Uzman Sistemler
J. J. Harvey
ITT Europe Engineering Support Centre
Harlow, İngiltere
"Önümüzdeki on yıl içinde, yeni teknolojiler, yeni donanım mimarileri ve daha güçlü yazılımlar, uzman sistemlerin uzmanlığın rutin olarak uygulandığı neredeyse tüm alanlara girmesiyle sonuçlanacaktır."
Electrical Communication dergisinin Cilt 60, Sayı 2, 1986 tarihli sayısında yayımlanan ve ITT Corporation’a ait olan; Great Eastern House, Edinburgh Way, Harlow, Essex, İngiltere adresinden izin alınarak yeniden basılan bir makaleye dayanmaktadır.
Yapay Zekânın İki Karşıt Görüşü
Uzman sistemler teknolojisi, yeni ve genişleyen yapay zekâ (YZ) alanından doğarak emekleme aşamasındadır. Yapay zekâya ilişkin iki karşıt görüş vardır. Bunlardan biri, kuramsal bakış açısıdır ve bilgisayarların insan yeteneği düzeyinde algılama ve anlama kapasitesine ulaşacak şekilde nasıl geliştirilebileceğini anlamakla ilgilenir (Şekil 1). Diğeri ise mühendislik bakış açısıdır ve kuramsal bir temel gerektirmeden insan yeteneklerini sergileyebilen bilgisayarlar geliştirmeye odaklanır.
Nasıl ki mekanik bilimi tam olarak gelişmeden önce köprüler inşa etmek mümkün olmuşsa, kapsamlı bir kuramsal temel geliştirilmeden önce de problem çözme ve karar vermeye katkıda bulunabilen akıllı sistemler geliştirmek mümkündür.
Şekil 1’de gösterildiği gibi, başlıca yapay zekâ alanları insan yeteneklerini yansıtır: robotikte hareket ve manipülasyon becerileri; doğal dil ve konuşmada iletişim becerileri; görmede görüntüleri ayırt etme ve tanıma yeteneği; ve uzman sistemlerde problem çözme becerileri.
Bilgisayar Modelleri Geliştirme Teknikleri
Bu bakış açılarına dik olan, bilgisayar modellerini geliştirmede kullanılan yapay zekâ teknikleridir. Bunlar birkaç alana ayrılabilir.
Birincisi bilgi gösterimidir; bildirime dayalı ve yordam temelli bilginin tanımlanmasında kullanılan biçimsel yapıları kapsar. Bildirime dayalı bilgi, bildiklerimizdir (olgular, kuramlar, varsayımlar); yordam temelli bilgi ise bu bilgiyi nasıl kullandığımızı (stratejiler ve taktikler) tanımlar.
İkincisi bilgi işlemedir; yani bilgi içinde arama yapan ve bir sonuca ulaşmak için akıl yürütülmüş çıkarımlar yapan mekanizmalardır.
Üçüncüsü, mevcut bilginin dünyayla etkileşimde ne kadar etkili olduğunu gözlemleyerek yeni bilgi üreten öğrenme teknikleridir.
Dördüncüsü, problem çözmeyi düzenlemeye yönelik planlama stratejileridir.
Beşincisi ise, sistemin kullanıcılarla nasıl etkileşime girdiğini belirleyen kullanıcı arayüzüdür.
Uzman Sistemler
Uzman sistemler, problem çözme ve uzmanlığın uygulanmasıyla ilgili insan yeteneği alanını kapsar. Bunlar, normalde uzmanlar tarafından ele alınan problemleri çözmek için bilgi ve çıkarım ya da akıl yürütme yordamlarını kullanan bilgisayar sistemleridir. Dolayısıyla bir uzman sistem, belirli bir uygulama alanındaki (alan olarak bilinir) uzmanların bilgisini yakalamak ve bu bilgiyi daha az deneyimli personele sunmak üzere tasarlanır.
Bir Uzman Sistemin Bileşenleri
Bir uzman sistemde üç ana bileşen vardır: kullanıcı arayüzü, çıkarım motoru ve bilgi tabanı (Şekil 2).
Kullanıcı Arayüzü
Kullanıcı arayüzü, kullanıcının problemi sunmak ve sonuçları görmek için sistemle etkileşime girmesini sağlar. Temel bir özellik, uzman sistemin, tıpkı bir insan uzman gibi, sonuçlarını gerekçelendirebilmesi ve belirli seçeneklerin neden ele alındığını ya da neden göz ardı edildiğini açıklayabilmesidir.
Kullanıcı arayüzü tasarımcısı için önemli bir husus, inisiyatifin sistem ile kullanıcı arasında nasıl paylaşılacağıdır.
