Posudky závěrečné kvalifikační práce

Posudek vedoucího

Jirsík, Václav

Bakalářská práce Josefa Verbíka se zabývá rozborem metod reprezentace znalostí v expertních systémech. Jednotlivé metody reprezentace jsou srovnávány na výběru grafické karty do PC. Bakalář během práce prokázal znalosti v oblasti expertních systémů, znalostního inženýrství a v problematice reprezentace znalostí. Bakalář pracoval samostatně, dosažené výsledky konzultoval. Výsledkem práce je hodnocení jednotlivých metod reprezentace znalostí z hlediska jejich použití pro tvorbu báze znalostí.

Dílčí hodnocení
Kritérium	Známka	Body
Splnění zadání	C	35/50
Aktivita během řešení a zpracování práce (práce s literaturou, využívání konzultací, atd.)	E	10/20
Formální zpracování práce	C	15/20
Využití literatury	E	5/10

Navrhovaná známka: D

Body: 65

Posudek oponenta

Polách, Petr

Student zpracoval bakalářskou práci s cílem srovnat několik vybraných metod reprezentace znalostí podle jejich použitelnosti pro znalostní a expertní systémy. Jedná se o zadání teoreticky i prakticky odpovídající bakalářskému stupni, vyžadující prostudování základní literatury v této oblasti a vytvoření několika jednoduchých příkladů. Student předložil formálně kvalitně provedenou práci, ve které je ve vhodném poměru zastoupen převzatý text i vlastní práce. Splněna byla rešeršní část zadání, praktická část je vzhledem k četným chybám a celkové odborné zmatenosti nesplněna; závěry vycházejí z nesprávného odborného zpracování, z mylných předpokladů a nepochopeného zadání. Nelze se tedy bavit o jejich relevantnosti. Detailní komentář k odborné úrovni práce: ------------------------------------------------------------------- Úvodní rešeršní část práce je podána důsledně, je přehledná a vypovídající. Druhá část, odpovídající vlastní tvorbě studenta však od samého začátku vychází z naprosto mylného předpokladu, že platformu NPS32 lze použít ke srovnání jednotlivých metod reprezentace znalostí. To je nesmyslné, neboť NPS32 staví na Bayesovských sítích. Do tohoto systému pouhým přepisem báze znalostí zcela jistě nelze implementovat rámce, sémantické sítě, o predikátové logice nemluvě. Srovnání metod, které student předkládá je pouze srovnáním napříč různými verzemi báze znalostí postavené na stejné metodě reprezentace znalostí, do které student, zřejmě nevědomky, jednotlivé příklady konvertoval. Výjimku tvoří pouze podkapitola o predikátové logice (str.46), kde student správně vytušil neřešitelnost přepisu do formátu NPS32. Jako nepodložené vnímám studentovy závěry o vlastnostech a použitelnosti jednotlivých metod. Uvádí závěry o vhodnosti použití jednotlivých metod v závislosti na rozsahu báze, v závislosti na množství parametrů jednotlivých uzlů báze, efektivnosti zápisu a snadnosti provádění dodatečných úprav. Jak ale mohl vypozorovat jakékoliv rozdíly, když vždy použil stejnou syntaxi báze? Navíc neustále na mnoha místech mixuje vzájemně v tomto případě nesouvisející pojmy. Celkový dojem je takový, že student zcela nepochopil, co vlastně dělá. Příkladem za všechny jsou str. 41, 42 a 45, kde student pojednává o sémantických sítích. To, co zde však vidíme, jsou jednoznačně pravidlové sítě; tedy něco jiného. Kdyby student porovnal to, co vytvořil, s předpoklady uvedenými v rešeršní části, musel by jasný nesoulad vidět. Hodnocení: ------------------ Pakliže bude student schopen detailně a bez chyb odpovědět předložené odpovědi, doporučuji komisi zvážit v celkovém kontextu závěrečné zkoušky hodnocení Dostatečně / E / 50. V opačném případě nelze práci v takovémto stavu doporučit k obhájení.

