الذكاء الإصطناعي : البحث و إستراتيجيات التحكم (2) #الدرس الثلاثون

الجزئ الثاني من الدرس الثلاثون في الذكاء الإصطناعي : البحث و إستراتيجيات التحكم (2) ...

إستراتيجيات التحكم Control Strategies :

البحث عن إجابة في فضاء المسألة يتطلب إستراتيجية تحكم لإدارة عمليات البحث، إستراتيجية التحكم بالبحث تكون مختلفة الأنواع، و تتحقق بواسطة أنواع محددة من إستراتيجيات التحكم؛ و بعض إستراتيجيات التحكم بالبحث موضحة فيما يلي :

• البحث الأمامي Forwad Search : هنا تواصل إستراتيجية التحكم باستكشاف البحث من الحالة الإبتدائية بإتجاه الجواب، و هذه الطريقة تعرف بـ : Data Directed؛ التوجه نحو البيانات.
• البحث الخلفي Backward Search : أما هنا فتواصل إستراتيجية التحكم في إستكشاف بحثها عكسياً من حالة الهدف أو الحالة النهائية بإتجاه إلا الحالة الإبتدائية، أو بإتجاه حل جزئي للمسألة، و هذه الطريقة تسمى بالتوجه نحو الهدف Goal Directed.
• البحث الأمامي و الخلفي : هنا إستراتيجية التحكم تستكشف بحثها يإستراتيجية مختلطة من البحث الأمامي و الخلفي.
• البحث المنظم Sustematic Search : تُستخدم عندما يكون فضاء البحث صغيراً، و هي طريقة منظمة؛ لكنها عمياء، تُستخدم لإستكشاف كل فضاء البحث بأسلوبين هما : البحث الرأسي و الأفقي.
• البحث بآلية الكشف Heuristic Search : كثير من طرق البحث التي تعتمد على معرفة نطاق أو ميدان المسألة، و هي تملك بعض المقاييس النسبية المساعدة على البحث، و هو البحث الذي يستخدم إرشادات المساعدة بالبحث مع آلية الكشف Heuristic Search و طرق المساعدة على الكشف تسمى ألية الكشف أيضاً. و بالمقاييس نلاحظ أن البحث مع آلية الكشف قد لا يضمن آداء الحلول الأفضل، لكنه يضمن الحصول على حل جيد في زمن معقول...

إذن : خوارزميات البحث بآلية الكشف Heuristic Search Algothims :

• أولا؛ نقوم بتوليد الحلول الممكنة التي من الممكن أن تكون نقاطاً غي فضاء المسألة، أو مساراً من الحالة الإبتدائية.
• ثم؛ نختبر الحلول المكتملة إذا كانت حلولاً حقيقية بواسطة مقارنة الحالة المتحصل عليها مع مجموعة حالات الهدف.
• و أخيراً؛ إذا كان الحل حقيقياً، نعود به و إلاَ نُكرر الخطوات من البداية.

و لمزيد من إستراتيجيات البحث More on Search Strategies سلسلة لقوانين الفعل المشروط و علاقتها بالبحث الأمامي و الخلفي...

قوانين الفعل المشروط  Condition Action Strategies :

و هي واحدة من طرق ترميز المعرفة، بحيث تكتب القوانين بالشكل إذا كان "شرط" فإن "نتيجة" :
 <if <condition> then <conclusion ، مثالاً :
قانون الضوء الأحمر : <if <the light is red> then <Stop .
و قانون الضوء الأخضر <if <the light is green> then <Stop .

التقييد Chaining :

المقصود بالتقييد هو مشاركة الشروط بين القوانين، لهذا يتم تقييم نفس الشرط مرة واحدة لكل القواني، و عندما يشترك شرط واحد أو أكثر بين القوانين فإنه يُعتبر تقييداً، و هما نوعين : التنفيذ الخلفي بالقيادة و الإستعلام Query Driven ... 

• قوانين التفعيل Active of Rules : يعتبر التقييد و التقييد الخلفي إستراتيجيتان  مختلفتان لتفعيل القوانين في النظام، و هما تقنيتان لسحب الإستدلالات inferences من قاعدة القوانين.
• خوارزمية التقييد Forwad Chaining Algorithm : كما أوضحنا؛ هي تقنية الإستدلالات من قاعدة القوانين و يسمى الإستدلال عادة بقيادة البيانات : تستمر الخوارزمية من حل معطى حتى الوصول إلى هدف مقبول، مع إضافة أي تأكيدات Assertion (حقائق) يتم إكتشافها.