İnisiyatifi sistem aldığında, diyaloğu yönlendirir ve kullanıcıya sorular sorar; talep edilmedikçe kullanıcı sisteme bilgi sunamaz. Örneğin, inisiyatifi alan bir tanı koyma uzman sistemini ele alalım; sistem bir hipotez seçer ve bu hipotez doğrulanana ya da geçersiz kalana kadar kullanıcıya sorular sorar. Bu, alternatif görüşleri olmayan deneyimsiz kullanıcılar için iyi çalışır; ancak alternatif bir hipotezi ya da ek bilgisi olabilecek ve görüşlerinin dikkate alınmadığını düşünebilecek deneyimli kullanıcılar için sinir bozucu olabilir.
İnisiyatif paylaşıldığında, kullanıcı belirli bir sistem isteği olmaksızın bilgi sunabilir ve karar verme sürecine katılabilir. Tanı örneğine geri dönersek, inisiyatif paylaşıldığında sistem, kullanıcıyı mevcut olanlar arasından bir hipotez seçmeye davet eder. Ayrıca, her karar noktasında kullanıcıdan mevcut hipotez hakkında yorum yapması ve alternatif bir eylem yolu önermesi istenir.
Bekleneceği gibi, inisiyatifin paylaşıldığı bir uzman sistemin tasarımı, inisiyatifi sistemin aldığı bir tasarımdan daha karmaşıktır. Daha da karmaşık olanı ise, inisiyatifin tamamen kullanıcıda olduğu bir sistemdir. Bu durumda zorluk, etkileşimi, doğal dil gibi tüm içsel belirsizliklerini barındıran ve dolayısıyla teknolojinin mevcut yeteneklerini aşabilecek çok geniş bir kullanıcı girdisi yelpazesini karşılayacak şekilde sınırlandırmaktır.
Çıkarım Motoru
Çıkarım motoru ya da akıl yürütme mekanizması, geleneksel bir programdaki kontrol yapısına benzer; tümdengelimli olarak çalışır ve bir sonuca ulaşmak için ilgili bilgiyi seçer. Böylece sistem, yanıt bilgi tabanında açıkça depolanmamış olsa bile kullanıcıların sorularını yanıtlayabilir.
Başlıca uzman sistem bileşenleri:
- Kullanıcı Arayüzü
- Çıkarım Motoru
- Bilgi Tabanı
- Olgular
- Sezgisel Kurallar
Şekil 2: Başlıca uzman sistem bileşenleri: kullanıcı arayüzü, çıkarım motoru ve bilgi tabanı.
Amaç, kullanıcının sistem tarafından atılan adımları anlayabilmesi için insan akıl yürütmesini taklit etmektir. Tasarımcının temel görevlerinden biri, uygun bir çıkarım tekniği seçmektir.
Her biri farklı bir akıl yürütme yordamını modelleyen çeşitli çıkarım teknikleri vardır. Örneğin, geri zincirleme ya da hedefe yönelik teknik, bir arıza varsayımıyla başlayıp bu arızanın olası nedenlerini belirlemek için geriye doğru akıl yürüten bir tanı uzmanının düşünme biçimini modeller. Buna karşılık, ileri zincirleme ya da veriye dayalı teknik, bir gereksinimler listesinden başlayarak bu gereksinimleri karşılamak için gerekli ayrıntılı malzeme listesini belirleyen bir konfigürasyon uzmanının akıl yürütmesini modeller. Her iki biçim de genellikle akıl yürütme sürecini modellemek için bir çıkarım ağı kullanır.
Çıkarım tekniklerini bu şekilde tanımlamak, kullanımlarına ilişkin geniş bir genelleme sağlar. Ancak uygulamada, her iki tekniğe de ihtiyaç duyulabilir; problemin bir bölümü ileri zincirleme stratejisine uygunken, başka bir bölümü geri zincirleme yaklaşımına daha uygun olabilir. Zorluk, bilgi mühendisinin farklı seçenekleri deneyerek en uygun stratejiye ulaşabilmesini sağlayacak şekilde bu teknikleri sunmaktır.
Çıkarımın bir diğer önemli yönü, verilerin belirsiz olduğu problemlerle başa çıkabilme yeteneğidir. Bu, örneğin tanı sırasında, bir arızanın nedenine ilişkin verilerin ya da kanıtların güvenilmez olduğu durumlarda gerekli olabilir. Kullanıcı bunu genellikle kanıtın gerçekleşmesine ilişkin bir kesinlik derecesi ya da olasılık olarak ifade eder. Belirsizlikle akıl yürütmeye yönelik teknikler, çıkarım motorunun bir bileşen parçası olacaktır.
