همه چیز در مورد سیستمهای خبره


مشاهده سایر جزوه ها و مقاله های فنی رشته های مختلف در قالب فایل Word و doc>>>>>

همه چیز در مورد سیستمهای خبره

HyperLink
قیمت: 57000 ریال - پنج هزار و هفتصد تومان
گروه: جزوه ها و مقاله های فنی رشته های مختلف در قالب فایل Word و doc

تعداد صفحه: 305

فهرست مطالب:

مقدمه: 12

فصل اول:   سامانه های خبره 13

حوزه‌های کاربرد 15

مزاياي يک سيستم خبره چيست؟ 16

سيستم هاي  متخصص چگونه کار مي کنند؟ 21

بانک اطلاعاتي 21

توليد کننده مکالمه 22

ماشین باهوش چیست؟ 23

گذرى بیشتر بر سيستم هاى خبره 23

نکات تاریخی 25

هوش مصنوعي و سیستمهای خبره 25

مزایا و محدودیت‌های سیستم‌های خبره 30

مثال هايي از سيستم هاي متخصص تجاري 32

سيستم هاي خبره به عنوان سيستم هاي پشتيباني تصميم گيري 33

تفاوت بين سيستم هاي خبره وسيستم هاي پشتيباني تصميم گيري 33

جدول 1-3 تفاوت هاي بين DSS وسيستم هاي خبره 35

هوش مصنوعي 35

هيوريستيك (كشفيات ذهني) 36

جستجوي فضاي حالت 38

تكنيك هاي جستجو 39

جستجوي كوركورانه 40

جستجوي هيوريستيك (ذهني) 42

كاربرد قوانين در نمايش دانش 43

استنتاج 44

استنتاج قياسي 44

استنتاج استقرايي 45

دانش رويه اي واعلاني 45

موتوراستنتاج 46

امكانات تفسير 48

ابزارهاي ايجاد سيستم خبره 49

فصل دوم:   کاربرد سیستمهای خبره 51

کاربرد سیستم‌های خبره‌ 52

● طراحی و زمانبندی‌ 52

مقدمات هوش مصنوعي 52

برنامه هاي هوش مصنوعي براي حل مسائل عمومي 54

پيدايش KBS 55

جدول 1-1 برخي سيستم هاي خبره تجربي 56

محدوده كار 56

DENDRAL 56

MACSYMA 56

MYCIN 57

DEC 57

XCON 57

ظهور سيستم هاي خبره تجاري 57

هوش مصنوعي در قرن بيست و يكم 58

جدول 1-2 : پيشرفت سيستم هاي خبره ازسال 1990 تاكنون 59

شرح 59

NASA,USA 59

GPSS 59

NSSP 59

DARPA , USA 60

DART 60

LINKMAN 60

انسان متخصص درمقايسه با سيستم هاي خبره 60

مزاياي كامپيوتري 61

مزاياي انسان 62

فوائد سيستم هاي خبره 62

مزاياي سازماني سيستم هاي خبره 62

مزاياي فردي سيستم خبره 63

●تصمیم‌گیری‌های مالی‌ 63

چند سیستم خبره مشهور 64

عامل‌ها و سيستم‌هاي خبره  (Expert Systems) 66

عامل‌هاي هوشمند و هوش مصنوعي (AI) 67

فصل سوم:   هوش مصنوعی رباتیک سیستم خبره 69

هوش مصنوعی رباتیک سیستم خبره 70

كوچك، زيباست 71

`توان خارق العاده` 72

ابعاد تازه 73

نياز براي سيستم هاي خبره 75

محدوديت سيستم هاي خبره نسبت به  انسان 76

چه  موقع سيستم هاي خبره مفيدند ؟ 76

توانايي يادگيري مشخصه اصلي سيستم خبره 76

خصوصیات سیستم خبره: 80

