الف – پرداخت وجه بحساب وب سایت ایران ترجمه(شماره حساب)ب- اطلاع جزئیات به ایمیل irantarjomeh@gmail.comشامل: مبلغ پرداختی – شماره فیش / ارجاع و تاریخ پرداخت – مقاله مورد نظر --مقالات آماده سفارش داده شده پس از تایید به ایمیل شما ارسال خواهند شد.
قیمت
قیمت این مقاله: 48000 تومان
(ایران ترجمه - Irantarjomeh)
توضیح
بخش زیادی از این مقاله بصورت رایگان ذیلا قابل مطالعه می باشد.
Principles of Expert Systems – Chapter 1: Introduction
تعداد صفحه به فارسی
۳۷
تعداد صفحه به انگلیسی
۱۶
کلمات کلیدی به فارسی
سیستم های خبره
کلمات کلیدی به انگلیسی
Expert Systems
مرجع به فارسی
پیتر جی اف لوکاس – لیندا سی ون در گاگ
مرکز علوم ریاضی و کامپیوتر، آمستردام
مرجع به انگلیسی
Peter J.F. Lucas & Linda C. van der Gaag; Centre for Mathematics and Computer Science, Amsterdam, published in 1991 by Addison-Wesley
کشور
هلند
اصول سیستم های خبره
فصل ۱٫ مقدمه
در دهه گذشته علاقه به نتایج تحقیق هوش مصنوعی تا اندازه زیادی افزایش یافته است. بطور خاص، زمینه سیستم های دانش بنیان، یکی از اولین زمینه های هوش مصنوعی است که به لحاظ تجاری ثمربخش بوده و مورد توجه زیاد قرار گرفت. سیستم دانش بنیان بطور کلی برای مشخص سازی سیستم های اطلاعات بکار می رود که در آن برخی شاخص های نمادین دانش انسانی به صورت غالبا مشابه با روش استدلال انسان ارائه شده است. از این سیستم های دانش بنیان، سیستم های خبره موفق ترین سیستم در حال حاضر می باشند. سیستم های خبره سیستم های هستند که قادر به ارائه راه حل ها برای مسائل خاص در یک حوزه خاص می باشند بطوری که قابلیت ارائه مشاوره به یک شیوه و سطح قابل مقایسه با سطح کارشناسان را دارند. ساخت سیستم های خبره برای حوزه های کاربری خاص به یک موضوع مجزا با نام مهندسی دانش تبدیل گردید.
مسئله در حوزه هایی قرار دارد که در آن سیستم های خبره توسعه یافته اند و به تخصیص انسانی قابل توجه ای برای حل آنها نیاز است. مثال هایی از چنین حوزه های مسئله شامل تشخیص پزشکی بیماری، مشاوره مالی، طراحی محصول می باشد. بیشتر سیستم های خبره کنونی تنها قادر به پرداختن به زمینه های مسئله محدود می باشند. با این حال، حتی در حوزه های خیلی محدود، سیستم های خبره معمولا به مقادیر زیادی دانش برای دست یابی به یک عملکرد قابل قیاس با عملکرد کارشناسان انسانی نیاز دارند.
در فصل حاضر، ریشه های تاریخی سیستم های خبره را در زمینه گسترده تر هوش مصنوعی بررسی می کنیم و بطور مختصر چندین مثال کلاسیک را بحث می کنیم. علاوه بر این، اصول بنیادی سیستم های خبره معرفی شده و در رابطه با فصول بعدی کتاب ذکر شده اند که در آن این اصول با عمق مناسب اجرا شده اند. این فصل با یک شرح از حوزه مسئله به پایان می رسد که در آن تقریبا تمامی مثال های ارائه شده در این کتاب انتخاب شده اند.
اصول سیستم های خبره – فصل ۱: مقدمه
۱٫۱٫ سیستم های خبره و هوش مصنوعی AI
اگرچه کامپیوتر دیجیتال در اصل برای یک پردازشگر عددی طراحی شد، در روزهای اولیه تولید خود یک هسته کوچک از محققان به کاربردهای غیرعددی می پردازند. اقدامات این محققان در نهایت به آنچه در سمینار تابستانی دارتموت در سال ۱۹۶۵ هوش مصنوعی (AI) اطلاق می شد منجر شده است، عصر علم کامپیوتر مربوط به سیستم های تولیدکننده نتایج که در آن رفتار انسان ها ضروری به نظر می رسد.