Bilgi Tabanı
Bilgi tabanı, uzmanların bilgisini ve uzmanlığını içerdiği için belki de en önemli bileşendir. Bu nedenle uzman sistemler sıklıkla bilgi tabanlı sistemler olarak adlandırılır. Büyük bir avantaj, bilgi tabanının kontrol bölümünden ve çıkarım motorundan ayrı olmasıdır; bu da, geleneksel programlar için gerekli olan uzun geliştirme sürecinden geçmeden ya da kontrol yapısı hakkında endişe etmeden bilginin eklenmesini veya değiştirilmesini mümkün kılar.
Bilgi tabanının tasarımcısı, uzmanların bilgisini tanımlamak için uygun bir temsil tekniği seçmelidir. Önemli etkenler, temsilin ifade gücü (uzmanların bilgisinin ne kadar kolay tanımlanıp okunabildiği) ve hesaplama verimliliğidir (kullanılan temsilin işlenmesinde çalışma zamanı performans yükü). Bir uçta, son derece ifade gücü yüksek bir temsil, bilgiyi tanımlamak için serbest biçimli doğal dili kullanabilirken, diğer uçta hızlı yürütmeyi sağlamak amacıyla bir programlama diline dayalı bir temsil kullanılabilir. Genel olarak seçilen teknik, uzmanlar tarafından anlaşılabilir olan ve böylece bilgi tabanını sürdürmeye ve performansını doğrulamaya teşvik eden, ancak aynı zamanda kabul edilebilir bir yürütme hızı sağlayan bir uzlaşmadır.
Bu seçimin temelinde, uzman sistem uygulamalarında kullanılan başlıca bilgi temsil teknikleri yer alır: kurallar, anlamsal ağlar, çerçeveler ve nesneler.
"Başparmak Kuralları"
Kurallar, en yaygın temsil biçimidir. Her bir kural, sağlandıkları takdirde bir veya daha fazla eylemin ortaya çıkmasına yol açan bir veya daha fazla koşuldan oluşur (Şekil 3). Kuralları kullanan bilgi tabanları, ilke olarak her bir kuralın diğer kurallardan yalıtılmış, bildirime dayalı bir bilgi ifadesi olması nedeniyle kolayca değiştirilebilme avantajına sahiptir. Ayrıca kurallar, uzmanların bilgilerini bir tür "neden ve sonuç" biçiminde ifade etme şekilleriyle örtüşüyor gibi görünür. Tipik olarak uzmanlar, sezgisel yöntemlerden ya da "başparmak kurallarından" oluşan bir birikim geliştirir ve bunlar kural tabanlı bir temsil kullanılarak kolayca tanımlanabilir.
Ancak birkaç yüz kuraldan fazla olduğunda, değiştirilmelerinin kolay olması bir sorun oluşturur; çünkü bir değişikliğin genel problem çözme davranışını nasıl etkileyeceğini belirlemek zorlaşır. Bu sorunu en aza indirmenin bir yolu, bilgi tabanını her biri problemin farklı bir yönünü ele alan kural gruplarına ayırmaktır.
Kural tabanlı temsilin bir varyasyonu, mantığın yüklem hesabı biçimini kullanan yaklaşımdır. Bu varyantta kurallar, mantığa özgü matematiksel katılığı benimser ve çıkarım tekniğinde mantıksal tümdengelim kullanır. Bu temsilin değeri, uygulamanın mantıksal tümdengelim kullanarak çıkarım yapmaya uygun olup olmamasına bağlıdır.
Örnek Kurallar — Oyuncak Örnek
- EĞER hayvanın tüyleri varsa VEYA hayvan süt veriyorsa
- O HALDE hayvan bir memelidir
- EĞER hayvanın tüyleri varsa VEYA hayvan uçuyorsa VE hayvan yumurta bırakıyorsa
- O HALDE hayvan bir kuştur
Örnek Kurallar — Gerçek Dünya
- EĞER hat başına trafik normal ise
- VE hat devresi türü ELC ise
- O HALDE 479 hat başına bir yedek hat vardır
- VE ASM başına düşen hat sayısı 128'e eşitse
- VE PBA başına düşen hat sayısı 6'ya eşitse
Şekil 3: Kurallar kullanılarak bilgi temsili. Bu, günümüz uzman sistemlerinde en yaygın temsil biçimidir.
