VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ
Ing. Petr Baxant, Ph.D.
ZNALOSTNĚ ORIENTOVANÉ TECHNOLOGIE A JEJICH VYUŽITÍ V OSVĚTLOVACÍ TECHNICE KNOWLEDGE ORIENTED TECHNOLOGIES AND THEIR UTILIZATION IN LIGHTING TECHNOLOGY
ZKRÁCENÁ VERZE HABILITAČNÍ PRÁCE
BRNO 2008
Klíčová slova Znalosti; znalostní systém; expertní systém; modelování znalostí; ontologie; sémantická síť; taxonomie; tezaurus; světelná technika; osvětlovací technika; návrh osvětlení.
Keywords Knowledge; knowledge system; expert system; knowledge modelling; ontology; semantic diagram; taxonomy; thesaurus; light technology; lighting technology; lighting design.
Místo uložení práce Originál habilitační práce je uložen na vědeckém oddělení FEKT VUT v Brně.
© Petr Baxant, 2008 ISBN 978-80-214-3801-9 ISSN 1213-418X
OBSAH 1 ÚVOD ........................................................................................................................................... 5 1.1 1.2 1.3
Současný stav řešené problematiky ..................................................................................... 6 Cíle práce ............................................................................................................................. 8 Metodika řešení.................................................................................................................... 8
2 EXPERTNÍ SYSTÉMY A JEJICH OBECNÁ KONCEPCE ..................................................... 11 2.1 2.2
Inferenční mechanizmus .................................................................................................... 12 Báze znalostí ...................................................................................................................... 12
3 PŘÍKLADY A APLIKACE ZNALOSTNÍCH TECHNOLOGIÍ V DOMÉNĚ OSVĚTLOVACÍ TECHNIKY ................................................................................................................................ 13 3.1 3.2 3.3 3.4 3.5
Použití UML při modelování znalostí ve světelné technice .............................................. 13 Využití predikátové logiky................................................................................................. 14 Ontologie a modelování znalostí........................................................................................ 16 Sémantický filtr Magpie..................................................................................................... 16 Taxonomie a tezaury.......................................................................................................... 17
4 ZÁVĚR........................................................................................................................................ 19 5 POUŽITÁ LITERATURA.......................................................................................................... 21
3
AUTOR Ing. Petr Baxant, Ph.D.
Narozen: Kontakt:
21. 3. 1973 v Novém Městě na Moravě, ČR Ústav elektroenergetiky, FEKT, Vysoké učení technické v Brně Technická 8, 616 00 Brno, email:
[email protected].
Vzdělání 1987 – 1991 Střední průmyslová škola elektrotechnická v Brně, Obor Automatizační technika. 1991 – 1996 FEI VUT Brno, Obor Elektronika a sdělovací technika. Diplomová práce: Anténní přizpůsobovací člen s měřicími obvody. 1996 – 2000 FEKT VUT Brno, Postgraduální studium Silnoproudá elektrotechnika a elektroenergetika, specializace na světelnou a osvětlovací techniku. Disertační práce: Hodnocení jasových poměrů s využitím digitální fotografie (Ocenění: 1. místo v kategorii doktorských prací v soutěži Cena ČEZ, a.s. 2000) 2004 CEVAPO VUT Brno, Doplňující pedagogické studium. Závěrečná práce: Využití informačních a komunikačních technologií ve výuce. Praxe 2000 – 2008 Ústav elektroenergetiky FEKT VUT Brno, Odborný asistent, garant předmětů pro bakalářské, magisterské a doktorské studium. Výuka předmětů: Světelná technika, Osvětlovací soustavy, Počítačové modelování a simulace, Informační a řídicí systémy v energetice. 2007 Knowledge Media Institute, The Open University, Milton Keynes, United Kingdom, 3 týdny studijní pobyt, modelování znalostí, znalostní systémy. Projekty 2006 2001-2007 2001-2003 2003-2005 2005-2009
Projekt FRVŠ, kategorie A: Inovace laboratoře světelné techniky. Vývojový projekt LumiDISP - software pro jasovou analýzu s využitím digitální fotografie - hlavní řešitel (http://www.lumidisp.eu). Grantový projekt 102/01/D005 - Využití digitální fotografie v novém systému hodnocení osvětlovacích soustav - hlavní řešitel. Grantový projekt 102/03/1162 - Realizace expertního systému pro zrakově náročná pracoviště - hlavní řešitel. Výzkumný záměr: Zdroje, akumulace a optimalizace využití energie v podmínkách trvale udržitelného rozvoje – účastník, výzkumný pracovník.
Specializace • Světelná technika, měření, výpočty, hodnocení osvětlovacích soustav. • Digitální fotografie a její využití pro měření ve fotometrii, hodnocení jasových poměrů. • Expertní systémy a znalostní technologie, možnosti aplikace ve světelné technice. • Počítačové modelování a simulace (energetika, světelná technika). • Výpočetní technika, softwarová analýza, návrh a vývoj softwarových aplikací. • Kogenerace – nasazení, provozování, simulace a výpočty
4
1 ÚVOD
Umělé osvětlení tvoří dnes zcela transparentní složku technického vybavení budov a tvoří neoddělitelnou součást našeho života. Vytváří, resp. mělo by vytvářet podmínky nejen pro kvalitní pracovní prostředí, ale zajišťuje i vhodné světlené podmínky pro odpočinkové místnosti, místnosti s občasným pobytem osob, venkovní prostory v širokém spektru využití, od silniční dopravy po architektonické osvětlení památek. Klíčovým prvkem byl a bude světelný zdroj jako generátor světla, jehož obvykle nevhodně směrovaná světelná energie je usměrňována optikou svítidel, které kromě směrování světelného toku plní i řadu jiných funkcí. I když dokážeme velice přesně změřit, jakým způsobem je světlo ze svítidla distribuováno do prostoru, neexistuje obecně uznávaná metodika, která by určovala, jakým způsobem a jaká svítidla do osvětlovaného prostoru umístit. Tato činnost je svěřena projektantům, kteří vlastní naučenou rutinou s velkou dávkou intuice volí především vhodná svítidla, samozřejmě s využitím řady obecných pravidel a kritérií. S využitím výpočetního programu se snaží vybraná svítidla umístit do prostoru tak, aby dodrželi minimálně dva parametry a to hladinu udržované osvětlenosti Em a požadovanou rovnoměrnost osvětlení. Existuje však řada dalších atributů osvětlení, které se přímo či nepřímo sledují a hodnotí. Mezi ně patří např. hodnocení oslnění, hodnocení barevného podání světla, hodnocení teploty chromatičnosti, stability osvětlení, ale třeba i směrovost a stínovost světla. Při řešení tohoto úkolu se tedy setkáme s řadou rozhodovacích procesů, výběrů, srovnání, přiřazení apod. Všechny tyto činnosti lze klasifikovat jako rozhodnutí na základě znalostí. Z dnes existujících komponent pro osvětlování lze sestavit prakticky nekonečné množství variant a klíčem k úspěšné realizaci bývá zejména vysoce odborný přístup projektanta – světelného technika, který se dokáže v množství variací orientovat a zodpovědně vybírat správná řešení. Princip, jakým svůj výběr provádí, je v podstatě jednoduchý: na základě naučených pravidel, doporučení, norem, vyhlášek a dalších omezujících informací vytváří kombinace a varianty řešení vedoucí ke správnému nebo alespoň akceptovatelnému cíli. Ne vždy je schopen používat objektivní a deterministické postupy a často se uchyluje k aplikaci heuristických znalostí, které vyplynuly z jeho dlouholeté praxe. Právě tyto znalosti mohou odlišovat kvalitního technika od začátečníka či teoretika. Otázka, kterou si můžeme nyní položit, zní: existuje mechanizmus, kterým by bylo možné podobné chování člověka modelovat na počítači a dostat se ke stejným anebo alespoň obdobným výsledkům? Existuje způsob jak lidské znalosti modelovat a uložit v paměti počítače? V dnešní době můžeme zodpovědně říci, že ano. Existuje a to dokonce ne jediný, ale hned několik způsobů, jak podobný problém řešit strojově. Existuje rozsáhlá teorie ale i praxe tzv. znalostních technologií, do kterých spadá řada dílčích metod na zpracování znalostí, ať už je to jejich ukládání nebo zpracování. Jedním z finálních řešení znalostních technologií jsou např. expertní systémy, jakožto zástupci speciálního software z oblasti umělé inteligence. Expertní systémy jsou obvykle velice rozsáhlé a komplexní aplikace, jejich tvorba je dlouhodobá a vyžaduje obvykle početnou skupinu vývojářů. Mnohdy lze globální problém řešit dílčími kroky, po částech a využít i různé přístupy. Klíčovým problémem se stává zejména způsob ukládání znalostí, tj. jejich počítačová reprezentace. Velice efektivní se v tomto směru jeví použití již hotových fragmentů verifikovaných modelů, které již není třeba dále rozšiřovat. Mohou to být např. obecně známé informace o práci s časem, matematické operace, základní fyzikální jevy apod. Problematikou se podrobně zabývá např. [ 58 ].
