سیستم‌های خبره

سیستم‌های خبره

اسلاید 1: 1

اسلاید 2: بنام خداسیستمهای خبرهمحمدرضا کارگران2

اسلاید 3: 3مروری کلی بر هوش مصنوعی (1940 به بعد) و سیستمهای خبره- هوش مصنوعی: زیر شاخه ای از علم کامپیوترکه استفاده از کامپیوتر را در مواردی که نیاز به پردازش دانش، استدلال، آموزش، یادگیری و انجام امور ادراکی مشابه انسان می باشد، ممکن می سازد.- مجموعه روشهای ایجادکننده زیربنای لازم برای انجام عملیات هوشمند توسط کامپیوتر- کاربردهای اصلی: پردازش زبان طبیعی، سیستمهای بینایی، پردازش صوت و تصویر، ربات ها، عاملهای نرم افزاری و سیستمهای خبره

اسلاید 4: 4مروری کلی بر هوش مصنوعی (1940 به بعد) و سیستمهای خبره- هوش مصنوعی: زیر شاخه ای از علم کامپیوترکه استفاده از کامپیوتر را در مواردی که نیاز به پردازش دانش، استدلال، آموزش، یادگیری و انجام امور ادراکی مشابه انسان می باشد، ممکن می سازد.- مجموعه روشهای ایجادکننده زیربنای لازم برای انجام عملیات هوشمند توسط کامپیوتر- کاربردهای اصلی: پردازش زبان طبیعی، سیستمهای بینایی، پردازش صوت و تصویر، ربات ها، عاملهای نرم افزاری و سیستمهای خبره

اسلاید 5: 5سیستمهای خبره (توسعه تجاری 1980 به بعد) (Expert Systems, ES)- ابزارهای کامپیوتری که همانند یک متخصص در حوزه تخصصی خود، در مسائل مربوط به آن حوزه مشاوره می دهند و در صورت لزوم تصمیم گیری می نمایند.- کاربرد در زمینه های تجارت، ساخت و ساز، پزشکی (سه مورد اول پرکاربردترین حوزه ها)، شیمی، ارتباطات، کامپیوتر، آموزش، الکترونیک، زمین شناسی، تصویرپردازی، مهندسی، حقوق، هواشناسی، امور نظامی، اکتشاف معدن، تولید انرژی، امور فضایی و حمل و نقل- کاربرد بر اساس نوع مسئله به ترتیب کثرت کابردها: تشخیص، تفسیر، تجویز، طراحی، برنامه ریزی، آزمایش، کنترل، آموزش، پیش بینی و انتخاب

اسلاید 6: :es 1) - سیستم هایی هستند بر پایه دانش که از دانش ذخیره شده در خود استفاده میکنند تابه عنوان مشاور عمل نمایند که با استفاده از دانش ورویهء استنتاجی به حل مسائل میپردازد. 2) - سیتم هایی هستند که درمحیط برنامه سازی منطقی نوشته میشوند . 3) - تقلیدی از نیروی فکر و مغزانسان است که از طریق آن سعی میشود رفتار انسان شبیه سازی شود 6

اسلاید 7: :(es کاربردها ی سیستم های خبره ( )- مسایل ساخت یافته : مانند سیستم بیمه اتومبیل 2)- مسایل نیم ساخت یافته : مانند پیش بینی نوسانات بازارسهام (که سیستم مکا شفه ای و از آمارو احتمالات استفاده میشود). سیستم های خبره ازبايگاه دانش موجود در خود استفاده ميكنند كه شامل دو بخش ميباشند: 1)- قوانين:عمومي بوده كه تمام متخصصين روی آن اتفاق نظر دارند 2)-ابتكاري واكتشافي: مانند قوانين منطق و حدس هاي مناسب .7

اسلاید 8: 8مزایای ES در مقایسه با افراد خبره- همواره در دسترس (24 ساعته)- نداشتن محدودیتهای جغرافیایی و قابلیت نسخه برداری- عدم برخورداری از مرگ و میر و بازنشستگی و ترک سازمان- یکنواختی در رفتار به دلیل عدم برخورداری از حالات روحی و روانی مختلف- هزینه کمتر نسبت به افراد خبره خصوصا در امور تکراری- نگهداری دانش و قابلیت یاددهی خصوصا با ابزار تشریح نتایج* فرد خبره خلاقیت بیشتری دارد، قابلیت یادگیری بیشتری نسبت به کامپیوتر دارد و انعطاف پذیر تر است.

اسلاید 9: - قاعده ای : پرکاربردترین – استفاده از منطق - مفهومی - چارچوبی مثال جمله ای : - یک فرد 18سال مذکر باید به سربازی برود- علی 18 سال دارد - علی مذکر است پردازش در es نتیجه گیری : علی باید سربازی برود

اسلاید 10: گزاره ای : که علاوه برمنطق جمله ای استفاده از روابط و سورهای ریاضی در واقع این قاعده ها در پایگاه دانش es میباشد این قاعده ها دارای 2 بخش می باشد: مقدم (اگر ) تالی (آنگاه) مثال : اگر معدل زیر 12 آنگاه مشروطی.

