c[, @ntr-un anumit mod, creierul uman
memoreaz[ informa\ii, dar este mai pu\in cunoscut[ maniera precis[ @n care
se realizeaz[ acest lucru.
Re\elele neuronale reprezint[ o @ncercare de replicare a modului
uman de memorare a informa\iei. Se ]tie faptul c[ memorarea cuno]tin\elor
se face prin neuroni, mai precis prin leg[turile dintre ace]tia.
81

#n creierul uman sunt multe miliarde de neuroni ]i fiecare neuron


este conectat la al\i neuroni rezult`nd astfel o re\ea neuronal[
interconectat[.
La fiecare neuron, impulsul este recep\ionat de dendrite ]i trasmis de
axoni. Dac[ ie]irea unui axon este la un nivel suficient de mare, semnalul
va str[bate jonc\iunea sinoptic[ (intervalul dintre doi neuroni) ]i va
declan]a neuronul sau neuronii conecta\i la el.
Se presupune c[ de fapt cuno]tin\ele pot fi reprezentate prin
m[surarea fiec[rei interconexiuni neuron-neuron, care influen\eaz[ nivelul
de putere al impulsurilor de interconectare.
#ncerc[rile de replicare a re\elei neuronale a creierului au fost p`n[
acum destul de modeste. Au fost de regul[ folosite amplificatoarele
electronice pentru reprezentarea neuronilor, rezisten\ele corespunz`nd
ponderilor interconexiunilor.
Cu toate acestea, re\elele neuronale pot fi folosite pentru realizarea
unor sarcini, cea mai r[sp`ndit[ fiind recunoa]terea formelor. #n particular,
aceste tipuri de sisteme neuronale reprezint[ o propunere robust[ de
rezolvare a problemei generale de recunoa]tere a fomelor.
Metoda de reprezentare a cuno]tin\elor prin re\ele neuronale are un
singur mare dezavantaj: cuno]tin\ele sunt total opace. Din acest motiv, un
domeniu major de interes @n cercetarea re\elelor neuronale @l constituie
dezvoltarea regulilor pentru reprezentarea procesului folosit de re\elele
neuronale.
#ntruc`t re\elele neuronale sunt adesea metode bune pentru
rezolvarea problemelor de clasificare, ele pot fi combinate cu sistemele
expert pentru rezolvarea acestor sarcini. Adic[, re\elele neuronale pot fi
folosite pentru clasificare, ]i baz`ndu-se pe aceaste clasific[ri, sistemul
expert poate fi folosit pentru coordonarea cursului specific al ac\iunilor ce
vor fi efectuate.
Re\elele neuronale se bazeaz[ pe neuroni artificiali interconecta\i @n
anumite structuri care permit dezvoltarea multor tipuri de re\ele. Relativ
simplu de simulat, re\elele neuronale sunt capabile s[ recunoasc[ ceea ce
omul recunoa]te relativ u]or: forme, culori, relief, dimensiuni, sunete etc.
Prima aplica\ie a re\elelor neuronale a fost recunoa]terea
caracterelor, dezvolt`ndu-se sisteme automate de triere a scrisorilor. Pe
baza codului po]tal citit, o scrisoare e triat[ automat @n mai pu\in de o
82

zecime de secund[. Aplica\ii spectaculoase s-au dezvoltat ]i @n domeniul


recunoa]terii ]i sintezei semnalului vocal, @n controlul automat, prognoz[ ]i
controlul calit[\ii.
Re\elele neuronale se clasific[ @n dou[ mari categorii:
- re\ele neuronale f[r[ reac\ie, care pot fi:
cu propagare @napoi
cu contrapropagare
- re\ele neuronale cu reac\ie, care pot fi:
re\ele de tip Hopfield
re\ele de tip memorie asociativ[ bidirec\ional[
Re\elele neuronale cu propagare @napoi au un nivel de intrare, un
nivel de ie]ire ]i eventual unul sau mau multe nivele ascunse. leg[turile
@ntre nodurile re\elelor dintre diferite nivele au anumite valori care se
determin[ prin procesul iterativ de @nv[\are.
Re\elele neuronale cu contrapropagare au antrenarea mai rapid[. O
re\ea de acest tip este format[ din 3 nivele neuronale ]i deci din 2 nivele
sinoptice. Primul nivel prime]te un vector de intrare, iar ponderile
modeleaz[ intrarea astfel @nc`t un singur neuron se activeaz[ la ie]irea
acestui nivel. Nivelul de ie]ire recodific[ ie]irea nivelului anterior,
gener`nd vectorul de ie]ire final.
Re\elele Hopfield presupun o topologie cu un nivel de intrare ]i unul
de ie]ire, iar ie]irile sunt reduse la nodurile de intrare. Dac[ intr[rile sunt
binare, toate ie]irile posibile reprezint[ v`rfurile unui hipercub. Ie]irea
activ[ va trece de la un v`rf la altul p`n[ c`nd ajunge @ntr-o stare stabil[.
Re\elele de tip memorie asociativ[ sunt de fapt heteroasociative,
adic[, dac[ avem un vector la intrare se ob\ine la ie]ire alt vector, asocierea
fiind memorat[ @n sinapse la antrenarea re\elei. Dac[ vectorul de intrare
este perturbat @ntre anumite limite, ie]irea r[m`ne corect[. Re\eaua are sens
bidirec\ional, adic[, la aplicarea la intrare a vectorului ob\inut, la ie]ire se
ob\ine vectorul pereche.
Re\elele neuronale au ca punct principal de inspira\ie sistemul
nervos. Unitatea de organizare a sistemului nervos este neuronul, o celul[
care prezint[ un num[r de dendrite ]i un axon, prin intermediul c[rora se
interconecteaz[ cu al\i neuroni. Dendritele constituie intr[rile @n celula
neuronal[, iar axonul ie]irea. Axonul se ramific[ astfel @nc`t neuronul poate
avea conectat[ ie]irea la mai mul\i neuroni.
83

Totalitatea impulsurilor prezentate la intrarea neuronului @l pot


excita ca acesta s[ genereze un impuls mai departe spre neuronii cu care
este conectat. Leg[turile @ntre neuroni sunt ponderate ]i fiecare neuron
aplic[ o transformare asupra impulsului de la intr[ri @nainte de a-l transmite
mai departe.
O re\ea neuronal[ artificial[ este alc[tuit[ dintr-o mul\ime de noduri
@n care se afl[ neuronii artificiali, elementele de procesare neliniare, care
opereaz[ @n paralel. Prin analogie cu neuronul biologic, un neuron artificial
are un anumit num[r de intr[ri ]i o singur[ ie]ire, care se poate conecta la
intrarea mai multor neuroni. Fiecare intrare are asociat[ o anumit[ pondere
care reprezint[ importan\a pe care o are impulsul, prezent pe linia
respectiv[, la activarea neuronului.
Principalele caracteristici ale re\elelor neuronale se refer[ la:
- capacitatea de a @nv[\a. Re\elele neuronale nu necesit[ programe
complexe, fiind mai degrab[ rezultatul unor antrenamente asupra unui set
de date
- capacitatea de generalizare. Dac[ au fost antrenate corespunz[tor,
re\elele neuronale sunt capabile s[ dea r[sounsuri corecte ]i pentru intr[ri
diferite fa\[ de cele cu care au fost antrenate. Ele generalizeaz[ automat ca
urmare a structurii lor
- capacitatea de sintez[. Re\elele neuronale pot lua decizii sau trage
concluzii c`nd sunt confruntate cu inmforma\ii complexe sau cu zgomote
irelevante sau par\iale.
4.4.3. REPREZENTAREA CUNO}TIN|ELOR #N
BLACKBOARDS (TABLE NEGRE)
Este o interesant[ propunere de reprezentare a cuno]tin\elor, util[
pentru implement[rilr @n sistemele de calcul distribuite sau de tip
multiprocesor. Modelul tablei negre a fost dezvoltat prima oar[ pentru
sistemul HEARSAY-II @n anul 1980, dup[ o idee ap[rut[ @nc[ din 1959.
Aceast[ idee este explicat[ @ntr-un mod intuitiv @n cele ce urmeaz[.
S[ presupunem c[ exist[ un grup de exper\i, fiecare fiind specialist
@ntr-un alt domeniu. O @ncercare de a unifica cuno]tin\ele acestor exper\i
pentru rezolvarea unei probleme se poate face cu ajutorul unui coordonator
84

