دانلود پایان نامه درمورد سیستم خبره، هوش مصنوعی، قابلیت اعتماد

دانلود پایان نامه ارشد

سیستمهای دانش نیز نامیده شدند، زیرا که در حوزۀ مشخصی از دانش مرتبط با آن حوزه مورد استفاده قرا میگرفتند و شاخۀ جدیدی از علم نسبتاً پیچیده و جدید هوش مصنوعی هستند که دانش و روش های استنتاجی را به کار میبرند. در جدول 2-1 میتوان برخی سیستمهای خبرۀ تجربی را مشاهده کرد.
بسیاری از سیستمهای خبرۀ ساخته شده در سال 1970 اساساً به صورت آزمایشی طراحی گردیده و محدود به تحقیقات دانشگاهی میشدند. در دهه 1980 انتقال تحقیقات آزمایشگاهی سیستمهای خبره به سیستمهای تجاری آن آغاز شد. در این میان XCON اولین سیستم بود. DEC نیز که در اوائل دهه 1980 ساخته شد یک سیستم موفق بود که صرفهجویی مالی زیاد و نرخ بازده زیادی در کوتاه مدت را برای شرکت داشت. جدول 2-2 تعدادی از فعالیت های سیستم های خبرۀ تجاری را نشان میدهد.

نام
مکان طراحی
سال
شرح حوزه فعالیت سیستم
DENDRAL
دانشگاه استانفورد آمریکا
1965
کشف ساختارهای مولکولی با دادن اطلاعاتی درباره ترکیبات تشکیل دهنده و طیف آن ها
MACSYMA
دانشگاه MIT آمریکا
1968
حل چندین نوع مساله ریاضی با محاسبات انتگرال
PROSPECTOR
موسسه تحقیقاتی استانفورد
1974
کمک به زمین شناسان در استخراج مواد معدنی و پیش بینی احتمال وجود منابع در مناطق مشخص
MYCIN
دانشگاه استانفورد
1976
طراحی یک سیستم پزشکی کامل به طوری که به پزشکان در انتخاب آنتی بیوتیک ها برای عفونت های شدید کمک کند.

شرح سیستم
سال تکمیل
ایجاد کننده
نام

یک سیستم خبره جدول بندی.
جدول عملیات برای سفرهای فضائی شاتل می باشد.

1993
آمریکا و ناسا
GPSS

یک سیستم خبره طراحی.
برای طراحی نیازمندی های فولاد مشتریان با استفاده از استدلال مورد کاوی

1992
ژاپن و فولاد نیپون
NSSP

یک سیستم کنترل کننده و ناظر.
مورد استفاده بانک ها برای عدم وجود تقلب در استفاده از کارت های اعتباری

1992
آمریکا و تاچ رز
(Touch Rose)
FRAVDWATH

سیستم خبره برنامه ریزی.
برنامه ریزی لجستیک در جنگ خلیج فارس

1990
آمریکا و اروپا
DARPA
DART

یک سیستم خبره کنترل فرآیند.
برای کنترل مصرف انرژی در صنعت سیمان

انگلستان
LINKMAN

2-2-1 تعاریف مختلف از سیستم خبره
در اینجا چند تعریف از سیستم خبره مطرح میگردد:
یک سیستم خبره، سیستم اطلاعاتی مبتنی بر دانشی است که دانش خود را دربارۀ حوزۀ کاربری خاص و پیچیدهای به کار میگیرد تا به عنوان مشاوری خبره برای کاربران نهایی عمل کند. سیستمهای خبره از طریق ایجاد استنباطهای انسان مانند، دربارۀ دانش موجود در یک پایگاه دانش خاص به پرسشهای حوزهای بسیار خاص از مسائل پاسخ میدهند. همچنین آنها باید قادر باشند استدلال و نتیجهگیری خود را برای کاربر توضیح دهند (اُبراین، 1386، 316).
سیستم خبره یک سیستم رایانهای است که با استفاده از دانش، حقایق و روشهای استدلالی، مسائلی را حل میکند که نیاز به توانایی افراد خبره دارند (Martin, Oxman,1988,43).
سیستم خبره یک نرم افزار رایانهای برای تصمیمگیری است که حتی فراتر از مهارت انسان در حوزههای خاص و ظریف به یک سطح عملکردی و مقایسهای دسترسی مییابد (Trippi, Turban, xii)
سیستم خبره به سیستم یا برنامه رایانهای گفته میشود که با به کارگیری یک یا چند تکنیک هوش مصنوعی قادر به انجام فعالیتهایی است که به طور سنتی توسط دانش و مهارت انسان خبره انجام می گیرند (الهی، رجب زاده، 1382،12)

