Bendradarbiavimas ir bendravimas su praktikais ir ekspertais, dalijimasis idėjomis ir informacija tampa pagrindiniu reikalavimu versle, moksle ir vyriausybėje. Informacijos taupymas, surinkimas ir proto bei žinių dalijimas, didesnis grupės bendradarbiavimas tampa gyvybiškai svarbia organizacijos išlikimo priemone. Specialios sistemos gali būti naudojamos organizacijos žinių valdymui, tačiau jos iššaukia sekančias valdymo problemas:
• Informacijos sistemų, kurios padidina žinių darbuotojų produktyvumą, kūrimas. Sukurti informacines sistemas, kurios iš tiesų keltų žinių darbuotojų produktyvumą gali būti sunku, kadangi būdas, kuriuo informacinės technologijos galėtų išspręsti aukštesnio lygio uždavinius tokius, kaip šiuos pateiktus vadybininkų bei profesionalų (t.y. mokslininkų ar inžinierių) yra ne visuomet aiškiai suprantami. Kai kurie organizacijos žinių aspektai gali būti sunkiai surenkami arba šifruojami, arba informacija, kurią pagaliau surenka organizacija, gali būti pasenusi, kadangi pasikeičia įrenginiai. Aukšto lygio žinių darbuotojai gali atsispirti prieš bet kokios naujos technologijos atsiradimą, arba jie gali atsispirti žinių darbo sistemoms, kadangi tokios sistemos mažina asmeninę kontrolę bei kūrybingumą.
• Tvirtų ekspertinių sistemų kūrimas. Ekspertinės sistemos privalo būti keičiamos, kiekvieną kartą atsiradus pokyčiams organizacijos aplinkoje. Kiekvieną kartą, kuomet yra pokyčiai taisyklėse naudojamose ekspertų, jos turi būti perprogramuojamos. Sunku užtikrinti ekspertinių sistemų lankstumą. Keletą tūkstančių veiklų turi pradėtų ekspertinėse sistemose eksperimentinių projektų, tačiau tik mažas procentas jų turi sukurtas tokias ekspertines sistemas, kurios gali būti naudojamos gamybos bazėje.
Žinių Valdymas Organizacijoje
55 procentai JAV darbo jėgos susideda iš informacijos ir žinių darbuotojų, ir 60 procentų Amerikos nacionalinio vidaus produkto prieauglio yra iš žinių ir informacijos sektorių, tokių kaip finansai ir leidyba. Žinių – intensyvumo technologija yra svarbi ne tik informacijos -intensyvumo sektoriams, bet ji taip pat vaidina pagrindinį vaidmenį tradiciniuose pramonės sektoriuose tokiuose kaip automobilių bei kalnakasybos pramonės šakose.
Informacijos taupyme, žinių kompetencija – du ar trys dalykai, kuriuos organizacija daro geriausiai – yra raktiniai organizacijos turtai. Vienetinių produktų ar paslaugų gamyba arba jų gaminimas mažesne nei konkurentai kaina yra paremtas geresnėmis gamybos ir kūrimo proceso žiniomis. Žinojimas kaip efektyviau daryti tam tikrus dalykus ir efektyviau tokiais budais, kuriu kitos organizacijos negaletu nukopijuoti – yra pirmutinis pelno šaltinis. Kai kurie valdymo teoretikai tiki, kad tokie žinių turtai yra tiek svarbus, jai ne daugiau svarbus, kiek fiziniai ir finansiniai turtai uztikrinant konkurencinguma ir firmos išlikima. Organizacijos žinių valdymas gali buti ypatingai svarbus tinklinems organizacijoms, kuriose valdymo sluoksnis, kuris padedavo komandu nariams, buvo panaikintas, o uzdaviniai verčia palaikyti glaudžius ryšius su kitais savo srities specialistais.
Kadangi žinios tampa svarbiausiu gamybiniu ir strateginiu turtu, organizacijos sėkmė vis labiau priklauso nuo jos sugebėjimo rinkti, gaminti, palaikyti ir skleisti žinias. Procedūrų, skirtų optimizuoti žinių ir informacijos kūrimą, gausėjimą, pažinimą, apsaugą ir dalinimą, vystymas tampa svarbiausiu organizacijos valdymo uždaviniu. Sistematiškas ir aktyvus žinių saugyklų valdymo procesas organizacijoje yra vadinamas žinių valdymu. Padėdamos organizacijai optimizuoti informacijos srautus ir kaupti jos žinių bazę, informacines sistemos žiniu valdyme gali vaidinti svarbų vaidmenį.
Kompanijos nepajus savo žinių šaltinių privalumų, jeigu jos turės neefektyvius žiniu rinkimo ir perdavimo procesus, arba klaidingai vertins savo turimas žinias. kai kurios korporacijos, tokios kaip Shell Degaliniu kompanija sukūrė tikslias žinių valdymo programas, skirtas turimų žinių bei naujų žinių šaltinių paieškos apsaugai ir platinimui. Tokios programos dažnai vadinamos svarbiausiais žinių pareigūnais (chief knowledge officer CKO) (SŽP). Svarbiausias žinių pareigūnas tai vykdomasis asmuo, kuris atsako už organizacijos žinių valdymo programq. SŽP padeda kurti programas ir sistemas, kurios padėtu rasti naujus žinių šaltinius arba padarytų patogesniu jau turimų žinių vartojimą organizaciniuose ir valdymo procesuose.
Informacinės sistemos ir Žinių Valdymas
Įmonės automatizuotos sistemos (IAS), žinių darbo sistemos (ŽDS), grupės bendradarbiavimo sistemos, ir dirbtinio intelekto programos yra ypatingai svarbios žinių valdymui kadangi jos skirtos informacijos ir žinių darbo palaikymui, taip pat organizacijos žinių bazės apibrėžimui ir kaupimui. Tokia žinių bazė gali turėti:
(1) struktūrizuotas vidines žinias, tokias kaip produktų vadovai arba tyrimų ataskaitos;
(2) išorines žinias, tokias kaip konkursinės (competitive) žinios;
(3) neformalias vidines žinias, dažnai vadinamas neišreikštos žinios, kurios reiškiasi individualių darbuotojų mintyse, bet nebūna aprašytos dokumentuose struktūrinėje formoje.
1 paveikslas iliustruoja informacinių sistemų masyvą specialiai sukurtą žinių valdymo palaikymui. Įmonės automatizuotos sistemos (ĮAS) padeda skleisti ir koordinuoti informacijos srautus organizacijoje. Žinių darbo sistemos (ŽDS) palaiko aukštos kvalifikacijos žinių darbuotojų ir profesionalų veikla, kuomet jie sukuria naujas žinias ir bando jas integruoti į įmonę. Grupės bendradarbiavimo ir palaikymo sistemos palaiko žinių kūrimą ir dalinimąsi tarp žmonių dirbančių grupėje. Dirbtinio intelekto sistemos organizacijas ir vadybininkus aprūpina koduotomis žiniomis, kurios gali būti pakartotinai naudojamos kitų įmonių organizacijoje.
Informacinis darbas – tai darbas, kuris pirmiausia susijęs su informacijos kūrimu ar apdorojimu. Tai atlieka informaciniai darbuotojai, kurie paprastai skirstomi i dvi kategorijas: duomenų darbuotojai, kurie pagrinde apdoroja ir skleidžia informaciją; ir žinių darbuotojai, kurie kuria žinias ir informaciją.