]i a unei table negre, exper\ii necomunic`nd direct @ntre ei, ci prin


intermediul coordonatorului ]i citind ]i scriind pe tabl[.
Ini\ial pe tabl[ se va scrie enun\ul problemei de rezolvat. Exper\ii
citesc problema ]i @ncep individual lucrul. #n momentul @n care un anumit
expert ajunge la o anumit[ ipotez[, se va scrie acest lucru pe tabl[ ]i ceilal\i
exper\i vor putea s[ vad[ ipoteza. Acest lucru @i va ajuta furniz`ndu-le
astfel solu\ii par\iale, bazate pe cuno]tin\ele ce ies din afara domeniului lor.
Eventual, unul dintre exper\i va rezolva complet problema ini\ial[ ]i va
scrie solu\ia pe tabl[.
#n cazul real al unui sistem expert, fiecare expert participant se va
numi surs[ de cuno]tin\e. O surs[ de cuno]tin\e nu este @n mod necesar un
expert uman, ci o baz[ de cuno]tin\e, creat[ pentru realizarea unei sarcini
specifice.
Tabla neagr[ devine astfel o cale pentru a partaja informa\iile ]i
ipotezele @ntre diversele surse de cuno]tin\e, reprezent`nd de fapt o baz[ de
date comun[ acestora.
Acest model de rezolvare a problemei a fost folosit @n sistemul
HEARSAY-II, pentru a genera o interpretare coerent[ a unor propozi\ii
vorbite, cu cuvinte dintr-un vocabular de 1000 de cuvinte. Sistemul avea
12 surse de cuno]tin\e, fiecare realiz`nd o sarcin[ specific[.
#n general, un model blackboard @ncearc[ s[ rezolve trei probleme
distincte care apar atunci c`nd baza de cuno]tin\e a unui sistem expert
devine prea mare ]i domeniile pe care trebuie s[ le acopere sunt diferite:
- sistemul devine greu de @n\eles, @ntruc`t sunt prea multe reguli, fapte
etc;
- este nevoie s[ fie reprezentate diverse tipuri de cuno]tin\e ]i, @n
consecin\[, sunt folosite diferite modalit[\i de reprezentare a cuno]tin\elor;
- timpul de r[spuns al sistemului @ncepe s[ creasc[ odat[ cu cre]terea
complexit[\ii calculelor.
Aceste probleme sunt rezolvate prin separarea cuno]tin\elor @n surse
de cuno]tin\e modulare care folosesc diferite metode de reprezent[ri ale
cuno]tin\elor ]i diferite metode de inferen\[, care pot s[ fie chiar pe
calculatoare diferite.
O arhitectur[ blackboard trebuie s[ aib[ deci trei componente:
baz[ de date global[ (tabla neagr[);
surse de cuno]tin\e independente care au acces al baza de date;
85

un coordonator pentru controlul activit[\ii surselor de cuno]tin\e.


Un sistem blackboard poate fi implementat ]i pe un singur calculator,
dar se preteaz[ mult mai bine pentru rezolvarea unor probleme distribuite.
Fiecare surs[ de cuno]tin\e poate fi implementat[ printr-o baz[ de
cuno]tin\e pe un procesor separat, a]a @nc`t s[ se poat[ lucra independent la
o component[ a problemei. Pe un sistem monoprocesor, dezavantajul
const[ @n faptul c[ metoda de construc\ie a unui coordonator este deosebit
de complex[.
4.5. CRITERII DE ALEGERE }I SELEC|IE A METODELOR DE
REPREZENTARE A CUNO}TIN|ELOR
Multitudinea de metode de reprezentare a cuno]tin\elor constituie un
r[spuns la diversitatea ]i specificul domenilor de activitate concret[ pentru
care s-au depus eforturi de realizare a sistemelor expert.
Reprezent[rile bazate pe logic[ s-au bucurat de o utilizare at`t de
larg[ @nc`t au devenit sinonime cu termenul de sistem expert. Aceast[ stare
de fapt a fost favorizat[, al[turi de avantajele intrinseci oferite de aceste
metode, ]i de existen\a unor limbaje de programare logic[, dintre care
Prolog este reprezentantul cel mai cunoscut.
#n momentul actual, interesul de cercetare ]i literatura de specialitate
se orienteaz[ spre reprezent[rile bazate pe cadre. #n esen\a lor cadrele
reprezint[ o solu\ie superioar[ pentru reprezentarea ]i stocarea faptelor.
De]i prin intermediul predicatelor asociate se pot @ncorpora ]i reguli,
ata]area acestora al[turi de rubrici @n locuri diferite poate constitui un
avantaj @n planul modularit[\ii ]i simplit[\ii, @n m[sura @n care servesc
pentru controlul stoc[rii ]i gestionarea consult[rii bazei de cuno]tin\e, dar
pot constitui, la fel de bine, un dezavantaj atunci c`nd se refer[ la suita de
deduc\ii necesare rezolv[rii unei anumite probleme.
De aceea, se opteaz[ pentru o solu\ie combinat[, @n care al[turi de
cadre s[ existe un ansamblu de reguli explicite, reguli care s[ poat[ fi
invocate de c[tre predicatele asociate ]i care, la r`ndul lor, s[ poat[ folosi
@n calitate de fapte con\inutul cadrelor.
Convrergen\a promi\[toare cu tehnologia sistemelor de gestiune a
bazelor de date recomand[ cardele ]i alte metode de reprezentare
86

asem[n[toare, @n special cele orientate obiect, ca solu\ii fundamentale @n


realizarea bazelor de date inteligente.
Re\elele semantice au fost definite ini\ial @n scopul reprezent[rii ]i
prelucr[rii expresilor @n limbaj natural. Ele sunt utilizate @n prezent, @n
diverse variante, ]i pentru reprezentarea cuno]tin\elor din alte domenii,
printre care ]i cel financiar, exist`nd sisteme expert comercializabile pentru
analiza financiar[ @n care reprezentarea cuno]tin\elor se face prin re\ele
semantice.
Alegerea unei metode de reprezentare a cuno]tin\elor are @n vedere,
@n primul r`nd, adaptarea la problem[, respectiv specificul domeniului de
expertizat. Cum reprezentarea cuno]tin\elor este deosebit de versatil[, adic[
acelea]i cuno]tin\e pot fi exprimate @n forme diferite, aplicarea acestui
criteriu nu este @ntotdeuna evident[. Pe c[i mai mult sau mai pu\in
complicate, ]i evident cu diferen\ieri corespunz[toare @n planul
performan\elor, facilit[\ile specifice unei metode de reprezentare pot fi
emulate ]i @n alte metode. Spre exemplu, transferul succesoral poate fi
implementat ]i @ntr-o metod[ de tip logic, prin reguli adecvate, f[r[ a ob\ine
@ns[ aceea]i claritate ]i concizie. #ntr-o form[ elementar[, o regul[ de acest
tip se poate formula astfel:
Dac[ X posed[ Z
]i
Y este X
atunci Y posed[ Z
unde X ]i Y reprezint[ cele dou[ concepte @ntre care are loc partajarea
propriect[\ilor (Y este un X, deci X este antecedentul lui Y), iar Z este
proprietatea mo]tenit[ de Y de la X.
Selectarea unei metode de reprezentare a cuno]tin\elor se poate face
pe baza urm[toarelor elemente:
facilit[\ile oferite de tipul structural de baz[;
facilit[\ile de memorare a cuno]tin\elor;
facilit[\ile de reg[sire ]i selec\ie a cuno]tin\elor;
mediul informatic disponibil.
1. Facilit[\ile oferite de tipul de structur[ care st[ la baza metodei
de reprezentare a cuno]tin\elor sunt importante @n raport cu formularea,
structurarea ]i interpretarea cuno]tin\elor, at`t pentru expert c`t ]i pentru
utilizator.
87

