هوش مصنوعی و زیر شاخه های آن در سیستم های اطلاعاتی

هوش مصنوعی و زیر شاخه های آن در سیستم های اطلاعاتی

اسلاید 1: بسم الله الرحمن الرحیم   هوش مصنوعی و زیر شاخه های آن در سیستم های اطلاعاتی   سپهر سرخانی دانشجوی کارشناسی مدیریت بازرگانی استاد راهنما: خانم دکتر شیما صادق   نیمسال اول 93-94 دانشگاه علامه طباطبایی

اسلاید 2: موضوعات مورد بحثمدیریت دانش انواع اصلی سیستم های مدیریت دانشهوش مصنوعیسیستم های خبره سیستم های پیچیده منطقیشبکه های عصبیالگوریتم های وراثتیسیستم های ترکیبیواسطه های هوشمندنتیجه گیری

اسلاید 3: مدیریت دانش Knowledge-Management مدیریت دانش مجموعه ای از فرآیندهای ایجاد , ذخیره سازی , تبادل و کاربرد دانش در سازمان است. امروزه دانش به هسته ی مرکزی اثر بخشی و دارایی راهبردی سازمان و مزیت رقابتی بالقوه آن تبدیل شده است.رشد نرم افزارهای سالانه تنها 6% ولی رشد نرم افزارهای مدیریت دانش 35% 55% از نیروی کار در آمریکا شامل «کارکنان دانشی» هستند. 60% از کل محصولات ایالت متحده در بخش اطلاعات و دانش , تولید میشود. تفاوت های فاحشی بین داده , اطلاعات , دانش و آگاهی وجود دارد. دانشی که در اذهان کارکنان جای گرقته و مستند نشده است «دانش خاموش» نامیده میشود. در مقابل دانش مستند شده , دانش آشکار نامیده میشود. مدیریت دانش 80% به مدیریت و سازمان و 20% به فن آوری بستگی دارد.

اسلاید 4: انواع اصلی سیستم های مدیریت دانش روش های هوشمندسیستم های کار دانشسیستم های مدیریت دانش در بنگاه های اقتصادی

اسلاید 5: هوش مصنوعی Artificial intelligence در ابتدا به زیر بناهای هوش مصنوعی اشاره ی مختصری می کنیم:فلسفه (450 ق.م) به زعم هربرت دريفوز داستان هوش مصنوعي در اصل در حدود سال 450 ق.م آغاز شده است.AIكوششي است در جهت هوشمند سازي رایانه. رياضيات :فلاسفه بيشتر ايده هاي مهم AI را را ذكر كرده اند، اما براي ارتباط آن ها با دانش نظري، نياز به تدوين فرمول رياضي :محاسبات ، منطق و احتمالات است.روانشناسي :اين نگرش كه مغز دارنده و پردازش كننده اطلاعات است ،مشخصه اصلي روانشناسي شناختي را تشكيل مي دهد . . در روانشناسي به مكانيزم دريافت محرك ها ، پردازش در فيلترهاي ادراكي و سپس رفتار پرداخته مي شود . يعني AI در مدلسازی ذهن به دنبال آن است . مهندسي كامپيوتر :. بخش نرم افزاري علوم كامپيوتر كه سيستم هاي عامل ، زبان ها برنامه نويسي و ابزارهاي مورد نياز براي تهيه برنامه هاي مدرن را تهيه نمودهزبان شناسي :بيشتركارهاي صورت گرفته بر بروي بازنمايي دانش يعني مطالعه اين كه چگونه دانش را به گونه هايي تبديل مي كنيم كه قابل استفاده كامپيوتر جهت استدلال گردد با زبان گره خورده است . همچنین میتوان به نظریه کنترل و سایبرنتیک: تحت کنترل در آوردن محصولات مصنوعی.ثبات و پایداری , طراحی عامل بهینه , علوم عصبی:نحوه پردازش اطلاعات توسط مغز و اقتصاد:نظریه تصمیم های عقلایی , نظریه بازی ها اشاره کرد.

اسلاید 6: هوش مصنوعی Artificial intelligence تعاریف مختلف هوش مصنوعی از ابتدا:1- ماشینی که مانند انسان فکر کند.2-ماشینی که مانند انسان عمل کند. (تست تورینگ) (1950) (رویکردی نوین به AI)3- ماشینی که توانایی عقلایی فکر کردن دارد.4-ماشینی که توانایی عقلایی عمل کردن را داشته باشد.هوش مصنوعی به دنبال حداکثر سودمندی مورد انتظار است.