Anlamsal Ağlar
Anlamsal ağlar ya da ilişkisel ağlar, bilgiyi ilişkilerden oluşan bir ağ biçiminde temsil eder. Ağ, düğümleri birbirine bağlayan yaylar, yani düğümleri bağlayan çizgilerle birbirine bağlanmış bir dizi düğümden oluşur (Şekil 4). Düğümler bilginin öğelerini temsil ederken, yaylar düğümler arasındaki ilişkiyi belirler. Bu ilişki, bir düğümün diğerinin özelliklerini devraldığı bir kalıtım ilişkisi olabileceği gibi, bir düğümün diğerinin özelliklerini tanımladığı betimleyici bir ilişki de olabilir. Bu tür ağların sorunu, yeni bilgileri ya da değişen ilişkileri yansıtacak şekilde güncellenmelerinin zor olmasıdır.
Şekil 4: Anlamsal ağlar kullanılarak bilgi temsili. Bilgi düğümlerle temsil edilirken, düğümleri birbirine bağlayan yaylar düğümler arasındaki ilişkiyi belirler.
Çerçeveler
Çerçeveler, anlamsal ağlar ve kuralların fikirlerini birleştiren, giderek daha yaygın bir temsil biçimidir. Bir çerçeve, bir dizi yuva ve isteğe bağlı olarak bu yuvaların alabileceği değerlerden oluşan bir şablondur. Bu değerler, yuvanın değerini elde etmek için tümdengelimsel bir sürecin gerekli olduğu kurallar biçiminde olabilir. Çerçeveler, veri ilişkilerini hiyerarşik biçimde açıkça temsil etme avantajına sahiptir; böylece hiyerarşideki alt çerçeveler, üst çerçevelerden değerleri devralabilir.
Nesneler
Nesneler, çerçevelere benzer bir temsil kullanır ve yuva, değer ve kalıtım kavramlarını içerir. Temel fark, nesnelerle iletişimin mesajlar biçiminde olmasıdır; bu da nesnelerin, diğer nesneler tarafından bu mesajlar aracılığıyla talep edilen görevleri yerine getiren etmenler olarak kullanılmasına yol açar. Böylece bir nesne, kuralların yürütülmesini zamanlamak için mesajların kullanıldığı bir kural grubunu temsil edebilir.
Bir uzman sistemin geliştirilmesi, gerçekte uzmanların bilgisi için uygun temsillerin geliştirilmesidir. Uzman sistemler oluşturmak için kullanılan araçlar genellikle, bilgi mühendisine uygulamaya uygun olanı seçebilmesi için bir dizi bilgi temsil tekniği sunar.
Uzman Sistemlerin Yararları
En belirgin yarar, uzman sistemlerin insan zekâsını ve yargısını, kaynakların kıt ve dolayısıyla çok değerli olduğu alanlarda kullanılmak üzere yakalamasıdır. Bu durum, uzmanlığa yönelik talebin yüksek olduğu yüksek teknoloji şirketlerinde özellikle önemlidir.
Geleneksel teknolojide olduğu gibi, elde edilecek yararların bir ölçüsüyle desteklenebildiği takdirde uzman sistem teknolojisinin kullanımı için güçlü bir gerekçe ortaya konabilir. Ancak, geliştirilen bir sistemin bir kuruluş üzerindeki etkisini tahmin etmeye yönelik yerleşik yöntemler bulunmadığından, bu kolay bir görev değildir. ITT bünyesinde bu tür ölçütlerin biçimselleştirilmesi ve uygulanması konusunda bazı çalışmalar yapılmıştır. Yararlar arasında, gereken nitelikli personel sayısının azaltılması yoluyla maliyet düşüşü, bir problemi çözmek için harcanan sürenin azalması ya da belirli bir alandaki uzmanlığın daha geniş bir kesime sunulması yer alabilir.
Diğer potansiyel yararlar, teknolojinin daha karmaşık sistemleri yönetebilme yeteneği ve geleneksel bilgisayar teknolojisinin yardımcı olamadığı alanlarda bilgisayar desteği sağlamasıdır. Karmaşıklık yönetimine bir örnek, 100.000'den fazla kapıya sahip dijital devrelerin geliştirilmesinin gerektiği VLSI (Very Large Scale Integration) tasarımında görülebilir.
Otomatik bilgisayar desteği, farklı yönetim gereksinimleri ve sık değişiklikler nedeniyle tatmin edici bir geleneksel bilgisayar çözümü geliştirmenin zor olduğu System 12 dijital telefon santrallerinin (ITT Corp. tarafından üretilmiştir) yapılandırılmasında kullanılmaktadır. ITT tarafından santral yapılandırmasını desteklemek üzere geliştirilen uzman sistemin temel bir özelliği, süreci yöneten kuralların kolayca değiştirilebilmesidir.
