Mühazirə Bilik anlayışı. Biliklərin təsvir və təqdim üsulları

Adaptiv informasiya sistemləri
Müxtəlif tip və müxtəlif xarakterli obyektlərin dinamiki inkişafı şəraitində informasiya sistemlərinin dəyişiliklərə adaptivliyi tələbləri yüksəlir. Bu tələblər aşağıdakılardan ibarətdir:
·İS zamanın hər bir anında müxtəlif proseslərin təşkilini adekvat olaraq dəstəkləməlidir;
·Proseslərin yenidən təşkili ehtiyacı yarandıqda hər dəfə İS-nin rekonstruksiyası keçirilməlidir;
·Rekonstruksiya tez və minimal xərclərlə aparılmalıdır.
Müasir istehsal proseslərinin yüksək dinamikliyini nəzərə alaraq belə bir nəticəyə gəlmək olar ki, İS-in adaptivliyi onun arxitekturasının intellektuallaşdırılmasını həyata keçirmədən mənasızdır. Adaptiv İS-nin nüvəsi daim inkişaf edən problem oblastının modelidir. Bu model xüsusi biliklər bazasında repozitoriyaları dəstəkləyir və onun əsasında proqram təminatının generasiyası və ya konfiqurasiyası həyata keçirilir.
Beləliklə, İS-nin layihələndirilməsi və ya adaptasiyası hər şeydən əvvəl problem oblastının modelinin qurulmasına və onun korreksiyasına gətirilir.
İnformasiya sistemini layihələndirən zaman adətən iki yanaşmadan istifadə olunur: orijinal və tipik layihələndirmə.
Birinci yanaşma informasiya sisteminin obyektin tələblərinə müvafiq olaraq “təmiz səhifədən” işlənilməsini nəzərdə tutur, iknci yanaşma isə tipik işləmələrin tədqiq olunan obyektin xüsusiyyətlərinə adaptasiyasını. Birinci yanaşma bir qayda olaraq İS-lərin avtomatlaşdırılmış layihələndirmə sistemlərinin və ya CASE-texnologiyalarınin tətbiqi əsasında realizə olunur, məsələn, Desiqner 2000 (Oracle), Silver Run (SilverRun Technology), Natural Light Strom (Software AG) və s. kimi.
Problem oblastının və ayrı-ayrı komponentlərdən (proqram modullardan) informasiya sisteminin sonrakı konfiqurasiyalarının modelləşdirilməsi üçün xüsusi proqram alətlərdən, misal üçün, R/3 Business Engineer və BAAN Orgware-dan istifadə olunur (şək.10.1).

Mühazirə 13.

“Soft computing” süni intellekt sisteminin layihələndirilməsinin metodologiyası kimi
Bir elm kimi süni intellekt artıq 40 ilə yaxındır ki, mövcuddur. Bu elmin əsas və baş problemi kompüterin köməyi ilə ağıllı mülahizələrin və davranışların yenidən qurulması, dəqiq olmayan və qeyri-müəyyən mühitdə insan tərəfindən qərar qəbulunu öz üzərinə götürən maşınların yaradılmasından ibarətdir. Əksər hallarda süni intellekt sahəsinə o müxtəlif oblastları daxil edirik ki, hansılarda ki, dəqiq modellər, qeyri müəyyənliklə xarakterizə olunan problemlərin həllərinin metod və alqoritmləri mövcud deyillər.
