در این مطلب، ویدئو سخنرانی 13: ساختن یک سیستم خبره و PyKE با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:53:26
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,320 –> 00:00:02,159
با سلام و خوش آمدید به سخنرانی 13
2
00:00:02,159 –> 00:00:04,000
مبانی هوش مصنوعی
3
00:00:04,000 –> 00:00:05,279
امروز ما در مورد
4
00:00:05,279 –> 00:00:07,200
ساختن یک سیستم خبره و
5
00:00:07,200 –> 00:00:08,320
کمی در مورد
6
00:00:08,320 –> 00:00:09,120
7
00:00:09,120 –> 00:00:12,160
پوسته برنامه نویسی سیستم خبره به نام pike
8
00:00:12,160 –> 00:00:13,679
در آخرین سخنرانی خود که برخی از آنها را مرور کردیم، یاد می گیریم.
9
00:00:13,679 –> 00:00:15,519
از اجزای اصلی یک
10
00:00:15,519 –> 00:00:17,680
سیستم خبره از جمله پایگاه
11
00:00:17,680 –> 00:00:19,920
دانش موتور استنتاج سایر اجزاء
12
00:00:19,920 –> 00:00:21,439
مانند ویرایشگر پایگاه دانش رابط کاربری
13
00:00:21,439 –> 00:00:23,600
و سیستم توضیحی
14
00:00:23,600 –> 00:00:25,199
سپس به انواع دیگر
15
00:00:25,199 –> 00:00:27,279
سیستم های خبره از جمله
16
00:00:27,279 –> 00:00:28,160
عصبی مبتنی بر قاب فازی
17
00:00:28,160 –> 00:00:30,720
و عصبی فازی نگاه کردیم و برخی از آنها را بررسی کردیم.
18
00:00:30,720 –> 00:00:32,800
مزایا و معایب عمده
19
00:00:32,800 –> 00:00:33,840
سیستم های خبره را
20
00:00:33,840 –> 00:00:36,320
مورد بحث قرار دادیم و سپس پوسته ها را مورد بحث قرار دادیم، از جمله
21
00:00:36,320 –> 00:00:37,600
به طور مختصر
22
00:00:37,600 –> 00:00:38,800
به پوسته ای که می خواهیم در مورد آن یاد
23
00:00:38,800 –> 00:00:40,960
بگیریم در پایان این سخنرانی،
24
00:00:40,960 –> 00:00:42,239
سخنرانی امروز را با
25
00:00:42,239 –> 00:00:43,840
یادگیری برخی از نقش های توسعه
26
00:00:43,840 –> 00:00:44,480
27
00:00:44,480 –> 00:00:45,680
درگیر شروع می کنیم. در تیمی که ممکن است در حال
28
00:00:45,680 –> 00:00:47,920
طراحی و ساختن یک سیستم خبره باشد،
29
00:00:47,920 –> 00:00:49,360
سپس با دو
30
00:00:49,360 –> 00:00:51,199
بخش مهم از آن آشنا خواهیم شد ساختن یک سیستم خبره
31
00:00:51,199 –> 00:00:53,120
به ویژه کسب دانش و
32
00:00:53,120 –> 00:00:54,719
مهندسی دانش،
33
00:00:54,719 –> 00:00:56,879
سپس
34
00:00:56,879 –> 00:00:59,199
35
00:00:59,199 –> 00:01:00,320
36
00:01:00,320 –> 00:01:02,239
پس از معرفی آن اصول اولیه، به معرفی پوسته برنامهنویسی
37
00:01:02,239 –> 00:01:03,920
38
00:01:03,920 –> 00:01:06,320
سیستم خبره پایتون
39
00:01:06,320 –> 00:01:08,320
خود پیک میپردازیم.
40
00:01:08,320 –> 00:01:10,159
به یاد بیاورید از یک سخنرانی قبلی که
41
00:01:10,159 –> 00:01:12,000
در مورد اینکه چرا ممکن است بخواهیم
42
00:01:12,000 –> 00:01:14,080
برای شروع سیستم های خبره را توسعه دهیم یا از آنها استفاده کنیم، به
43
00:01:14,080 –> 00:01:15,680
عنوان مثال زمانی که تخصص انسانی
44
00:01:15,680 –> 00:01:16,960
کمبود
45
00:01:16,960 –> 00:01:19,119
دارد، توسعه تخصص به خودی خود پرهزینه است
46
00:01:19,119 –> 00:01:20,159
یا استخدام
47
00:01:20,159 –> 00:01:21,600
متخصصان در این زمینه دشوار است.
48
00:01:21,600 –> 00:01:23,680
عجله داریم و ممکن است
49
00:01:23,680 –> 00:01:25,200
به دلیل جابجایی افراد به مشاغل دیگر یا
50
00:01:25,200 –> 00:01:26,400
51
00:01:26,400 –> 00:01:27,920
مرگ، تخصص خود را از دست بدهیم، ساختن یک سیستم خبره
52
00:01:27,920 –> 00:01:29,439
کارکردهای بسیاری دارد، از جمله
53
00:01:29,439 –> 00:01:32,159
مستندسازی آن تخصص، بازتولید
54
00:01:32,159 –> 00:01:34,159
آن یا در دسترس قرار دادن آن در صورت تقاضا
55
00:01:34,159 –> 00:01:35,600
و آموزش و انتشار
56
00:01:35,600 –> 00:01:37,520
اطلاعات پشت آن تخصص
57
00:01:37,520 –> 00:01:39,119
و در نهایت متخصص. سیستم ها به گونه ای تخصص ارائه می دهند
58
00:01:39,119 –> 00:01:41,520
که در
59
00:01:41,520 –> 00:01:42,479
آن نیازی نیست نگران
60
00:01:42,479 –> 00:01:44,000
خسته شدن یک فرد باشید خسته و
61
00:01:44,000 –> 00:01:45,920
ناامید یا ترسیده در
62
00:01:45,920 –> 00:01:47,439
ابتدا در انتخاب مشکلی که
63
00:01:47,439 –> 00:01:48,880
ممکن است از ایجاد یک
64
00:01:48,880 –> 00:01:49,759
سیستم خبره منتفع
65
00:01:49,759 –> 00:01:51,360
شود، مهم است که در مورد
66
00:01:51,360 –> 00:01:53,520
هزینه های مربوطه واقع بین باشیم و
67
00:01:53,520 –> 00:01:55,600
با توجه به
68
00:01:55,600 –> 00:01:57,439
مزایای مورد انتظار
69
00:01:57,439 –> 00:01:59,360
سیستم های خبره نیاز به توسعه تکرار شونده دارند و اطمینان حاصل شود
70
00:01:59,360 –> 00:02:01,759
که هزینه توجیه شده است. سرمایه
71
00:02:01,759 –> 00:02:03,040
گذاری در زمان
72
00:02:03,040 –> 00:02:04,960
با این حال هزینه های ساخت یک
73
00:02:04,960 –> 00:02:06,240
سیستم خبره را می توان توجیه کرد،
74
00:02:06,240 –> 00:02:07,920
به ویژه زمانی که تخصص
75
00:02:07,920 –> 00:02:10,399
کمبود داشته باشد، سپس می خواهیم اطمینان حاصل کنیم که
76
00:02:10,399 –> 00:02:12,319
انتخاب یک سیستم خبره به عنوان یک تکنیک
77
00:02:12,319 –> 00:02:14,160
برای شروع مناسب است
78
00:02:14,160 –> 00:02:16,000
و احتمالاً برای مشکلاتی که نیاز دارند بسیار مناسب نیستند.
79
00:02:16,000 –> 00:02:18,080
مهارت های دستی
80
00:02:18,080 –> 00:02:19,200
یا
81
00:02:19,200 –> 00:02:20,879
مشکلات فیزیکی که نیاز به
82
00:02:20,879 –> 00:02:22,800
دانش عقل سلیم زیادی دارد و مشکلاتی که
83
00:02:22,800 –> 00:02:24,560
با تکنیک های ساده تر
84
00:02:24,560 –> 00:02:26,640
مانند فلوچارت های کدگذاری شده به عنوان یک
85
00:02:26,640 –> 00:02:28,560
برنامه ساده و صفحات گسترده قابل حل هستند،
86
00:02:28,560 –> 00:02:30,720
به عبارت دیگر اگر روش های ساده کار می
87
00:02:30,720 –> 00:02:32,480
کنند، به دنبال یک متخصص راه حل پیچیده تر نیست.
88
00:02:32,480 –> 00:02:34,000
89
00:02:34,000 –> 00:02:35,840
90
00:02:35,840 –> 00:02:37,120
هنگامی که یک مشکل نیاز به تخصص بالایی دارد، سیستم ها احتمالاً مناسب
91
00:02:37,120 –> 00:02:38,800
هستند
92
00:02:38,800 –> 00:02:40,640
در عین حال
93
00:02:40,640 –> 00:02:41,920
94
00:02:41,920 –> 00:02:44,640
برای حل این مشکل یک متخصص انسانی زمان کوتاهی نیاز است،
95
00:02:44,640 –> 00:02:46,959
مثلاً حداکثر یک ساعت
96
00:02:46,959 –> 00:02:48,879
، دلیل این امر این است که مشکلات
97
00:02:48,879 –> 00:02:50,080
پیچیدهتر و پیچیدهتر
98
00:02:50,080 –> 00:02:51,760
میشوند، انتقال آن دانش به یک مشکل بسیار دشوارتر است.
99
00:02:51,760 –> 00:02:53,840
سیستم متخصص خودکار
100
00:02:53,840 –> 00:02:54,800
101
00:02:54,800 –> 00:02:56,239
و در نهایت برای تصمیم گیری در مورد اینکه آیا
102
00:02:56,239 –> 00:02:57,840
مشکل شما برای توسعه یک سیستم خبره مناسب است یا خیر،
103
00:02:57,840 –> 00:02:58,720
104
00:02:58,720 –> 00:03:00,720
می خواهید مطمئن شوید که
105
00:03:00,720 –> 00:03:02,640
کارشناسان در دسترس و همکاری برای
106
00:03:02,640 –> 00:03:04,319
کمک به شما در ساختن
107
00:03:04,319 –> 00:03:05,760
بیشتر سیستم شما وجود دارند، ممکن است نیاز به جمع آوری یک
108
00:03:05,760 –> 00:03:07,840
تیم توسعه و همچنین کاربران نمونه داشته باشید.