O prim[ contribu\ie la aceasta o are terminologia sau vocabularul @n


care trebuie reprezentate cuno]tin\ele. Reprezent[rile care folosesc un
vocabular restr`ns sunt preferabile, deoarece permit descrierea tuturor
elementelor, indiferent de nivelul de detaliere, folosind aceia]i termeni.
Tot aici se situeaz[ posibilit[\ile de structurare ]i ierarhizare,
naturale\ea reprezent[rii ]i u]urin\a @n @n\elegerea formalismului, deosebit
de importante dac[ avem @n vedere c[ cel care furnizeaz[ cuno]tin\ele
(expertul uman) c`t ]i cel care le utilizeaz[ nu au o preg[tire informatic[
special[.
2. Facilit[\ile de memorare a cuno]tin\elor asigurate de fiecare
metod[ de reprezentare au, de asemenea, o mare importan\[. Aceasta
deriv[, @n primul r`nd, din necesitatea de a r[spunde evolu\iei bazei de
cuno]tin\e, prin inserarea de cuno]tin\e noi sau prin @nlocuirea celor
perimate, cu men\inerea permanent[ a a coeren\ei bazei de cuno]tin\e.
De asemenea, trebuie analizate aici facilit[\ile de reprezentare a
leg[turilor sau asocia\ilor dintre cuno]tin\e ca ]i posibilit[\ile de a introduce
noi concepte drept generaliz[ri sau specializ[ri ale conceptelor deja
existente.
3. Facilit[\ile de acces sunt vizate direct de modul specific @n care se
deruleaz[ procesul de inferen\[. Spre deosebire de alte tipuri de aplica\ii
informatice, @n care prin ordon[ri adecvate (sort[ri, index[ri) se pot
@mbun[t[\i considerabil performan\ele de exploatare, modul de utilizare a
cuno]tin\elor nu este cunoscut apriori ]i, @n consecin\[, este exclus[ orice
@ncercare de ordonare sau de definire de chei. Timpul de acces devine ]i
mai critic @n cazul utiliz[rii variabilelor, c`nd aplicarea regulilor poate fi
decis[ numai dup[ investigarea tuturor posibilit[\ilor de unificare.
4. Mediul informatic disponibil. Cum orice sistem expert poate
exista numai @n condi\iile exploat[rii lui pe un anumit calculator sau grup
de calculatoare ]i folosind programe adecvate, disponibilit[\ile ]i
caracteristicile lor func\ionale reprezint[ criterii de selec\ie esen\iale,
primul dintre acestea reprezent`ndu-l posibilit[\ile practice de programare
]i realizare.
O alt[ caracteristic[ important[ prive]te limit[rile referitoare la
volumul bazei de cuno]tin\e, at`t @n dimensiune absolut[, c`t ]i sub
aspectul @ncorpor[rii de date din surse diferite. Astfel, sunt frecvente
88

cazurile @n care un sistem expert utilizeaz[ informa\ii care se g[sesc deja @n


calculator @n alte forme, cum ar fi, spre exemplu, baze de date sau tabele.
De asemenea, calit[\ile interfe\ei om-calculator oferite de programe
au importan\a lor, deloc neglijabil[, pentru viabilitatea sistemului.
#n final, trebuie reamintit c[ o bun[ metod[ de reprezentare a
cuno]tin\elor nu este suficient[ pentru a avea un sistem expert. Acesta
exist[, @n primul r`nd, prin expertiza pe care o @ncorporeaz[, adic[ prin
volumul ]i calitatea cuno]tin\elor care au fost furnizate de exper\ii umani ]i
prin m[sura @n care acestea sunt orientate spre activit[\i ]i probleme
concrete ]i utile.

89

V. FUNC|IONAREA SISTEMELOR EXPERT


BAZATE PE REG ULI DE PRO DUC|IE

5.1 ARHITECTURA SISTEMELOR BAZATE PE


REGULI DE PRODUC|IE
Modelul regulilor de produc\ie are o importan\[ deosebit[ @n inteligen\a
artificial[, av`nd un rol semnificativ @n evolu\ia sistemelor bazate de
cuno]tin\e de la stadiul de produse ale laboratoarelor de cercetare la acela al
produselor comerciale, cu aplicabilitate la rezolvarea problemelor "lumii
reale".La @nceputul anilor '70 A. Newell ]i H.A.Simon au utilizat modelul
regulilor de produc\ie drept model psihologic al comportamentului uman.
Modelul lor este cunoscut sub numele de sistem de produc\ii, sau echivalent
sistem bazat pe reguli de produc\ie. Una dintre ipotezele cele mai
importante emise ]i argumentate de cei doi cercet[tori este c[ o mare parte din
cunoa]terea utilizat[ de om @n procesul rezolv[rii de probleme poate fi
reprezentat[ sub forma unei mul\imi de unit[\i separate numite produc\ii, sau
echivalent reguli de produc\ie. O astfel de unitate con\ine ac\iunile pe care ar
trebui s[ le execute o persoan[ la perceperea anumitor stimuli proveni\i din
mediul @nconjur[tor. Aceste ac\iuni pot afecta imaginea pe care o are acea
persoan[ asupra mediului @nconjur[tor, pe de o parte deoarece exist[
posibilitatea revizuirii unor presupuneri anterioare, ]i pe de alt[ parte deoarece
pot ap[rea noi fenomene care trebuie s[ fie explicate.
Potrivit acestei teorii, exist[ dou[ mecanisme de stocare a informa\iei
senzoriale provenit[ din mediul @nconjur[tor: memoria pe termen scurt ]i
memoria pe termen lung. Memoria pe termen scurt con\ine o cantitate
limitat[ de informa\ii rapid perimabile. Dup[ cum se va vedea ulterior, ea
corespunde acelei p[r\i a unui sistem de produc\ii unde sunt p[strate datele de
intrare ]i datele derivate @n procesul de calcul, ]i anume memoriei de lucru a
sistemului. Memoria pe termen lung con\ine informa\iile permanente a c[ror
rat[ de modificare este neglijabil de mic[ @n raport cu rata de modificare a
informa\iilor din memoria pe termen scurt. Dup[ cum se va vedea, ea
corespunde mul\imii de reguli ale sistemului de produc\ii.
90

Sistemele de produc\ii au stat la baza dezvolt[rii unui mare num[r de


sisteme bazate pe cuno]tin\e @n inteligen\a artificial[, spre exemplu sistemele
MYCIN ]i DENDRAL. Ulterior, din aceste sisteme s-au dezvoltat sisteme
cadru independente de domeniu pentru dezvoltarea sistemelor bazate pe
cuno]tin\e, cum este spre exemplu cazul sistemului EMYCIN. Deoarece @n
sistemul MYCIN baza de cuno]tin\e a fost separat[ explicit de motorul de
inferen\[, nucleul sistemului, rezultat prin @ndep[rtarea bazei de cuno]tin\e, a
putut fi refolosit la construirea de sisteme noi. EMYCIN este nucleul
sistemului MYCIN.
Totodat[, sistemele de produc\ii au stat la baza unei noi familii de
limbaje de programare destinate aplica\iilor de inteligen\[ artificial[ numite
limbaje bazate pe reguli. Sistemele de produc\ii s-au dovedit a fi extrem de
potrivite pentru implementarea sistemelor expert. Acest lucru se datoreaz[ @n
mare m[sur[ faptului c[ regulile de produc\ie sunt foarte potrivite pentru a
modela regulile euristice folosite @n rezolvarea expert[ de probleme de c[tre
exper\ii umani @n domeniul problemei.
Se nume]te sistem bazat pe reguli de produc\ie (SBR) un sistem
bazat pe cuno]tin\e care utilizeaz[ modelul regulilor de produc\ie pentru
reprezentarea cuno]tin\elor. Un astfel de sistem are trei componente principale
]i anume:
- baza de cuno]tin\e, sau echivalent baza de reguli care con\ine
regulile de produc\ie cunoscute de sistem al[turi de eventualele
declara\ii/defini\ii ale obiectelor manipulate de reguli;
- memoria de lucru, care con\ine informa\ia de stare necesar[
rezolv[rii unei probleme. Aceast[ informa\ie este deseori organizat[ sub
forma unei mul\imi de aser\iuni sau elemente numite fapte sau echivalent
elemente ale memoriei de lucru. Trebuie f[cut[ distinc\ie @ntre faptele
ini\iale, care reprezint[ datele ini\iale ale problemei de rezolvat ]i faptele
dinamice, care sunt deduse pe m[sura derul[rii procesului de rezolvare a unei
probleme. #n termenii reprezent[rii @n spa\iul st[rilor, mul\imea faptelor
ini\iale reprezint[ starea ini\ial[ a procesului de rezolvare, iar mul\imea
faptelor dinamice reprezint[ starea curent[ a procesului de rezolvare.
- procesorul cognitiv, sau echivalent motorul de inferen\[, care
reprezint[ componenta de control ]i execu\ie dintr-un sistem bazat pe reguli.
Aceast[ component[ realizeaz[ selectarea unei reguli de produc\ie din baza de
reguli ]i declan]area regulii selectate. Efectul acestei declan][ri este
91

modificarea st[rii curente a sistemului, adic[ a con\inutului memoriei de


lucru. Arhitectura de principiu a unui SBR este prezentat[ @n figura urm[toare:
MEMORIA
DE
LUCRU