5
Obecně známým faktem je, že počet informací neustále narůstá a narůstat bude i v budoucnu, a to pravděpodobně stále rychlejší. Je to dáno především rychlým rozvojem techniky a intenzivní publikací nejrůznějších informací, které tento rozvoj dokumentují. Světelná technika se od tohoto trendu rovněž neodchyluje, neboť každoročně se objevují nové typy světelných zdrojů, řada nových typů svítidel, ale i nové trendy v osvětlování, technika řízení osvětlení, moderní elektroinstalační prvky atd. S rozvojem informací z medicíny a hygieny práce jsou generovány nové poznatky o člověku a jeho fyziologických potřebách, světlo nevyjímaje. Vytváří se zde prostor pro nové úpravy v legislativních dokumentech. Bohužel dynamika legislativních změn je obecně příliš pomalá a nereflektuje možnosti techniky, kterou dnes máme k dispozici. Pro hodnocení kvality osvětlení používáme velice omezené a zjednodušené postupy, např. jen na základě měření rozložení intenzity osvětlení, místo řádově sofistikovanějších metod hodnocení jasových poměrů na základě analýzy obrazů z digitální fotografie [ 8 ]. Je tedy na místě uvažovat o racionálním způsobu ukládání, zpracování a opětovném využívání znalostí prostřednictvím technologií, kterou reprezentují např. expertní systémy a pomoci v rozhodovacích procesech, které se dnes mnohdy velice těžce a zdlouhavě zdůvodňují a prosazují do praxe. 1.1
SOUČASNÝ STAV ŘEŠENÉ PROBLEMATIKY
Osvětlovací technika, stejně jako většina technických oborů, dosáhla za poslední období nebývalého rozvoje. Tržní prostředí vyvolává trvalý tlak na inovace ve výrobě, který je způsoben požadavkem na prodejní schopnost výrobků na nejrůznějších trzích. Pokud chtějí výrobci prodat své výrobky, musí být dostatečně kvalitní, cenově dostupné, přinášet zajímavá řešení a splňovat nároky kladené na ně zákazníkem. Ve světelné technice se jedná zejména o tyto klíčové oblasti: vývoj a výroba světlených zdrojů, vývoj a výroba svítidel, vývoj a výroba elektroinstalačních prvků a doprovodných prvků osvětlovací techniky (např. žaluziové systémy, senzorika, digitální a silové sběrnicové systémy apod.). Samozřejmě můžeme uvažovat i nové trendy ve stavebnictví, využití nových materiálů pro konstrukci budov, moderní architektura apod. Zřejmá je dnešní orientace k většímu využití denního světla nejen z důvodu fyziologických, ale zejména ekonomických, využití inteligentních osvětlovacích systémů, resp. obecně tzv. inteligentních elektroinstalací. Výsledkem tohoto inovačního procesu v uvedených oblastech je extrémní nárůst nejrůznějších výrobků s širokým spektrem vlastností. Pokud bychom přijali tvrzení, že všechny komponenty a jejich použití vede ke společnému cíli, a to zajištění kvalitního osvětlení pro člověka, pak existuje velmi rozsáhlá množina možných řešení. Do procesu výběru vhodného řešení je nutné zahrnout i současnou legislativu, která je postavena na platných právních zákonech, vyhláškách, normách a nařízeních vlády. Dále jistě bude třeba zohlednit obecné znalosti z fotometrie, fyziologie, ale dnes i ekonomiky, projektování, elektrotechniky atd. a v neposlední řadě zohlednit i ekologická hlediska. Je zřejmé, že obsáhnout tuto kvantitu znalostí je jedním člověkem prakticky nemyslitelné a je velice složité ji obsáhnout i koordinovaným týmem odborníků. V současnosti se tedy spoléháme na méně efektivní návrhy, které zahrnují pouze omezenou množinu variant, daných aktuálním stavem poznání daného odborníka. Je prakticky vyloučené zhodnotit, jak daleko je výsledné řešení vzdálené od svého optima, když nejsme schopni optimum nalézt. Přestože dnes existuje řada dokumentů v elektronické podobě (katalogy, normy, knihy apod.), není vůbec jednoduché provádět globální prohledávání této dokumentace a vyvozovat správné závěry. Při této činnosti je zatím stále nutný inteligentní lidský jedinec, který je schopen provádět rozhodnutí na základě kritérií a logických úsudků. Tento fakt je dlouhodobě neudržitelný, neboť cena takto získaných informací je úměrná složitosti jejich získávání, což při navyšování globální prohledávací množiny může vést až k extrémním cenám, které nebude schopen zákazník akceptovat. Samozřejmě náhradní variantou je používat informace méně cenné, získané z omezené báze informací, resp. získané zrychleným a "méně odborným" rozhodováním, což vede k riziku
6
chybného řešení a možným následkům při jejich nápravě (zvýšené náklady na realizaci, opravy, zhoršené pracovní podmínky, zdravotní rizika, úrazy apod.). V oblasti světelné techniky tedy neexistují žádné speciálně zaměřené databanky znalostí, které by shromažďovaly komplexní data potřebná pro návrhy osvětlení. Existuje řada elementárních databází v podobě produktových katalogů výrobců, dále databáze svítidel jako součásti různých výpočetních programů. Existují poměrně kvalitně zpracované publikace i v elektronické podobě např. [ 37 ]. Strojově zpracovatelný zdroj informací, kterému by mohl rozumět počítač (viz např. sémantické dokumenty) však v dané doméně prakticky neexistuje, resp. při hledání z dostupných internetových zdrojů se nepodařilo žádný použitelný zdroj najít. Na tomto místě je vhodné si ujasnit jednu skutečnost. Je dnes problém tvrdit, že nějaký zdroj informací skutečně neexistuje, neboť zcela vyloučit to nelze. Podle odhadů existovalo více než 29,7 miliard webových stránek (únor 2007) [ 95 ]. Za období od února 2007 do října 2007 přibylo více než 34 milionů nových www serverů a každý z nich v průměru může obsahovat cca desítky až stovky stránek (dle [ 95 ] je to v průměru 273 stránek na jedno webové místo). Strojové prohledávání zajišťují internetové vyhledávače, ale i ty mají omezené schopnosti, především udržují ve svých databázích pouze vzorky dat ze stránek zaindexované do rychle prohledatelné struktury. Internetový prostor je velice dynamický a neexistuje žádný způsob, jak spočítat skutečný objem dat a najít konkrétní informaci v celém tomto expandujícím prostoru. Jednoduchým výpočtem totiž zjistíme, že za jednu sekundu pravděpodobně vzniká až 450 nových webových dokumentů (stránek) a problém je v tom, že nikdy nevíme, kde nové dokumenty přibyly, takže než je nějaký agentní program objeví, může to trvat i několik dnů či dokonce měsíců. Za tu dobu však přibudou další milióny nových dokumentů. Můžeme tedy pouze tvrdit, že pravděpodobně neexistuje, neboť skutečná neexistence dokumentu se zřejmě vyloučit nedá. V oblasti zpracování informací dnes existují sofistikované metody pro hodnocení obsahu a vytváření automatizovaných anotací a indexů. Vyhledávače nám tedy pomáhají alespoň v prvním kroku přiblížit se k hledanému cíli. Bohužel je stále na nás, abychom stránku přečetli a svým rozumem zhodnotili a případně postupovali dále či učinili vhodná rozhodnutí na základě takto získaných poznatků. Vedle klasického webu však pomalu ale jistě nastupuje nová technologie v podobě tzv. sémantických webů, resp. obecně sémantických dokumentů. Ty využívají speciálně vytvořených metadat pro strojové zpracování znalostí obsažených uvnitř textu, viz např. [ 48 ]. Existuje řada projektů, které s využitím znalostních principů dokáží řešit konkrétní problémové úkoly, např. návrh výtahu [ 57 ], diagnózu infekčních onemocnění a doporučení správného antibiotika, [ 12 ], optimální konfiguraci počítače [ 94 ] a celá řada dalších. Co se týče světelné techniky, v současnosti neexistuje efektivní systém evidence znalostí, který by byl dostatečně dimenzován na ukládání a zpracování různorodých informací z oboru osvětlování. Existuje pouze rozsáhlá množina nejrůznějších informací, resp. informačních zdrojů, které však nejsou vzájemně propojeny žádným efektivním mechanizmem, který by dokázal skládat a odvozovat existující informace na základě dotazů uživatele do smysluplných odpovědí. Za nejmodernější technologii pro zpracování textových informací ze světelné techniky je tedy zatím "hypertextový dokument" reprezentovaný textem a odkazy na jiné části textu, popř. jednoduché databázové systémy umožňující vyhledat záznam na základě omezeného souboru hledaných atributů. Z hlediska efektivního využívání informací však takový způsob nepřináší potřebné výsledky a rozhodně nelze očekávat optimální řešení bez zapojení lidského faktoru, který však může být velice subjektivní. To by měly znalostní systémy a technologie umělé inteligence do budoucna změnit a postupně zkvalitnit přístup k informacím a převzít klíčové kompetence při jejich manipulaci.