109
00:03:07,840 –> 00:03:09,840
برای اینکه سیستم خبره خود را امتحان کنید و
110
00:03:09,840 –> 00:03:11,519
ببینید که آیا کاربر پسند است یا خیر،
111
00:03:11,519 –> 00:03:13,360
بدیهی است که این دستورالعمل ها بیشتر
112
00:03:13,360 –> 00:03:15,680
به سمت
113
00:03:15,680 –> 00:03:17,200
سیستم های خبره در مقیاس بزرگتر و پیچیده تر که ممکن
114
00:03:17,200 –> 00:03:18,000
است
115
00:03:18,000 –> 00:03:20,720
در سطح دانشگاهی و صنعتی مورد استفاده قرار گیرند، هدف گذاری شده اند، بنابراین
116
00:03:20,720 –> 00:03:22,239
هنگام تصمیم گیری در مورد اینکه آیا ساختن یک
117
00:03:22,239 –> 00:03:23,760
سیستم خبره یک سرمایه گذاری ارزشمند است یا خیر
118
00:03:23,760 –> 00:03:25,360
، میخواهید با
119
00:03:25,360 –> 00:03:28,159
تجزیه و تحلیل سود و هزینه شروع کنید و ملاحظاتی را شامل شود
120
00:03:28,159 –> 00:03:28,640
که
121
00:03:28,640 –> 00:03:30,640
آیا میتوان با آن مشکل را به طور مؤثر حل کرد
122
00:03:30,640 –> 00:03:32,319
برنامه نویسی
123
00:03:32,319 –> 00:03:34,159
مرسوم آیا نیاز یا تمایل به یک
124
00:03:34,159 –> 00:03:36,000
سیستم خبره وجود دارد آیا حداقل یک
125
00:03:36,000 –> 00:03:37,680
متخصص انسانی مایل به همکاری در
126
00:03:37,680 –> 00:03:38,640
مجموعه
127
00:03:38,640 –> 00:03:41,200
آن است که متخصص می تواند دانش را برای
128
00:03:41,200 –> 00:03:42,560
یک
129
00:03:42,560 –> 00:03:44,480
130
00:03:44,480 –> 00:03:46,879
131
00:03:46,879 –> 00:03:49,519
مهندس دانش توضیح دهد. نامطمئن است
132
00:03:49,519 –> 00:03:51,760
و آیا زمان و هزینه های پولی
133
00:03:51,760 –> 00:03:53,920
پرداخت خواهد شد،
134
00:03:53,920 –> 00:03:55,599
بیایید لحظه ای به
135
00:03:55,599 –> 00:03:57,599
روند ساخت سیستم خبره در یک
136
00:03:57,599 –> 00:03:58,400
نگاه نگاه کنیم،
137
00:03:58,400 –> 00:04:00,640
به ویژه اینکه اولین تلاش شما بعید
138
00:04:00,640 –> 00:04:02,480
است که کاملاً موفق
139
00:04:02,480 –> 00:04:04,799
140
00:04:04,799 –> 00:04:05,599
141
00:04:05,599 –> 00:04:07,840
باشد. و قوانینی که
142
00:04:07,840 –> 00:04:09,760
آنها برای حل یک مشکل استفاده می کنند
143
00:04:09,760 –> 00:04:11,200
بخشی از دلیل این امر این است که
144
00:04:11,200 –> 00:04:13,120
بسیاری از دانش ها از عقل سلیم یا دانش ناخودآگاه ناشی می شود
145
00:04:13,120 –> 00:04:14,000
146
00:04:14,000 –> 00:04:15,840
که ممکن است برای متخصص بدیهی به نظر برسد
147
00:04:15,840 –> 00:04:17,358
و بنابراین آنها ممکن است زحمت
148
00:04:17,358 –> 00:04:18,478
ذکر آن را
149
00:04:18,478 –> 00:04:20,000
نداشته باشند حتی اگر در نهایت لازم
150
00:04:20,000 –> 00:04:22,079
باشد. به صراحت در
151
00:04:22,079 –> 00:04:23,840
پایگاه دانش سیستم خبره
152
00:04:23,840 –> 00:04:25,600
مرحله اول ساختن سیستم خبره ثبت شده است
153
00:04:25,600 –> 00:04:28,080
در اینجا همیشه کسب دانش
154
00:04:28,080 –> 00:04:29,759
است، ما میخواهیم دانش مربوطه را جمعآوری یا استخراج
155
00:04:29,759 –> 00:04:31,199
156
00:04:31,199 –> 00:04:33,440
کنیم. فاز بعدی مهندسی دانش است
157
00:04:33,440 –> 00:04:35,199
که در آن میخواهیم
158
00:04:35,199 –> 00:04:36,240
پایگاه دانش سیستم خبره را
159
00:04:36,240 –> 00:04:38,720
بر اساس دانشی که جمعآوری کردهایم بسازیم.
160
00:04:38,720 –> 00:04:40,560
161
00:04:40,560 –> 00:04:42,000
162
00:04:42,000 –> 00:04:44,479
متخصص این فرصتی را به متخصص می دهد
163
00:04:44,479 –> 00:04:46,880
تا سیستم خبره
164
00:04:46,880 –> 00:04:48,880
را از نظر عملکرد آن ارزیابی کند و به متخصص اجازه می دهد
165
00:04:48,880 –> 00:04:50,560
تا بازخورد بدهد
166
00:04:50,560 –> 00:04:52,240
و سپس از این بازخورد برای
167
00:04:52,240 –> 00:04:53,840
اصلاح پایگاه دانش
168
00:04:53,840 –> 00:04:56,400
و اصلاح عملکرد آن استفاده می شود، بنابراین این
169
00:04:56,400 –> 00:04:58,080
فرآیند توسعه یک سیستم خبره
170
00:04:58,080 –> 00:04:59,520
معمولاً تکرار شونده،
171
00:04:59,520 –> 00:05:01,520
بنابراین با شروع از آن نمونه اولیه،
172
00:05:01,520 –> 00:05:03,600
بازنگری سیستم خبره از یک
173
00:05:03,600 –> 00:05:04,960
فرآیند تکراری پیروی می کند
174
00:05:04,960 –> 00:05:07,280
که توسط بازخورد بین متخصص
175
00:05:07,280 –> 00:05:09,680
و کاربران نهایی سیستم هدایت
176
00:05:09,680 –> 00:05:11,600
177
00:05:11,600 –> 00:05:13,360
می شود.
178
00:05:13,360 –> 00:05:15,600
سیستم
179
00:05:15,600 –> 00:05:17,039
و همانطور که اشاره کردیم یکی از
180
00:05:17,039 –> 00:05:19,039
مهمترین افرادی که در ساخت آن دخیل
181
00:05:19,039 –> 00:05:21,600
هستند، متخصص دامنه است
182
00:05:21,600 –> 00:05:23,280
ks با یک مهندس دانش
183
00:05:23,280 –> 00:05:25,360
برای تسهیل فرآیند کسب دانش
184
00:05:25,360 –> 00:05:26,560
185
00:05:26,560 –> 00:05:27,919
از اینجا، مهندس دانش
186
00:05:27,919 –> 00:05:29,680
میتواند با یک توسعهدهنده نرمافزار یا
187
00:05:29,680 –> 00:05:31,360
کدنویسی کار کند که در واقع
188
00:05:31,360 –> 00:05:33,680
دانش مهندسی شده را گرفته و به
189
00:05:33,680 –> 00:05:36,160
یک سیستم خبره تبدیل میکند، بسته به سابقه
190
00:05:36,160 –> 00:05:37,840
و مجموعه مهارت، این نقشها قابل
191
00:05:37,840 –> 00:05:39,520
انجام است. توسط همان شخص
192
00:05:39,520 –> 00:05:41,440
یا اگر شما یک متخصص دامنه دارید که
193
00:05:41,440 –> 00:05:43,440
در زمینه برنامه نویسی کامپیوتر نیز تجربه دارد
194
00:05:43,440 –> 00:05:45,360
، می توانند تمام این نقش ها را
195
00:05:45,360 –> 00:05:48,160
به علاوه یک متخصص حوزه، یک
196
00:05:48,160 –> 00:05:49,919
مهندس دانش و یک توسعه دهنده یا
197
00:05:49,919 –> 00:05:50,880
برنامه نویس نیز انجام دهند
198
00:05:50,880 –> 00:05:53,280
، تیم توسعه اغلب شامل
199
00:05:53,280 –> 00:05:54,320
یک مدیر پروژه نیز می شود.
