Prije nastavka razmatranja problematike upravljanja znanjem važno je definirati ključne pojmove ovog područja: „podatak“, „informacija“, „znanje“.
Literatura o upravljanju znanjem daje različite pristupe njegovom tumačenju. Ne pretendirajući na sveobuhvatnu analizu, pokušat ćemo istaknuti neke važne točke.
Pod, ispod podaci razumiju se nesređena opažanja, brojevi, riječi, zvukovi, slike. Ovo je skup diskretnih, objektivnih čimbenika o događajima. Štoviše, u organizacijskom kontekstu podaci se tumače kao strukturirani zapisi aktivnosti. Organizacije obično podatke pohranjuju u informacijske sustave u koje dolaze iz različitih odjela i službi.
Kada su podaci organizirani, poredani, grupirani, kategorizirani, oni postaju informacija. Tumači se kao skup podataka uređen za određenu svrhu koja mu daje značenje.
Poruka- ovo je tekst, digitalni podaci, slike, zvuk, grafika, tablice itd.
Inteligencija– praktički sinonim za koncept “Poruke”. Najčešće su domaće prirode.
Znanje tumači se kao informacija koja je spremna za produktivnu upotrebu, učinkovita i opremljena značenjem. To je zbirka formaliziranih iskustava, vrijednosti, kontekstualnih informacija i stručnog razumijevanja koji čine temelj za procjenu i integraciju novih iskustava i informacija. Formira se i primjenjuje u umovima ljudi, au organizacijama je često ugrađen ne samo u dokumente i repozitorije, već iu organizacijske procedure, procese, načine obavljanja stvari i norme.
Tablica daje različite definicije znanja na temelju pregleda literature.
Većina razmotrenih definicija naglašava da je znanje širi, dublji i bogatiji pojam u odnosu na informaciju. Oni predstavljaju fluidna povezanost različitih elemenata – iskustva, vrijednosti, informacija i stručnog razumijevanja- i stalno se mijenja; oni su intuitivni; svojstveni su ljudima i svojom su nepredvidljivošću sastavni dio ljudske biti.
Podaci i znanje
Informacija
Podaci
Proceduralni deklarativni
Predmetno područje
Znanje
Logičan zaključak
činjenice Heuristika
izlazni mehanizam, logičan zaključak ili izlazni stroj.
sučelje
Baza znanja,
Izlazni mehanizam
Korisničko sučelje.
Pojam formalnog sustava
Osnova logičkih modela je koncept formalnog sustava koji definiraju četiri M = (T, P, A, F).
Gomila T postoje mnogi osnovni elementi različite prirode, na primjer riječi iz nekog ograničenog vokabulara. Pretpostavlja se da postoji procedura P( T) provjera pripada li proizvoljni element skupu T.
Gomila P postoji mnogo pravila sintakse. Uz njihovu pomoć od elemenata T oblikuju sintaktički ispravne izraze, na primjer, sintaktički ispravni izrazi izgrađeni su od riječi ograničenog vokabulara. Mora postojati procedura P( R), omogućujući vam da odredite je li
neki je izraz sintaktički ispravan.
U izobilju R alociran je podskup A apriorni istiniti izrazi (aksiomi). Mora postojati procedura P( A) provjera pripada li neki sintaktički ispravan izraz skupu A.
Gomila F postoje mnoga pravila semantičkog zaključivanja. Primjenjujući ih na elemente A, možete dobiti nove sintaktički ispravne izraze, na koje možete ponovno primijeniti pravila iz F. Ovako se formira skup izlaza u danom formalnom sustavu izraza. Ako postoji procedura P( F), što omogućuje da se za svaki sintaktički ispravan izraz odredi je li deducibilan, tada se odgovarajući formalni sustav naziva odlučujući.
Za znanje uključeno u bazu znanja možemo pretpostaviti da skup A formiraju sve informacijske jedinice unesene u bazu znanja, te se pomoću pravila zaključivanja iz njih izvode nove izvedeno znanje. Drugim riječima, formalni sustav je generator novog znanja koje tvori skup izlaz u ovom sustavu znanje.
Ovaj model je temelj konstrukcije mnogih deduktivni IIS. U takvim sustavima, baza znanja je opisana u obliku propozicija i aksioma teorije, a mehanizam zaključivanja implementira pravila za konstruiranje novih propozicija iz onih koji postoje u bazi znanja. Ulaz sustava dobiva opis problema u jeziku ove teorije u obliku upita (rečenica, teorema), koji nije eksplicitno prikazan u bazi znanja. Proces mehanizma zaključivanja naziva se dokazivanje upita (teorema).
Korištenje logike različitih vrsta u konstrukciji sintaktičkih i semantičkih pravila dovodi do logičkih modela različitih vrsta.
Iskazni račun
Iskazni račun proučava tvrdnje koje mogu biti istinite ili lažne. Nije svaka rečenica izjava. Na primjer, nema smisla govoriti o istinitosti upitnih rečenica. Rečenice za koje ne postoji konsenzus o tome jesu li te rečenice istinite ili lažne nisu izjave. Očigledno se neće svi složiti s izjavom "matematička logika je fascinantan predmet."
Rečenica “Pao je snijeg” također nije tvrdnja, jer za prosudbu njezine istinitosti potrebni su dodatni podaci o tome kada i gdje je pao snijeg.
Spajanje rečenica veznicima poput "I", "ili","ako tada...", možete oblikovati nove rečenice.
Iskazni račun koristi pet logičkih poveznica: negaciju, konjunkciju, disjunkciju, implikaciju i ekvivalenciju.
Konjunkcija (logična I) istinito je samo ako su oba njegova sastavna iskaza istinita.
Disjunkcija (logična ILI) je lažna samo ako su obje njene konstitutivne izjave lažne.
Implikacija (odgovara vezniku “ Ako tada..."") prvi operand naziva se premisa, a drugi zaključak. Implikacija je lažna samo ako je njezina premisa istinita, a zaključak lažan.
Logička operacija jednakovrijednost odgovara vezniku " tada i samo tada" Njegov rezultat je pravi, ako su obje tvrdnje ili istovremeno istinite ili istovremeno netočne.
Booleov negacija izvedena na jednoj izjavi. Izjava i njezina negacija uvijek imaju suprotne istinite vrijednosti.
Simboli koji se koriste za predstavljanje izjava nazivaju se atomi.
Dobro oblikovane formule u iskaznoj logici rekurzivno su definirane na sljedeći način:
1) atom je formula;
2) ako A I B– formule, onda su formule
i Ø A, A Ù B, A Ú B, A ® B, A « B.
