سامانه استدلال

از ویکی‌پدیا، دانشنامهٔ آزاد
پرش به: ناوبری، جستجو

در فناوری اطلاعات  سامانهٔ استدلال یا سیستم استدلال خودکار، یک سیستم نرم‌افزاری است که از دانش در دسترس، با استفاده از تکنیک های منطقی مانند استدلال استنتاجی و استقراء، نتیجه‌ تولید می کند. سامانهٔ استدلال نقش مهمی در پیاده سازی هوش مصنوعی و سامانه‌های دانش-بنیان دارد.

با استفاده از تعریف عبارت .تمام سیستم های کامپیوتری سیستم های استدلالی هستند  که در همه آنها به طور خودکار با تصمیم گیری منطقی. در استفاده از فناوری اطلاعات در این زمینه محسوب می شود .برای مثال برای سیستم های که نسبتاً ساده اند  انواع استدلال مانند محاسبه مالیات بر فروش یا تخفیف مشتری استفاده می شود در مورد یک تشخیص پزشکی یا قضیه  ریاضی   از ساخت منطقی استنتاج استفاده میشود. استدلال سیستم های آمده در دو حالت: تعاملی و پردازش دسته ای اند.سیستم های تعاملی ایجاد رابط با کاربر با پرسش روشن یا در غیر این صورت اجازه می دهد تا کاربر به راهنمای استدلال رجوع کند. امکان اینکه پردازش دسته ای سیستم  در تمام اطلاعات موجود و تولید بهترین پاسخ  وجود دارد بدون بازخورد کاربر یا راهنمایی آن ممکن است. [۱]

استدلال سیستم  از یک میدان گسترده ای از نرم‌افزار ساخته شده است که شامل برنامه ریزیهای کسب و کار. کار پردازش حل مسئلههای پیچیده پردازش رویدادهای تشخیص نفوذبا predictive analyticsهای رباتیکبا بینایی کامپیوترو پردازش زبان طبیعیاست.

تاریخچه[ویرایش]

اولین استدلال سیستم قضیه provers است که نشان دهنده بدیهیات و اظهارات در منطق مرتبه اول است و سپس با استفاده از قواعد منطق مانند modus ponens برای پی بردن به اظهارات جدید  بکار برده میشود. یکی دیگر از مشکلات نوع استدلال سیستم بود که به طور کلی حل شود.بطور کلی مشکل این سیستم حل طراحی هایی که توسط Newell و سیمون انجام شده بوده است. که راه حل آن اقدام به ارائه عمومی برنامه ریزی موتور است که می تواند نشان دهنده و حل مشکلات ساختار باشد. آنها با تجزیه مشکلات به اجزا کوچکتر و قابل کنترل تر و مونتاژ جزئی تر .کار را ساده کردند، که می توان گفت پاسخ نهایی است. و با حل اکثر مشکلات خانواده های بزرگی از سیستم شروع به رشد کردند. 

در عمل قضیه provers و این مشکل به طور کلی حل شد و به ندرت برای برنامه های کاربردی و تخصصی مورد نیاز کاربران با آگاهی از منطق به استفاده از اولین کاربرد عملی استدلال خودکار به وجود آمد کارشناس سیستم های خیلی متمرکز به تعریف دامنه ای از مشکل که به جای تلاش برای پیاده سازی طیف گسترده ای از عبارات منطقی آنها باید بر اجرای روش-ponens تمرکز کرد . تمرکز بر روی یک دامنه خاص اجازه می دهد تنها با زیر مجموعه محدود منجر به بهبود عملکرد منطق این سیستم نسبت به سیستم های استدلال خودکار قبلی می شود. موتور مورد استفاده که به صورت خودکار .استدلال در سیستم های خبره را انجام میدهد به طور معمول به نام استنتاج موتور نام گزاری شده. که به طور معمول به نام قضیه provers.[۲]

