Management znalostí Znalostní systémy Professor R. Hanka Director, Medical Informatics Unit,University of Cambridge Visiting Profesor, Fakulta Managementu,

Prezentace na téma: "Management znalostí Znalostní systémy Professor R. Hanka Director, Medical Informatics Unit,University of Cambridge Visiting Profesor, Fakulta Managementu,"— Transkript prezentace:

1 Management znalostí Znalostní systémy Professor R. Hanka Director, Medical Informatics Unit,University of Cambridge Visiting Profesor, Fakulta Managementu, VŠE

2 Systémy v jednotlivých fázích u Transaction Processing Systems (TPS) - důraz na uchování a vyhledávání dat u Management Information Systems (MIS) - agregace „surových“ dat s cílem zajistit pro management potřebné informace u Knowledge Based Systems (KBS) = Znalostní systémy - důraz přesunut na zpracování znalostí

3 „Knowledge Age“ (věk znalostí) n n klíčové faktory budoucího úspěchu: schopnost organizací řídit, uchovávat, oceňovat a distribuovat znalosti n n uvedené schopnosti jsou známy jako management znalostí n n organizace ve vyspělých ekonomikách již zjistily, že znalosti jsou jejich největším kapitálem

4 n n Kritickou komponentou managementu znalostí je vývoj, aplikace, nasazení a sdílení znalostních systémů n n Znalostní systémy jsou ideální technologií pro zachování znalostí uvnitř organizace a pro tvorbu podnikové báze znalostí.

5 Vznik oblasti zpracování znalostí n n KBS (Knowledge Based Systems) = znalostní systémy u vedlejším produktem výzkumu v oblasti AI u computer-based systems - využívají extenzivní znalosti z dané oblasti (typicky lidských expertů) pro řešení problémů a (obvykle částečnou) automatizaci rozhodovacích procesů u pokoušejí se o další „generační“ posun zaměřením se na znalosti ve srovnání s předchozím zaměřením na informace

6 ZNALOST - získává se z informací tím, že se jim přiřadí význam a interpretace (typicky lidským expertem) Informace Expert Znalosti

7 Definice pojmu znalost n úplná a přesná definice chybí n máme intuitivní cítění, co to znamená „něco znát“, ale obtíž to vyjádřit n Websterův slovník: znalost je... skutečnost či stav myšlenkového vlastnictví jedné či více pravd, faktů, principů nebo jiných objektů vnímání, získaných na základě výuky, studia, výzkumu nebo zkušenosti

8 n definice v oblasti AI literatury u množina faktů a principů shromážděná lidstvem u informace, kterou potřebuje počítač, aby se mohl chovat inteligentně Znalosti jsou tvořeny celou množinou názorů, zkušeností a postupů, které jsou považovány za správné a pravdivé Znalosti jsou tvořeny celou množinou názorů, zkušeností a postupů, které jsou považovány za správné a pravdivé Znalost je vždy aplikovatelná ve více situacích a relativně po dlouhou dobu Znalost je vždy aplikovatelná ve více situacích a relativně po dlouhou dobu.

9 Znalost = vědět n n jaká informace je potřebná = „vědět co“ n n jak je třeba informaci zpracovat = „vědět jak“ n n proč je která informace potřebná = „vědět proč“ n n kde lze nalézt informaci potřebnou pro dosažení specifického cíle = „vědět kde“) n n kdy je která informace potřebná = „vědět kdy“)

10 Rozdíly mezi pojmy data, informace a znalosti n n Data jsou symboly, které nelze přímo interpretovat, i když z nich lze odvodit informace. n n Informace jsou data, jimž je přidělený význam, přičemž informace se váže ke specifické situaci a má omezenou platnost. n n Znalost je to, co umožňuje lidem inteligentně jednat a zacházet se všemi dostupnými informačními zdroji.

11 Další charakteristiky znalostí n n Znalosti umožňují vybrat tu správnou akci nebo požádat o správnou informaci. n n Tato akční komponenta je základním aspektem znalosti n n Znalosti mohou vygenerovat další informace n n Informace lze předat (informace je vlastně sdělení) n n Lze však předat jednoduše znalosti?