2-2-2 مزایای سیستمهای خبره
مزایای سیستمهای خبره میتواند هم برای سازمان و هم برای کارکنانی که داخل سازمان کار میکنند، مطرح شوند. این مزیتها به شرح زیر هستند:

2-2-2-1 مزایای سازمانی
حفظ دانش: دانش این سیستمها دائمی است، برخلاف انسان که ممکن است استخدام یا بازنشسته شود و یا مسائل دیگری برای وی اتفاق بیفتد.
توزیع دانش: دانش میتواند از طریق سیستمهای طراحی شده به سایتهای دیگر در هر جای دنیا با استفاده از شبکه یا کپی برداری سیستم خبره روی یک سخت افزار مجزا، انتقال یابند.
آموزش: سیستمهای خبره توانایی شرح و تبیین یک مسأله را دارند. استفادهکنندگان سیستم می توانند زنجیره استدلال تصمیمات اتخاذ شده را بفهمند و درک بهتری از حوزۀ مسأله داشته باشند.
تأثیر رقابتی: سیستمهای خبره به یک سازمان اغلب توانایی رقابت میدهند. به طوریکه بتواند سرعت عکس العمل و پاسخ خود را افزایش دهد و دقت تصمیمات خود را بالاتر برد.
کاهش هزینه: به اشتراک گذاشتن رایانهها هزینه زیادی ندارد و منابع مهمی مصرف نمیکند (بجز هزینههای انرژی و نگهداری) و نیز هزینه ایجاد تخصص برای استفاده کننده رایانه پایین است.
افزایش بهرهوری و میزان تولید: سیستمهای خبره از انسان سریعتر عمل میکنند. برای مثال سیستم خبره XCON به شرکت DEC کمک نمود تا تولیدات رایانههای کوچک خود را بر طبق سفارش مشتریان به چهار برابر افزایش دهد. با کمک این نرم افزار، DEC تولید سفارشی انبوه را در برنامهریزی تولید خود به کار برده است.
افزایش کیفیت محصولات: سیستمهای خبره قادر به افزایش کیفیت سازمانهای تولیدی هستند. برای مثال سیستم خبره XCON میزان محصولات معیوب سفارشی را از 35 به 2 درصد کاهش داده است.
حل مشکل کمیابی تخصص: در بسیاری موارد متخصصان یا در حال بازنشسته شدن و یا ترک شغل خود هستند و یا اصلاً حوزۀ جغرافیایی کار این متخصصان آنقدر زیاد است که امکان در دسترس بودن و یا استفادۀ مناسب از آنها وجود ندارد.
انجام کار و فعالیتها در محیطهای کاری خطرناک: در بسیاری از کارها ضرورت وجود دارد که نیروی انسانی در محیطهای خطرناک کار کند. سیستمهای خبره با استفاده از اطلاعاتی از حس گرهای قرار داده شده در این محیطها، تصمیمگیریها و کارها را انجام میدهد و ضرورتی برای ورود انسان به این محیطها که ممکن است عوامل خاص جوی مثل گرما، رطوبت و غبارهای سمی در آنها باشد وجود ندارد.
قابلیت اعتماد: سیستمهای خبره قابلیت اعتماد بالایی دارند. این سیستمها معمولاً خسته یا بیمار نمیشوند، اعتصاب نمیکنند، مشاجره و بحث نمیکنند و معمولاً در حل یک مسئله به جزئیات میپردازند.
افزایش توانایی سیستمهای رایانهای: ترکیب سیستمهای خبره با دیگر سیستمهای هوش مصنوعی موجب افزایش کارایی این سیستمها، کار سریعتر و تولید نتایج با کیفیت بالاتر میشود.
توانایی تصمیمگیری و کار با اطلاعات ناقص و نامعین: سیستمهای خبره مانند انسان توانایی پرورش پردازش دادههای نامعین را دارند. کاربر میتواند به بعضی سؤالات پاسخ ” نمیدانم” یا مطمئن نیستم” را بدهد.
حذف نیاز برای بعضی تجهیزات گران قیمت: در بسیاری موارد، نیروی انسانی برای کنترل و نظارت متکی به وسائل و ابزار گران است. استفاده از سیستمهای خبره موجب می شود که این وظایف سریعتر و بهتر انجام شوند.
انعطاف پذیری: سیستمهای خبره توانایی انعطافپذیری در سازمانهای تولیدی و خدماتی را دارند. برای مثال در DEC دیده شد که سفارشات میتوانند با توجه به نیاز مشتریان صورت گیرند. بدون وجود نرم افزار سیستم خبره، DEC نمیتوانست درخواست های مشتریان را پاسخ گوید.
تخصص چندگانه: دانش چند فرد خبره میتواند به طور همزمان و متداوم برای حل یک مسئله در هر زمان مورد استفاده قرار گیرد. سطح تخصصی که از ترکیب چند تخصص ایجاد می شود ممکن است بسیار فراتر از تخصص یک فرد خبره باشد.
تبیین: یک سیستم خبره می تواند بطور واضح و با جزئیات، دلیل نتیجه با توصیهای را که ارائه میدهد را توضیح دهد. یک فرد خبره ممکن است برای ارائه این توضیح خسته یا ناتوان باشد و یا تمایلی برای آن نداشته باشد. این امر سبب افزایش اطمینان نسبت به اینکه تصمیم درستی اتخاذ شده است می شود.
پاسخ سریع: پاسخ سریع و به موقع برای بسیاری از مسائل ضروری میباشد. بسته به سخت افزار و نرم افزاری که در سیستم خبره به کار می رود، یک سیستم خبره می تواند نسبت به فرد خبره سریعتر پاسخ دهد.
پاسخ های ثابت، غیر احساسی و کامل در همۀ زمان ها: در برخی از وضعیتهای اضطراری و زمانی که فرد خبره ممکن است در اثر استرس یا خستگی به صورت موثری عمل ننماید، این ویژگی سیستم خبره اهمیت بسیاری دارد.