با افزایش محبوبیت سیستم های جدید بسیاری از استدلال انواع خودکار به کار گرفته شد منجر به مشکلات متنوع در دولت و صنعت شد. برخی مانند case-based reasoning شدند که شاخه ای از سیستم های خبره پژوهش است. دیگران مانند محدودیت رضایت الگوریتم نیز متاثر از زمینه ها مانند تصمیم گیری فناوری و برنامه ریزی خطی اند وهمچنین یک رویکرد کاملاً متفاوت و نه بر اساس استدلال نمادین اما در یک connectionist مدل نیز بسیار سازنده است. این نوع دوم از استدلال خودکار است به خصوص مناسب برای الگوی تطبیق و سیگنال تشخیص انواع مشکلات مانند متن جستجو و در صورت تطبیق است.

استفاده از منطق[ویرایش]

اصطلاح استدلال سیستم می تواند مورد استفاده قرار گیرد  در مورد هر نوع تصمیم گیری پیچیده یا  توسط مناطق خاص که در ادامه توضیح داده خواهد شد. شایع ترین استفاده از سیستم استدلال کامپیوتراست که نماینده ای از منطق است. منطق های مختلف پیاده سازی شده تنوع قابل توجهی امانند سیستم های منطق و تشریفات. بسیاری از سیستم استدلال که پیاده سازی تغییرات propositional و نمادین (گزاره)که از نظر منطق نشان می دهد. این تغییرات ممکن است با ریاضی دقیق نمایندگی رسمی سیستم های منطقی (به عنوان مثال FOL) یا تمدید و هیبرید نسخه از این سیستم (به عنوان مثال مودب منطق[۳]).امکان در پیاده سازی منطق های اضافی نوع (به عنوان مثال معینبا deonticهای زمانی منطق) در سیستم استدلال ممکن است. بسیاری از استدلال پیاده سازی سیستم های مبهم و نیمه رسمی به تقریب رسمیت شناخته شده است. سیستم منطق این سیستم به طور معمول پشتیبانی کاری از انواع رویه و نیمه-تعریف تکنیک های به منظور مدل های مختلف استراتژی استدلال را بر عهده دارد

بسیاری از استدلال سیستم استخدام استدلال استقرایی به رسم استنتاج در دسترس دانش است. این استنتاج موتورهای پشتیبانی استدلالی هستند که به جلو یا رو به عقب برای پی بردن به نتیجه گیری از طریق modus ponens استدلال میکنند. این استدلال بازگشتی روش استخدام نامیده می شوند 'به جلو زنجیرهای"و"عقب مانده زنجیری'بود. اگر چه استدلال سیستم به طور گسترده ای پشتیبانی از استنتاج قیاسی در برخی از سیستم های استخدام abductive سلفیهای defeasible و انواع دیگر از استدلال است. ابتکارات نیز ممکن است به کار برای تعیین راه حل های قابل قبول به مشکلات مقاوماست.

استدلال تحت عدم قطعیت[ویرایش]

بسیاری از استدلال ارائه قابلیت سیستم برای استدلال تحت عدم قطعیتاست. این مهم است که ساختمان استدلال عواملی است که باید در مقابله با نامشخصاتی از جهان باشد. چندین روش رایج برای رسیدگی به عدم قطعیت است. این شامل استفاده از یقین عوامل احتمالی به عنوان روش bayesian یا Dempster–Shafer theoryچند ارزش ('فازی'), منطق های مختلف و connectionist روش است.[۴]

انواع استدلال سیستم[ویرایش]

این بخش  ایجاد غیر جامع و غیر رسمی طبقه بندی از انواع شایع استدلال سیستم میکند. این دسته بندی ها هستند و نه مطلق هست. آنها با هم همپوشانی که دارند به درجه قابل توجهی و به اشتراک گذاری تعدادی از روشها و الگوریتم های می رسد.