و التقييد الأمامي يقارن في الذاكرة العامة Working Memory مقابل الشروط في الأجزائ if من القوانين، و تحديد أي قوانين ينطلق تطبيقه. Data Driven : 

مثال للتقييد الأمامي : إذا كان لدينا قاعدة القوانين مكونة من القوانين التالية :

• Rule 1: If A and C Then F
• Rule 2: If A and E Then G
• Rule 3: If B Then E
• Rule 4: If G Then D
• و كانت هذه المسألة إثبات أن : Prove that: If A and B true Then D is true

و في هذه الحالة؛ تكون الإجابة كالنحو التالي :

(i) >>  Start with input given A, B is true and then
>>  start at Rule 1 and go forward / down till a rule
 “fires'' is found.
 First iteration :
(ii) >>  Rule 3 fires : conclusion E is true
>>  new knowledge found
(iii) >>  No other rule fires;
>>  end of first iteration.
(iv) >>  Goal not found;
>>  new knowledge found at (ii);
>>  go for second iteration
 Second iteration :
(v) >>  Rule 2 fires : conclusion G is true
>>  new knowledge found
(vi) >>  Rule 4 fires : conclusion D is true
>>  Goal found;
>>  Proved

تبدأ الخوارزميات أعلاه، مع معطيات الهدف و هما الـ A و B، ثم تبدأ إبدتاءاً من القانون الأول 1 و صولاً إلى أي قانون من الممكن تنفيذه، و في الدخول إلى الحلقة نجد أن القانون 3 يتدخل و ينفذ معرفة جديدة هي أن الـ E صائباً إلى القاعدة. و بعد المرور على كل القوانين تنتهي الحلقة التكرارية الأولى ثم تدخل الحركة التكرارية الثانية مستفيدة من المعرة الجديدة، عندئذٍ يتم تنفيذ القانون الثاني 2 و تدْخُل معرفة جديدة هي G صائب؛ و من ثم مباشرة ينفذ القانون 4 لإثبات أن D صائباً، و هذا هو الإستنتاج المطلوب في حالة الهدف.

خوارزميات التقييد الخلفي Backward Chaining Algorithm :

هذا النوع من الخوارزميات هو تقنية لسحب الإستدلالات من قاعدة القوانين، و تسمى أيضاً بالهدف، فهي تتحرك من الهدف المطلوب لتحققه، و تضيف التأكيدات التي تجدها إلى قاعدة القوانين، بصورة معاكسة للتقييد الأمامي؛ تقوم خوارزميات التقييد الخلفي بالبحث عن الجزء Then من القانون الذي يحقق الهدف.

- مثال للتقييد الخلفي Backward Chaining : إذا كانت مجموعة من القوانين التالية موجودة في قاعدة القوانين :

• Rule 1: If A and C Then F
• Rule 2: If A and E Then G
• Rule 3: If B Then E
• Rule 4: If G Then D

و كانت هذه المسألة إثبات أن : Prove that: If A and B true Then D is true

و في هذه الحالة تكون الإجابة كالنحو التالي :

(i) >> Start with goal ie D is true
>> go backward/up till a rule "fires'' is found.
First iteration :
(ii) >> Rule 4 fires :
>> new sub goal to prove G is true
>> go backward
(iii) >> Rule 2 "fires''; conclusion: A is true
>> new sub goal to prove E is true
>> go backward;
(iv) >> no other rule fires; end of first iteration.
>> new sub goal found at (iii);
>> go for second iteration
Second iteration :
(v) >> Rule 3 fires :
>> conclusion B is true (2nd input found)
>> both inputs A and B ascertained
>> Proved

و في ختام لهذا الدرس، آمل أن لا يكون الدرس شاق بالنسبة لكم، بل أريد أن يكون هذا الدرس منفعة و علم للجميع و بداية لطريقهم المليئة بالمثابرة إلى طريق النجاح و شكراً للجميع، رابط صفحتنا على فيسبوك من: هنا