به عنوان مثال : تميزكاري لانه مورجه ها 80

اصول سیستم خبره 81

طبقه بندی سیستم خبره (گروهی): 81

طبیعی در مقابل مصنوعی: 82

علمی در مقابل مهندسی: 82

تعامل دو دسته طبیعی/ مصنوعی و علمی/مهندسی: 83

اجزاي اصلی سیستمهای خبره 83

مهارت هاي مورد نياز براي مهندس دانش 84

ابزار هاي ايجاد سيستم هاي خبره 84

زبان هاي برنامه نويسي 85

كاربرد اصلی سيستم هاي خبره 85

واسطه كاربر 86

معماري سيستم هاي خبره 87

قابليت يادگيري 88

مقايسه بين سيستم هاي خبره با سيستم هاي قراردادي رايج. 2 88

نمايش دانش 90

قوانين توليد 91

مزاياي قوانين 92

قوانين هيوريستيك 94

قوانين محدوده (دامنه) 94

دانش رويه ا ي 94

معايب سيستم هاي توليد قانون 95

شبكه هاي معنايي 96

قاب ها 98

شكل 3-3: الگوي قاب حيوان. 99

تاريخچه هوش مصنوعي 105

هوش چیست؟ 107

فلسفه هوش مصنوعی 107

مدیریت پیچیدگی 108

عامل‌های هوشمند 110

. 110

رابطه سیستم خبره با هوش مصنوعي 111

نمونه هايي ازاشياءقاب 111

منطق 1 112

علائم ارتباطي 113

منطق محصولات1 114

سورها در منطقه محمولات 115

نمايش تركيبي 116

جدول 3-3 مزايا و معايب روش هاي نمايش دانش. 117

جدول 3-4: خلاصه ا ي از ويژگي هاي روش هاي نمايش دانش. 118

مزاياي قوانين 119

منطق گزاره ا ي 121

مهارت هاي مورد نياز براي مهندسي دانش 122

اكتساب و اخذ دانش 123

اكتساب دانش 124

مصاحبه 124

تكنيك هاي مصاحبه مستقيم 126

مصاحبه جهت دهنده 126

مصاحبه ساختيافته 127

مصاحبه متفكرانه 127

خلاصه ا ي ازتكنيك هاي مصاحبه 128

جدول 1-4 : تكنيك هاي مصاحبه. 128

ساير تكنيك هاي استخراج دانش 129

شبكه فهرست  1 130

تكنيك هاي بصري 130

تحليل پروتكل 2 131

مشاهده 131

مطالعات موردي 132

نقش بازي 133

مشكلات اكتساب دانش 133

جدول 4-2: مشكلات اكتساب دانش. 133

فصل چهارم:   سيستمهاي خبره در كتابخانه و محيط اطلاعاتي 135

ماهيت سيستم خبره 136

مسائل و مشکلات سیستمهای خبره 137

مسائل انسانی 138

مسائل اجرایی 138

كاربردهاي سيستمهاي خبره در كتابخانه ها 139

فهرست نویسی و رده بندی 140

نمایه سازی و چکیده نویسی 141

مجموعه سازی 141

مدیریت اطلاعات 141

عوامل هوشمند: (Intelligent Agents) 142

1. عوامل فيلترگذار( مرور كردن اطلاعات) 143

2. عوامل جستجو 143

وظايف يك عامل هوشمند 144

خدمات مرجع 144

شبيه سازي انسان 146

نتیجه گیری 147

ساختار سيستم هاي خبره کتابخانه ها 147

جستجو در پايگاه هاي اطلاعاتي 152

چرا سيستم هاي خبره اين قدر معروف شده اند ؟ 155

مثالی کاربردی از یک سیستم خبره : ارزیابی سیستم خبره برنامه ریزی تولید(GENESYS) 157