Ovdje su veze označene simbolima:
Ú - logično ILI(disjunkcija);
Ù - logično I(konjunkcija);
® - logično TREBA(implikacija);
“ – logično EKVIVALENT(ekvivalencija);
Ø - logična negacija.
Tumačenje formula je dodjeljivanje istinite vrijednosti svakom atomu uključenom u formulu ( pravi ili laž).
Formula koja se sastoji od n različitih atoma, ima 2 n različita tumačenja.
Formula koja je istinita u svim tumačenjima naziva se univerzalno važeći(Na primjer, A Ú Ø A).
Formula koja je lažna u svim tumačenjima naziva se kontroverzno(Na primjer, A ÙØ A).
Formula za koju postoji barem jedno tumačenje pod kojim je istinita naziva se izvedivo.
Ekvivalent nazivaju se formule čije se istinite vrijednosti podudaraju u svim tumačenjima. Koristeći ekvivalentne zamjene, formule se mogu pretvoriti iz jednog oblika u drugi.
Za transformaciju formula iskaznog računa koriste se sljedeće ekvivalencije:
1) A Ú Ø A = pravi(pravi);
A Ù Ø A = lažno(laž);
2) dvostruko negativno pravilo
Ø (Ø A) = A;
3) A ® B = Ø A Ú B;
4) A « B = (A ® B) Ù ( B ® A);
5) zakoni komutativnosti
A Ú B = B Ú A, A Ù B = B Ù A;
6) zakoni asocijativnosti
(A Ú B) Ú C =A Ú ( B Ú C), (A Ù B) Ù C = A Ù ( B Ù C);
7) zakoni distributivnosti
A Ú ( B Ù C) = (A Ú B) Ù ( A Ú C), A Ù ( B Ú C) = (A Ù B) Ú ( A Ù C);
8) De Morganovi zakoni
Ø( A Ú B) = Ø A Ù Ø B, Ø( A Ù B) = Ø A Ú Ø B;
9) A ® B = Ø B ® Ø A.
Predikatski račun
Aparatura iskaznog računa u mnogim slučajevima ne dopušta zadovoljavajući opis predmetnog područja. Značajan dio predmetnih područja može se opisati pomoću računa predikata prvog reda. Da biste to učinili, u obzir se uvode sljedeće:
a) konstante koje označavaju pojedini predmet ili pojam;
b) varijable koje mogu predstavljati različite objekte u različitim vremenima;
c) termini, od kojih su najjednostavniji konstante i varijable, au općenitijem slučaju predstavljeni izrazima poput , gdje je funkcionalni simbol, a termini su;
d) predikati kojima se predstavljaju odnosi između objekata u određenom predmetnom području;
e) kvantifikatori – sredstvo za određivanje kvantitativnih karakteristika predmetnog područja.
Predikat je logička funkcija koja prihvaća samo istinite vrijednosti" pravi" ili " laž».
Predikat se sastoji od simbola predikata i odgovarajućeg uređenog skupa pojmova, koji su njegovi argumenti. Predikat simbol P koristi se za imenovanje odnosa između objekata. Ako ima n pozivaju se argumenti n-lokalni predikat simbol.
Zapis, koji je najjednostavnija (atomska) formula, znači da je izjava točna: objekti su povezani relacijom P.
Korištenje istih logičkih poveznica kao u iskaznom računu ( I, ILI, NE, TREBA, EKVIVALENT), možete izgraditi složenije formule.
Za određivanje opsega varijabli u formulama koriste se kvantifikatori (univerzalnost) i (egzistencija). Kvantifikatori vam omogućuju konstruiranje iskaza o skupu objekata i formuliranje iskaza koji su istiniti za taj skup.
Formule predikatnog računa (PPF - dobro oblikovane formule) definirane su rekurzivno na sljedeći način:
1. atom je formula;
2. ako A I B su formule, onda su formule i
Ø A, A Ù B, A Ú B, A ® B, A « B;
3. ako je - formula, onda su formule i i .
Tumačenje formula u predikatnom računu je dodjeljivanje raspona vrijednosti svim konstantama, funkcionalnim i predikatnim simbolima. Formula interpretirana na području D, uzima vrijednosti pravi ili laž prema sljedećim pravilima:
a) ako su dane vrijednosti formule A I B, zatim vrijednosti istinitosti formula Ø A, A Ù B, A Ú B, A ® B, A « B dobivaju se iz tablica istinitosti koje vrijede za izračun izjava;
b) formula dobiva vrijednost pravi, ako za svaki od D ima značenje pravi, inače je njegova vrijednost laž.
c) formula dobiva vrijednost pravi, ako za barem jedan od D ima značenje pravi, inače je njegova vrijednost lažna.
Formula A Tamo je logična posljedica formule, ako i samo ako, za bilo koje tumačenje u kojem formula 
istina, formula A također je istina.
Uz ekvivalentne transformacijske formule dane za iskazni račun, sljedeće vrijedi u predikatnom računu:
Ø($ ) = () (Ø );
Ø() = () (Ø ).
Vrste okvira
U obrazovne svrhe Postoje dvije vrste okvira: prototip okvira i primjer okvira. Okvir - prototip odražava znanje o apstraktnim stereotipnim pojmovima koji su klase nekih specifičnih objekata. Okviri prototipa odražavaju intenzionalan znanja, tj. generalizirano znanje o obrascima svojstvenim klasi objekata koji se razmatraju. Okviri - primjeri odražavaju znanja o konkretnim činjenicama predmetnog područja, odnosno tzv ekstenzioni znanje. Prijelaz iz okvira prototipa u okvir instance izvodi se tijekom postupka označavanja okvira prototipa tijekom rada mehanizma logičkog zaključivanja.
Kao primjer, razmotrite pojednostavljeni dijagram okvira - prototip koncepta DATE:
<ДАТА> (<МЕСЯЦ><имя>)(<ДЕНЬ><целые числа {1,2,…, 31}>)
(<ГОД><функция>)(<ДЕНЬ НЕДЕЛИ><перечень {ПНД,ВТР,…,ВСК}>
<функция>)
Naziv okvira prototipa je DATE. U utoru MJESEC umjesto vrijednosti upisuje se IME, tj. vrijednost utora može biti bilo koji literalni izraz. Vrijednosti utora DAY su cijeli brojevi, a njihov popis je dan u utoru. Utor YEAR sadrži funkciju koja može implementirati sljedeće radnje. Ako je godina navedena u ulaznoj rečenici, tada se ona upisuje u polje vrijednosti utora u okviru primjera; ako godina nije navedena, vrijednost koja nedostaje upisuje se tekućom godinom. Ove vrste funkcija nazivaju se zadane funkcije.