Süni intellektin bütün ənənəvi sistemləri “Hard Computing” texnologiyasında realizə olunmuşlar (yəni zəruri fəaliyyətə nail olmağa istiqamətlənmiş, süni intellektual prosedurun təsiri altında (öyrədilmə) modifikasiyalara məruz qalmayan, proqramı operatorların sərt ardıcıllığı kimi müəyyən edən kompüter texnologiyasından istifadə olunması ilə). Bu isə həmin sistemlərdən effektiv istifadə olunmasını məhdudlaşdırmışdır. Bundan başqa, ənənəvi süni intellekt onun yuxarıda göstərilən xüsusiyyətlərinə görə müəyyən dərəcədə qeyri müəyyənlik və qeyri dəqiqliyi nəzərə almaq üçün mühüm olan ədədi metodları qəbul etmirdi.Qeyd olunan xüsusiyyətlərinə görə süni intellektin ənənəvi sistemlərinin maşın intellektinin səviyyəsi - MIQ (Machine Intellıgence Qutlent) çox da yüksək olmamışdır. Buna görə də intellektual sistemlərin maşın intellektinin səviyyəsinin yüksəldilməsi məsələsi qarşıda durdu. Bu səbəbdən hər şeydən əvvəl avtonom yox, qeyri səlis məntiq, neyron şəbəkələri, evolyusiyalı hesablamalar və s. kimi ədədi yeni yanaşmalardan birgə istifadəni nəzərdə tutan və süni intellektin ənənəvi metodlarlı ilə həll edilməsi mümkün olmayanreal aləmin bir çox mühüm problemlərini həll etməyə imkan verən, açar metodologiyası kimi Soft Computing metodologiyası çıxış edir. L. Zadənin qeyd etdiyi kimi Soft Computingin ən yaxşı modeli insan beynidir. Qeyri-səlis məntiq (FL – Fuzzi Logic), Neyron şəbəkələri (NN – Neural Networks), Ehtimallı mülahizələr (PR – Probalabistic Reasoning), Genetik alqoritmlər (GA – Genetic Alqoritms), Öyrədilmə nəzəriyyəsi (LT – Learing Teory), Xaos nəzəriyyəsi (XT – Xaos Teory) kimi intellektual paradigmaların yığımı (kompüter emalının vasitələri kimi) Soft Computing- SC (“yumşaq”, çevik, ciddi olmayan hesablama emalı) adlanır. Ənənəvi hesablama emalından (Hard Computing-“sərt”, ciddi hesablamalar) fərqli olaraq SC son istifadəçi üçün məhsuldarlığı və effektivliyi itirmədən qeyri dəqiqlik, qeyri müəyyənliklə bacarmaq qabiliyyətinə malikdir. L.Zadə qeyd etmişdir ki, ənənəvi Hard Computing-dən fərqli olaraq SC –nın məqsədi real aləmin hər tərəfi əhatə etmiş qeyri dəqiqliyi ilə birlikdə mövcud olmasıdır.
SC-nın əsas prinsipi qeyri dəqiqliyə, qeyri müəyyənliyə və qismən həqiqiliyə yol verərək, həllin izahına (keyfiyyətli simvollu və ya linqvistik formada ifadələr), robastlığına (kobudluğa, əhəmiyyət kəsb etməyən həyəcanlara dayanıqlığa) və aşağı qiymətinə nail olmaqdır.
Belə bir nəticəyə gəlmək çətin deyildir ki, dəqiqlik qiymətə malikdir (təəssüf ki, bu görünən prinsip əksər hallarda nəzərə alınmır), yəni məsələni qəbul olunan dəyər ilə həll etmək üçün məqsədi kifayət dərəcədə dəqiq, lakin zərurədən artıq olmayan dəqiqliyə malik olan həllə yönəltmək zəruridir.
Bu həmçinin qeyri müəyyənliyə və qismən həqiqiliyə də aiddir. Qeyd olunana misal olaraq helikopterin enməsi məsələsini və avtomobilin parkovkası məsələsini göstərmək olar. İkinci hala baxaq. Məsafənin və bucağın heç bir ölçmələrini aparmadan maşını parkovka etmək olar, belə ki, maşının son vəziyyəti dəqiq verilməmişdir.
Əgər bu verilmişsə, onda misal üçün, millimetrin hissələri və bir neçə bucaq saniyələri hüdudlarında ölçmələrin aparılması zəruridir. Bu isə məsələnin həlli üçün manevretmə və cihaz ölçmələrinin saatlarının artmasını tələb edəcəkdir.
Bundan başqa, həllin dəyəri dəqiqliyin artması ilə həndəsi şəkildə yüksələcəkdir.
Soft Computing texnologiyaları verilənlərin sıxılması, keyfiyyətli səs yazılışı, təsvirlərin və nitqin tanınması, həmçinin əlaqədar oblastlar üçün mühüm əhəmiyyətə malikdir.
“Soft Computing” –in strukturu və tərkib hissələri
Soft Computing komponentləri müstəqil şəkildə, məsələn, qeyri-səlis hesablamalarda (fuzzy computing), neyron hesablamalarda (neuralcomputing), evolyusiyalı hesablamalarda (evolutionary computing) və s.-də, həmçinin kombinasiyalarda tətbiq edilə bilərlər. Müstəqil tətbiqə əsaslanaraq Soft Computing komponentləri (qeyri-səlis texnologiya, neyron texnologiyası, xaos texnologiyası və s.) hal hazırda yeni texnologiyalar kimi həm sənaye, həm də qeyri-sənaye sferasında geniş tətbiq edilirlər.
Soft Computing-in aparıcı təşkiledicisi qeyri-səlis məntiqdir (Fuzzi Logic). Soft Computing-də qeyri-səlis məntiq (FL) müstəsna rol oynayır. FL hesablamaların sözlə ifadəsini və interpretasiya olunmasını təmin edir.Qeyri-səlis məntiq bir çox sənaye sahələrində-robototexnikada, qərar qəbulunun mürəkkəb sistemlərində və diaqnostikada, verilənlərin sıxılmasında, televiziyada və digər oblastlarda müvəffəqiyyətlə tətbiq edilmişlər.