زمانبندی تولید هوشمند و مفاهیم مدیریتی 158

الف: فراگیری دانش 162

ب : نمایش دانش 163

هوش مصنوعي سيستم هاي خبره وتأثيرآن برسيستم هاي پشتيباني تصميم 165

فصل پنجم:   ابزارهای طراحی سیستمهای خبره 168

زبان های هوش مصنوعی 169

طراحی سیستم های خبره فازی از روی داده های ورودی خروجی 172

فلسفهٔ هوش مصنوعی 176

مدیریّت پیچیدگی 177

تکنیک ها وزبانهای برنامه نویسی هوش مصنوعی 179

سیستم‌های خبره 180

عامل‌های هوشمند 181

پردازش‌ زبان‌هاي‌ طبيعي‌ (NLP) 183

AIزمینه های پژوهشی دیگری را نیز شامل میشود 184

تجربه های بدست آمده 185

حساب کردن و شطرنج بازی کردن 185

فصل ششم:   تکنیکها و زبانهای برنامه نویسی سیستمهای خبره 187

زبان ، شناخت و خلاصه پردازي 189

خلاصه پردازي طبقه بندي شده (سلسله مراتبي ) 190

خصوصيات مطلوب يك زبان AI 195

خلاصه اي دربارة LISP و PROLOG 211

PROLOG 212

قواعد استنتاج 225

جدول 8-3 بعضی قواعد استنتاج برای منطق گزاره ای 236

جدول 9-3 معانی Modus 236

طراحی سیستمهای خبره 240

انتخاب مسئله مناسب 240

انتخاب الگوی مناسب 240

چرا ما یک سیستم خبره می سازیم؟ 240

عواید سیستم 242

سیستم خبره چه عوایدی دارد؟ 242

این کار چه میزان هزینه در برخواهد داشت؟ 244

مراحل ایجاد یک سیستم خبره 244

خطاها در مراحل ایجاد 248

مهندسی نرم افزار و سیستمهای خبره 251

چرخه حیات سیستم خبره 255

هزینه های نگهداری 255

مدل آبشاری 256

مدل کدنویسی و اصلاح 259

مدل افزایشی 259

مدل مارپیچی 260

یک مدل چرخه حیات تفصیلی 261

جدول 2-6 وظایف مرحله طراحی 263

تعریف دانش 264

جدول 8-6 وظایف مربوط به آزمون رسمی را در مرحله تصدیق دانش تشریح می کند. 270

ارزیابی سیستم 271

فصل هفتم:   تاریخچه پیچیده  سیستمهای خبره و هوش مصنوعی 273

تاريخچه پيچيده هوش مصنوعى 275

آينده هوش مصنوعى 281

* هدف هوش مصنوعى 284

* هوش مصنوعى و هوش انسانى 285

افقهای هوش مصنوعی 291

سیستم خبره نسل جدید 296

نتيجه گیری 298

منابع و مواخذ 306

کتب و مجلات 306

آدرسهای اینترنتی 306

چــکــیده

ـ هدف‌ از اين‌ مقاله‌ آشنائي‌ با سیستمهای خبره به‌ عنوان‌ سمبل‌ ونماد دوران‌ فراصنعتي‌ و نقش‌ و كاربرد آن‌ در صنايع‌ و مؤسسات‌توليدي‌ مي‌باشد. بدين‌ منظور، اين‌ موضوع‌ در قالب‌ دو مقاله‌ جداگانه‌و يا دو بخش‌ ارائه‌ مي‌شود. در بخشهای ابتدایی این پایان نامه سیستمهای خبره‌ موردمطالعه‌ قرار مي‌گيرد و سئوالاتي‌ نظير اين‌ كه‌ سیستمهای خبره ‌چيست‌؟ شاخه‌هاي‌ عمده‌ هوش‌ مصنوعي‌ كدامند؟ و نهايتأ، سیستمهای خبره نيز تشريح‌ مي‌شود. در بخش‌ های آتی ‌،كاربردهاي‌ سیستمهای خبره ‌در صنايع‌ و مؤسسات‌توليدي‌، بخصوص‌ در زمينه آدمواره‌ها مورد مطالعه‌ وتجزيه‌ و تحليل‌ قرارمي‌گيرد.

مقدمه:

هوش مصنوعی (Artificial Intelligence) را باید عرصهٔ پهناور تلاقی و ملاقات بسیاری از دانش‌ها، علوم، و فنون قدیم و جدید دانست. ریشه‌ها و ایده‌های اصلی آن را باید در فلسفه، زبان‌شناسی، ریاضیات، روان‌شناسی، نورولوژی، و فیزیولوژی نشان گرفت و شاخه‌ها، فروع، و کاربردهای گوناگون و فراوان آن را در علوم رایانه، علوم مهندسی، علوم زیست‌شناسی و پزشکی، علوم ارتباطات و زمینه‌های بسیار دیگر.