200
00:05:54,320 –> 00:05:56,400
و یک کاربر نهایی، موفقیت در
201
00:05:56,400 –> 00:05:58,000
توسعه یک سیستم خبره البته
202
00:05:58,000 –> 00:05:59,680
بستگی به این دارد که این اعضا چقدر
203
00:05:59,680 –> 00:06:00,639
با هم کار
204
00:06:00,639 –> 00:06:03,440
می کنند،
205
00:06:03,440 –> 00:06:05,520
اگر کسی دانش عمیقی
206
00:06:05,520 –> 00:06:08,000
از حقایق و قوانین و
207
00:06:08,000 –> 00:06:09,680
تجربه شخصی قوی در یک
208
00:06:09,680 –> 00:06:10,560
حوزه خاص داشته باشد، می تواند یک متخصص دامنه
209
00:06:10,560 –> 00:06:12,319
در نظر گرفته شود. به طور کلی یک متخصص فردی ماهر
210
00:06:12,319 –> 00:06:14,000
است که می تواند کارهایی را انجام دهد که
211
00:06:14,000 –> 00:06:15,039
افراد دیگر نمی
212
00:06:15,039 –> 00:06:16,240
توانند انجام دهند
213
00:06:16,240 –> 00:06:18,400
دانش خود را از طریق دانش و استدلال درونی خود منتقل می کنند
214
00:06:18,400 –> 00:06:20,800
و می
215
00:06:20,800 –> 00:06:21,919
توانند شرکت
216
00:06:21,919 –> 00:06:23,759
کنند و زمان قابل توجهی را
217
00:06:23,759 –> 00:06:25,280
به پروژه اختصاص دهند،
218
00:06:25,280 –> 00:06:26,720
سپس مهندس دانش
219
00:06:26,720 –> 00:06:28,720
کسی است که قادر به طراحی
220
00:06:28,720 –> 00:06:31,440
ساخت و آزمایش یک سیستم خبره است
221
00:06:31,440 –> 00:06:32,960
اولین کار آنها مصاحبه است. متخصص
222
00:06:32,960 –> 00:06:33,440
حوزه
223
00:06:33,440 –> 00:06:35,199
برای اینکه بفهمد چگونه یک
224
00:06:35,199 –> 00:06:36,800
مشکل خاص حل می شود،
225
00:06:36,800 –> 00:06:38,880
مشخص می کند
226
00:06:38,880 –> 00:06:40,960
که متخصص از چه روش های استدلالی برای رسیدگی به حقایق و قوانین استفاده می کند
227
00:06:40,960 –> 00:06:43,520
و تصمیم می گیرد که چگونه
228
00:06:43,520 –> 00:06:45,600
آنها را در سیستم خبره نشان دهد.
229
00:06:45,600 –> 00:06:47,120
مهندس دانش نیز معمولاً
230
00:06:47,120 –> 00:06:48,880
مسئول انتخاب برخی از
231
00:06:48,880 –> 00:06:51,199
نرم افزارهای توسعه یا موجود است.
232
00:06:51,199 –> 00:06:52,160
233
00:06:52,160 –> 00:06:54,000
پوسته سیستم خبره که با آن سیستم خبره را بسازند،
234
00:06:54,000 –> 00:06:55,840
آنها همچنین مسئول
235
00:06:55,840 –> 00:06:56,880
آزمایش بازنگری
236
00:06:56,880 –> 00:06:58,960
و ادغام سیستم خبره
237
00:06:58,960 –> 00:07:00,479
در محیط کار هستند،
238
00:07:00,479 –> 00:07:02,160
در نهایت مهندس دانش
239
00:07:02,160 –> 00:07:04,319
با متخصص حوزه
240
00:07:04,319 –> 00:07:06,800
و کاربران نهایی همکاری
241
00:07:06,800 –> 00:07:08,400
نزدیکی خواهد داشت. شخصی که
242
00:07:08,400 –> 00:07:09,599
مسئول توصیف برنامه نویسی واقعی است
243
00:07:09,599 –> 00:07:11,520
g دانش دامنه از
244
00:07:11,520 –> 00:07:13,360
نظری که یک کامپیوتر می تواند درک کند
245
00:07:13,360 –> 00:07:15,120
اغلب به مهارت های برنامه نویسی نمادین
246
00:07:15,120 –> 00:07:17,919
مانند lisp یا prologue نیاز دارند،
247
00:07:17,919 –> 00:07:19,680
همچنین برخی از تجربه ها با
248
00:07:19,680 –> 00:07:21,120
پوسته های سیستم خبره ترجیح داده می شود،
249
00:07:21,120 –> 00:07:23,599
از جمله چیزی مانند clips یا pike
250
00:07:23,599 –> 00:07:24,960
و مطمئناً آنها همچنین به
251
00:07:24,960 –> 00:07:26,880
تجربه معمول علوم رایانه نیز نیاز دارند.
252
00:07:26,880 –> 00:07:28,720
در زبانهای برنامهنویسی مانند c
253
00:07:28,720 –> 00:07:31,440
pascal java python و
254
00:07:31,440 –> 00:07:33,120
غیره، مدیر پروژه رهبر
255
00:07:33,120 –> 00:07:35,039
تیم سیستم خبره است و
256
00:07:35,039 –> 00:07:36,720
مسئول نگهداشتن پروژه در مسیر
257
00:07:36,720 –> 00:07:38,560
و حصول اطمینان
258
00:07:38,560 –> 00:07:40,240
از برآورده شدن همه تحویلها و نقاط عطف هستند و معمولاً
259
00:07:40,240 –> 00:07:42,160
با همه اعضای دیگر تعامل خواهند داشت. تیم
260
00:07:42,160 –> 00:07:42,960
261
00:07:42,960 –> 00:07:44,400
و سپس کاربر نهایی است،
262
00:07:44,400 –> 00:07:46,479
این شخصی است که پس از توسعه سیستم خبره از سیستم خبره استفاده می
263
00:07:46,479 –> 00:07:48,800
کند، کاربر
264
00:07:48,800 –> 00:07:49,919
در نهایت باید
265
00:07:49,919 –> 00:07:52,160
به عملکرد سیستم خبره اطمینان داشته باشد
266
00:07:52,160 –> 00:07:53,759
و با استفاده از آن احساس راحتی کند
267
00:07:53,759 –> 00:07:56,000
، طراحی رابط کاربری
268
00:07:56,000 –> 00:07:58,240
جزء حیاتی موفقیت پروژه است
269
00:07:58,240 –> 00:07:59,680
به ویژه برای سیستم های خبره ای که
270
00:07:59,680 –> 00:08:01,599
قرار است در جریان اصلی استفاده قرار گیرند
271
00:08:01,599 –> 00:08:03,520
و به همین ترتیب برای کاربر مشارکت
272
00:08:03,520 –> 00:08:06,160
از نظر بازخورد در اینجا می تواند بسیار مهم باشد،
273
00:08:06,160 –> 00:08:07,840
اکنون بیایید به معنای واقعی
274
00:08:07,840 –> 00:08:09,440
چیدن یک سیستم خبره
275
00:08:09,440 –> 00:08:10,720
بپردازیم، به ویژه که ما بر روی کسب دانش تمرکز می کنیم
276
00:08:10,720 –> 00:08:12,720
و کسب دانش
277
00:08:12,720 –> 00:08:14,000
مهندسی
278
00:08:14,000 –> 00:08:16,080
دانش استخراج
279
00:08:16,080 –> 00:08:17,680
و فرمول بندی دانش
280
00:08:17,680 –> 00:08:20,240
حاصل از منابع مختلف به ویژه است.
281
00:08:20,240 –> 00:08:21,840
از متخصصان انسانی،
282
00:08:21,840 –> 00:08:24,000
این فرآیند معمولاً 60 تا 70
283
00:08:24,000 –> 00:08:25,680
درصد از زمان توسعه سیستم خبره را میگیرد.
284
00:08:25,680 –> 00:08:26,479
285
00:08:26,479 –> 00:08:28,400
دانش میتواند از
286
00:08:28,400 –> 00:08:29,919
متخصصان انسانی مانند پزشکان وکلای
287
00:08:29,919 –> 00:08:30,639
مهندسین،
288
00:08:30,639 –> 00:08:32,958
تحلیلگران سرمایهگذاری یا هر کسی که
289
00:08:32,958 –> 00:08:33,919
متخصص حوزه
290
00:08:33,919 –> 00:08:36,399
در زمینه دانش مشکل هدف باشد، میتواند
291
00:08:36,399 –> 00:08:37,599
از منابع دیگری نیز به دست آید.
292
00:08:37,599 –> 00:08:38,880
اسناد چندرسانه ای
293
00:08:38,880 –> 00:08:41,519
کتاب های درسی پایگاه های اطلاعاتی گزارش های تحقیقاتی و
294
00:08:41,519 –> 00:08:42,399
295
00:08:42,399 –> 00:08:44,159
وب انواع معمولی اطلاعاتی که
296
00:08:44,159 –> 00:08:45,839
باید از طریق
297
00:08:45,839 –> 00:08:47,920
کسب دانش جمع آوری شوند، چیزهایی مانند مفاهیم کلی واژگان
298
00:08:47,920 –> 00:08:48,959
یا اصطلاحات تخصصی
299
00:08:48,959 –> 00:08:51,680
و مسائل مربوط به حقایق هستند که
300
00:08:51,680 –> 00:08:52,880
معمولاً
301
00:08:52,880 –> 00:08:55,120
راه حل هایی برای مشکلاتی که پیش می آیند
302
00:08:55,120 –> 00:08:56,320
و مهارت هایی برای حل
303
00:08:56,320 –> 00:08:58,320
مشکلات خاص زمانی که ما به وجود می آیند به وجود می آیند.
304
00:08:58,320 –> 00:08:59,920
اشتباه اکتساب دانش
305
00:08:59,920 –> 00:09:02,160
از یک متخصص
306
00:09:02,160 –> 00:09:04,000
معمولاً از سه مرحله اصلی تشکیل می
307
00:09:04,000 –> 00:09:05,200
شود:
308
00:09:05,200 –> 00:09:07,600
اول استخراج دانش
309
00:09:07,600 –> 00:09:09,040
که شامل تعامل بین
310
00:09:09,040 –> 00:09:10,800
متخصص و مهندس دانش
311
00:09:10,800 –> 00:09:12,720
برای استخراج دانش خبره به
312
00:09:12,720 –> 00:09:14,240
روشی سیستماتیک است
313
00:09:14,240 –> 00:09:16,080
. دانش به دست آمده معمولاً
314
00:09:16,080 –> 00:09:18,320
به شکلی ذخیره می شود. از بازنمایی میانی دوستدار انسان،
315
00:09:18,320 –> 00:09:20,720
این
316
00:09:20,720 –> 00:09:22,000
معمولاً به شکل یک
317
00:09:22,000 –> 00:09:24,480
نمودار جریان یا یک وب معنایی یا درخت یا
318
00:09:24,480 –> 00:09:25,440
چیزی شبیه به آن
319
00:09:25,440 –> 00:09:26,720
به عنوان راهی برای سازماندهی دانش اولیه
320
00:09:26,720 –> 00:09:28,399
و شروع به فکر کردن در مورد
321
00:09:28,399 –> 00:09:29,839
چگونگی نیاز به توسعه سیستم خبره است.