7
1.2
CÍLE PRÁCE
Výše uvedené klíčové problémy by se daly řešit (a také se v praxi již v mnoha oblastech řeší) pomocí sofistikovaných algoritmů strojového zpracování znalostí, které bychom zjednodušeně mohli nazvat strojovým myšlením, i když pojem „myšlení“ je zde třeba chápat v přeneseném slova smyslu. Výkon počítačů a množství zpracovávaných informací jsou schopny generovat výsledky obdobné lidskému uvažování a v mnohém je i překonat (rychlost, množství zpracovaných informací, objektivnost). Cílem práce je v prvé řadě ukázat, jaké dnes existující technologie v oblasti znalostních systémů existují a popsat jejich klíčové vlastnosti. Na základě tohoto rozboru provedeme výběr ukázkových technologií a ukážeme si, jak tyto počítačové technologie aplikovat v oblasti osvětlovací techniky a využít tak jejich potenciálu pro budoucí, kvalitativně lepší řešení konečných realizací osvětlovacích systémů. I když řada zde uvedených informací jsou v mnohém přepracovanou rešerší již existujících publikací, čtenář zde najde mnoho navazujících a původních příspěvků autora, které se orientují zejména na oblast konkrétního nasazení systémů v osvětlovací technice a vysvětlení jejich činnosti. Práce by měla být koncepčním návodem k realizaci znalostního systému, neboť některé informace jsou zcela konkrétně orientované na cílové technologie, např. použití databází, návrh struktury databáze, fragmenty zdrojových kódů v jazyce predikátové logiky apod. Jelikož se jedná o velice rozsáhlé téma, není smyslem práce poskytnout finální řešení a to zejména z důvodu značného množství informací, které by bylo třeba shromáždit a strojově zpracovat, ale také z důvodu implementační složitosti, která vyžaduje kvalifikované programátory, což není autorova specializace. V práci tedy budou uvedeny pouze demonstrativní vzorky dat, trénovací množiny informací, které postačují na vysvětlení ukázkových problému. Další informace čtenář nalezne v případných navázaných publikacích a referenční literatuře, ze které autor čerpal. Pro pochopení funkce expertního systému a navázaných technologií bude v práci pojednáno také o problematice programovacích jazyků umělé inteligence, modelovacím jazyku UML, problematice objektově orientovaného programování, databázových systémech a internetových komunikačních prostředcích. Práce by mohla vytvořit zajímavou publikaci i pro studenty, kteří se chtějí hlouběji zabývat osvětlovací technikou. Úvahy zde uvedené totiž odrážejí modelové situace, postupy, popisují konkrétní technologie a rozbor je někdy proveden hodně podrobně, jako demonstrace dekompozice znalostí pro strojové zpracování. Čtenář tak má možnost sledovat, jakým způsobem probíhá myšlenkový proces, rozhodovací procesy, jakým způsobem uplatňujeme různá omezení, jak popisujeme konkrétní objekty apod. Práce by tedy měla být i užitečnou pedagogickou pomůckou pro doplňkové studium nejen osvětlovací techniky, ale také počítačové techniky, resp. znalostně orientovaných technologií v oblasti jejich aplikace na konkrétní doméně. 1.3
METODIKA ŘEŠENÍ
K úspěšnému řešení nevede pouze jediná cesta, řešení může být nakonec i několik. V prvé řadě je třeba provést identifikaci klíčových problémů, tj. které rozhodovací procesy jsou nejčastější, co způsobuje největší problémy při řešení projektů apod. Rozbor procesu rozhodování může odhalit podstatu problému, otevřít další téma pro diskuzi. Při řešení jistě narazíme na řadu filozofických otázek, subjektivních přístupů apod. Je velice žádoucí, aby byly např. diskutovány ve větších skupinách odborníků, např. konferencích. Autor se pravidelně účastní většiny tuzemských i mezinárodních konferencí v oblasti osvětlovací techniky, kde je prostor pro řešení klíčových problémů. Řada informací byla zpracována již během řešení grantového úkolu, [ 4 ], kde je autor hlavním řešitelem. V habilitační práci bude pozornost soustředěna na vybrané funkční koncepty z tohoto projektu a doplněna novými znalostmi získanými např. ze zahraniční stáže na Knowledge Media Institute, Open University, Milton Keynes, UK, 2007 [ 97 ].
8
Jednou z nejčastějších činností při převodu informací, resp. znalostí, do strojově zpracovatelné podoby je jejich modelování. Ve své podstatě se jedná o vytváření strukturovaných dokumentů na základě identifikace tříd, jejich vzájemných relací, činností apod. Logický model popisu znalostí obvykle označujeme pojmem ontologie. Ontologie a jejich tvorba je tedy běžným prvkem a komponentou např. pro sémantické dokumenty (sémantický web). V práci bude tvorbě ontologií a jejich obecnému popisu věnován příslušný prostor, neboť ve své podstatě jsou nosnou strukturou pro záznam znalostí pro expertní systém. Jakou reprezentaci nakonec zvolíme, nemusí být klíčovým faktorem, neboť existuje vždy způsob, jak převést informace z jedné reprezentace na jinou. Zmíníme se např. o relačních modelech používaných v databázových systémech. Pro rozhodovací úlohy jsou výhodné tzv. binární stromy, pro popis struktury reálných systémů je vhodné použít např. sémantické sítě, apod. V rámci řešení budou demonstrovány některé přístupy k reprezentaci znalostí na konkrétních příkladech, které budou strojově zpracovány. Opět lze počítat spíše s jednodušším a názornějším řešením, než s komplexními úlohami, které by byly prakticky využitelné v plném rozsahu. Zpracování znalostí bude provedeno např. v jazyce PROLOG, Lisp anebo v uživatelsky vytvořených strukturách, kterým „rozumí“ konkrétní aplikační software. Tyto fragmenty slouží pro testování analyzovaných konceptů a modelů. Čtenář je může sám vyzkoušet, neboť jsou v elektronické podobě uloženy na přiloženém CD. Vymezený prostor bude věnován také úvahám nad technologiemi, které lze využít pro zpracování dat, např. databázové systémy, metody inference apod. Spojení jednotlivých dílčích částí např. může řešit komplexnější funkce. Máme např. možnost vytvořit databázový systém, který by disponoval i složkou inferenční, tj. rozšiřoval by možnosti klasických dotazovacích jazyků jako je SQL. V této souvislosti se zmíníme o tzv. deduktivních databázích jako složky inteligentních systémů. Přesné vymezení pojmu deduktivní databáze však neexistuje a většinou jsou spojovány s konstrukcemi programu v jazyce PROLOG nebo jemu podobné syntaxi. V principu však program v PROLOGu není databází v pravém slova smyslu, ale spíše deklarativním výčtem pravidel a faktů zapsaných v podobě textu. Teprve kompilátor začne text překládat do strukturované podoby např. binárních stromů. V rámci práce bude rozebrána i otázka, zda by nebylo efektivní propojit mechanizmy, se kterými pracují logické interpretery a databázové systémy (ať už na bázi relačních systémů či objektových technologií), neboť databázové objekty reprezentují obecně více rozměrné struktury, tedy mohou zahrnovat i binomické stromy. Na technologické informace týkající se funkčnosti softwaru pro umělou inteligenci budou navazovat informace obsahové, a to zejména oborově ze světelné techniky, pro kterou je expertní systém primárně určen. Specifické znalosti ze světelné techniky vyžadují samostatný rozbor každé oblasti, tak aby byly zhodnoceny možnosti elektronického zpracování informací optimálním způsobem. Postihnout by se měly všechny klíčové oblasti, které hrají roli zejména v projektové praxi a také v hygienickém a zdravotním dozoru. Další nemalou částí informací tvoří legislativní podklady, které představují další poměrně přesně vymezenou strukturu zákonů, vyhlášek a nařízení členěných do paragrafů, odstavců a jiných přesně definovaných struktur. Vytvoření alespoň demonstrativní aplikace bude provedeno s ohledem na dosavadní znalosti autora v oblasti programování, informačních a komunikačních technologií. Omezíme se na vybrané části, které svým rozsahem bude možné zpracovat ručně. Vybraný problém bude analyzován, vytvořen návrh řešení, vytvořen ukázkový model znalostí a následně strojově zpracován jako demonstrace funkčnosti. Závěrem této kapitoly by bylo vhodné připomenout ještě některé skutečnosti, které vymezují celkový rozsah práce a které deklarují určité konvence. V prvé řadě je třeba respektovat fakt, že umělá inteligence jako obor zahrnuje celou řadu aktivit a né vždy je korektní nazývat některé její části doslova umělou inteligencí, neboť se často jedná o poměrně jednoduché logické systémy. Jelikož by bylo zbytečně komplikované a často rozporuplné provádět u každé části vlastní
9
klasifikaci a identifikaci, budeme všechny komponenty řadit do společné množiny znalostních technologií a s ní související domény umělé inteligence. Přestože je umělá inteligence poměrně mladým oborem, naznala značného rozvoje, který ve velké míře kopíruje rozvoj samotné výpočetní techniky, neboť je dnes prakticky výhradně na této platformě implementována. Nelze přesně najít pomyslný vrchol této technologie, neboť rozvoj se orientuje více do šířky než technologické složitosti, což znamená, že než zdokonalování vybrané technologie spíše vzniká řada elementárních a relativně jednoduchých nových a kompaktních řešení. Neexistuje jedno univerzální řešení, které by dokázalo postihnout vše. Velký prostor je dnes věnován problematice ontologií a sémantickým dokumentům, což je ve své podstatě logickým krokem v inovaci internetového obsahu (obecně všechen multimediální obsah, který je sdílen v počítačové síti a je dostupný uživatelům). Velké množství informací do budoucna nebude možné zpracovat jinak než strojově. Vývoj technologií v tomto směru je tedy nevyhnutelný, neboť standardní techniky hodnocení informačního obsahu, byť jsou mnohdy velmi sofistikované, nedokáží více, než zobrazit dokumenty setříděné podle určité míry relevance obsahu. Tato práce nemá rozhodně za cíl popsat vše, co umělá inteligence představuje. Není ani jednoduché vybrat ty nejzajímavější a nejvhodnější části, neboť každá z nich je poměrně obsáhlá už jen po teoretické stránce. Také autorova odborná orientace není primárně zaměřena na tuto oblast, proto ať laskavý čtenář promine někdy neodborně podané a někdy spíše filozofické úvahy nad určitými partiemi umělé inteligence a souvisejících technologií. Světelná technika je však natolik zajímavou aplikační oblastí pro umělou inteligenci, že je více než vhodné učinit tento první krok, který do budoucna světelné technice může významně pomoci. Máme tím na mysli především snadnější a verifikovanější zodpovídání mnohdy komplikovaných otázek, např. jaké požadavky máme pro určitý případ osvětlování splnit, jaké máme vybrat vhodné komponenty a jak je pospojovat. Věřme, že tato práce přispěje k rozvoji světelné techniky a pomůže všem, kteří chtějí zde popsané technologie v praxi používat.