هدف سیستمهای خبره بطور کلی ساخت ماشینی است که بتواند «فکر» کند. اما برای دسته بندی و تعریف ماشینهای متفکر، می‌بایست به تعریف «هوش» پرداخت. همچنین به تعاریفی برای «آگاهی» و «درک» نیز نیازمندیم و در نهایت به معیاری برای سنجش هوش یک ماشین نیازمندیم.

با وجودی که برآورده سازی نیازهای صنایع نظامی، مهم‌ترین عامل توسعه و رشد هوش مصنوعی بوده‌است، هم اکنون از فراورده‌های این شاخه از علوم در صنایع پزشکی، رباتیک، پیش بینی وضع هوا، نقشه‌برداری و شناسایی عوارض، تشخیص صدا، تشخیص گفتار و دست خط و بازی‌ها و نرم افزارهای رایانه‌ای استفاده می‌شود.

فصل اول:   سامانه های خبره

سامانه‌های خِبره یا سیستم‌های خِبره (Expert systems) به دسته‌ای خاص از نرم‌افزارهای رایانه‌ای اطلاق می‌شود که در راستای کمک به کاردانان و متخصّصان انسانی و یا جایگزینی جزئی آنان در زمینه‌های محدود تخصّصی تلاش دارند. اینگونه سامانه‌ها، در واقع، نمونه‌های ابتدایی و ساده‌تری از فن‌آوری پیش‌رفته‌تر سامانه‌های مبتنی بر دانش‌ به حساب می‌آیند.

این سامانه‌ها معمولاً اطلاعات را به شکل واقعیات (Facts) و قواعد (Rules) در دادگانی به نام پایگاه دانش به شکل ساختار مند ذخیره نموده، و سپس با استفاده از روشهایی خاص استنتاج از این داده‌ها نتایج مورد نیاز حاصل می شود.

در حقیقت برنامه هايي هستند که رفتار يک انسان متخصص در يک زمينه بخصوص را تقليد مي کنند. اين برنامه از اطلاعاتي که استفاده کننده در آن ها ذخيره مي کند جهت اعلام يک عقيده در يک موضوع بخصوص استفاده مي کند. از اينرو سيستم هاي خبره تا هنگامي که بتوانند موضوعي را که با پاسخ هاي شما مطابقت داشته باشد بيابند به سوال کردن از شما ادامه مي دهند.

 

حوزه‌های کاربرد

سامانه‌های خبره موجبات انجام امور و یا تسهیل در انجام آنها را در زمینه‌های متنوّعی همچون پزشکی، حسابداری، کنترل فرایندها، منابع انسانی،خدمات مالی، و GIS فراهم می‌آورند. در هر یک از این زمینه‌ها می‌شود کارهایی از نوع راهنمایی، تحلیل، دسته‌بندی، مشاوره، طراحی، تشخیص، کاوش، پیش بینی، ایجاد مفاهیم، شناسایی، توجیه، یادگیری، مدیریت، کنترل، برنامه‌ریزی، زمان بندی و آزمایش را با مددجویی از سیستم‌های خِبره با سرعت و آسانی بیشتری به انجام رسانید.

 


مزاياي يک سيستم خبره چيست؟

ميزان مطلوب بودن يک سيستم خبره اصولا به ميزان قابليت دسترسي به آن و ميزان سهولت کار با آن بستگي دارد.

هوش مصنوعي شاخه ا ي است ازعلم كامپيوتركه ملزومات محاسباتي واعمالي همچون ادراك (perception ) –استدلال (reasoxing ) –يادگيري (Learning ) را بررسي مي كندوسيستمي جهت انجام چنين اعمالي ارائه مي دهد. وهمچنين مطالعه روش هايي است براي تبديل كامپيوتربه ماشيني كه بتواند اعمال انجام شده توسط انسان راانجام دهد.آيا تنها اين نكته كه هوشمندترين موجودي كه مي شناسيم انسان است كافي است تا هوشمندي را به تمام اعمال انسان نسبت دهيم اما حداقل توجه به اين نكته كاملاً واضح ، لازم است كه برخي از جنبه هاي ادراكي انسان مثل شنيدن و ديدن كاملاً ضعيف تر از موجودات ديگر است .