Duomenų darbuotojų pavyzdžiai – tai sekretorės, pardavimo personalas, apskaitininkai, braižytojai. Tyrinėtojai, projektuotojai, architektai, rašytojai, teisėjai – visi jie priskiriami žinių darbuotojų klasei. Duomenų darbuotojai dažniausiai išsiskiria is žinių darbuotojų, kadangi žinių darbuotojai paprastai turi aukštesnį išsilavinimo lygi, o taip pat naryste profesinėse organizacijose. Duomenų ir žinių darbuotojai turi skirtingus informacijos poreikius.
Žinių perdavimas: Įstaigos Dokumentų Valdymo Sistemos
Dauguma duomenų darbų o taip pat žinių darbų atliekama įstaigose, įskaitant didžiąją dalį darbų atliktų vadybininko. Įstaiga vaidina didelį vaidmenį informacijos srautų įmonės viduje koordinavime. Įstaiga turi tris pagrindines funkcijas:
• Valdyti ir koordinuoti duomenų ir žinių darbuotojų darbą;
• Sujungti lokalios informacijos darbuotojų darbą su visais organizacijos lygiais ir funkcijomis;
• Sujungti organizacija su išoriniu pasauliu.
Įstaigos darbuotojai apima labai platų profesijų ratą: profesionalus, vadybininkus, pardavėjus bei kanceliarijos darbuotojus, kurie dirba pavieniui ir grupėse. Jų pagrindinės pareigos yra tokios:
• Dokumentų tvarkymas, įskaitant dokumentų kūrimą, saugojimą, atstatymą ir skleidimą;
• Individualių ir grupinių planų sudarymas;
• Bendravimas, iskaitant įvedimą, gavimą, ir valdymą balsų, skaitmeninių ir dokumentais paremto bendravimo pavieniams asmenims ir grupėms.
• Duomenų, tokių kaip apie darbuotojus, klientus ir pardavėjus, valdymas.
Šie veiksmai gali būti palaikomi įmonės automatizacijos sistemų Automatizuota Įmonės Sistema (AĮS).
Žinių kūrimas: Žinių apdorojimo paketai
Žinių darbas ta informacijos darbo dalis, kuri kuria naujas žinias ir informacija. pavyzdžiui, žinių darbininkai sukuria naujus produktus arba atranda budus kaip pagerinti jau egzistuojančius. Žinių darbas yra suskirstytas i daug aukštai specializuotų laukų, ir kiekvienas laukas turi skirtingą žinių apdorojimo paketų (ŽAP) rinkinį, kuris yra specializuotas darbuotojų palaikymui šiame lauke. Žinių darbuotojai atlieka tris pagrindines funkcijas, kurios yra labai svarbios organizacijai ir vadybininkams, kurie dirba organizacijos viduje:
• Informuoti organizaciją, kaip ji vystosi išoriniame pasaulyje – technologijose, moksle, socialinėje sferoje ir menuose;
• Atlikti konsultanto f-jas remiantis savo žinių, pasikeitimų, ir galimybių sferomis;
• Atlikti ‘permainų agentų’ f-jas, įvertinat, inicijuojant, ir perkeliant į aukštesnį lygį besikeičiančius projektus;
Žinių darbuotojai ir duomenų darbuotojai turi šiek tiek skirtingus informacinių sistemų palaikymo poreikius. Daugelis žinių darbuotojų pasikliauja įmonės automatizuotomis sistemomis tokiomis kaip žodžio apdorojimas, balso paštas, ir kalendoriai, bet jie taip pat reikalauja labiau specializuotų žinių darbo sistemų. Žinių darbo sistemos yra specialiai suprojektuotos padeti žinių kūrimui ir užtikrinti, kad naujos žinios ir ir techninės ekspertizės bus integruojamos į verslą.
Žinių apdorojimo paketų reikalavimai
Žinių darbo sistemos turi tokias charakteristikas, kurios atspindi specialius žinių darbuotoju poreikius. Pirma, žinių darbo sistemos privalo aprupinti žinių darbuotojus specialiomis priemonėmis (tools), tokiomis kaip galinga grafika, analitinės priemonės, ir komunikacijų bei dokumentų-valdymo priemonės. Tokioms sistemoms reikia didelės skaičiavimo jėgos tam, kad butu galima greitai atlikti sudėtingus brėžinius arba kompleksinius skaičiavimus butinus tokiems žinių darbuotojams kaip mokslininkams, produkto projektuotojams ir finansiniams analitikams. Kadangi žinių darbuotojai yra taip susikoncentravę į išorinio pasaulio žinias, tokios sistemos taip pat privalo suteikti darbuotojui greitą ir lengvą priėjimą prie išorinių duomenų. Vartotojui ‘draugiška’ sąsaja yra labai svarbi žinių darbuotojų sistemai. Vartotojui ‘draugiška’ sąsaja sutaupo laika, leisdama atlikti vartotojui reikiamas užduotis ir prieiti prie reikalingos informacijos be didelių laiko sąnaudu, kuriu reiktų mokantis naudotis kompiuterinėmis priemonėmis. Laiko sutaupymas žinių darbuotojams yra daug svarbesnis nei kitiems darbuotojams, kadangi žinių darbuotojai yra brangiai apmokami – žinių darbuotoju laiko svaistymas kainuoja per brangiai. 2 pav. apibendrina žinių apdorojimo paketų reikalavimus.
Žinių darbo stotys dažnai suprojektuotos ir optimizuotos specifiniams uždaviniams spręsti, taigi, projektavimo inžinieriui reikės kitokios stoties nei teisininkui. Projektavimo inžinieriui reikės grafikos pakankamos 3-D kompiuteriuose su pridėta projektavimo (CAD) sistema. Finansų analitikai labiau suinteresuoti turėti priėjimą prie daugybės išorinių duomenų bazių ir optinių diskų technologijų – jiems reikia pasiekti kuo didesnį duomenų kiekį, kuo didesniu greičiu.
Žinių aodorojimo programinių paketų pavyzdžiai
Pagrindinės žinių darbo programos turi CAD sistemas, virtualios realybės sistemas, skirtas modeliavimui, ir finansinės darbo stotis. CAD – automatizuoja projektų kūrimą ir peržūrėjimą, naudojant kompiuterius ir sudėtingą grafinę programinę įrangą. Naudojant labiau tradicinę fizinę projektavimo metodologiją, kiekvienas projekto modifikavimas reikalauja šablono ir prototipo, kuris būtų fiziškai patikrintas. Toks procesas turi būti kartojamas daug kartų, kas brangiai kainuoja ir atima daug laiko. Naudojant CAD-darbo stotį, projektuotojui tik reikia iki projektavimo pabaigos pasidaryti fizinį prototipą, kadangi projektas gali būti lengvai patikrintas ir pakeistas kompiuteryje. CAD PĮ galimybės aprūpinti projektavimo specifikacijomis apdorojimo ir gamybos procesą taip pat sutaupo didelę laiko dalį, taip pat ir pinigus. Kuriant architektūrinį projektą, projektuotojai gali greitai pakloti architektūrinį foną, įkomponuoti į jį duris ir langus, ir tuomet daryti inžinerinį planavimą (maketavimą). PĮ gali sugeneruoti durų ir langų katalogą, laiko sąnaudų ataskaitą, ir projektavimo kainas.