زمینه های اولیه توجه در دهه ۵۰ در مورد قضیه اثبات و حل مسئله بود . در هر دو زمینه برنامه های کامپیوتری پیشرفته با الگوریتم های پیچیده ای شناخته می شدند که یک قابلیت حل مسئله کلی مستقل از حوزه مسئله خاص را داشتند و علاوه بر این در مورد مسائل مطرح شده در اشکال نسبتا ساده بکار می رفتند.
اثبات قضیه زمینه مربوط به ارائه قضایا بطور خودکار از یک مجموعه خاص از قواعد توسط یک کامپیوتر است. قضایای و اصول موضوعه( قواعد) در منطق بیان می شود، و قوانین استنتاج برای مجموعه ای معین از قواعد برای ثابت کردن قضایا بکار رفته اند. اولین برنامه ای که واقعا یک اثبات ریاضی از یک قضیه در تئوری اعداد را انجام داد توسط دیویس در اوایل سال ۱۹۵۴ ابداع شد. با این حال، یشرفت عمده ای در اثبات قضیه تا نیمه دهه شصت حاصل نشد. تنها پس از معرفی قاعده استنتاج با نام حل و فصل ،قضیه از دیدگاه تجربی جالب تلقی شد. پیشرفت بیشتر در این زمینه در طی دهه ۷۰ از رشد چندین اصلاحیه اصل حل و فصل اصلی ناشی می شد.
محققان در زمینه حل مسئله بر رشد سیستم های کامپیوتری با یک قابلیت کلی حل انواع مختلف مسائل تأکید کردند. شناخته شده ترین سیستم GPS ( حل کننده مسئله کلی ) است که توسط سیمون و شاو طراحی شد. یک مسئله مشخص از لحاظ یک حالت اولیه نشان داده شد که برای حالت نهایی و مجموعه ای از گذارها برای حالت های انتقال به حالت های جدید مورد نظر بود. با توجه به چنین نمایشی با ابزارهای حالت و عملیات، GPS یک توالی از گذارها را ایجاد می کند که از حالت اولیه به حالت نهایی در زمان اجرا جابجا می شود. GPS خیلی موفق نبود. اول این که نمایش یک مسئله غیرجزی از لحاظی است که می تواند توسط GPS اجرا شود و کار آسانی نیست. دوم GPS نسبتا ناکارآمد جلوه می کند. چون GPS یک حل کننده مسئله کلی است، شناخت خاص از مسئله را نمی تواند در انتخاب یک گذار به حالت مشخص بکار گیرد، حتی اگر چنین شناختی نشان دهد که یک گذار خاص به حل مسئله بطور کارآمدتر منجر شود.در هر مرحله GPS تمامی گذارهای احتمالی را بررسی می کند و بنابراین یک پیچیدگی زمانی نمایی را به بار می آورد. اگرچه موفقیت GPS به عنوان یک حل کننده مسئله نسبتا محدود بوده است، یک تحول عمده را در تحقیق هوش مصنوعی در جهت سیستم های خاص تر بوجود آورد. این تحول در تأکید از حل کننده های مسئله کلی به سیستم های اختصاصی بوده است که در آن فرایند استدلال می تواند با استفاده از شناخت مسئله خاص کنترل شده است که بطور کلی به عنوان یک دست یابی به موفقیت در هوش مصنوعی تلثی می شود.