هوش مصنوعي فن آوري پيشرفته ا ي است كه اخيراً از سوي محققان علوم مختلف مورد توجه زيادي قرار گرفته است و هوش مصنوعي در واقع روشي است كه زيربناي لازم براي انجام عمليات هوشمند توسط انسان توسط كامپيوتر را فراهم مي آورد. يكي از كاربردهاي عمومي هوش مصنوعي سيستم هاي خبره هستند. سيستمهاي خبره ابزارهاي كامپيوتري هستند كه همانند يك متخصص در حوزه تخصصي خود در مسائل مربوط به آن حوزه مشاوره مي دهند و در صورت لزوم تصميم گيري مي نمايند . كاربردهاي اصلي هوش مصنوعي عبارتند از :

الف) پردازش زبان طبيعي (ترجمه ، خلاصه سازي ، محاوره زبان طبيعي)

ب) اثبات قضايا (اثبات وجود /عدم وجود ويژگي هاي مورد نظر)

ج) سيستم هاي بنيادي                                د) پردازش صوت و تصوير 

هـ) برنامه ريزي و هدايت رباط        و) سيستم هاي خبره            ز) عامل هاي نرم افزاري

در طراحي و ساخت سيستم هاي خبره افراد زير به صورت گروهي با هم كار مي كنند. 

الف)متخصص دامنه: كسي كه دانش و فن كافي در زمينه خاصي را دارد .

ب) مهندس دانش: شخصي كه طراحي، ساخت وآزمايش سيتم خبره را به عهده دارد.

ج) كاربر: شخصي كه با سيستم كارخواهد كرد و پذيرش نهايي سيستم بستگي به نظر او دارد. 

اما از مزاياي سيستم هاي خبره مي توان به موارد زير اشاره كرد:

1- همواره در دسترس است در حالي كه متخصص تنها عموماً در ساعات خاصي از شبانه روز قابل دسترس مي باشد.

2- از نظر جغرافيايي متخصص در هر لحظه ، تنها مي تواند در يك محل حضور داشته باشد در حالي كه يك سيستم خبره قابل نسخه برداري بوده و در هر لحظه مي تواند در چندين محل از آن استفاده كرد.

3- متخصص ممكن است بر اثر عواملي گوناگون مانند، ترك سازمان ، بازنشستگي ، مرگ و مير و …پس از مدتي امكان ادامه فعاليت نداشته باشد و غير قابل جايگزين باشد در صورتي كه سيستم خبره قابل جايگزين است.

4- سيستم هاي خبره معمولاً رفتارهاي يك نواختي دارند و تحت تأثير زمان و مكان قرار             نمي گيرند .

5- در انجام كارهاي تكراري عموماً سرعت بالاتري دارند يك معماري سيستم هاي خبره از قسمت هاي زيرين تشكيل شده است:            الف) پايگاه دانش     

     ب) موتور استنتاج        ج) واسط سازنده       و)برنامه هاي جانبي              ز) تشريح نتايج

با سپري شدن 5 نسل الكترونيكي از لامپ خلأ  تا اختراع و استفاده روزافزون از تراشه (spu) بشر خلاق و مبتدع در صدد شكافتن  علوم انفورماتيك و دسترسي به نسل ششم يعني رايانه هاي هوشمند است . در زمينه توسعه بازيها در هوش مصنوعي وسيستم هاي خبره تا حدي به بازي شطرنج پرداخته شده كه غالباً عده ا ي هوش مصنوعي را با شطرنج همزمان به خاطر مي آورند. مك كارتي از بنيان گزاران هوش مصنوعي است اين روز را آنقدر اغراق آميز مي داند (زيرا اين روز آنقدر سرعت در حال پيشرفت است ) كه مي گويد: محدود كردن هوش مصنوعي به شطرنج مانند اين است كه علم ژنتيك را از زمان داروين تا كنون تنها محدود به پرورش لوبيا كرده باشيم. اما در مورد سيستم هاي خبره يا همان هوش مصنوعي در زمينه كاربردي تا كنون به كار گرفته شده است كه تعدادي از اين زمينه ها عبارتند از : كشاورزي، تجارت، شيمي، ارتباطات، كامپيوتر، آموزش الكترونيك، مهندسي محيط ، زمين شناسي ، تصوير پردازي، اطلاعات، حقوق، ساخت و ساز، رياضيات، پزشكي، هواشناسي و… 

در ساخت سيستم هاي خبره و طراحي آن افراد بايد به صورت گروهي كار كنند سپس مي بينيم كه توجه به سيستم هاي خبره در عصر تكنولوژي وپيشرفت براي عقب نماندن از دنياي متمدن امروزي لازم است .