BAZA
DE
REGULI

Fapte
Actiuni

Reguli

PROCESOR
COGNITIV

5.2 ETAPELE UNUI CICLU DE BAZ{ AL MOTORULUI DE


INFEREN|E
Motorul de inferen\e este elementul central al unui sistem expert,
deoarece, utiliz`nd baza de cuno]tin\e, construie]te dinamic ra\ionamente
aleg`nd regulile ce urmeaz[ s[ fie declan]ate stabilind ordinea de
declan]are a acestora.
Indiferent de modul de ra\ionament utilizat, ciclul de baz[ al unui
motor de inferen\e comport[ patru etape (figura 5.1): selec\ia, filtrajul,
rezolvarea conflictelor ]i execu\ia propriu-zis[ (declan]area regulilor alese).
Selec\ia const[ @n extragerea din baza de reguli ]i din baza de fapte a
elementelor care caracterizeaz[ subdomeniul de rezolvare a problemei.
Altfel spus, se constituie o parti\ie a bazei de cuno]tin\e, care va scurta
timpul de c[utare pentru etapele urm[toare. Aceast[ faz[ este necesar[
atunci c`nd baza de cuno]tin\e este foarte mare, @ncerc`nd s[ acopere mai
multe domenii ale cunoa]terii.
Filtrajul (pattern matching) const[ @n compararea premiselor
regulilor selec\ionate anterior cu faptele ce caracterizeaz[ problema de
rezolvat, pentru a determina submul\imea regulilor declan]abile.
#n urma acestei etape pot rezulta: o regul[ declan]abil[, mai multe
reguli declan]abile sau nici o regul[ declan]abil[. Dac[ nu se ob\ine nici o
92

regul[ declan]abil[, rezult[ c[ suntem @ntr-o situa\ie de e]ec, pe care


sistemul expert trebuie s[ o explice sau @n care utilizatorul trebuie s[
r[spund[ la o serie de @ntreb[ri pe care i le pune sistemul expert @n scopul
complet[rii formul[rii problemei.

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

Figura 5.1 - Ciclul de baz[ al unui motor de inferen\e

93

Rezolvarea conflictelor este necesar[ atunci c`nd @n etapa de filtraj


au rezultat mai multe reguli declan]abile ]i trebuie aleas[ una pentru a fi
executat[. Printre principalele criterii de alegere care pot fi utilizate @n
aceast[ etap[ amintim: prima regul[ din list[; cea mai complex[ regul[
(regula cu cel mai mare num[r de fapte @n premis[); cea mai simpl[ regul[;
cea mai des utilizat[ regul[ etc.
De calitatea acestei alegeri depind performan\ele motorului de
inferen\e, care va g[si mai rapid sau mai lent solu\ia problemei.
Nu se poate indica folosirea unuia sau altuia din criterile men\ionate,
deoarece aceast[ alegere depinde de contextul @n care se g[se]te baza de
cuno]tin\e @n momentul respectiv ]i, evident, de specificul problemei de
rezolvat.
Execu\ia regulii alese const[ @n ad[ugarea uneia sau mai multor
fapte la baza de fapte. #n aceast[ etap[ este posibil s[ se fac[ apel la:
proceduri externe pentru a prelua date din baze de date sau din
tabele (create cu procesoare de calcul tabelar);
@ntreb[ri puse utilizatorului.
Pentru rezolvarea unei probleme, motorul de inferen\e execut[ mai
multe cicluri de baz[ ]i se opre]te @n func\ie de modul de ra\ionament
utilizat.
Motorul de inferen\[ poate folosi dou[ moduri principale de
ra\ionament: ra\ionamentul deductiv ]i ra\ionamentul inductiv.
5.3 RA|IONAMENTUL DEDUCTIV
#n acest mod de ra\ionament, motorul de inferen\e pleac[ de la fapte
]i caut[ un anume scop (obiectiv).
Etapa de filtraj const[ @n extragerea din baza de cuno]tin\e a regulilor
care au @n partea de premise numai faptele aflate @n formularea problemei
(altfel zis ca date de intrare).
#n etapa de rezolvare a conflictelor se alege o singur[ regul[, care va
fi executat[.
Procesu se reia p`n[ se atinge scopul propus (se rezolv[ problema)
sau nu mai exist[ nici o regul[ aplicabil[ (situa\ie de e]ec @n rezolvarea
problemei).
94

Ra\ionamentul deductiv aduce dou[ mari avantaje, care @n unele


domenii sunt absolut necesare:
d[ posibilitatea gener[rii tuturor solu\ilor posibile;
@mbog[\este la fiecare ciclu al motorului de inferen\e baza de
fapte, ceea ce simplific[ deduc\ile ulterioare.
Acest mod de ra\ionament are @ns[ ]i unele dezavantaje cum ar fi:
baza de fapte trebuie s[ con\in[ suficiente fapte ini\iale, pentru
ca sistemul s[ poat[ atinge scopul urm[rit (altfel zis, problema
trebuie definit[ @n detaliu);
sunt declan]ate toate regulile aplicabile, chiar dac[ unele nu
prezint[ interes;
@n unele situa\ii, c`nd num[rul de reguli ]i de fapte este foarte
mare, iar scopul nu poate fi atins, exist[ riscul ajungerii la
realizarea unui num[r foarte mare de cicluri de baz[ ale
motorului de inferen\e;
nu este interactiv @n timpul inferen\elor, ceea ce face ca @n
situa\iile de e]ec @n care num[rul faptelor necunoscute se reduce
la unul singur (sau la un num[r mic), utilizatorul s[ nu cunoasc[
aceast[ situa\ie @n care ar putea interveni.
Legat de ultimul inconvenient, putem face o clasificare a faptelor
vehiculate de un sistem expert @n fapte cunoscute ]i fapte necunoscute.
Faptele necunoscute pot fi:
deductibile - c`nd pot fi ob\inute prin aplicarea unor reguli,
aceste fapte figur`nd @n partea de concluzii a regulilor;
interogabile - care urmeaz[ s[ primeasc[ valori @n timpul
procesului de deduc\ie.
O problm[ important[ ce se a fi rezolvat[, este aceea de a stabili @ntrun anumit moment al procesului de deduc\ie ]i @ntr-un anumit context al
bazei de cuno]tin\e, care dintre faptele interogabile vor fi solicitate
utilizatorului pentru a ie]i dintr-un anumit impas la care s-a ajuns.
Procedura de ie]ire din impas se execut[ @n dou[ etape:
Se determin[ faptele nucunoscute dar deductibile
Pornind de la scopul urm[rit, printr-o @nl[n\uire @napoi, de
descompunere a acestuia @n subscopuri deductibile, se poate g[si un fapt
necunoscut dar interogabil, care prin r[spunsul utilizatorului ]i revenirea pe
95

lan\ul de ra\ionament ne poate conduce la atingerea scopului enun\at ini\ial


prin problema de rezolvat.
Pentru a @n\elege mai u]or acest mod de ra\ionament s[ lu[m o baz[
de cuno]tin\e din analiza economic[, format[ din regulile de mai jos.
R1Dac[ Importul cre]te ]i Exportul scade
Atunci Balan\a nu este echilibrat[
R2Dac[ Puterea de cump[rare cre]te
sau Produc\ia este constant[
sau Produc\ia scade
Atunci Pre\ul cre]te ]i Importul cre]te
R3Dac[ Pre\ul cre]te
]i Productivitatea muncii este constant[
Atunci Exportul scade

R4Dac[ Productivitatea muncii este constant[


sau Productivitatea muncii scade
]i Sarcinile de plan cresc
Atunci Pre\ul cre]te ]i Investi\ile scad
R5Dac[ Investi\iile scad
Atunci Productivitatea muncii este constant[
R6Dac[ pre\ul cre]te
]i Produc\ia este constant[
Atunci Exportul scade
R7Dac[ Importul scade
Atunci Produc\ia scade
R8Dac[ Produc\ia scade
sau Produc\ia este constant[
]i Sarcinile de plan cresc
Atunci investi\iile scad

96

Aplic`nd ra\ionamentul deductiv, f[r[ a stabili un scop anume ]i


folosind drept criteriu de alegere regula cea mai simpl[, s[ observ[m cun
evolueaz[ baza de fapte.
Select`nd regula cea mai simpl[ R7, aplicarea ei va introduce @n baza
de fapte concluzia:
Produc\ia scade.
C[ut`nd acest fapt @n partea de premise a regulilor, g[sim regulile
aplicabile R2 ]i R8, care vor @mbog[\i baza de fapte temporare cu:
Pre\ul cre]te;
Importul cre]te;
Investi\iile scad.
#n continuare se selecteaz[ regulile R3, R1, R5 care vor ad[uga
urm[toarele fapte:
Exportul scade;
Balan\a nu este echilibrat[;
Productivitatea muncii este constant[.
Se aplic[ apoi regula R6. Se observ[ c[ @n acel moment baza de fapte
este saturat[, deci nu mai putem ob\ine fapte noi.
5.4 RA|IONAMENTUL INDUCTIV
Ra\ionamentul inductiv pleac[ de la un scop (obiectiv, problem[ de
rezolvat) pe care @l descompune @n subprobleme p`n[ c`nd se ob\in
probleme primitive (fapte dovedite sau interogabile).
Deci, ra\ionamentul inductiv este dirijat de scop @n sensul g[sirii
faptelor ce permit atingerea acestuia (altfel zis, invers ca la ta\ionamentul
deductiv).
Regulile selec\ionate sunt acelea care au @n partea de concluzii
(dreapta) scopul specificat ini\ial. Premisele acestor reguli voar deveni
subscopuri ce trebuie demonstrate.
Acest proces se repet[ p`n[ toate subscopurile ob\inute sunt
demonstrate sau @n urma etapei de filtraj mul\imea regulilor declan]abile
este vid[ (deci se @nregistreaz[ o situa\ie de e]ec).
Avantaje ale modului de ra\ionament inductiv:
97

