Ekspertni sustavi 
 

Seminarski rad iz kolegija Umjetna inteligencija 
Fakultet strojarstva i brodogradnje 
 

                    Luka Drobilo 

 
 Ekspertni sustavi 
 
 
Sadržaj 

Ekspertni sustavi – pojam ........................................................................................................................ 2 
Prednosti ekspertnih sustava .................................................................................................................. 2 
Arhitektura ekspertnih sustava ............................................................................................................... 3 
Svojstva ekspertnih sustava .................................................................................................................... 6 
Inženjerstvo znanja .................................................................................................................................. 8 
Prikupljanje znanja .......................................................................................................................... 9 
Razlika od konvencionalnih programa .................................................................................................. 10 
Baze pravila ........................................................................................................................................... 11 
Ulančavanje ........................................................................................................................................... 12 
Ulančavanje unaprijed ................................................................................................................... 12 
Ulančavanje unatrag ...................................................................................................................... 13 
Koju metodu koristiti? ................................................................................................................... 14 
Primjena ................................................................................................................................................ 14 
Primjer: Ekspertni sustav inteligentnoga dizelskog motora .................................................................. 15 
Zaključak ................................................................................................................................................ 18 
Literatura ............................................................................................................................................... 19 
 

   

   
1 
   
 Ekspertni sustavi 
 
 
Ekspertni sustavi – pojam 

Ekspertni sustav (ES) je program koji je projektiran tako da svojim modelom oponaša 
sposobnosti rješavanja problema ljudskog eksperta u nekom području. 

Pod ekspertnim sustavima podrazumijeva se uspostavljanje dijela vještine nekog eksperta 
unutar samog računala i to u takvom obliku da sustav može ponuditi inteligentan savjet ili donijeti 
inteligentnu odluku o operaciji koja je u tijeku. Ekspertni sustav posjeduje i karakteristiku da na 
zahtjev izloži svoju način razmišljanja tako da direktno obavještava korisnika koji postavlja pitanje.  

Drugim riječima, ekspertni sustav je inteligentni računalni program koji koristi znanje i 
postupke zaključivanja u procesu rješavanja problema i to takvih problema za čije je rješavanje 
potreban visok stupanj stručnosti i iskustva iz područja kojima je ekspertni sustav namijenjen. Naziv 
ekspertni potječe upravo od toga što se ovi sustavi ponašaju kao vrhunski stručnjaci (engl. expert) na 
svom području. Njegovu osnovu čini poseban software koji modelira one elemente čovjekovog 
rješavanja problema za koje se smatra da čine čovjekovu inteligenciju: zaključivanje, prosuđivanje, 
odlučivanje na osnovu nepouzdanih i nepotpunih informacija i tumačenje svog ponašanja.  

Ekspertni sustav mora omogućiti tri osnovna zadataka inženjerstva znanja: 
 prezentacija i memoriranje velike količine znanja problemskog pobručja u računalo 
 aktiviranje korištenja znanja problemskog područja za rješavanje problema 
 odgovor na korisnikovo pitanje 
 
Dvije stvari se prije svega modeliraju u ekspertnom sustavu: znanje eksperta i njegovo 
zaključivanje. Zato se ekspertni sustav među ostalim sastoji i od baze znanja i sustava zaključivanja 
(inference engine). Znanje koje nam ekspert pruža može se predstavljati činjenicama, pravilima, 
konceptima ili relacijama. Način i problem njegovog predstavljanja je reprezentacija znanja, dok način 
i problem zaključivanja na osnovu baze znanja i zadatih upita je pitanje tehnike zaključivanja. Ekspert 
je često neophodna osoba u mnogim organizacijama, i postavlja se onda pitanje zašto ga uopće 
pokušavati zamijeniti strojem? Prije svega, donekle slično zamjeni nekih ljudi i njihovih poslova 
strojevima tijekom industrijske revolucije, ekspertni sustav može biti koristan kao pomoć kada čovjek 
nije raspoloživ ili jednostavno kao alat koji olakšava posao i omogućava automatizaciju nekih 
postupaka, radi sa većim stupnjem formalizma koji isključuje mogućnost greške ili slabosti zbog 
ljudskog faktora i sl. Postoji i jedna dodatna prednost ‐ znanjem kao općim dobrom ili kapitalom neke 
organizacije se lakše upravlja, lakše se prenosi i primjenjuje jer ne ovisi u toj mjeri od pojedinca ‐
eksperta ako se koristi ekspertni sustav. Gotovo da i nema područja ljudskih djelatnosti gdje nije 
napravljen neki ekspertni sustav i uspješno primijenjen, a njihov broj i dalje geometrijski raste. 

Prednosti ekspertnih sustava 

  Ekspertni sustavi posjeduju niz korisnih svojstava: 

 Povećana dostupnost – stručnost je dostupna na svakom računalu primjerenih 
performansi, moglo bi se zapravo reći da je ekspertni sustav jedan način masovne 
proizvodnje stručnosti. 