مي توان مزايايي که يک سيستم خبره در برابر انسان خبره دارد را به اين صورت نام برد:

- برخلاف انسان متخصص که نياز به خواب، استراحت و غذا و ... دارد، يک سيستم متخصص 24 ساعت در شبانه روز و 365 روز در سال قابل دسترس است.

- دانش سيستم خبره از بين نمي رود بلکه مي توان آنرا ذخيره نمود و حتي بسادگي مي توان آنرا کپي برداري کرد.

- يک سيستم متخصص همواره داراي حداکثر کارآيي خود است ولي به محض آنکه يک انسان متخصص خسته شود صحت توصيه هاي وي ممکن است کاهش يابد.

- يک سيستم متخصص داراي شخصيت نيست. همانطور که شما هم درک کرده ايد شخصيت هاي افراد مختلف اغلب با يکديگر سازگار نيستند. اگر شما با يک متخصص رفيق يا دوست يا حداقل موافق نباشيد، آنگاه احتمالا شانس اندکي براي استفاده از دانش اين فرد خواهيد داشت. عکس اين حالت نيز صحيح است.

 

- آخرين برتري سيستم هاي خبره اين است که به سادگي و با کپي برداري اين برنامه از دستگاهي به دستگاه ديگر و در کمترين زمان ممکن مي توان يک سيستم متخصص ديگر بوجود آورد در حالي که تبديل يک انسان به يک متخصص زماني طولاني نياز دارد.




سيستم هاي  متخصص چگونه کار مي کنند؟

هر سيستم متخصص از دو بخش تشکيل مي شود:

- بانک اطلاعاتي

- توليد کننده مکالمه


بانک اطلاعاتي 

منظور از بانک اطلاعاتي در اينجا مکانيسم نگهداري اطلاعات و قوانين ويژه اي در مورد يک موضوع بخصوص مي باشد. با اين توصيف دو اصطلاح زير تعريف می‌شود: 

- شيء(Object): 

منظور از شيء در اينجا نتيجه اي است که با توجه به قوانين مربوط به آن تعريف مي گردد.

 - شاخص(Attribute): منظور از شاخص يا «صفت» يک کيفيت ويژه است که با توجه به قوانيني که براي آن در نظر گرفته شده است به شما در تعريف شيء ياري مي دهد. بنابراين مي توان بانک اطلاعاتي را بصورت ليستي از اشياء که در آن قوانين و شاخص هاي مربوط به هر شيء نيز ذکر شده است در نظر گرفته شود. در ساده ترين حالت(که در اکثر کاربردها نيز همين حالت بکار مي رود) قانوني که به يک شاخص اعمال می‌شود اين مطلب را بيان مي کند که آيا شيء مورد نظر شاخص دارد يا ندارد؟ يک سيستم متخصص که انواع مختلف ميوه را شناسايي مي کند احتمالاً داراي بانک اطلاعاتي به صورت زير خواهد بود: شيء قانون شاخص سيب دارد روي درخت رشد مي کند. دارد گرد است دارد رنگ قرمز يا زرد است ندارد در کوير رشد مي کند انگور 

بانک ساده شده بالا با تنها استفاده از قانون دارد:

      شيء           شاخص هايي که دارد

      سيب           رشد روي درخت

گرد بودن رنگ قرمز يا زرد رشد نکردن در کوير


توليد کننده مکالمه

آن بخش از سيستم متخصص است که سعي مي کند از اطلاعاتي که شما ذخيره کرده ايد جهت يافتن يک شيء منطبق با خواسته شما استفاده نمايد. دو نوع عمده از توليد کننده هاي مکالمه وجود دارد : 

- قطعي - احتمالي برخي قوانين قطعي هستند. به عنوان مثال يک شيميدان مي تواند با قطعيت و يقين اعلام کند که اگر اتم مورد نظر داراي 2 الکترون باشد آنگاه اين اتم به عنصر هليم تعلق دارد. اکثر قوانين قطعي نيستند بلکه با يک درصد مشخص، احتمال وقوع آن‌ها مي رود. 

