سیستم های خبره (ES) و هوش مصنوعی (AI)

سیستم خبره چیست؟

اولین قدم در حل هر مسئله ای تعریف دامنه یا محدوده آن است.  این نکته همانطور که در مورد روشهای برنامه نویسی متعارف صحت دارد، در مورد هوش مصنوعی نیز درست است. اما به خاطر اسراری که از قبل در مورد هوش مصنوعی ( AI ) وجود داشته، هنوز هم برخی مایلند این عقیده قدیمی را باور کنند که ” هر مسئله ای که تا به حال حل نشده باشد یک مسئله هوش  مصنوعی  است”. تعریف متداول دیگری به این صورت وجود دارد ” هوش مصنوعی کامپیوترها را قادر می سازد که کارهایی شبیه به آنچه در فیلمها دیده می شود انجام دهند”.چنین تفکراتی در دهه 1970 میلادی رواج داشت، یعنی درست زمانی که هوش مصنوعی در مرحله تحقیق بود ولی امروزه مسائل واقعی بسیاری وجود دارند که توسط هوش مصنوعی و کاربردهای تجاری آن قابل حلند.

اگرچه برای مسائل کلاسیک هوش مصنوعی از جمله ترجمه زبانهای طبیعی، فهم کلام و بینایی هنوز راه حل عمومی یافت نشده است، ولی محدود کردن دامنه مسئله می تواند به راه حل  مفیدی منجر شود. به عنوان مثال، ایجاد یک « سیستم زبان طبیعی ساده » که ورودی آن جملاتی با ساختار اسم، فعل و مفعول باشد کار مشکلی نیست. در حال حاضر، چنین سیستم هایی به عنوان یک واسط در ایجاد ارتباط کاربر پسند با نرم افزارهای بانک اطلاعاتی و صفحه گسترده ها به خوبی عمل  می کنند. در حقیقت (پاره) جملاتی که امروزه در برنامه های کامپیوتری مخصوص بازی و سرگرمی به کار می روند توان بالای کامپیوتر در فهم زبان طبیعی را به نمایش می گذارند.

هوش مصنوعی شامل چندین زیر مجموعه است. زیر مجموعه سیستم های خبره یکی از موفق ترین راه حلهای تقریبی برای مسائل کلاسیک هوش مصنوعی است. پروفسور فیگنبام از دانشگاه استنفورد یکی از پیشکسوتان تکنولوژی سیستم های خبره، تعریفی در مورد سیستمهای خبره دارد : « … یک برنامه کامپیوتری هوشمند که از دانش و روشهای استنتاج برای حل مسائلی استفاده می کند که به دلیل مشکل بودن، نیاز به تجربه و مهارت انسان » (Feigenbaum 82 ). بنابراین سیستم خبره یک سیستم کامپیوتری است که از قابلیت تصمیم گیری افراد خبره، تقلید می نماید. لغت تقلید به این معناست که سیستم خبره سعی دارد در تمام جنبه ها شبیه فرد خبره عمل  کند. عمل تقلید از شبیه سازی قوی تر است چون در شبیه سازی تنها در بعضی موارد شبیه چیزهای واقعی عمل می شود.

اگرچه هنوز یک برنامه چند منظوره برای حل مسائل ایجاد نشده است، ولی سیستمهای خبره در محدوده های خاص به خوبی عمل می کنند. برای اثبات موفقیت سیستمهای خبره فقط کافی است که کاربردهای متعدد سیستمهای خبره را در تجارت، پزشکی، علوم مهندسی ملاحظه نمود و یا کتابها، مجلات، سمینارها و محصولات نرم افزاری اختصاص یافته به سیستمهای  خبره را مشاهده کرد.

سیستمهای خبره یکی از شاخه های هوش مصنوعی است که همچون یک فرد خبره با استفاده وسیع از دانش تخصصی به حل مسائل می پردازد. فرد خبره کسی است که در یک زمینه خاص دارای تجربه و مهارت و در یک کلام خبرگی است. بنابراین فرد خبره دارای دانش یا مهارت خاصی است که برای بیشتر مردم ناشناخته و یا غیر قابل دسترسی است. فرد خبره مسایلی را حل می کند که یا توسط دیگران قابل حل نیست و یا او موثرترین ( و البته نه ارزانترین) راه حل را برای آن مسئله ارائه می دهد. وقتی سیستمهای خبره اولین بار در دهه 1970 توسعه یافتند، فقط دارای دانش خبرگی بودند. ولی لغت سیستم خبره امروزه اغلب به هر سیستمی اطلاق می شود که از تکنولوژی سیستم خبره استفاده می کند. این تکنولوژی می تواند شامل زبانهای خاص سیستمهای خبره، برنامه ها و سخت افزارهای طراحی شده برای کمک به توسعه و اجرای سیستمهای خبره باشد.