Yeni Ürünler ve Hizmetler
Uzman sistem teknolojisi, uzman sistemler oluşturmak için araçlar (1990 yılına kadar 220 milyon $ değerinde olduğu tahmin edilmektedir) ve tüketici danışmanlığı sağlama gibi görevler için sistemler dâhil olmak üzere yeni ürün ve hizmetlerin geliştirilmesi için fırsatlar sunar.
ITT içindeki deneyimler, uzman sistemlerin verimlilik üzerinde büyük bir etki yarattığını ve geleneksel programlamanın ilerleme kaydedemediği alanlarda maliyet tasarrufları sağladığını göstermiştir. Uygulamalar arasında, baskılı devre kartı ve sistem düzeyinde arıza teşhisi, telefon santrallerinin yapılandırılması ve ilgili veri tablolarının doldurulması ile gerçek zamanlı karar verme yer almaktadır.
ITT'nin uzman sistemlere yönelik stratejisi, gelecekteki uygulamalar için gerekli olacak teknikleri sağlamak üzere yeterli araştırma ve geliştirmeyi güvence altına alırken, bunların şirket içinde derhâl kullanılmasına odaklanmıştır. Yeni teknikler, teşhis sistemleri ve VLSI sistemleri için mimarilere yönelik incelemelerden ve birden fazla çıkarım mekanizmasının bir bilgi mühendisliği araçları kümesine nasıl entegre edilebileceğine dair çalışmalardan ortaya çıkacaktır.
Şirket, yalnızca bir dizi uzman sistemin uygulanmasından fayda sağlamakla kalmamış, aynı zamanda teknolojide önemli bir deneyim kazanmış ve güçlü bir teknoloji temeli oluşturmuştur. Mevcut deneyimler, uygulama alanlarının gelecekte genişleyeceğini ve ek yararlar sağlayacağını göstermektedir.
Bir Uzman Sistemin Geliştirilmesi
Bir uzman sistemin geliştirilmesi bir dizi aşamada gerçekleşir. Bilgi mühendisliği olarak bilinen bu süreç, iki yönü kapsar.
Bunlardan biri bilgi edinimidir; yani uzmanların bilgisinin yakalanması ve kullanılabilir bir biçimde bilgi tabanında saklanmasıdır.
Diğeri ise bilgi işlemedir; bu da söz konusu bilginin bir problemi çözmek için uygulanmasıdır.
Bilgi Edinimi
Bilgi edinimi, uzman sistemlerin yaygın kullanımının önündeki başlıca sınırlamalardan biridir; çünkü bu, uzmanlık gerektiren ve zaman alıcı bir görevdir.
Bir uzmanın bilgisini edinmek için iki temel teknik kullanılır: elle oluşturma ve tümevarım.
Elle oluşturma, kuralları doğrudan tanımlamayı içerir ve bilgi mühendisi ile uzmanlar arasındaki görüşmelere dayanarak alan bilgisinin belirlenmesini esas alır. Çıktı, uzmanların bilgisini kapsayan bir dizi kuraldan (ya da alternatif bir temsilden) oluşur.
Tümevarım, alan uzmanları tarafından sağlanan örneklerden kurallar türeten bilgisayar tabanlı araçları kullanır. Çıktı, gözden geçirilebilen ve değiştirilebilen bir kural kümesidir. Alternatif olarak, örnekler değiştirilebilir ve tümevarım süreci tekrarlanabilir.
Tekniğin seçimi, bilginin uygulama alanında nasıl temsil edildiğiyle belirlenir. Bilgi, kural kitapçıkları ya da mühendislik ve üretim standartları kümesi olarak temsil edildiğinde elle oluşturma daha uygundur. Buna karşılık, bilgi alanındaki mühendislerin uyguladığı becerilerin örnekleri kümesi olarak temsil edildiğinde tümevarım daha uygundur.
Bilgi bu biçimlerden birinde mevcutsa, bilgi edinimi için iyi bir temel vardır. Ancak bilgi bu biçimlerin hiçbirinde mevcut değilse, bir uygulama geliştirmek çok daha uzun sürecektir.
Bilgi İşleme
Uzman sistemler oluşturmak için genel ve özel amaçlı diller, uygulama kabukları ve araç setleri dâhil olmak üzere çeşitli teknolojiler mevcuttur.
LISP ve onun lehçeleri gibi diller ilk kategoriye girer. Bunların dezavantajı, dilin kendisi herhangi bir uzman sistem mekanizması sağlamadığından, gerekli mekanizmaların bilgi mühendisi tarafından geliştirilmek zorunda olmasıdır. Bu, uzmanlık gerektiren ve uzun süren bir faaliyettir.
