سیستم های خبره چیست؟

[ellisa]

گذری بر سیستم های خبره /سیستم خبره چیست؟
سامانهآهای خبره یا سیستمآهای خبره (Expert systems) به دستهآای خاص از نرمآافزارهای رایانهآای اطلاق میآشود که در راستای کمک به کاردانان و متخصّصان انسانی و یا جایگزینی جزئی آنان در زمینهآهای محدود تخصّصی تلاش دارند. اینگونه سامانهآها، در واقع، نمونهآهای ابتدایی و سادهآتری از فنآآوری پیشآرفتهآتر سامانهآهای مبتنی بر دانشآ به حساب میآآیند.
این سامانهآها معمولاً اطلاعات را به شکل واقعیات (Facts) و قواعد (Rules) در دادگانی به نام پایگاه دانش به شکل ساختار مند ذخیره نموده، و سپس با استفاده از روشهایی خاص استنتاج از این دادهآها نتایج مورد نیاز حاصل می شود.
ساختار یک سیستم خبرهآ
یکی از اهداف هوش مصنوعی، فهم هوش انسانی با شبیهآسازی آن توسط برنامهآهای کامپیوتری است. البته بدیهی است که "هوشآ"آ را میآتوان به بسیاری از مهارتآهای مبتنی بر فهم، از جمله توانایی تصمیمآگیری، یادگیری و فهم زبان تعمیم داد و از اینآرو واژهآای کلی محسوب میآشود.
سیستم های خبره یکی از دیدگاههای اصلی و مهم حاصله از کارهای اولیه در حل مسئله، اهمیت دانش خاص با محوریت حوزه مربوطه بود. به عنوان مثال، یک پزشک در تشخیص بیماری تنها موثر نیست زیرا وی از یک مهارت حل مسئله کلی فطری برخوردار است. وی به دلیل آنکه اطلاعات زیادی در زمینه پزشکی دارد موثر و مفید می باشد. بخه طور مشابه، یک زمین شناس دریافتن و کشف ذخیره های معدنی تأثیر گذار است زیرا او قادر به بکارگیری خوب دانش تجربی ونظری در زمینه زمین شناسی و مشکلات روبرو می باشد. دانش خبره، ترکیبی از یک فهم نظری مسئله و مجموعه ای از قوانین حل مسئله اکتشافی است که تجربه نشانگر آن است در آن زمینه مفید بوده است. سیستمهای هوشمند با اکتساب این دانش از سوی یک فرد خبره و کد گزاری آن به فرمی که یک کامپیوتر ممکن است برای مسائل مشابه به کاربرد ساخته می شوند.این تکیه بر دانش زمینه فرد خبره برای راهکارهای حل مسئله سیستم یک ویژگی مهم سیستمهای خبره محسوب می گردد. اگرچه، بعضی از برنامه های به گونه ای نوشته می شوند که در آنها طراح همچنین منبع دانشی حوزه نیز به شمار می آید، فراتر از نوع معمول و واقعی می باشد که دیده شود چنین برنامه هایی حاصل رشد و همکاری بین یک خبره حوزه باشد نظیر یک پزشک، شیمی دان، زمین شناس یا مهندس و یک متخصص مجزای هوش مصنوعی. خبره حوزه، دانش لازم حوزه مسئله را از طریق یک بحث کلی روش های حل مسئله خود و با نمایش دادن مهارتها بر روی یک سری از مسائل نمونه ای کاملا" دقیق انتخاب شده ارائه می دهند. متخصص هوش مصنوعی یا مهندس دانش مانند طراحان سیستمهای خبره که اغلب شناخته می شوند، مسئول اجرای این دانش در برنامه ایکه هم موثر و هم در رفتار هوشمندانه باشند هستند. به محض آنکه چنین برنامه ای نوشته شود، نیاز به پالایش و تصفیه خبرگی ازطریق یک فرآیند ارائه مسائل نمونه ای جهت حل می باشد و خبره حوزه اجازه انتقاد در زمینه رفتار آن داده میشود و تحولات و تعدیلات لازم برای دانش برنامه صورت می گیرد. این فرآیند تکرار می گردد تا برنامه به سطح عملکرد دلخواه خود برسد.
هر سیستم خبره از دو بخش مجزا ساخته شده است: پایگاه دانش و موتور تصمیمآگیری.
پایگاه دانش یک سیستم خبره از هر دو نوع دانش مبتنی بر حقایق آ(factual) و نیز دانش غیرقطعی (heuristic) استفاده میآکند. Factual knowledge، دانش حقیقی یا قطعی نوعی از دانش است که میآتوان آن را در حیطهآهای مختلف به اشتراک گذاشت و تعمیم داد؛ چراکه درستی آن قطعی است. در سوی دیگر، Heuristic knowledge قرار دارد که غیرقطعیآتر و بیشتر مبتنی بر برداشتآهای شخصی است. هرچه حدسآها یا دانش هیورستیک یک سیستم خبره بهتر باشد، سطح خبرگی آن بیشتر خواهد بود و در شرایط ویژه، تصمیمات بهتری اتخاذ خواهد کرد. دانش مبتنی بر ساختار Heuristic در سیستمآهای خبره اهمیت زیادی دارد این نوع دانش میآتواند به تسریع فرآیند حل یک مسئله کمک کند. البته یک مشکل عمده در ارتباط با به کارگیری دانشHeuristic آن است که نمیآتوان در حل همه مسائل از این نوع دانش استفاده کرد.
با تشکر از گرداورندگان این مقاله.

[ellisa]

پاسخ : گذری بر سیستم های خبره

انگار این مباحث اینجا طرفدار نداره.... درسته؟ :cry: :NO:

[hamed_online62]

پاسخ : گذری بر سیستم های خبره

انگار این مباحث اینجا طرفدار نداره.... درسته؟ :cry: :NO:

طرفدار داره . ولی به نسبت مباحث برقی کمتره.
شما نا امید نشو ادامه بده . من دنبال می کنم :mrgreen:

[ellisa]