Utor DAN U TJEDNU također definira funkciju koja će se, prilikom obrade ulazne poruke, automatski pozvati radi provjere kvara.
nedosljednost u vrijednosti dana u tjednu koje je odredio korisnik ili u izračunatoj
Ova vrijednost se briše ako je korisnik nije naveo.
Specifični okvir - primjer okvira DATE može izgledati ovako:
<JE DATUM>(<МЕСЯЦ><ИЮНЬ>)(<ДЕНЬ><5>)
Označiti JE označava da je ovaj okvir primjer okvira. Ovdje su popunjena samo 2 mjesta. Preostale vrijednosti mogu se izračunati odgovarajućim postupcima.
Procedure uključene u utor podijeljene su u dvije vrste: daemon procedure i
postupci su sluge.
Procedure su demoni automatski se aktiviraju svaki put kada podaci uđu ili se uklone iz odgovarajućeg okvira - primjer. Stoga je procedura ugrađena u DAY OF WEEK slot u gore opisanom primjeru reprezentativna procedura - demon. Ovakvim postupcima obavljaju se sve rutinske radnje vezane uz održavanje baza podataka i znanja.
Postupci - sluge aktivira se samo na zahtjev. Primjer takve procedure je funkcija ugrađena u utor YEAR u okviru prototipa DATE, koja se poziva samo ako korisnik nije odredio godinu.
Riža. 4.6 Mreža okvira
na okvir djeteta. Nasljeđivanje utora za "sviđa mi se" iz okvira djeteta.
Upit 2. Koja je dob učenika?
Odgovor: 6-17 – vrijednost utora “dob” preuzeta je iz okvira učenika. Vrijednost iz Child okvira se ne uzima, jer značenje je naznačeno eksplicitno u samom okviru “student” u vezi s kojim se postavlja pitanje.
Po funkcionalnoj namjeni Razlikuju se sljedeće vrste okvira:
Okviri – objekti (primjer iznad);
Okviri – operacije (npr. okvir “proces sinteze korektivnih uređaja”, utori: model, algoritam izračuna, parametri itd.);
Okviri – situacije (na primjer, okvir “Hitni način rada analognog senzora”, utori: napon, struja itd.);
Okviri – scenariji (na primjer, okvir “Gašenje požara”, utori: mjesto požara, sredstva za gašenje itd.).
U jezicima se koristi okvirni model reprezentacije znanja FRL(Jezik za prikaz okvira) ,KRL(Jezik predstavljanja znanja) i tako dalje.
Značajke logičkog zaključivanja
U okvirnim jezicima glavna operacija je traži po uzorku. Uzorak je okvir u kojem nisu popunjene sve strukturne cjeline, već samo one po kojima će se traženi okviri pronaći među okvirima pohranjenim u memoriji sustava. Uzorak može, na primjer, sadržavati naziv okvira, kao i naziv nekog utora u okviru, koji označava vrijednost utora. Takav obrazac provjerava prisutnost u sistemskoj memoriji okvira s danim imenom i danom vrijednošću utora navedenim u uzorku. Uzorak može označavati naziv nekog utora i njegovu vrijednost. Tada postupak traženja uzorka mora osigurati da se dohvate svi okviri koji sadrže utor s istim imenom i vrijednošću utora kao i uzorak. Konačno, neka logička funkcija može se odrediti iz naziva okvira, nekih naziva utora i vrijednosti utora. Stoga se zaključivanje u mreži okvira temelji na operaciji podudaranja.
Ostale procedure karakteristične za okvirne jezike su procedure za popunjavanje slotova podacima, kao i procedure za uvođenje novih prototipskih okvira (tj. novih znanja) u sustav i uvođenje novih veza između njih.
Razmotrimo fragment opisa iz "svijeta blokova" (sl. 4.7) u obliku okvira u FRL jeziku.
Riža. 4.7 "Blokiraj svijet"
(okvir (Ime (Kocka)) (duljina (NULL)) (širina (AKO-ZADANO (koristiti duljinu))) (visina (AKO-ZADANO (koristiti duljinu)))) (f rame (Ime (B 1)) (AKO (Kocka)) (boja (Crvena)) (duljina(80))) (f rame (Ime (B 2)) (AKO (Kocka)) (boja (zelena)) (duljina (65))))
utor AKO ukazuje na to da objekti B 1 i B 2 su podvrsta objekta Kocka i nasljeđuju njegova svojstva, naime, duljina = širina = visina. Procedura je demon AKO-ZADANO ispunjava zadane vrijednosti utora.
Recimo da robot dobije naredbu "Uzmi žuti predmet koji podupire piramidu." U jeziku reprezentacije znanja, pitanje je napisano na sljedeći način:
(objekt X (boja (žuta boja)) (drži Y (tip (piramida))))
Program za uspoređivanje uzoraka pronalazi opis objekata u bazi znanja:
(okvir (Ime (B 3)) (tip (blok)) (boja (žuta boja)) (veličina (20 20 20)) (Koordinirati (20 50 0)) (držati (P 2)))
(okvir (Ime(P 2)) (tip (piramida)) ...)
Primljen odgovor: x = B 3, Y = P 2, a robot dobiva naredbu uzeti(objekt B 3).
Prednosti okvira kao modela za predstavljanje znanja su mogućnost strukturiranja baze znanja zbog svojstava hijerarhije i nasljeđivanja. Nedostatak je složenost organiziranja logičkog zaključivanja.
Predavanje. Osnove izgradnje sustava proizvoda
Primjena metapravila
Ponekad je, kako bi se odlučilo koje pravilo aktivirati, poželjno koristiti specifično znanje, a ne slijediti opću strategiju rješavanja sukoba. U tu svrhu neki tumači pravila uključuju alate koji programeru omogućuju formuliranje i unos meta-pravila u program. Meta-pravila definiraju pravila prema kojima se s popisa aplikacija odabiru ona pravila koja se prva trebaju uzeti u obzir ili, štoviše, moraju se pridržavati.
Metarules vam omogućuju značajno sužavanje raspona pravila kandidata na temelju nekog kriterija ili promjenu redoslijeda prioriteta pravila. Metapravila često koriste znanje specifično za domenu. Primjer je sljedeće metapravilo koje se odnosi na sustav:
tema medicinske dijagnostike MYCIN.
METARULE 001
AKO (1) infekcija pripada klasi zdjelica-apsces, I
(2) postoje pravila čije premise spominju
enterobakterije, I
(3) postoje pravila čije premise spominju
gram-pozitivno bojenje,
ONDA s pouzdanošću 0,4 prednost treba dati prvom od navedenih pravila.