322
00:09:29,839 –> 00:09:30,880
323
00:09:30,880 –> 00:09:32,959
نمونهای از این را ببینید در ادامه
324
00:09:32,959 –> 00:09:34,560
ما خود مهندسی دانش
325
00:09:34,560 –> 00:09:36,480
را در اینجا خواهیم داشت
326
00:09:36,480 –> 00:09:38,000
327
00:09:38,000 –> 00:09:40,720
، سپس بازنمایی میانی دانش به شکلی اجرایی کامپایل میشود،
328
00:09:40,720 –> 00:09:42,800
بنابراین برای مثال قوانین تولید،
329
00:09:42,800 –> 00:09:44,560
اگر در حال ایجاد یک سیستم خبره تولید هستیم،
330
00:09:44,560 –> 00:09:46,959
این فرم اجرایی باید
331
00:09:46,959 –> 00:09:48,839
چیزی باشد که استنتاج شود. موتور می تواند
332
00:09:48,839 –> 00:09:50,080
پردازش کند
333
00:09:50,080 –> 00:09:51,680
این فرآیند همیشه خطی نیست
334
00:09:51,680 –> 00:09:53,600
و می تواند بسیار باشد
335
00:09:53,600 –> 00:09:55,680
تکرار این مراحل مجدداً این نوع
336
00:09:55,680 –> 00:09:57,680
فرآیند میتواند بسیار زمانبر باشد،
337
00:09:57,680 –> 00:10:00,720
بنابراین استخراج خودکار دانش و
338
00:10:00,720 –> 00:10:02,399
استفاده از تکنیکهای یادگیری ماشین
339
00:10:02,399 –> 00:10:04,079
به طور فزایندهای
340
00:10:04,079 –> 00:10:06,160
به جایگزینهای مدرن رایج برای کسب
341
00:10:06,160 –> 00:10:07,680
342
00:10:07,680 –> 00:10:09,519
دانش تبدیل میشوند.
343
00:10:09,519 –> 00:10:11,279
344
00:10:11,279 –> 00:10:12,480
345
00:10:12,480 –> 00:10:14,880
به عبارت دیگر،
346
00:10:14,880 –> 00:10:16,480
دانش رویهای
347
00:10:16,480 –> 00:10:18,800
که گرفتن آن دشوار است، در
348
00:10:18,800 –> 00:10:20,240
نتیجه چندین
349
00:10:20,240 –> 00:10:21,920
تکنیک مفید برای کسب این نوع
350
00:10:21,920 –> 00:10:22,880
دانش وجود دارد
351
00:10:22,880 –> 00:10:25,279
، اولین آن تجزیه و تحلیل پروتکل است که در اینجا میتوانیم
352
00:10:25,279 –> 00:10:26,800
353
00:10:26,800 –> 00:10:29,200
تفکر متخصص را در حین انجام نقش خود با صدای بلند ضبط کنیم
354
00:10:29,200 –> 00:10:30,959
و مهندس دانش
355
00:10:30,959 –> 00:10:32,959
بعداً میتواند آن را تجزیه و تحلیل کند.
356
00:10:32,959 –> 00:10:34,800
این به ما امکان می دهد
357
00:10:34,800 –> 00:10:37,519
پروتکل آنها را به کوچکترین واحدهای فکری اتمی تجزیه کنیم.
358
00:10:37,519 –> 00:10:38,399
359
00:10:38,399 –> 00:10:40,079
استراتژی دیگر مشاهده مشارکتی است که در
360
00:10:40,079 –> 00:10:41,440
361
00:10:41,440 –> 00:10:42,959
اینجا مهندس
362
00:10:42,959 –> 00:10:44,720
دانش دانش تاکتیکی را از طریق
363
00:10:44,720 –> 00:10:45,279
364
00:10:45,279 –> 00:10:48,160
تجربه حوزه عملی در کنار متخصص به دست می آورد و
365
00:10:48,160 –> 00:10:50,320
آخرین آن القای ماشین
366
00:10:50,320 –> 00:10:52,160
است که زمانی مفید است که متخصصان کار کنند. قادر
367
00:10:52,160 –> 00:10:53,600
به ارائه نمونههایی
368
00:10:53,600 –> 00:10:55,760
از نتایج تصمیمگیری خود هستند،
369
00:10:55,760 –> 00:10:57,680
حتی اگر قادر به بیان
370
00:10:57,680 –> 00:10:59,360
دانش اساسی یا فرآیند استدلال نباشند
371
00:10:59,360 –> 00:11:00,480
372
00:11:00,480 –> 00:11:02,000
، انتخاب بهترین استراتژی معمولاً
373
00:11:02,000 –> 00:11:03,600
به حوزه مشکل بستگی دارد
374
00:11:03,600 –> 00:11:06,079
و اگر قرار است
375
00:11:06,079 –> 00:11:06,959
دانش از
376
00:11:06,959 –> 00:11:09,920
منابع دیگری مانند پایگاههای داده کسب شود، به متخصص بستگی دارد. یا مجموعههای داده
377
00:11:09,920 –> 00:11:10,480
378
00:11:10,480 –> 00:11:12,640
یا وب که ممکن است نیاز به
379
00:11:12,640 –> 00:11:14,320
استخراج اطلاعات داشته باشیم
380
00:11:14,320 –> 00:11:16,079
، این فرآیند استخراج
381
00:11:16,079 –> 00:11:17,519
اطلاعات ساختاریافته
382
00:11:17,519 –> 00:11:19,920
از اسناد قابل خواندن ماشین بدون ساختار است.
383
00:11:19,920 –> 00:11:21,279
384
00:11:21,279 –> 00:11:23,120
385
00:11:23,120 –> 00:11:25,120
386
00:11:25,120 –> 00:11:27,920
387
00:11:27,920 –> 00:11:29,600
388
00:11:29,600 –> 00:11:31,120
در واقع میتوانیم پردازش
389
00:11:31,120 –> 00:11:32,640
کنیم، ممکن است لازم باشد مراحل
390
00:11:32,640 –> 00:11:34,720
توکنسازی و عادیسازی
391
00:11:34,720 –> 00:11:36,160
را طی کنیم، به عنوان مثال، شاید در اینجا میخواهیم
392
00:11:36,160 –> 00:11:38,000
قالبی را که تاریخها در آن ذخیره میشوند، عادی
393
00:11:38,000 –> 00:11:38,880
394
00:11:38,880 –> 00:11:40,880
کنیم، ممکن است مجبور باشیم شناسایی موجودیت نامگذاری شده را
395
00:11:40,880 –> 00:11:42,000
396
00:11:42,000 –> 00:11:44,160
در جایی که در حال شناسایی اشیاء نامگذاری شده و جستجوی آن هستیم، انجام دهیم.
397
00:11:44,160 –> 00:11:45,360
398
00:11:45,360 –> 00:11:47,920
اطلاعات مربوطه که اطراف آن
399
00:11:47,920 –> 00:11:49,360
استخراج نمونه در جایی که ما هستیم با جستجوی
400
00:11:49,360 –> 00:11:52,160
نمونه هایی از موجودیتی مانند
401
00:11:52,160 –> 00:11:54,639
استخراج واقعیت الویس که در آن از
402
00:11:54,639 –> 00:11:56,480
شناسایی این نمونه ها استفاده می کنیم و
403
00:11:56,480 –> 00:11:58,320
به دنبال حقایقی می گردیم که با
404
00:11:58,320 –> 00:11:59,279
آن نمونه ها
405
00:11:59,279 –> 00:12:01,839
در متن اطراف مرتبط هستند، همچنین می توانیم سعی
406
00:12:01,839 –> 00:12:03,680
کنیم این اطلاعات را به صورت
407
00:12:03,680 –> 00:12:05,839
هستی شناختی سازماندهی کنیم و می توانیم برویم. حتی
408
00:12:05,839 –> 00:12:07,600
بیشتر از نظر
409
00:12:07,600 –> 00:12:09,680
پیچیدگی استخراج اطلاعات ما
410
00:12:09,680 –> 00:12:11,279
، کمی بیشتر در مورد شناسایی نهادهای نامگذاری شده
411
00:12:11,279 –> 00:12:13,200
، این فرآیند
412
00:12:13,200 –> 00:12:15,040
یافتن موجودیتها افراد شهرها
413
00:12:15,040 –> 00:12:16,639
سازمانها و تاریخها
414
00:12:16,639 –> 00:12:18,880
در متن است، بنابراین تصور کنید که ما این جمله را داریم
415
00:12:18,880 –> 00:12:19,839
و یک سند
416
00:12:19,839 –> 00:12:22,240
الویس پریسلی در سال 1935 در شرق tupelo متولد شد.
417
00:12:22,240 –> 00:12:23,600
می سی سی پی
418
00:12:23,600 –> 00:12:25,440
فرآیند شناسایی موجودیت نامگذاری شده
419
00:12:25,440 –> 00:12:27,680
به دنبال موجودیتهای متنی قابل شناسایی میگردد
420
00:12:27,680 –> 00:12:29,600
، در این مورد، ما
421
00:12:29,600 –> 00:12:30,959
یک نام در سال،
422
00:12:30,959 –> 00:12:33,839
یک شهر و یک ایالت داریم، پس از شناسایی
423
00:12:33,839 –> 00:12:35,839
موجودیتهای نامگذاری شده، میتوانیم
424
00:12:35,839 –> 00:12:38,480
استخراج رابطه را نیز انجام دهیم، بنابراین تصور کنید
425
00:12:38,480 –> 00:12:39,920
میخواهیم اطلاعاتی درباره
426
00:12:39,920 –> 00:12:41,920
شیوع بیماری از یک منطقه استخراج کنیم.