پاسخ : گذری بر سیستم های خبره

استفاده از منطق فازی

موضوع مهم دیگر در ارتباط با سیستمآهای خبره، پیوند و ارتباط آن با دیگر شاخهآهای هوش مصنوعی است. به بیان روشنآتر، برخی از سیستمآهای خبره از Fuzzy Logic یا منطق فازی استفاده میآکنند. در منطق غیرفازی تنها دو ارزش درست (true) یا نادرست (false) وجود دارد. چنین منطقی نمیآتواند چندان کامل باشد؛ چراکه فهم و پروسه تصمیمآگیری انسانآها در بسیاری از موارد، کاملا قطعی نیست و بسته به زمان و مکان آن، تا حدودی درست یا تا حدودی نادرست است. در خلال سالآهای 1920 و 1930، Jan Lukasiewicz فیلسوف لهستانی منطقی را مطرح کرد که در آن ارزش یک قانون میآتواند بیشتر از دو مقدار 0 و 1 یا درست و نادرست باشد. سپس پروفسور لطفیآزاده نشان داد که منطق Lukasiewicz را میآتوان به صورت "درجه درستی" مطرح کرد. یعنی به جای اینآکه بگوییم: "این منطق درست است یا نادرست؟" بگوییم: "این منطق چقدر درست یا چقدر نادرست است؟"
از منطق فازی در مواردی استفاده میآشود که با مفاهیم مبهمی چون "سنگینی"، "سرما"، "ارتفاع" و از این قبیل مواجه شویم. این پرسش را در نظر بگیرید : "وزن یک شیء 500 کیلوگرم است، آیا این شیء سنگین است؟" چنین سوالی یک سوال مبهم محسوب میآشود؛ چراکه این سوال مطرح میآشود که "از چه نظر سنگین؟" اگر برای حمل توسط یک انسان بگوییم، بله سنگین است. اگر برای حمل توسط یک اتومبیل مطرح شود، کمی سنگین است، ولی اگر برای حمل توسط یک هواپیما مطرح شود سنگین نیست.
در اینجاست که با استفاده از منطق فازی میآتوان یک درجه درستی برای چنین پرسشی در نظر گرفت و بسته به شرایط گفت که این شیء کمی سنگین است. یعنی در چنین مواردی گفتن اینآکه این شیء سنگین نیست
(false) یا سنگین است (true) پاسخ دقیقی نیست.

کاربرد سیستمآهای خبرهآ

سیستم های خبره موجبات انجام امور و یا تسهیل در انجام آنها را در زمینهآهای متنوّعی همچون پزشکی، حسابداری، کنترل فرایندها، منابع انسانی،خدمات مالی، و GIS فراهم میآآورند. در هر یک از این زمینهآها میآشود کارهایی از نوع راهنمایی، تحلیل، دستهآبندی، مشاوره، طراحی، تشخیص، کاوش، پیش بینی، ایجاد مفاهیم، شناسایی، توجیه، یادگیری، مدیریت، کنترل، برنامهآریزی، زمان بندی و آزمایش را با مددجویی از سیستمآهای تجربی با سرعت و آسانی بیشتری به انجام رسانید. سیستمآهای تجربی یا به عنوان جایگزین فرد متخصص استفاده میآشوند یا به عنوان کمک به فرد متخصص.
سیستمآهایی که در این زمینه طراحی و زمانبندی مورد استفاده قرار میآگیرند، چندین هدف پیچیده و تعاملی را مورد بررسی قرار میآدهند تا جوانب کار را روشن کنند و به اهداف مورد نظر دست یابند یا بهترین گزینه را پیشنهاد دهند. بهترین مثال از این مورد، زمانبندی پروازهای خطوط هوایی، کارمندان و گیتآهای یک شرکت حمل و نقل هوایی است.
صنعت خدمات مالی یکی از بزرگآترین کاربران سیستمآهای خبره است. نرمآافزارهای پیشنهاددهنده نوعی از سیستمآهای خبره هستند که به عنوان مشاور بانکداران عمل میآکنند. برای نمونه، با بررسی شرایط یک شرکت متقاضی وام از یک بانک تعیین میآکند که آیا پرداخت این وام به شرکت برای بانک مورد نظر صرفه اقتصادی دارد یا نه. همچنین شرکتآهای بیمه برای بررسی میزان خطرپذیری و هزینهآهای موارد مختلف، از این سیستمآها استفاده میآکنند.

با تشکر از گرداورندگان .
موفق باشید . ellisa

[hess]

پاسخ : گذری بر سیستم های خبره

سلام ...................

تشکر میکنم از مطالب مفیدتون ..

در مورد heuristic Knowledge یه توضیحی اون بالا دادید .. میتونید یک مقدار بازش کنید؟ این حدس بر چه مبنایی زده میشه؟ با چه فاکتوری کنترل میشه؟ چه سیستمی اون رو به سمت مینیمم Optimize میکنه؟ اصلا یه همچین سیستمی داره یا اینکه بحث رو اشتباه متوجه شدم؟

بعد یه سوال دیگه .. گفتید Rules و Fact .. اینا با چی سنجیده میشن؟ قوانینی برای کی؟ انسان یا ماشین؟ اون پایگاه دانش ماهیتش چیه؟ ایمپلمنت سخت افزاریش چیه؟ من اون قسمت رو کـــــــــلا متوجه نشدم .. ممنون میشم کمی راهنمایی بفرمایید .. مرسی ..

[hess]

پاسخ : گذری بر سیستم های خبره

سلام ..................

تشکر از مطالب مفیدتون ..

این بحثی که فرمودید منطق 0 و 1 دیگه مطرح نیست؛ درست .. امــا در ادامه اشاره کردید که میان و میگن که یه اتفاق چقدر درسته و یا چقدر نادرست .. خب حالا من سوال میپرسم .. این چقدر ها چطور تعیین میشه؟ کمی توضیحش رو باز میکنید؟ ممنون میشم ..

[ellisa]