   
2 
   
 Ekspertni sustavi 
 
 
 Snižena cijena – Cijena pružanja stručnosti po korisniku je znatno snižena. 
 Povećanje sigurnosti – Ekspertni sustavi mogu biti korišteni u okruženjima koja mogu 
biti potencijalno opasna po ljudsko zdravlje. 
 Trajnost – Stručnost je trajna. Zarazliku od ljudskih stručnjaka koji mogu otići u 
mirovinu, dati otkaz ili umrijeti, znanje i stručnost ugrađeni u ekspertni sustav ne 
posjeduju rok trajanja. 
 Višestruka stručnost – Pomoću ekspernih sustava znanje većeg broja stručnjaka može 
biti iskorišteno da istovremeno i neprekidno radi na rješavanju problema u bilo koje 
doba dana i noći. Razina stručnosti većeg broja stručnjaka znanjem i opširnošću znatno 
nadmašuje znanje samo jednog stručnjaka.  
 Povećana pouzdanost – Ekspertni sustavi povećavaju pouzdanost u donošenje pravilne 
odluke pružajući drugo mišljenje ljudskom stručnjaku ili mogu pomoći u donošenju 
odluke u slučaju kada se veći broj ljudskih stručnjaka ne može usuglasiti oko rješenja. 
Naravno ova metoda vjerojatno nije primjenjiva ako je jedan od tih stručnjaka 
programirao sam ekspertni sutav budući bi se, ukoliko stručnjak nije počinio nekakvu 
pogrešku, ekspertni sustav uvijek trebao slagati sa stručnjakom na bazi čijeg znanja je 
oformljen. 
 Objašnjavanje – Ekspertni sustav može eksplicitno u detalje objasniti razmišljanje koje 
ga je dovelo do nekog zaključka. Ljudski stručnjak bi možda bio preumoran, u 
nemogućnosti ili bi nevoljko to radio cijelo vrijeme i uvijek kada je potrebno. Ovo 
povećava pouzdanje u ispravnost donesene odluke.  
 Kratko vrijeme reakcije – Brza ili reakcija u stvarnom vremenu može nekad biti 
krucijalna za neka područja primjene. Ovisno o korištenom softwareu i hardwareu, 
ekspertni sustav može odgovarati na upite brže i spremnije od ljudskog stručnjaka. 
Neke hitne situacije možda zahtjevaju reakciju bržu nego što ju je ljudski stručnjak u 
mogućnosti pružiti pa se u takvim slučajevima ekspertni sustavi sa reakcijom u 
stvarnom vremenu nameću kao dobro rješenje.  
 Uravnotežene, kompletne reakcije bez prisutstva osjećaja – Ovo svojstvo je 
potencijalno izrazito bitno u stvarnim stresnim situacijama ili hitnim slučajevima kada 
ljudski stručnjak možda nije u mogućnosti djelovati pri vršnoj učinkovitosti kao 
posljedica stresa ili umora. 
 Inteligentni sustav za učenje – Ekspertni sustav može se koristiti i kao inteligentni 
sustav za učenje koji omogućava učeniku pokretanje i proučavanje primjera te ujedno i 
objašnjava način razmatranja sustava prema datim primjerima.  
 Inteligentna baza podataka – Ekspertni sustavi mogu biti korišteni za pristup bazi 
podataka na inteligentan način. 

Arhitektura ekspertnih sustava 

Temeljna konfiguracija ekspertnih sustava uključuje tri glavna dijela: 

 baza znanja (engl. Knowledge Base – KB) 
 mehanizam zaključivanja (engl. Inference Mechanism ili Inference Engine – IE) 
 korisničko sučelje (engl. User Interface – UI) 

   
3 
   
 Ekspertni sustavi 
 
 

Slika 1 

Baza znanja je baza činjenica i heuristika pridruženih problemu u području za koje je 
namjenjen ekspertni sustav. Baza znanja uključuje činjenice, relacije između činjenica i moguće 
metode za rješavanje problema u području date aplikacije. U predstavljanju znanja koriste se tzv. 
proizvodna pravila (IF ‐ THEN), okviri i semantičke mreže. Prikupljanje znanja vrši se intervjuiranjem 
stručnjaka i tzv. strojnim učenjem. 

Mehanizam zaključivanja je software sposoban na osnovu pravila iz baze znanja shvatiti 
informacije iz baze znanja i na osnovu toga izvoditi zaključke. On funkcionira na taj način da činjenice 
iz baze znanja kombinira sa informacijama dobivenim od korisnika u cilju izvođenja specifičnih 
zaključaka. Pri radu se koriste kontrolne strategije koje odlučuju u kojem trenutku treba primjeniti 
neko od pravila iz baze znanja na nove činjenice dobivene tijekom konzultiranja sa korisnikom. Na taj 
način se simulira ljudsko razmišljanje. Postoje dvije osnovne procedure zaključivanja, odnosno 
rezoniranja: 

 zaključivanje koje počinje s tzv. potvrđenim pronalascima i djeluje unaprijed da 
pronađe zaključak, tzv. zaključivanje vođeno podacima (engl. Forward chaining)  
 zaključivanje koje počinje s hipotezom i djeluje unatrag prema lako potvrđenim 
pronalascima, tzv. zaključivanje vođeno ciljem (engl. Backward chaining)  

Korisničko sučelje je dio koji omogućava dijalog između donosioca odluke (korisnika) i 
sustava, služi za unos i prikaz podataka, prezentira moguće odluke, prikazuje informacije, pitanja, 
odgovore te odvraća korisnika da unosi greške. Sa jedne strane omogućava korisniku da tijekom rada 
sustava dostavi informacije koje sustav iz baze znanja nije uspio dobiti, a sa druge strane omogućava 
korisniku da za svaku odluku ekspertnog sustava zatraži dodatno objašnjenje o tome koji su ga 
zaključci vodili da donese takvu odluku odgovaranjem na pitanja “zašto'' i “kako”. 
 
Ovakav sustav u teoriji umjetne inteligencije naziva se “zaključivanje na temelju pravila” (engl. 
Rule‐based Reasoning). Ekspertni ili na znanju temeljeni sustavi jedan su od uspješnih područja iz 
područja umjetne inteligencije. Više od 25 godina je prošlo od realizacije prvih ekspertnih sustava 
(DENDRAL, MYCIN i PROSPECTOR). Arhitektura ekspertnih ili na znanju temeljenih sustava nije 

   
4 
   
 Ekspertni sustavi 
 
 
značajnije mijenjana i više je poznatih problema u njihovu razvoju: prikupljanje znanja vrlo je težak i 
dugotrajan proces, implementacija i uspješno korištenje ovakvih sustava zahtijeva visoku stručnost i 
iskustvo, implementirani ekspertni sustavi često su spori i teški za održavanje. Uz tri navedena 
osnovna dijela, ekspertni sustavi sadrže i bazu podataka čime se mogućnosti sustava znatno proširuju 
i povećavaju. 

