Znalostní technologie – proč a jak?

Znalostní technologie – proč a jak?
Peter Mikulecký1, Kamila Olševičová2, Daniela Ponce3
Abstrakt
Od založení FIM UHK před 15 lety se v nabízených oborech stále rozvíjí nabídka výuky
předmětů z oblasti znalostních technologií. Příspěvek shrnuje důvody, proč se na tuto oblast
klade na FIM zvláštní důraz a přibližuje vývoj obsahu předmětů a metod, využívaných při
vyučování této moderní oblasti.
Klíčová slova
Znalostní technologie, znalostní systémy, výuka, aplikace.
Úvod neboli motivace
Fakulta informatiky a managementu Univerzity Hradec Králové (FIM UHK) vznikla začátkem roku 1993, původně pod názvem Fakulta řízení a informačních technologií. Už od
počátku byla profilována jako fakulta ekonomického zaměření, přitom však s velkým důrazem na informatiku a informační technologie. Odborné zaměření několika pracovníků, kteří
na fakultě působí od jejího zařazení či krátce poté způsobilo, že do studijních programů, původně pouze bakalářských, byly zahrnuty i první předměty orientované na umělou inteligenci
(UI), expertní systémy (ES) a logické programování jako zajímavé alternativní paradigmata
ke klasičtějším přístupům k programování i k podpoře rozhodování.
V dalších letech se postupně jevila potřeba úvodní předměty obohatit a dále rozvíjet. S postupným zavedením magisterských programů a posléze od roku 2000 i doktorského programu
se více méně podařilo vybudovat moderní a s jinými předměty dobře provázanou skupinu
předmětů, které stále více směřovaly k teorii, metodám, nástrojům a aplikacím, zaměřeným na
zpracování znalostí. Proto dostala tato skupina předmětů název Znalostní technologie (ZT),
kde posloupnost předmětů byla dána jejich očíslováním. Za téměř patnáct let jejich vývoje
došlo v této skupině předmětů i k nemalému obsahovému posunu od původně klasické problematiky UI a ES až k dnešní podobě na sebe navazujících předmětů, zaměřených na práci
1
Prof. RNDr. Peter Mikulecký, PhD., Katedra informačních technologií, Fakulta informatiky a managementu,
Univerzita Hradec Králové, Rokitanského 62, 500 03 Hradec Králové, e-mail: [email protected]
2
Mgr. Kamila Olševičová, Ph.D., Katedra informačních technologií, Fakulta informatiky a managementu, Univerzita Hradec Králové, Rokitanského 62, 500 03 Hradec Králové, e-mail: [email protected]
3
Mgr. Daniela Ponce, PhD., Katedra informačních technologií, Fakulta informatiky a managementu, Univerzita
Hradec Králové, Rokitanského 62, 500 03 Hradec Králové, e-mail: [email protected]
s ontologiemi, využití multi-agentových architektur, zvládnutí základů kognitivní vědy a
osvojení metod a aplikací výpočetní inteligence. V tomto příspěvku bychom rádi stručně zmapovali naznačený vývoj, přiblížili současný stav výuky těchto předmětů a naznačili možnosti
pro jejich další směřování.
Začátky a postupný rozvoj
V letech 1997-2006 byl v předmětu ZT1 vykládán úvod do umělé inteligence dle [RussellNorvig 1996], [Nilsson 1998], [Kelemen a kol. 1992], [Mařík a kol. 1993] a v předmětu ZT2
byla přednášena problematika expertních a znalostních systémů zejména dle [Mikulecký a
kol. 1999], [Kelemen a kol. 1992] a [Kelemen a kol. 1999]. K lepšímu pochopení probírané
problematiky rovněž přispělo na fakultě mnoho let tradičně vyučované logické programování,
zařazené jako povinný předmět předcházející předmětům ZT1 a ZT2, které v podobě praktických cvičení v jazyce Prolog dalo možnost tvůrčí práce při řešení konkrétních úloh, zaměřených na práci se znalostmi. Zde byla a stále je jako základní pramen využívána učebnice [Hynek a Mikulecký 2003].
Kromě dvouhodinových přednášek v předmětech ZT1 a ZT2 studenti absolvovali rovněž
dvouhodinová cvičení. Obsahová náplň cvičení doznala během let větších změn: od vypracování esejů na vybraná témata přes ruční řešení nejznámějších teoretických problémů UI a nevázané experimentování s volně přístupnými prázdnými expertními systémy jsme postupně
přešli k programování v pravidlovém prostředí CLIPS [CLIPS]. Po zvládnutí základů jazyka
CLIPS studenti implementovali algoritmy prohledávání stavového prostoru , vytvářeli hry pro
dva hráče a vyvíjeli jednoduchý expertní systém pro konkrétní doménu, jejíž teoretickou analýzu rovněž museli zpracovat. V prostředí CLIPS si studenti mohli prakticky vyzkoušet, jak
obtížné je např. reprezentovat situaci na dvourozměrné hrací desce, formulovat heuristiky
nebo navrhnut vhodnou posloupnost dotazů, které by uživateli kladl diagnostický nebo konfigurační ES.