پاسخ : گذری بر سیستم های خبره

سلام امیدوارم این توضیحات جواب سوالتون رو بده ... به این مثال توجه کنید =====>>>>>>
نمایشگاهی در گوشهآای از شهر برپا شده و تصمیم میآگیرید، یک روز عصر به اتفاق خانواده سری به این نمایشگاه بزنید. چون محل نمایشگاه کمی دور است، از اتومبیل استفاده میآکنید، اما وقتی به محل نمایشگاه میآرسید، متوجه میآشوید که عده زیادی به آنجا آمدهآاند و پارکینگ نمایشگاه تا چشم کار میآکند، پر شده است.اما چون حوصله صرف وقت برای پیدا کردن محل دیگری جهت پارک اتومبیل ندارید، با خود میآگویید: <هر طور شده باید جای پارکی در این پارکینگ پیدا کنم.> سرانجام در گوشهآای از این پارکینگ محلی را پیدا میآکنید که یک ماشین به طور کامل در آن جا نمیآشود، اما با کمی اغماض میآشود یک ماشین را در آن جای داد، هرچند که این ریسک وجود دارد که فضای عبور و مرور دیگر خودروها را تنگ کنید و آنآها هنگام حرکت به خودرو شما آسیب برسانند. اما به هرحال تصمیم میآگیرید و ماشین خود را پارک میآکنید.
بسیارخوب!حالا بیایید بررسی کنیم شما دقیقاً چه کار کردید؟ شما دنبال جای توقف یک اتومبیل میآگشتید. آیا پیدا کردید؟ هم بله، هم نه. شما در ابتدا میآخواستید ماشین را در جای مناسبی پارک کنید. آیا چنین عملی انجام دادید؟ از یک نظر بله، از یک دیدگاه نه. در مقایسه با وقت و انرژی لازم برای پیدا کردن یک مکان راحت برای توقف خودرو، شما جای مناسبی پیدا کردید. چون ممکن بود تا شب دنبال جا بگردید و چنین جایی را پیدا نکنید. اما از این نظر که اتومبیل را در جایی پارک کردید که فضای کافی برای قرارگرفتن ماشین شما نداشت، نمیآتوان گفت جای مناسبی است.
اگر به منطق کلاسیک در علم ریاضیات مراجعه کنیم و این پرسش را مطرح نماییم که قبل از ورود به پارکینگ چند درصد احتمال میآدادید جایی برای پارکآکردن پیدا کنید، پاسخ بستگی به این دارد که واقعاً چه تعداد مکان مناسب (فضای کافی) برای توقف خودروها در آنجا وجود داشت؟ اگر به حافظه خود رجوع کنید، شاید به یاد بیاورید که هنگام ورود به پارکینگ و چرخیدن در قسمتآهای مختلف آن، گاهی خودروهایی را میآدیدید که طوری پارک کردهآاند که مکان یک و نیم خودرو را اشغال کردهآاند. بعضی دیگر نیز کج و معوج پارک کرده بودند و این فکر از ذهن شما چندبار گذشت که اگر صاحب بعضی از این خودروها درست پارک آکرده بودند، الان جای خالی برای پارک کردن چندین ماشین دیگر هم وجود داشت.
به این ترتیب علم ریاضیات و آمار و احتمال در مواجهه با چنین شرایطی قادر به پاسخگویی نیست. اگر قرار بود بر اساس منطق صفر و یک یا باینری کامپیوتر، روباتی ساخته شود تا اتومیبل شما را در یک مکان مناسب پارکآ کند، احتمالش کم بود. چنین روباتی به احتمال زیاد ناکام از پارکینگ خارج میآشد. پس شما با چه منطقی توانستید اتومبیل خود را پارکآ کنید؟ شما از منطق فازی استفاده کردید.

دنیای فازیآ

میآپرسم <هوا ابری است یا آفتابی؟> پاسخ میآدهی: نیمهآابری. میآپرسم <آیا همه آنچه که دیروز به من گفتی، راست بود؟> پاسخ میآدهی: بیشتر آن حقیقت داشت. ما در زندگی روزمره بارها از منطق فازی استفاده میآکنیم.
واقعیت این است که دنیای صفر و یک، دنیایی انتزاعی و خیالی است. به ندرت پیش میآآید موضوعی صددرصد درست یا صددرصد نادرست باشد؛ زیرا در دنیای واقعی در بسیاری از مواقع، همهآچیز منظم و مرتب سرجایش نیست.
تئوری مجموعهآهای فازی و منطق فازی را اولین بار پرفسور لطفیآزاده در رسالهآای به نام <مجموعهآهای فازی - اطلاعات و کنترل> در سال 1965 معرفی نمود. از نخستین روز تولد اندیشه فازی، بیش از چهل سال میآگذرد. در این مدت نظریه فازی، چارچوب فکری و علمی جدیدی را در محافل آکادمیک و مهندسی معرفی نموده و دیدگاه دانشمندان را نسبت به کمّ و کیف دنیای اطراف ما تغییر داده است. منطق فازی جهانآبینی بدیع و واقعآگرایانهآای است که به اصلاح شالوده آمنطق علمی و ذهنی بشر کمک شایانی کردهآاست.

[hess]

پاسخ : گذری بر سیستم های خبره

سلام ................

ممنون از توضیحاتتون .. امــا من هنوز جواب سوالم رو نگرفتم .. چجوری میگیم یه اتفاق 20% درسته؛ 40% نادرسته و امثال اینها .. چی رو با چی میسنجیم؟

[ellisa]

پاسخ : گذری بر سیستم های خبره

سلام ...
اتاق رو که نمیگن 20% درسته یا 40% نادرست .. این منطق فازی از رفتار و طرز فکر انسان بوجود اومده ... شما توی دنیای واقعی مثلا در مورد ابعاد اتاق میگین 20% درسته ... نمیگین که .. مثلا میگین به نظر میاد این اتاق 36 متره ... چرا؟ چون فرش 6 متری تقریبا اتاق رو پوشش داده ... حالا اگه اتاق با یه فرش 6 متری و یه قالیچه پوشش داده شده باشه .. چی میگین؟ میگین اندازه این اتاق بیش از 36 متر هست... به این میگن منطق فازی .. حالا من چی رو با چی سنچیدم ... دانسته های گذشته که از تجربیاتم داشتماینکه اتاقی که با یه فرش 6 متری پوشش داده بشه قطعا ابعادش 6 در 6 هست با دیدی که الان با شرایط اتاق بدست آوردم همه رو با ذهنم و فکرم سنجیدم ...منطق فازی از چگونگی تفکر و طرز فکر انسان نشات گرفته ... مبحث آ یا می شه مغز انسان رو شبیه سازی کرد؟ دنبال کردین ؟ اونجا اینو نوشته بودم که ... هوش انسان از چگونگی تفکر انسان نشات میگیره. هوش ما یه تابع مرکبه.تفکر تا مسئله ی خاصی حل بشه. ابزار کمک به ما در انجام کارهاست.مثلا وقتی ساعت شما زنگ میزنه ،یه فرمان از مغز صادر میشه و به دست شما میگه زنگ ساعت رو ببند.این عکس العمل یه عمل خودکار نیست،بلکه در اصل یه جواب مشخص جستجو شده نتایج نهایی که تموم عملکردای مغز به آنها ختم میشن "هدف"هستند.زمانی که شما به هدف که بستن زنگ ساعت هست برسید بلافاصله مغز با هدفهای دیگه پر میشه.مثل مسواک زدن، لباس پوشیدن،درست کردن صبحانه،..رفتن سرکار،و ... اینها همه هدفهای شما شما هستند که با انجام انها شما به اهداف نهایی تون میرسید.هیچکدوم از این افکار اتفاقی یا اختیاری نیست و هر کدومش یه قدم واسه نزدیک شدن به اون هدف مشخص در ذهن شماست.در واقع ما برای رسیدن به اهدافمون از یک سری قواعد و واقعیتها استفاده میکنیم.مثلا : اگه دو تا واقعیت به صورت: خیابون تاریک و خلوت خطرناکه و افراد مسن معمولا مرتکب جنایت نمیشن => این قاعده استنباط میشه که اگه توی یه خیابون تاریک و خلوت یه فرد مسن رو دیدی نباید نگران امنیت باشی .
ببینید اگه قرار بود برای رد شدن از خیابون به سرعت،حجم ترافیک، فاصله تا جدول وسط خیابون،علائم راهنمایی..و تموم این مسائل فکر کنیم بعدش درمورد اینکه الان چی میشه؟هوا چه طوره؟مدل ماشینا چیه و ... (دیگه خودتون بهتر میدونین فکرایی که داریم) رسیدگی بشه سالها طول میکشید تا از خیابون رد شد. مغز انسان برای انتخاب صحیح پاسخ مناسب مربوط به شرایط خاص(رد شدن از خیابون)از سیستم هوشمندی بنام هرس کردن استفاده میکنه.در این سیستم فکرهایی که در حال حاضر مربوط به هدف ما نیست حذف میشه.هرس کردن سبب برقراری نظم در فکر ما میشه که بدون اون زندگی امکان پذیر نیست.تمام این موارد در ممورد عملکرد مغز انسان باهم در نوشتن یه برنامه بنام هوش مصنوعی بکار میره ...
همش براساس عملکرد مغز انسانه ...
خیلی مبحث جالبیه .. نمیدونم جواب سوالتون رو دادم یا نه ... اما حتما یه توضیح مفصل در این مورد پست میکنم .. سوالی بود بفرمایید ...
موفق باشید