اسلاید 7: هوش مصنوعی Artificial intelligence تعاريف گوناگوني از هوش كه مترادف با واژ ه ي انگليسي Intelligence می باشد شده است , از آن جمله در در لغت نامه ي بريتانيكا (2012) هوش اينگونه تعريف شده است: توانايي سازگاري موثر با محيط، چه از طريق ايجاد تغيير در فرد يا محيط و يا يافتن يك چيز جديد»تعریف دیگر:هوش میزان دسترسی به تجربه هایی است که فرد برای حلّ فوری مسائل و پیش بینی مسائل جدید در اختیار دارد» هوش مصنوعي روشي است براي هوشمند سازي كامپيوتر جهت اخذ تصميم هاي پيچيده . AI علاوه بر سعي در جهت شناسايي مولفه هاي تشكيل دهنده تفكر و رفتار سعي در بازسازي آن ها در غالب يك برنامه كامپيوتري شده است. هوش مصنوعی برخی روش های هوشمندی را که سازمان به وسیله ی آن به جمع آوری دانش فردی می پردازد و آنرا به پایگاه های بیشتر گسترش می دهد , ارایه می کند.

اسلاید 8: هوش مصنوعی Artificial intelligence عامل های هوشمند که پیکره ی اصلی آن هوش مصنوعی است چگونه عمل می کنند؟!

اسلاید 9: هوش مصنوعی Artificial intelligence 1943, مک کولوچ و والتر پيتز: ارايه مدل نرون مصنوعي بيتي( دو حالته) قابل يادگيري به منظور محاسبه هر تابع قابل محاسبه.1950، آلن تورينگ اولين بار ديد کاملي از هوش مصنوعي را تحت عنوان “ محاسبات ماشيني و هوشمند” ارايه نمود.1951، هينسکي و ادموندز اولين کامپيوتر شبکه عصبي را طراحی کردند.1952، آرتور سامويل: برنامه اي ساخت که ياد ميگرفت بهتر از نويسنده اش بازي کند؛ در نتيجه اين تصور را که “کامپيوتر فقط کاري را انجام ميدهد که به آن گفته شود” نقض کرد.1956،نشست کارگروهي دورتموند: انتخاب نام هوش مصنوعي1959، هربرت جلونتر: برنامه(GTP) را ساخت که قضايا را با اصل موضوعات مشخص ثابت مي کرد.1958، جان مک کارتي: تعريف زبان ليسپ که بهترين زبان هوش مصنوعي شد.1958-1973، جيمز اسلاگل: برنامه حل مسايل انتگرالگيري فرم بستهتام ايوانز: برنامه حل مشابهت هاي هندسيدانيل بابروز: برنامه حل مسايل جبريديويد هافمن: پروژه محدوده بينايي روبات در جهان بلوکهاديويد والتز: سيستم بينايي و انتشار محدودپاتريک ونيستون: نظريه يادگيري

اسلاید 10: هوش مصنوعی Artificial intelligence (1973-1966) کند شدن مسير تحقيقات هوش مصنوعی پيچيده شدن الگوريتم برنامه های جديد برنامه ترجمه متون انجام ناپذيری بسياری از مسائلی که سعی در حل آنها بود عدم موفقيت اثبات قضايا با مفروضات بيشتر(1969- 1979) سيستم های مبتنی بر دانش1980 تا کنون: تبديل هوش مصنوعی به يک صنعت 1986 تاکنون: برگشت به شبکه های عصبی1987 تاکنون: هوش مصنوعی به علم تبديل ميشود1995 تاکنون: ظهور عاملهای هوشمند

اسلاید 11: هوش مصنوعی Artificial intelligence کاربردهای هوش مصنوعی از نگاه نورلاندو

اسلاید 12: هوش مصنوعی Artificial intelligence یک مثال کاربردی:هوش مصنوعی در مدیریت پروژهکتاب دوجلدی دکتر ایرانمنش 1390به منظور تالیف جلد اول این کتاب، بیش از ۲۰۰۰ ساعت زمان برای مطالعه ۱۱۰ مقاله علمی در بخش های مروری و بررسی نزدیک به ۱۰۰ مرجع دیگر برای مطالب سایر بخش ها صرف شده است. علاوه بر این، حدود ۳۰۰۰ ساعت زمان برای انجام مطالعات موردی کاربردی صرف شده است.موفقیت در مدیریت پروژه : 1- استفاده از ابزارها ( مخصوص مهندسان) 2-مدیریت افراد درگیر 3-ایجاد و جاری سازی سیستم هاهوش مصنوعی با الگو برداری از انواع هوشمندی در موجودات زنده قادرند تا گستره ی پهناوری از مسایل موجود در مهندسی و مدیریت را مدلسازی , بهیته سازی و یا تحلیل نمایند.حوزه های کاربرد:1- مدیریت محدوده پروژه 2- مدیریت زمان پروژه 3-مدیریت کیفیت پروژه 4-مدیریت هزینه ی پروژه 5-مدیریت منایع انسانی پروژه

