علوم تصمیم و مهندسی دانش

(قسمت اول)

علاوه بر آن، زمینه‌های دیگری مثل هوش مصنوعی، پایگاه‌های داده‌ها، کاوش‌های ماشینی در داده‌ها، سامانه‌های خبره، سامانه‌های پشتیبانی تصمیم‌ها و نیز سامانه‌های اطلاعات جغرافیایی را باید در ارتباط نزدیک با مهندسی دانش به حساب آورد.

در واقع رشته علوم تصمیم و مهندسی دانش یک رشته منحصربفرد، میان رشته ای در مجموعه مهندسی است. همان طور که گفتیم این رشته ارتباط تنگاتنگی با رشته هوش مصنوعی دارد و شاید بتوان آنرا شاخه ای از محاسبات نرم در هوش مصنوعی به حساب آورد و به همین دلیل در حوزه های علوم دانش، محاسبات نرم، علوم کامپیوتر(علوم رایانه)، مدیریت فن آوری اطلاعات و مدیریت کارآیی کسب و کار بخوبی قابل تعریف می باشد در همین زمینه می توان به کاربرد خاص و مورد مطالعاتی (Case Study) رشته علوم اقتصادی و شاخه های وابسته به آن اشاره داشت.

کاربردی بودن این رشته در فضای علوم محاسباتی، تکنولوژی اطلاعات، علوم اقتصادی و علوم تصمیم گیری از مزایای منحصر به فرد این رشته می باشد. هدف از ایجاد این رشته نهادینه کردن آن در دستگاهها و بخشهایی است که سیاست گذاری از وظائف آنهاست، و در دستگاههای اجرایی دولتی و دستگاههای تصمیم گیر مانند معاونت راهبردی و بانک مرکزی کاربرد تخصصی دارد. رشته مهندسی دانش و علوم تصمیم در الگوهای تصمیم گیری کشور کاربرد دارد و حتی می تواند در رهیافتهای الگوها نیز قابلیتهای منحصر به فردی داشته باشد (مانند الگوی نظام جامع کشور منجمله الگوی اسلامی ایرانی پیشرفت و ..).

مهندسی دانش ( knowledge engineering ) چیست؟

فرآیند ساخت یک سیستم خبره مهندسی دانش‏ نامیده می‏شود. این فرآیند شامل مراحل انتخاب مسئله، گردآوری دانش، ارایه دانش، مهندس دانش و آزمایش و ارزیابی دانش است. در زیر هر یک از این مراحل به‏ ترتیب تشریح می‏شوند.

الف-انتخاب مسئله‏: تشخیص و انتخاب مسئله، گام اولیه در ایجاد سیستم‏ خبره است. تجزیه و تحیلی درستی از مسائل صورت‏ می‏گیرد و در صورت امکان مسئله موردنظر تعریف‏ می‏شود. تعریف مسئله، در واقع بیانی‏ مختصر درباره مسئله موردنظر است. بعضی از حوزه‏های کلیدی وجود دارند که قلمرو مناسب مسئله را برای یک‏ سیستم خبره ارایه می‏کنند.

در این زمینه‏ توجه به نکات زیر توصیه می‏شود:

1- یک سیستم خبره مایل به‏ بررسی مسئله است. آزمایش کردن مسائل به آسانی‏ توسط آن صورت گرفته و به‏ طور مستمر انجام می‏شود.

2- یک سیستم‏ خبره نمی‏تواند مسائلی را که‏ متخصصان انسانی‏ خود قادر به حل آن نیستند، حل‏ کند. به عبارت دیگر اگر مسائل قادر به حل شدن به وسیله متخصصان باشند، مسلما توسط سیستم خبره نیز می‏تواند حل شوند.

3- متخصصان باید قادر به حل مسائل بهتر از غیرحرفه‏ای‏ها باشند.

4- انتقال مهارت‏ها از یک انسان متخصص به یک‏ برنامه رایانه‏ای باید امکان‏پذیر باشد.

5- اگر حوزه مسئله بیش از حد وسیع و کلی باشد، احتمال توسعه موفقیت‏آمیز سیستم‏های خبره کاهش‏ می‏یابد و بالعکس.