[ellisa]

پاسخ : گذری بر سیستم های خبره

منطق فازی و هوش مصنوعیآ
جالبآترین کاربرد منطق فازی، تفسیری است که این علم از ساختار تصمیمآگیریآهای موجودات هوشمند، و در راس آنآها، هوش انسانی، به دست میآدهد.این منطق به خوبی نشان میآدهد که چرا منطق دو ارزشی <صفر و یک> در ریاضیات کلاسیک قادر به تبیین و توصیف مفاهیم نادقیقی همچون <گرما و سرما> که مبنای بسیاری از تصمیمآگیریآهای هوشمند را تشکیل میآدهند، نیست.امیدوارم فیلم ارباب حلقه ها رو دیده باشین .. اما اگه ندید حتما وصف شو شنیدید ... فکر کنم اینجوری موضوع بیشتر روشن میشه ... شاید یکی از جالبآترین کاربردهای منطق فازی هوش مصنوعی در بازیآهای رایانهآای و جلوهآهای ویژه سینمایی باشه. از نرمآافزار Massive در بسیاری از صحنهآهای فیلم ارباب حلقهآها برای تولید حرکات لشکر موجودات متخاصم استفاده شده بود.




در این برنامه متخصصان کامپیوتر و انیمیشن ابتدا موجوداتی رو به صورت الگو ایجاد کرده و سپس به کمک منطق فازی مصداقآهایی تصادفی از این موجودات خیالی بوجود آوردند که حرکات تصادفی - اما از پیش تعریف شدهآای آ-آ در اعضای بدن خود داشتند.

این موجودات در حقیقت دارای نوعی هوش مصنوعی بودند و میآتوانستند برای نحوه حرکت دادن اعضای بدن خود تصمیم بگیرند. در عین حال تمام موجوداتی که در یک لشکر به سویی میآتاختند یا با دشمنی میآجنگیدند، از جهت حرکت یکسانی برخودار بودند و به سوی یک هدف مشخص حمله میآکردند.

این ساختار کاملاآً پیچیده و هوشمند به فیلمسازان اجازه داده بود که این موجودات افسانهآای را در دنیای مجازی کامپیوتر به حال خود رها کنند تا به سوی دشمنان حمله کنند و این همه بیآتردید بدون بهرهآگیری از منطق فازی امکانپذیر نبود.


شرکت Massive Software که به دلیل بهآکارگیری منطق فازی برای ایجاد هوشآمصنوعی در طراحی لشکریان فیلمآ ارباب حلقهآها برنده جایزه اسکار شد، بعداً این تکنیک را در فیلمآهای دیگری همچون I.Robot و King Kong نیز بهآکار برد.

استفاده از منطق فازی برای هوشمندآکردن موجودات نرمآافزاری تنها گونهآای از کاربردهای این نظریه در هوشآمصنوعی است. منطق فازی در هوشمند ساختن روباتآهای سختآافزاری نیز کاربردهای زیادی دارد.
حالا این جریان رو با انسان در وضعیت مشابه مقایسه کنید ... می بینید که با منطق فازی انسان گو.نه های مجازی رو وارد دنیای واقعی کردیم که مثل انسان فکر میکنن ... البته با استفاده از آموخته هایی که دارن و با بررسی شرایط فعلی که دارن که این بررسی رو هوش مصنوعی به اونها میده .. انسان هم همین طوره شما به یه بچه یک ساله نگاه کنید بابا و مامان گفتن رو از تکرار این کلمات توسط پدر و مادرش یاد گرفته ... اینقدر تکرار میشه که بچه میفهمه بابا و مامان کی هستن ... و در سالهای سال این مثل یه قانون میمونه ...ثابت و بدون کوچکترین شکی در صحت اون و بدون تغییر .. دنیای عجیبیه ... آموخته های ما این درصدا رو توی دنیای واقعی میسازه ... مسئله رو درست فهمیدم , یا دوباره اشتباه گرفتم ؟ دنیای جالبی داره ... سوالی بود بفرمایید .. در حد توان پاسخگو هستم .
موفق باشید .