دانش موجود در سیستمهای خبره می تواند شامل تجربه و یا دانشی باشد که از طریق کتب، مجلات و افراد دانشمند قابل دسترسی است. اصطلاحات سیستم خبره، سیستم مبتنی بر دانش و یا سیستم خبره مبتنی بر دانش، به طور مترادف به کار می روند. بیشتر مردم از اصطلاح سیستم خبره به دلیل کوتاه بودنش استفاده می کنند. این در حالی است که ممکن است حتی در آن سیستم خبره هیچ تجربه و مهارتی وجود نداشته و فقط شامل دانش عمومی باشد.

قواعد استنتاج

اگرچه نمودارهای ون از جمله روشهای تصمیم گیری  برای قیاسهای صوری محسوب می شوند ولی این نمودارها برای استدلالات پیچیده تر مناسب نیستند، زیرا خواندن این نمودارها مشکل است. قیاس صوری مشکل اساسی تر دیگری دارد و آن این است که فقط بخش کوچکی از عبارات منطقی را می توان به وسیله قیاس صوری بیان کرد. در واقع قیاس صوری طبقه بندی شده فقط شامل عبارات گروه بندی شده I,E,A وO می باشد. منطق گزاره ای، ابزار دیگری را برای توصیف استدلال ارائه می دهد.

طراحی سیستم های خبره

قبل از اینکه شما یک سیستم خبره بسازید باید یک مسئله مناسب انتخاب کنید. مانند هر پروژه نرم افزاری، قبل از اینکه خود را درگیر تعهدات زیادی نسبت به افراد، منابع و زمان برای یک سیستم خبره پیشنهادی نماییم، باید بعضی ملاحظات کلی را در نظر داشته باشیم. هر چند این ملاحظات کلی در مدیریت پروژه هر برنامه معمولی نیز وجود دارد ولی باید به منظور پاسخگویی به نیازهای خاص سیستمهای خبره، آنها را اختصاصی کرد.

چرا ما یک سیستم خبره می سازیم؟

افزایش قابلیت دسترسی: تجربه و دانش در هر سخت افزار مناسبی قابل دسترسی است. در واقع یک سیستم خبره، انبوهی از تجربه و دانش را در خود جای می دهد.

کاهش هزینه: هزینه کسب دانش و تجربه برای هر کاربر بسیار کمتر است.

کاهش خطر: سیستمهای خبره را می توان در محیطهایی که حضور در آنها برای انسان خطرناک است بکار برد.

دوام و بقاء: تجربه و دانش، پایدار و ماندنی است. بر خلاف افراد خبره که ممکن است بازنشسته شوند، کار را رها کنند و یا فوت کنند، دانش سیستمهای خبره به طور نامحدودی پایدار است.

تخصص چندگانه: می توان از دانش چندین فرد خبره به طور همزمان و یا پیوسته برای رسیده به حل یک مساله در هر زمان استفاده کرد. در این صورت سطح دانش و تخصصی که از ترکیب دانش چند فرد خبره بدست می آید از سطح دانش یک فرد خبره بیشتر است (Harmon 85).

افزایش قابلیت اطمینان: سیستمهای خبره، از این بابت که دیدگاه دومی را برای خبره بشری فراهم می کنند و یا به موقع بروز اختلاف در میان افراد خبره، دیدگاه ثالثی را مطرح می کنند موجب اطمینان خاطر کاربر می گردند. البته اگر سیستم خبره تنها حاوی دانش یک فرد خبره باشد این روش احتمالا موفق نخواهد بود. سیستم خبره باید همواره با نظر فرد خبره موافق باشد مگر اینکه فرد خبره دچار اشتباه شده باشد. معمولا در مواقعی که فرد خبره دچار خستگی و یا فشارهای روحی باشد، احتمال اشتباهات او بالا می رود.

توضیح: سیستم خبره می تواند جزئیات استدلال خود در مورد نتجیه ای که بدست آمده به صراحت توضیح دهد. یک فرد خبره ممکن است بسیار خسته باشد و یا تمایل و توانایی انجام این کار را در همه اوقات نداشته باشد. توضیح مراحل استدلال، اطمینان به صحت تصمیم گیری را افزایش می دهد.