Virtualios realybės sistemos turi vizualizacijos, interpretavimo ir modeliavimo galimybes, kas yra pažengę daug toliau nei aprašyta CAD sistema. Jos naudoja interaktyvią grafinę PĮ kompiuterio-generuojamų modelių kūrimui, kas yra tiek arti realybės, kad vartotojai beveik patiki, kad jie dalyvauja realioje situacijoje. Daugelyje virtualios realybės sistemų, vartotojas dėvi specialius rūbus, galvos apdangalus, ir naudoja įrengimus, priklausomai nuo programos. Apdarai turi sensorius, kurie įrašo vartotojo judesius ir betarpiškai perduoda šią informaciją atgal į kompiuteį. Pavyzdžiui, norint vaikščioti po virtualios realybės modeliuotą namą, jums reikės akinių, kurie vaizduos jūsų pėdų, rankų ir galvos judesius. Jums taip pat reikės akinių, kurie turės video ekranus ir kartais audio priedus bei jautrias pirštines tam, kad būtų atgalinis ryšys.
Virtuali realybė tik neseniai pradėjo atlikinėti bandymus švietimo, mokslo ir verslo darbuose. AB Volvo, švedų automobilių ir sunkvežimių gamintojas, suteikia savo būsimiesiems pirkėjams pabandyti vairuoti savo naujausią sunkvežimio modelį virtualioje realybėje.
Virtualios realybės programos buvo sukurtos Tinklapiams, naudojantiems standartą vadinamą Virtualios Realybės Modeliavimo Kalba (VRMK). VRMK – tai aibė specifikacijų interaktyviam, 3-D modeliavimui pasauliniame Tinklapyje, kuris gali organizuoti daugiatipes media, įskaitant animaciją, paveiksliukus, ir audio tam, kad vartotojas patektų į realų pasaulį.Pvz. Tower Records vakarų sakramente, Kalifornija, naudoja VRMK virtualios parduotuvės sukūrimui tam, kad ji tarnautų Interneto pirkėjams. Pardavėjai bus figūrų atvaizdai su realiais tarnautojų veidais, pirkėjai per tinklą galės girdėti pardavėjų balsus realiame laike.
Finansų pramonė naudoja specializuotas investicijų darbo stotis tam, kad sutaupytų savo maklerių, pardavėjų ir vadybininkų žinias ir laiką. Tokios firmos kaip Merrill Lynch ir Paine Webber turi susiinstaliavusios tokias investicijų darbo stotis, kurios integruoja platų duomenų diapazoną tiek iš išorinių, tiek iš vidinių šaltinių, įskaitant kontaktinio valdymo duomenis, realaus-laiko ir istorinės rinkos duomenis, o taip pat tyrimų ataskaitas. Iš pradžių finansų profesionalai turi žymią laiko dalį praleisti prie duomenų, esančių skirtinguose šaltiniuose, priėjimo ir informacijos, kurios jiems reikia, sujungimo. Aprūpinant vienas-stop (one-stop) informacija greičiau ir su mažesniu klaidų skaičiumi, darbo stotys racionalizuoja esamą investicijos procesą nuo akcijų pasirinkimo iki klientų įrašų atnaujinimo.
2 lentelė apibendrina pagrindinius žinių apdorojimo paketų tipus.
2 lentelė. Žinių darbo sistemų pavyzdžiai
Žinių darbo sistema Funkcija organizacijoje
CAD/CAM Inžinierius, projektuotojus bei gamybos vadovus aprūpina tiklsiom valdymo priemonėm.
Virtualios realybės sistemos Vaistų kūrėjus, architektus, inžinierius, meicinos darbuotojus aprūpina tiksliomis fotorealistinėmis objektų modeliavimo priemonėmis;
Investicinės darbo stotys Aukšto lygio PK vartotojai rinkos situacijai išsiaiškinti naudojasi finansiniu sektoriumi
Žinių dalinimas: Grupės Bendradarbiavimo Sistemos ir Intraneto Žinių Aplinkos
Nors daugelis žinių ir informacijos darbo programų yra suprojektuotos individualiam darbui, organizacijos turi labai didelį poreikį programų skirtų palaikyti darbą grupėse. Yra pagrindinės technologijos, kurios gali būti naudojamos grupės koordinacijai, tai – elektroninis paštas, telekonferencijos, duomenų konferencijos, video konferencijos, grupinės įrangos, ir intranetai. Šiam tikslui ypatingai naudingos – grupinės sistemos ir intranetai.
Grupinės sistemos
Nuo netolimos praeities grupinės sistemos tapo pagrindine priemone bendradarbiavimo aplinkai kurti. Grupinės sistemos sukurtos pagal tris pagrindinius principus: bendravimas, bendradarbiavimas ir koordinavimas. Tai leidžia grupėms dirbti kartu su dokumentais, susitikimais pagal tvarkaraštį, maršrutinėmis elektroninėmis formomis, prieiti prie dalinamu direktorijų, vystyti dalinamas duomenų bazes ir siųsti elektroninį paštą. 3 lentelėje išvardinamos pagrindinių komercinių grupinių sistemų produktų galimybės, tokios kaip informacijos ir patirties surinkimas, bendrų uždavinių koordinavimas, ir darbo pasidalinimas.
Intensyvios informacijos kompanijos tokios, kaip konsultacinės firmos, advokatų biurai suprato grupinės priemonės esant vertinga priemone jų žinių turtų didinimui. Pvz., Ernst & Young, viena is didžiausių buhalterinių kompanijų, naudoja Lotus Notes pasaulinio masto bendradarbiavimo priemonės kūrimui tam, kad palengvintų personalo darbą projektuose, kurie apima komandas is skirtingų vietovių. Jos filialai JAV, JK, Kanadoje, Olandijoje, Australijoje yra tarpusavyje sujungti Lotus Notes prie Oracle realiacinės duomenų bazės, kas panaikina failų daugkartini kopijavima. Darbuotojai kasdien gali keistis informacija, prieiti prie bendros vaizdas-ir-klientas duomenų bazės, o taip pat vykdyti regioninius ir tarptautinius projektus.
Intraneto Žinių Aplinkos
Kai kurios organizacijos intraneto ir Internet’o technologijas tokias, kaip el. paštas, diskusijų grupės ir multimedia Voratinklio dokumentus, naudoja grupės bendradarbaivimui. Kai kurie iš šių intranet’ų yra žinių aplinkos pamatas, kurioje informacija įš įvairių šaltinių ir medijos, įskaitant tekstą, garsą, video, ir net skaitmenines skaidres, gali būti dalinama, atvaizduojama ir prieinama įmonės viduje per paprastą bendrą sąsają. Shell’o kompanijos Žinių Valdymo Sistema yra vienas iš pavyzdžių. Kitas pavyzdys – Ford Motor kompanija.