[ellisa]

پاسخ : گذری بر سیستم های خبره

با سلام
ببینید ... ما براساس تجربیات زندگیمون و دانسته ها و دانشی که داریم تصمیم میگیریم که مثلا یه ماشین رو میتونیم در یک مکان پارک کنیم . این دانسته ها از کجا میان؟ خب ممکنه از پدر یا اطرافیانمون اینو یاد گرفته باشیم . حالا حرف شما <<<< === شما میگید 20% اینجا واسه پارک خوب نیست چون مثلا احتمال داره ماشین به ماشین های کناری برخورد کنه . من میگم 100% خوبه چون براساس تجربه ای فردی که در شرایط مشابه تونسته بود ماشینشو در یه همچین فضایی پارک کنه این نظر رو میدم . اینا همه تجربه است . حالا روبات ها که انسان نیستن که بخوان تجربه کنن . دلیل عنوان کردن بحث فیلم ارباب حلقه ها این بود که بگم توی اون فیلم موجودات مجازی رو با منطق فازی مثل انسان شبیه سازی کردن این که همه اونا بدونن که هدفشون جنگیدن واسه یه هدفه حالا در این راه مثلا این موجود مجازی بتونه فریاد بزنه، پلک بزنه، ... مثل انسان کاری که من و شما بعنوان انسان انجام میدیم و مثلا واسه پلک زدن تصمیم نمیگیریم اراده هم نمیکنیم .. درسته؟
منطق فازی هم همینه ... ما دنیای مطلقا سیاه یا مطلقا سفید نداریم همه چی خاکستریه . منطق اینجا صفر و یک نیست .
این مطلب خالی از لطف نیست ... امیدوارم این مسئله رو بتونه روشن کنه .. من خودم یه دانشجو در این مسئله هستم به هر حال امیدوارم تونسته باشم توضیح درستی بدم ... کم و کاستی رو به بزرگی خودتون ببخشید . اگه مطالب تکراری هست هم ببخشید بخاطر پیوستگی متن به ناچار اونارو دوباره عنوان میکنم . >>>>>>>>>>>>&g t;>>>>>>
مفاهیم نادقیق بسیاری در پیرامون ما وجود دارند که آنها را به صورت روزمره در قالب عبارتهای مختلف بیان می کنیم . به این جمله دقت کنید: " هوا خوب است." هیچ کمیتی برای خوب بودن هوا مطرح نیست تا اون رو اندازه بگیریم بلکه این یه حس کیفی هست. در واقع مغز انسان با در نظر گرفتن فاکتور های مختلف و بر اساس تفکر استنتاجی جملات رو تعریف و ارزش گذاری می کنه که مدل سازی آنها به زبان و فرمولهای ریاضی اگر غیر ممکن نباشه کاری بسیار پیچیده ای خواهد بود.منطق فازی تکنولوژی جدیدی هست که شیوه هایی رو که بر ای طراحی و مدل سازی یک سیستم نیازمند ریاضیات پیچیده و پیشرفته هست، با استفاده از مقادیر زبانی و دانش فرد خبره جایگزین میکنه.
منطق فازی: اگر از ما پرسیده بشه منطق فازی چیه شاید ساده ترین پاسخ بر اساس شنیده ها این باشه که Fuzzy Logic یا Fuzzy Theory یک نوع منطق است که روش های نتیجه گیری در مغز بشر را جایگزین می کند.مفهوم منطق فازی توسط دکتر لطفی زاده ، پروفسور دانشگاه کالیفورنیا در برکلی، ارائه گردید و نه تنهابه عنوان متدولوژی کنترل ارائه شد بلکه راهی برای پردازش داده ها، بر مبنای مجاز کردن عضویت گروهی کوچک به جای عضویت گروهی دسته ای ارائه کرد.به جهت نارسا ونا بسنده بودن قابلیت کامپیوتر های ابتدایی تا دهه 70 این تئوری در سیستم های کنترلی به کار برده نشد.پروفسور لطفی زاده اینطور استدلال کرد که بشر به ورودیهای اطلاعاتی دقیق نیازی ندارد بلکه قادر است تا کنترل تطبیقی را به صورت بالایی انجام دهد.پس اگر ماکنترل کننده های فیدبک را در سیستم ها طوری طراحی کنیم که بتواند داده های مبهم را دریافت کند، این داده ها میتوانند به طور ساده تر و موثرتری در اجرا به کار برده شوند.باین تعاریف منطق فازی دارای این قدرت است که در تنظیم سیستم ها از میکرو کنترلهای ساده وکوچک و جاسازی شده گرفته تا PC های چند کاناله شبکه شده بزرگ یاسیستم های کنترلی به کار برده شود.این منطق دارای قدرت اجرایی در سخت افزار ،نرم افزار یا ترکیبی از هر دوی اینهاست.در واقع منطق فازی راه ساده ای را برای رسیدن به یک نتیجه قطعی و معین بر پایه اطلاعات ورودی ناقص ، خطا دار، مبهم ودوپهلو فراهم میکند.منطق فازی یک قانون ساده بر مبنای
" IF x And y THEN z " را بیان میکند.
به عنوان مثال به جای برخورد با اصطلاحاتی نظیر "SP=500F" ،"210<TEMP<220" ،"T<1000F" ، اصطلاحاتی نظیر:
"IF (process is too cool) AND (process is getting colder) THEN (Add heat to the process) "
Or
"IF (process is too hot) AND (process is heating rapidly) THEN(Cool the process quickly)"
به کار برده شود.
درست مثل کاری که در هنگام دوش گرفتن انجام میدیم: در صورتی که آب خیلی سرد یا خیلی گرم باشه بدون اینکه از درجه دقیق آب اطلاعی داشته باشیم تنها بر اساس پردازش انجام شده در مغز به کمک دریافت دمای هوا از طریق حسگرهای پوست با کمی سختی کشیدن آب را به سرعت به دمای دلخواه در می آوریم یا اینکه میتونیم در یه اتاق به اشیاء گوناگونی نگاه کنیم وتصمیم بگیریم کدوم شئ بیشتر شبیه صندلیه ویا به مردم نگاه کنیم و بگیم کدوم شبیهJohn Wayne ویا کدوم بیشتر شبیه گاندی هست.منطق فازی قادر به تقلید اینگونه رفتارها اما با سرعت بسیار بالایی هست.از طرفی باید به این نکته هم توجه کنیم که تمامی سیستم های طبقه بندی ساخته ذهن انسان هستند و برچسب درست تا زمانی به یک سیستم طبقه بندی نسبت داده میشه که سیستم کنترلی دیگه ای اون رو رد نکنه مثلا در تئوری نسبیت دیگر درست نیست بگوییم زمین دور خورشید میگردد پس خورشید هم دور زمین می گردد! یا به عنوان مثال دیگر، کشف موجودی عجیب در استرالیا که پلاتی پوس نامیده می شودو بر خلاف پستانداران دیگر همانند خزندگان تخم میگذارد و جوجه های جوان را شیر می دهد! با این تعاریف می توان گفت که منطق فازی یه تکنولوژی کنترلی بسیار قدرتمند هست که به جای ساختن یه حصار در اطراف یه طبقه بندی سعی داره اون رو به گونه ای توصیف کنه که به ایده نزدیک تر هست.