Predavanje. Osnovni pojmovi iz područja umjetne inteligencije
Područje znanosti, nazvano "umjetna inteligencija", ima za cilj identificirati temeljne mehanizme u osnovi ljudske aktivnosti kako bi ih primijenili u rješavanju specifičnih znanstvenih i tehničkih problema. "Inteligentni" sustavi stvoreni su za rad u okruženjima u kojima je ljudska prisutnost nemoguća ili opasna po život. Ovi će uređaji morati raditi u velikom broju mogućih situacija. Nemoguće je unaprijed opisati ove situacije sa stupnjem detalja i nedvosmislenosti koji bi omogućili ugradnju tvrdo kodiranih algoritama ponašanja u sustav koji se stvara. Stoga sustavi naoružani umjetnom inteligencijom moraju imati mehanizme prilagodbe koji bi im omogućili izgradnju programa odgovarajućih aktivnosti za rješavanje zadataka koji su im dodijeljeni na temelju specifične situacije koja se trenutno razvija u njihovoj okolini.
Ovakva formulacija problema pred istraživače postavlja posebne zadatke koji se dosad nisu pojavljivali u projektiranju tehničkih sustava. Takvi zadaci uključuju: opisivanje bogatog vanjskog okruženja i njegovog odraza unutar sustava (ovaj zadatak se naziva zadatak reprezentacije znanja); upravljanje bankom znanja, njezino popunjavanje, otkrivanje proturječnosti i manjka znanja; percepcija vanjskog okruženja pomoću različitih vrsta receptora (vizualnih, taktilnih, slušnih itd.); razumijevanje prirodnog jezika, koji ljudima služi kao univerzalno sredstvo komunikacije; percepcija tiskanog teksta i usmenog govora te pretvaranje informacija sadržanih u porukama u oblik reprezentacije znanja; planiranje aktivnosti je zadatak čije će rješenje omogućiti sustavu da formulira planove za postizanje cilja koristeći sredstva koja su mu na raspolaganju; prilagodba i učenje na temelju skupljenog iskustva.
Ovo je područje djelovanja stručnjaka u području sustava umjetne inteligencije. Nalazi se na sjecištu raznih disciplina: programiranja i psihologije, tehnologije i lingvistike, matematike i fiziologije.
Dakle, teorija umjetne inteligencije je znanost o znanju, kako ga izvući, prezentirati u umjetnim sustavima, obraditi unutar sustava i koristiti za rješavanje praktičnih problema. Drugim riječima, sustavi koji se proučavaju u okviru umjetne inteligencije i kreirani u skladu s tom znanošću su sustavi čiji se rad temelji na znanju koje odražava semantiku i pragmatiku vanjskog svijeta u kojem inteligentni sustavi djeluju.
Stoga su glavni problemi umjetne inteligencije reprezentacija i obrada znanja. Rješenje ovih problema sastoji se kako u razvoju učinkovitih modela za predstavljanje znanja, metoda za dobivanje novog znanja, tako iu stvaranju programa i uređaja koji implementiraju te modele i metode.
Elementi umjetne inteligencije naširoko se koriste za stvaranje inteligentnog računalnog softvera, automatiziranih sustava upravljanja (ACS), sustava za računalno potpomognuto projektiranje (CAD), sustava za pronalaženje informacija (IRS), sustava za upravljanje bazama podataka (DBMS), ekspertnih sustava (ES), sustava podrška odlučivanju (DSS), tj. omogućuju povećanje razine inteligencije stvorenih informacijskih sustava.
Napredak u području umjetne inteligencije koristi se u industriji (otkrivanje i razvoj rudarstva, astronautika, automobilska industrija, kemija itd.), u ekonomiji (financije, osiguranje itd.), u neindustrijskoj sferi (transport, medicina, komunikacije itd.), u poljoprivredi.
Alati umjetne inteligencije omogućuju razvoj modela i programa za rješavanje problema za koje su nepoznate izravne i pouzdane metode rješavanja. Takvi zadaci pripadaju području ljudske kreativne djelatnosti. Stručnjaci za umjetnu inteligenciju postavljaju znanstvene probleme kao što su dokazivanje matematičkih teorema, dijagnosticiranje bolesti ili kvarova na opremi, financijska analiza poslovnih subjekata, sintetiziranje programa na temelju specifikacija, razumijevanje teksta na prirodnom jeziku, analiza slike i identifikacija njezinog sadržaja, upravljanje robotom itd. .
Podaci i znanje
Navedimo definicije osnovnih pojmova discipline koja se proučava i razmotrimo razlike između pojmova „podaci“ i „znanje“.
Informacija– skup informacija opaženih iz okoline, ispuštenih u okolinu ili pohranjenih unutar informacijskog sustava (IS).
Podaci– specifične informacije predstavljene u formaliziranom obliku o objektima predmetnog područja, njihovim svojstvima i odnosima, odražavajući događaje i situacije u ovom području.
Podaci se prikazuju u obliku koji omogućuje automatizaciju njihovog prikupljanja, pohrane i daljnje obrade. Podatak je zapis informacija u odgovarajućem obliku pogodnom za pohranu, prijenos, obradu i dobivanje novih informacija.
Informacije s kojima računalo barata dijele se na proceduralne i deklarativne.
Proceduralni informacija je predstavljena programima koji se izvršavaju u procesu rješavanja problema, i deklarativni– podaci koje ti programi obrađuju.
Svaka intelektualna aktivnost temelji se na znanju o predmetnom području u kojem se postavljaju i rješavaju problemi.
Predmetno područje nazvati skup međusobno povezanih informacija potrebnih i dovoljnih za rješavanje određenog skupa problema. Znanje o predmetnom području uključuje opise predmeta, pojava, činjenica, kao i odnosa među njima.
Znanje– to su generalizirane i formalizirane informacije o svojstvima i zakonitostima predmetnog područja, uz pomoć kojih se provode procesi rješavanja problema, transformacije podataka i samog znanja, a koje se koriste u procesu logičkog zaključivanja.
Logičan zaključak je generiranje novih iskaza (sudova) temeljenih na početnim činjenicama, aksiomima i pravilima zaključivanja.
Znanje sa stajališta problema koje treba riješiti u određenom predmetnom području dijeli se u 2 velike kategorije - činjenice i heuristika. Pod, ispod činjenice obično razumiju istine i okolnosti koje su opće poznate u određenom predmetnom području. Heuristika– to su empirijski algoritmi temeljeni na neformalnim razmatranjima koji ograničavaju broj opcija rješenja i osiguravaju ciljano ponašanje sustava odlučivanja, ali bez jamstva najboljeg rješenja. Takvo se znanje temelji na iskustvu stručnjaka (stručnjaka) u određenom predmetnom području.