Dílčí hodnocení
Kritérium	Známka	Body	Slovní hodnocení
Formální zpracování práce	A	10/10	Práce je zpracována na formálně takřka bezvadné úrovni.
Splnění požadavků zadání	E	10/20	Úkolem studenta bylo popsat jednotlivé typy reprezentací znalostí, srovnat je podle vhodně zvolených kritérií a uvést příklad pro nejvhodnější úlohu. Popis je proveden stručně, ale zcela dostatečně a jasně. Za kritéria hodnocení volí student efektivitu zápisu a modifikovatelnost báze znalostí, což je akceptovatelné, i když ne ideální. V dalším textu obsahujícím konkrétní příklady a samotné srovnaní se však dopouští řady zcela zásadních chyb ukazujících na nepochopení problematiky.
Odborná úroveň práce	F	20/50	Úvodní rešeršní část práce je podána důsledně, je přehledná a vypovídající. Druhá část, odpovídající vlastní tvorbě studenta však od samého začátku vychází z naprosto mylného předpokladu, že platformu NPS32 lze použít ke srovnání jednotlivých metod reprezentace znalostí. To je nesmyslné, neboť NPS32 staví na Bayesovských sítích. Do tohoto systému pouhým přepisem báze znalostí zcela jistě nelze implementovat rámce, sémantické sítě, o predikátové logice nemluvě. Srovnání metod, které student předkládá je pouze srovnáním napříč různými verzemi báze znalostí postavené na stejné metodě reprezentace znalostí, do které student, zřejmě nevědomky, jednotlivé příklady konvertoval. Výjimku tvoří pouze podkapitola o predikátové logice (str.46), kde student správně vytušil neřešitelnost přepisu do formátu NPS32. Jako nepodložené vnímám studentovy závěry o vlastnostech a použitelnosti jednotlivých metod. Uvádí závěry o vhodnosti použití jednotlivých metod v závislosti na rozsahu báze, v závislosti na množství parametrů jednotlivých uzlů báze, efektivnosti zápisu a snadnosti provádění dodatečných úprav. Jak ale mohl vypozorovat jakékoliv rozdíly, když vždy použil stejnou syntaxi báze? Navíc neustále na mnoha místech mixuje vzájemně v tomto případě nesouvisející pojmy. Celkový dojem je takový, že student zcela nepochopil, co vlastně dělá. Příkladem za všechny jsou str. 41, 42 a 45, kde student pojednává o sémantických sítích. To, co zde však vidíme, jsou jednoznačně pravidlové sítě; tedy něco jiného. Kdyby student porovnal to, co vytvořil, s předpoklady uvedenými v rešeršní části, musel by jasný nesoulad vidět.
Interpretace výsledků a jejich diskuse	F	0/20	Závěry vycházejí z nesprávného odborného zpracování, z mylných předpokladů a nepochopeného zadání. Nelze se tedy bavit o jejich relevantnosti.

Navrhovaná známka: F

Body: 40

Otázky

Uveďte, co chápete pod pojmem "reprezentace znalostí pro expertní systémy".
Co je to sémantika? Jak s tímto pojmem souvisejí sémantické sítě? Co tyto sítě vyjadřují? Uveďte vhodný příklad pro vyjádření pomocí sémantické sítě; sémantickou síť pro tento příklad zkonstruujte, postup komentujte - u každé relace (vazby) uveďte o jaký typ relace se jedná a zda je to některá z typických relací, které vyjmenováváte ve své práci v kap. 3.3.
Pravidlovou (nikoliv sémantickou) síť na obr. 10, str. 42 přepište ve formě jednoduchých pravidel a předveďte, jak by zhruba postupoval jednoduchý inferenční algoritmus expertního systému, který by takovouto bázi znalostí vyhodnocoval.
Na str. 24, kap 5.2.1 tvrdíte, že sémantická síť je efektivní ve vyhledávání cílového uzlu. Co zde rozumíte cílovým uzlem? Na základě čeho soudíte, že je nějaká síť efektivní ve vyhledávání cílového uzlu?
Vezměte bázi znalostí ze str. 37 až 38 a stručně vysvětlete, co znamenají jednotlivé řádky báze, a jak se bude chovat inferenční mechanizmus expertního systému NPS32 při zpracování této báze. Nezapomeňte komentovat, jak postup expertní konzultace ovlivní kvantitativní uzly v bázi v závislosti na odpovědích uživatele; uveďte také princip, jakým fungují pravidla v bázi - vezměte např. uzel s označením "A3650S1" a vyjmenujte všechny vazby, které na tento uzel působí a na příkladu demonstrujte matematický výpočet, kterým se určí výsledné ohodnocení tohoto uzlu. Pro názornost doporučuji vysvětlovat postup také na grafickém znázornění báze.