خلاصه تاريخچه جستجو برای ماشين هوشمند را در نظر بگيريم:
در اواخر سالهای ١٧٠٠ و اوايل سالهای ١٨٠٠ ،گروهی از آمريكايی‌ها و اروپايی‌ها وسيله‌ای بنام”شطرنج اتوماتيك“ ايجاد كردند كه توانايی آن را داشت كه با يك انسان شطرنج بازی كند.
در سال ١٨٣۴ چارز بابيج اولين كامپيوتر مكانيكی را بنام ”موتور تحليلي“ ايجاد كرد. اين ماشين مي‌توانست محاسبات رياضی را انجام داده و خروجی چاپ كند. بابيج توسعه سيستم را تا حد ايجاد يك ماشين قوی كه توانايی رقابت شطرنج با انسان را داشته باشد، ديده بود. تا نيمه اين قرن ساخت ماشين هوشمند رويايی بود كه منوط به پيشرفت تكنولوژی بود. اين تكنولوژی با پيدايش كامپيوترهای امروزی به حقيقت پيوست.
كامپيوترهای اوليه، پردازنده‌های سريع داشتند كه به آنها اين امكان را می‌داد كه با داشتن برنامه، عمليات مشخصی را بر طبق الگوريتمی مشخص انجام دهند. برنامه‌هايی نوشته شده بود تا معادلات را حل كنند، يا ليستی از داده‌ها را پردازش كنند، يا در پايگاه، داده‌ها را برای يافتن اطلاعات مورد نياز جستجو كنند. اگرچه، به خوبی اطلاعات را پردازش می‌كردند، اما در مورد همان اطلاعات، توانايی استدلال نداشتند. لذا مسئله استدلال هنوز مختص انسان بود.
نقطه تغيير مسير زمانی بود كه دانشمندان شروع به كد كردن دانش يك مسئله، برای كامپيوتر كردند.
قوانين، حقايق و ساختارهای يك مسئله به صورت سمبليك در می‌آمدند، از نمونه های اوليه زبانهای
سمبليك LISP و PROLOG است، كه توانايی جستجو روی اطلاعات سمبليك ارائه شده را دارند.
در راه رسيدن به ماشين هوشمند و از طريق زبانهای برنامه نويسی سمبليك، علم هوش مصنوعی
شكل گرفت. در سال ١٩۵۶ گروهی از دانشمندان كامپيوتر در يك كارگاه آموزشی كه توسط IBM
برگزار شد، شركت كردند. در اين كارگاه در مورد روشی برای آنكه كامپيوتری ايجاد شود كه استدلال
انسانی را شبيه سازی كند بحث شد. اين كنفرانس به عنوان تولد هوش مصنوعی شناخته شد.
تعريف: هوش مصنوعی، دامنه تحقيقاتی است در علم كامپيوتر است كه هدف ايجاد كامپيوتری را
دنبال می‌كند كه بتواند همانند يك انسان استدلال كند.
در معنای خيلی ساده، هوش مصنوعی علم توسعه برنامه‌های كامپيوتری است كه چيزی شبيه به
هوش انسانی را به نمايش در می‌آورند. اين مفهوم هدف را كاملاً مشخص ميكند بدون آنكه وارد بحث
هوشمندی بشويم كه كار بسيار سخت ميشود.
دو معيار هوش انسانی:
از ديدگاه كاربردی، هدف هوش مصنوعی آن بود كه كامپيوترها برای انسان‌ها، كاراتر شوند:
اغلب كارهای جديد صورت گرفته در هوش مصنوعی، جنبه تحقيقات دانشگاهی داشت، مانند ايجاد
بازی شطرنج.
نمونه‌ها:
يكی از بهترين كارهای صورت گرفته در اين دوره، ايجاد حل كننده مسائل عمومی يا GPS بود. GPS تكنيكی بود كه دامنه وسيعی از مسائل را قابل حل ميكرد.
اين تكنيك اولين قدم در راه جدا سازی روش‌های حل مسائل از دانش مسائل بود. در GPS ،مسئله
در غالب state های مختلف بيان می‌شود. برای مثال در بازی شطرنج هر چيدمان مهره‌های شطرنج در
صفحه شطرنج يك حالت است. سپس فاصله بين حالت جاری و حالت هدف (مثلاً كيش و مات)
محاسبه می‌شود. عمليات مناسب (مانند حركت مهره در صفحه شطرنج) انتخاب می‌شود تا روی حالت
جاری اعمال شود و حالت جديدی ايجاد كند كه اميدواريم به حالت نهايی نزديك تر شده باشد. اين
قدمها آنقدر ادامه پيدا ميكند تا به حالت هدف برسيم.