متغیر های زبان شناختی : در زندگی روزمره ،کلماتی رو به کار می بریم که اغلب برای توصیف متغییر ها استفاده می شوند. به عنوان مثال هنگامیکه می گوییم " امروز سرد است " یا "دمای هوا امروز پایین است " از واژه " پایین " برای توصیف " دمای هوای امروز " استفاده کرده ایم به این معنی که متغیر دمای هوای امروز واژه "پایین" را به عنوان مقدار خود پذیرفته است.واضحه که متغیر " دمای هوای امروز " میتونه مقادیری نظیر˚3،˚10-،˚8-،˚24و... را اختیار کنه.هنگامیکه یه متغیر ، اعداد را به عنوان مقدار بپذیره ما یه چارچوب ریاضی مشخص برای فرموله کردن اون داریم اما هنگامیکه متغیر واژه ها را به عنوان مقدار میگیره در آن صورت چارچوب مشخص برای فرموله کردن اون درتئوری ریاضیات کلاسیک نداریم. در واقع در سیستم های عملی اطلاعات مهم از دو منبع سرچشمه می گیرند : یکی از منابع افراد خبره که دانش و گاهیشون رو درمورد سیستم با زبان طبیعی تعریف میکنن و منبع دیگه اندازه گیری ها و مدل های ریاضی هستند که از قواعد فیزیکی مشتق شدند .بنابر این یک مساله مهم ترکیب این دو نوع اطلاعات در طراحی سیستم هاست. برای انجام این ترکیب سوال کلیدی اینه که چه طور میتونیم دانش بشری را به یه فرمول ریاضی تبدیل کنیم ؟ برای اینکه چنین چارچوبی به دست بیاریم مفهوم متغیر های زبانی تعریف شده اند. در صحبت های عامیانه اگه یک متغیر بتونه واژه هایی از زبان طبیعی رو به عنوان مقدار بپذیره یه متغیر زبان شناختی نامیده میشه. برای فرموله کردن واژه ها در گزاره های ریاضی از مجموعه های فازی برای مشخص کردن واژه ها استفاده میکنیم و تعریف میکنیم: " اگه یه متغیر بتونه واژه هایی از زبان طبیعی رو به عنوان مقدار خود بپذیره آنگاه متغیر زبان شناختی نامیده میشه که واژه ها بوسیله مجموعه های فازی در محدوده ای که متغیر ها تعریف شده اند مشخص میشه . " پروفسور لطفی زاده در سال 1973 مفهوم زبان شناختی یا متغیر های فازی رو ارائه داد .در واقع یکی از ویژگی های منطق فازی در استفاده از ساختار قانون پایه منطق فازی است که در طی آن مسائل کنترلی به یک سری قوانین IF x And Y THEN z تبدیل میشوند که پاسخ گوی خروجی مطلوب سیستم برای شرایط ورودی داده شده به سیستم می باشد. این قوانین ساده و آشکار برای توصیف پاسخ دهی مطلوب سیستم با اصطلاحاتی از متغییر های زبان شناختی به جای فرمول های ریاضی استفاده می شوند.نکته جالب اینجاست که اگر چه سیستم های فازی پدیده های غیر قطعی و نامشخص را توصیف می کند با این حال تئوری فازی یک تئوری دقیق می باشد.
اجزای ابتدایی و اصول اولیه تئوری مجموعه فازی :در قسمتFuzzier یا مبدل فازی ، متغییر های با مقادیر حقیقی به یک مجموعه فازی تبدیل شده از طریق ماشین رابط فازی و قوانین پایه نتایج به قسمت غیر فازی ساز یا Defuzzier منتقل شده که یک مجموعه فازی رو به یک متغیر با مقدار حقیقی تبدیل می کنه.به بیان دیگه اطلاعات ورودی اغلب مقادیری پیچیده هستند واین اعدادبه مجموعه های فازی تبدیل می شن .مدل ها بر اساس منطق فازی شامل قوانین اگر ،آنگاه تفسیر میشن. حقیقت اینه که بعد از عبارت اگر یک منطق مقدم بیان میشه و بر اساس آن ما حقیقت دیگه ای رو مورد بررسی قرار میدیم که بعد ا زآنگاه می ایدو در آون نتیجه کار توضیح داده میشه.در واقع منطق فازی تجربه و دانش انسانی رو به صورت ترکیبی از اعداد در مقابل خود انسان قرار می ده و انسان رو قادر میکنه تا تصمیمی بر اساس ریاضیات و منطق بگیره.
نتیجه: در پاسخ به چیستی منطق فازی یا منطق نادقیق شاید ساده ترین پاسخ بر اساس شنیده ها این باشه که Fuzzy Logic یا Fuzzy Theory یک نوع منطق برنامه نویسی هست که روش های نتیجه گیری در مغز بشر رو جایگزین می کنه.منطق فازی در واقع با استفاده از مجموعه ای از معلومات نادقیق که با الفاظ و جملات زبانی تعریف شده اند به دنبال استخراج نتایج دقیق هست .منطق فازی تکنولوژی جدیدی هست که شیوه های مرسوم برای طراحی ومدل سازی یک سیستم رو که نیازمند ریاضیات پیشرفته و نسبتا پیچید ه هست رو با استفاده از مقادیر و شرایط زبانی و یا به عبارتی دانش فرد خبره ، و با هدف ساده سازی وکارامد تر شدن طراحی سیستم جایگزین رو تا حدود زیادی تکمیل می کنه.علیرغم اینکه منطق فازی بر پایه ریاضیات پیشرفته و پیچیده قرار داره یادگیری آن بسیار ساده است.از نظر تئو ری هر سیستمی که توسط منطق فازی طراحی شده باشه توسط سایر تکنیک های پیاده سازی مرسوم هم قابل پیاده سازی هست اما ممکنه این شیوه ها نسبت به منطق فازی پیچیده ومشکل تر باشند.
با آرزوی شادی و موفقیت برای شما .