Slika 2 

Suvremeni ekspertni sustavi imaju mogućnost prikupljanja znanja i učenja. Na slici 3 
prikazana je puna konfiguracija ekspertnog sustava koji uz temeljnu konfiguraciju i bazu podataka 
sadrži razvojni dio i modul za učenje. Razvojni dio ekspertnih sustava zadužen je za prikupljanje 
znanja koje je moguće tzv. strojnim učenjem ili preuzimanjem znanja od stručnjaka. Prikupljanje 
znanja kod ovakvih sustava u svakom je slučaju vrlo teško i zahtijeva tzv. eksperte za prikupljanje 
znanja. Modul za učenje u suvremenim ekspertnim sustavima važan je dio koji omogućuje tzv. 
samoučenje sustava. Glavni problemi ekspertnih sustava jesu nedostatak tzv. dubokog znanja, zatim 
točnost rezultata i skupo učenje. Nedostatak “dubokog znanja” ustvari znači čest nedostatak uskih 
specijalističkih znanja za uspješno rješavanje problema. Proces objašnjenja postupka zaključivanja 
također je često nerazumljiv. Točnost rezultata često može biti upitna. Ovo je ozbiljan problem, 
posebno u rizičnim područjima kao što je upravljanje zračnim prometom, upravljanje nuklearnim 
pogonima, vojnim sustavima itd. Učenje temeljeno na iskustvu je oskudno. Proces zaključivanja nije 
predmet unapređenja tijekom korištenja ekspertnih sustava. 

   
5 
   
 Ekspertni sustavi 
 
 

 
Slika 3 

Svojstva ekspertnih sustava 

Srce svakog ekspertnog sustava je znanje akumulirano u procesu izgradnje tog sustava. 
"Znanje" ekspertnog sustava čine činjenice i heuristika (iskustvo i osjećaj za izbor rješenja). 

Činjenice čine glavni dio podataka o prirodi sustava, njegovim aktivnostima i ciljevima koje 
sustav ostvaruje kroz te aktivnosti. Određene pojave i manifestacije regularnog i neregularnog stanja 
u sustavu imaju svoje uzroke i posljedice i također se opisuju skupovima podataka. Svi ovi podaci 
uglavnom mogu biti raspoloživi, dokumentirani i verificirani u domeni ekspertnog sustava. 

Heuristiku čine vlastita pravila rasuđivanja i vještina u izboru i donošenju odluka kojima se 
utjče na promjenu stanja sustava. Ona je uglavnom slabo dokumentirana i osobina je vrhunskih 
specijalista za područje za koje se ekspertni sustav kreira. Nivo performansi ekspertnog sustava je 
prije svega funkcija veličine i kvalitete baze znanja tog sustava u kojoj su objedinjene činjenice i 
heuristika, a ne određenog formalizma zaključivanja i postupka koji se koriste u pretraživanju 
činjenica. 

U principu razlikujemo dva tipa znanja: 

 eksplicitno znanje – znanje dato u pisanoj ili drugoj prijenosnoj formi i nalazimo ga 
u knjigama, časopisima i sl. Ovo znanje je obično prihvaćeno kao univerzalno točno. 

   
6 
   
 Ekspertni sustavi 
 
 
 implicitno znanje – heurističko znanje, ono znanje koje čovjek ekspert gradi na 
osnovu iskustva i koje, kombinirano sa prvim tipom znanja čini čovjeka ekspertom. 
Znanje je dostupno i može se prenositi putem knjiga i lekcija. 
 

 
Slika 4 

Važno svojstvo ekspertnog sustava je ekspertiza visokog nivoa koju osigurava kao pomoć u 
rješavanju problema. Ta ekspertiza predstavlja najbolja razmišljanja vrhunskih eksperata u datom 
području, sakupljena i ugrađena u program tako da u postupku rješavanja problema mogu dovesti do 
preciznih i efikasnih rešenja. 

Mogućnost predviđanja je svojstvo koje potječe iz mogućnosti da se ekspertni sustav koristi 
kao model za rješavanje problema u datom području koji će, kao takav, davati odgovore na zadane 
probleme i pokazivati kako će se ti odgovori mijenjati ovisno o novim situacijama. 

Cjelokupno znanje ugrađeno u ekspertni sustav prikupljeno je kroz interakciju sa ključnim 
osobljem u nekoj službi, odjelu ili području, tako da ono oslikava i tekuću politiku i način rada te 
grupe. Na taj način, ova skup znanja postaje trajni zapis usklađenih najboljih metoda i postupaka koje 
ti ljudi koriste pri rješavanju problema. I kad ti ljudi odu iz određene firme ovo znanje će ostati 
sačuvano. Ovo je veoma važno u poslovnim sistemima, a kritično u vojsci i državnim ustanovama 
zbog čestih premještaja i izmjene kadrova. Prikupljeno znanje je na taj način postalo institucionalna 
memorija, koja ublažava (iako nikad ne može potpuno ukloniti) nedostatke proistekle iz čestih 
fluktuacija ljudi. 

Još jedno važno svojstvo svakog ekspertnog sustava je i mogućnost obučavanja. Ekspertni 
sustav može biti oblikovan tako da omogući obuku novih kadrova. Oni već imaju određena znanja i 
sposobnosti i potrebno je na njih prenijeti znanje i iskustvo prikupljeno i sačuvano u bazi znanja u 
vidu institucionalne memorije. Neophodno je da program posjeduje mogućnost tečnog, prijateljskog 
dijaloga sa čovjekom, kao i ugrađene metode učenja. Ekspertni sustav može biti podešen kako za 
obuku stručnih ljudi, tako i za uvođenje u posao tek pridošlih početnika. 

Ovisno o sustavu, načini objašnjavanja i razlaganja donesenih odluka mogu biti jednostavni ili 
složeni. Jednostavni sustavi u pravilu samo navode činjenice koje su ih zaključivanjem doveli do 
posljednjeg izvedenog pravila. Složeniji sustavi su sposobni učini i nešto od sljedećeg: 