2-2-2-2 مزایای کاربر
دسترسی به دانش: تخصص برای سخت افزار رایانه همیشه در دسترس است.
آموزش: سیستم خبره در زمینۀ آموزش تسهیلاتی فراهم میکند.
ثبات: کاربر میداند توصیههای ارائه شده در سیستم تحت خطای انسانی نیست و سیستم هوشمند مرخصی ندارد، مریض نمیشود و گرفتاری و مشغلۀ ذهنی هم ندارد.

2-2-3 محدودیتهای سیستمهای خبره
محدودیت های عمدۀ سیستم های خبره از تمرکز محدود آنها، ناتوانی در یادگیری، مسائل نگهداری و هزینههای توسعهای نشأت میگیرد. سیستم خبره تنها در حل انواع خاصی از مسائل در دامنۀ محدودی از دانش موفق هستند. آنها از حل مسائلی که به یک پایگاه دانش گسترده و حل مسأله موضوعی نیاز دارد ناتواناند. آنها با انواع خاصی از وظایف عملیاتی تحلیلی خوب کار میکنند، ولی در تصمیمگیریهای موضوعی مدیریتی دچار مشکل میشوند. همچنین توسعه و نگهداری مناسب سیستمهای خبره دشوار و هزینه بر است. هزینههای مهندسان دانش، هزینۀ فرصت کارشناسان و منابع سخت افزاری ممکن است برای مقابله با منافع مورد انتظار از برخی کاربردهای آن بسیار بالا باشند. همچنین سیستمهای خبره قادر به نگهداری از خود نیستند. یعنی آن ها نمیتوانند از تجربه بیاموزند بلکه باید برای تخصص جدیدی که جهت هماهنگی با توسعههایی در حوزههای موضوعی آنها لازم است، دانش جدیدی بیاموزند و اصلاح شوند (اُبراین، 1386، 319).