لذا به سرعت فهميدند كه، اين تكنيك GPS برای مسائل پيچيده مناسب نيست.
در سال ١٩٧٠ اين مفهوم قالب شد كه اصولاً هوش مصنوعی در حل مسائل جهان واقعی ناتوان است.
از سال ١٩٧١ تا اين دوره جديد، اوايل ١٩٨٠ دوره افول هوش مصنوعی بود. پيشرفت تكنولوژی
موجب شد تا مجدد هوش مصنوعی ظهوری فعال داشته باشد. اولين جهش در حركت هوش مصنوعی
در برنامه DENDERAL ايجاد شد. اين برنامه از سال ١٩۶۵ مقدماتش در دانشگاه استندفورد به
سفارش NASA آغاز شد.
هدف اين پروژه آن بود كه ناسا بتواند فضا پيمای بدون سرنشينی به ماه بفرستد و توسط يك برنامه
كامپيوتری در آن بتواند خاك ماه را آناليز شيمايی كند و با بدست آوردن داده‌های طيف نگار
جرمی خاک، نوع ساختار مولكولی آن را تشخيص دهد.
روش سنتی برای تشخيص ساختار مولكولی ”توليد و تست“ بود، ساختارهای مولكولی ممكن ابتدا
ايجاد می‌شوند و بعد تست می‌شوند كه آيا می‌توانند با داده‌های طيف نگار جرمی مطابقت داشته
باشند يا خير. مشكل آنجا بود كه در ابتدا ميليون‌ها ساختار ممكن بود ايجاد شود تا بررسی گردد آيا
ساختار مناسبی هست يا خير. لذا تيم تحقيق بدنبال روشی جهت كنترل تعداد توليد ساختارهای
ممكن افتاد.
در اين بين تيم تحقيقاتی متوجه شدند كه شيمی‌دانها ماهر و زيرك، از يك روش ابتكاری كمك
می‌گيرند و همان ابتدا تعداد زيادی از ساختارها را سريعاً حذف می‌كنند. در نتيجه با استخراج آن
دانش و اعمال آنها برنامه‌های كامپيوتر ايجاد شد كه همانند يك فرد خبره عمل می‌كرد. اولين برنامه‌ای
بود كه موفقيتش مرهون دانش مرتبط با مسئله بود، نه تكنيك جستجوی پيچيده.
كار انجام شده، دانشمندان را بر اين داشت كه رفتار هوشمند، آنقدری كه به دانش استدلالی، وابسته
است به تكنيك های استدلال متكی نيست.
لذا گفتند: ”در دانش قدرت نهفته است“ . “power the lies Knowledge the In“
از آنجا بود كه مفهوم سيستمهای دانش پايه يا سيستمهای خبره ظهور كرد.
تعريف سيستمهای خبره: يك برنامه كامپيوتری است و طوری طراحی شده كه توانايی يك فرد خبره را در
حل مسئله مدل می‌كند. دو بخش اصلی در مدل سيستم بايد در نظر گرفت:
لذا دو ماژول در سيستم ديده می‌شود:
پايگاه دانش شامل دانش بسيار خاص مربوط به دامنه مسئله است كه توسط فرد خبره ارائه می‌شود.
شامل حقايق، قوانين، مفاهيم و روابط می‌باشد. برای مثال، ممكن است شامل قوانينی باشد كه توسط
پزشك متخصص جهت تشخيص بيماريهای خونی ارائه می‌شود، يا دانش برنامه‌ريزی سبد سهام باشد كه
توسط مشاور سرمايه‌گذاری ارائه می‌شود.
نحوه كد كردن دانش و وارد كردن آن به پايگاه دانش مربوط به ارائه دانش می‌شود كه در ادامه بحث خواهد شد
موتور استنتاج، پردازنده دانش است كه مدلی از روش استنتاج فرد است.
موتور استنتاج بر اساس اطلاعات فراهم شده برای يك مسئله كار خود را آغاز می‌كند و بر اساس دانش
ذخيره شده در پايگاه دانش، يكسری نتايج و پيشنهادات را ارائه خواهد كرد. نحوه طراحی و پياده‌سازی
اينگونه موتورها در بحث تكنيک‌های استنتاج مورد بررسی قرار خواهد گرفت.
افراد خبره منابع ارزشمند يك سازمان هستند. آنها می‌توانند ايده‌های خلاق و ارزشمندی ارائه كنند،
مسائل سخت را حل كنند، يا وظايف روزمره را بصورت موثر انجام دهند. همكاری آنها می‌تواند بطور
موثری در سودمندی سازمان موثر شود.