   
7 
   
 Ekspertni sustavi 
 
 
 Navesti sve razloge za i protiv određene hipoteze – Hipoteza je cilj koji treba biti 
dokazan, pa tako kao primjer možemo uzeti zaključak medicinskog ekspertnog 
sustava: “pacijent boluje od tetanusa”. U stvarnom problemu može postojati veći 
broj hipoteza isto kao što i pacijent može imati više bolesti istovremeno. Na hipotezu 
se također može gledati kao na činjenicu u čiju se istinitost sumnja i koja mora biti 
dokazana.  
 Navesti sve hipoteze koje mogu objasniti dostupne dokaze 
 Objasniti sve posljedice hipoteze – Primjerice, ako pretpostavljamo da pacijent 
boluje od tetanusa na njemu bi također trebali biti prisutni znakovi vrućice kako 
infekcija napreduje. Ako su ovi simptomi stvarno prisutni oni dodaju na sigurnosti da 
je hipoteza ispravna. Ako simptomi nisu prisutni sigurnost u točnost hipoteze se 
smanjuje.  
 Dati prognozu ili predviđanje što će se dogoditi u slučaju da je hipoteza ispravna 
 Opravdati pitanja koja program postavlja korisniku kako bi dobio dodatne 
informacije – Ova pitanja mogu biti korištena kako bi se usmjerio način razmišljanja u 
smjeru vjerojatnih dijagnostičkih pravaca. U većini realnih problema razmatranje svih 
mogućnosti je preskupo i traje predugo tako da je potrebno osigurati neki način 
navođenja potrage prema točnom rješenju. Primjerice možemo razmotriti koliko bi 
sredstava i vremena potrošili a kakvi bi bili efekti primjenivanja svih mogućih 
medicinskih ispitivanja na pacijenta koji se žali na bol u grlu.  
 Opravdati znanje programa – Recimo da program tvrdi kako je hipoteza “pacijent 
boluje od tetanusa” točna, korisnik bi od sustava mogao zatražiti objašnjenje. 
Program bi mogao opravdati ovaj zaključak prema pravilu koje mu govori da ako 
rezultati krvnog testa pokazuju da je pacijent pozitivan na tetanus, onda on stvarno i 
boluje od tetanusa. Tada bi korisnik od sustava mogao zatražiti da opravda i to 
pravilo na što bi on mogao odgovoriti kako je pozitivan krvni test dokaz bolesti.   

Inženjerstvo znanja 

  Sveukupnost procesa izgradnje ekspertnog sustava naziva se inženjerstvo znanja, time se 
obuhvaća skup metoda i postupaka koje se odnose na prikupljanje, računalno predstavljanje i 
memoriranje, kao i upotrebu ljudskog znanja u rješavanju složenih problemskih situacija. Taj proces 
uključuje posebnu vrstu interakcije između graditelja ekspertnog sustava, koga zovemo inženjer 
znanja i jedne ili više osoba koje su eksperti u određenom problemskom području za koje se 
ekspertni sustav izgrađuje. 

Inženjer znanja od eksperata "vrši ekstrakciju" njihovih procedura, strategija i postupaka za 
rješavanje problema i ugrađuje to znanje u ekspertni sustav. Rezultat procesa je skup programa koji 
rješavaju probleme u datom području na način na koji to radi čovjek‐ekspert. 

Kao što je prikazano na sljedećoj slici, u proces izgradnje ekspertnog sustava uključeni su: 
ekspert, inženjer znanja i korisnik. U cijelom poslu važno mjesto zauzima i alat za izgradnju 
ekspertnog sustava a ne smije se zaboraviti ni sam ekspertni sustav. 

   
8 
   
 Ekspertni sustavi 
 
 

 
Slika 5 

Ekspert je osoba koja je stekla reputaciju u svojem području zbog stručnih sposobnosti 
kvalitetnog rješavanja problema. On koristi svoje znanje, sposobnosti i vještine stečene kroz bogato 
iskustvo kako bi skratio proces pronalaženja rješenja. Znanje eksperta je nadgradnja znanja koje se 
može dobiti čitanjem knjiga. On ne može uvijek objasniti razloge svoje odluke, ne zato što ih ne želi 
objasniti, već zato što se kroz svoje odluke vodi intuicijom. On isto tako vjerojatno zna mnogo više 
nego što je svjestan. Ekspertni sustav treba obuhvatiti i objediniti te sposobnosti, vještine i iskustvo 
jednog ili više eksperata. Znanje se, naravno, može prikupljati i iz stručnih knjiga i časopisa. 

Inženjer znanja je osoba koja poznaje područje računalnih znanosti i umjetne inteligencije te 
zna kako se izrađuju ekspertni sustavi. On kroz pitanja i razgovore sa ekspertom od njega prikuplja 
znanje, organizira ga, odlučuje kako će ono biti prikazano u sustavu i piše programe, sam ili uz pomoć 
drugih programera. 

Korisnik je osoba koja koristi ekspertni sustav kad je njegova izrada i učenje gotovo i spreman 
je za uporabu. 

Osoblje uključuje sve one koji unose podatke u sustav (operateri, pomoćnici i sl.). 

Alat za izgradnju ekspertnih sustava je programski jezik koji koristi inženjer znanja i/ili 
programer kako bi taj sustav izradio. Pod pojmom alat podrazumjevaju se i svi uslužni programi koji 
su na raspolaganju (editori, debugeri, sredstva za izdvajanje znanja, grafika i dr.). Razvijeni su 
specijalizirani alati za izradu ekspertnih sustava, koji su nazvani "školjke" (shells). Ovi alati se razlikuju 
od konvencionalnih programskih jezika po tome što osiguravaju odgovarajuće načine predstavljanja 
složenih koncepata i elemenata znanja. 

Prikupljanje znanja 

Upravo prikupljanje znanja je usko grlo razvoja ekspertnih sustava jer je često veoma teško 
izvesti ovu fazu. Postoje različite tehnike otkrivanja znanja prilagođene različitim tipovima sustava, ali 
osnova je razgovor (strukturirani i nestrukturirani intervju) sa ekspertom za što opet postoje 
standardni praktični postupci. Nakon prikupljanja informacija od eksperta slijedi analiza sakupljenog 
znanja na osnovu čega se izdvajaju važne činjenice i strukture koje pomažu i utječu na daljnji tijek 
razvoja sustava. Prikaz gotovih primjera (case studies, retrospektivno proučavanje i promatračko ‐ 

   
9 
   
 Ekspertni sustavi 
 
 
uživo) kao šablona kroz koju se može vršiti procjena, demonstracija, i sl. Protokol (pojam kognitivne 
psihologije) kao bilješka postupaka koji osoba ili sustav čini da bi rješio problem. Otkrivanje znanja: 

 Prikupljanje 
 Interpretacija 
 Analiza 
 Razvoj sljedeće sesije   

Razlika od konvencionalnih programa 

  Današnja računala rješavaju zadatke logikom konvencionalnih programa. Programi se sastoje 
u osnovi iz dva dijela: 

 algoritam 
 podaci 

Algoritam određuje kako riješiti određenu vrstu problema koristeći niz točno definiranih 
pravila, a podaci karakterizirajuu parametre u konkretnom problemu.  