اسلاید 11: حال اجرای این قاعده 2 راه دارد:1- پیش رو : از حالت اولیه رسیدن به هدف “مثال پاسخگویی تلفنی یک زنجیره پیش رو است “سیستم در ابتدا به مشتری اطلاع میدهد . با فشار هر کلید توسط کار بر سیستم به شاخه موردنظر میرود وکار را ادامه میدهد . برای امور مشترکین کلید1 را فشار دهید 2- پس رو: کار بر سوال به سیستم میدهد وسعی میکند جواب آن را بیابد سئوال : بهترین حرکت را از سیستم میپرسد ؟ سیستم حالتهای مختلف را با هم مقایسه میکند وبهترین حرکت را مشخص می کند. مانند: بازی شطرنج

اسلاید 12: 12بخشی از مکالمه بیمار با سیستم خبرهآیا خالی روی بدن وجود دارد؟کاربر: بلهخال های چه رنگی وجود دارد؟ کاربر: قهوه ای مایل به قرمز آیا خالهای بیشتری روی بدن مشاهده می شود؟ کاربر: خیر بیمار سرخک دارد.

اسلاید 13: 13معماری سیستم خبرهشیوه متخصص در حل مسائل: ترکیب دانش تخصصی موجود در حافظه بلندمدت (پایگاه دانش) خود با حقایق جمع آوری شده در مورد مساله در حافظه کوتاه مدت و نهایتا استنتاج و تصمیم گیریموتور استنتاجتشریح نتایجپایگاه دانشبرنامه های خارجیواسط سازندهواسط کاربرحافظه کاریمهندس دانشکاربر

اسلاید 14: 14اجزاء اصلی سیستم خبره- پایگاه دانش: محل ذخیره سازی دانش متخصصین یک حوزه، دانش مجموعه ای از آموخته ها، تجارب، مهارتهای فردی یا گروهی متخصصین در یک حوزه- موتور استنتاج: مسئول استنتاج و استدلال، استدلال فرایند بکارگیری دانش موجود در پایگاه دانش بر روی حقایق حاصل از تعامل با کاربر است. شیوه استنتاج می تواند بصورت Backward یا رو به عقب (نفی یا اثبات یک هدف از قبل مشخص) یا بصورت Forward یا روبه جلو (رسیدن به هدفی که از قبل نمی دانیم) باشد. - استنتاج قیاسی: 1- علی یک برنامه نویس است. 2- تمام برنامه نویسان پولدار هستند. 3- پس علی پولدار است.

اسلاید 15: 15اجزاء اصلی سیستم خبره- حافظه کاری: داده هایی که به طور مختلف در اختیار سیستم خبره قرار می گیرد و به طور موقت در حافظه کاری سیستم ذخیره می شود. این داده ها شامل پاسخ های کاربر به پرسشهای سیستم، واقعیات همواره درست، اطلاعات کسب شده از بانکهای اطلاعاتی و حقایق بدست آمده در پروسه استنتاج می تواند باشد.- واسط کاربر: کاربر فردی است که با سیستم کار می کند و در خواست مشاوره می کند و واسط کاربر ابزارهای سخت افزاری و نرم افزاری ارتباط کاربر با سیستم است.- واسط سازنده (Acquisition Module): پیمانه ای از یک پوسته سیستم خبره که به وسیله آن مهندس دانش می تواند قوانین مربوط به سیستم را به یکی یا هر دو طریق زیر وارد پایگاه دانش کند:

اسلاید 16: 16اجزاء اصلی سیستم خبرهالف- بصورت دستی: مثلا به شکل قوانین ساخته شده با کمک متخصصین (If Then)ب- از طریق ورود مثالها و موارد گذشته و یادگیری آن توسط سیستم خصوصا در شرایطی که نتوان دانش را بصورت قانون درآورد.- برنامه های جانبی: برنامه هایی که به نوعی با سیستم اصلی در تعامل اند. مثل انواع بانکهای اطلاعاتی، صفحه گسترده ها، نرم افزارهای آماری جهت انجام پیش بینی، برنامه های نوشته شده در زبان های برنامه نویسی- تشریح نتایج: توضیح در رابطه با How (چطور برنامه به یک نتیجه خاص رسیده) و Why (چرا سوال معینی را در فرایند استنتاج پرسیده). از این ویژگی می توان جهت اصلاح و کشف خطاهای احتمالی سیستم استفاده کرد.