Özel amaçlı diller arasında OPSS, OPS83 ve Prolog yer alır; bunların tümü uzman sistemlere özgü teknikleri içerir. OPS ailesi, belirli uygulamalar için uzman sistemler geliştirmede endüstride yaygın olarak kullanılmıştır. Bu teknikler uygulamaya uygun olduğu sürece çok az sorun yaşanır. Ancak uygulama, farklı teknikler ya da bilgi temsili için daha yüksek ifade gücü gerektiriyorsa, dilin önemli ölçüde genişletilmesi gerekecektir.
EX-TRAN, Sage ve Emycin gibi uygulama kabukları, bir uzman sistem oluşturmak için mevcut tekniklere daha üst düzey bir bakış sunar ve böylece bilgi mühendisinin görevini daha da basitleştirir.
Knowledgecraft, ART ve ESSAI gibi uzman sistem araç setleri, bilgi edinim araçları ile çeşitli bilgi temsili ve çıkarım mekanizmaları gibi, çoğu uzman sistemde kullanılan bileşenleri içerir. Bu araç setleri, çok çeşitli uygulamalarda bilgiyi edinmek ve işlemek için kullanılabilecek yapı taşları biçiminde ortak bir bileşen kümesi sağlar.
Eğilim, bilgi mühendisine ortak bir çerçeve içinde uygulamalar geliştirmeyi mümkün kılan çeşitli teknikler sunarak daha fazla genellik ve esneklik sağlamaya yöneliktir. Bu yaklaşım, uzman sistemler oluşturmak için gereken özel bilgiyi azaltır ve bilgi mühendislerinin teknikleri geliştirmeye değil, uygulamaya odaklanmalarını sağlar.
Geliştirme İçin Gerekli Kaynaklar
Gerekli kaynaklar, alanın karmaşıklığına ve uzman sistem için belirlenen hedeflere olduğu kadar, seçilen teknolojiye de bağlıdır. Bir proje ekibi, alan uzmanlarından (tam zamanlı olmaları gerekmez), bilgi mühendislerinden ve teknoloji desteğinden oluşacaktır.
Bilgi mühendisleri, uzmanlar ile uzman sistem arasında bağlantıyı kurar; sistem mühendislerine benzerler ve görevleri, alanla ilgili bilgiyi edinmek ve bilgi tabanını doldurmaktır. Teknoloji desteği, teknolojinin kullanımına ilişkin danışmanlık ve rehberlik sağlamak ve gerekirse teknolojiyi geliştirmek için gereklidir.
Performansın Değerlendirilmesi
Bir uzman sistem geliştirildikten sonra, bilinen ve daha önce çözülmüş problemlere karşı performansını doğrulamak için değerlendirilmelidir. Değerlendirme, sistemin performansını eleştirebilecek, bilgi tabanındaki eksiklikleri gösterebilecek ve kullanıcı arayüzüne yönelik iyileştirmeler önerebilecek alan uzmanlarını içermelidir. Bu aşama, daha ileri geliştirmeler için bir gözden geçirme noktası sağlar.
Uzman sistemler artımlı olarak gelişir; yani daha fazla bilgi elde edildikçe bilgi tabanı büyür. Bu iyileştirme süreci boyunca uzman sistem hem kullanılabilir hem de yararlıdır.
Geleceğin Uzman Sistemleri
Bir alanın tüm problem yelpazesini çözebilen uzman sistemler oluşturabilmek için, bu tür sistemlerin problem alanına ilişkin çok çeşitli bilgileri bütünleştirmesi ve bunlarla akıl yürütebilmesi gerekir.
Arıza teşhisi buna bir örnektir. Günümüzdeki teşhis uzman sistemlerinin çoğu, deneyime dayalı bilgi tabanları kullanır; yani bilgi, deneyime dayanır. Bunun avantajı hesaplama verimliliğidir ve altta yatan bir probleme ilişkin nedensel bilginin (problemin temel modeline dayalı etki bilgisi) mevcut olmadığı durumlarda, örneğin tıbbi teşhiste, çoğu zaman tek çözümdür.
Deneyime dayalı uzman sistemler, deneyimin karşılaşılan problemlerin tüm aralığını kapsadığı durumlarda tatmin edicidir; ancak yeni problemler için yetersizdir. Bu durumda sistemin tipik tepkisi vazgeçmek ve uzmanı çağırmaktır. Deneyimsel bilgi tabanları, problem çözme yöntemine ilişkin ayrıntılı bir açıklama gerektiğinde de sınırlıdır; çünkü bu açıklama, altta yatan nedene göre değil, yalnızca deneyimsel ilişkiler cinsinden verilebilir.