12 Dimenze znalostí n explicitní n povrchní n domain (spec.) n deklarativní n nevyslovená n hluboká n všeobecná n procedurální ZNALOST Meta Znalost Hluboká Explicitní Procedurální Všeobecná (selský rozum) Povrchní Nevyslovená Deklarativní Domain (specifická)

13 Získávání znalostí n na rozdíl od filozofů musí AI specialisté řešit 2 úlohy: u rozhodnout, co znalost je u zachytit ji v počítači n získávání znalostí - oblast AI u týká se získávání znalostí potřebných pro budování KBS u rostoucí důležitost, protože jde o „bottle- neck“ (úzký profil) a nejkritičtější část vývoje KBS

14 n n typické zdroje znalosti v organizaci u u knihy (explicitní znalost) u u záznamy z minulosti u u experti (zdroj nevyslovené znal.) u u kontakty s jinými lidmi

15 Získávání znalostí 1 vedené znalostním inženýrem u cílem získání („vydolování“) znalostí z expertů u zkušenost ukazuje, že většina expertů není schopna jasně vysvětlit, proč a jak řeší dané úlohy tak expertním způsobem u důvody, proč experti nejsou schopni vysvětlit - většinou vyplývají z používání intuice u některé důležité „domain“ znalosti považují za tolik zřejmé, že je ani nezmíní (důsledek - „.... mužský pacient - těhotný...“

16 Plánování procesu získání znalostí n n základním problémem pro znalostního inženýra je vytřídit informace, které jsou k dispozici od expertů n n rozhodnout, co je důležité a co není relevantní n n studium prostředí, kde se má KBS vytvořit n n identifikovat skupiny a jejich charakteristiky u u expert (experti) u u uživatelé

17 Otázky spojené se znalostmi n znalost u kde ji lze získat ? u je jednoznačná? u je s ní všeobecný souhlas? u je statická či dynamická? u je úplná? u jaká je v ní úroveň nejistoty? n možnost dekompozice? n vrstvení (od obecných k specifickým)

18 Nástroje pro automatizované získávání znalostí n n aut. získávání znalostí je užitečné, protože mnoho cenných znalostí je často obsaženo v záznamech z minulosti (např. medicinské záznamy) n n snaha naučit se relevantní znalosti ze zdrojů z odpovídající oblasti (z domain) nezávisle na znalostním inženýrovi n n používají k tomu techniky patřící do podoblasti AI, nazývané strojové učení (machine learning) např. tzv. induktivní učení

19 Induktivní učení vysvětlit Marťanovi význam pojmu „pták“ atributy: křídla, létá, žlutý zobák, zpívá, snáší vejce diskriminační predikáty: pták vs. nepták generalizace: = křídla (diskr. predikát )

20 nemá křídla ---> „není pták“

21 má křídla, snáší vajíčka ---> „ hele, pták!..“ korekce : pták = křídla + žlutý zobák (specifikace)

22 nemá žlutý zobák ---> „ není to pták!..“ další korekce :........ diskriminační predikát: pták = snáší vajíčka se skořápkou

23 Základní operace se znalostmi

24 Cíle managementu znalostí n n efektivní a účinný vývoj a rozvoj nových znalostí n n zlepšování existujících znalostí z pohledu strategie organizace a individuálních cílů pracovníků n n distribuce nových znalostí do jiných útvarů a transfer znalostí na nové pracovníky n n efektivní a účinné propojování nejlepších znalostí uvnitř organizace nebo v síti organizací

25 ve vztahu k „dimenzi“ znalosti n n udržovat obsah znalostí v aktuálním stavu, aplikovat nejlepší znalost n n použít znalostí v nejlepším místě n n použít znalost v nejlepší formě n n použít znalost, když je požadována

26 Předpoklady pro efektivní management znalostí n n Odměňování sdílení znalostí n n Potřeba multidisciplinárního přístupu Nutnost vytvoření určité vize budoucnosti