Ford’o intranetas jungia 95.000 darbuotojų po visa pasaulį. Tai buvo sukurta, kaip vienintelis kelias automobilių gaminio-vystymo ciklo sutrumpinimui. Intranet’as apima informacijos gausą, kurią anksčiau norint išgauti, reikdavo skambinti arba aplankyti bibliotekas kelis kartus. Įmonės namų puslapyje, vadinamoje Ford Hub, yra kategorijų direktorija, įskaitant Naujienas, Žmones, Procesus, Gaminius ir Varžybas (competitions). Taip pat on-line yra apmokymų registracijos formos, žemėlapiai, kompanijos telefonų direktorijos, pastatų išplanavimai, informacija apie žmones, PointCast “stūmimo” kanalas su automatišku žinių ir akcijų atnaujinimu, ir tekstų atnaujinimas is Ford’o Komunikacinio Tinklo, vidinio uždaro telefoninio tinklo. Darbuotojai gali prieiti prie kompiuterinių (on-line) bibliotekų, o taip pat prie Nepaprasto Voratinklinio Centro, kur pateikiama informaciją apie geriausius darbus, standartus ir rekomendacijas. Ford’as tiki, kad tai gali sutaupyti savaites laiko projektavimo procese, kadangi inžinieriai gali prieiti intranet’e prie paveikslėlių (images) visur, kur jie bebūtų, vietoj to, kad lauktų projekto dokumentacijos siunčiamos paštu. Ford’as sako, kad sis visapusiškas tinklas pakeičia atgyvenusius procesus, leisdamas žmonėms skleisti informaciją, dalintis geriausiais darbais, bendrauti, vadovautis moksliniais tyrimais, ir bendradarbiauti tokiais būdais, kurie seniau buvo neįmanomi.
Šios intranet’ų savybės, kartu su jų žema kaina, daro juos patrauklią alternatyvą bendram darbui prieš privačius grupinius (groupware) tinklus, ypač mažose ir vidutinio dydžio įmonėse. Paprastiems uždaviniams tokiems kaip dokumentų dalinimas ar dokumentų skelbimas, intranetas bendrai paėmus kūrimui ir palaikymui yra pigesnis nei programos tokios kaip Lotus Notes, kurioms reikia ypatingos PĮ ir klieno/serverio tinklų.
Tačiau, programos, kurioms reikia plačios koordinacijos ir valdymo – grupinės (groupware) PĮ tokios, kaip Notes turi plačias galimybes, kurių dar neturi intranet’ai. Notes yra daug lankstesnė, kuomet reikalingi momentiniai pakeitimai, atnaujinimai ar pataisymai dokumentuose. Vidiniai Note paremti tinklai yra daug saugesni nei intranet’as. Kuomet yra didelis duomenų poreikis, yra didesnis pavojus įsiveržimo į voratinklio puslapius. Note patikimumas šiuo atžvilgiu yra didesnis.
Intranet’o technologijos geriausiai veikia, kaip centrinė saugykla tuomet, kuomet yra nedidelis autorių kiekis ir sąlyginai statinė informacija, kuri nereikalauja dažno atnaujinimo, nors intranet’o priemonės grupės bendradarbiavimui ir yra pagerintos. Voratinklinės technologijos labiausiai naudingos informacijos skelbimui ivairių terpių kompiuteriuose ir žinių atvaizdavimui multimedijos objektais sujungtais su kitais žinių objektais.
Note ir kiti grupėms skirti PI produktai yra pagerinti, taigi jie gali būti integruojami su Internetu ar privačiais intranetais. Naujausios Domino versijos, Note serverio versija, leidžia Note veikti kaip Voratinklio serveriu, aprūpinant lengvu priėjimu kompanijas prie jų dokumentų – bazių duomenų Internete ar intranete. Note klientai gali dirbti kaip Voratinklio naršytojai prieidami prie informacijos Pasauliniame Voratinklyje. Notes serveriai ir duomenys gali būti Voratinklio naršytojų pasiekiami taip pat kaip ir Notes klientų; Notes duomenų bazės taip pat gali tureti HTML puslapius taip pat kaip Notes dokumentai.
Bendradarbiavimas ir organizacinis mokymas taip pat gali būti pagerinti naudojant intranetus ir kitas multimedia platformas.
Grupinės bendradarbiavimo technologijos pačios savaime negali pagerinti informacijos dalinimo, jeigu komandos nariai nejaučia, kad informacijos dalinimas yra skirtas jų gerovei, tai ypač jaučiama organizacijose, kurios padidina varžymąsi tarp darbuotojų. Ši technologija geriausiai pagerintų darbą grupėse, kuomet programa sukurta organizacijos poreikių patenkinimui ir kuomet organizacijoje tvyro bendradarbiavimo atmosfera.
Dirbtinis Intelektas
Dirbtinį intelektą organizacijos naudoja individualių ir kolektyvinių žinių rinkimui ir kodavimui bei savo žinių bazės išplėtimui.
Kas yra Dirbtinis Intelektas?
Dirbtinis Intelektas (DI) gali būti apibrėžtas kaip bandymas išvystyti kompiuterines sitemas (tiek aparatūrinę, tiek programinę įrangą), kuri elgtųsi kaip žmogus. Tokios sistemos sugebėtų išmokti natūralių kalbų, atlikti koordinuotus fizinius uždavinius (robotų), naudoti suvokimo aparatus, kurie koordinuotų ju fizinį elgesį ir kalbą (vaizdinės ir žodinės suvokimo sistemos), ir i vietoj žmonių atlikt ekspertizes bei sprendimų priėmimus (ekspertinės sistemos). Tokios sistemos demonstruos logiką, samprotavimus, intuiciją ir tik-aiškią-bendros-prasmės kokybę, kurią mes siejame su žmonėmis. 14-5 paveikslas iliustruoja dirbtinio intelekto šeimos elementus. Kitas svarbus elementas yra intelekto mašinos – tai fizinė aparatūrinė įranga, kuri atlieka šiuos uždavinius.
Sėkmingos dirbtinio intelekto sistemos remiasi žmonių ekspertizių, žinių ir isrinktais samprotavimu šablonais, bet jos nedemonstruos žmonių intelekto. Egzistuojančios dirbtinio intelekto sistemos negali pasigirti naujais ir neištirtais problemos sprendimais. Egzistuojančios sistemos isplečia ekspertų galimybes, bet ne pavaduodamos juos arba sukaupdamos jų intelekto atsargas. Trumpiau tariant, egzistuojančioms sistemoms trūksta bendros prasmės ir natūraliaus žmonių intelekto bendrumo.
Žmonių intelektas yra labai sudėtingas ir daug platesnis nei kompiuterių intelektas. Esminis faktorius, kuris žmones išskiria iš kitų gyvūnų – yra jų gebėjimas kurti asociacijas ir naudoti metaforas ir analogijas tokias kaip like ir as. Naudodami metaforų ir analogijas žmonės kuria naujas taisykles, pritaiko senas taisykles prie naujų situacijų, ir karts nuo karto elgiasi intuityviai ir/ar instinktyviai be taisyklių.
Žmonių intelektas taip pat turi unikalia savybę – galimybę supančiame pasaulyje naudotis suvokimo aparatu. Meta-mintys tokios kaip priežastis-ir-efektas ir laikas, ir žemesnės eilės sąvokos tokios, kaip pusryčiai, pietūs, vakarienė – visa tai yra sukurta žmogaus pagal ji supanti pasauli. Galvojimas šių sąvokų terminais ir vadovavimasis jomis – yra pagrindinė protaujančio žmogaus elgsenos charakteristika.