Uzmanlar, problem çözmede deneyimsel bilgiyi kullanır; çünkü bu, ilk ilkelerden akıl yürüten nedensel bilgiye (neden-sonuç bilgisi) kıyasla bilişsel olarak daha kolay ve daha hızlıdır. Ancak uzmanlar yeni problemlerle karşılaştıklarında vazgeçmezler; bunun yerine yapı, davranış ve neden bilgilerini kullanarak bir çözüme ulaşırlar. Dolayısıyla geleceğin uzman sistemleri her iki davranış biçimini de birleştirecektir.
Uzman sistemlerde araştırma ve geliştirme için gündeme gelen konular temel niteliktedir ve aşağıdakileri içerir.
Bilgiyi Temsil Etme Teknikleri
Bir uzman sistemin problem alanına ilişkin birden fazla modelle başa çıkması gerekir:
- Bir alanın yapısı ya da topolojisi hakkında bilgi; örneğin bir VLSI devresindeki bileşenlerin fiziksel bağlantıları ya da bir bilgisayar sistemindeki birimler
- İşlev ve davranış hakkında bilgi; örneğin bir devredeki bileşenlerin elektriksel özellikleri ve simülasyon altındaki davranışları
- Tasarım ve tasarımcının uymayı gözettiği kısıtlar hakkında bilgi; örneğin belirli bir bağlantı yapısının kullanılmasının arkasındaki nedenler
- Davranışı yöneten ve belirleyen fiziksel yasalar hakkında bilgi; örneğin Ohm Yasası
- Davranışın yorumlanmasına ilişkin bilgi; bu, arıza giderme ve hata bulma gibi problem çözme becerilerine ilişkin bilgiyi içerebilir
- Önceki vakalara ilişkin bilgi, yani ampirik bilgi
Bu modeller, zamanın ve davranışın zaman içinde nasıl değişebileceğinin temsil edilmesi gereksinimi nedeniyle daha da karmaşık hale gelir.
Bu modelleri temsil etmeye yönelik tekniklerin geliştirilmesine ihtiyaç vardır; ayrıca mevcut temsillerin genişletilmesi de gerekebilir. Buna ek olarak, büyük bilgi tabanları ve dağıtık bilgi tabanlarıyla ilişkili sorunların ele alınması gerekecektir.
Bilgiyi İşleme Teknikleri
Gelecekteki uzman sistemler hem ampirik hem de nedensel akıl yürütmeyi kullanacağından, mevcut farklı bilgi modellerini kullanarak ve kullanıcının girdisine yanıt olarak bu kipler arasında geçiş yapabilen tekniklere ihtiyaç vardır.
Farklı modellerle etkileşime girerek kısmi çözümler sağlayabilecek ve birlikte genel bir çözüme katkıda bulunabilecek birden fazla veri ya da kanıt kaynağı olabilir.
Çıkarım mekanizmaları, arama teknikleri ve belirsiz kanıtlarla başa çıkma yöntemleri probleme bağlıdır ve bilgi tabanının tamamı için homojen olmaları beklenemez. Bu çıkarım mekanizmaları karışımını yansıtan tekniklerin geliştirilmesi gerekir; bunlar, problem çözme sürecinin bir parçası olarak bilgi mühendisi tarafından ya da sistem tarafından çağrılabilen mekanizmaları içerebilir.
Kullanıcının İnisiyatifi Paylaşması
Bir uzman sistem, problem çözme inisiyatifinin çoğu mevcut uzman sistemde olduğu gibi sistem tarafından dikte edilmesi yerine kullanıcıyla paylaşılabilmesini sağlayan yollar sunmalıdır. Buna, kullanıcının talep edilmeden girdi sunabilmesi ve karar verme sürecine katılabilmesi de dahildir.
Girdi, süreçteki kritik noktalarda gerçekleşebilir; bu da sistem bir yol seçimiyle karşı karşıya kaldığında kullanıcının izlenecek en uygun yolu önermesine olanak tanır.
Uzman sistem, kullanıcıya altta yatan fiziksel nedene dayalı açıklamalar sunmak zorundadır. Her türlü açıklama, sistemin kullanıcı arayüzü aracılığıyla öğrenebileceği, kullanıcının alan hakkındaki bilgi düzeyini dikkate almalıdır.
Bilginin Doğrulanması ve Bakımı
Mevcut bilgi tabanları hâlâ mütevazıdır; 200 ile yaklaşık 4.000 kural arasında değişmektedir, ancak on binlerce kurala kadar bir büyüme beklenmektedir. Bilgi tabanlarının geliştirilmesi uzmanlık gerektiren bir iştir ve bilgi mühendisliği henüz emekleme aşamasındadır.