Avantajul principal const[ @ntr-un pa\iu de memorie intern[ redus,


deoarece arborele de c[utare este adesea foarte redus;
Timpul de g[sire a solu\iilor este mai scurt, deoarece c[utarea se face
numai pentru subscopurile care u o ]ans[ de verificare.
Principalul dezavantaj al acestui acest mod de ra\ionament este acela
c[ el prezint[ riscul cicl[rii: pentru a demonstra pe X trebuie demonstrat Y,
iar pentru a demonstra Y trebuie demonstrat X.
Pentru a exemplifica acest mod de ra\ionament, vom folosi aceea]i
baz[ de cuno]tin\e de la ra\ionamentul deductiv, consider`nd drept scop:
Balan\a nu este echilibrat[.
Motorul de inferen\e va c[uta regulile care au @n partea de concluzie
acest scop. Numai regula R1 @ndepline]te aceast[ condi\ie. Aplicarea ei
conduce la descompunerea scopului ini\ial @n dou[ subscopuri:
Importul cre]te;
Exportul scade.
Conform algoritmului, @n continuare pot fi aplicate regulile R2 ]i R3
sau R6. Se observ[ c[ ajung`nd la aplicarea reguli R4 premisa
Productivitatea muncii este constant[
conduce la aplicarea regulii R5 cu premisa
Investi\iile scad
]i dac[ aplic[m regula R4 @n locul lui R8 apare un ciclaj, care ne
@ntoarce @napoi la demonstrarea faptului
Productivitatea muncii este constant[.
De fapt, ]i R8 pe bucla
Produc\ia este constant[
conduce tot la R4 ]i deci tot la ciclaj.
#n general, ra\ionamentul deductiv se aplic[ c`nd baza de fapte nu se
dezvolt[ prea mult, iar cel inductiv atunci c`nd timpul de parcurgere al
arborelui ]i/sau nu este foarte mare.
#n practic[, se @ncearc[ realizarea compromisului @ntre avantajele ]i
dezavantajele celor dou[ moduri principale de ra\ionament. Principiul
general este urm[torul: se determin[ faptele deductibile; se aplic[ mai @nt`i
ra\ionamentul inductiv care va solicita r[spunsuri utilizatorului pentru
aflarea valorilor unor fapte necunoscute, dar interogabile; se aplic[
ra\ionamentul deductiv pentru a deduce tot ce este posibil etc.
98

Prioritatea @ntre ra\ionamentul deductiv ]i cel inductiv @n cadrul


ra\ionamentului mixt depinde de natura problemei ]i de modul de
reprezentare a cuno]tin\elor. #n general, ra\ionamentul mixt se recomand[
atunci c`nd problema de rezolvat se preteaz[ la un ra\ionament deductiv,
dar spa\iul de c[utare este larg. #n acest caz, aplic`nd mai @nt`i
ra\ionamentul inductiv, se restr`nge spa\iul de c[utare pentru ra\ionamentul
deductiv.
Pentru conlucrarea @n bune condi\ii a celor dou[ moduri de
ra\ionament este necesar un mecanism de punere @n coresponden\[ a
solu\iilor intermediare ob\inute @n urma aplic[rii separate a acestora.

99

VI. PROIECTAREA }I REALIZAREA SI STEMELO R


EXPERT
6.1. CICLUL DE VIA|{ AL UNUI SISTEM EXPERT
Calitatea ]i utilitatea unui sistem expert depind, @n mod esen\ial de
cuno]tin\ele pe care le @ncvorporeaz[ ]i utilizeaz[. Din aceast[ cauz[,
efortul principal @n realizarea unui sistem expert este orientat spre
cuno]tin\e, @ncep`nd cu identificarea structurilor generale corespunz[toare
domeniului de expertiz[ ]i continu`nd cu colectarea, reprezentarea,
validarea ]i utilizarea acestora. Corespunz[tor acestei caracteristici
definitorii, ciclul de via\[ al unui sistem expert se compune din urm[toarele
etape:
- analiza preliminar[;
- modelarea conceptual[;
- colectarea cuno]tin\elor;
- reprezentarea cuno]tin\elor;
- validarea sistemului;
- introducerea @n exploatare ]i men\inerea func\iune.
Conceperea ]i realizarea unui sistem expert necesit[ @n principal
dou[ categorii de personal:
- exper\ii umani, ale c[ror cuno]tin\e urmeaz[ a fi colectate ]i
difuzate de c[tre utilizatori prin intermediul SE;
- cogniticienii, care asigur[ transpunerea cuno]tin\elor ]i
strategiilor de ra\ionament ale expertului uman @n structurile
specifice metodei de reprezentare a cuno]tin\elor ]i a
instrumentelor informatice utilizate (programare logic[,
generator de sisteme expert).
Al[turi de ace]tia, vom reg[si ]i participan\ii tradi\ionali la o
asemenea activitate:
- utilizatorii finali, care vor exploata sistemul valorific`nd
cuno]tin\ele @ncorporate @n el;
- proiectan\ii ]i programatorii, care vor asigura rezolvarea
problemelor informatice implicate de realizarea sistemelor
expert (conceperea ]i programarea comunica\iei cu utilizatorul,
100

transferul de informa\ii de la ]i c[tre aplica\iile existente etc.)


#n privin\a acestei categorii de participan\i se impun dou[
observa\ii:
ei pot fi identici, ca persoane fizice, cu cei care @ndeplinesc
func\ia de cognitician (evident, cu condi\ia de a avea
cuno]tin\ele ]i capacitatea profesional[ necesare); termenul
cognitician define]te o func\ie specific[ ]i @n general
indispensabil[ @n realizarea unui sistem expert ]i nu o persoan[
fizic[;
prin facilit[\ile oferite de generatoarele de sisteme expert,
efortul de programare este aici mult mai redus, uneori aproape
inexistent.

6.2. ANALIZA PRELIMINAR{


Analiza preliminar[ urmare]te definirea lucr[rii sau activit[\ii care
va face obiectul sistemului expert ]i alegerea instrumentelor informatice
necesare.
#n ceea ce prive]te problema sau lucrarea ce urmeaz[ a fi abordat[
prin tehnologia sistemelor expert, se consider[ c[ aceasta trebuie s[
r[spund[ cel pu\in urm[toarelor cerin\e:
- s[ fac[ apel la cuno]tin\e apar\in`nd unui domeniu bine
delimitat;
- s[ aib[ un nivel mediu de complexitate, astfel @nc`t s[ se evite
at`t problemele triviale c`t ]i cele prea complicate;
- s[ fie structurabil[, adic[ s[ utilizeze elemente identificabile,
reproductibile ]i formalizabile, at`t @n privin\a conceptelor ]i
cuno]tin\elor folosite c`t ]i a ra\ionamentelor;
- s[ reprezinte o lucrare repetitiv[ @n timp;
- s[ fie bine cunoscut[ de c[tre exper\ii disponibili;
- s[ nu fac[ apel la cuno]tin\e ce nu pot fi tratate prin una din
metodele de reprezentare existente, @n aceast[ privin\[, se poate
aplica a]a-numitul test al telefonului conform c[ruia o
problem[ poate face obiectul unui sistem expert numai dac[
expertul uman poate s[-i expun[ complet rezolvarea prin
telefon.
101