محدودیت solvers[ویرایش]

حل  محدودیت ر مشکلات (CSPs). محدودیت های برنامه نویسی یک محدودیت و یک بیماری است که باید راه حل برای مشکل پیدا شود. محدودیت های تعریف شده اعلانی و کاربردی به متغیرهای داخل با توجه به دامنه. محدودیت حل استفاده از جستجوهای پس گرد و محدودیت انتشار تکنیک هایی برای پیدا کردن راه حل و تعیین راه حل مطلوب استفاده شود.  استخدام فرم خطی و غیر خطی برنامه نویسی ممکن است اغلب برای انجام بهینه سازی در درون بسیار ترکیبیاتی مشکل فضاهای استفاده  شود. برای مثال آنها ممکن است مورد استفاده برای محاسبه بهینه برنامه ریزی و طراحی کارآمد مدارهای یکپارچه یا به حداکثر رساندن بهره وری در فرایند تولید بکار برده شود.[۵]

قضیه provers[ویرایش]

قضیه provers استفاده از استدلال خودکار تکنیک برای تعیین اثبات قضایای ریاضی است .که ممکن است به منظور بررسی اثبات استفاده قرار گیرد . در علاوه برنامه های کاربردی معمولی از قضیه provers میتوان از تایید صحت مدارهای یکپارچه، نرم‌افزار، طرح های مهندسی ،استفاده کرد

منطق برنامه[ویرایش]

منطق برنامه (LPs) نرم‌افزار برنامه های نوشته شده با استفاده از زبان های برنامه نویسی که شکلهای هندسی اولیه و عبارات ارائه خدمات مستقیم به نمایندگی از سازه های کشیده شده از منطق ریاضی است. یک مثال از یک منظوره منطق زبان برنامه نویسی Prolog. LPs نمایندگی مستقیم نرم‌افزار از منطق برنامه نویسی برای حل مشکلات است. منطق برنامه نویسی است که از ویژگیهای بسیار اعلانی روش مبتنی بر منطق صوری و دارای کاربرد گسترده ای در بسیاری از رشته ها است.

حکومت موتورهای[ویرایش]

حکومت موتورهای نشان دهنده منطق شرطی به عنوان قوانین گسسته است.که از مجموعه ای از قانون ها اداره می شود و اعمال می شود به طور جداگانه به قابلیت دیگر آنها کاربرد گسترده ای در بسیاری از حوزه ها دارد. بسیاری از حکومت موتورهای اجرای استدلال قابلیت های. یک روش معمول را داراست که پیاده سازی سیستم های تولید برای حمایت از جلو یا رو به عقب زنجیری را داراست.  که به هر قاعده ('تولید') متصل می شود و یک رابطه از گزاره بند به یک لیست از اقدامات اجرایی است. اگر این اقدامات حذف یا تغییر هر گونه حقایق یا دفاع از حقایق جدید در موتور بلافاصله محاسبه دوباره مجموعه ای از مسابقات است. حکومت موتورهایی هستند که به طور گسترده ای استفاده می شود به مدل و اعمال قوانین کسب و کاربرای کنترل و تصمیم گیری در فرایندهای خودکار و به اجرای کسب و کار و ویژگی های سیاست امورد استفاده است.

قیاسی طبقه بندی[ویرایش]

قیاسی طبقه به وجود آمد و کمی بعد از حکومت مبتنی بر سیستم و یک جزء از یک نوع جدید از هوش مصنوعی است که دانش نمایندگی ابزار شناخته شده به عنوان قاب زبان. یک قاب زبان توصیف مشکل دامنه به عنوان یک مجموعه ای از کلاس های مشتق و روابط میان طبقات است. آن است که شبیه به شی گرا ، بر خلاف شی گرا مدل های این قاب زبان رسمی معانی بر اساس منطق مرتبه اول است.  از این معانی به ارائه ورودی به قیاسی طبقه بندی استفاده میشود. طبقه بندی به نوبه خود می تواند تجزیه و تحلیل داده (شناخته شده به عنوان یک هستی شناسی) و تعیین اگر روابط مختلف شرح داده شده در این مدل سازگار هستند. اگر هستی شناسی است که مطابق طبقه بندی برجسته اعلامیه که متناقض هستند. اگر هستی شناسی است که مطابق طبقه بندی می دهند بیشتر استدلال و قرعه کشی های اضافی نتیجه گیری در مورد روابط اشیاء در هستی شناسی. برای مثال ممکن است تعیین کند که یک شی است که در واقع یک زیرگروه یا instance از کلاس های اضافی به عنوان کسانی که شرح داده شده توسط کاربر. طبقه بندی هستند مهم فناوری در تجزیه و تحلیل هستی شناسی مورد استفاده برای توصیف مدل در وب معناییاست.[۶][۷]