اصول سیستم های خبره – فصل ۱: مقدمه
۲٫۱٫ برخی از مثال ها
اولین سیستم های خبره در اواخر دهه شصت عرضه شد. با این حال تا دهه هفتاد در واقع شروع یک گسترش بزرگ می باشد. سیستم های خبره اولیه عمدتا به زمینه تشخیص پزشکی توجه می کردند. مشهورترین سیستم خبره در پزشکی در دهه هفتاد MYCIN بود. رشد این سیستم خبره در دانشگاه استانفورد بخصوص مننژیت و سپتی سمی باکتریایی حاصل شد. هنگامی که یک بیمار نشانه هایی از جمله بیماری های عفونی را نشان می دهد، معمولا یک کشت خونی و ادرار برای مشخص کردن گونه های باکتریایی که سبب عفونت می شوند انجام می شود. بطور کلی، ۲۴ تا ۴۸ ساعت قبل از نتایج آزمایشگاه مشخص می شود. در مورد بیماری های عفونی در بالا ذکر شد با این حال، پزشک باید درمان را قبل از این که نتایج در دسترس قرار گیرند شروع کند، چون در غیراین صورت بیماری ممکن است پیشرفت کند و در نهایت سبب مرگ بیمار شود. با توجه به داده های بیمار که در سیستم موجود است، اما ناقص و غیردقیق هستند، MYCIN یک نشانه موقت از ارگانیزم هایی را ارائه می کند که احتمالا سبب عفوت می شوند. با توجه به این نشانه، MYCIN تجویز برخی داروها را پیشنهاد می کند که باید بیمار را با مهار ارگانیزم های نشان داده شده کنترل کنند. ارتباط داروهای تجویز شده میان خود و با استفاده از داروهای بیمار در حال حاضر با واکنش های احتمالی دارو همراه است و باید در نظر گرفته شود. علاوه بر این، MYCIN به اظهار نظر در تشخیص بیمار و تجویز دارو می باشد. سیستم MYCIN بطور مشخص نشانه را در سیستم های خبره نشان می دهد . حتی در زمان حاضر، این سیستم خبره و مشتقات آن منابع ایده های مربوط به نمایش و و دستکاری دانش پزشکی است. سیستم MYCIN همچنین دارای یک ضربان مهم برای رشد سیستم های خبره مشابه در زمینه های دیگر غیر از پزشکی است.
۱٫۳٫ تفکیک دانش و استنتاج
در سال های اولیه، سیستم های خبره معمولا در زبان برنامه نویسی سطح بالا نوشته می شدند. بخصوص LISP عمدتا بخاطر زبان اجرا انتخاب شد. زمان استفاده از یک زبان برنامه ریزی سطح بالا به عنوان یک ابزار ساخت سیستم خبره، یک فرد باید به جنبه های اجرایی سیستم توجه کند که هیچ کاری را با زمینه مدل سازی شده ندارد. علاوه بر این دانش کارشناسی زمینه و الگوریتم های اجرای این دانش بطور خودکار، درهم تنیده بوده و به آسانی از هم جدا نمی شوند. این فرایند به سیستم هایی منجر شد که یک بار ایجاد شده اند و بطور عملی برای تغییر دیدگاه ها در زمینه مورد نظر قابل پذیرش نیستند. دانش تخصصی این حال دارای یک ماهیت پویا است : دانش و تجربه به طور مداوم در معرض تغییرات. قرار دارند. آگاهی از این ویژگی ها است که به این دیدگاه منجر می شود که تفکیک صریح الگوریتم ها برای اجرای شناخت تخصصی از خود دانش در صورتی مطلوب است که برای توسعه سیستم های خبره اجباری نباشد. این دیدگاه بنیادی برای توسعه سیستم های خبره کنونی در معادله زیر تدوین شده است که گاهی اوقات پارادایم طراحی سیستم خبره نامیده می شود :
سیستم خبره= دانش + استنتاج
در نتیجه، یک سیستم خبره معمولا شامل دو عنصر اساسی است :
* یک پایگاه دانش که دانش خاص حوزه را استخراج می کند و
* یک موتور استنتاج شامل الگوریتم های تغییر دانش نشان داده شده در پایگاه دانش .
اصول سیستم های خبره – فصل ۱: مقدمه
۱٫۴٫ یک حوزه مسئله
در مورد سه فصل بعدی، یک فرمول بندی نمایش خاص دانش و روش استنباط مرتبط با آن بکار رفته اند. زمانی که این نمایش های دانش مختلف بحث می شوند، هر جا مثال های احتمالی از یک مورد استخراج شده اند حوزه مسئله پزشکی مشابه مطرح می شود : یعنی سیستم قلبی و عروقی انسان. برای این منظور، برخی جنبه های این حوزه در این جا معرفی خواهند شد.