اسلاید 13: سیستم های خبره Expert Systemیکی از روش های هوشمند که زیر مجموعه هوش مصنوعی است.دانش خاموش را از تجربیات افراد خبره جداسازی می کند.دانش مهارتی کارکنان خبره را به صورت مجموعه ای از قوانین در یک سیستم نرم افزاری ایجاد می کند.سیستم های خبره وسعت دانش یک فرد متخصص و درک اصول بنیادی را ندارند.آن ها عموما وظایف محدودی را که توسط افراد حرفه ای قابل انجام است در زمان کمتری انجام می دهند. (تشخیص احتراق خودرو یا تعیین اعتبار افراد برای دریافت وام)امروزه سیستم های خبره به طور گسترده ای در تصمیم گیری های ساختاریافته در سازمان ها استفاده می شود.به سازمان کمک می کند که با افراد کمتری تصمیمات بهتری را بگیرند.

اسلاید 14: سیستم های خبره Expert Systemالفاگر درآمد>5000درمورد اقساط بپرس اگر نه خارج شوباگر مبلغ هر قسط < 10% از درآمد بود در مورد مبلغ رهن بپرس اگر نه خارج شودسپس در مورد سابقه کار سوال کنواگر سابقه < 4 سال بود از سایر بدهی ها بپرسزاگر سایر بدهی های فرد < از 5% درآمد سال بوده , برو به 2 , اگرنه برو به 3راگر سابقه > از 4 سال بود , تا حد 10000 اعطا کن اگر نه برو به وجاگر مبلغ رهن < 20% از درآمد بود اعتبار اعطا کن اگر نه خارج شو1اعطای اعتبار2اعتبار تا حد 100003اعتبار تا حد 3000مد اگر – پسIf-then model

اسلاید 15: سیستم های خبره Expert Systemکالبد هوش مصنوعی میتواند به سرعت تعاملات کاربر را ایجاد , پایگاه دانش را تولید و راهبردهای جستجوی نتایج را ارایه دهد.چستجو توسط موتو جستجو انجام میشود.به 2 روش:1- زنجیره ای رو به جلو2- زنجیره ای رو به عقب

اسلاید 16: سیستم های خبره Expert System

اسلاید 17: سیستم های خبره Expert Systemکاربرد دیگر:پياده سازي مديريت كيفيت فراگير در سازمان TQM که میتوان به سیستم خبره QCES اشاره کرد.

اسلاید 18: سیستم های خبره Expert Systemموانع و مشکلات سیستم های خبره:عدم توانایی حل مسایل انتزاعیهزینه بر زمان برپذیرش سیستم توسط مدیریت و کارکناندشواری کسب دانش از افراد خبرهکمبود بودجهفقدان بخش خصوصیاقتصاد انحصاریعدم رعایت قوانین Copy-rightسرعت در پردازش کامپیوترهای معمولی سیستم های خبره انسانهامیزان پیچیدگی مسایل

اسلاید 19: استدلال مبتنی بر مورد Cased-Based Reasoningدر استدلال مبتنی بر مورد , تجربه های افراد خبره , که به صورت موردی ارایه شده اند , در یک پایگاه داده ذخیره میشوند تا هرگاه کاربر با مورد تازه ای با ویژگیهای مشابه برخورد کرد از آن ها استفاده کند.سیستم های خبره از مجموعه ای ضوابط اگر – پس استفاده می کنند. ولی در استدلال مبتنی بر مورد , دانش به صورت مجموعه ای از مواردی ارایه میشود که به صورت مداوم توسط کاربران پالایش و گسترش داده میشود.