اسلاید 17: 17تفاوتهای ES و DSS- DSS عمدتا متکی بر نوعی مدل ریاضی و بهینه سازی لیکن ES مدل ریاضی ندارد.- DSS اغلب پشتیبانی در تصمیم گیری ولی ES سعی در جایگزینی فرد خبره و تصمیم گیری- نوع مسئله در ES بسیار باز و ناساختیافته ولی در DSS حداکثر نیمه ساختیافته- DSS تصمیم گرا بوده لیکن ES سعی در انتقال تخصص و خبرگی به کاربر دارد.

اسلاید 18: 18ابزارهای ایجاد سیستم- زبان هایی مثل PROLOG (برنامه نویسی منطق) و Lisp جهت توسعه برنامه های کاربردی هوش مصنوعی، لیکن کاربرد آنها برای ES دشوار است.- در رابطه با سیستمهای خبره از پوسته ها (Shells) استفاده می شود. پوسته ها نقطه شروعی برای ساخت ES ها هستند. در واقع سیستمهای خبره ای هستند که هنوز خالی از قوانین هستند بدین معنا که توسعه دهندگان فقط بر ساختار پایگاه دانش تمرکز داشته و نگرانی بابت بخشهای دیگر نظیر موتور استنتاج و ... ندارند. انواع پوسته ها مثل AM، Level 5 Object و VP Expertو ...- Toolkitها: جعبه ابزارها در واقع محیط های حرفه ای ساخت برنامه های هوشمند هستند که برای کارهای حرفه ای استفاده می شوند و جایگزین Shell ها می شوند. زمان ساخت سیستم با آنها به طبع طولانی تر است.

اسلاید 19: 19معرفی تعدادی از سیستمهای نمونه1- XLAYER، کاربرد در کشاورزی: ارائه مشاوره های مدیریتی برای سرپرستان واحدهای نگهداری دام و طیور در تشخیص و تخمین ضایعات مرتبط با امور دام، دارای قابلیت تشخیص موارد مختلف دیگر در زمینه تغذیه، انبارداری، بیماریها و ...، سازنده سیستم: دانشگاه ایالتی ارگان2- Lending Advisor، کاربرد در تجارت: ارائه کمک و مشاوره به مسئولین ارائه وامهای بانکی در رابطه با مسائل مربوط به وام دهی به شرکتهایی با درآمد سالانه بین 5 تا 150 میلیون دلار، محاسبه ریسک وام دهی به شرکتهای متقاضی وام با توجه به نقاط قوت و ضعف و وضعیت گذشته وام گیری، سازنده سیستم: بانک های فارگو و راکویا

اسلاید 20: 20معرفی تعدادی از سیستمهای نمونه1- OMAX، کاربرد در کشاورزی: ارائه مشاوره های مدیریتی در رابطه با استراتژی روزانه آبدهی، بارورسازی، میزان استفاده از مواد برگ زدا و شکوفه ساز غوزه پنبه، مشاوره های سیستم بر اساس گزارشات رسیده از وضعیت آب و هوا، ویژگیهای خاک و ... صورت می گیرد. سازنده سیستم: واحد تحقیقات شبیه سازی محصول در ایالت میسی سیپی2- BERT، کاربرد در تجارت: ارائه کمک و مشاوره به بازرسان بانکی در ارزیابی وضعیت مالی بانک ها، این سیستم داده های مورد نیاز خود را از کامپیوتر مرکزی واقع در اداره کنترل پول، دریافت و به تحلیل می کند.

اسلاید 21: 21معرفی تعدادی از سیستمهای نمونه1- FFRDA، کاربرد در محیط: ارائه کمک و مشاوره در رابطه با اعزام و سایل مبارزه با آتش سوزی جنگلها، سازنده سیستم: موسسه جنگل بانی ملی کانادا2- HPA، کاربرد در هواشناسی: این سیستم جهت پیش بینی تگرک در نتیجه مشاهده یک طوفان سنگین در دشتهای پر ارتفاع منطقه کلرادو آمریکا ایجاد گردیده است. خروجی سیستم در واقع معرف شدت طوفان بوده که از طریق آن می توان احتمال وقوع تگرک را برآورد نمود. سازنده: سرویس هواشناسی ملی آمریکا

اسلاید 22: 22مراحل توسعه سیستم1- کسب دانش و معتبرسازی آن (Knowledge Acquisition and Validation)2- نمایش دانش (Knowledge Representation)3- استنتاج و تشریح (Inference and Explanation)

اسلاید 23: 23کسب دانشتوسط مهندس دانش از طریق افراد خبره صورت می گیرد. مهندس دانش باید از حوزه تخصصی مربوطه دارای شناخت کافی باشد. بخشی از دانش را از کتب و مستندات به روز شده کسب می کند و بخشی دیگر را با ابزارهایی نظیر مصاحبه (باز یا ساختیافته) مشاهده ساخت نمونه اولیه (Prototype) بدست می آورد.