پاسخ سریع: بعضا ارائه پاسخ سریع و به موقع یک ضرورت است. با توجه به نوع نرم افزار و سخت افزاری که مورد استفاده قرار می گیرد، سیستم خبره می تواند بسیار سریعتر و با سهولت بیشتری نسبت به یک فرد خبره، پاسخ دهد. در برخی موارد اضطراری به پاسخی سریعتر از پاسخ انسان نیاز است و سیستم خبره ای که بتواند بلادرنگ پاسخ دهد می تواند مطلوب باشد (Ennis 86) (Hugh 88).

پاسخ کامل، ثابت و غیر حساس در همه مواقع: این خصوصیت می تواند در شرایط اضطراری که به پاسخ بلادرنگ نیاز است بسیار مهم باشد چون یک فرد خبره هنگامی که دچار خستگی و یا ناراحتی است نمی تواند کار خود را به گونه ای موثر انجام دهد.

معلم هوشمند: یک سیستم خبره می تواند به عنوان یک معلم هوشمند برای انسان عمل نماید و با اجرای چندین مثال و توضیح چگونگی استنتاج سیستم، به کرابر کمک نماید.

بانک اطلاعاتی هوشمند: سیستمهای خبره می توانند به روش هوشمندانه از یک بانک اطلاعاتی استفاده کنند (Schur 88) (Kerschberg 86).

مراحل توسعه یک سیستم خبره همچنین دارای یک فایده غیر مستقیم است چرا که دانش افراد خبره باید به طور صریح وارد کامپیوتر شود. از انجا که دانش غیر صریح موجود در ذهن فرد خبره به صورت صریح در می آید، می توان صحت و سازگاری و کامل بودن این دانش را مورد بررسی قرار داد. سپس می توان این دانش را مورد تنظیم و بررسی مجدد قرار داد تا از کیفیت بهتری برخوردار باشد.

سیستم خبره چه عوایدی دارد؟

این سوال با سوال اول در ارتباط است. ولی از آنجا که این سوال به دنبال دانستن میزان بازگشت سرمایه بوده یعنی با لزوم بازگشت مخصوص سرمایه افراد، منابع، زمان و پول مورد نیاز در ارتباط است از سوال اولی عملی تر است. عواید سیستم ممکن است به صورت پول، افزایش کارایی و یا هر یک از مزایای سیستمهای خبره باشد همچنین یادآوری این نکته لازم است که اگر کسی از سیستم استفاده نکند آن سیستم هیچ عایدی نداشته است. از آنجا که سیستم خبره یک فن آوری نوین است پاسخ دادن به این سوال در مقایسه با برنامه کامپیوتری معمولی بسیار دشوارتر و پر مخاطره تر است.

مهندسی نرم افزار و سیستم های خبره

در قسمت قبل درباره ملاحظات کلی در بکارگیری سیستم خبره بحث کردیم. حال اجازه بدهید با یک دیدگاه فنی تر یعنی با دیدگاه مهندس دانش که سیستم را ساخته است مراحل ساخت سیستم خبر را مرور نماییم.

وقتی سیستم خبره از مرحله تحقیق بیرون آمد، لازم است سطح کیفیت نرم افزار به سطح استاندارد نرم افزارهای معمولی ارتقاء یابد. متدولوژی پذیرفته شده برای ایجاد نرم افزارهای کیفی در حد استانداردهای تجاری، صنعتی و دولتی، مهندسی نرم افزار است.

پیروی از استانداردهای مناسب برای ایجاد یک محصول از اهمیت زیادی برخوردار است در غیر این صورت احتمالا محصول کیفیت خوبی نخواهد داشت. در حال حاضر سیستمهای خبره را باید محصولی مانند سایر محصولات نرم افزاری نظیر پردازشگر لغات، برنامه پرداخت حقوق، بازیهای کامپیوتری و غیره در نظر گرفت.

با این وجود تفاوت مشهودی بین ماوریت سیستمهای خبره و سایر محصولات مصرفی نظیر پردازشگر لغات و بازیهای ویدئویی وجود دارد. معمولا تکنولوژی سیستمهای خبره وظیفه دارد دانش و خبرگی را برای موقعیتهای سطح بالا و احتمالا خطرناک که زندگی و اموال افراد در خطر است تهیه کند. این ماموریت حساسی است که در قسمت قبلی نیز به آن اشاره شد.