Sonuç olarak, bilgi tabanında tutarsızlığa ya da eksikliğe yol açan kurallar üretilebilir; bu da çalışan sistemin ulaştığı herhangi bir sonuçta hatalara ya da en azından optimal olmayan çözümlere neden olur. Tutarsızlıkların sınırlı araç desteğiyle yapılan manuel bir inceleme yoluyla saptanması zordur ve genel olarak tamlığı belirlemek mümkün değildir.
Bu nedenle herhangi bir doğrulama süreci, bilgi tabanının hem tutarlılığını hem de tamlığını dikkate almalıdır.
- Tutarlılık, birbiriyle çelişen kuralları (yani aynı anda sağlanabilen, ancak karar kısımları karşılıklı olarak dışlayıcı olan kurallar) ve gereksiz kuralları (yani aynı etkiye sahip karar kısımlarına sahip olanlar) kapsar.
- Ek bir karmaşıklık, tutarsızlığın denetim stratejisiyle ilişkili olabilmesidir; bu nedenle genişlik-öncelikli bir arama düzeninde tutarlı olan kurallar, derinlik-öncelikli bir düzen kullanıldığında tutarsız olabilir.
- Tamlık, olası tüm durumlar için bir çözüm sağlayacak kuralların mevcut olmasını güvence altına alır.
Zaman içinde bilgi tabanının otomatik olarak yeniden düzenlenmesini ve iyileştirilmesini destekleyen ve işletim sırasında edinilen deneyimlerden öğrenebilen tekniklerin geliştirilmesi mümkün olabilir.
Öğrenme ve Bilgi Edinimi
Bilgi edinimi için gereken süreyi azaltan tekniklerin geliştirilmesi gerekir. Ampirik modeller, problem alanının nedensel modellerinden, belki de bazı tümevarımsal süreçler aracılığıyla, otomatik olarak türetilebilir.
Bu durum, nedensel modeller için bilgi edinimi sorununu yine de ortada bırakır. Öğrenme sürecine yönelik araştırmalar, uygun tekniklerin geliştirilmesine yol açabilir.
Yeni Mimarilerin Arayışı
Şimdiye kadar makale yalnızca yazılım tasarımcılarının karşı karşıya olduğu zorlukları ele aldı. Buna paralel olarak, bilgi sistemlerinin artan kullanılabilirliğinden yararlanabilecek yeni mimariler arayışında donanım tasarımcılarının karşı karşıya olduğu en az eşit, hatta daha büyük bir zorluk bulunmaktadır.
Günümüz bilgisayarları, program komutlarının sıralı yürütülmesine dayanan Von Neumann tarzı işlemeyi kullanır. Bu tarz, elbette, geleneksel programlamanın doğasına da yansır. Gereken şey, her biri bağımsız olan ancak yine de problemin çözümünü etkileyebilen bilgi parçalarının paralel yürütülmesine dayalı bir işlemedir.
Teknoloji, iş dünyası ve sanayi için daha fazla ve daha iyi özellikler sunmayı mümkün kıldıkça sistemler giderek daha karmaşık hale gelmektedir. Bu karmaşıklık, geliştirilen programların boyutlarındaki artış ve bir çip üzerindeki transistör yoğunluğu açısından değerlendirilebilir.
Halihazırda geliştirilmekte olan yeni nesil sistemler, daha da büyük yetenekler sunacak ve ilk kez, yapay zekâya dayalı akıllı sistemler kullanarak bu karmaşıklığı yönetmenin bir yolunu sağlayacaktır. Akıllı sistemler, donanım ve yazılımın bu birleşiminden ve çeşitli etkinleştirici teknolojilerden ortaya çıkacaktır.
Gerçekten Akıllı Sistemler
Uzman sistem teknolojisi, halihazırda çok çeşitli endüstriyel sorunlara yenilikçi ve maliyet etkin çözümler sunabilecek bir noktaya ulaşmıştır. Önümüzdeki on yıl içinde, yöntemlerdeki daha ileri iyileştirmeler, yeni donanım mimarileri ve daha güçlü yazılımlar, uzman sistemlerin uzmanlığın rutin olarak uygulandığı neredeyse tüm alanlara girmesiyle sonuçlanacaktır.
Gerçekten akıllı sistemler, yani onlarla insan etkileşimiyle aynı düzeyde etkileşime girmemizi sağlayan sistemler, bugüne kadar örgün eğitimin yaptığına benzer şekilde bilgiye açılan bir kapı sağlayacaktır. Temel fark, akıllı sistemlerin yaşam boyunca bireylerin gereksinimlerini karşılayacak biçimde bilgi akışını uyarlama ve süzme yeteneğine sahip, sürekli erişilebilir bilgi kaynakları olacak olmalarıdır.