Kodėl Verslas Domisi Dirbtiniu Intelektu
Nors dirbtinio intelekto programos yra daug ribotesnės nei žmonių intelektas, tačiau jomis yra suinteresuotas verslo pasaulis dėl šių priežasčių:
• Apsaugoti ekspertizes, kurias gali prarasti dėl eksperto išėjimo į pensiją, atsistatydinimo ar mirties
• Saugoti informacija aktyvioje formoje – sukurti organizacijos žinių bazę- kuria daugelis darbuotojų galėtų naudotis, daugiau elektroninių knygelių ar vadovelių forma taip, kad daugelis galėtų išmokti praktinius metodus, kurių nėra paprastose knygose.
• Sukurti mechanizmą, kuris neturėtų tokių jausmų, kokius turi žmogus, pvz. Nuovargį ir jaudinimasį. Tai gali būti ypač naudinga, kuomet darbai gali būti žmonėms pavojingi. Šios sistemos taip pat gali būti naudingos paatrejos krizės metu.
• Panaikinti rutininius ir keliančius nepasitenkinimą žmonių darbus.
• Padidinti organizacijos žinių bazę specifinėms problemoms , kurios yra per didelės ir per sudėtingos, kad būtų analizuojamos žmonių per trumpa laika, spręsti.
Žinių Rinkimas: Ekspertinės Sistemos
Ribotose ekspertizių srityse, tokiose kaip mašinų variklių diagnozavimo sistemose ar biologinių pavyzdžių klasifikavime, praktinių metodų taisyklės, naudojamos ekspertų, gali būti suprastos, užkoduotos ir patalpintos į mašinas. Informacinės sistemos, kurios sprendžia problemas rinkdamos žinias labai specifinėms ir ribotoms sritims vadinamos ekspertinėmis sistemomis. Ekspertinės sistemos gali pagelbėti priimant sprendimus užduodamos dalykiškus klausimus ir paaiškindamos priežastis, kodėl reikia atlikti tam tikrus veiksmus.
Ekspertinėms sistemoms trūksta žinių platumo ir fundamentalių supratimo principų, kuriuos turi ekspertas žmogus. Jos yra pakankamai ribotos, paviršutiniškos ir trapios. Tipiskai jos atlieka labai ribotus uždavinius, kuriuos profesionalai išspręstų per kelias minutes ar valandas. Problemos, kurių negali išspręsti ekspertai žmonės per tokį pat trumpą laiką yra per sunkios ekspertinėms sistemoms. Tačiau, rinkdamos žmonių ekspertizes ribotose sferose, ekspertinės sistemos gali būti naudingos, padėdamos organizacijoms priimti aukštos-kokybės sprendimus su mažesniu kiekiu žmonių.
Kokiu principu dirba ekspertinės sistemos
Žmonių žinios turi būti sumodeliuotos ir pristatytos tokiu būdu, kad kompiuteris jas galėtų apdoroti. Žmonių žinių modelis, naudojamas ekspertinių sistemų, vadinamas žinių baze. Yra du būdai žmonių žinių ir ekspertizių atvaizdavimui – taisyklės ir žinių struktūros (frame).
Standartine struktūrinio programavimo konstrukcija yra IF-THEN konstrukcija, kurioje įvertinama sąlyga. Jei sąlyga tenkinama, atliekamas veiksmas. Pvz.:
IF UZDARBIS>$45,000 (salyga)
THEN SPAUSDINTI VARDA IR ADRESA (veiksmas)
Serija tokių taisyklių gali sudaryti žinių bazę. Visos tradicinės kompiuterių programos turi IF-THEN sakinius. Skirtumas tarp tradicinių programų ir taisyklėmis-paremtomis ekspertinių sistemų programų yra dydyje. DI programos gali lengvai turėti nuo 200 iki 10.000 taisyklių, daug daugiau nei tradicinės programos, kurios gali tureti nuo 50 iki 100 IF-THEN sakinių. Taip pat DI programose taisyklės yra sujungtos tarpusavyje ir yra suraizgytos su aukštesniu laipsniu nei tradicinėse programose. Taigi žymus taisyklių sudėtingumas taisyklėmis-pagrįstomis ekspertinėse sistemose. Bendrai paėmus ekspertinės sistemos efektyviai gali būti naudojamos tik tokiose situacijose, kuriose žinios yra restruktūrizuotos ir turi ne daugiau nei kelis tūkstančius taisyklių.
Žinių struktūros gali būti naudojamos žinių atvaizdavimui, organizuojant informacijos skaidymą į gabalus, turinčius bendras charakteristikas. Ryšiai yra kuriami labiau remiantis padalintomis charakteristikomis nei hierarchija. Šis metodas yra sukurtas, tikintis, kad žmonės naudoja struktūras ar sąvokas tam, kad greitai suprastų sąvokos prasmę. Pvz., kuomet asmuo sako “ieškok tankų ir šauk, kai pamatysi vieną iš jų”, ekspertas tiki, kad žmogus remsis sąvoka, ar struktūra, kuris rodytų, į ką turi būti panašus tankas. Bet kas, kas neatitinka šios tanko sąvokos yra ignoruojama. Panašiu būdu, DI tyrėjai gali padalinti didelį informacijos masyvą į struktūras. Tuomet kompiuteris yra instruktuojamas ieškoti struktūrų duomenų bazės ir išvardinti ryšius su šiomis dominančio elemento struktūromis.
Problemos susijusios su Ekspertinėmis Sistemomis
Nors ekspertinės sistemos stokoja žmonių intelekto, tačiau jos gali būti naudingos organizacijoms, jei jų ribos gerai suprantamos. Naudojant ekspertines sistemas galima išspręsti tik tam tikros klasės problemas. Iš esmės visos ekspertinės sistemos susiduria su klasifikavimo problema, kuri turi mažai alternatyvių sprendimų ir tie sprendimai visi yra iš anksto žinomi. Daugumai ekspertinių sistemų reikia didelių, ilgų ir brangių vystymo pastangų. Samdyti ar mokyti daugiau ekspertų gali kainuoti pigiau nei kurti ekspertinę sistemą.
Ekspertinių sistemų žinių bazė yra silpna ir trapi; ji negali būti keičiama. Greitai besivystančiose srityse, tokiose kaip medicina ar informatika, žinių bazės išlaikymas nepakitusia yra didelė problema.
Ekspertinės sistemos gali atvaizduoti tik ribotas žinių formas. IF-THEN žinios visų pirma egzistuoja vadovėliuose. Nėra adekvataus atvaizdavimo gilaus priežastingumo modeliams ar laikinoms kryptims. Nėra tokios ekspertinės sistemos, kuri, pavyzdžiui, galėtų rašyti vadovėlį pagal informacines sistemas arba įsitraukti į kitą kūribinę veiklą, ko sistemos projektuotojas negali aiškiai numatyti. Daugelis ekspertų negali išreikšti savo žinių naudodami IF-THEN formatą. Ekspertinės sistemos kol kas negali atvaizduoti žinių, kurios yra intuityvios, pagrįstos analogijomis ir daiktų prasme.