 

با اين وجود در بسياري از اينگونه موارد عامل عدم قطعيت از نظر آماري اهميت چنداني ندارد و از اين رو شما مي توانيد با اين قوانين بصورت قوانين جبري برخورد کنيد. در رابطه با اين دو گروه عمده(يعني قطعي و عدم قطعي) سه روش اساسي براي ساخت «توليد کننده مکالمه» وجود دارد: - استدلال پيشرو Forward Chaining - زنجيره سازي پسرو Backward Chaining - ارزشيابي Rule-Value تفاوت بين اين سه روش به شيوه اي که «توليد کننده مکالمه» توسط آن سعي مي کند به هدف خود برسد بستگي دارد.


ماشین باهوش چیست؟

تورینگ فردی بود که ادعا کرد ماشینی باهوش خواهد بود که بتواند در انجام یک آزمون موفق باشد.  بعد ها این آزمون به تست تورینگ معروف شد. ماشین باید در طی انجام یک مکالمه متنی مانند چت   (Chat) می توانست با طرف مقابل(انسان) طوری ارتباط برقرار کند که انسان تصور کند طرف مقابلش یک انسان است. تورینگ نوع ارتباط را از نوع متنی معرفی کرد شاید به این دلیل که محققان بیشتر به دنبال ایجاد ماشین باهوش باشند. نوع ارتباط می تواند به صورت صوتی هم باشد که نیازمند کار و تحقیقات گسترده ای در زمینه تشخیص گفتار است.


گذرى بیشتر بر سيستم هاى خبره  

«استدلال» در ميان اهل فن و صاحبان انديشه تعاريف و تفاسير متنوعى دارد. در نگاهى كلى، استفاده از دليل و برهان براى رسيدن به يك نتيجه ازفرضياتى منطقى با استفاده از روش هاى معين، تعريفى از استدلال تلقى مى شود؛ تعريفى كه البته با ديدگاه هاى فلسفى و گاه ايده آل گرايانه از استدلال تفاوت دارد. با اين حال موضوع مهم و اساسى در اينجا بحث در چيستى و چرايى اين ديدگاه ها نيست، بلكه در مورد چگونگى طراحى سيستم هاى با قدرت استدلال، با هر تعريفى، براى رسيدن به مجموعه اى از تصميمات منطقى  با استفاده از مفروضات يا به طور دقيق تر دانشى است كه در اختيار آن ها قرار مى گيرد. سيستم هايى خبره (expert systems) اساسا براى چنين هدفى طراحى مى شوند. در حقيقت به واسطه الگوبردارى اين سيستم ها از نظام منطق و استدلال انسان و نيز يكسان بودن منابع دانش مورد استفاده آن ها، حاصل كار يك سيستم خبره مى تواند تصميماتى باشد كه درحوزه ها و عرصه هاى مختلف قابل استفاده، مورد اطمينان و تاثيرگذار هستند. 

 

بسيارى بر اين باورند كه سيستم هاى خبره بيشترين پيشرفت را در هوش مصنوعى به وجود آورده اند. آن چه درادامه مى خوانيد نگاهى كوتاه به تعاريف و سازوكار سيستم هاى خبره و گذرى بر مزايا و محدوديت هاى به كارگيرى اين سيستم ها در علوم و فنون مختلف است. طبيعتا مباحث كاربردى تر و عملى تر درباره سيستم هاى خبره و بحث درباره چگونگى توسعه و پياده سازى آن ها، نيازمند مقالات جداگانه اى است كه در ادامه به آن ها خواهيم پرداخت. 


نکات تاریخی

تا ابتدای دهۀ 1980 (م) کار چندانی در زمینۀ ساخت و ایجاد سامانه‌های خِبره توسط پژوهش گران هوش مصنوعی صورت نگرفته بود. از آن زمان به بعد، کار های زیادی در این راستا و در دو حوزۀ متفاوت ولی مرتبط سامانه‌های کوچک خبره و نیز سامانه‌های بزرگ خبره انجام شده است. 