Ljudsko znanje se ne uklapa u ovaj model. Sistemi na bazi znanja razlikuju se od 
konvencionalnih programa po načinu organizacije, po tome da je u njih ugrađeno znanje, po načinu 
izvršavanja i po efektu koji stvaraju kroz interakciju dijalogom. 

Može se dakle reći da je glavna razlika između konvencionalnih programa i ekspertnih 
sustava u tome što prvi manipuliraju podacima a drugi znanjem. Ostale razlike prikazane su u tablici 1: 

KONVENCIONALNI
EKSPERTNI SUSTAV 
PROGRAM
predstavlja i algoritamski koristi  predstavlja i heuristički koristi 
podatke, ponavljajući proces  znanje, proces zaključivanja 
efikasno manipuliranje velikim  efikasno manipuliranje velikim 
bazama podataka  bazama znanja 
model rješavanja problema se 
pojavljuje kao baza znanja a 
znanje i metode korisničkog 
njom upravlja odvojeni dio – 
znanja su pomješani 
mehanizam zaključivanja 
(interpreter pravila) 
znanje je organizirano u bar tri 
znanje je organizirano u dva 
nivoa – podaci, baza znanja i 
nivoa – podaci i program 
mehanizam zaključivanja 
novo znanje se dodaje bez 
u slučaju novog znanja 
reprogramiranja, proširivanjem 
potrebno je reprogramiranje 
baze znanja 

Tablica 1 

   
10 
   
 Ekspertni sustavi 
 
 
Osim toga, konvencionalni programi su projektirani tako da svaki put daju konkretne 
rezultate, dok su ekspertni sustavi projektirani uglavnom da daju korektne odgovore, a imaju i 
mogućnost da uče na greškama. 

U konvencionalnim programima su implementirani potpuno definirani algoritmi i jasan način 
nalaženja rješenja čak i kad se koristi kompleksno grananje, rekurzivne petlje i dr. S druge strane, 
poslovi koje obavljaju stručnjaci uglavnom su takvi da ih često nije moguće opisati u algoritamskoj 
formi. Stručnjaci ne rade po čvrstom planu već iskustvom i prosuđivanjem odlučuju kako će se dalje 
rješavati problem, ne "vide" kompletan postupak rješavanja odmah. Ekspertni sustavi su pak 
zasnovani na stručnoj vještini akumuliranoj u bazi znanja tako da su u stanju ponuditi inteligentan 
savjet i na zahtjev mogu objasniti svoj način “razmišljanja”. 

U konvencionalnim programima, moduli (potprogrami) se međusobno pozivaju po fiksnom, unaprijed 
definiranom postupku. U ekspertnim sustavima moduli se ne pozivaju između sebe direktno. Moduli 
komuniciraju sa okruženjem podataka. Struktura dozvoljava simultano izvršenje nekoliko modula 
(onih koje aktivira trenutno stanje baze podataka). 

Baze pravila 

  Kao što smo već spomenuli, ekspertni sustavi koriste pravila kako bi ispitivali uvjete, 
„razmišljali“ i tako donosili odluke o zadanim problemima. Ta pravila se pohranjuju unutar sustava u 
bazu pravila, uključene u bazu znanja, koja se pri radu pretražuje i očitava ili modificira te tako 
omogućuje rad sustava i daljnji razvoj. Sustav proučava sve uvjete pravila (IF) i određuje podset 
pravila u koji su smješteni uvjeti za izvršavanje pravila iz seta pravila. Taj podset se zatim koristi za 
uspoređivanje za vrijeme rada i aktivira jedan od uvjeta u njemu. Koji od uvjeta je aktiviran ovisi o 
strategiji rješavanja problema. Kada je uvjet aktiviran izvršavaju se operacije određene THEN klauzom 
dotičnog uvjeta. Ove operacije mogu promijeniti stanje memorije sustava, modificirati bazu pravila ili 
učiniti bilo što drugo što programer odluči uključiti u njih. Taj se lanac uvjeta i zadovoljavanja njihovih 
pravila nastavlja sve dok jedan od dva uvjeta nije postignut: nema više pravila čije uvjete treba 
zadovoljiti ili je aktivirano pravilo čijom je operacijom definirano prekidanje programa. 

Koje pravilo je aktivirano pri rješavanju zadatka ovisi o strategiji rješavanja problema. Odabir 
strategije može biti određen samim problemom ili može biti stvar preferencije osobe koja izvodi i 
uređuje sustav. U svakom slučaju odabir strategije je izrazito važan budući ona kontrolira koje od 
primjenjivih pravila će biti aktivirano te time i kako će se cijeli sustav ponašati. Postoji nekoliko 
različitih strategija od kojih su ovdje navedne neke od najčešćih:  

 Prvo primjenjivo ‐ Ako su pravila pohranjena prema nekom principu, aktiviranje prvog 
primjenjivog omogućava kontrolu rasporeda po kojem su pravila aktivirana. Ovo je 
najjednostavnija strategija iz koje potencijalno može nastati veliki problem: beskonačna 
petlja na jednom istom pravilu. Ukoliko se stanje memorije sustava i/ili baze pravila ne 
promijeni tada se ni uvjeti prvog pravila neće promijeniti i ono će stalno iznova biti 
aktivirano. Kako bi se riješio ovaj problem uobičajena je praksa omogučivanje prekida tog 
pravila i spriječavanje njegovog ponovnog aktiviranja sve dok nisu promijenjeni podaci u 
memoriji sustava tako da zadovoljavaju uvjet ili dok sam uvjet pravila nije modificiran.  