Koncept postupka za dobivanje rješenja problema (strategija obrade znanja) povezan je s tijestom znanja. U IIS-u se ova procedura zove izlazni mehanizam, logičan zaključak ili izlazni stroj.
Znanje s kojim sustav radi pohranjeno je u bazi znanja (KB).
Da bi se organizirala interakcija s IIS-om, on mora imati sredstva komunikacije s korisnikom, tj. sučelje. Sučelje omogućuje rad s bazom znanja i izlaznim mehanizmom na jeziku prilično visoke razine, bliskom stručnom jeziku stručnjaka u predmetnom području kojem informacijski informacijski sustav pripada. Osim toga, funkcije sučelja uključuju podršku za dijalog korisnika sa sustavom, omogućujući korisniku da dobije objašnjenja o radnjama sustava, sudjeluje u potrazi za rješenjem problema te nadopunjuje i prilagođava bazu znanja. Dakle, glavni dijelovi IIS-a su:
Baza znanja,
Izlazni mehanizam
Korisničko sučelje.
Značajke znanja koje ga razlikuju od podataka
Primjer. Neka obiteljske veze budu tema. Objekti ovog predmetnog područja su pojmovi kao što su majka,
otac, kći, muškarac, žena itd.
Neka se znaju činjenice:
Victor je Tanyin otac.
Vladimir je Victorov otac.
U Prologu su te činjenice opisane na sljedeći način:
otac (Victor, Tanya).
otac (Vladimir, Viktor).
Ovdje je "otac" relacijsko ime ili predikat, a "Victor", "Tanya" i "Vladimir" su konstante.
Neka x, Y, Z– varijable. Korištenje varijabli x I Z, općenito možemo napisati relaciju " x je otac Z» u Prologu:
otac ( x, Z).
Korištenje predikata "otac" i varijabli x, Y, Z, formulirajmo novu relaciju “djed”, naime:
Ako x je otac Z I
Z je otac Y
Da x je djed Y.
Ovaj oblik bilježenja odnosa “Ako...Tada” naziva se proizvodno pravilo, proizvode ili samo Pravilo.
U Prologu je odnos "djed" napisan na sljedeći način:
djed ( x, Y): - otac ( x, Z), otac ( Z, Y).
Simbol “: –” tumači se kao “Ako”.
Na primjeru odnosa “djed” formulira se opći obrazac definiranja pojma “djed” kroz pojam “otac”. Ime "Vladimir", uzeto bez obzira na odnos, ne ukazuje ništa. Možda je to ime osobe ili ime grada. Numerički ili drugi podaci, na primjer u podatkovnoj datoteci, tretiraju se na isti način. Dato, uzeto zajedno s relacijom, određuje neko značenje i tako konstituira znanje.
Razmotrimo značajke znanja koje ga razlikuju od podataka.
1. Interpretabilnost. Podatke pohranjene u memoriji računala može interpretirati samo odgovarajući program. Podaci bez programa ne nose nikakvu informaciju, dok znanje ima interpretaciju, jer istovremeno sadrži i podatke i njima odgovarajuće nazive, opise, odnose, tj. Zajedno s podacima prikazane su informacijske strukture koje omogućuju ne samo pohranjivanje znanja, već i njegovo korištenje.
Podaci i znanje. Osnovne definicije.
Informacije s kojima računala rade dijele se na proceduralne i deklarativne. Proceduralne informacije utjelovljene su u programima koji se izvršavaju u procesu rješavanja problema, deklarativne informacije utjelovljene su u podacima s kojima ti programi rade.
Standardni oblik predstavljanja informacija u računalu je strojna riječ, koja se sastoji od određenog broja binarnih znamenki - bitova - određenih za određenu vrstu računala. Strojna riječ za predstavljanje podataka i strojna riječ za predstavljanje instrukcija koje tvore program mogu imati isti ili različiti broj bitova. Isti broj bitova u računalnim riječima za naredbe i podatke omogućuje da ih se u računalu smatra identičnim informacijskim jedinicama i da izvršava operacije nad naredbama kao i nad podacima. Sadržaj memorije čini informacijsku bazu. Strojna riječ je glavna karakteristika informacijske baze, jer njegova je duljina takva da je svaka strojna riječ pohranjena u jednoj standardnoj memorijskoj ćeliji, opremljenoj pojedinačnim imenom - adresom ćelije. Korištenjem tog naziva informacijske jedinice se izdvajaju iz memorije računala i zapisuju u nju. Programski jezici visoke razine koriste apstraktne tipove podataka, čiju strukturu određuje programer.
Pojava baza podataka (DB) označila je još jedan korak prema organiziranju rada s deklarativnim informacijama. Baze podataka mogu istovremeno pohranjivati velike količine informacija, a posebni alati koji tvore sustav za upravljanje bazom podataka (DBMS) omogućuju vam da učinkovito manipulirate podacima, po potrebi ih dohvatite iz baze podataka i upišete u bazu potrebnim redoslijedom.
Kako su se istraživanja informacijskih sustava razvijala, pojavio se koncept znanja koji je kombinirao mnoge značajke proceduralnih i deklarativnih informacija. U računalu se znanje, poput podataka, prikazuje u simboličkom obliku - u obliku formula, teksta, datoteka, informacijskih nizova itd. Stoga možemo reći da su znanje podaci organizirani na poseban način. U sustavima umjetne inteligencije znanje je glavni objekt formiranja, obrade i istraživanja. Baza znanja, uz bazu podataka, nužna je komponenta softverskog paketa umjetne inteligencije. Strojevi koji implementiraju algoritme umjetne inteligencije nazivaju se strojevi temeljeni na znanju, a pododjeljak teorije umjetne inteligencije povezan s izgradnjom ekspertnih sustava naziva se inženjering znanja.
Razlike između podataka i znanja:
1. interna interpretabilnost znanja (na primjer: podaci - 243849..., znanje - rečenice prirodnog jezika).
2. aktivnost znanja. Ako postoji znanje, tada pojava novog znanja može dovesti do promjene starog znanja i pojave novog.
3. koherentnost znanja. Znanje nije zanimljivo samo po sebi, zanimljivo je u svojoj cjelini (sustav znanja).
4. znanje je dinamično, ali podaci su obično statični.
Intenzivno znanje definirano je kroz koncept više razine koji ukazuje na specifična svojstva. Ekstenzivno znanje definirano je kroz koncepte niže razine, obično njihovim jednostavnim popisom. Ekstenzije se u pravilu pohranjuju u baze podataka, a intenzije u baze znanja. Na temelju načina prezentiranja znanje se dijeli na deklarativno (informacija se opisuje) i proceduralno (zapisuje se u algoritam). Glavni smjer kretanja u području reprezentacije znanja je veća uporaba deklarativnog znanja.