Organizacijos Intelektas: Panašių-Situacijų paieška
Ekspertinės sistemos visų pirma renka individualių ekspertų žinias, tačiau organizacijos taip pat turi kolektyvines žinias ir ekspertizes, kurias jos kūrė per ilgą laiką. Šios organizacijos žinios gali būti surenkamos ir laikomos naudojant panašių-situacijų paiešką. Panašių-situacijų paieškoje (PSP) , duomenų bazėje yra saugojami aprašymai ansktesnės specialistų patirties, vadinamos situacijomis, kurių gali prireikti kuomet susiduriama su nauja situacija, kuri turi panašius parametrus. Sistema ieško panašių situacijų su naujos problemos charakteristikomis, suranda panašiausią atvejį, ir pritaiko senąją situaciją naujos situacijos sprendimui. Sėkmingi sprendimai pritaikomi naujai situacijai ir tuomet abi saugojamos žinių bazėje kartu su kitomis situacijomis. Nesėkmingi sprendimai taip pat yra prijungiami prie situacijų duomenų bazės kartu su paaiškinimais, kodėl sprendimas yra netinkamas. (pav.5).
Ekspertinės sistemos dirba pritaikant IF-THEN-ELSE taisyklių aibę žinių bazei, ir abi jos yra išgaunamos iš ekspertų-žmonių. Panašių situacijų paieška, priešingai, atvaizduoja žinias kaip situacijų aibę, ir ši žinių bazė yra vartotojų toliau plečiama (pildoma) tobulinama.
Yra sukurti nauji programiniai produktai, tokie kaip Inferensų CasePoint Voratinklio serveriui, kuris leidžia klientams prieiti prie duomenų bazės per tinklą. Naudojant situacijomis-paremtą paiešką, serveris prašo kliento atsakyti į seriją klausimų, tam, kad prieitų arčiau problemos. Tuomet CasePoint iš duomenų bazės ‘ištraukia’ sprendimą ir pateikia jį vartotojui. Audio-produktų gamykla Kenvude naudoja tokią priemonę – savo techninio-palaikymo sprendimams saugoti Voratinklyje.
Kiti Dirbtinio intelekto metodai
Organizacijos taip pat naudoja kitas intelektualias skaičiavimo savybes tam, kad išplėsti savo žinių bazę, kaupdamos sprendimus toms problemoms, kurios yra labai didelės arba sudėtingos, ir kurių nepajėgia išspręsti žmogus. Neuroniniai tinklai, neraiškioji logika, genetiniai algoritmai, bei intelektualūs (protingi) agentai yra vystomi daug žadančiose verslo programose.
Neuroniniai tinklai
Vėl atsirado didelis susidomėjimas dirbtinio intelekto programoms, kuriose mašinos suprojektuotos fizikiniams biologinių smegenų mąstymo procesams imituoti. Neuroniniai tinklai susideda iš aparatūrinės arba programinės įrangos, kuri bando pamėgdžioti biologinių smegenų darbą.
Sudėtingi neuronų tinklai vis dėl to buvo pritaikyti kompiuteriuose. Principas toks. Rezistorius elektros grandinėse yra kintamas dydis ir gali būti naudojamas mokyti tinklą. Kuomet tinklas padaro klaidą (t.y. pasirenka neteisingą kelią ir prieina prie klaidingos išvados), keliose grandinėse atsiranda nepralaidumas, veikdamas kitus neuronus. Jei šis mokymo procesas tęsiasi tūkstantį kartų, mašina išmoksta teisingą atsakymą. Neuronai tvirtai sujungti tarpusavyje ir veikia lygiagrečiai. Neuroniniai tinklai turi didelį kiekį sensorinių ir duomenų apdorojimo mazgų, kurie tęstinai nuolat vienas su kitu bendrauja. Vaizduoja neuroninių tinklų talpinimo įėjimo ir išėjimo sluoksnius bei paslėptą apdorojimo sluoksnį. Tinklas maitinamas mokomąja duomenų aibę, kuriai įėjimai sugeneruoja išėjimams žinomų išvadų aibę. Tai padeda kompiuteriui remiantis pavyzdžiu sužinoti teisingą sprendimą. Kuomet kompiuteris ‘maitinamas’ daugiau duomenų, tuomet kiekvienas atvejis yra palyginamas su žinomu. Jei jie skiriasi, mazgams, paslėptame apdorojimo sluoksnyje, yra apskaičiuojamas ir pritaikomas pataisymas. Šie žingsniai kartojami tol, kol gaunama sąlyga, kuri pataisymų skaičius mažesnis už turimą kiekį.
Skirtumai tarp Neuroninių Tinklų ir Ekspertinių Sistemų.
Kuom skiriasi neuroniniai tinklai? Ekspertinės sistemos stengiasi modeliuoti eksperto-žmogaus problemų sprendimus, o neuroninių tinklų kūrėjai tvirtina, kad jie nemodeliuoja žmonių intelekto, neprogramuoja sprendimų, ir nesistengia specifinių problemų spręsti (per se). Vietoj to, neuroninių tinklų projektuotojai ieško būdų, kaip patalpinti intelektą aparatūrinėje įrangoje apibendrinto mokymosi galimybės forma. Priešingai, ekspertinės sistemos yra labai specifiškos duotai problemai ir negali būti lengvai keičiamos.
Paimkime paprastą pavyzdį – katino identifikavimas. Ekspertinės sistemos programa imtų interviu iš šimtų žmonių, tam, kad suprastų, kaip žmonės atpažįsta katinus, pateikdamos rezultatus didele taisyklių aibe, arba sistemomis, suprogramuotomis į ekspertinę sistemą. Priešingai, neuroninis tinklas būtų nukreiptas į testavimo padėtį (site), prijungtas prie televizijos, ir pradėtų mokymosi procesą. Kiekvieną kartą, kuomet katė būtų neteisingai suvokta, sistemos tarpusavio ryšiai būtų suderinami (adjusted). Kuomet katės būtų teisingai suvoktos, sistema būtų paliekama viena ir būtų nuskanuojamas kitas objektas.
Neuroninių tinklų programos atsiranda medicinoje, moksle, bei versle adresuoti problemas pavyzdžių klasifikacijoms, spėjimams ir finansiėms analizėms bei kontrolei ir optimizavimui. Papnet yra neuroniniu tinklu paremta sistema, kuri randa skirtumą tarp sveikos ir nesveikos ląstelės, taip padėdama diagnozuoti (cervical) vėžį. Ši sistema pasitvirtino labiau nei vizualiniai specialistų tyrimai. Kompiuteris nėra pasiruošęs priimti galutinį sprendimą, taigi specialistas turi galimybę peržvelgti išrinktas bet kurias nenormalias ląsteles.
Neuroniniai tinklai naudojami finansų pramonėje, pažinti pavyzdžiams didžiuliame duomenų sraute, kas padėtų investicinėms firmoms numatyti akcijų kursą, korporacijos obligacijas, ar korporacijos bankroto atvejus. VISA International Inc. neuroninius tinklus naudoja padėti atpažinti kreditinių kortelių sukčius.
Blogumas – ekspertinės sistemos, priimdamos sprendimą visuomet paaiškina, kodėl jį priėmė – to nepasakysi apie neuroninius tinklus – jie ne visuomet pateikia paaiškinimus, kodėl priimtas toks sprendimo variantas. Taip pat, jie negali visuomet garantuoti, kad sprendimas visiškai teisingas – tiems patiems duomenims, gali būti pasiūlytas kitas sprendimas. Neuroniniai tinklai yra labai jautrūs ir gali neteisingai veikti, jeigu gaus per mažai arba per daug duomenų. Daugumoje programų, neuroniniai tinklai geriausiai yra naudojami kaip padėjėjai žmonėms priimantiems sprendimus.