   
11 
   
 Ekspertni sustavi 
 
 
 Nasumičan odabir ‐ Iako ne pruža predvidljivost i kontrolu strategije prvog primjenjivog 
pravila, strategija nasumičnog odabira ima svoje prednosti. Kao prvo njena nepredvidivost 
dolazi kao prednost u određenim okolnostima (npr. u igrama). Nasumična strategija 
jednostavno odabire jedno pravilo iz podseta koje će biti aktivirano. Druga mogućnost je 
primjena sustava neizrazite logike u kojem bi svaki od sustava imao vjerojatnost takvu da će 
neka od pravila imat veću šansu da budu aktivirana od drugih. 
 Najkonkretniji ‐ Ova strategija je bazirana na broju uvjeta pravila, pravilo sa najvećim 
brojem uvjeta je odabrano iz podseta. Ovo je bazirano na pretpostavci da je ukoliko pravilo 
ima najviše uvjeta izgledno kako je to pravilo od najveće važnosti i relevantnosti za 
postojeće podatke.  
 Najdulje nekorišteno ‐ Svako od pravila posjeduje vremensku oznaku koja označava vrijeme 
kada je posljednji put korišteno. Ovo povećava broj pojedinačnih pravila koja su aktivirana 
barem jedanput. Ako su sva pravila potrebna za postizanje rješenja tada je ovo savršena 
strategija za taj primjer.  
 „Najbolje“ pravilo ‐ Kako bi ovako strategija funkcionirala, svakom pravilu dodijeljena je 
težinska vrijednost koja određuje koliko bi neko pravilo trebalo biti više uzeto u obzir s 
obzirom na alternative. Pravilo sa željenim ishodom je odabrano ovisno o svojoj težinskoj 
vrijednosti.  

Ulančavanje 

  Dvije metode odlučivanja kada se koriste pravila zaključivanja su:  
 ulančavanje unaprijed  
 ulančavanje unatrag 

Ulančavanje unaprijed (slika 6) 
baza
započinje sa dostupnim podacima i koristi  pravila
pravila zaključivanja kako bi razmotrilo više 
odredivanje pravila
podataka sve dok željeni cilj nije postignut.  koja bi mogla biti
Mehanizam zaključivanja koji koristi metodu  aktivirana

ulančavanja unaprijed pretražuje pravila  radna
zaključivanja sve dok ne nađe pravilo u kojem  memorija podset

je IF klauza istinita. Zatim izvršava operacije 
zadane THEN klauzom i pridodaje ovu 
informaciju svojoj bazi podataka. Sustav  odabir pravila
strategija
aktiviranje pravila rješavanja
nastavlja ovu proceduru sve dok ne postigne  za aktivaciju
pravilo problema
pronadeno
zadani cilj. Budući da dostupni podaci 
određuju koja će se pravila zaključivanja 
pravilo nije
koristiti, ova metoda se također zove metoda  pronadeno
izlaz ako je tako
vođena podacima (engl. data driven).   odredeno pravilom
izlaz
S

Slika 6 

   
12 
   
 Ekspertni sustavi 
 
 
Ulančavanje unatrag (slika 7) započinje sa popisom ciljeva i djeluje unatrag kako bi se 
otkrilo postoje li podaci koji omogućavaju zaključivanje nekih od ciljeva. Mehanizam zaključivanja koji 
koristi ulančavanje unatrag će tražiti pravila zaključivanja sve dok ne nađe pravilo koje ima THEN 
klauzu koja odgovara zadanom cilju. Ako je IF klauza toga pravila istinita ono je tada dodano na listu 
ciljeva.   

baza
pravila
pretraživanje radne
memorije i ciljeva radi radna
provjere istititosti memorija
izvršenja ciljeva
cilj
unatražno ponavljaj svako stanje
aktiviranog pravila kao cilja

pošalji da poklapaju li
signal se ciljevi s
istinito memorijom?

pošalji ne
signal
nije istinito
za svako
stanje pravila odredi sljedeće
napraviti moguće pravilo za
unatražno aktivaciju provjerom
ulančavanje sa zaključaka i ciljeva
stanjem kao
ciljem podset

strategija
aktiviraj odabir pravila
rješavanja
pravilo pravilo za aktivaciju
problema
pronađeno

pravilo nije
pronađeno

izlaz

rezultati svih
ponavljanja
su istiniti? jedno ili više pravila nije uspjelo, sljedeće odgovarajaćuje pravilo

istinito
ciljevi su ispunjeni, izlaz, vraća istinitu vrijednost
 
Slika 7 

   
13 
   
 Ekspertni sustavi 
 
 
  Koju metodu koristiti? 

  Od dvije dostupne metode ulančavanja ‐ unaprijed ili unatrag, odabir koju ćemo koristiti je 
određen samim problemom. Usporedba stanja i operacija u bazi pravila može pomoći odrediti koja 
metoda ulančavanja je preferirana. Ako “prosječno” pravilo ima više uvjeta nego zaključaka, tj. da 
tipična hipoteza ili cilj (zaključci) može dovesti do još mnogo više pitanja (uvjeti), preferira se 
ulančavanje unaprijed. Ako je pak obrnuta situacija i prosječno pravilo ima više zaključaka nego 
uvjeta tako da se svaka nova činjenica može proširiti u velik broj novih činjenica i operacija, idealna bi 
bila uporaba ulančavanja unatrag.  

  Ako nijedno nije dominantno, broj činjenica u radnoj memoriji može pomoći pri odluci. Ako 
se sve (relevantne) činjenice već znane i svrha sustava je odrediti kamo informacije vode trebalo bi 
odabrati ulančavanje unaprijed. Ako je pak s druge strane znano samo nekoliko ili niti jedna činjenica 
ili operacija, ulančavanje unatrag je idealno rješenje problema.  

Primjena 

  Expertni sustavi konstruirani su kako se bavili problemima u računovodstvu, medicini, 
upravljanju, financijskim uslugama, proizvodnji, ljudskim resursima itd. Uobičajeno su problemska 
područja toliko kompleksna da su jednostavniji tradicionalni algoritmi nedostatni u pružanju 
odgovarajućeg rješenja.  

  Dobar primjer primjene ekspertnih sustava u financijskom području su ekspertni sustavi za 
kamate. Odjeli za kredite su zainteresirani za ekspertne sustave za kamate zbog sve više rastuće 
cijene rada koje rukovanje i prihvaćanje relativno malih kredita čine manje isplativim. U primjeni 
ekspertnih sustava također vide i mogućnost standardizacije te efikasnog baratanja hipotekarnim 
kreditima. Još jedna česta primjena ekspertnih sustava u financijskom području je u obliku pružanja 
trgovačkih preporuka u raznim trgovinama. Ovakve trgovine uključuje brojne varijable i ljudske 
osjećaje koje bi bilo nemoguće deterministički iskazati pa su stoga na takvim pozicijama primjenjeni 
ekspertni sustavi temeljeni na pravilima stručnjaka i simulacijskim podacima. Ekspertni sustavi ovog 
tipa mogu varirati od pružanja regionalnih prodajnih preporuka oko financijskih odluka donesenih od 
strane nadležnih institucija ili vlada.  