Klasifikacije znanja i njihovi modeli
Postoji mnogo načina za klasifikaciju znanja. Zadržimo se na klasifikaciji prema nositelju znanja. Znanje se dijeli na:
1. Formalizirano
· referentni vodiči,
· enciklopedije,
· poznavanje korporativnih informacijskih sustava
2. Osobno
vještine vezane uz zanate,
· sportske vještine,
· način razmišljanja, analiza,
· metode izvođenja radova
Formalizirano znanje obično se već nalazi na materijalnim medijima - knjigama, brošurama, internetskim/intranetskim stranicama, podatkovnim datotekama, korporativnim informacijskim sustavima (ERP). Ovi načini organiziranja znanja su vrlo dobri i provjereni. Malo je vjerojatno da ćemo ih moći dovoljno značajno poboljšati da utječu na produktivnost ili druge ekonomske pokazatelje vaše organizacije.
Osobno znanje, naprotiv, obično je sadržano samo u glavama svojih nositelja. Da bi ono postalo vlasništvo organizacije, potrebno je da se znanje aktivno prenosi između zaposlenika. U tu svrhu odavno postoje mentorski i interni korporativni sustavi obuke.
Velik dio osobnog znanja može se formalizirati. To se prije svega odnosi na metode i načine obavljanja poslova koji su prihvaćeni i optimalni u vašoj organizaciji. Ovisno o stupnju razvoja organizacije, metode obavljanja posla razvijaju se od kreativnih stvorenih na radnom mjestu putem pokušaja i pogrešaka do najboljih praksi u industriji, sadržanih u dokumentaciji poslovnih procesa, ERP sustavima i organizacijskim politikama.
Definicije okvira. Okvir je i popis svojstava i mreža. Hijerarhija i nasljeđivanje svojstava
Okvir je određena struktura za predstavljanje znanja, koja se, ispunjena odgovarajućim vrijednostima, pretvara u opis određenog faktora, događaja ili situacije. Okvir je minimalni mogući opis suštine neke pojave, događaja, situacije, procesa ili objekta. Minimalnost znači da se daljnjim pojednostavljenjem opisa gubi njegova cjelovitost, on prestaje definirati jedinicu znanja kojoj je namijenjen. Okvir ima specifičnu strukturu koja se sastoji od mnogo elemenata - utora. Svaki slot je pak predstavljen specifičnom podatkovnom strukturom, procedurom ili se može povezati s drugim okvirom. Struktura okvira može se prikazati na sljedeći način:
NAZIV OKVIRA: (naziv 1. utora: vrijednost 1. utora), (naziv 2. utora: vrijednost 2. utora), ... (Naziv n-tog utora: vrijednost N-tog utora).
Isti zapis prikazat ćemo u obliku tablice, dodajući dva stupca.
Vrijednost utora može biti naziv drugog okvira; Tako se formiraju mreže okvira koje se sastoje od odabranih vrhova i veza. Najviša razina okvira predstavlja odgovarajuće koncepte, a sljedeće razine su terminalni utori koji sadrže određena značenja. Hijerarhija objekata provodi se pomoću aparata istraživanja svojstava, kada klase objekata određene razine nasljeđuju strukturu okvirnih klasa više razine. Ako je objekt, kat. opisan određenom skupinom okvira u konceptualnoj je vezi s gornjom i donjom razinom okvira, odnosno. njegovi okviri su konstruirani uzimajući u obzir hijerarhijske odnose i ujedno se ostvaruje nasljeđivanje svojstava. kroz proreze ili okvire s istim imenom.
Pri proučavanju inteligentnih sustava tradicionalno se postavlja pitanje što je znanje i po čemu se ono razlikuje od običnih podataka koje računala obrađuju desetljećima. Može se predložiti nekoliko radnih definicija unutar kojih to postaje očito.
Podaci- to su pojedinačne činjenice koje karakteriziraju objekte, procese i pojave predmetnog područja, kao i njihova svojstva.
Kada se obrađuju na računalu, podaci se transformiraju, uvjetno prolazeći kroz sljedeće faze:
1. podaci kao rezultat mjerenja i opažanja;
2. podaci na materijalnim medijima (tablice, protokoli, imenici);
3. modeli podataka (strukture) u obliku dijagrama, grafikona, funkcija;
4. podaci u računalu u jeziku za opis podataka;
5. baze podataka na računalnim medijima za pohranu podataka.
Saznanja se temelje na podacima dobivenim empirijskim putem. Oni su rezultat mentalne aktivnosti osobe usmjerene na generalizaciju iskustva stečenog kao rezultat praktične aktivnosti.
znanje - to su zakonitosti predmetnog područja (načela, veze, zakonitosti) dobivene kao rezultat praktičnih aktivnosti i profesionalnog iskustva, koje stručnjacima omogućuju postavljanje i rješavanje problema u ovom području.
Kada se obrađuju na računalu, znanje se transformira slično kao i podaci.
1. znanje u ljudskom pamćenju kao rezultat mišljenja;
2. materijalni nositelji znanja (udžbenici, nastavna sredstva);
3. polje znanja- uvjetni opis glavnih objekata predmetnog područja, njihovih atributa i uzoraka koji ih povezuju;
4. znanje opisano u jezicima predstavljanja znanja (produkcijski jezici, semantičke mreže, okviri - vidi dolje);
5. baza znanja o računalnim medijima za pohranu podataka.
Često se koristi sljedeća definicija znanja:
Znanje jesu dobro strukturirani podaci, ili podaci o podacima, ili metapodaci.