اسلاید 20: سیستم های پیچیده منطقی (فازی) Fuzzy Logic Systemمنطق فازی بر خلاف منطق باینری است.استاد لطفی زاده از بزرگان این پارادایم است.هیچ چیز 0 و1 نیست و در یک طیف قرار می گیرد.مثال : پارک کردن در جای نامتعارفتثبیت کننده تصویر دیجیتال , کنترل خودکار ترافیک، دوربین‌های فیلمبرداری، ماشین‌های لباسشویی هوشمند، سیستم‌های تشخیص هویت از روی اثر انگشت یا تصویر مردمک چشم و غلط یاب تایپی در نرم افزارهای ویرایش متن , کنترل خودکار دمامنطق فازی دارای تعاریف غیر دقیق است.محدوده ی تعاریف دارای هم پوشانی هستند.«اگر دما خنک یا سرد و رطوبت پایین است در حالی که باد میوزد و دمای بیرون پایین است , پس گرما و زطوبت اتاق را بالا ببر»

اسلاید 21: شبکه های عصبی Neural networksدرآمدسن و سابفهبدهیخوببدشبکه های عصبی در مدل های پیچیده , جهت حل مشکلاتی که کمتر درک می شوند و در حجم عظیمی از اطلاعات پنهان شده اند , استفاده میشود.یک شبکه عصبی دارای تعداد زیادی گره های حس کننده و پردازش کننده است که به طور مداوم با یکدیگر در ارتباط هستندسیستم های خبره : تقلید , تخصصی شدن زیاد , عدم انعطاف پذیریشبکه های عصبی : قراردادن هوش مصنوعی در سخت افزار , یادگیری همگانیبرخلاف سیستم های خبره نمیتوانند توضح دهند چرا این راه حل خاص را دنبال می کنند.شاید با همان داده های اولیه به راه حل مشابه نرسند یا همواره بهترین راه حل ارایه کنند.به عنوان کمک برای تصمیم گیران و نه جاگزین آنهاکاربرد: تشخیص روند عملکرد سهام , رده بندی اوراق قرضه , پیش بینی ورشکستگی , تصویب اعتبار مشتری

اسلاید 22: الگوریتم ها وراثتی Genetic Algorithmsالگوریتم های وراثتی (با نام دیگر محاسبه انطباقی) , با آزمودن تعداد زیادی از راه حل های ممکن , برای مسایل خاص , راه حل بهینه را ارایه می دهند.مبتنی بر فرآیند تکامل است.با تغییر و ترکیب راه حل ها , بدترین آنها ازدور خارج شده و بهترین آنها باقی می مانند تا به تولید راه حل های بهتر ادامه دهند.در بسیاری از مسایل مانند: کم کردن هزینه ها , افزایش سود , زمان بندی کارآمد و استفاده بهینه از منابع محدود با موضوع بهینه سازی در ارتباط هستند.در نرم افزار مدیریت زنجیره تامین از GA استفاده میشود . الگوریتم های ژنتیکی با تحلیل های بخش بندی بازار به تحقیقات بازار کمک میکنند.امروزه از GA در پیش بینی ورشکستگی استفاده ی زیادی میشود: به طوری که GA با ترکیب متغیرهای گوناگون مشخص می کند که سازمان ورشکسته خواهد شد یا خیر.

اسلاید 23: سیستم های ترکیبی Soft Computingالگوریتم ها ژنتیکی , منطق پیچیده , شبکه های عصبی و سیستم های خبره را می توان در یک نرم افزار کاربردی به صورت یکپارچه درآورد تا از مزیت ترکیب ویژگیهای این فن آوری ها استفاده کرد.این گونه سیستم ها را سیستم های ترکیبی می نامند.

اسلاید 24: نتیجه گیریبا توجه به نفوذ هوش مصنوعی زیر شاخه های آن در مدیریت سازمان ها ، شناخت این علم نو ظهور و استفاده از آن در سازمان ها و شرکت ها ، براي بقا و ترقی آنها امري لازم است. در حقیقت با توجه به گسترش و پیشرفته شدن این سیستم ها، سازمان هاي کوچک و بزرگ دیگر نمی توانند با نادیده گرفتن آنها در سطوح مختلف مدیریتی، به بقا و پیشرفت خود امیدوار باشند. داشتن دانش و اطلاعات به روز ودقیق براي اخذ تصمیمات مهم ، سریع و آنی عامل موفقیت مدیران است که امروزه توسط سیستم هاي خبره که زیر مجموعه ي هوش مصنوعی هستند، بدست می آید.در این ارایه سعی بر آن شد که شمای کلی و مفهوم واژگان توضیح داده شود . هر کدام از مطالب ذکر شده خود دارای توضیحات بسیار مفصل و سیگینی می باشند که طبیعتا نمیشود همه ی آنها را ذکر کرد.