 

هوش مصنوعي و سیستمهای خبره 

هوش مصنوعي روشي است در جهت هوشمند کردن کامپيوتر تا قادر باشد در هر لحظه تصميم گيري کرده و اقدام به بررسي يک مسئله نمايد. هوش مصنوعي، کامپيوتر را قادر به تفکر مي کند و روش آموختن انسان را تقليد مي نمايد. بنابراين اقدام به جذب اطلاعات جديد جهت بکارگيري مراحل بعدي مي پردازد. مغز انسان به بخش هايي تقسيم شده است که هر بخش وظيفه خاص خود را جدا از بقيه انجام مي دهد. اختلال در کار يک بخش تاثيري در ديگر قسمت هاي مغز نخواهد گذاشت. در برنامه هاي هوش مصنوعي نيز اين مسئله رعايت می‌شود درحالي که در برنامه هاي غير هوش مصنوعي مثل C يا Pascal تغيير در برنامه روي ساير قسمت هاي برنامه و اطلاعات تاثير دارد. 

مباحث کاربردي و مهم در تحقق يک سيستم هوش مصنوعي :

1- سيستم هاي خبره(Expert Systems) 

2- شبکه هاي عصبيNeural Network 

3- الگوريتم هاي ژنتيک(Genetic Algorithms)

4- سيستم هاي منطق فازي(Fuzzy Logic Systems)

یکی از اهداف هوش مصنوعی ، فهم هوش انسانی با شبیه‌سازی آن توسط برنامه‌های کامپیوتری است. البته بدیهی است که "هوش‌"‌ را می‌توان به بسیاری از مهارت‌های مبتنی بر فهم، از جمله توانایی تصمیم‌گیری، یادگیری و فهم زبان تعمیم داد و از این‌رو واژه‌ای کلی محسوب می‌شود. 

بیشتر دستاوردهای هوش مصنوعی در زمینه تصمیم‌گیری و حل مسئله بوده است که اصلی‌ترین موضوع سیستم‌های خبره را شامل می‌شوند. به آن نوع از برنامه‌های هوش مصنوعی که به سطحی از خبرگی می‌رسند که می‌توانند به جای یک متخصص در یک زمینه خاص تصمیم‌گیری کنند، expert systems یا سیستم‌های خبره گفته می‌شود. این سیستم‌ها برنامه‌هایی هستند که پایگاه دانش آن‌ها انباشته از اطلاعاتی است که انسان‌ها هنگام تصمیم‌گیری درباره یک موضوع خاص، براساس آن‌ها تصمیم می‌گیرند. روی این موضوع باید تأکید کرد که هیچ‌یک از سیستم‌های خبره‌ای که تا‌کنون طراحی و برنامه‌نویسی شده‌اند، همه‌منظوره نبوده‌اند و تنها در یک زمینه محدود قادر به شبیه‌سازی فرآیند تصمیم‌گیری انسان هستند. 

 

به محدوده اطلاعاتی از الگوهای خبرگی انسان که به یک سیستم خبره منتقل می‌شود، task domain گفته می‌شود. این محدوده، سطح خبرگی یک  سیستم خبره را مشخص می‌کند و نشان می‌دهد ‌که آن سیستم خبره برای چه کارهایی طراحی شده است. سیستم خبره با این task ها یا وظایف می‌تواند کارهایی چون برنامه‌ریزی، زمانبندی، و طراحی را در یک حیطه تعریف شده انجام دهد. 

به روند ساخت یک سیستم خبره، knowledge engineering یا مهندسی دانش گفته می‌شود. یک مهندس دانش باید اطمینان حاصل کند که سیستم خبره طراحی شده، تمام دانش مورد نیاز برای حل یک مسئله را دارد. طبیعتاً در غیراین‌صورت، تصمیم‌های سیستم خبره قابل اطمینان نخواهند بود. 

 

برچسبها:

مشاهده سایر جزوه ها و مقاله های فنی رشته های مختلف در قالب فایل Word و doc>>>>>
HyperLink