Baza podataka se pretražuje po ključnoj riječi, relativno rečeno, to je odgovor na pitanje “što?” Na primjer, postavimo upit za pretraživanje "nanocijevi". Baza podataka će vratiti sve vezano uz ovaj zahtjev: sintezu, oksidaciju, biorazgradnju i spektralne karakteristike. Broj poveznica premašit će tisuće. Možete pretraživati po dvije, tri ili više ključnih riječi. To će smanjiti protok veza, ali može prekinuti one potrebne. U bazi znanja pretraživanje se provodi pomoću nekoliko pitanja, na primjer: "Što?", "S čime?", "Kako?". Ovo dovodi do sljedeće točke. Trenutno su napisani milijuni članaka i patenata u svim područjima znanja. Ali postoji samo oko 30-35 tisuća rješenja koja zadovoljavaju načelo baze znanja. Povećanje broja odluka, za razliku od povećanja broja članaka, ide sporo. Velika većina članaka samo su male nijanse rješenja. Na primjer: kaljenje metala. Rješenje – što: metal, što: rashladni materijal, kako: brzo. Ovo rješenje pokriva sve metale i legure, sve vrste tekućina ili plinova za gašenje i sve metode opskrbe rashladnim sredstvom. Nadalje, iz ovog zahtjeva može se formirati baza podataka, na primjer, prema vrstama rashladnog sredstva (voda, ulje, slana otopina), drugo - prema metodama dobave materijala (pumpe, uranjanje dijela, prskanje otopine), treće - prema vrstama čelika. Dodatna baza podataka poveznica može se formirati na manje procese: oksidacija metalne površine, uklanjanje naslaga ugljika nakon kaljenja, posebne metode kaljenja. Pretraživanje baze znanja razlikuje se od pretraživanja baze podataka; ono koristi takozvane "resurse". Resursi u razumijevanju baza znanja su materijali, katalizatori, polja i utjecaji koji vode do rješenja. Baze znanja također mogu obraditi pitanja pretraživanja. Na primjer, upit "sintetizirati ester" unesen u bazu podataka tumačit će se samo ključnom riječi "ester". U bazi znanja također možete odrediti pojmove "sinteza", "raspad", "biodegradacija" i algoritme semantičke pretrage za glagole.
Sada malo o nedostacima ovog sustava. Baze podataka su utvrđena pravila za formiranje ključnih riječi, jedinstvena (s manjim varijacijama) za sve znanstvene publikacije i unificirana s algoritmima pretraživanja. Baze znanja morat će se stvoriti od nule. To je puno posla, jer da biste izolirali resurse, potrebno vam je potpuno razumijevanje procesa opisanih u članku ili patentu, što postaje puno teže kada se obrađuju multidisciplinarni članci i patenti zaštićeni od reinženjeringa. Drugi nedostatak je što se baze znanja sada stvaraju "za inženjere", to jest uglavnom s primijenjenim fokusom. Fundamentalna istraživanja, dakle, ne spadaju u njih.
Sada malo o prednostima. Izgradnja baze znanja izvrstan je proces učenja. "Nusprodukt" je značajno povećanje razine znanja programera i primanje visokokvalificiranih stručnjaka koji mogu odlučiti dodijeljene zadatke. Druga prednost je što uz određeni algoritam za generiranje upita, baza znanja može biti izvor novih rješenja koja nisu opisana i još nisu izrađena. Na primjer, kada se traži kaljenje metala, baza znanja može proizvesti popis resursa koji imaju potrebna svojstva (temperatura, fluidnost) i potaknuti stvaranje novih rješenja, kao što je kaljenje u talinama polimera, kaljenje uz istovremenu oksidaciju površine , točkasto i neravnomjerno stvrdnjavanje. Treći plus. Vjerojatno mnogi nisu ni pomislili da je bit procesa opisanih u znanstvenom članku ili patentu formulirana u ne više od stotinu riječi. Istodobno, obujam članaka je najmanje nekoliko stranica, a patenti - do nekoliko stotina stranica. Obrada materijala u sustav baze znanja omogućit će da se u budućnosti ne gubi vrijeme na čitanje beznačajnih detalja i razlika od analoga, koji su svakako opisani u izvornim materijalima.
Baze znanja iznimno su korisne za primijenjeni razvoj, osobito na vrhuncu znanosti. Omogućuju vam da dobijete gotova rješenja za određeni problem. Istodobno, njihovo stvaranje uvelike povećava profesionalnu razinu programera i omogućuje im dobivanje izvrsnih stručnjaka.
Primjena baza znanja
Jednostavne baze znanja mogu se koristiti za kreiranje ekspertnih sustava i pohranu podataka o organizaciji: dokumentacija, priručnici, članci tehničke podrške. Glavni cilj stvaranja takvih baza podataka je pomoći manje iskusnim osobama pronaći postojeći opis načina rješavanja bilo kojeg problema u predmetnom području.
Ontologija može služiti za predstavljanje hijerarhije koncepata i njihovih odnosa u bazi znanja. Ontologija koja također sadrži instance objekata nije ništa više od baze znanja.
Sustavi temeljeni na znanju implementirani su na temelju sljedećih inteligentnih algoritama:
- ekspertni sustavi;
- neuronske mreže;
- Mutna logika;
- genetski algoritmi.
Obrazovna baza znanja je informacijski sustav koji sadrži, prvo, sistematizirane informacije iz određenog predmetnog područja, drugo, model određenog predmetnog područja (određenu količinu obrazovnih informacija u ovoj disciplini), kao i podatke o vještinama učenika razvijene i kako ih koristiti te vještine.
Obrazovne informacije u bazama znanja mogu se prikazati u obliku teksta, grafikona, ilustracija, animacija i video zapisa. Podaci o vještinama učenika koje se razvijaju obrađuju se u sustavu upravljanja bazom znanja korištenjem
posebne jezike, što vam omogućuje kontrolu i upravljanje procesom učenja. Baze znanja po svojim mogućnostima predstavljaju pojednostavljenu verziju ekspertnog sustava za učenje ili njegov dio.
Zaključak
Zaista sam uživao u stranoj znanstvenoj praksi u ITMO-u na Odjelu za primijenjeno programiranje i tehnološke inovacije. Naučio sam puno zanimljivih stvari iz područja inteligentnih sustava i baza znanja. Izveden sažetak na temu: Prijelaz s baze podataka na bazu znanja (Sl.-7). Komunicirao sam s ljudima koji već dugi niz godina rade na području programiranja i stekao iskustvo koje će mi pomoći u daljnjem proučavanju disertacije. Znanstveni staž u inozemstvu omogućio mi je da uočim rupe u svom znanju koje treba popuniti. Tijekom pripravničkog staža upoznao sam se s regulatornim dokumentima o organizaciji obrazovnog procesa. Upoznao sam se s katalozima disertacijskih istraživanja magistranata i kandidata, proučavao završne kvalifikacijske radove, sažetke, disertacije za znanstveni stupanj kandidata znanosti na temu magistarskog rada.
Tijekom prakse stečena su nova znanja o značajkama proizvodnih procesa u strojograđevnom poduzeću OJSC NKMZ. Za modeliranje programa razvijen je blok dijagram čija se implementacija provodi radi određivanja optimalnog broja transportnih kolica, uzimajući u obzir analizu ekonomske isplativosti različitih opcija za pričvršćivanje kolica za strojeve.
Zadaća modela opisanog blok dijagramom je potreba odabira broja kolica koja će transportirati gotove jedinice do skladišta, vodeći računa o optimalnom planu utovara.