[ellisa]

پاسخ : گذری بر سیستم های خبره

سلام.....................
دیدم حیفه بحثی که شروع کننده اش خودم بودم نیمه کاره بمونه اینه که ... کاملش میکنم ...
Heuristic Knowledge چیه ؟روش heuristic یک سیستم خبره رو به طرف حل مسئله راهنمایی میکنه اما هیچ وقت گارانتی نمیکنه که این راهنمایی سیستم رو به سمت جواب درست هدایت میکنه یا نه؟ تنها میتونیم بگیم که جهتی رو برای حل مسئله پیشنهاد میکنه ، که عاقلانه ترین جهت ممکن هست .
مثلا وقتی موتور اتومبیل شما صدای ناهنجاری میده و اون رو به مکانیکی میبرین اولین قسمتی که مکانیک بررسی میکنه تسمه خودرو هست . به این روش میگن روش Heuristic .
اما Rules و Rules : Fact قوانین و Fact واقعیت ها هستند . مثال :
واقعیت (Fact) : اجاق روشن داغ هست .
قاعده (Rules) : اگر دستم رو روی اجاق روشن بگذارم ، آنگاه میسوز د .
در این مثال تموم قوانین به صورت اگر و آنگاه یا گزاره شرطی بیان شده یعنی اگر شرطی برقرار باشه ، آنگاه اتفاقی رخ میدهد. بعضی از واقعیت ها پیچیده تر از سایر واقعیتها هستند و بعضی از قوانین هم به بیش از یک واقعیت مربوط میشن . عموما ما انسانها قادر به ترکیب چندین واقعیت و قاعده برای رسیدن به اهداف پیچیده مون هستیم . اینا قوانین و و اقعیتهایی هستن که ما روزمره ازشون استفاده میکنیم . ماشین هم براین اساس برنامه ریزی شده که بهش میگن سیستم هوش مصنوعی . در واقع تموم عواملی که در تصمیم گیری انسان نقش دارن مثل : هدفها ، واقعیتها ، قواعد ، مکانیسم استنتاج، هرس کردن ، باید در یک برنامه ای کامپیوتری جمع شن تا ما یک سیستم هوش مصنوعی داشته باشیم .
اما پایگاه دانش (Knowladge Base ) : برای ساخت سیستمهای خبره باید پایگاه دانش (Knowladge Base ) رو طراحی و پیاده سازی کنیم . برای این کار باید دانش از منابع اون استخراج بشه و به شکل قابل قبول در پایگاه دانش (Knowladge Base ) ذخیره بشه . روشهای ارائه دانش متفاوتند که در 90% موارد از روش ارائه دانش منطقی استفاده میکنن .. که مثال بالا نمونه ای از اون هست . واین بحث خیلی گسترده است سوالی بود بفرمایید آقای حسام الدین . البته امیدوارم درست سوالتون رو فهمیده باشم :redface:دو هزار بارم متن رو خوندم سالم باشه ... موفق باشید منتظر نظرتون هستم . :agree: :redface: :redface:

[ellisa]

پاسخ : گذری بر سیستم های خبره

محدویتآها و مزیتآهای سیستمآهای خبره
دستاورد سیستمآهای خبره را میآتوان صرفهآجویی در هزینهآها و نیز تصمیمآگیریآهای بهتر و دقیقآتر و بسیاری موارد تخصصیآتر دیگر عنوان کرد. استفاده از سیستمآهای خبره برای شرکتآها میآتواند صرفهآجویی به همراه داشته باشد.
در زمینه تصمیمآگیری نیز گاهی میآتوان در شرایط پیچیده، با بهرهآگیری از چنین سیستمآهایی تصمیمآهای بهتری اتخاذ کرد و جنبهآهای پیچیدهآای را در مدت زمان بسیار کمی مورد بررسی قرار داد که تحلیل آنها به روزها زمان نیاز دارد.
از سوی دیگر، بهآکارگیری سیستمآهای خبره محدودیتآهای خاصی دارد. به عنوان نمونه، این سیستمآها نسبت به آنچه انجام میآدهند، هیچ <حسی> ندارند. چنین سیستمآهایی نمیآتوانند خبرگی خود را به گسترهآهای وسیعآتری تعمیم دهند؛ چراکه تنها برای یک منظور خاص طراحی شدهآاند و پایگاه دانش آنآها از دانش متخصصان آن حوزه نشات گرفته و از اینآرو محدود است.
چنین سیستمآهایی از آنجا که توسط دانش متخصصان تغذیه اطلاعاتی شدهآاند، در صورت بروز برخی موارد پیشآبینی نشده، نمیآتوانند شرایط جدید را به درستی تجزیه و تحلیل نمایند.
میزان مطلوب بودن یک سیستم خبره اصولا به میزان قابلیت دسترسی به آن و میزان سهولت کار با آن بستگی دارد. می توان مزایایی که یک سیستم خبره در برابر انسان خبره دارد را به این صورت نام برد: - برخلاف انسان متخصص که نیاز به خواب، استراحت و غذا و ... دارد، یک سیستم متخصص 24 ساعت در شبانه روز و 365 روز در سال قابل دسترس است. - دانش سیستم خبره از بین نمیآرود بلکه می توان آن را ذخیره نمود و حتی بسادگی می توان آن را کپی برداری کرد. - یک سیستم متخصص همواره دارای حداکثر کارآیی خود است ولی به محض آنکه یک انسان متخصص خسته شود صحت توصیه های وی ممکن است کاهش یابد. - یک سیستم متخصص دارای شخصیت نیست. همانطور که شما هم درک کرده اید شخصیت های افراد مختلف اغلب با یکدیگر سازگار نیستند. اگر شما با یک متخصص رفیق یا دوست یا حداقل موافق نباشید، آنگاه احتمالاً شانس اندکی برای استفاده از دانش این فرد خواهید داشت. عکس این حالت نیز صحیح است. - آخرین برتری سیستم های خبره این است که به سادگی و با کپی برداری این برنامه از دستگاهی به دستگاه دیگر و در کمترین زمان ممکن می توان یک سیستم متخصص دیگر بوجود آورد در حالی که تبدیل یک انسان به یک متخصص زمانی طولانی نیاز دارد.
مزایایآ سیستمآهایآ خبرهآ را میآتوانآ بهآ صورتآ زیر دستهآبندیآ کرد:
1-افزایش قابلیتآ دسترسیآ: تجربیاتآ بسیاریآ از طریقآ کامپیوتر دراختیار قرار میآگیرد و بهآ طور سادهآتر میآتوانآ گفتآ یکآ سیستمآ خبرهآ،تولید انبوهآ تجربیاتآ استآ.
2کاهشآهزینهآ:هزینهآکسبآتجربهآبرایآکاربربهآط ورزیادیآکاهشآمیآیابد
3-کاهشآ خطر: سیستمآ خبرهآ میآتواند در محیطهاییآ کهآ ممکنآ استآبرایآ انسانآ سختآ و خطرناکآ باشد نیز بکار رود.
4-دائمیآ بودنآ: سیستمآهایآ خبرهآ دائمیآ و پایدار هستند. بعبارتیآ مانندانسانآها نمیآمیرند و فنا ناپذیرند.
5-تجربیاتآ چندگانهآ: یکآ سیستمآ خبرهآ میآتواند مجموعآ تجربیاتآ وگاهیآهایآ چندینآ فرد خبرهآ باشد.
6-افزایشآ قابلیتآ اطمینانآ: سیستمآهایآ خبرهآ هیچآ وقتآ خستهآ وبیمار نمیآشوند، اعتصابآ نمیآکنند و یا علیهآ مدیرشانآ توطئهآ نمیآکنند، درصورتیآ کهآ اغلبآ در افراد خبرهآ چنینآ حالاتیآ پدید میآآید.
7-قدرتآ تبیینآ (Explanation): یکآ سیستمآ خبرهآ میآتواند مسیر و مراحلآاستدلالیآ منتهیآ شدهآ بهآ نتیجهآگیریآ را تشریحآ نماید. اما افراد خبرهآ اغلبآاوقاتآ بدلایلآ مختلفآ (خستگیآ، عدمآ تمایلآ و&hellip نمیآتوانند اینآ عملآ رادر زمانهایآ تصمیمآگیریآ انجامآ دهند. اینآ قابلیتآ، اطمینانآ شما را در موردصحیحآ بودنآ تصمیمآگیریآ افزایشآ میآدهد.
8- پاسخ دهی سریع: سیستم های خبره سریع و در اسرع وقت جواب می دهند.
9-پاسخآدهیآ در همهآ حالاتآ: در مواقعآ اضطراریآ و مورد نیاز،ممکنآ استآ یکآ فرد خبرهآ بخاطر فشار روحیآ و یا عواملآ دیگر، صحیحآتصمیمآگیریآ نکند ولیآ سیستمآ خبرهآ اینآ معایبآ را ندارد.
10-پایگاهآ تجربهآ: سیستمآ خبرهآ میآتواند همانند یکآ پایگاهآ تجربهآعملآ کند وانبوهیآ از تجربیاتآ را در دسترسآ قرار دهد.
11-آموزشآ کاربر: سیستمآ خبرهآ میآتواند همانند یکآ خودآموز هوشآ(Intelligent Tutor) عملآ کند. بدینآ صورتآ کهآ مثالهاییآ را بهآ سیستمآ خبرهآمیآدهند و روشآ استدلالآ سیستمآ را از آنآ میآخواهند.
12-سهولتآ انتقالآ دانشآ: یکیآ از مهمترینآ مزایایآ سیستمآ خبرهآ،سهولتآ انتقالآ آنآ بهآ مکانآهایآ جغرافیاییآ گوناگونآ استآ. اینآ امر برایآتوسعهآکشورهاییآکهآ استطاعتآ خرید دانشآ متخصصانآراندارند،مهمآاستآ.