427
00:12:41,920 –> 00:12:44,639
ممکن است ابتدا اسنادی را برای موجودیتهای نامگذاری شده
428
00:12:44,639 –> 00:12:45,680
مانند تاریخها،
429
00:12:45,680 –> 00:12:48,480
مکانها و نام بیماری و t اسکن کنیم hen
430
00:12:48,480 –> 00:12:49,120
431
00:12:49,120 –> 00:12:51,279
متن خام را به مجموعه ای قالب بندی شده از
432
00:12:51,279 –> 00:12:53,839
متغیرها تبدیل می کند، در این مورد به دنبال تاریخ
433
00:12:53,839 –> 00:12:56,079
هایی می گردند که یک بیماری خاص در یک مکان خاص ظاهر شده است،
434
00:12:56,079 –> 00:12:57,680
435
00:12:57,680 –> 00:12:59,440
این می تواند توسط نوعی
436
00:12:59,440 –> 00:13:02,240
سیستم استخراج اطلاعات خودکار شود
437
00:13:02,240 –> 00:13:03,760
که به ما امکان می دهد
438
00:13:03,760 –> 00:13:05,600
اطلاعات مربوطه را از متن بگیریم و آن را قرار دهیم.
439
00:13:05,600 –> 00:13:07,760
در پایگاه داده جدید خود،
440
00:13:07,760 –> 00:13:09,519
اجازه دهید ابتدا در مورد برخی از سطوح
441
00:13:09,519 –> 00:13:11,839
تجزیه و تحلیل دانش
442
00:13:11,839 –> 00:13:14,079
صحبت کنیم، در اینجا شناسایی دانش وجود دارد.
443
00:13:14,079 –> 00:13:16,000
444
00:13:16,000 –> 00:13:17,680
445
00:13:17,680 –> 00:13:18,560
446
00:13:18,560 –> 00:13:20,959
447
00:13:20,959 –> 00:13:22,720
448
00:13:22,720 –> 00:13:23,440
حوزه
449
00:13:23,440 –> 00:13:25,760
به اندازه کافی خوب است که بدانیم در مورد کدام اشیاء و
450
00:13:25,760 –> 00:13:28,320
حقایق باید صحبت
451
00:13:28,320 –> 00:13:30,399
کنیم، در اینجا مفهوم سازی دانش وجود دارد.
452
00:13:30,399 –> 00:13:31,839
453
00:13:31,839 –> 00:13:32,560
454
00:13:32,560 –> 00:13:35,200
455
00:13:35,200 –> 00:13:36,639
456
00:13:36,639 –> 00:13:39,360
457
00:13:39,360 –> 00:13:40,560
458
00:13:40,560 –> 00:13:42,480
459
00:13:42,480 –> 00:13:43,839
دانشی
460
00:13:43,839 –> 00:13:47,120
مانند مجموعه ای از روابط طبقه بندی در
461
00:13:47,120 –> 00:13:49,839
ادامه می توانیم د o تجزیه و تحلیل منطقی در اینجا ما
462
00:13:49,839 –> 00:13:50,880
می خواهیم تصمیم بگیریم
463
00:13:50,880 –> 00:13:52,959
که چگونه استدلال را در حوزه مسئله انجام دهیم
464
00:13:52,959 –> 00:13:54,880
این نوع دانش به
465
00:13:54,880 –> 00:13:57,120
خصوص به سختی به دست می آید
466
00:13:57,120 –> 00:13:58,639
و در نهایت می توانیم
467
00:13:58,639 –> 00:14:00,320
تجزیه و تحلیل اجرایی را انجام دهیم
468
00:14:00,320 –> 00:14:01,839
که در اینجا می خواهیم
469
00:14:01,839 –> 00:14:03,519
رویه های سیستماتیک
470
00:14:03,519 –> 00:14:06,399
برای پیاده سازی و آزمایش پله سیستم را
471
00:14:06,399 –> 00:14:07,440
کار کنیم. در
472
00:14:07,440 –> 00:14:09,519
اینجا یک شماتیک است که
473
00:14:09,519 –> 00:14:11,440
مراحل کلی کسب دانش را
474
00:14:11,440 –> 00:14:13,120
مشخص می کند که با شناسایی شروع می شود، جایی که
475
00:14:13,120 –> 00:14:14,560
می خواهیم مفهومی سازی ویژگی های مشکل را شناسایی
476
00:14:14,560 –> 00:14:15,600
477
00:14:15,600 –> 00:14:17,279
کنیم، جایی که می خواهیم
478
00:14:17,279 –> 00:14:19,440
مفاهیمی را برای نشان دادن
479
00:14:19,440 –> 00:14:21,279
رسمی شدن دانش پیدا کنیم، جایی که می خواهیم
480
00:14:21,279 –> 00:14:23,440
ساختاری را برای سازماندهی اجرای دانش
481
00:14:23,440 –> 00:14:25,279
در جایی که می خواهیم طراحی کنیم. میخواهیم
482
00:14:25,279 –> 00:14:26,560
قوانینی را
483
00:14:26,560 –> 00:14:29,199
برای تجسم دانش و آزمایش تدوین کنیم، میخواهیم
484
00:14:29,199 –> 00:14:31,040
قوانینی را تأیید کنیم که دانش را سازماندهی میکند،
485
00:14:31,040 –> 00:14:31,839
486
00:14:31,839 –> 00:14:33,360
میتوانیم ببینیم که این فرآیند میتواند
487
00:14:33,360 –> 00:14:35,199
تا حدودی چرخهای باشد، زیرا ما
488
00:14:35,199 –> 00:14:35,680
دانش را
489
00:14:35,680 –> 00:14:37,760
در توسعه سیستم خبره خود اصلاح میکنیم،
490
00:14:37,760 –> 00:14:39,600
بنابراین ساخت سیستم خبره
491
00:14:39,600 –> 00:14:41,519
عمدتاً آزمایشی بود. و نوع خطا
492
00:14:41,519 –> 00:14:42,480
493
00:14:42,480 –> 00:14:43,760
محل نزدیک شدن در دستان یک
494
00:14:43,760 –> 00:14:45,920
مهندس دانش، زمانی که آن
495
00:14:45,920 –> 00:14:47,279
مهندس دانش از متخصصان
496
00:14:47,279 –> 00:14:48,800
دانش داشت، آنها پایگاه دانش خود را پر میکردند
497
00:14:48,800 –> 00:14:50,320
و اساساً آن را آزمایش میکردند و
498
00:14:50,320 –> 00:14:51,519
با آن بازی میکردند تا زمانی که چیزی به دست آوردند که
499
00:14:51,519 –> 00:14:52,480
500
00:14:52,480 –> 00:14:54,399
در پایان دهه 80 کار میکرد، کشف شد
501
00:14:54,399 –> 00:14:55,760
که ایجاد یک
502
00:14:55,760 –> 00:14:58,480
مدل دامنه واقعی راهی برای رفتن بود به
503
00:14:58,480 –> 00:15:00,160
عبارت دیگر ساخت یک مدل از دانش
504
00:15:00,160 –> 00:15:02,399
قبل از تلاش برای پیادهسازی هر چیزی.
505
00:15:02,399 –> 00:15:04,639
506
00:15:04,639 –> 00:15:07,040
507
00:15:07,040 –> 00:15:08,800
508
00:15:08,800 –> 00:15:10,399
509
00:15:10,399 –> 00:15:12,560
ما انتظار
510
00:15:12,560 –> 00:15:15,120
داریم که از آن ناکارآمدی
511
00:15:15,120 –> 00:15:16,720
ها ببینیم و همچنین می تواند یک مدل کاربردی باشد
512
00:15:16,720 –> 00:15:18,959
که در آن اجزای سازنده بر
513
00:15:18,959 –> 00:15:21,760
اساس عملکرد و
514
00:15:21,760 –> 00:15:23,360
رفتار در سال
515
00:15:23,360 –> 00:15:24,880
516
00:15:24,880 –> 00:15:26,720
های اخیر شمارش و توصیف می
517
00:15:26,720 –> 00:15:28,160
شوند.