Lakin, “təmiz” şəkildə qeyri-səlis məntiq heç də həmişə intellektual sistemlərin yaradılması üçün tətbiq oluna bilməz.
Layihələndirici sistem barəsində kifayət qədər aprior informasiyaya malik olmadıqda qeyri-səlis qaydaların qəbul oluna bilən bazasının qurulması mümkün olmur. Digər tərəfdən sistemin mürəkkəbliyi artdıqca sistemin davranışının adekvat yazılışı üçün qaydaların və mənsubiyyət funksiyalarının korrekt çoxluğunun müəyyən edilməsi ilə bağlı olan çətinliklər yaranır.
Soft Computing-in digər mühüm komponenti neyron şəbəkələridir. Süni neyron şəbəkələri paralel hesablama modelləri olub, qeyri-xətti statistik və dinamiki sistemlərin paralel realizəsini təmsil edirlər. Bu şəbəkələrin ən mühüm əlaməti onların adaptiv təbiətidir. Burada “misal üzrə öyrətmə” ənənəvi “proqramlaşdırma” nı əvəz edir. Digər açar əlaməti paralel rəqəmsal kompüterlər əsasında tez işləyən həlledici sxemlərin realizə olunmasına imkan verən quraşdırılmış parallelikdir. Süni neyron şəbəkələri tanıma, əyrilərin və funksiyaların aproksimasiyası, verilənlərin sıxılması, assosiativ yaddaş, qeyri xətti məlum olmayan sistemlərin modelləşdirilməsi və idarə olunması kimi problemlərin geniş müxtəlifliyinin həlli üçün zəruri hesablama modelləridirlər.
Neyron çəbəkələri hesablama effektivliyi və onların effektiv aparat realizələri ilə əhəmiyyətli dərəcədə fərqlənirlər. Onlar ümumiləşdirmə xüsusiyyətlərinə-yeni obrazların korrekt təsnifatı qabiliyyətinə malikdirlər. Neyron şəbəkələrinin çatışmamazlığı onların pis interpretasiya olunmalarıdır.
Evolyusiyalı hesablamalar (EC) – optimallaşdırmaya inqilabi yanaşmadır. EC-nın tərkib hissəsi olan genetik alqoritmlər təbii seleksiya və təbii genetika mexanizmlərinə əsaslanan qlobal optimallaşdırma alqoritmləridirlər. Lakin genetik alqoritmlərin böyük üstünlüklərindən biri ondan ibarətdir ki, paralel çoxölçülü axtarış əsasında onlar effektiv realizə imkanına malikdirlər. Genetik alqoritmin yerinə yetirilməsi mexanizmi çox sadədir. Əməliyyatların sadəliyi və güclü hesablama effekti genetik alqoritmlərin iki əsas üstünlükləridir.
Genetik alqoritmlərin çatışmamazlıqları, birincisi yığılma problemi və ümumiyyətlə nəzəri konstruksiyanın olmamasıdır.
Həqiqi (natural) dəyişənlər oblastının bitlər sıraları oblastına kodlaşdırılması da genetik alqoritmlərin zəif cəhətidir.
Soft Computing-in hər bir komponentinin tətbiq oblastının spesifik problemləri mövcuddur. Məsələn, avtomobilin parkovkasının məlum problemi neyron şəbəkələrinin, GA və s.-nin tətbiqi ilə yox, yalnız qeyri-səlis məntiqin tətbiqi ilə həll oluna bilər. Yaxşı məlum olan zəbt etmək problemini FL, NN ilə yox, CN ilə həll etmək məqsədəuyğundur.
Yuxarıda qeyd olunduğu kimi insan fəaliyyətinin müxtəlif oblastlarında geniş istifadə olunan bütün ənənəvi süni intellekt sistemləri əsasən Hard Computing bazasında realizə olunurdular, əksər hallarda kompüterlər bazasında.
Hesablamaların belə bir bazası, təbii olaraq müxtəlif təyinatlı süni intellekt sistemlərinin effektivliyini və bəzi hallarda ümumiyyətlə onların yaradılması imkanını məhdudlaşdırırdı.
Qeyd olunanlar bir daha onu göstərir ki, süni intellekt sistemlərinin tədqiqinin və konkret realizə olunmasının ağırlıq mərkəzi Soft Computing tərəfə yerini dəyişir. Şək.2.3–də süni intellekt üçün baza olan hesablama (computing) texnologiyasının strukturu verilmişdir.

Mühazirə 14-15