با تشکر . امیدوارم مورد استفاده دوستان باشه . هر سوالی بود بفرمایید در حد توان امیدوارم بتونم پاسخگو باشم .

[hamed_mine]

پاسخ : گذری بر سیستم های خبره

ممنون امیدوارم مقالاتتون به راه و زندگی به کام باشه

[ellisa]

پاسخ : گذری بر سیستم های خبره

چند سیستم خبره مشهور

از نخستین سیستمآهای خبره میآتوان به Dendral اشاره کرد که در سال 1965 توسط Edward Feigenbaum وJoshun Lederberg پژوهشگران هوش مصنوعی در دانشگاه استنفورد ساخته شد.
وظیفه این برنامه کامپیوتری، تحلیلآهای شیمیایی بود. ماده مورد آزمایش میآتوانست ترکیبی پیچیده از کربن، هیدروژن و نیتروژن باشد. Dendarl میآتوانست با بررسی آرایش و اطلاعات مربوط به یک ماده، ساختار مولکولی آن را شبیهآسازی کند. کارکرد این نرمآافزار چنان خوب بود که میآتوانست با یک متخصص رقابت کند.
از دیگر سیستمآهای خبره مشهور میآتوان به MYCIN اشاره کرد که در سال 1972 در استنفورد طراحی شد. MYCIN برنامهآای بود که کار آن تشخیص عفونتآهای خونی با بررسی اطلاعات به دست آمده از شرایط جسمی بیمار و نیز نتیجه آزمایشآهای او بود.
برنامه به گونهآای طراحی شده بود که در صورت نیاز به اطلاعات بیشتر، با پرسشآهایی آنآها را درخواست میآکرد تا تصمیمآگیری بهتری انجام دهد؛ پرسشآهایی چون "آیا بیمار اخیرا دچار سوختگی شده است؟" (برای تشخیص اینآکه آیا عفونت خونی از سوختگی نشات گرفته یا نه. MYCIN ( گاه میآتوانست نتایج آزمایش را نیز از پیش حدس بزند.
سیستم خبره دیگر در این زمینه Centaur بود که کار آن بررسی آزمایشآهای تنفسی و تشخیص بیماریآهای ریوی بود.
یکی از پیشروان توسعه و کاربرد سیستمآهای خبره، سازمانآهای فضایی هستند که برای مشاوره و نیز بررسی شرایط پیچیده و صرفهآجویی در زمان و هزینه چنین تحلیلآهایی به این سیستمآها روی آوردهآاند.
Marshall Space Flight Center) MSFC) یکی از مراکز وابسته به سازمان فضایی ناسا از سال 1994 در زمینه توسعه نرمآافزارهای هوشمند کار میآکند که هدف آن تخمین کمّ و کیف تجهیزات و لوازم مورد نیاز برای حمل به فضا است.
این برنامهآهای کامپیوتری با پیشنهاد راهکارهایی در این زمینه از بار کاری کارمندان بخشآهایی چون ISS (ایستگاه فضایی بین المللی) میآکاهند و به گونهآای طراحی شدهآاند که مدیریتآپذیرند و بسته به شرایط مختلف، قابل تعریف هستند.
مرکز فضایی MSFC، توسط فناوری ویژه خود موسوم به 2G به ایجاد برنامهآهای ویژه کنترل هوشمندانه و سیستمآهای مانیتورینگ خطایاب میآپردازد. این فناوری را میآتوان هم در سیستمآهای لینوکسی و هم در سیستمآهای سرور مبتنی بر ویندوز مورد استفاده قرار داد.
آنچه در نهایت میآتوان گفت آن است که یکی از مزیتآهای سیستمآهای خبره این است که میآتوانند در کنار متخصصان انسانی مورد استفاده قرار بگیرند که ماحصل آن تصمیمی مبتنی بر تخصص انسانی و دقت ماشینی است. این فناوری از دید تجاری نیز برای توسعهآدهندگان آن سودآور است.
همآاکنون شرکتآهای بسیاری به فروش سیستمآهای خبره و پشتیبانی از مشتریان محصولات خود میآپردازند. درآمد یک شرکت کوچک فعال در زمینه فروش چنین محصولاتی میآتواند سالانه بالغ بر پنج تا بیست میلیون دلار باشد. بازار فروش و پشتیبانی سیستمآهای خبره در سراسر جهان نیز سالانه به صدها میلیون دلار میآرسد.

موفق باشید .