518
00:15:28,160 –> 00:15:30,639
معمولاً در تنظیمات مقیاس بزرگتر،
519
00:15:30,639 –> 00:15:32,160
ابزار کسب دانش یا
520
00:15:32,160 –> 00:15:34,639
cads سیستمی است که به متخصص دامنه اجازه می دهد
521
00:15:34,639 –> 00:15:35,279
522
00:15:35,279 –> 00:15:37,360
تا وارد دانش ir به عنوان یک
523
00:15:37,360 –> 00:15:40,079
مدل گرافیکی که شامل اجزای
524
00:15:40,079 –> 00:15:42,880
اجزای مورد در حال تشخیص یا طراحی
525
00:15:42,880 –> 00:15:44,399
و همچنین عملکرد آنها
526
00:15:44,399 –> 00:15:45,920
و قوانین تصمیم گیری در مورد نحوه
527
00:15:45,920 –> 00:15:48,959
تشخیص یا طراحی هر یک است
528
00:15:48,959 –> 00:15:50,320
در اینجا یک تصویر تقریبی از
529
00:15:50,320 –> 00:15:52,320
چرخه مهندسی پایه دانش
530
00:15:52,320 –> 00:15:55,040
با استفاده از cads است. متخصص
531
00:15:55,040 –> 00:15:57,360
نوعی مدل مفهومی را ارائه می
532
00:15:57,360 –> 00:15:59,120
دهد، بنابراین در اینجا ما یک متخصص داریم که
533
00:15:59,120 –> 00:16:00,880
مدل را از طریق رویکرد Cad ارائه
534
00:16:00,880 –> 00:16:02,240
می دهد، مهندس دانش یک
535
00:16:02,240 –> 00:16:05,440
پایگاه دانش را بر اساس مدل دامنه ایجاد می کند،
536
00:16:05,440 –> 00:16:06,800
در اینجا موتور استنتاج می تواند
537
00:16:06,800 –> 00:16:08,880
خارج از قفسه یا سفارشی
538
00:16:08,880 –> 00:16:11,040
یا برخی از آنها باشد. ترکیبی از این دو بر
539
00:16:11,040 –> 00:16:13,360
اساس نیازهای مهندس دانش،
540
00:16:13,360 –> 00:16:14,720
من قصد ندارم در اینجا به جزئیات
541
00:16:14,720 –> 00:16:17,360
بپردازم، اما اساساً این یک استراتژی برای
542
00:16:17,360 –> 00:16:19,440
کمک به خودکار ساختن یک
543
00:16:19,440 –> 00:16:20,880
سیستم خبره است،
544
00:16:20,880 –> 00:16:22,720
اکنون اجازه دهید کمی بیشتر در مورد ایجاد
545
00:16:22,720 –> 00:16:24,959
یک نمایندگی میانی صحبت
546
00:16:24,959 –> 00:16:27,120
کنیم. ما از اکتساب دانش به
547
00:16:27,120 –> 00:16:28,240
مهندسی
548
00:16:28,240 –> 00:16:30,880
دانش خود سیستم خبره واقعی می رویم،
549
00:16:30,880 –> 00:16:32,560
باز هم بازنمایی میانی
550
00:16:32,560 –> 00:16:34,240
یک نماینده ساختاریافته است. بازنمایی
551
00:16:34,240 –> 00:16:35,759
دانش که هنوز به شکل
552
00:16:35,759 –> 00:16:36,000
553
00:16:36,000 –> 00:16:37,680
کدی نیست که بتوان آن را در
554
00:16:37,680 –> 00:16:39,600
پایگاه دانش یک سیستم خبره قرار داد، به عنوان مثال
555
00:16:39,600 –> 00:16:41,680
این می تواند تجزیه مسئله
556
00:16:41,680 –> 00:16:44,560
به یک و یا نمودار باشد، همانطور که در سخنرانی های قبلی دیدیم،
557
00:16:44,560 –> 00:16:46,000
558
00:16:46,000 –> 00:16:47,600
این یک تکنیک مناسب برای
559
00:16:47,600 –> 00:16:49,040
کاهش یک مشکل
560
00:16:49,040 –> 00:16:51,360
به عناصر مورد نیاز برای ساختن یک
561
00:16:51,360 –> 00:16:52,639
سیستم تولید،
562
00:16:52,639 –> 00:16:54,959
ابتدا هدف اصلی مشخص
563
00:16:54,959 –> 00:16:57,120
میشود که به دو یا چند هدف فرعی
564
00:16:57,120 –> 00:16:59,519
تقسیم میشود و سپس این دو تقسیم میشوند،
565
00:16:59,519 –> 00:17:00,560
یک نمودار ساده
566
00:17:00,560 –> 00:17:02,720
از هدف و اهداف فرعی
567
00:17:02,720 –> 00:17:04,000
و هر هدف جمعآوری میشود.
568
00:17:04,000 –> 00:17:06,319
در کادری به نام گره نوشته شده است که اهداف فرعی آن
569
00:17:06,319 –> 00:17:07,439
در زیر آن
570
00:17:07,439 –> 00:17:09,919
با پیوندهایی به هم متصل شده است.
571
00:17:09,919 –> 00:17:10,959
572
00:17:10,959 –> 00:17:12,720
573
00:17:12,720 –> 00:17:14,559
574
00:17:14,559 –> 00:17:15,839
575
00:17:15,839 –> 00:17:18,079
تکه های داده مورد نیاز برای حل
576
00:17:18,079 –> 00:17:19,039
مسئله
577
00:17:19,039 –> 00:17:20,400
باشند، بنابراین بیایید نمونه ای از
578
00:17:20,400 –> 00:17:22,079
تجزیه مسئله را مرور
579
00:17:22,079 –> 00:17:23,919
کنیم که در آن در واقع یک و یا
580
00:17:23,919 –> 00:17:26,160
نمودار می سازیم که با قرار دادن یک
581
00:17:26,160 –> 00:17:28,240
کادر در بالای صفحه شروع می کنیم. هدف
582
00:17:28,240 –> 00:17:30,240
در این مورد توصیه به کاربر یک
583
00:17:30,240 –> 00:17:31,280
سرمایهگذاری یا
584
00:17:31,280 –> 00:17:34,240
سرمایهگذاری باید x باشد، بنابراین حالا بیایید بگوییم
585
00:17:34,240 –> 00:17:36,000
که ما سه گزینه ممکن
586
00:17:36,000 –> 00:17:38,720
برای توصیهها در اینجا داریم، سرمایهگذاری
587
00:17:38,720 –> 00:17:40,000
میتواند در
588
00:17:40,000 –> 00:17:42,720
سهام پسانداز یا ترکیبی از این دو
589
00:17:42,720 –> 00:17:44,160
باشد، شاید اطلاعاتی که ما برای توصیه به آن نیاز داریم.
590
00:17:44,160 –> 00:17:44,720
591
00:17:44,720 –> 00:17:46,640
در پسانداز این است که بررسی
592
00:17:46,640 –> 00:17:48,960
کنیم آیا پساندازها کافی نیستند یا نه،
593
00:17:48,960 –> 00:17:50,480
به عبارت دیگر اگر ناکافی هستند،
594
00:17:50,480 –> 00:17:52,320
باید بیشتر در پسانداز
595
00:17:52,320 –> 00:17:54,559
در مورد سهام صرف کنیم، باید
596
00:17:54,559 –> 00:17:56,480
دو چیز را بررسی کنیم زیرا در اینجا یک و
597
00:17:56,480 –> 00:17:57,440
شاخه داریم
598
00:17:57,440 –> 00:17:59,919
که با قوس نشان داده شده است. در این مورد
599
00:17:59,919 –> 00:18:02,240
، اگر پسانداز
600
00:18:02,240 –> 00:18:03,120
کافی است
601
00:18:03,120 –> 00:18:05,120
و درآمد کافی است، سهام را توصیه میکنیم، سپس برای
602
00:18:05,120 –> 00:18:06,960
توصیه ترکیبی از این دو،
603
00:18:06,960 –> 00:18:08,960
همچنین میخواهیم دو گزینه را بررسی
604
00:18:08,960 –> 00:18:10,400
کنیم که آیا پسانداز کافی است
605
00:18:10,400 –> 00:18:14,000
و درآمد ناکافی است، میتوانیم
606
00:18:14,000 –> 00:18:15,840
به ساختن درخت ادامه دهیم تا تصمیم بگیریم
607
00:18:15,840 –> 00:18:18,240
که آیا اینها گره ها درست یا نادرست
608
00:18:18,240 –> 00:18:20,400
هستند، به عنوان مثال، ممکن است
609
00:18:20,400 –> 00:18:21,520
610
00:18:21,520 –> 00:18:23,440
با بررسی اینکه آیا درآمد کمتر
611
00:18:23,440 –> 00:18:24,640
از مقدار w است
612
00:18:24,640 –> 00:18:27,600
و آیا درآمد ثابت نیست، بررسی کنیم که آیا درآمد کافی نیست.
613
00:18:27,600 –> 00:18:29,600
از این درخت اکنون میتوانیم
614
00:18:29,600 –> 00:18:32,080
قوانین تولید را تشخیص دهیم، به
615
00:18:32,080 –> 00:18:33,679
عنوان مثال، این قسمت از درخت
616
00:18:33,679 –> 00:18:35,200
که در آن توصیههای
617
00:18:35,200 –> 00:18:37,120
موجودی را داریم مبنی بر اینکه آیا پسانداز
618
00:18:37,120 –> 00:18:37,760
کافی است
619
00:18:37,760 –> 00:18:40,400
و درآمد کافی است، اکنون میتوانیم بگوییم که آیا
620
00:18:40,400 –> 00:18:40,799
621
00:18:40,799 –> 00:18:42,880
پسانداز و درآمد کافی است، پس
622
00:18:42,880 –> 00:18:44,559
توصیه میکنیم. سهام
623
00:18:44,559 –> 00:18:46,880
یا اینجا میتوانیم تصمیم بگیریم که
624
00:18:46,880 –> 00:18:47,919
درآمد ناکافی است
625
00:18:47,919 –> 00:18:50,880
اگر درآمد کمتر از w باشد و درآمد
626
00:18:50,880 –> 00:18:52,160
ثابت نباشد،
627
00:18:52,160 –> 00:18:53,919
میتوان نتیجه گرفت که
628
00:18:53,919 –> 00:18:55,760
اگر مقدار
629
00:18:55,760 –> 00:18:58,559
پسانداز کمتر از y باشد، پسانداز ناکافی است، بنابراین در نهایت
630
00:18:58,559 –> 00:18:59,840
میتوانیم از این درخت
631
00:18:59,840 –> 00:19:01,760
برای شناسایی تمام تولید استفاده کنیم. قوانینی
632
00:19:01,760 –> 00:19:02,960
که ما باید
633
00:19:02,960 –> 00:19:05,760
تمام تصمیمات لازم را اتخاذ کنیم تا
634
00:19:05,760 –> 00:19:07,600
در این مورد توصیه کنیم که کاربر چه نوع سرمایه گذاری را
635
00:19:07,600 –> 00:19:10,720
باید انجام دهد، اکنون که در
636
00:19:10,720 –> 00:19:12,080
مورد کسب دانش
637
00:19:12,080 –> 00:19:14,240
و کمی در مورد تجزیه مشکل صحبت کردیم،
638
00:19:14,240 –> 00:19:16,080
اجازه دهید دوباره به سمت
639
00:19:16,080 –> 00:19:18,640
خود مهندسی دانش حرکت کنیم.
640
00:19:18,640 –> 00:19:20,880
ما دانش را به طور صریح در یک پایگاه دانش کدگذاری می کنیم
641
00:19:20,880 –> 00:19:21,679
642
00:19:21,679 –> 00:19:23,120
که قرار است توسط سیستم خبره
643
00:19:23,120 –> 00:19:25,600
استفاده شود، بنابراین اولین فکر ما این است که چگونه می
644
00:19:25,600 –> 00:19:27,520
خواهیم به آن نفوذ کنیم.