  I dok su se ekspertni sustavi dokazali u pronalasku praktične primjene za rješenja bazirana na 
umjetnoj inteligenciji, njihova primjena je ipak ostala ograničena. Ekspertni sustavi djeluju u izrazito 
uskom području znanja i ukoliko im je zadan problem koji nadilazi te granice mogu raditi greške koje 
bi čovjek lako primjetio. Isto tako nakon što je dio mističnosti vezane uz ekspertne sustave kao 
primjer umjetne inteligencije polako nestao, većina programera je shvatila kako su jednostavni 
ekspertni sustavi u svojoj biti samo malo razrađenije verzije logike odlučivanja koju su već bili koristili. 
Stoga se neke od tehnika ekspertnih sustava mogu pronaći u najkompleksnijim programima bez da se 
diže ikakva prašina oko toga.  

  Primjer i dobra demonstracija ograničenja ekspertnih sustava je ekspertni sustav koji velik 
broj ljudi koristi: sustav za otkrivanje greški inkorporiran u Microsoftov operativni sustav Windows. 
Microsoft je osmislio svoj ekspertni sustav kako bi pružao rješenja, savjete i prijedloge na neke 

   
14 
   
 Ekspertni sustavi 
 
 
uobičajene pogreške koje se mogu susresti tijekom korištenja operativnog sustava. Sam sustav 
možda i djeluje jednostavno, no pojedincima koji nisu usko vezani uz razvoj operativnog sustava, 
dobivanje stručne tehničke potpore preko tog sustava je često zahtjevno i teško je dobiti konkretne 
rezultate kojima će riješiti svoj problem. 

  Uz primjene u financijskim i proizvodnim područjima, tehnike umjetne inteligencije, pa tako i 
ekspertni sustavi, našli su i primjenu u sve više rastućem informatičkom području – računalnim 
igrama. U gotovo svim računalnim igrama postoji nekakav sustav umjetne inteligencije kojim se 
pokušava dočarati inteligencija protivnika ili računalnog suigrača. Ti sustavi su često razvijeni upravo 
preko samih ekspertnih sustava i baza znanja prema kojima će se entiteti u vritualnim okruženjima 
ponašati ovisno o geometriji samog okruženja, njihovim svojstvima ili akcijama igrača. 

Primjer: Ekspertni sustav inteligentnoga dizelskog motora 

  Ekspertni sustav za dijagnostiku stanja brodskoga dizelskog motora temelji se na 
eksperimentalnim podacima dobivenima mjerenjem relevantnih značajki brodskog motora i 
kontinuiranim praćenjem njegova rada. Baza znanja pri izradi dijagnostičkog ekspertnog sustava je 
datoteka kvarova gdje se unose teorijska i praktična znanja stručnjaka. Osnovni zahtjevi koji se 
očekuju u radu stroja, pa tako i brodskoga dizelskog motora, jesu maksimalni radni učinci s 
minimalnim troškovima održavanja. 

Uspješnost ekspertnog sustava izravno ovisi o kvantiteti i kvaliteti formiranih primjera i 
pravila. Poradi toga je potrebno uskladiti prikupljene podatke s radnim značajkama motora ovisno o 
okolnostima kvara. Najveći dio podataka za bazu znanja dobiva se eksperimentalnim putem, mjereći 
parametre motora u radnim uvjetima. Najprije se uspostavlja baza sirovih podataka na temelju već 
spomenutih eksperimentalnih vrijednosti, tj. laboratorijskih i servisnih podataka, a zatim se 
dopunjuje podacima tijekom "eksperimentiranja" (testiranjima) u radu. Posebnim softverskim 
postupkom, od prikupljenih podataka formira se baza kondenziranih podataka, koja sadržava 
statističke rezultate za kritične značajke.  

Koncept ekspertnog sustava za dijagnostiku kvarova prikazan je na slici. Nakon što se 
specificira problem, utvrđuju se zahtjevi potrebni da se dođe do informacija. Podaci se dobivaju iz 
odgovarajućih izvora i adekvatno se organiziraju u bazi ulaznih podataka. Slijedi izrada modela 
problema sa shemom procesa koji vodi do rješenja. Model problema zajedno s bazom ulaznih 
podataka tvori „ekspertni sustav za analizu informacija“. On služi za definiranje datoteke primjera, iz 
koje se primjenom pogodnog softwarea izvodi prototip "sustava utemeljenog na pravilima". Da bi se 
kompletirao ekspertni sustav, potreban je modul za donošenje odluke, koji konzultira bazu znanja i 
konstruira operacijski sustav baze znanja. Dijagnostika u sebi sadržava određivanje i analizu statičkih i 
dinamičkih značajka i procjenu sustava.  

Promjene stanja u sustavu prate se i kvantitativno mjere temeljem odgovarajućih značajka 
tehničkog sustava. Izbor dijagnostičkih značajka svakoga sastavnog dijela ili sustava obnavlja se na 
osnovi:  

   
15 
   
 Ekspertni sustavi 
 
 
 proučavanja njihovih funkcija, načina i uvjeta rada 
 analize razine njihova funkcioniranja 
 sastavljanja logičkih shema uzročno‐posljedičnih veza značajka i činitelja koje utječu na 
radnu sposobnost tehničkog sustava 
 analize otkaza i drugo. 
 