Selectarea unei probleme care r[spunde acestor criterii constituie


numai un prim pas, care trebuie continuat cu o analiz[ mai detaliat[, menit[
s[ verifice oportunitatea rezolv[rii sale printr-un sistem expert. #n acest
scop se pot avea @n vedere patru categorii de factori:
- natura problemei sau a activit[\ii;
- rezultatele previzibile;
- expertiza disponibil[;
- utilizatorii finali.
Din punct de vedere al naturii problemei, evaluarea se bazeaz[ pe
m[sura @n care aceasta r[spunde criteriilor urm[toare:
- lucrarea este esen\ialmente cognitiv[, solicit`nd @ntr-o m[sur[
preponderent[ analiz[, sintez[ sau decizie;
- implic[ ra\ionamente sau cuno]tin\e simbolice;
- face apel la un num[r ridicat de parametri;
- folose]te reguli ]i metode euristice;
- trebuie rezolvat[ deseori pe baza unor date incomplete;
- solicit[ prezentarea de explica\ii ]i justific[ri ale rezultatului
ra\ionamentelor;
- se afl[ pe un nivel intermediar de formalizare, caracterizat prin
preponderen\a clasific[rilor ]i euristicilor;
- implic[ ra\ionamente, structurate eventual pe mai multe nivele;
- nu poate fi rezolvat[ cu metode informatice conven\ionale.
Din punct de vedere al rezultatelor, evaluarea se bazeaz[ pe
raportarea efectelor previzibile ale sistemului expert la urm[toarele criterii:
- conduce la cre]terea semnificativ[ a cifrei de afaceri;
- conduce la reducerea costurilor;
- determin[ @mbun[t[\irea calit[\ii produselor sau serviciilor
oferite;
- colecteaz[ expertiz[ pentru care nu exist[ documenta\ie scris[;
- asigur[ difuzarea expertizei existente c[tre personalul lipsit de
experien\[ sau c[tre debutan\i;
- prin utilizare, antreneaz[ cre]terea calific[rii profesionale;
- poate fi realizat cu un efort minim de programare.
Din punct de vedere al expertizei disponibile, pot fi avute @n vedere
urm[toarele criterii:
- exist[ unul sau mai mul\i exper\i recunoscu\i @n domeniu;
102

performan\ele expertului @n rezolvarea problemei sunt net


superioare cu cele ce pot fi ob\inute de c[tre alte persoane, @n
caz contrar, problema este fie trivial[, fie are un grad prea
ridicat de dificultate;
- expertul sau exper\ii sunt disponibili pentru o perioad[ de timp
suficient[;
- exper\ii sunt de acord s[ elaboreze cazuri pentru testarea
sistemului ]i s[ participe la evaluarea lui.
Din punct de vedere al viitorilor utilizatori, pot fi avute @n vedere
urm[toarele criterii:
- utilizatorii resimt necesitatea sistemului;
- nu formuleaz[ cerin\e ]i nu a]teapt[ servicii nerealiste din
partea sistemului expert;
- au aproape acela]i nivel de expertiz[; un sistem expert nu poate
fi utilizat de persoane f[r[ cuno]tin\e profesionale
corespunz[toare.
O tehnic[ frecvent utilizat[ @n efectuarea unor asemenea analize o
reprezint[ grilele de evaluare (checklist). Grila de evaluare este compus[
dintr-un ansamblu de criterii predefinite, a]a cum sunt cele prezentate
anterior, @n raport cu care problema abordat[ este apreciat[ ]i notat[ cu un
anumit punctaj. Dac[ punctajul total ob\inut este sub o anumit[ limit[
(specificat[ @n gril[), problema este considerat[ neoportun[ pentru un
sistem expert. Sub aspectul instrumentelor informarice, se poate opta @ntre
dou[ popsibilit[\i:
- realizarea unui motor de inferen\e propriu, scris @ntr-un limbaj
adecvat cum ar fi PROLOG sau LISP;
- utilizarea unui generator de SE, care are @ncorporat motorul de
inferen\[, r[m`n`nd ca utilizatorul s[-]i @nsu]easc[ modul de func\ionare al
acestuia ]i s[ modeleze cuno]tin\ele expertului uman @n concordan\[ cu
posibilit[\ile oferite de generator.
Alegerea @ntre cele dou[ posibilit[\i trebuie s[ aib[ @nvedere c`teva
criterii principale:
- limbajul de reprezentare al cuno]tin\elor s[ fie simplu ]i c`t
mai general;
- s[ existe un mecanism de control eficace, cu posibilit[\i de
automodificare ]i un modul explicativ elaborat;
103

comunica\ia cu utilizatorul s[ fie c`t mai apropiat[ de limbajul


natural;
- s[ existe o experien\[ anterioar[ @n utilizarea sa, pentru a avea
elemente de compara\ie.
Odat[ deciziile privitoare la problema abordat[ ]i instrumentele
informatice adoptate, se poate trece la etapele urm[toare. Este u]or de
constatat faptul c[ rolul acestora const[, practic, @n transferul expertizei de
la expertul uman c[tre calculator. Acesta este un proces complex care
presupune reveniri numeroase.
6.3. MODELAREA CONCEPTUAL{
Aceast[ etap[ urm[re]te definirea structurii conceptuale a
cuno]tin\elor utilizate de c[tre expertul uman @n de activitate care formeaz[
obiectul viitorului sistem expert. #n cadrul s[u expertul define]te @n
colaborare cu cogniticianul no\iunile de baz[ folosite, rela\iile esen\iale
existente @ntre aceste no\iuni, lucr[rile principale de efectuat ]i restric\iile
generale care intervin @n cursul rezolv[rii problemelor. Acest efort de
conceptualizare este necesar pentru a delimita mai exact domeniul de
expertiz[ al viitorului sistem expert ]i de a fundamenta formularea
cuno]tin\elor @n cadrul viitoarei baze de cuno]tin\e. Modelarea conceptual[
se axeaz[ pe eviden\ierea urm[toarelor aspecte:
- identificarea principalelor obiecte, concepte sau entit[\i din
domeniul de expertiz[;
- definirea atributelor necesare pentru descrierea obiectelor,
conceptelor sau entit[\ilor;
- identificarea celor mai importante corela\ii care exist[ @ntre
acestea;
- examinarea restric\iilor principale care guverneaz[ sau intervin
@n rela\iile dintre obiecte;
- specificarea tipurilor de probleme la care urmeaz[ s[ r[spund[
viitorul sistem expert;
- definirea cadrului general de utilizare a sistemului expert, at`t
sub aspectul de comunicare a problemelor de rezolvat (prin
dialog la terminal, prin consultarea unor baze de date existente
etc) c`t ]i al interac\iunii cu utilizatorul final.
104

6.4. COLECTAREA CUNO}TIN|ELOR


Aceast[ etap[ urm[re]te colectarea tuturor cuno]tin\elor necesare
func\ion[rii viitorului sistem expert. Principalele probleme care intervin @n
realizarea sa sunt:
- lipsa de sistematizare ini\ial[, consecin\[ a faptului c[ @n
exercitarea activit[\ii sale expertul nu are nevoie s[-]i
exteriorizeze cuno]tin\ele;
- tendin\a fireasc[ de omitere a cuno]tin\elor generale apar\in`nd
fondului comun al profesiei sau domeniului respectiv
- (cuno]tin\e de bun sim\), care pentru experul uman sunt
sub`n\elese;
- existen\a mai multor surse de cuno]tin\e;
- difucultatea de a identifica, din masa de cuno]tin\e, pe acelea
care sunt necesare sau relevante;
- necesitatea de a colecta un num[r c`t mai mare de excep\ii ]i
cazuri nespecifice pentru a putea conferi flexibilitate viitorului
sistem; nu trebuie uitat c[, spre deosebire de aplica\iile
informatice de gestiune tradi\ionale, un sistem expert @]i
propune, prin defini\ie, s[ rezolve probleme nestructurate sau
slab structurate @n care deci excep\iile sunt frecvente.
A]a cum rezult[ din capitolele anterioare, se poate identifica o latur[
static[, descriptiv[ a cuno]tin\elor ]i o latur[ dinamic[, ce prive]te modul
de participare al acestora @n formarea ra\ionamentelor. Aceast[ diferen\iere
trebuie observat[ ]i @n colectarea cuno]tin\elor, fiind de prefereat s[ se
ob\in[ o descriere c`t mai complet[ @naintea abord[rii modului @n care
expertul le coreleaz[ ]i le utilizeaz[ @n rezolvarea problemelor.
Descrierea cuno]tin\elor se poate axa pe urm[toarele aspecte, care de
altfel corespund celor specificate la modelarea conceptual[:
- identificarea obiectelor, conceptelor sau no\iunilor folosite;
aceast[ identificare nu trebuie @n\eleas[ aici numai ca o
enumerare ci ca un proces de atribuire de identificatori unici ]i
de rezolvare a problemelor legate de eventualele ambiguit[\i,
de sinonimii ]i omonimii;
105