Neraiškioji Logika
Tradicinės kompiuterinės programos reikalauja tikslumų: taip-ne, teisinga-klaidinga. Tačiau mes, žmonės, taip pasaulio nevertiname. Mes visi sutinkame, kad +120 laipsnių – tai karšta, o – 40 – šalta: bet ar 75 laipsniai – tai karšta, šilta, patogu, ar šalta? Atsakymas priklauso nuo daugelio faktorių: vėjo, drėgmės, asmeninės patirties, nuo aprangos bei įsitikinimų. Dauguma mūsų veiksmų taip pat yra neapibrėžti.
Neraiškioji logika – tai sąlyginai naujas, taisyklėmis besiremiantis DI produktas, toleruojantis ‘kaprizus’ ir net naudoja juos problemų sprendimams, kurių mes prieš tai negalėjome spręsti. Neraiškioji logika susideda iš sąvokų bei sąvybių įvairovės, žinių, kurios yra prieštaringos, neaiškios bei neįtikimos, atvaizdavimui. Neraiškioji logika gali kurti taisykles, kurios naudoja apytikslias arba subjektyvias reikšmes ir nebaigtus ar ambicingus (ambiguous) duomenis. Taip neraiškioji logika priartėja prie žmogiško mąstymo, kitaip nei paprastos IF-THEN taisyklės.
Neraiškioji logika plačiai naudojama Japonijoje, ir vis labiau įgauna populiarumą Amerikoje. Jos populiarumas išaugo, kadangi vadybininkai suprato, kad gali naudotis ja sumažindami kainas ir sutrumpindami vystymo laiką. Neraiškiosios logikos kodas yra sudarytas iš mažesnio kiekio IF-THEN taisyklių, kas daro jį paprastesniu kitų kodų atžvilgiu. Kompaktiškam kodui reikia mažesnės kompiuterio talpos.
Neraiškioji logika leidžia mums spręsti anksčiau neišsprendžiamas problemas, taip pagerindama produkto kokybę. Japonijoje Sendai metro sistema naudoja neraiškiosios logikos valdymą – ir tai padeda didinti greitį taip tolygiai, kad stovintys keleiviai gali nesilaikyti. Mitsubishi Sunkioji Pramonė Tokijuje sumažino energijos suvartojimą iki 20% įdiegdami valdymo neraiškiosios logikos programas. Ir pan.
Genetiniai Algoritmai
Genetiniai algoritmai (taip pat vadinami prisitaikančiais skaičiavimais) yra susiję su didelės ivairovės problemų sprendimų savybėmis, kurios konceptualiai remiasi metodais, kuriuos gyvi organizmai naudoja adaptavimuisi prie aplinkos – t.y. evoliucijos procesui. Jie programuojami remiantis tokiu principu, kokiu populiacijos sprendžia problemas – keičiant ir perorganizuojant jų komponentų dalis naudojant procesus, tokius kaip reprodukcija, mutacija ir natūrali atranka. Taigi, genetiniai algoritmai perkelia sprendimų vystymąsi (evoliuciją) į smulkesnes problemas, valdydami generavimą, nedidelius nukrypimus, adaptavimąsi, bei įmanomo sprendimo pasirinkimą naudodami genetiškai paremtus procesus. Sprendimams besikeičiant ir besijungiant, blogiausi is jų yra šalinami, o geriausi paliekami tolesniam darbui bei geresnių sprendimų kūrimui. Genetiniai algoritmai ‘veisia’ programas, kurios sprendžia problemas net gi tuomet, kuomet nėra žmogaus, kuris pilnai suprastų jos struktūrą.
Kaip ir neuroniniai tinklai, genetiniai algoritmai yra idealios programos dideliam skaičiui lygiagrečių kompiuterių. Tam tikram problemų tipų sprendimui, tokiose srityse, kaip optimizavimas, produkto projektavimas, bei industrinių sistemų monitoringas, genetiniai algoritmai ypač tinkami. Verslo problemoms, tokioms kaip kainų minimizavimas, pelno maksimizavimas, efektyvumo paskirstymas, bei šaltinių panaudojimas, reikalingas optimizavimas. Jei šios situacijos būna labai dinamiškos ir sudėtingos, turinčios šimtus kintamųjų iš šimto formulių, genetiniai algoritmai labai tinka joms spręsti, kadangi jie gali iš karto išnagrinėti sprendimą iš visų pusių. Ir pan.
Intelektualūs Agentai
Intelektualūs agentai – tai programinė įranga, kuri sprendžia specifinius, pasikartojančius ir įmanomus prognozuoti uždavinius individualiems vartotojams, verslo procesams, arba programinės įrangos taikymams. Agentas naudoja įtaisytą arba išmoktą žinių bazę, tokių uždavinių išsprendimui arba sprendimų priėmimui, kurie remiasi klientų asmeniniais norais – pvz.: trinti nereikalingą el. paštą, sudaryti individualų susitikimų planą, arba tarpusavyje sujungtuose tinkluose ieškoti pigiausio skrydžio į Kaliforniją. Agentas gali būti prijungtas prie skaitmeninio padėjėjo, bendradarbiaujančio su vartotoju toje pačioje darbo aplinkoje. Jis gali padėti klientui atlikdamas uždavinius vartotojo vardu, apmokydamas vartotoją, paslėpdamas skirtingų uždavinių sudėtingumus, padėdamas vartotojui bendradarbiauti su kitais vartotojais.
Šiai dienai daug intelektualių agentų pritaikymų yra operacinėse sistemose, taikomosiose programose, el.pašto sistemose, mobilioje skiačiuojamoje PĮ bei tinklo valdyme. Pvz. tokio pobūdžio yra Microsoft Office Wizard’ai.
Labiausiai verslo srityje domimasi intelektualių agentų pritaikyme ‘kruiziniuose tinkluose’, įskaitant informacijos paiešką Internete. Jie taip pat naudojami elektroninės komercijos taikomosiose programose, kaip pagalba klientams, ieškant produktų, kuriuos jie norėtų įsigyti, talkininkauja jiems palygindami kainas bei kitas savybes. Kadangi šie mobilūs agentai yra suasmeninti, pusiau autonominiai, jie gali padėti sutaupant pirkimo laiką bei sąveikos kainą. Agentai gali padėti žmonėms, norintiems atsirinkti tam tikrus pirkinius, o tai pat, norintiems gauti informaciją apie juos dominančius produktus, taip pat įvertinti produktus remiantis kriterijum, kurį jie nustatė.
Pvz. Yahoo naršyklė dabar siūlo kelių sričių ‘apsipirkimo agentus’: muzikos, knygų, elektronikos, žaislų. Norėdamas naudotis šiais agentais, pirkėjas turi įvesti norimo pirkti produkto pavadinimą į formą, Naudodamasis šia informacija, agentas Voratinklyje ieško produkto pagal kainą ir tinkamumą.
Yra ir kitų agentų: Firefly, Tete-a-Tete, AuctionBot.
Agentais besiremianti elektroninė komercija taps plačiau paplitusi, kadangi agentų bei Voratinklio technologijos tampa galingesnės bei lankstesnės. PĮ agentai Voratinklio puslapiuose, užkoduotuose WHDL, turi sunkiai prieinamą informaciją, kadangi jie yra orientuoti į formatą, statiški. Padidėjęs XML, JAVA naudojimas leis PĮ agentams bei kitiems automatizuotiems procesams būti lengviau pasiekiamais bei lengviau sąveikauti su Voratinklyje suagoma informacija.