ULAZNI
PODACI

eksperimantalni teorijski simulacijski

podaci podaci

baza ulaznih
podataka
software za
software
datoteka primjera uvođenje
za vezu
pravila
strateški model
informacijskih analiza
redefinirana
pravila
generiranje pravila
ekspertno znanje

prototip sustava
utemeljenog na poboljšanja
pravilima
ULAZNI
PODACI

modul za odlučivanje
baza znanja operacijski sustav
baze znanja
 
Slika 8 

Na slici 8 prikazan je ekspertni sustav inteligentnog dizelskog motora u kojemu je prikazano polje 
POBOLJŠANJA. Poboljšanja se ostvaruju s pomoću jedinice za kontrolu cilindara ili jedinice za kontrolu 
motora postupnim otklanjanjem pojedinih vrijednosti od trenutnih. Otvaranje i zatvaranje ispušnih 
ventila te ubrizgavanje goriva više se ne obavljaju s pomoću bregaste osovine već se oni elektronički 
upravljaju, pa tako vremena nisu strogo definirana, već je moguće ugađati vremena otvaranja i 
zatvaranja ispušnih ventila te vremena i način ubrizgavanja goriva u cilindar. Izravnim istraživanjem 
tijekom rada brodskog motora, promjenom određenih parametara u njihovim dopuštenim granicama 
(dobivenih eksperimentalnim podacima na radnom stolu, teorijskim simulacijskim podacima i 
ljudskim znanjem) može se doći do optimalne potrošnje goriva i maziva bez posljedica za rad motora. 

   
16 
   
 Ekspertni sustavi 
 
 
U tablici 2 prikaz je dijela baze znanja za „inteligentni“ motor koji se odnosi na kontrolu ispušnih 
ventila i vremena ubrizgavanja goriva. Uz to prikazan je samo mali dio dijagnostičkog ekspertnog 
sustava, koji djeluje sa sustavom inteligentnog motora. 
 

pravilo  AKO  TEST  AKCIJA 

br. 
…       
30103  broj okretaja prevelik  smanjeno opterećenje  smanji se dobava goriva u cilindar 
na propeleru 
30104  tlak kompresije u  provjera stanja stapnih  zamijene se stapni prstenovi 
cilindru nizak  prstenova 
30105  tlako kompresije u  provjera zračnosti  ispušni se ventil demontira i ubrusi 
cilindru nizak  ventila 
30106  max. tlak izgaranja u  provjera visokotlačne  otkloni se kvar ili zamijene 
cilindru nizak  pumpe goriva  komponente pumpe 
30107  max. tlak izgaranja u  provjera ubrizgača  ubrizgač se demontira, rastavi, očisti i 
cilindru nizak  goriva  testira a po potrebi se ugradi novi 
30108  max. tlak izgaranja u  smanjena dobava  poveća se dobava goriva u cilindar 
cilindru nizak  goriva u cilindar 
30109  max. tlak izgaranja u  zakašnjelo ubrizgavanje  ubrizgavanje goriva u cilindar počne 
cilindru nizak  goriva u cilindar  prije 
…       
30418  temperatura ispušnog  povećaba dobava  smanji se dobava goriva u cilindar 
plina se povisuje  goriva u cilindar 
…       

Tablica 2 

Koristeći se računalom on–line povezuju se sve radnje u vezi s održavanjem broda 
(preventivno održavanje, održavanje nakon kvara, rezervni dijelovi...) pa se time postiže bolja 
organiziranost, što je preduvjet za sigurniju plovidbu. Satelitskom vezom brodar u svakom trenutku 
(u području pokrivenosti telekomunikacijskom vezom) može dobiti podatke o stanju porivnog motora. 
Tako se omogućuje ekspertu na kopnu uvid u kvar, ako kvar zahtijeva njegovu intervenciju.  

Primjenom elektroničkog uređaja koji preuzima funkciju bregaste osovine motora, otvaraju 
se nove mogućnosti za daljnji razvoj i ispitivanje brodskoga porivnog sustava. Centralizacijom 
informacija pojedinih sustava i podsustava može se ostvariti i veza onih elemenata koji nisu prije bile 
vezane sustavom automatizacije (npr. veza sustava rashladne morske vode s visokotemperaturnim i 
niskotemperaturnim sustavom slatke vode, pa zatim tih sustava sa sustavima uputnog zraka, ulja za 
podmazivanje,…). Ovim bi se omogućilo točnije zaključivanje ekspertnog računalnog sustava o kakvu 
se kvaru radi, te eventualna redukcija alarma 

   

   
17 
   
 Ekspertni sustavi 
 
 
Zaključak 

  Pojam umjetne inteligencije koji smo do prije par desetljeća mogli susretati samo u 
znanstveno fantastičkim filmovima sada je postao dio svakodnevnice i posve normalna pojava. Od 
svojih početaka na slabašnim računalima pred kraj dvadesetog stoljeća, ekspertni sustavi su razvojem 
informatičke industrije dobili znatan porast mogućnosti i sve veći broj primjena u rješavanju 
problema u mnogim svakodnevnim situacijama. U nekim područjima ta primjena je ostvarena na 
veoma visokoj razini, olakšavajući rad ljudima, omogućavajući pohranu znanja tvrtki, prijenos toga 
znanja na nove zaposlenike te veliku pomoć kroz savjete i predviđanja o datim problemima, no zato u 
nekim drugim područjima su se pokazali neuspješnim i nisu ispunili očekivanja koja su na njih 
postavljena. Ali razvoj ide dalje, uz kombinaciju ekspertnih sustava i ostalih oblika umjetne 
inteligencije u obliku hibridnih sustava povećavaju se i njihove mogućnosti a ekspertni sustavi sve 
više postaju korisni alati koji u svojim konkretnim područjima primjene na jedan ili drugi način 
izvršavaju svoju primarnu ulogu – pomaganje ljudima.  

   

   

   
18 
   
 Ekspertni sustavi 
 
 
Literatura 

 Alempije Veljović : Menadžment informacioni sistemi (Kompjuter biblioteka, Beograd) 
 Milenko Obad: CAD/CAM tehnologije (http://www2.fsr.ba/nastava/icad/ICAD‐CBR.pdf) 
 Zoran Popović : Primena VI – Ekspertni sustavi (http://users.hemo.net/shoom/es.pdf) 
 Giarratano – Riley: Expert  systems principles and programming (Brooks/Cole Publishing 
Co.,  Pacific Grove, CA, USA) 
 http://en.wikipedia.org/wiki/Expert_system 
 http://ai‐depot.com/Tutorial/RuleBased‐Methods.html 
 http://hrcak.srce.hr/file/12790 
 

   

   
19