Do obsahu předmětů se mj. promítal aktuálně probíhající výzkum na Katedře informačních
technologií FIM. Např. v roce 2005-2006, kdy byl na katedře řešen již druhý grantový projekt, věnovaný použití znalostních technologií při řízení ve vodním hospodářství (viz [Toman
a kol 2004]), mohli studenti v CLIPSu řešit praktickou úlohu, a sice nastavení optimálního
odtoku vody z vodní nádrže za použití reálných dat pro vodní nádrž Nýrsko.
Rovněž jsme zvažovali, jak studentům umožnit porovnání dosažených výsledků, například
formou turnaje spolu soupeřících programů, které by řešily danou deskovou hru.
Za neúspěch považujeme skutečnost, že někteří méně zruční studenti potřebovali tolik času
k tomu, aby zvládli programování v CLIPSu, že si pak již nedokázali získat dostatečný odstup
a nadhled a uvědomit si např. základní rozdíly mezi používáním inferenčního stroje a prohledáváním relačních databází pomocí dotazovacích jazyků. K tomuto neúspěchu vedl i nedostatek vhodných obtížně algoritmizovatelných úkolů, na kterých by bylo možné jasně demonstrovat výhody pravidlového přístupu oproti procedurálnímu programování.
Předmět ZT3 byl po několik let zaměřen na úvod do managementu znalostí, přičemž byly
používány převážně zahraniční učebnice [Awad a Ghaziri 2004], [Davenport a Prusak 2000],
později i některé původní české [Mládková 2005] a odnedávna zejména [Bureš 2007] a [Kelemen a kol. 2007]. Předmět byl původně koncipován jako volitelný, přesto se setkával
s přiměřeným zájmem a v průběhu několika let se stal i jakýmsi odrazovým můstkem pro potenciální zájemce o doktorské studium na FIM, které je orientováno ze značné části právě na
management znalostí a na problematiku nakládání se znalostmi obecně.
Celá řada předmětů byla ukončena volitelným předmětem ZT4, jehož náplní byl úvod do
výpočetní inteligence, zejména do problematiky fuzzy logiky a neuronových sítí, s důrazem
na možnosti vytváření hybridních řešení, využívajících přednosti různých technologií výpočetní inteligence.
Současnost
Od akademického roku 2006-2007 probíhá zásadní aktualizace obsahu předmětů. Úvod do
UI je nahrazen systematickým výkladem reprezentace znalostí, ontologického modelování a
související problematiky sématického webu [Daconta et al. 2003], [Sklenák a kol. 2001], či
[Schreiber et al. 1999]. Na cvičeních studenti pracují s editorem ontologií (prostředí Protégé),
kde vytvářejí ontologie problémových domén. Kromě samotného zvládnutí modelovacího
nástroje se studenti naučí vytvářet tzv. normalizovanou ontologii a též vhodně používat několik návrhových vzorů (modelování n-árního vztahu, meronymického vztahu). Pro demonstraci
praktické použitelnosti ontologií je pak v předmětu ZT2 vysvětlován standard Topic Maps a
při cvičeních studenti tvoří webovou aplikaci, využívající ontologie, a to v systému OKS
[OKS].
V předmětech ZT3 a ZT4 jsou vykládány multiagentové systémy podle [Wooldridge 2002]
a [Weiss 1999]. V přednáškách se studenti seznamují s koncepty agent a emergence a
s důvody, proč je tradiční pohled na UI některými autory považován za překonaný. Je vysvětlen princip reaktivity a jsou představeny konkrétní aplikace reaktivních robotů. Dále jsou vykládána témata, související s konstrukcí racionálních agentů (charakteristiky prostředí agenta,
rozhodování a teorie her, komunikace agentů, koordinace a kooperace, učení agentů) a jsou
rozebrány aplikace agentů (informační agent, spolupráce agentů v distribuovaném systému
pro podporu rozhodování apod.). Při cvičeních studenti pracují v prostředí NetLogo [NETLOGO], paralelním systému založeném na želví grafice. Zájemci o programování si mohou
tvořit vlastní multiagentové modely, zatímco začátečníkům slouží k experimentům knihovna
vestavěných modelů (např. komunikace mravenců na principu stigmergie, model iterativního
vězňova dilematu s různými strategiemi, multi-agentové simulace dějů v přírodním prostředí
a pod.).