645
00:19:27,520 –> 00:19:29,200
ممکن است بخواهیم از یک
646
00:19:29,200 –> 00:19:30,799
زبان برنامه نویسی تابعی اعلامی مانند
647
00:19:30,799 –> 00:19:31,200
lis
648
00:19:31,200 –> 00:19:33,360
prolog یا miranda استفاده کنیم زیرا اینها
649
00:19:33,360 –> 00:19:34,880
معمولاً اولین انتخاب برای پیاده سازی
650
00:19:34,880 –> 00:19:36,720
سیستم های Ai مبتنی بر قانون
651
00:19:36,720 –> 00:19:38,960
مانند سیستم های خبره از پایه
652
00:19:38,960 –> 00:19:41,280
هستند، زیرا ساختار نحوی
653
00:19:41,280 –> 00:19:43,280
قوانینی که در
654
00:19:43,280 –> 00:19:45,440
این زبان ها نوشته شده اند را می توان
655
00:19:45,440 –> 00:19:46,960
با شکل انتخاب شده ای از بازنمایی دانش
656
00:19:46,960 –> 00:19:48,480
657
00:19:48,480 –> 00:19:50,080
و همچنین ابزاری که به وسیله آن یک پرس
658
00:19:50,080 –> 00:19:52,960
و جو به یک مدل مرتبط از استدلال
659
00:19:52,960 –> 00:19:55,679
یک برنامه اعلامی حل می شود، دنباله ای از
660
00:19:55,679 –> 00:19:56,160
حقایق
661
00:19:56,160 –> 00:19:58,799
و قوانین و همچنین مجموعه ای از شرایط است، تطبیق داد.
662
00:19:58,799 –> 00:19:59,600
که
663
00:19:59,600 –> 00:20:01,600
در اینجا یک فضای راه حل را توصیف می کند، تا حدودی
664
00:20:01,600 –> 00:20:03,520
به ترتیبی که این
665
00:20:03,520 –> 00:20:04,559
قوانین نوشته می شوند، بستگی دارد،
666
00:20:04,559 –> 00:20:06,720
اما نه به اندازه ای که در
667
00:20:06,720 –> 00:20:08,080
برنامه های رویه ای، به طور
668
00:20:08,080 –> 00:20:10,320
متفاوت، یک برنامه رویه ای یا
669
00:20:10,320 –> 00:20:12,240
تکراری از یک سری
670
00:20:12,240 –> 00:20:13,120
دستورات تشکیل شده است،
671
00:20:13,120 –> 00:20:14,799
در اینجا لازم است برنامه نویس
672
00:20:14,799 –> 00:20:16,720
به دقت فکر کند. هر مشکل جدید
673
00:20:16,720 –> 00:20:17,280
674
00:20:17,280 –> 00:20:19,200
در مورد مراحلی که
675
00:20:19,200 –> 00:20:20,400
برای حل آن باید انجام شود
676
00:20:20,400 –> 00:20:23,200
و ترتیب آنها باید انجام شود
677
00:20:23,200 –> 00:20:24,960
شبکه های عصبی به عنوان نمونه ای
678
00:20:24,960 –> 00:20:27,440
از یک برنامه خرد کردن اعداد
679
00:20:27,440 –> 00:20:29,280
معمولاً در زبان های رویه ای
680
00:20:29,280 –> 00:20:30,000
681
00:20:30,000 –> 00:20:33,840
مانند جاوا c یا c به علاوه
682
00:20:33,840 –> 00:20:35,520
انتخاب یک
683
00:20:35,520 –> 00:20:37,440
ابزار
684
00:20:37,440 –> 00:20:38,080
685
00:20:38,080 –> 00:20:39,679
توسعه سیستم
686
00:20:39,679 –> 00:20:41,200
خبره پیاده سازی
687
00:20:41,200 –> 00:20:42,880
می شوند. سازگاری ابزارها با
688
00:20:42,880 –> 00:20:45,280
زیرساخت های اطلاعاتی موجود،
689
00:20:45,280 –> 00:20:47,360
ما همچنین می خواهیم در صورت خرید یک نرم افزار برای ساختن یک سیستم خبره، قابلیت
690
00:20:47,360 –> 00:20:48,799
اطمینان و پشتیبانی از
691
00:20:48,799 –> 00:20:50,720
یک فروشنده را در نظر بگیریم،
692
00:20:50,720 –> 00:20:52,880
693
00:20:52,880 –> 00:20:55,200
یکی از نگرانی های اصلی این است که آیا
694
00:20:55,200 –> 00:20:56,960
فرآیند کدگذاری کارآمد و به درستی
695
00:20:56,960 –> 00:20:58,400
مدیریت می شود تا از
696
00:20:58,400 –> 00:21:01,120
خطاهای غیر ضروری جلوگیری شود و یا خیر. سپس در نهایت سیستم
697
00:21:01,120 –> 00:21:01,440
را
698
00:21:01,440 –> 00:21:03,440
ارزیابی میکنیم، دو
699
00:21:03,440 –> 00:21:05,120
نوع ارزیابی معمولی وجود دارد
700
00:21:05,120 –> 00:21:07,600
، اولی تأیید صحت این است که
701
00:21:07,600 –> 00:21:09,200
اساساً بررسی میکنیم که هیچ خطایی در کد وجود نداشته باشد
702
00:21:09,200 –> 00:21:10,480
703
00:21:10,480 –> 00:21:12,400
و ما به همان نتایجی
704
00:21:12,400 –> 00:21:14,080
دست مییابیم که وقتی مستقیماً از یک متخصص
705
00:21:14,080 –> 00:21:15,360
706
00:21:15,360 –> 00:21:16,960
دیگر دریافت میکنیم. ارزیابی
707
00:21:16,960 –> 00:21:19,200
اعتبارسنجی است که میخواهیم بررسی کنیم
708
00:21:19,200 –> 00:21:20,880
که مشکل را حل کردهایم
709
00:21:20,880 –> 00:21:24,080
هنگامی که در موارد آزمایشی جدید اعمال می شود
710
00:21:24,080 –> 00:21:25,840
، چند ملاحظات دیگر برای ساختن
711
00:21:25,840 –> 00:21:27,120
یک سیستم خبره
712
00:21:27,120 –> 00:21:28,400
این است که آیا ما باید نگران
713
00:21:28,400 –> 00:21:30,720
محاسبه مقادیر اطمینان
714
00:21:30,720 –> 00:21:32,720
یا تعیین اولویت قوانین
715
00:21:32,720 –> 00:21:34,000
زمانی باشیم که
716
00:21:34,000 –> 00:21:35,679
چه نوع مکانیسم های حل تعارض
717
00:21:35,679 –> 00:21:38,159
را ممکن است بکار ببریم
718
00:21:38,159 –> 00:21:39,760
و همچنین آیا ما باید نگران باشیم. داشتن سیستمی
719
00:21:39,760 –> 00:21:41,360
که به نوعی
720
00:21:41,360 –> 00:21:44,559
سیستم نگهداری حقیقت نیاز دارد یا tms
721
00:21:44,559 –> 00:21:46,960
a tms میتواند مفید باشد اگر استدلال با
722
00:21:46,960 –> 00:21:47,840
پیشفرضها
723
00:21:47,840 –> 00:21:50,080
و باورها درخواست شود.
724
00:21:50,080 –> 00:21:51,760
725
00:21:51,760 –> 00:21:54,159
726
00:21:54,159 –> 00:21:56,400
727
00:21:56,400 –> 00:21:57,760
728
00:21:57,760 –> 00:22:00,559
دانش اعتقادی و
729
00:22:00,559 –> 00:22:02,080
دانش اعتقادی فعلی در
730
00:22:02,080 –> 00:22:03,039
پایگاه دانش
731
00:22:03,039 –> 00:22:04,960
و این کار را با بازبینی مداوم کم و
732
00:22:04,960 –> 00:22:07,039
بیش خودکار پایگاه دانش انجام میدهد،
733
00:22:07,039 –> 00:22:08,000
734
00:22:08,000 –> 00:22:10,240
اگر عبارات اعتقادی فعلی
735
00:22:10,240 –> 00:22:11,600
با دانش موجود در پایگاه دانش در تضاد باشد،
736
00:22:11,600 –> 00:22:12,400
737
00:22:12,400 –> 00:22:14,240
آنگاه پایگاه دانش
738
00:22:14,240 –> 00:22:16,000
با دانش جدید
739
00:22:16,000 –> 00:22:17,760
بهروزرسانی میشود. آنها یک سخنرانی کامل را
740
00:22:17,760 –> 00:22:19,679
در این مورد صرف می کنند opic
741
00:22:19,679 –> 00:22:20,960
اما در اینجا من فقط به آن اشاره می کنم تا
742
00:22:20,960 –> 00:22:22,480
شما با وجود این چیزها آشنا شوید.
743
00:22:22,480 –> 00:22:23,919
744
00:22:23,919 –> 00:22:26,080
یک کلمه هشدار این است که در
745
00:22:26,080 –> 00:22:28,720
مورد پتانسیل تعامل قوانین
746
00:22:28,720 –> 00:22:30,240
فکر کنید وقتی می خواهید یک سیستم خبره را گسترش دهید
747
00:22:30,240 –> 00:22:32,320
با افزودن
748
00:22:32,320 –> 00:22:33,120
قوانین
749
00:22:33,120 –> 00:22:34,799
بیشتر. در نهایت برای عملکرد آن خطرناک است، به
750
00:22:34,799 –> 00:22:36,159
751
00:22:36,159 –> 00:22:38,159
ویژه
752
00:22:38,159 –> 00:22:40,240
تعاملات غیرمنتظره قوانین احتمالاً رخ
753
00:22:40,240 –> 00:22:42,159
می دهد، ممکن است تضادهای جدیدی اضافه کنید که
754
00:22:42,159 –> 00:22:43,840
باید حل شوند یا چیزی در همین
755
00:22:43,840 –> 00:22:44,559
756
00:22:44,559 –> 00:22:46,720
راستا، نیاز به در نظر گرفتن همه این
757
00:22:46,720 –> 00:22:47,840
تعاملات احتمالی قوانین
758
00:22:47,840 –> 00:22:50,240
باعث می شود سیستم های مبتنی بر قوانین بزرگ ناکارآمد
759
00:22:50,240 –> 00:22:51,679
و سخت به روز
760
00:22:51,679 –> 00:22:53,440
شوند. در حالی که درک معنای قواعد فردی ممکن است آسان باشد، اما در
761
00:22:53,440 –> 00:22:55,120
762
00:22:55,120 –> 00:22:57,120
763
00:22:57,120 –> 00:22:58,720
764
00:22:58,720 –> 00:23:00,559
765
00:23:00,559 –> 00:23:02,400
نهایت زمانی که یک سیستم خبره
766
00:23:02,400 –> 00:23:04,000
توسعه داده شد و مورد استفاده
767
00:23:04,000 –> 00:23:05,440
قرار گرفت، درک مسائل مربوط به تعاملات قوانین بسیار دشوارتر است، اما همچنان مهم است که در نظر داشته باشید
768
00:23:05,440 –> 00:23:07,200
که ممکن است نیاز به نگهداری داشته باشد.