یادگیری ماشین و سیستم[ویرایش]

یادگیری ماشین. سیستم تکامل و رفتار خود در طول زمان بر اساس تجربهاست. این ممکن است شامل استدلال بیش از مشاهده وقایع یا به عنوان مثال داده های ارائه شده برای اهداف آموزشی. برای مثال یادگیری ماشین سیستم ممکن است استفاده از استقرا به تولید فرضیه برای مشاهده حقایق است. آموزش سیستم های جستجو به صورت کلی قوانین یا توابع است که نتایج عملکرد با مشاهدات و سپس با استفاده از این تعمیم به کنترل رفتار آینده است.

Case-based reasoning سیستم[ویرایش]

((Case-based reasoning (CBR) سیستم های که ارائه راه حل برای مشکلات با تجزیه و تحلیل شباهت به دیگر مشکلات است که برای آن راه حل های شناخته شده در حال حاضر وجود دارد. آنها با استفاده از آنالوگ استدلال برای پی بردن به راه حل های مبتنی بر مورد تاریخ. CBR سیستم معمولاً استفاده می شود .ویژگی های پشتیبانی و مرکز تماس حالات و برنامه های کاربردی درساخت های صنعتی و کشاورزی و بسیاری از مناطق دیگر.

رویه استدلال سیستم[ویرایش]

یک رویه استدلال سیستم (PRS) با استفاده از استدلال تکنیک های انتخاب برنامه از یک رویه دانش پایه است. که هر طرح نشان دهنده یک دوره از عمل برای دستیابی به یک هدف است. و این که پیاده سازی PRS یک باوراست . استدلال  بیش از حقایق ('باورهای') برای انتخاب برنامه های مناسب ('اهداف') با توجه به اهداف ('خواسته') شده . در برنامه های کاربردی معمولی از PRS شامل مدیریت نظارت و تشخیص خطا در سیستم ها است.

منابع[ویرایش]

  1. Wos, Larry; Owerbeek, Ross; Ewing, Lusk; Boyle, Jim (1984). Automated Reasoning: Introductions and Applications. Prentice Hall. p. 4. ISBN 0-13-054453-1. 
  2. Hayes-Roth, Frederick; Waterman, Donald; Lenat, Douglas (1983). Building Expert Systems. AddisonWesley. ISBN 0-201-10686-8. 
  3. Grosof, Benjamin N. (30 December 1997). "Courteous Logic Programs: Prioritized Conflict Handling For Rules" (Postscript). IBM Research Report. RC 20836 (92273). 
  4. Moses, Yoram; Vardi, Moshe Y; Fagin, Ronald; Halpern, Joseph Y (2003). Reasoning About Knowledge. MIT Press. ISBN 978-0-262-56200-3. 
  5. Schalkoff, Robert (2011). Intelligent Systems: Principles, Paradigms and Pragmatics: Principles, Paradigms and Pragmatics. Jones & Bartlett Learning. ISBN 978-0-7637-8017-3. 
  6. MacGregor, Robert (June 1991). "Using a description classifier to enhance knowledge representation". IEEE Expert 6 (3): 41–46. doi:10.1109/64.87683. Retrieved 10 November 2013. 
  7. Berners-Lee, Tim; Hendler, James; Lassila, Ora (May 17, 2001). "The Semantic Web A new form of Web content that is meaningful to computers will unleash a revolution of new possibilities". Scientific American 284: 34–43. doi:10.1038/scientificamerican0501-34.