سیستم قلبی و عروقی حاوی یک قلب و یک شبکه متصل بزرگ از رگ های خونی است. رگهای خونی به سه طبقه تقسیم شده اند : شریان ها، مویرگ ها و رگ. این دسته بندی ها با توجه بیشتر به شکل ۱٫۲ انجام شده است. آئورت، شریان براکیال و ورید و شریان اولنار همه نمونه هایی از رگ های خونی می باشند . یک شریان خون را از قلب به بافت ها با استفاده از مویرگ ها منتقل می کند و از رگ های دیگر بر حسب ضخامت جداره حاوی یک لایه ضخیمت از سلول های عضله جدا می شود. در بیشتر موارد، یک شریان حاوی خون دارای سطح اکسیژن بالا می باشد. برخلاف شریانها، وریدها انتقال خون از بافت ها به قلب. را برعهده دارند. آنها یک دیوار نسبتا نازک حاوی تعداد کمتری از رشته های عضله می باشند. خون موجود در رگ ها معمولا از لحاظ اکسیژن ضعیف است.
مقالات پیشنهادی برای مطالعه
در این فصل رشد تاریخی هوش مصنوعی بطور مختصر ذکر شد. مثال های متون علمی شامل یک معرفی مختصرتر برای زمینه هوش مصنوعی می باشد. یک کتاب اساسی تر در مورد هوش مصنوعی است. متن معرفی کلی در مورد سیستم های خبره، علاوه بر کتاب حاضر می باشد و یک کتاب کلی در مورد هوش مصنوعی با تأکید بر سیستم های خبره و زبان های برنامه نویسی AI است. در این جا ما بر روش های مهندسی دانش تأکید می کنیم. یک بررسی عمیق تر از سیستم های خبره ممکن است برمبنای مشاوره در مورد مقالات و کتاب های زیر باشد.
مقاله ای که در ان دیود اجرای یک قضیه را شرح می دهد برای الگوریتم پرسبورگر در تئوری عددی شرح داده می شود که می تواند آنرا مشخص کرد. سیستم های پاسخگویی به سوال بحث شده اند و تعداد زیادی از اصلاحات در این اصل بحث می شود.
اصول سیستم های خبره – فصل ۱: مقدمه
تمارین
۱٫۱٫ یکی از سوالات طرح شده در روزهای اولیه هوش مصنوعی این بود: آیا ماشین ها می توانند فکر کنند؟ امروزه، این سوال همچنان یک بحث داغ باقی مانده است. این سوال بطور مشخص فرموله شده و توسط A. Turing در مقاله ای با نام ماشین محاسبه و هوش تدوین شده است .
۱٫۲٫ شرح GPS در بخش ۱٫۱ این فصل را بخوانید. یک ویژگی از فرایند خرید را از لحاظ یک حالت اولیه، حالت نهایی و گذارها توسط GPS مشخص کنید.
۱٫۳٫ یک عنصر مهم از سیستم HEURISTIC DENDRAL زیرسیستم مبدل ساختار است که ساتارهای مولکولی انعطاف پذیر را ایجاد می کند. یک برنامه را در PROLOG یا LISPبنویسید که تمامی فرمول های احتمالی یک آلکن را با توجه به فرمول های شیمیایی به ازای n = 1, . . . , 8 مشخص می کند.
۱٫۴٫ زمینه های مهندسی دانش و مهندسی نرم افزار مشترک است. با این حال، همچنین برخی تمایزهای مشهود وجود دارد. کدام شباهت ها و تفاوت هایی که مشاهده می کنید بین این زمینه ها وجود دارد ؟
۱٫۵٫ برخی مثال های از دانش عمیق و سطحی از یک حوزه مسئله ای که با آنها آشنا هستید را ذکر کنید.
۱٫۶٫ برخی زمینه های مسئله را ذکر کنید که در آن سیستم های خبره بتوانند کمک کنند.
لطفا به جای کپی مقالات با خرید آنها به قیمتی بسیار متناسب مشخص شده ما را در ارانه هر چه بیشتر مقالات و مضامین ترجمه شده علمی و بهبود محتویات سایت ایران ترجمه یاری دهید.