اما چرا می‌خواهيم فرد خبره را در يك سيستم خبره مدل كنيم؟
مانند هر ماشينی، يك سيستم خبره می‌تواند بعد از روز كاری فرد خبره، به طور پيوسته و بی وقفه به
فعاليت ادامه دهد. مانند هر برنامه كامپيوتری، به ارزانی می‌توانيم سيستم خبره را كپی كرده و به هر
كجايی كه كمبود فرد خبره احساس می‌شود ارسال كنيم. می‌توان سيستم خبره را به محيطهای
خطرناك فرستاد بدون آنكه نگران آن باشيم كه منبع اصلی دانش را به خطر انداخته ايم.
فرد خبره فناپذير است. بر اثر مرگ، بازنشستگی، تغيير شغل و غيره سازمان از مزايای دانش فرد خبره
محروم خواهد شد. اما اگر بتواند در يك سيستم خبره دانش فرد خبره را كسب كند، مي‌تواند بطور
پيوسته و بدون محدوديت از آن دانش بهره مند شود. همچنين از اين سيستم جهت آموزش كارشناسان
جديد می‌توان بهره برد.
يك سيستم خبره نتايج پايدارتری نسبت به فرد خبره ارائه می‌كند. ممكن است مشكلات شخصی در
كارايی فرد خبره تاثير گذار باشد. در شرايط بحران ممكن است فرد خبره تحت تاثير استرس و كمبود
زمان بخشی از دانش مهم را از خاطر ببرد. اما سيستم خبره احساساتی نمی‌شود و هميشه كارايی آن
يكسان است. سرعت حل مسئله در فرد خبره متاثر است فاكتورهای زيادی است. در مقام قياس،
سيستم خبره هميشه با سرعت يكنواختی و در برخی موارد با سرعت خيلی بهتری نسبت به فرد خبره
می‌تواند مسائل را حل كند. افراد خبره معمولاً گران قيمت هستند، درخواست حقوق بالا و سرويسهای
مجانی زيادی دارند. معمولاً افراد خبره كمياب هستند.
در مقابل سيستم های خبره نسبتا گران هستند. هزينه ايجاد يك سيستم ممكن است در بسياری موارد
بالا باشد اما اين هزينه پس از اجرای سيستم به سرعت جبران می‌شود.
حالتی كه يك سيستم خبره برای جايگزينی يك انسان ايجاد می‌شود عواقب نامطلوبی را نيز در بردارد.
اين مسئله همان تصويری ناخوشايندی را می‌سازد كه انسان‌ها سال‌ها پيش با مشاهده پيشرفت انقلاب
صنعتی(جايگزينی ماشين به جای انسان) با آن مواجه شدند. هرچند كه امكان ايجاد چنين تصوری
وجود دارد اما در عمل استفاده از سيستم خبره به جای انسان تاكنون تاثير نامطلوب نداشته است.
چند دليل عمده ايجاد سيستمهای خبره برای جايگزينی انسان عبارتند از:
برای شرح اينكه چگونه برخی سازمان‌ها از سيستمهای خبره جهت جايگزينی افراد خبره استفاده
كرده‌اند مثال‌های زير آورده می‌شود:
در حفاری‌های شركت Elf زمانيكه مته حفاری با مشكل برخورد می‌كرد، بايد چندين روز و حتی هفته
حفاری را متوقف می‌كردند تا فرد خبره به سايت حفاری برسد. هزينه هر روز صد هزار دلار بود.
علل مشكل تعداد مشخص و ساده‌ای هستند ولی به هرحال فرد خبره بر اساس تجربيات و سنگ‌ها و گل‌ولايی كه در طول حفاری بدست آمده، علت مشكل را تشخيص می‌داد. سيستم خبرهای نوشته شد كه كار فرد خبره را انجام می‌داد و نياز ضروری به حضور فرد خبره در سايت نبود.
شركت Campbell دارای اجاق خوراكپزی بزرگ و گران قيمتی در كارخانجات مختلف است كه در
سراسر جهان توزيع شده‌اند. در مواجه با مشكل معمولاً خود پرسنل اقدام می‌كنند ولی در برخی شرايط
مجبور می‌شوند منتظر فرد خبره بمانند كه ضرر بسيار زيادی به شركت تحميل می‌شود. آقای Aldo
فرد متخصصی است كه در شركت با حدود ۴۴ سال سابقه كار می‌كرد و اغلب مشكلات اساسی كارخانجات منوط به كمك ايشان بود. با نزديك شدن دوره بازنشستگی ايشان شركت به فكر ذخيره دانش ايشان به فرم يك سيستم خبره افتاد تا هم در رفع نقص اجاق‌ها و هم در آموزش پرسنل جديد كمك بگيرد.
در پست بعدی در مورد ویژگی‌های سیستم خبره صحبت می‌کنیم.
منبع:
کتاب: Expert Systems Design and Development
نوشته: John Durkin