descrierea obiectelor, conceptelor sau a no\iunilor folosite, prin


precizarea atributelor ]i a valorilor relevante pentru acestea,
care @mbrac[ de foarte multe ori o exprimare pronun\at
calitativ[, de genul bun ,excelent, mediocru, contrar, opus etc;
relevan\a la r`ndul ei, este apreciat[ prin prisma percep\iei
persoanei sau persoanelor a c[ror expertiz[ urmeaz[ a fi
captat[ ]i este, @n consecin\[, supus[ subiectivismului;
- organizarea cuno]tin\elor, care const[ @n identificarea ]i
precizarea re\elelor ierarhice sau taxonomice (de clsificare) ale
obiectelor, conceptelor sau no\iunilor folosite de c[tre expert;
cu acest prilej pot fi stabilite care sunt conceptele primare ]i
cele derivate precum ]i rela\iile de transfer succesoral dintre
ele.
Odat[ acest cadru definit, se poate trece la identificarea ]i
explicitarea regulilor ]i strategiilor de ra\ionament aplicate de catre expertul
uman. #n virtutea caracterului iterativ al etapei, dup[ o prim[ definire a
cuno]tin\elor, care practic nu poate fi exhaustiv[, se poate trece la
abordarea strategiilor ]i proceselor de ra\ionament a c[ror analiz[
antreneaz[ revederea ]i completarea cadrului conceptual ].a.m.d.
Colectarea cuno]tin\elor se poate realiza pe baz[ manual[ sau
automat[. Principalul procedeu de culegere manual[ este interviul, care se
utilizeaz[ frecvent ]i @n realizarea aplica\iilor informatice conven\ionale.
Spre deosebire de acesta din urm[, @n care obiectul studiului @l constituie, @n
general, proceuri administrative bine definite, expertiza uman[ este mult
mai dificil de delimitat ]i ob\inut, ceea ce adaug[ la dezavantajele inerente
ale interviului ]i un anumit nivel de incertitudine. Din aceast[ cauz[, s-au
definit diverse tehnici alternative, din carea maintim grilele de repertoriere
(repertory grid). Acestea constau, @n esen\[, @n aplicarea unui demers dirijat
de identificare sistematic[ a cazurilor de rezolvat ]i a caracteristicilor pe
care se bazeaz[ expertul @n formularea de decizii sau recomand[ri.
Automatizarea achizi\ion[rii cuno]tin\elor presupune definirea unor
instrumente informatice care s[ asigure urm[toarele servicii:
- asistarea expertului @n transmiterea direct[ a cuno]tin\elor sale,
f[r[ a mai fi necesar[ participarea altei persoane (@n spe\[
cogniticianul);

106

sprijinirea cogniticianului @n culegerea mai aeficient[ a


cuno]tin\elor, @n special @n cazul problemelor de amri
dimensiuni sau dificultate ridicat[;
- induc\ia automat[, adic[ generarea automat[ de reguli de
produc\ie pe baza unui set de exemple sau cazuri formulate de
expert sau chiar a con\inutului unei baze de date nespecifice.
#n aceast[ privin\[ exist[ algoritmi ]i programe, independente sau
@ncorporate @n generatoarele de sisteme expert, capabile s[efectueze
asemenea prelucr[ri. Spre exemplu ele pot s[ examineze con\inutul unei
baze de date, s[ identifice corela\iile dintre valorile luate de atributele
acesteia]i s[ le exprime sub form[ de reguli de produc\ie.
Cuno]tin\ele colectate @n cadrul acestei etape nu sunt direct
utilizabile: ele urmeaz[ a fi structurate ]i exprimate @n forma adecvat[ de
reprezentare a cuno]tin\elor ]i a particularit[\ilor motorului de inferen\e,
grup de activit[\i ce formeaz[ obiectul urm[toarei etape.

107

Expert

Cognitician

Baza de cuno]ti\e

Sistem Expert

a) Colectarea cuno]tin\elor prin interviu


Expert

Modul de
utilizatorul

intereac\iune

cu

Baza de cuno]tin\e

b) Colectarea cuno]tin\elor prin interac\iune cu sistemul


Cazuri ]i exemple

Sistem
de
automat[

induc\ie

Baza de cuno]tin\e

c) Colectarea cuno]tin\elor prin induc\ie automat[

Figura 6.1 - Tehnici de colecrtare a cuno]tin\elor


108

6.5. REPREZENTAREA CUNO}TIN|ELOR


Aceast[ etap[ urm[re]te s[ asigure formalizarea ]i reprezentarea
cuno]tin\elor @n structura adecvat[ @nregistr[rii lor @n baza de cuno]tin\e ]i
exploat[rii de catre motorul de inferen\e. Realizarea sa este facilitat[ de
unele generatoare de sisteme expert ]i de instrumentele informatice de
achizi\ionare automat[ a cuno]tin\elor.

6.6. VALIDAREA SISTEMULUI


Scopul principal al acestei etape const[ @n verificarea m[surii @n care
sistemul poate fi utilizat @n practic[.
Validarea sistemului trebuie s[ cuprind[ toate elementele ce
caracterizeaz[ func\ionarea sistemului: rezultatele furnizate de c[tre acesta,
procesele de ra\ionament care conduc la aceste rezultate ]i metodele de
inferen\[ aplicate.
Principalele criterii ce pot fi avute @n vedere la validarea sistemului
sunt:
- naturale\ea @n interac\iunea cu utilizatorul uman;
- gradul de acoperire a gamei de probleme circumscrise
domeniului de expertiz[
- capacitatea de a r[spunde la formul[ri diferite ale problemelor;
- precizia rezultatelor furnizate ]i propor\ia rezolv[rilor corecte
@n raport cu num[rul total de probleme tratate.
#n func\ie de rezultatele observate, validarea poate impune
completarea, rafinarea sau @mbog[\irea bazei de cuno]tin\e ca ]i operarea
de modific[ri structurale menite s[ @mbog[\easc[ parametri de exploatare
curent[.

109

6.7. INTRODUCEREA #N EXPLOATARE }I MEN|INEREA #N


FUNC|IUNE
Introducerea @n exploatare grupeaz[ ansamblul acrivit[\ilor necesare
trecerii la stadiul de sistem opera\ional. Aceasta se realizeaz[ pe dou[
nivele:
- prin integrarea @n structurile organizatorice existente;
- prin integrarea cu aplica\iile informatice aflate deja @n
exploatare.
Se apreciaz[ c[ acestor activit[\i le revine p`n[ la 40-50% din costul
total al sistemului.
Men\inerea @n func\iune vizeaz[, pe de o parte, asigurarea evolu\iei
sistemului prin completarea sau modificarea ulterioar[ a bazei de
cuno]tin\e ]i, pe de alt[ parte, adaptarea sa la evolu\ia tehnologiilor
informatice ]i a celorlalte aplica\ii cu care interac\ioneaz[.
Sistemele expert constituie o tehnologie informatic[ @nc[ nou[,
pentru care s-a acumulat relativ pu\in[ experien\[. Din acest motiv,
consider[m c[ nu este lipsit[ de interes prezentarea succint[ a dou[ din
metodele de proiectare existente, care aplic[ demersuri diferite de
concepere ]i realizare practic[.
6.8. METODA COGNITECH
Metoda propus[ de societatea de informatic[ COGNITECH
preconizeaz[ dezvoltarea sistemelor expert prin prototipaj. Procesul de
realizare este structurat, @n cadrul acestei metode, @n trei etape:
- construirea unei machete ini\iale (denumit[ ]i demonstrator)
care serve]te @n principal pentru a evolua fezabilitatea
sistemului;
- realizarea unui prototip de test, @n cursul c[reia se urm[re]te
construirea unei versiuni capabile s[ acopere domeniul de
expertiz[ ce formeaz[ obiectul sistemului;
- punerea @n exploatare a produsului final, adic[ transpunerea
prototipului dezvoltat anterior @n condi\ii de utilizare concret[.
Macheta care face obiectul primei etape constituie un adev[rat
sistem opera\ional, care acoper[ numai o parte a problemei de rezolvat.
110