10
2
EXPERTNÍ SYSTÉMY A JEJICH OBECNÁ KONCEPCE
Tato kapitola pojednává o koncepci expertních systémů (ES), tj. jejich komponentách, obecné struktuře, funkci jednotlivých částí apod. Expertní systémy patří k jakémusi pomyslnému vrcholu znalostních technologií a jako takové mají řešit komplexní problémy ve specifické doméně. Důvod, proč se zaměřujeme na tuto technologii podrobněji, je fakt, že návrh expertního systému byl řešen v rámci grantového úkolu, během něhož vznikla řada diskuzí a podkladů pro další práci. Druhým důvodem, který toto rozhodnutí ovlivnil, je fakt, že většina znalostních technologií stejně konverguje právě k tomuto vrcholu, tj. snaží se řešit dílčí části, které expertní systémy zastupují globálně. Báze znalostí v nejrůznějších formách reprezentace, odvozovací mechanizmy jako procedury manipulující se znalostmi a rozhraní, která dovolují člověku komunikovat se systémem. Vlastní implementace ES může být poměrně náročná a to je i důvod, proč expertních systémů v tomto pojetí na světě existuje jen velice málo a jejich dovednosti jsou stále orientované především na schopnosti počítače, méně již na přirozené chápání člověka. Použití je pak výsadou pouze dobře proškolených uživatelů a laik bude komunikací s jakýmkoliv expertním systémem pravděpodobně velice zklamán. Nicméně tak jak se zdokonalují jednotlivé dílčí komponenty, především v oblasti znalostního modelování a jak rychle se rozvíjí zejména komunikační technologie a internet, ale lze očekávat, že brzy se začnou objevovat takové služby, které budou expertní systémy a jejich chování v mnohém připomínat i když samy o sobě expertním systémem nazývány nebudou. Budou však poskytovat takové znalosti, které budeme vyžadovat v danou chvíli na daném místě, a nebudou nás zatěžovat informacemi, které naopak nepotřebujeme, tak jak je tomu nyní u klasického webu. Podívejme se tedy na to, co expertní systémy představují v současném pojetí. Obecné a často uváděné schéma expertního systému vychází z konceptuálního diagramu na Obr. 2.1. Tato koncepce v podstatě plně postačuje k tomu, aby mohla být řešena určitá znalostní úloha. Editace bází faktů a znalostí, stejně tak jako sledování výsledků je svěřeno externím nástrojům, jako např. textovým editorům.
Obr. 2.1 Základní schéma expertního systému
Na následujícím obrázku je schéma doplněno o další systémy reprezentující rozhraní, které zjednodušují práci s expertním systémem a to zejména ve chvíli plnění báze znalostí a ladění funkcí systému. Komunikace tohoto typu je důležitá zejména ve chvíli, kdy je konzultantem člověk.
11
Obr. 2.2 Rozšířené schéma expertního systému
V případě využití expertního systému jiným strojem, nebo jiným programem či počítačovou službou je možné samozřejmě některé části opět vynechat a pracovat se zjednodušenou koncepcí. Konkrétní implementace je samozřejmě na uvedených schématech nezávislá a je třeba je chápat pouze jako možné koncepty. 2.1
INFERENČNÍ MECHANIZMUS
To co odlišuje ES od ostatních programů je jeho striktní oddělení znalostí od procesů, které s nimi pracují. ES se stává „inteligentním“ až ve chvíli, kdy existuje báze znalostí a naopak báze znalostí je nepoužitelná bez tzv. odvozovacího mechanizmu. Procedurální složka ES se nazývá obecně inferenční mechanizmus (IM). Inference neboli odvozování, není v podstatě nic jiného, než vhodná manipulace s daty uloženými v databázi a jejich správná interpretace. Aby tento proces pracoval, je nutné zajistit to, že data ve znalostní databázi budou modelována právě ve formátu, kterému je inferenční mechanizmus přizpůsoben. Např. není možné vytvořit deklarativní model doménových znalostí a použít inferenční mechanizmus pro produkční bázi pravidel. Dříve než tedy začneme jakýkoliv znalostní systém vytvářet, je nutné vědět, jaká data budeme modelovat a v čem je budeme zpracovávat. Toto je klíčové rozhodnutí, které ovlivní celý vývoj znalostního systému. 2.2
BÁZE ZNALOSTÍ
Tak jako inferenční mechanizmus se stal synonymem výkonné složky znalostního systému, tak se báze znalostí stala synonymem deklarativní složky znalostního systému. O znalostech je v práci pojednáno na mnoha místech. Můžeme tedy provést pouze sumarizaci klíčových poznatků, které charakterizují bázi znalostí. Báze znalostí je specifická struktura dat, která má konkrétní sémantický význam a je uzpůsobena tak, aby data zde uvedená byla zpracovatelná některým inferenčním algoritmem. Existuje řada reprezentací, které definují sémantiku dané struktury. Stejně jako běžný jazyk má předepsanou gramatiku psaného slova, abychom mu jako lidé bez problému rozuměli, tak i báze znalostí dodržuje konkrétní pravidla pro záznam jednotlivých položek. Často se hovoří o tom, že znalostní báze sledují tři klíčové cíle: doménu znalostí, do které jsou situovány, úkol, který mají řešit a metodu, jakou budou řešeny. Lze těžko definovat jednotnou metodiku, která předepíše pro danou doménu konkrétní reprezentaci a k ní konkrétní metodu řešení, tj. inferenční mechanizmus. Vše závisí na datech, která vyjadřují danou znalost v doméně.
12
3
PŘÍKLADY A APLIKACE ZNALOSTNÍCH TECHNOLOGIÍ V DOMÉNĚ OSVĚTLOVACÍ TECHNIKY
Jelikož existuje velké množství technologií ale i velké množství aplikačních úloh, vybereme jen některé zajímavé příklady, které stačí pro demonstraci a pochopení možností dnešních technologií. Cílem je podpořit zájem o tyto technologie především u odborníků z řad světelných techniků, expertů na osvětlovací techniku, ale i praktiků jako jsou projektanti anebo vývojáři softwaru. 3.1
POUŽITÍ UML PŘI MODELOVÁNÍ ZNALOSTÍ VE SVĚTELNÉ TECHNICE
Jelikož UML představuje univerzální modelovací nástroj nejen pro návrh softwarových aplikací, je možné jej využít i pro modelování obecných objektů a jejich chování v reálných situacích. Toho můžeme využít i pro náš případ modelování znalostí. Jelikož znalosti se týkají objektů reálného světla, je UML v tomto směru použitelné. Pokud bychom chtěli zakreslit diagram tříd daného světelného zdroje, můžeme s výhodou použít symbolů jazyka UML. Světelný zdroj (SZ)
Teplotní SZ
Výbojové SZ
Nízkotlaké VSZ
Sodíkové NVSZ
Luminiscenční SZ
Vysokotlaké VSZ
Rtuťové NVSZ
Lineární zářivky
Komparktní zářivky
Obr. 3.1 Hierarchie dědičnosti pro světelné zdroje
Pokud se třída skládá z několika dalších tříd, hovoříme o tzv. agregaci. Svítidlo je typickou agregací několika komponent – světelný zdroj, patice, svorkovnice, předřadníky, optické části, těleso svítidla, vodiče. Asociaci agregace lze zakreslit v UML dle následujícího obrázku.
13
Svítidlo
Světelný zdroj
Předřadník
Patice
Připojovací části
Svorky
Vodiče
Světelně optické části
Mřížka
Reflektor
Refraktor
Obr. 3.2 Asociace agregace vyjadřuje vztah „je součástí“
Pokud je každá komponenta součástí pouze jednoho celku, pak hovoříme o složenině. Svítidlo naznačené agregací na Obr. 3.2 je takovou složeninou, neboť každá komponenta je součástí pouze tohoto jednoho svítidla. 3.2
VYUŽITÍ PREDIKÁTOVÉ LOGIKY
Predikátová logika je jedním z velice častých způsobů deklarace pravidel. Jelikož zdrojový kód neřeší procedurální složku vykonávání příkazů, můžeme se plně soustředit pouze na deklaraci pravidel. Predikáty jsou určitá tvrzení a tato tvrzení mohou nabývat konstantních hodnot a nebo používají proměnné. Pokud se v rámci predikátu objeví proměnná, jedná se o hledaný parametr, který se při odvozování snažíme naplnit takovou hodnotou, aby bylo tvrzení pravdivé. Jako ukázku si zvolíme obdobnou úlohu jako v předchozím případě. Budeme předpokládat, že již známe pracovní činnost, tj. její hodnotu pro naše odvozování a chceme vytvořit pravidla, která deklarují znalosti o tom, jaké hodnoty osvětlenosti máme pro danou činnost zajistit, jaké má být maximální UGR a index barevného podání Ra. Víme, že řada osvětleností je definována normou, což jsou fakta, která můžeme popsat konstantami. Také víme, že za určitých okolností můžeme doporučenou udržovanou osvětlenost snížit a nebo naopak zvýšit. Tyto okolnosti popíšeme pravidly pomocí predikátů. % Testovací data pro ověření funkce odvozování % Fakta získaná z normy ČSN EN 12646-1, Světlo a osvětlení – Osvětlení pracovních prostorů – Část 1: Vnitřní pracovní prostory % fakta definující řadu osvětleností a její zvyšování o jeden stupeň zvys1stf(mensi_nez_20,20). zvys1stf(20,30). zvys1stf(30,50). zvys1stf(50,75). zvys1stf(75,100). zvys1stf(100,150). zvys1stf(150,200). zvys1stf(200,300). zvys1stf(300,500). zvys1stf(500,750). zvys1stf(750,1000). zvys1stf(1000,1500). zvys1stf(1500,2000). zvys1stf(2000,3000). zvys1stf(3000,5000). zvys1stf(5000,5000). % o % %
14
pravidla definující manipulaci s fakty řady osvětleností při zvyšovaní a snižovaní jeden nebo dva stupně) dotaz je formulován ve tvaru zvys1st(aktualni hodnota E,nova hodnota E). výsledek vrací novou hodnotu E zvýšenou o 1 stupeň
zvys1st(X,Y) :- zvys1stf(X,Y). % Zvýšení o jeden stupeň zvys2st(X,Y) :- zvys1stf(X,Z), zvys1st(Z,Y). % Zvýšení o dva stupně sniz1st(X,Y) :- zvys1st(Y,X). % Snížení o jeden stupeň sniz2st(X,Y) :- zvys1stf(Z,X), sniz1st(Z,Y). % Snížení o dva stupně % pravidla pro zvýšení, popř. snížení osvětlenosti o jeden stupeň, jiná interpretace rada_Ef([nelze_snizit_E,20,30,50,75,100,150,200,300,500,750,1000,1500,2000,3000,5000 ,nelze_zvysit_E]). zvys_E(X,Y) :- nextto(X, Y, Z), rada_Ef(Z). sniz_E(X,Y) :- nextto(Y, X, Z), rada_Ef(Z). % fakta, která vyžadují změnu osvětlenosti o jeden stupeň podminkaf(zvysit_E, podminkaf(zvysit_E, podminkaf(zvysit_E, podminkaf(zvysit_E, podminkaf(zvysit_E, podminkaf(zvysit_E, podminkaf(snizit_E, podminkaf(snizit_E, podminkaf(snizit_E,
zrakova_cinnost_je_rozhodujici). chyby_se_nakladne_opravuji). presnost_a_vysoka_produktivita_jsou_velmi_dulezite). zrakove_schopnosti_pracovniku_jsou_snizene). zrakove_ukoly_jsou_neobvykle_male_a_malo_kontrastni). ukol_je_vykonavan_po_neobvykle_dlouhou_dobu). ukol_je_vykonavan_po_neobvykle_kratkou_dobu). kriticke_detaily_jsou_neobvykle_velke). kriticke_detaily_maji_velky_kontrast).