769
00:23:07,200 –> 00:23:08,640
در طول سال ها،
770
00:23:08,640 –> 00:23:10,559
بنابراین حتی یک بار که یک پایگاه دانش سیستم خبره توسعه یافته است،
771
00:23:10,559 –> 00:23:12,720
باید به طور مداوم
772
00:23:12,720 –> 00:23:13,919
با افزودن حذف به روز شود
773
00:23:13,919 –> 00:23:16,320
یا تغییر قوانین برای همگام شدن
774
00:23:16,320 –> 00:23:17,280
با دانش جدید
775
00:23:17,280 –> 00:23:19,679
و تغییر شرایط نگهداری
776
00:23:19,679 –> 00:23:21,440
ممکن است برای همه مشکلات سیستم خبره واقعاً مهم نباشد،
777
00:23:21,440 –> 00:23:22,720
778
00:23:22,720 –> 00:23:24,720
اما برای بسیاری از برنامههای کاربردی دنیای واقعی،
779
00:23:24,720 –> 00:23:27,440
این یک چیز جدی است که باید در مورد آن فکر کرد،
780
00:23:27,440 –> 00:23:28,880
خوب در این مرحله ما قصد داریم دندهها را تغییر دهیم.
781
00:23:28,880 –> 00:23:30,480
و
782
00:23:30,480 –> 00:23:33,919
ابتدا در مورد پایک بیاموزید پایک پایک مخفف
783
00:23:33,919 –> 00:23:35,280
موتور دانش پایتون است.
784
00:23:35,280 –> 00:23:37,360
785
00:23:37,360 –> 00:23:39,600
786
00:23:39,600 –> 00:23:40,799
787
00:23:40,799 –> 00:23:43,279
788
00:23:43,279 –> 00:23:44,559
789
00:23:44,559 –> 00:23:46,240
790
00:23:46,240 –> 00:23:48,559
پایتون
791
00:23:48,559 –> 00:23:51,039
و یک موتور استنتاج ارائه میکند که
792
00:23:51,039 –> 00:23:52,799
قوانینی را در مورد حقایق اعمال میکند
793
00:23:52,799 –> 00:23:55,039
تا حقایق اضافی را از طریق
794
00:23:55,039 –> 00:23:56,240
زنجیره رو به جلو ایجاد کند
795
00:23:56,240 –> 00:23:59,840
یا اهداف را با زنجیرهسازی به عقب اثبات کند، بهخصوص که
796
00:23:59,840 –> 00:24:02,559
پایک میتواند همزمان با انجام
797
00:24:02,559 –> 00:24:03,120
798
00:24:03,120 –> 00:24:05,919
زنجیرهای به عقب و جلو و در همان زمان
799
00:24:05,919 –> 00:24:07,840
از پایک بیشتر برای
800
00:24:07,840 –> 00:24:09,760
جمعآوری اختیاری توابع پایتون استفاده شود.
801
00:24:09,760 –> 00:24:12,480
در نمودارهای تماس سفارشی که به
802
00:24:12,480 –> 00:24:12,960
آنها
803
00:24:12,960 –> 00:24:15,679
پلان در پیک می گویند، در اینجا پیوندی با
804
00:24:15,679 –> 00:24:16,640
اطلاعات بیشتر وجود دارد در
805
00:24:16,640 –> 00:24:19,760
مورد پیک پایک اساساً یک
806
00:24:19,760 –> 00:24:21,520
سیستم خبره واقعاً کوتاه شده است
807
00:24:21,520 –> 00:24:23,600
که واقعاً فقط بر ذخیره یک
808
00:24:23,600 –> 00:24:25,120
پایگاه دانش از حقایق،
809
00:24:25,120 –> 00:24:27,120
یک پایگاه دانش از قوانین و
810
00:24:27,120 –> 00:24:29,120
احتمالاً یک پایگاه سؤال
811
00:24:29,120 –> 00:24:30,960
و البته به عنوان داشتن یک موتور استنتاج تمرکز می
812
00:24:30,960 –> 00:24:33,279
کند، اما لوله واقعاً هیچگونه ندارد.
813
00:24:33,279 –> 00:24:34,400
آیتم جانبی
814
00:24:34,400 –> 00:24:36,960
مانند رابط کاربری پس چرا ما
815
00:24:36,960 –> 00:24:37,679
816
00:24:37,679 –> 00:24:40,159
در این دوره از pyke استفاده می کنیم در درجه اول
817
00:24:40,159 –> 00:24:42,480
pike انتخاب شد زیرا منحصراً
818
00:24:42,480 –> 00:24:43,600
در پایتون کار می کند
819
00:24:43,600 –> 00:24:45,279
و برخلاف زبان سیستم خبره دیگری
820
00:24:45,279 –> 00:24:47,520
که من پیدا کردم به نام pie clips
821
00:24:47,520 –> 00:24:50,640
این یکی در پایتون 3 کار می کند. این سیستم خبره دیگر کار می
822
00:24:50,640 –> 00:24:52,400
کند. زبانی به نام pie clips
823
00:24:52,400 –> 00:24:54,720
ظاهراً فقط در پایتون 2
824
00:24:54,720 –> 00:24:57,120
کار میکند، بنابراین کمی قدیمی است، به ویژه
825
00:24:57,120 –> 00:24:58,000
با این
826
00:24:58,000 –> 00:24:59,840
حال رایجترین چارچوب سیستم خبره که
827
00:24:59,840 –> 00:25:01,679
امروزه استفاده میشود، چیزی به نام
828
00:25:01,679 –> 00:25:04,080
کلیپ است، اما این در
829
00:25:04,080 –> 00:25:05,360
زبان کدنویسی c برنامهنویسی شده است
830
00:25:05,360 –> 00:25:07,360
و من میخواستم این دوره
831
00:25:07,360 –> 00:25:09,360
تجربهای در استفاده از آن داشته باشد. و کد نویسی
832
00:25:09,360 –> 00:25:10,799
پایتون،
833
00:25:10,799 –> 00:25:12,400
من توصیه می کنم که اگر شما
834
00:25:12,400 –> 00:25:14,000
علاقه مند به دیدن
835
00:25:14,000 –> 00:25:16,240
کلیپ ها هستید، در واقع نیازی به دانستن این موضوع ندارید.
836
00:25:16,240 –> 00:25:17,200
برنامه نویسی در
837
00:25:17,200 –> 00:25:19,600
c به منظور ساختن یک سیستم خبره در
838
00:25:19,600 –> 00:25:20,320
کلیپ ها،
839
00:25:20,320 –> 00:25:22,240
فقط باید اصول اولیه
840
00:25:22,240 –> 00:25:24,400
نحوه طراحی قوانین و حقایق را
841
00:25:24,400 –> 00:25:26,640
با استفاده از رابط کلیپ ها بیاموزید و اگر واقعاً به این موضوع علاقه دارید، می توانید
842
00:25:26,640 –> 00:25:28,080
به راحتی سیستم خبره خود را در آنجا بسازید.
843
00:25:28,080 –> 00:25:29,600
844
00:25:29,600 –> 00:25:30,880
ایده
845
00:25:30,880 –> 00:25:32,400
ساختن یک سیستم خبره برای یک پروژه نهایی
846
00:25:32,400 –> 00:25:33,039
847
00:25:33,039 –> 00:25:35,279
قطعاً کلیپ ها را به عنوان گزینه ای
848
00:25:35,279 –> 00:25:37,679
برای ساختن سیستم خبره خود بررسی
849
00:25:37,679 –> 00:25:39,360
کنید، در اینجا پیوندی به اطلاعات بیشتر در مورد
850
00:25:39,360 –> 00:25:42,080
کلیپ ها و مکان دانلود آن وجود دارد،
851
00:25:42,080 –> 00:25:44,400
به ویژه تکلیف 3 اطلاعات زیادی را ارائه می دهد
852
00:25:44,400 –> 00:25:45,840
853
00:25:45,840 –> 00:25:47,600
که به موازات هم اجرا می شوند. در این بخش از
854
00:25:47,600 –> 00:25:50,159
سخنرانی ما شامل نحوه نصب pyke
855
00:25:50,159 –> 00:25:51,840
نحوه باز کردن آن و استفاده از آن در یک
856
00:25:51,840 –> 00:25:53,760
نوت بوک jupyter و نحوه کدنویسی
857
00:25:53,760 –> 00:25:56,480
سیستم خبره خود با مثال ها
858
00:25:56,480 –> 00:25:58,320
همراه با فایل انتساب، من
859
00:25:58,320 –> 00:26:00,240
یک نوت بوک Jupiter به نام نصب bmin
860
00:26:00,240 –> 00:26:01,120
520
861
00:26:01,120 –> 00:26:03,279
pike ایجاد کرده ام. و
862
00:26:03,279 –> 00:26:04,880
تست سیستم متخصص روابط خانوادگی
863
00:26:04,880 –> 00:26:06,480
این نوت بوک jupyter شامل
864
00:26:06,480 –> 00:26:08,480
دستورالعمل هایی در مورد نحوه دانلود و
865
00:26:08,480 –> 00:26:10,000
نصب pyke و اجرای آن
866
00:26:10,00