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

Validarea ]i evaluarea machetei finalizeaz[ acest stadiu oferind


elementele necesare pentru a aprecia oportunitatea dezvolt[rii @n continuare
a sistemului sau a stop[rii sale.
Realizarea prototipului de test se deruleaz[ @n cadrul urm[toarelor
faze:
- specificarea prototipului ]i a setului de date;
- adaptarea instrumentelor informatice de dezvoltare;
- realizarea ]i punerea la punct;
- validarea;
- redactarea documenta\iei.
Faza de specificare a prototipului se deosebe]te de faza similar[
aplicat[ pentru machet[ prin aria de cuprindere, care include acum @ntregul
domeniu de expertiz[, prin gradul mult mai avansat de detaliere precum ]i
prin definirea setului de teste la care sistemul trebuie r[spund[ pentru a fi
validat.
Adaptarea instrumentelor informatice vizeaz[ eventuala revizuire a
solu\iilor tehnice de realizare, \in`nd cont, pe de o parte, de constat[rile
desprinse @n cursul construirii ]i utiliz[rii machetei, care pot implica
schimb[ri importante @n raport cu obiectivele ]i limitele stabilite ini\ial ]i,
pe de alt[ parte, de modificarea sc[rii de dezvoltare a sistemului. Aceast[
adaptare poate implica ]i aspecte conceptuale, cum ar fi, spre exemplu,
recurgerea la o alt[ metod[ de reprezentare a datelor sau utilizarea unui
motor de inferen\e de tip diferit (trecerea de la un motor de gradul zero la
un motor de gradul unu, de exemplu).
Realizarea prototipului se face prin completarea setului de reguli
astfel ce acesta s[ cuprind[ @ntregul domeniu de expertiz[ ]i s[ ofere un
grad corespunz[tor de fine\e ]i precizie @n ra\ionamentele efectuate.
Validarea prototipului se realizeaz[ compar`nd rezultatele oferite de
aceste cu cele ob\inute de exper\i ]i de utilizatori pe baza aceluia]i set de
date de test ca ]i cazuri reale. Validarea permite s[ se evalueze
performan\ele, lacunele ]i limitele prototipului ]i s[ se aduc[ amelior[rile
necesare at`t @n privin\a bazei de cuno]tin\e c`t ]i al interfe\ei cu
utilizatorii.
#n paralel cu dezvoltarea ]i validarea prototipului, metoda
COGNITECH propune, cu titlu op\ional, testarea machetei eleborate @n
prima faz[ pe un post de lucru real, c`t mai apropiat de viitoarele condi\ii
112

de exploatare avute @n vedere. Pentru aceast, macheta, care conserv[ baza


de cuno]tin\e ini\ial[, se completeaz[ cu modulele de interfa\[ cu toate
sursele de informa\ii, inclusiv interfa\a cu utilizatorul. Prin observarea
exploat[rii sale se ob\in informa\ii deosebit de utile pentru ameliorarea
sistemului ]i pentru preg[tirea condi\iilor de trecere @n exploatarea efectiv[.
6.9. METODA KADS
KADS este numele unei metode de inginerie a cuno]tin\elor
dezvoltate @n cadrul Comunit[\ii Europene, @n inten\ia definirii unui
standard metodologic european pentru conceperea ]i realizarea de sisteme
]i aplica\ii informatice care utilizeaz[ baze de cuno]tin\e.
Ciclul de dezvoltare propus de metoda KADS este structurat @n
urm[toarele etape:
- definirea aplica\iei;
- analiza;
- proiectarea;
- implementarea;
- instalarea;
- exploatarea ]i men\inerea @n func\iune.
Definirea aplica\iei corespunde analizei preliminare. #n cursul
acestei etape se urm[re]te identificarea c`t mai exact[ a problemei ]i
oportunitatea rezolv[rii ei printr-un sistem expert.
Etapa de analiz[ examineaz[ problema de rezolvat @n trei
dimensiuni: sub aspectul restric\iilor ce trebuie respectate la realizarea
sistemului, sub aspectul sarcinilor de expertiz[ la care trebuie s[ r[spund[
]i sub aspectul modului @n care viitorul sistem va fi integrat @n activitatea
curent[ a personalului (scenarii de utilizare). #n raport cu structura ciclului
de via\[ prezentat @n paragraful 6.1., aceast[ etap[ regrupeaz[ activit[\ile
legate de modelarea conceptual[ ]i colectarea cuno]tin\elor folosind @n
acest scop tehnici specifice.
KADS propune un demers de modelare al expertizei care
diferen\iaz[ descrierea domeniului de descrierea ra\ionamentelor, tot a]a
cum, pentru aplica\iiile conve\ionale se diferen\iaz[ descrierea datelor de
cea a prelucr[rilor. #n acest scop, se apeleaz[ la o structurare pe patru
nivele:
113

nivelul domeniu, @n cadrul c[ruia se realizeaz[ descrierea


obiectelor, conceptelor, atributelor ]i a rela\iilor dintre toate
acestea, a eventualelor formule de calcul sau euristici folosite.
Acest nivel corespunde aspectului static, structural al
domeniului de expertiz[;
- nivelul inferen\[, @n cadrul c[ruia sunt descrise primitivele de
ra\ionament folosite pentru rezolvarea problemei. Aceste
primitive sunt regrupate @n structuri de inferen\[, fiecare
asemenea structur[ formaliz`nd setul de transform[ri succesive
specific unui obiectiv precis @ntr-un context dat;
- nivelul activitate, @n cadrul c[ruia sunt descrise etapele de
ra\ionament (scopuri) ]i modul @n care se pot efectua fiecare
dintre acestea (structura de inferen\[). O structur[ de inferen\[
precizeaz[ modul @n care va fi parcurs[ secven\a de activit[\i ]i
elementele de control necesare. Aceluia]i scop @i pot fi atribuite
mai multe structuri de inferen\[ ceea ce traduce existen\a mai
multor c[i de atingere a acestuia;
- nivelul de strategie, @n cadrul caruia este descris planul general
de rezolvare a problemei ]i cuno]tin\ele necesare pentru
aceasta. Planul de rezolvare precizeaz[ @n ce ordine trebuie
abordate (sub)scopurile de atins ]i formalizeaz[ astfel demersul
de rezolvare a problemei.
Al[turi de primitivele de modelare amintite anterior, KADS ofer[ ]i
o bibliotec[ de modele generice. Construirea de modele generice se
bazeaz[ pe constatarea analogiei conceptelor ]i demersurilor folosite @n
rezolvarea problemelor de aceea]i natur[, cum ar fi, spre exemplu
diagnosticarea, planificarea etc. Existen\a modelelor generice faciliteaz[
modelarea expertizei deoarece, pe de o parte, cogniticianul poate lucra prin
afin[ri succesive ale elementelor structurii generice ]i, pe de alt[ parte, el
poate folosi structurile generice pentru a se ghida @n culegerea cuno]tin\elor
]i a diminua riscul dispersiilor @n intervievarea subiec\ilor umani.
#n acest cadru, procesul de modelare al expertizei se realizeaz[ @n trei
faze:
- descrierea lucr[rii de expertiz[ ]i a rezultatelor pe care aceasta
trebuie s[ le produc[;

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

4.3. REPREZENT{RI SUCCESORALE ............................................. 65


4.3.1. NO|IUNI GENERALE PRIVIND PARTAJAREA
PROPRIET{|ILOR .......................................................................... 65
4.3.2. RE|ELE SEMANTICE ........................................................... 68
4.3.3. CADRELE............................................................................... 73
4.4. ALTE METODE DE REPREZENTARE A CUNO}TIN|ELOR 80
4.4.1. REPREZENTAREA ORIENTAT{ PE OBIECTE ................... 80
4.4.2. RE|ELE NEURONALE .......................................................... 81
4.4.3. REPREZENTAREA CUNO}TIN|ELOR #N BLACKBOARDS
(TABLE NEGRE) .............................................................................. 84
4.5. CRITERII DE ALEGERE }I SELEC|IE A METODELOR DE
REPREZENTARE A CUNO}TIN|ELOR........................................... 86
V. FUNC|IONAREA SISTEMELOR EXPERT BAZATE PE
REGULI DE PRODUC|IE ................................................................ 90
5.1 ARHITECTURA SISTEMELOR BAZATE PE REGULI DE
PRODUC|IE ......................................................................................... 90
5.2 ETAPELE UNUI CICLU DE BAZ{ AL MOTORULUI DE
INFEREN|E ......................................................................................... 92
5.3 RA|IONAMENTUL DEDUCTIV ................................................. 94
5.4 RA|IONAMENTUL INDUCTIV .................................................. 97
VI. PROIECTAREA }I REALIZAREA SISTEMELOR
EXPERT ............................................................................................. 100
6.1. CICLUL DE VIA|{ AL UNUI SISTEM EXPERT ................... 100
6.2. ANALIZA PRELIMINAR{ ........................................................ 101
6.3. MODELAREA CONCEPTUAL{ ............................................... 104
6.4. COLECTAREA CUNO}TIN|ELOR .......................................... 105
6.5. REPREZENTAREA CUNO}TIN|ELOR................................... 109
6.6. VALIDAREA SISTEMULUI ...................................................... 109
6.7. INTRODUCEREA #N EXPLOATARE }I MEN|INEREA #N
FUNC|IUNE....................................................................................... 110
6.8. METODA COGNITECH ............................................................. 110
6.9. METODA KADS ......................................................................... 113

194