% pravidlo, které na dotaz s aktuální osvětleností X a upřesněním činnosti Y vrací novou hodnotu osvětlenosti E zmena_E(X,Y,E) :- zvys1st(X,E),podminkaf(zvysit_E,Y). zmena_E(X,Y,E) :- sniz1st(X,E),podminkaf(snizit_E,Y).
Spustíme-li tento kód v programu Prolog, který je interpereterem tohoto jazyka, pak např. poslední predikát zmena_E(X,Y,E) bude na zadání reagovat výpisem: 1 ?- zmena_E(500,zrakove_ukoly_jsou_neobvykle_male_a_malo_kontrastni,E). E = 750 ; No
Poslední řádek značí, že systém už nemá žádnou další odpověď. Hodnota E = 750 říká, že při hladině 500 lx a podmínce, že zrakové úkoly jsou neobvykle malé a málo kontrastní bude výsledná hodnota E = 750 lx. Mohli bychom však zadat i takovéto zadání: 2 ?- zmena_E(500,PODMINKA,750).
K němu obdržíme tento výsledek: PODMINKA PODMINKA PODMINKA PODMINKA PODMINKA PODMINKA No
= = = = = =
zrakova_cinnost_je_rozhodujici ; chyby_se_nakladne_opravuji ; presnost_a_vysoka_produktivita_jsou_velmi_dulezite ; zrakove_schopnosti_pracovniku_jsou_snizene ; zrakove_ukoly_jsou_neobvykle_male_a_malo_kontrastni ; ukol_je_vykonavan_po_neobvykle_dlouhou_dobu ;
Systém nám vypsal všechny podmínky, za kterých se mění osvětlenost z 500 na 750 lx. Pokud naopak napíšeme snížení osvětlenosti z 500 na 300, systém vypíše, za jakých podmínek lze toto snížení provést. 3 ?- zmena_E(500,PODMINKA,300). PODMINKA = ukol_je_vykonavan_po_neobvykle_kratkou_dobu ; PODMINKA = kriticke_detaily_jsou_neobvykle_velke ; PODMINKA = kriticke_detaily_maji_velky_kontrast ; No
15
3.3
ONTOLOGIE A MODELOVÁNÍ ZNALOSTÍ
Další technologií, kterou využijeme pro demonstraci příkladu z osvětlovací techniky, jsou ontologie. Ontologie resp. ontologický dokument představuje jeden z nejčastěji aplikovaných přístupů pro záznam znalostí v podobě znalostního modelu. Pro názornost si zvolíme jednoduchou doménu s omezenými znalostmi, resp. jejich vzorkem a vytvoříme demonstrační ontologii jako ukázku konkrétní reprezentace znalostí v podobě unifikovaného dokumentu. Např. formát RDF je celkem snadno čitelný i pro člověka, neboť používá srozumitelné tagy a jejich hodnoty a strukturu souboru na bázi XML. Fragment RDF dokumentu uvádí následující zdrojový text:
Máme zde celkem tři objekty: třídu (class), vlastnost (property) a příklad instance objektu třídy Incandescent filament lamp. Tento strukturovaný dokument je již snadno strojově zpracovatelný a je možné jej použít jako zdrojový soubor pro konkrétní inferenční stroj, např. webovou službu. 3.4
SÉMANTICKÝ FILTR MAGPIE
Další ukázka využití zajímavé technologie prezentuje možnosti integrace nástavbových funkcí do běžného internetového prohlížeče. Představme si situaci, kdy hledáme na internetu nebo v jakémkoliv webovém dokumentu nějaké informace. Velké množství textu musíme zpracovat zrakem a zkrátka jej přečíst, abychom se dobrali hledaných informací. Někdy nám stačí projít text velice rychle a hledat jen určitá klíčová slova. Můžeme využít např. funkce hledání textu. Některé webové stránky nebo doplňky umožňují zvýraznění vyhledaných slov přímo v textu, tzv. "highlighting". Okamžitě tak máme přehled, kde se naše hledané slovo nachází a zhruba v jakém počtu výskytů. Jako ukázka aplikace ve světelné technice poslouží jednoduchý lexikon obsahující asi 250 záznamů definující 5 základních oblastí zájmu: fotometrie (Photometry), optika (Optics), fyziologie (Physiology), technologie (Technology), design osvětlení (Lighting design) Pro každou oblast zájmu je v lexikonu definováno několik desítek záznamů, tak aby pokrývaly nejčastější termíny z této oblasti. Soubor lexikonu načteme v doplňku Magpie a na vybrané www
16
stránce zapneme zvýrazňování jednotlivých oblastí zájmu. Výsledek je patrný z následujícího obrázku.
Obr. 3.3 Ukázka aplikace sémantického filtru s oborově přizpůsobeným lexikonem
Okamžitě tak máme přehled, jaké části textu se vztahují k technologiím, jaké k designu a jaké např. k fotometrii. Mohli bychom dále vytvořit odkazy na příslušné webové služby, bohužel pro tuto doménu by bylo nutné služby nejprve naprogramovat a zprovoznit. Je to však otázka konkrétní implementace specifického programu, který může provádět další manipulace a odvozování, např. vysvětlení pojmu, vypsání všech dalších souvisejících pojmů atd. 3.5
TAXONOMIE A TEZAURY
Pro strojové zpracování textových zdrojů je vhodné vytvořit přehledovou taxonomii definující hierarchii pojmů v dané doméně. Na internetu lze najít mnoho služeb, které nabízejí encyklopedické funkce, funkce výkladových slovníků, tezaurů, překladačů apod. Služeb, které by se primárně soustředily na obor osvětlovací techniky je však k dispozici velice málo a informace zde nalezené jsou obsahově značně omezené. Jedna ze zajímavých aplikací je např. na adrese http://www.satel-light.com/guide/glosatod.htm - European Database of Daylight and Solar Radiation, kde najdeme slovník pojmů souvisejících s denním světlem, osvětlováním. Kromě výkladu daných termínů a to dokonce s grafickými doplňky typu obrázek, graf, slovník obsahuje I překlady termínů do cca 5 dalších jazyků (některé termíny obsahují více překladů jiné méně). Opět zde však není žádná známka o tezaurovém zpracování. Pro ukázkový tezaurus a taxonomii použijeme základní sadu termínů z osvětlovací techniky a doplníme je dalšími souvisejícími termíny, aby byla množina početnější a objevilo se více vzájemných relací mezi termíny. K editaci a vytvoření tezauru se velmi dobře hodí program MultiTes Pro, který ukládá termíny do strukturované databáze a dokáže vytvářet několik typů výstupů – reportů. Kromě běžných textových souborů je schopen vygenerovat webové stránky s hotovým tezaurem, který navíc propojuje vložené termíny s uživatelsky zadanými službami. Ukázkově jsou vyplněny služby Google a Yahoo pro vyhledávání a doplňkově lze přidat třetí službu. V našem případě použijeme všeobecnou encyklopedii Wikipedia.