این مامویت های حساس و بحرانی با ماموریت ساده پردازشگر لغات و برنامه های ویدئویی یعنی افزایش کارایی و تفریح کردن تفاوت بسیار زیادی دارد. زندگی هیچ انسانی نمی تواند به سیستمهای خبره، سیستمهایی با توان عملکرد بالا هستند که باید کیفیت بسیار خوبی داشته باشند در غیر این صورت با اشکالات زیادی رو به رو خواهند شد. همان طور که در شکل 4-6 نشان می دهد مهندسی نرم افزار روشهایی برای ساخت نرم افزار کیفی ارائه می دهد.

تشریح کلمه کیفیت به صورت کلی دشوار است زیرا این کلمه برای افراد معانی گوناگونی دارد. یکی از تعاریف کیفیت این است که آن را به صورت مشخصه های لازم یا مطلوبیک شی تعریف کنیم که در مقیاسهای خاصی تعیین شده است. کلمه شی در اینجا به معنای هر نوع سخت افزار یا نرم افزار یا محصولات نرم افزاری است. مشخصه ها و مقادیر آنها شاخص نامیده می شوند زیرا از آنها برای اندازه گیری اشیاء استفاده می شود. به عنوان مثال، قابلیت اطمینان اندازه گیری شده یک دیسک درایو، شاخصی برای کیفیت آن است. یکی از معیارهای این مشخصه، متوسط زمان بین خرابی (MTBF) درایو هاست. MTBF یک درایو قابل اطمینان، حدود 1000 ساعت است، در حالی که برای یک درایو غیر قابل اطمینان ممکن است حدود 100 ساعت باشد.

چرخه حیات سیستم خبره

یکی از روشهای کلیدی در مهندسی نرم افزار، چرخه حیات است. چرخه حیات نرم افزار مدت زمانی است که از لحظه ای که نرم افزار مفهوم خود را پیدا می کند شروع شده و پس از اینکه سیستم از رده خارج شد پایان می یابد. چرخه حیات علاوه بر اینکه به ایجاد و نگهداری سیستم به طور جداگانه می پردازد، نوعی پیوستگی و ارتباط بین کلیه مراحل ایجاد می کند. هر چه در چرخه حیات، برنامه ریزی برای نگهداری و ارتقاء سیستم زودتر انجام شود هزینه مراحل بعدی کاهش خواهد یافت.

خلاصه

در این فصل ما یک روش مهندسی نرم افزار را برای ساخت سیستمهای خبره مطرح کردیم. حال که از تکنولوژی سیستمهای خبره برای حل مسائل دنیای واقعی استفاده می شود، سیستمهای خبره باید از کیفیت مناسبی برخوردار باشند. عوامل متعددی باید در طراحی یک سیستم خبره در نظر گرفته شود که انتخاب مسئله، هزینه و عایدی از آن جمله اند. برای ساخت یک سیستم موفق باید جنبه های مدیریتی و فنی مورد نظر قرار گیرند.

یکی از مفاهیم بسیار مفید مهندسی نرم افزار، چرخه حیات است. مفهوم چرخه حیات، فرآیند ایجاد نرم افزار را به صورت یک سری مراحل در نظر می گیرد که از مفهوم اولیه شروع شده و به مرگ نرم افزار ختم می شود. با اجرای پیوسته یک چرخه حیات می توان نرم افزاری با کیفیت بالا ایجاد نمود. چندین مدل مختلف از چرخه های حیات برای سیستمهای خبره مطرح شد و یکی از آنها به تفصیل مورد بحث قرار گرفت.

• سیستم خبره چیست؟
• طراحی سیستم های خبره
• انتخاب مسئله مناسب
• انتخاب الگوی مناسب
• سیستم خبره چه عوایدی دارد؟
• چه ابزارهایی برای ساخت سیستم در دسترس داریم؟
• این کار چه میزان هزینه در بر خواهد داشت؟
• مراحل ایجاد یک سیستم خبره
  • مدیریت پروژه
  • مدیریت فعالیت ها
  • مدیریت پیکره بندی محصول
  • مدیریت منابع
• سیستم چگونه تحویل داده خواهد شد؟
• چگونه سیستم تکامل یافته و از آن نگهداری می شود؟
• خطاها در مراحل ایجاد
• مهندسی نرم افزار و سیستم های خبره
• چرخه حیات سیستم خبره
• هزینه های نگهداری
  • مدل آبشاری
  • مدل کدنویسی و اصلاح
  • مدل افزایشی
  • مدل مارپیچی
  • یک مدل چرخه حیات تفصیلی
• طراحی
• تعریف دانش
• طراحی دانش
• تصدیق بر دانش
• ارزیابی سیستم
• مسائل