2-2-4 سیستمهای خبره و هوش مصنوعی
سیستمهای خبره موجودیت خود را مدیون هوش مصنوعی هستند. یکی از بزرگان هوش مصنوعی – ماروین مینسکی- آن را چنین تعریف میکند:
“هوش مصنوعی، حوزۀ مطالعاتی است که سعی در ایجاد سیستمهایی دارد که به نظر افراد هوشمند هستند.”
هوش مصنوعی، یک حوزۀ مطالعاتی وسیع است که بسیار کاربرد دارد و بعضی از آنها عبارتند از سیستم های خبره، سیستمهای بصیرت، شبکههای عصبی، اثبات تئوری، رباتها، زبان طبیعی.

2-2-5 روش کلی تحلیل سیستمهای خبره (روش ابتکاری)
سیستمهای خبره، به منزله شاخهای از هوش مصنوعی در نظر گرفته میشوند. زیرا روش حل مسائل در آن ها بر اساس ابتکار (سعی و خطا) است. این روش رسیدن به جواب، با روش الگوریتمی متفاوت است. الگوریتم، روش مرحله به مرحله برای رسیدن به جواب است؛ برای مثال، فرایند کاری حقوق و دستمزد کارکنان در یک شرکت، که از یک روش الگوریتمی استفاده میکند، شامل وارد کردن ورودیها، مانند ساعات کاری کارکنان، نرخ اضافه کاری و غیره است که خروجی آن فهرست پرداخت حقوق کارکنان است. گامهای این روش شامل پردازش دادههای بررسی شده برای تولید اطلاعات است. در بیش تر مسائل و فرآیند ها از روش الگوریتمی استفاده میشود. روش جستجوی ابتکاری، از طرف دیگر، یک مسأله را با سعی و با توجه به هدف از قبل تعیین شده حل میکند. مثال خرابی رایانه که بیان گردید، مثالی از روش جستجوی ابتکاری است. مثالهای بیشمار دیگری وجود دارند که بسیاری از آنها در زندگی روزمره اتفاق میافتند؛ برای مثال رانندۀ یک وسیله نقلیه که به دنبال جایی برای پارک وسیلۀ خود میگردد از روش الگوریتمی استفاده نمیکند.

2-2-6 مدل کلی سیستمهای خبره
سیستم خبره شامل دو عنصر مهم میباشد:
الف) موتور استنتاج: برنامهای است که با تجزیه و تحلیل قواعد و دانش ذخیره شده در مخزن دانش نتایج منطقی را ارائه مینماید. هوش سیستم خبره (یعنی مکانیزمی که به ترکیب این دانش با اطلاعاتی که بدست میآورد میپردازد) موتور استنتاج نامیده میشود. دو روش استنتاج در سیستمهای خبره وجود دارد: زنجیرۀ روبه جلو و زنجیرۀ رو به عقب. زنجیرۀ رو به عقب استنتاجی است که از واقعیت ها به سمت نتایج پیش می رود درحالیکه استنتاجی که از سمت فرضیه ها به عقب، یعنی واقعیت ها حرکت می کند زنجیرۀ رو به عقب نامیده می شود.
ب) پایگاه دانش: پایگاه دانش سیستم خبره عبارت است از (1) حقایقی دربارۀ یک حوزۀ خاص مورد نظر و (2) فرآیندهای اکتشافی

پایان نامه
Previous Entries دانلود پایان نامه درمورد بازده مورد انتظار، هوش مصنوعی، انحراف معیار Next Entries دانلود پایان نامه درمورد سیستم خبره، تحقیق در عملیات، سیستم های خبره