17
Nejběžnější formou tezauru je abecedně seřazený seznam termínů s doplněnými referenčními relacemi. Vybranou ukázku tvoří následující text. maximální jas BT: jas maximální osvětlenost BT: osvětlenost měření NT: měření barev NT: měření jasu NT: měření osvětlení měření barev BT: měření RT: spektrofotometr měření jasu BT: měření NT: měřicí pole měření osvětlení BT: měření NT: měřicí pole RT: luxmetr RT: srovnávací rovina měření spektra RT: spektrofotometr měřicí přístroj BT: přístroj NT: fotometr
NT: kolorimetr NT: radiometr NT: spektrofotometr RT: přesnost nízkotlaká rtuťová výbojka BT: nízkotlaká výbojka NT: zářivka nízkotlaká sodíková výbojka BT: nízkotlaká výbojka nízkotlaká výbojka BT: výbojka NT: nízkotlaká rtuťová výbojka NT: nízkotlaká sodíková výbojka nouzové osvětlení BT: osvětlení oblohové světlo BT: světlo oblohové záření BT: záření odstupňované osvětlení BT: osvětlení omezující oslnění BT: oslnění
Co můžeme z takového textu vyčíst? Především je vhodné si všimnout určitých vlastností jednotlivých termínům. Termíny, které nemají přiřazenou zkratku BT: jsou buď na vrcholu hierarchie – top level termíny, anebo nejsou v žádné hierarchii. Termíny, které mají naopak dvě značky BT: jsou součástí dvou hierarchií, což tezaurus nevylučuje na rozdíl od klasické definice tříd, tj. klasifikace, kde každá třída může mít maximálně jednu nadřazenou třídu. Termíny, které obsahují zkratku NT: referují na více specifické termíny, tj. upřesňující daný termín. Termíny se zkratkou USE: jsou nepreferované a místo nich je doporučeno používat jiný, preferovaný termín. Zkratky RT: nám referují na asociační termíny, tj. termíny, které nějakým způsobem souvisejí s daným termínem. Tímto příkladem aplikace zakončíme pojednání o praktickém využití jednotlivých technologií v doméně osvětlovací techniky. Souhrnně lze říci, že máme k dispozici celou řadu prostředků, které by mohli pomoci nejen technikům, ale i prodejcům či zákazníků, učitelům i studentům efektivně sdílet a zpracovávat informace popisující znalosti, které jinak musíme pracně skládat z rozptýlených fragmentů po mnoha datových zdrojích. Existují další technologie, které by bylo možné demonstrovat, ale jejich podrobnější zpracování a ukázky by přesáhly možnosti této práce. Není smyslem zde vytvářet přehledovou encyklopedii a znalý čtenář jistě promine, pokud zde nenašel vše, co sám zná. Úkolem bylo ukázat, že znalosti lze uchopit, systematicky zpracovat, uložit a strojově vyhodnocovat. Ukázkové příklady naznačují cestu a zájemci jistě najdou další možnosti, jak příklady doplnit, rozšířit a modifikovat. Další podklady nabízí řada referenční literatury uvedené v seznamu na konci práce.
18
4 ZÁVĚR
Znalostní technologie a světelná technika jsou dvě zatím hodně oddělené oblasti. Světelná technika prakticky nevyužívá možností, které znalostní technologie představují, a je to velká škoda. Přitom světelná technika se přímo týká nás věch, neboť vytváří podmínky pro naši práci i odpočinek. Návrhy těchto systémů jsou svěřeny lidem, jako ostatně velká většina všech jiných technických aplikací. Ukazuje se však, že člověk pomalu ale jistě ztrácí schopnost obsáhnout data, která daná doména obsahuje. Extrémní nárůst komponent, ze kterých lze systémy skládat, znemožňuje jejich kvalifikovaný výběr a tak se dnes musíme spolehnout na aktuální schopnosti projektantů a těch kvalitních také není přebytek. V práci byla popsána řada pojmů, které souvisejí se znalostmi, jejich získáváním, modelováním a ukládáním. Ukázali jsme si, že existují programové prostředky na jejich zpracování a že máme k dispozici řadu aplikací, které jsou tímto směrem orientované. Existují velkolepé projekty, které mají ambice shromáždit co největší množství lidského vědění. Známe již z historie, že moudrost lidé uchovávali v podobě knih a každý panovník se obklopoval bohatou knihovnou, která demonstrovala touhu po vědění. Dnešní projekty jako např. Wikipedia, obsahující v anglické verzi více než 2 milióny článků, prezentují sílu informačních technologií a jejich všeobecnou popularitu. Pomocí vyhledávačů, které shromažďují dnes již miliardy záznamů, máme možnost získat seznamy odkazů na konkrétní stránky obsahující hledaný text. Z hlediska znalostních systémů je nejdále zřejmě projekt Cyc [ 92 ], který se prezentuje jako největší světová databanka znalostí, obsahující více než 300 tisíc konceptů definující ontologie z oblasti lidské společnosti a jejího fungování. Dále pak více než 3 milióny tvrzení typu fakt nebo pravidlo navzájem propojené více než 26 tisíci relacemi. Témata ze světelné techniky zde ale nenajdeme anebo jen ve velice omezené míře. Vysoce technicky zaměřené znalostní systémy budou pravděpodobně vždy doménově orientované a úzce profilované aplikace se specifickými funkcemi. Hlavním cílem práce bylo demonstrovat, že dílčí části znalostí z osvětlovací techniky není velký problém modelovat a zaznamenat v podobě některé standardizované metodiky. Ukázali jsme si odvozování v prostředí PROLOG, které nabízí jednoduchý způsob ukládání znalostí v podobě jednoduchého textu a zároveň odvozování v podobě jednoduchých dotazů ve formě uživatelem vytvořených predikátů. Závisí jen na rozsahu programu, kolik toho systém umí a ukázkový příklad nám pomohl řešit např. úlohu nalezení správné hodnoty osvětlenosti, indexu oslnění a indexu barevného podání pro navrhovaný pracovní prostor při znalosti dalších doplňujících podmínek. Ukázali jsme si, jak lze jednoduchým způsobem vytvářet sémantické sítě a to buď jako grafické objekty pomocí např. modelovacích nástrojů jako UML nebo Visio, ale také pomocí specializovaných nástrojů jako je Protégé. Sémantické sítě jsou základem ontologií, které modelují existenční vztahy mezi objekty v konkrétní doméně. Ukázali jsme si, jak lze např. vytvořit ontologii pro doménu světelných zdrojů a publikovat ji v některém standardizovaném formátu jako je OWL nebo RDF. Takto připravená data jsou již snadno strojově zpracovatelná, neboť jsou opatřena potřebným metadatovým obsahem, který stroj potřebuje k jejich manipulaci. Jako velice praktický a jednoduchý způsob vytváření hierarchických modelů a relačních vazeb se jeví model taxonomických dat. Ty jsou založeny na jednoduchých pravidlech tezaurů a existují opět nástroje, které dovolují snadno vytvářet potřebné tezaury prakticky z libovolné slovní zásoby. Tezaury se orientují vyloženě jen na slova a krátká slovní spojení, pevně dané relace a nepředepisují žádnou další funkčnost. Nicméně pro klasifikaci určitých pojmů je to v prvním kroku asi nejrychlejší způsob, jak vytvořit počítačový slovník s plným provázáním mezi termíny.
19
Přenositelnost tohoto formátu a jeho snadná čitelnost je zárukou široké využitelnosti, neboť takový slovník lze využít např. jako podklad pro automatizované anotace textu. O expertních systémech jsme se zmínili v samostatné kapitole a ukázali jsme si, z jakých částí se tyto systémy obvykle skládají. I když expertní systémy dnes stále patří k velmi málo rozšířenému aplikačnímu softwaru, je dobře patrná silná infiltrace expertních technik do běžného aplikačního software. Zejména v oblasti technické podpory se velice často střetáváme s pojmem knowledge base – znalostí báze. Zde poskytovatelé podpory uchovávají odpovědi na nejčastější dotazy a problémy, které uživatelé vznášejí na technickou podporu. V podstatě se jedná v principu o velice primitivní službu, která bývá doplněna fulltextovým vyhledávačem. Nejedná se tedy o bázi znalostí, jako ji aplikujeme u ES, ale spíše o databázi odpovědí na známé otázky. Co se týká světelné techniky a jejího rozvoje, jistě nikdo nepochybuje o tom, že i zde se bude i nadále pokračovat v inovačních trendech a nové technologie budou přicházet do praxe. Žárovka se stala díky své nízké účinnosti synonymem nehospodárného spotřebiče a je jen otázkou času, kdy bude zákonnými úpravami zcela vytlačena z trhu. Jistě ji nahradí jiné zdroje a je těžké říci, zda je tento krok správný. Každá inovace s sebou nese určitá rizika a komplikace. Nicméně otevírají se také nové možnosti. A těch se zdá být nyní obrovské množství. Projektanti mohou využívat nespočet řešení a můžeme směle tvrdit, že zdaleka nemohou využít celý potenciál dnešní nabídky. Je jasné, že občas se musí něco opomenout, některá rozhodnutí jsou chybná, vedou ke špatným závěrům. Důvodem je nedostatečná znalost lidí, kteří s technikou pracují a kteří tato řešení sestavují. Omezené finance na projektovou činnost mnohdy ani nedávají prostor na hlubší rozbor úlohy, pracuje se cestou minimálních nákladů a cena informace se nijak nezohledňuje. Není jistě správné, že takto vzniká mnoho realizací, které by mohly být lepší, mnohdy i levnější, mohly by lépe vyhovovat lidem, pro které jsou vytvářeny. Velkou pomocí v tomto směru jsou zejména výpočetní programy. Během několika minut je projektant schopen vytvořit model jednoduché místnosti, umístit do něj svítidla a „rozsvítit je“. Je však opět na jeho úsudku a znalostech, zda daný návrh označí za dobrý nebo špatný. Neexistuje striktní hranice pro dobré a špatné, i když bychom si to všichni přáli. Každý z nás je jiný, má jiné požadavky. Můžeme použít statistiku, pravděpodobnost a kriteriální analýzu, přiblížíme se tak více našim přáním a představám o dobrém světle. Ale to opět nezvládneme bez počítačů a vhodného softwarového vybavení. Je tedy jasné, že v tomto ohledu má světelná technika velké rezervy, a pokud je využijeme, máme šanci racionalizovat další vývoj. Objektivnost postupů, které lze pomocí znalostních technologií dosáhnout, může „měřit všem stejným metrem“. Pak se možná ukáže, že některá řešení nemá smysl dále podporovat a pokud to bude podloženo pádnými důkazy, nebude taková rozhodnutí asi nikdo zpochybňovat. Budoucí činnost v tomto směru by se měla zaměřit alespoň na dílčí úkoly a jejich realizaci. Tak jak dnes existuje mezinárodně uznávaná terminologie, měla by existovat i mezinárodně uznávaná báze znalostí, kterou by měli začít využívat nejen technici, ale i běžní uživatelé. Vždyť rozhodnutí jaký světelný zdroj si máme koupit do kuchyně anebo obývacího pokoje snad řešil každý z nás a kolik takových rozhodnutí bylo správných? Určitě nejjednodušší cestou bude nejprve vytvoření rozsáhlých taxonomií pro klíčové oblasti, např. světelné zdroje, svítidla, měření, hygienu, elektrické rozvody, provoz a údržbu apod. Vytvoření modelů znalostí pro tyto domény bude dalším krokem a implementace v některém již existujícím znalostním systému by mohla relativně rychle nabídnout funkční řešení. Bylo by určitě skvělé, kdyby vznikla nezisková organizace, která by tyto aktivity zastřešovala a spojila dohromady týmy lidí jak z oblasti znalostního inženýrství, tak z oblasti světelné techniky. Zatím však takové diskuze neproběhly ani na úrovni Mezinárodní komise pro osvětlování CIE, která se prozatím soustředí výhradně na témata ze světelné techniky. Budiž tedy tato práce prvním takový krokem při sbližování dvou rozdílných světů a nechť přinese více světla znalostem a více znalostí světlu.