Předpokládáme, že v dalších letech se nám podaří propojit výuku předmětů ZT1 – ZT4 tak,
aby si studenti mohli v průběhu několika semestrů postupně vytvořit ontologii domény a pak
tuto ontologii použít v multiagentové aplikaci, např. jako prostředku pro zabezpečení shodné
interpretace obsahu sdělení dvěma spolu komunikujícími agenty sémantického webu.
V nové koncepci výuky znalostních technologií předpokládáme, že její jádro budou tvořit
výše uvedené předměty ZT1 až ZT4, na něž budou (a zčásti již tomu tak je) navazovat rozšiřující, převážně volitelné předměty. Již nyní to je Výpočetní inteligence 1 a 2 s orientací na
praktické využití fuzzy, evolučních a neuronových přístupů resp. technologií. Připravují se
rovněž předměty Pravidlové programování 1 a 2, určené zájemcům o praktickou tvorbu znalostních systémů v pravidlovém prostředí CLIPS. Změna celkové koncepce výuky znalostních
technologií vyvolala i potřebu předsunout před celou sérii předmětů úvodní motivační předmět Úvod do umělé inteligence, kterého smyslem bude prezentovat ty klasické základy umělé
inteligence, které vlastně byly předmětem výuky v původní, dnes již klasické koncepci. Problematika managementu znalostí se přesunula do samostatně realizovaného Semináře znalostního managementu, předpokládajícího silné aktivní zapojení a spolupráci posluchačů.
Závěr aneb co bude dál?
Předměty ZT1 – 4 navštěvují studenti programů Aplikovaná informatika a Informační management v průběhu třetího a čtvrtého ročníku. Část studentů je orientována na programování,
zatímco jiní upřednostňují teoretické, zejména ekonomické a manažerské předměty. Pro obě
tyto zájmové skupiny bylo třeba předměty do jisté míry přizpůsobit, což není jednoduché.
Pro potřeby studentů jsou na FIM vytvářeny e-learningové kurzy v prostředí WebCT. Starší kurzy lze zachovat v provozu i tehdy, když dojde ke změně obsahu předmětů. Proto i dnes
se mohou zájemci formou samostudia věnovat programování v CLIPSu.
Zmíněná silná orientace na znalostní technologie významně koresponduje s výsledky doktorského studia, které má fakulta akreditováno ve studijním programu Systémové inženýrství
a informatika, v oboru Informační a znalostní management. Při zpracovávání disertačních
prací dochází k silnému prolnutí s výzkumem realizovaným na fakultě, čehož důsledkem je i
produkce zajímavých a kvalitních disertačních prací zaměřených na problematiku znalostí
(viz např. [Bureš 2005], [Čech 2005] a [Olševičová 2005]), přičemž další práce podobně orientované jsou v různém stadiu rozpracovanosti. Samozřejmostí je, že výsledky výzkumu
v relevantních oblastech se, jak již bylo výše zmíněno, přímo využívají pro obohacení výuky.
Závěrem zmiňme některé významnější publikované výsledky výzkumu autorského kolektivu
v oblastech souvisejících s problematikou znalostí, čtenář je může najít např. v [Hynek a Olševičová 2005], [Mikulecký 2005], [Mikulecký a Olševičová 2005], [Mikulecký, Olševičová
a Ponce 2006], [Olševičová 2006], [Olševičová a Mikulecký 2006] či [Toman a kol. 2004].
Poděkování
Příspěvek volně souvisí s probíhajícím výzkumem financovaným z grantu GAČR č.
402/06/1325 „AMIMADES - Inteligence prostředí pro podporu manažerského rozhodování“ .
Literatura
AWAD, E.M., GHAZIRI, H. M. (2004). Knowledge Management. Upper Saddle River, NJ: Prentice Hall. ISBN 013-034820-1
BUREŠ, V. (2005) Metodiky zavádění znalostního managementu. Doktorská disertační práce, Fakulta informatiky
a managementu UHK, Hradec Králové.
BUREŠ, V. (2007) Znalostní management a proces jeho zavádění. Průvodce pro praxi. GRADA Publishing, Praha. ISBN 978-80-247-1978-8.
CLIPS WEBSITE http://www.ghg.net/clips/CLIPS.html
ČECH, P. (2005) The Potential of Knowledge in Organizations. Doktorská disertační práce, Fakulta informatiky a
managementu UHK, Hradec Králové.
DACONTA, M.C., ET AL. (2003) The Semantic Web. Wiley, ISBN 0-471-43257-1-312.
DAVENPORT, T., PRUSAK, L.(1998) Working knowledge: How organizations manage what they know. Harvard
Business School Press, Boston, (Paperback printing 2000), ISBN 1-57851-301-4
HYNEK, J., MIKULECKÝ, P. (2003) Logické programování a PROLOG. 2. přeprac. vydání. GAUDEAMUS, UHK
Hradec Králové, ISBN 80-7041-090-6.