اسلاید 24: 24نمایش دانش- سه روش معروف: قوانین تولید (Production Rules)، شبکه های معنایی و قاب ها (Frames)- قوانین تولید: فرم کلی: عمل ها یا نتایج (Then) (شرط ها)If- مثال 1: سرعت ما شین بسیارزیاد باشد If پای خود را روی ترمز فشاردهید Then - مثال 2: اتاق تاریک است و اتاق سرد است If بهترین گیاه خانگی پیچک است Then - مثال 3: چراغ ها خاموش هستند If باتری اتومبیل تمام شده است Thenروش نمایش ساده و پرکاربرد، لیکن هر دانشی را نمی توان بدین شکل نمایش داد مثلا تاریخچه و سوابق بیمار

اسلاید 25: 25نمایش دانش- شبکه های معنایی: شامل مجموعه ای از گره ها و ارتباطات، گره ها نماینده اشیا یا مفاهیم بوده و ارتباطات روابط بین آنها را نشان می دهد. از مزایای این روش اشغال کمتر فضای حافظه و مفید برای نمایش دانش اعلانیپرندهپر و بالقناریکبوترIS AIS AHas

اسلاید 26: 26نمایش دانشقاب ها: تکه ای ساختاریافته از اطلاعات پیرامون خصوصیات، مشخصات یا رفتارهای یک شیء، یک موجودیت یا یک رویداد. هر قاب از بخش هایی به نام شیار Slot که شامل صفاتی از آن موجودیت می باشند تشکیل می شود. مثلا نمایش یک قاب برای موجودیتی مثل حیوانFrame animalName RoverIS-A DogNumber of Legs Default=4

اسلاید 27: 27استنتاجموتور استنتاج عمل استنتاج را انجام می دهد . به این صورت کار می کند که یک قانون را برای تست انتخاب می کند و بررسی می کند آیا شرایط آن برقرار است یا خیر؟ این شرایط ممکن است از طریق سوال از کاربر بررسی شود و یا ممکن است از واقعیت هایی ناشی شود که در طول محاسبه به دست آمده اند.مثال در سیستم خبره مشاور در مورد گیاهان خانگی:قانون 1: اگر اتاق سرد باشد و نور اتاق کم باشد، آنگاه بهترین گیاه پیچک است.قانون 2: اگر دما کمتر از 55 درجه باشد آنگاه اتاق سرد است.قانون 3: اگر اتاق آفتاب گیر نباشد نور اتاق کم است.

اسلاید 28: 28استنتاجاگر موتور استنتاج سعی در اثبات قانون 1 داشته باشد آنگاه نیاز دارد بررسی کند که ” اتاق سرد است“ و ”نور اتاق کم است“شرط اول با اثبات قانون دوم و سوم به دست می آید. پس بر اساس قانون 2 از کاربر در مورد دمای اتاق می پرسد، فرض کنید کاربر 45 درجه را وارد کند. بر اساس قانون 3 آفتاب گیر بودن اتاق را می پرسد، فرض کنید پاسخ کاربر منفی باشد. پس قوانین 2 و 3 درست هستند بنابراین قانون 1 نیز درست است.

اسلاید 29: 29مثال از یک سیستم خبره پزشکی (پایگاه دانش و شیوه استنتاج)ق-1- اگر احتمالا فشار خون بالا باشد آنگاه خطر سکته قلبی بالاست.ق-2- اگر احتمالا فشار خون پایین باشد آنگاه خطر سکته قلبی پایین است.ق-3- اگر مصرف چربی زیاد باشد و بیمار مصرف نمک بالا داشته باشد آنگاه فشار خون احتمالا بالاست.ق-4- اگر مصرف چربی پایین باشد و بیمار مصرف نمک پایین داشته باشد آنگاه فشار خون احتمالا پایین است.ق-5- اگر مصرف چربی در هفته بیش از 300 گرم باشد آنگاه مصرف چربی بیمار زیاد است.ق-6-اگر مصرف چربی در هفته کمتر از 100 گرم باشد آنگاه مصرف چربی بیمار پایین است.ق-7-اگر مصرف چربی در هفته بین 100 تا 300 گرم باشد آنگاه مصرف چربی بیمار متوسط است.ق-8- اگر مصرف نمک در هفته بیش از 5 گرم باشد مصرف نمک بالاست.

اسلاید 30: 30مثال از یک سیستم خبره پزشکی (پایگاه دانش و شیوه استنتاج)هدف: یافتن بالا بودن خطر سکته قلبی:ابتدا ق-1 سپس ق-3 سپس بر اساس ق-5 و ق-8 ، 2 پرسش زیر از کاربر پرسیده می شود:1- مصرف چربی بیمار چقدر است؟2- میزان مصرف نمک چقدر است؟