Organizacijos žinių valdymo ir DI žinių valdymo palyginimas
Naudojantis šio semestro darbu bei aukščiau pateikta ataskaita, sudariau lentelę, kurioje lyginau Organizacijos žinių valdymą ir DI žinių valdymą. Tolimesnio darbo eigoje tikiuosi papildyti šią lentelę. Žemiau pateiktas jos pradinid variantas – šio semestro pastebėjimai.
1 lentelė. Organizacijos žinių valdymo ir DI žinių valdymo palyginimas.
Organizacijos žinių valdymas Dirbtinio intelekto žinių valdymas
Apibrėžimas Sistematiškas ir aktyvus žinių saugyklų valdymo procesas organizacijoje yra vadinamas žinių valdymu. Kibernetikoje sakoma, kad tikslinga kibernetinė sistema S turi tam tikras žinias, jei ši sistema S turi tam tikrą savo suvokiamą modelį apie realybės dalį. Neformaliai tam tikro sistemos proceso modelis yra kita sistema, kuri kokiu nors būdu imituoja tą procesą. Naudojant modelį, galima ką nors sužinoti apie tą procesą, jo paties nevykdant, arba nuspėti jo elgesį ateityje
Tikslai Palengvinti įmonės darbuotojų darbą, suteikiant jiems platesnes tarpusiavio bendravimo ir bendradarbiavimo galimybes, sutaupant laiką bei pinigus. Spręsti tam tikrus probleminius uždavinius.
Programinių priemonių pasirinkimas
Internetas bei dokumentų valdymas visiškai pakeitė organizacijų darbą. Kas bus toliau? Lotus kūrėjai tvirtina – tai žinių valdymas. Tai reiškia supratimą ne tik apie tai, ką jūsų organizacija žino, bet taip pat ir kas žino tai – tai reiškia, kad organizacijos išmintį galima panaudoti probelmų sprendimui.
Lotus žinių valdymo vizija
Lotus tikslas yra sudaryti tokią žinių valdymo sistemą, kuri sujungtų bendruomenes visame pasaulyje – sumažėtų atstumas tarp jų ir padidėtų priėjimas prie žinių. Susikincentruodama ties šiuo tikslu Lotus ir IBM supranta, kad norint pažengti toliau į priekį žinių valdymo srityje, reikia toliau koncentruotis ties sprendimais. Sprendimai yra aukščiau už savybes ir funkcijas. Prisiartinti prie žinių valdymo sprendimų, reiškia sukurti galingą platformą su atitinkamomis paslaugomis ir savybėmis ir teikti paslaugas, kurios padėtų susipažinti žinių valdymo panaudojimais.
Notes Architektūra
Pateiksiu keletą pagrindinių aspektų, dėl kurių Note’s yra tinkamas žinių valdymui:
Dokumentų duomenų bazės. Viskas nuo ataskaitų iki autobiografijos yra sukaupta dokumentuose, į formatą, kuris prieinamas daugeliui vartotojų. Šis formatas taip pat naudingas, kadangi jis padeda sudėti informaciją pagal kontekstą, kas daugeliui yra aiškios žinios. Šie dokumentai gali būti valdomi taip, kad vartotojai galėtų lengvai surasti reikiamą dokumentą, reikiamu metu. Pirma, jie yra suindeksuoti pilnai teksto paieškai. Antra, jie turi vartotojo apibrėžtus laukus (t.y. raktinius žodžius, temos lauką). Ir pagaliau, kiekvienas dokumentas turi informaciją apie autorių, sukūrimo datą, peržiūrėjimo datą ir dydį, taigi, jie gali būti valdomi ir peržiūrimi remiantis šiais kriterijais.
Saugumas. Vienas pagrindinių uždavinių užtikrinti dokumentų saugumą. Note apsauga yra lanksti – tai reiškia, kad skirtingi dokumentai kartu su atskira duomenų baze, ar atskiro dokumento net atskira sekcija, gali būti apsaugotas įvairiais lygiais.
Notes Architektūros išplėtimas žinių valdymui.
Saugumas. Yra du paieškos aspektai, kuriuos palaikys sekanti Notes versija. Pirma, vartotojas ne visuomet žino tą sferą ar šaltin, kurio jis ieško. T.y. „medžiaga”, kurios jie nori gali būti vienoje ar daugelyje Notes duomenų bazių, Tinklapyje,el. Pašto žinutėje, ir/ar reliacinėje duomenų bazėje. Notes ieškojimo galimybės leis daryti vieną paiešką keliose srityse.
Antra, vartotojas daugiausia paieškos laiko praleidžia dar kartą ieškodamas straipsnio, kurį jis jau kartą matė. T.y. jis žino, kad buvo informacijos dalis kažkuriame straipsnyje, kurią jis jau matė per paskutinias dienas, tačiau jis negali prisiminti kur jis tai matė. Notes leis vartotojui ieškoti iš visų atidarytų dokumentų.
Žinių valdymo programų paketai
Notes ir IBM siūlo šiuos žinių valdymo programinius paketus:
LearningSpace – tai mokymosi priemonė. LeraningSpace suteikia diskusijų galimybę tarp studentų grupėje bei dėstytoju.
Domino.Doc. Jis apima turinio valdymą bet kokiam objektų tipui (audio, video). Domino.Doc užtikrina, kad individualūs asmenys ir komandos, kurie bendradarbiauja tvarkant dokumentus per tinklą, dirbs su konkrečiais dokumentais, prie kurių negalės prieiti neturintys tokios teisės vartotojai, ir kad jie nešvaistys laiko taisydami dar kartą jau pataisytus dokumentus.
TeamRoom. Sekanti Notes diskusijų duomenų bazės karta, kuri dar turi struktūras ir kryptis, ir buvo suprojektuota komandoms, kurios vykdo specifinius projektus, kurie turi apibrėžtus pabaigos taškus.Komandos TeamRoom naudoja apibrėžti dalinimo (share) paskirtį. Teamroom taip pat yra saugykla saugoti bendrai informacijai tokiai, kaip verslo planai, ataskaitos, procedūrinė informacij. Jis gali būti naudojamas diskusijoms bei problemų sprendimams. Naudodamas palnavimo priemonę, jis leidžia grupei susikoncentruoti grupei prie kritinių klausimų prieš jiems susitinkant.
TeamNetwork – tai produktas, skirtas kelių komandų darbui, kurios dirba panašioje srityje.
SolutionSpace -tai Notes paremtas R&D projektas, kuris palaiko naujoves komandose, departamentuose ir vidinėse organizacijose. SolutionSpace pagerina naujų idėjų kūrimą.
Išvados
Šio semestro eigoje analizavau organizacijos žinių valdymą ir dirbtinio intelekto srities žinių valdymą. Analizavau organizacijos žinių valdymo metodus ir programinius įrankius. Analizavau LOtus Notes žinių valdymo galimybes. Norėčiau realizuoti panašių atvejų bazės modelį. Lotus Notes Diskusijų DB arba Team Room atrodo labai tinkami šablonai kaupti ivairiems atvejams. Bet paieška gali būti problematiška. Kitame semestre norėčiau pritaikyti panašių situacijų radimo metodą, naudojamą dirbtiniame intelekte, paieškai Atvejų bazėje.
Atsisiųsti moku.lt_ziniu_darbo_sistemos_dirbtinis_intelektas