HYNEK, J., OLŠEVIČOVÁ, K. (2005) Prolog programming e-course. International Journal of Continuing Engineering Education and Lifelong Learning, Vol. 15, Nos. 3–6, pp.194-211 (ISSN 1560-4624)
KELEMEN, J., BERKA, P., BUREŠ, V., HORÁKOVÁ, J., HVORECKÝ, J., MIKULECKÝ, P. (2007) Pozvanie do znalostnej spoločnosti. Iura Edition (Wolters Kluwer), Bratislava, ISBN 978-80-8078-149-1.
KELEMEN, J., FTÁČNIK, M., KALAŠ, I., MIKULECKÝ, P.(1992) Základy umelej inteligencie. ALFA, Bratislava,
ISBN 80-05-00957-7.
KELEMEN, J., KUBÍK, A., LENHARČÍK, I., MIKULECKÝ, P. (1999) Tvorba expertních systémů v prostředí CLIPS.
GRADA Publishing, Praha, ISBN 80-7169-501-7.
MAŘÍK, V., A KOL. (1993) Umělá inteligence 1. Academia, Praha, ISBN 80-200-0496-3.
MIKULECKÝ, P. A KOL. (1999) Znalostní technologie II. Znalostní a expertní systémy. Gaudeamus, Hradec Králové, ISBN 80-7041-483-9 (2. vydání 2002).
MIKULECKÝ, P. (2005) Knowledge Management for Increasing Educational Institution Competitiveness. In E+M
Economics and Management, 2/2005, pp106-115, ISSN 1212-3609.
MIKULECKÝ, P., OLŠEVIČOVÁ, K. (2005) University Education as an Ambient Intelligence Scenario. In: ECEL
2005, 4rd European Conference on e-Learning, (Ed Dan Remenyi), ACL, Reading, England, 275-280,
ISBN 0-905305-12-5.
MIKULECKÝ, P., OLŠEVIČOVÁ, K., PONCE, D. (2006) Ambient Intelligence - Monitoring and Supervision of New
Type. In: Monitoring, Supervision and Information Technology (eds. P. Kleve, R.V. De Mulder, C. van
Noortwijk), Erasmus University, Rotterdam, 2006, pp. 81-93, ISBN 90-5677-316-X.
MLÁDKOVÁ, L. (2005) Moderní přístupy k managementu: Tacitní znalost a jak ji řídit. Praha: Nakladatelství C.
H. Beck, ISBN 80-7179-310-8.
NETLOGO WEBSITE http://ccl.northwestern.edu/netlogo/
NILSSON, N.J. (1998) Artificial Intelligence: A New Synthesis, Morgan Kaufmann, ISBN 1-55860-535-5.
OKS WEBSITE http://www.ontopia.net/
OLŠEVIČOVÁ K. (2005) Knowledge Management in Virtual Study Environments. Doktorská disertační práce,
Fakulta informatiky a managementu UHK, Hradec Králové.
OLŠEVIČOVÁ K. (2006) Rebuilding Virtual Study Environments Using Topic Maps. In L. Maicher and J. Park
(Eds.): Charting the Topic Maps Research and Applications Landscape: First International Workshop
on Topic Map Research and Applications, TMRA 2005, LNAI 3873, pp. 160 – 168, Springer, 2006,
ISBN 3-540-32527-1
OLŠEVIČOVÁ, K., MIKULECKÝ, P. (2006) Learning Management System as Ambient Intelligence Playground. In:
Proc. of the IADIS International Conference Web Based Communities 2006 (Ed. by Piet Kommers,
Pedro Isaías and Ambrosio Goikoetxea), IADIS Press, 2006, pp. 12-18, ISBN: 972-8924-10-0
PROTÉGÉ WEBSITE http://protege.stanford.edu
RUSSELL, S.J., NORVIG, P. (1996) Artificial Inteligence: A Modern Approach. MIT Press, ISBN: 9780131038059
SCHREIBER, G., ET AL. (1999) Knowledge Engineering and Management – The CommonKADS Methodology.
MIT Press, ISBN 0-262-19300-0.
SKLENÁK, V., A KOL. (2001) Data, informace, znalosti a Internet. C.H.Beck, Praha, ISBN 80-7179-409-0.
TOMAN, M., MIKULECKÝ, P., OLŠEVIČOVÁ, K., PONCE, D. (2004) Znalostní technologie ve vodním hospodářství.
Vydavatelství ČVUT, Praha, 205 str., ISBN 80-01-03049-0
WOOLDRIDGE, M. (2002) An Introduction to Multiagent Systems. John Wiley & Sons, Chichester, England.
ISBN 0 47149691X.
WEISS, G. (1999) Multiagent Systems : A Modern Approach to Distributed Artificial Inteligence. MIT Press.