20
5 POUŽITÁ LITERATURA
[1]
ARLOW, J., NEUSTAT, I.: UML a unifikovaný proces vývoje aplikací. Computer press, Brno 2003, ISBN 80-7226-947-X
[2]
BAIRANZADE, M. Electronic Lamp Ballast Design [Online]. Motorola Semiconductor Application Note AN1543/D. [Cit. 2005-10-05]. Dostupné z WWW:
[3]
BAXANT, P., SOKANSKÝ, K. Expertní systém pro osvětlovací techniku. Světlo, ISSN 1212-0812, 2006, roč. 9, č. 2, s. 57 - 60
[4]
BAXANT, P., SOKANSKÝ, K. Realizace expertního systému pro osvětlovací techniku, Závěrečná zpráva ke grantovému projektu GAČR 102/03/1162, Brno 2006, 66 stran.
[5]
BAXANT, P. Implementation of the Expert System for Lighting Engineering In Proceeding from the 16th International Conference LIGHT 2005. LIGHT-SVETLO 2005. Typhoon: Bratislava, 2005, s. 311 - 315, ISBN 80-969403-0-9
[6]
BAXANT, P. Teoretický úvod do expertních systémů, možnosti aplikace ve světelné technice, Kurz osvětlovací techniky XXIII, Kouty nad Desnou, 2004, ISBN 80-248-06592
[7]
BAXANT, P. Conceptual design of a lighting technology expert system, Mezinárodní konference SVETLO 2004, Brno 2004, ISBN 80-238-8928-1
[8]
BAXANT, P. Databázové zpracování měření a souborů digitálních fotografií, KURZ OSVĚTLOVACÍ TECHNIKY XXII, Dlouhé stráně 2003, ISBN 80-248-0446-8
[9]
BAXANT, P. Expertní systémy v procesu řízení a projektování, International Scientific Conference Electrical Power Engineering 2004, ISBN 80-214-2642-X, Brno 2004
[ 10 ] BAXANT, P. Chyby při měření kolísání světelného toku, Kurz osvětlovací techniky XXIV, Kouty nad Desnou, 2005, ISBN 80-248-0935-4 [ 11 ] BERKA, P. Dobývání znalostí z databází, ACADEMIA 2003, ISBN 80-200-1062-9 [ 12 ] BUCHANAN, Bruce G., SHORTLIFFE, Edward H.. Rule-Based Expert Systems : The MYCIN Experiments of the Stanford Heuristic Programming Project [Online]. AAAI Press, [Cit. 2007-06-05]. Dostupný z WWW: . [ 13 ] CIE Publication No. 30.2- Calculation and Measurement of Luminance and Illuminance in Road Lighting [ 14 ] CIE Publication No. 55-1983 Discomfort Glare in the Interior Working Environment [ 15 ] CIE Publication No. 60-1984: Vision and the visual display unit work station
21
[ 16 ] CIE Publication No. 95-1992: Contrast and visibility [ 17 ] Císař, P. InterBase/Firebird: Tvorba, administrace a programování databází, Computer press, Brno 2003, ISBN 80-7226-946-1 [ 18 ] Česká technická norma: ČSN EN 12646-1, Světlo a osvětlení – Osvětlení pracovních prostorů – Část 1: Vnitřní pracovní prostory. [ 19 ] Česká technická norma: ČSN EN 12665. Světlo a osvětlení – Základní termíny a kritéria pro stanovení požadavků na osvětlení. 2003. [ 20 ] Česká technická norma: ČSN EN 60598 Světlo a osvětlení [ 21 ] Česká technická norma: ČSN EN 60598, Svítidla [ 22 ] Československá technická norma: ČSN 36 0011, Měření osvětlení vnitřních prostorů [ 23 ] Československá technická norma: ČSN 36 0020, Sdružené osvětlení [ 24 ] Československá technická norma: ČSN 36 0020-1, Sdružené osvětlení [ 25 ] Československá technická norma: ČSN 36 0400, Veřejné osvětlení [ 26 ] Československá technická norma: ČSN 36 0410, Osvětlení místních komunikací [ 27 ] Československá technická norma: ČSN 38 0450, Umělé osvětlení vnitřních prostorů [ 28 ] DOMINGUE, J. B. - DZBOR, M., MOTTA, E. Magpie: Browsing and Navigating on the Semantic Web, [Online], In Proc. of the Conference on Intelligent User Interfaces, January 2004, Portugal, [Cit. 2007-07-05]. Dostupný z WWW: [ 29 ] DRÁPELA, J., BAXANT, P. Systematical Analysis of Lamps Sensitivity to Voltage Variations and its Application in Systems for Design of Lighting Systems In Proceeding from the 16th International Conference LIGHT 2005. LIGHT-SVETLO 2005. Typhoon: Bratislava, 2005, s. 60 - 126, ISBN 80-969403-0-9 [ 30 ] DZBOR, M. - DOMINGUE, J. B. - MOTTA, E. Magpie - towards a semantic web browser, [Online], In Proc. of the 2nd Intl. Semantic Web Conf., October 2003, Florida US, [Cit. 2007-07-06], Dostupný z WWW: [ 31 ] Evropská technická norma: EN 60064, Žárovky pro domácnosti a obdobné osvětlovací účely [ 32 ] Evropská technická norma: EN 60081, Zářivky pro všeobecné osvětlování [ 33 ] Evropská technická norma: EN 600901, Jednopaticové zářivky [ 34 ] Evropská technická norma: EN 60969, Zdroje světla s integrovanými předřadníky určené pro všeobecné osvětlovaní [ 35 ] IEC 600500 (845), Mezinárodní elektrotechnický slovník
22
[ 36 ] IEEE Inteligent Systems magazine, [Online], Dostupné z WWW: [ 37 ] IESNA Lighting Handbook 9th edition, Reference & Application“ IESNA New York, USA, ISBN 0-87995-150-8 [ 38 ] Internetové stránky SWI Prolog [Online], [Cit. 2007-05-10], Dostupný z WWW: [ 39 ] ISO2788:1986 — Guidelines for the establishment and development of monolingual thesauri, International Organization for Standardization (ISO), 1986. [ 40 ] ISO5964:1985 — Guidelines for the establishment and development of multilingual thesauri, International Organization for Standardization (ISO), 1985. [ 41 ] JURA, P. Základy fuzzy logiky pro řízení a modelování. 1 vyd. Brno: FEI VUT Brno, Ústav automatizace a měřicí techniky, 1998. ISBN 80-214-1203-8 [ 42 ] KAUFMANN, J. IES Lighting Handbook – Application“ IESNA New Yourk, USA, ISBN 0-87995-024-2, part 11.24 [ 43 ] KELEMEN, J. KUBÍK, A. LENHARČÍK, I. MIKULECKÝ, P. Tvorba expertních systémů v prostředí CLIPS, Grada 1999, ISBN 80-7169-501-7 [ 44 ] KIRSTEN, W., IHRINGEN, M., KUHN, M., ROHRING, B. Caché - databáze postrelačního typu a tvorba aplikací, Computerpress , Brno 2005, ISBN 80-251-0491-5 [ 45 ] Kolektiv autorů. Prague Dependency Treebank PDT 2.0, [Online], projekt pro anotaci textu, , [Cit. 2007-07-10], Dostupné z WWW: [ 46 ] LUKASOVÁ, A. Formální logika v umělé inteligenci, Computer press, Brno 2003, ISBN 80-251-0023-5 [ 47 ] MacADAM, D.L. Sources of Color Science, The MIT Press, 1970 [ 48 ] VARGAS-VERA, M., DOMINGUE, J., MOTTA, E., BUCKINGHAM SHUM, S., LANZONI, M. Knowledge Extraction by using an Ontologybased, Annotation Tool, [Online], In: proceedings of the Workshop Knowledge Markup & Semantic Annotation, KCAP'01, Victoria Canada, October 2001 [Cit. 2007-07-06], Dostupný z WWW: [ 49 ] MAŘÍK, V., ŠTĚPÁNKOVÁ, O. LAŽANSKÝ, J. a kol. Umělá inteligence (1), ACADEMIA 1993, ISBN 80-200-0496-3 [ 50 ] MAŘÍK, V., ŠTĚPÁNKOVÁ, O. LAŽANSKÝ, J. a kol. Umělá inteligence (2), ACADEMIA 1997, ISBN 80-200-0504-8 [ 51 ] MAŘÍK, V., ŠTĚPÁNKOVÁ, O. LAŽANSKÝ, J. a kol. Umělá inteligence (3), ACADEMIA 2001, ISBN 80-200-0472-6
23