Dobiveni rezultati su od velikog interesa i praktične koristi u budućnosti.
Sudjelovao u razgledavanju grada. Upoznala sam se sa znamenitostima grada, spomenicima, poviješću grada. Posjetio sam i glavni muzej grada, Ermitaž.
Općenito, želio bih zaključiti da je inozemna praksa bila uspješna. Rezultat produktivnog rada bio je cijeli blok materijala iz zbirki ruskih knjižnica (Sl.-3), prikupljenih na temu magistarskog rada. Ovaj materijal se aktivno koristi u pisanju znanstvenog rada čiji je krajnji rezultat magistarski rad.Po završetku stručne prakse dodijeljene su nam potvrde o uspješno obavljenoj inozemnoj praksi na ITMO-u. (Sl.-4,5)
Bibliografija
1. http://innovatika.boom.ru/UZ.htm
Prvo poglavlje knjige V. P. Barancheeva "Upravljanje znanjem" objavljeno je na web stranici. V. P. Barancheev – doktor ekonomije, profesor na Državnom sveučilištu za menadžment (Institut za inovacije i logistiku, Odjel za upravljanje inovacijama). Knjiga propituje suvremene koncepte upravljanja znanjem, neformalno i formalizirano znanje, kao i baze znanja.
2. http://www.knowbase.ru/
Stranica posvećena bazama podataka. Stranica predstavlja pojmove znanja, informacija, upravljanja znanjem, kognicije itd. Također se opisuju neke od mogućnosti baza znanja, kao i govori o njihovoj praktičnoj primjeni i problemima vezanim uz njihovo korištenje. Svaki koncept ima zasebnu web stranicu.
3. http://lingvoworks.org.ua/index.php?option=com_content&view=article&id=57:2009-12-09-11-34-05&catid=2:misc&Itemid=3
U članku se raspravlja o pitanjima konstrukcije, strukturiranja, opisa, klasifikacije i korištenja ontoloških baza znanja. Dan je pregled suvremenih istraživanja posvećenih različitim aspektima stvaranja i korištenja ontologije. Velika pozornost u radu posvećena je razlikovanju formalnih i lingvističkih ontologija. Također, predložena je prilično detaljna metodologija za konstruiranje resursa ontološkog tipa.
4. http://aimatrix.nm.ru/aimatrix/SemanticNetworks.htm
Članak posvećen semantičkim mrežama. Opisuje se povijest nastanka semantičkih mreža, kao i principi konstrukcije i klasifikacije.
5. http://bibl.tikva.ru/base/B1253/B1253Part12-59.php
Članak o kognitivnim mapama. Navedeno je nekoliko primjera korištenja kognitivnih mapa.
6. http://lsdis.cs.uga.edu/projects/glycomics/report/Report2006.html
Web stranica istraživačkog centra. Može se pronaći primjer vizualizacije biokemijske i biološke ontologije.
7. http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.41.1007
Primjena
Slika 1- Sveučilište ITMO
Slika 2 - Prvi dan na sveučilištu. Upoznavanje
sl. 3- U vrlo bogatoj knjižnici
Slika 4 - Predstavljanje potvrda o uspješno završenoj inozemnoj praksi. Naš vođa je Suprun Anton Sergeevich.
Slika 5 - Certifikat
Slika 6 - Razgled grada. Muzej Ermitaž. Zimski dvorac.
Slika 7 - Priprema izlaganja za obranu
Slika 8-Izlet. Noćni grad. Podizanje mostova.
Za ljude koji se žele stalno usavršavati, naučiti nešto i stalno naučiti nešto novo, posebno smo napravili ovu kategoriju. Sadrži isključivo edukativne, korisne sadržaje u kojima ćete sigurno uživati. Velik broj videa možda se može mjeriti čak i s obrazovanjem koje dobivamo u školi, fakultetu ili sveučilištu. Najveća stvar u vezi s video zapisima za obuku jest da nastoje dati najnovije, najrelevantnije informacije. Svijet oko nas u eri tehnologije neprestano se mijenja, a tiskane obrazovne publikacije jednostavno nemaju vremena pružiti najnovije informacije.
Među videima možete pronaći i edukativne videe za djecu predškolske dobi. Tamo će vaše dijete učiti slova, brojeve, brojanje, čitanje itd. Slažem se, to je vrlo dobra alternativa crtićima. Za osnovnoškolce također možete pronaći obuku engleskog jezika i pomoć u učenju školskih predmeta. Za starije učenike osmišljeni su edukativni videi koji će vam pomoći u pripremi za kolokvije, ispite ili jednostavno produbiti svoje znanje iz određenog predmeta. Stečeno znanje može kvalitativno utjecati na njihov mentalni potencijal, ali i obradovati vas odličnim ocjenama.
Za mlade koji su već završili školu, studiraju ili ne studiraju na sveučilištu, postoji mnogo fascinantnih edukativnih videa. Oni im mogu pomoći da prodube svoje znanje o zanimanju za koje se školuju. Ili steći zanimanje, poput programera, web dizajnera, SEO optimizatora itd. Ovo zanimanje još se ne uči na sveučilištima, tako da možete postati stručnjak za ovo napredno i relevantno područje samo samoobrazovanjem, u čemu vam pokušavamo pomoći prikupljanjem najkorisnijih videa.
Za odrasle je ova tema također relevantna, jer se često događa da nakon godina rada u struci shvatite da to nije vaša stvar i želite naučiti nešto sebi prikladnije, a ujedno isplativo. I među ovom kategorijom ljudi često se pojavljuju video zapisi o samopoboljšanju, uštedi vremena i novca, optimizaciji života, u kojima pronalaze načine za puno bolji i sretniji život. Čak i za odrasle, tema stvaranja i razvoja vlastitog posla vrlo je prikladna.
Također među obrazovnim videima postoje videozapisi općeg fokusa koji su prikladni za gotovo svaku dob; u njima možete naučiti o tome kako je život nastao, koje teorije evolucije postoje, činjenice iz povijesti itd. Oni savršeno proširuju čovjekove horizonte, čineći ga mnogo eruditnijim i ugodnijim intelektualnim sugovornikom. Ovakvi edukativni videi doista su korisni za gledanje svima, bez iznimke, jer znanje je moć. Želimo Vam ugodno i korisno gledanje!
U današnje vrijeme jednostavno je potrebno biti ono što se kaže “na valu”. To se ne odnosi samo na vijesti, već i na razvoj vlastitog uma. Ako se želite razvijati, istraživati svijet, biti traženi u društvu i biti zanimljivi, onda je ovaj odjeljak samo za vas.