[ 52 ] MAŘÍK, V., ŠTĚPÁNKOVÁ, O. LAŽANSKÝ, J. a kol. Umělá inteligence (4), ACADEMIA 2003, ISBN 80-200-1044-0 [ 53 ] MATOUŠEK J. Sdružené osvětlení budov, ČKAIT, Praha 1998. [ 54 ] MATOUŠEK, V., MAUTNER, P., OCELÍKOVÁ, J. Umělá inteligence a rozpoznávání, [Online], [Cit. 2007-09-15], Dostupné z WWW: [ 55 ] McDERMOTT. R1: A rule-based configurer of computer systems. Artificial Intelligence 19:39-88, 1982 [ 56 ] MOLNÁR, Z. Efektivnost informačních systémů, GRADA, Praha 2001, ISBN 80-2470087-5 [ 57 ] MOTTA, E., STUTT, A., ZDRAHAL, Z., O’HARA, K., SHADBOLT, N. Solving VT in VITAL: a study in model construction and knowledge reuse, Int. J. Human – Computer Studies (1996) 44, pp. 333-371, Academia Press 1996 [ 58 ] MOTTA, E. Reusable Components for Knowledge Modelling, IOS Press 1999, ISBN 1 58603 003 5 [ 59 ] Nařízení vlády č. 178/2001 Sb., Stanovení podmínek ochrany zdraví zaměstnanců při práci [ 60 ] NIKOLOV, A. Fusing automatically extracted semantic annotations. [Online], Workshop: KnowledgeWeb PhD Symposium 2006, European Semantic Web Conference (ESWC'06), Budva, Montenegro. [Cit. 2007-07-11], Dostupný z WWW: [ 61 ] OWL Web Ontology Language Guide [Online], W3C Recommendation 10 February 2004, [Cit. 2007-06-27], Dostupné z WWW: [ 62 ] PATTON, R. Testování softwaru. Computer press, Praha 2002, ISBN 80-7226-636-5 [ 63 ] Počítačový program Case Studio 2, Nápověda k programu,[Online], [Cit. 2005-04-06] Dostupný z WWW: [ 64 ] POKORNÝ, J., ŽEMLIČKA, M. Základy implementace souborů a databází, Univerzita Karlova, Praha 2004, ISBN 80-246-0837-5 [ 65 ] POPPER, M., KELEMEN, J. Expertné systémy, Bratislava 1989, ISBN 80-05-00051-0 [ 66 ] PROSISE, J. Programování v Microsoft.NET, Webové aplikace v .NET Frameworks, C# a ASP.NET, Computer press, Brno 2003, ISBN 80-7226-879-1 [ 67 ] Přispěvatelé Wikipedie, Predikátová logika prvního řádu [Online], Wikipedie: Otevřená encyklopedie, c2007, Datum poslední revize 6. 12. 2006, [Cit. 2006-12-12] Dostupný z WWW: [ 68 ] Publikace ČEA: Inteligentní řízení osvětlovacích soustav vnitřního osvětlení, 2003
24
[ 69 ] Publikace ČEA: Měření a hodnocení světelně technických veličin, 2004 [ 70 ] Publikace ČEA: Racionalizace v osvětlování kanceláří, škol a bytových prostor, 2004 [ 71 ] Publikace ČEA: Úspory elektrické energie na veřejné osvětlení, 2002 [ 72 ] Publikace ČEA: Úspory elektrické energie v systému veřejného osvětlení, 2000 [ 73 ] RIORDAN, R.M. Vytváříme databázové aplikace, Computer Press 2000, ISBN 80-7226360-9 [ 74 ] SCHMULLER, J. Myslíme v jazyku UML, Grada 2001, ISBN 80-247-0029-8 [ 75 ] SINHA, K.N., GUPTA, M.M. Soft Computing & Intelligent Systems, Academic Press 2000, ISBN 99-65097 [ 76 ] SOKANSKÝ, K., NOVÁK, T. Možnosti využití expertních systémů při návrhu osvětlovacích soustav s vysokou zrakovou náročností. Mezinárodní konference SVETLO 2004, Brno 2004, ISBN 80-238-8928-1 [ 77 ] SOKANSKÝ, K. Možnosti využití expertních systémů při návrhu osvětlovací soustavy, KURZ OSVĚTLOVACÍ TECHNIKY XXII, ISBN 80-248-0446-8 [ 78 ] STEEL, G.J, GABRIEL, R. P. The evolution of LISP, 2001 [ 79 ] STONEBRAKER, M. BROWN, P. Objektově relační SŘBD, analýza příští velké vlny, BEN Praha 2000, ISBN 80-86056-94-5 [ 80 ] SVRČER, J. Vnitřní struktura kvarků, [Online], [Cit. 2005-04-20], Dostupné z WWW: [ 81 ] ŠESTÁK F. Provoz a údržba osvětlení, ČKAIT, Praha 2000. [ 82 ] ŠTÝBNAROVÁ, L. Hypertextová příručka k předmětu Znalostní a expertní systémy, [Online], [Cit. 2005-03-25], Dostupný z WWW: [ 83 ] The Aditi Deductive Database [Online], [Cit. 2005-01-20], Dostupné z WWW: [ 84 ] The Protégé Ontology Editor and Knowledge Acquisition System, WWW stránky [Online], [Cit. 2007-10-02], Dostupné z WWW: [ 85 ] TVRDÍKOVÁ, M. Zavádění a inovace informačních systémů ve firmách, GRADA, Praha 2000, ISBN 80-7169-703-6 [ 86 ] UREN, V., MOTTA, E., DZBOR, M., CIMIANO, P., (2005) Browsing for Information by Highlighting Automatically Generated Annotations: A User Study and Evaluation. 3rd International Conference, ISBN:1-59593-163-5, [Online], [Cit. 2007-07-06], Dostupný z WWW: [ 87 ] VLASÁK, R., BULÍČKOVÁ, S. Základy projektování informačních systémů, Univerzita Karlova, Praha 2003, ISBN 80-246-0727-1
25
[ 88 ] Vyhláška č.108 Sb., Hygienické požadavky na prostory a provoz škol, předškolních zařízení a některých školských zařízení a jiné hygienické předpisy [ 89 ] Vyhláška č.135/2004 Sb., Hygienické požadavky na koupaliště, sauny a hygienické limity písku v pískovištích venkovních hracích ploch [ 90 ] Vyhláška č.137/2004 Sb., Hygienické požadavky na stravovací služby a o zásadách osobní a provozní hygieny při činnostech epidemiologických závažných [ 91 ] WIELEMAKER, J. SWI-Prolog for MS-Windows, Reference manual [ 92 ] Wikipedia contributors. Cyc [Online]. Wikipedia, The Free Encyclopedia; 2007 Sep 29, 01:45 UTC [Cit. 2007-07-10]. Dostupný z WWW: . [ 93 ] Wikipedia contributors. Semantic Web [Online]. Wikipedia, The Free Encyclopedia; 2007 Oct 17, 15:25 UTC [Cit. 2007-10-17]. Dostupný z WWW: http://en.wikipedia.org/w/index.php?title=Semantic_Web&oldid=165197052. [ 94 ] Wikipedia contributors. Xcon [Online]. Wikipedia, The Free Encyclopedia; 2007 Aug 23, 12:22 UTC [Cit. 2007-09-12]. Dostupný z WWW: . [ 95 ] WWW stránky Boutell.com, sekce WWW FAQs: How many web sites are there? [Online], [Cit. 2007-23-10], Dostupný z WWW: [ 96 ] WWW stránky CLIPS A tool for building Expert system, [Online], [Cit. 2007-07-06], Dostupné z WWW: [ 97 ] WWW stránky Knowledge Media Institute, The Open university, Milton Keynes, UK [Online], Dostupné z WWW: [ 98 ] WWW stránky OSRAM – světový výrobce světelných zdrojů, [Online] , Dostupné z WWW: [ 99 ] WWW stránky PHILIPS – světový výrobce systémů pro světelnou techniku, [Online], Dostupné z WWW: [ 100 ] WWW stránky RELUX – výrobce výpočetního programu pro návrhy osvětlení, [Online], Dostupné z WWW: [ 101 ] WWW stránky SITECO – světový výrobce svítidel, [Online], Dostupné z WWW: [ 102 ] ZDRÁHAL, Z. Program INDX pro tvorbu rozhodovacích stromů na základě logické indukce, KMI, Open University, UK.
26
Abstrakt Práce je zaměřena na problematiku využití moderních počítačových technologií z oblasti znalostního inženýrství a jejich aplikace v oboru osvětlovací techniky. Pozornost je věnována teorii informace, znalostí a faktů, popisu jejich reprezentace v podobě počítačových dokumentů. Jsou uvedeny příklady manipulace se znalostmi. V další části je pozornost zaměřena na problematiku expertních systémů a jejich obecné koncepce. Informace o softwarových prostředcích pro znalostní systémy přináší samostatná kapitola popisující některé vybrané nástroje, které byly použity na pracovišti autora anebo souvisejí s popisovanými technologiemi. Samostatnou kapitolu pak tvoří ukázkové příklady, kde je těžištěm vždy vybraná znalost z osvětlovací techniky a její prezentace v některé popsané technologii. Práce vychází z poznatků a výsledků získaných během řešení grantového úkolu GAČR 102/03/1162. Obecné informace lze aplikovat na jakýkoliv obor technické činnosti, kde je základem úspěchu dostatek kvalitních, přesných a rychlých informací. Výsledky práce mohou sloužit jako analytický podklad pro konkrétní realizaci a implementaci expertního systému pro danou doménu znalostí.
Abstract Thesis is focused on problems of modern information technologies from knowledge engineering domain and their application in lighting technology area. Attention is aimed at theory of information, knowledge and facts, explanation of their representation in structured documents or computer files. Examples of knowledge manipulation there are also presented. In the next part attention is focused on expert systems and their general conception. Next individual chapter brings information about software tools for knowledge based systems. Tools, which were used on author workplace or tools related with the described technologies are also introduced. Next one chapter is formed from sample instances focused on the knowledge from the lighting technology domain and their representation by some explained technologies. The work comes from information and solutions obtained during solving of grant project GACR 102/03/1162. General information can be applied to any other branch of technical activity, where a success is based on enough quality, exact and quick information. Results can be used as analytical base for concrete realisation and implementation of the expert systems in a practice.
27