6- بازدهی و سودآوری سیستم خبره باید توجیه‏کننده منابع لازم برای ساخت آن باشد.

ب-گردآوری دانش‏: انتقال و تغییر شکل تخصص‏های حل مسئله از بعضی منابع دانش به یک برنامه، گردآوری دانش‏ نامیده می‏شود. اطلاعات و دانش لازم برای‏ سیستم گردآوری شده در این مرحله صورت‏ می‏گیرد. منابع دانش، معمولا انسان متخصص‏ است، اما هم‏چنین می‏تواند شامل مطالعات‏ تجربی، مطالعات موردی و یا هر منبع دیگری از آنچه که متخصص دانش آن را گردآوری کرده‏ است نیز باشد.

کار مهندسی دانش کمک به‏ متخصص برای ایجاد یک‏ سیستم خبره از طریق گفتگو با متخصص برای ایجاد یک‏ متخصص، پیدا کردن‏ مفاهیم برای ارایه دانش، ساخت‏دهی قلمرو دانش که به بخشی از پایگاه دانش شکل‏ می‏بخشد و بالاخره‏ تنظیم کردن قواعدی‏ است که دانش را مجسم‏ می‏کند. باید به این نکته توجه‏ داشت که یکی از مهم‏ترین‏ مشکل‏ترین مراحل ساخت یک سیستم خبره، گردآوری‏ اطلاعات و دانش برای سیستم است. زیرا کسب این اطلاعات‏ اگر چه ظاهرا ساده به نظر می‏رسد اما در عمل با موانعی در زنجیر پیش‏رو قواعد یکی پس از دیگری به ترتیب‏ خاصی مورد آزمون قرار می‏گیرند و نظم‏ آنها ممکن است به‏ ترتیب قواعد مجموعه یا ترتیب‏ مورد نظر دیگری‏ باشد مواجه است.

ج-ارایه دانش‏: ارایه دانش، طبقه‏بندی دانش وایجاد لغت‏نامه دانش براساس‏ پایگاه دانش است. در این رابطه توجه به دو موضوع «انواع دانش» و «فنون شکل‏دهی موتور استنتاج» مهم است.

ارتباط با سایر گرایش ها و رشته ها  

از دروس ارائه شده این رشته می توان به ارتباط این رشته با سه رشته اصلی کامپیوتر در دو شاخه علوم کامپیوتر، هوش مصنوعی، مدیریت شاخه مدیریت دانش، مهندسی صنایع، علوم اقتصادی گرایشهای مهندسی (نظیر مهندسی مالی، مهندسی سیستم‌های اقتصادی و اجتماعی و...) پی برد که در این رشته ها ارتباط با علوم کامپیوتر، علوم اقتصادی و بالاخص هوش مصنوعی بدلیل ماهیت مدلسازی آن مشهود است.

کاربردها

از آنجا که مدیریت دانش، مدیریت دانایی یا مدیریت اندوخته‌های علمی (KM) در دسترس قرار دادن نظام‌مند اطلاعات و اندوخته‌های علمی است، این رشته به تحلیل ساختارهای علمی و در دسترس قرار دادن نظامند آنها جهت کاربردهای تصمیم گیری و زمینه های کاربردی مانند روانشناختی(نمونه تحلیل منابع انسانی)، اجتماعی(نمونه تحلیل آسیبهای اجتماعی) و بالاخص اقتصادی است(نمونه بازار بورس) و حتی در بعضی از علوم زیست محیطی و نیز مدیریت ساختاری دانش در سازمانها می تواند مدل ارائه نماید. تا بتوان نسبت به عینیت بخشیدن به ذهنیت ها، و استفاده از ابزارهای صحیح اقدام نمود.

هدف این رشته ایجاد ساختار مبتنی بر بستر سازی و مدلسازی شرایط مجازی، تحلیل و تصمیم با استفاده از مدلهای محیطی و تسریع در پاسخگویی مبتنی بر چهارچوبهای دانش می باشد. اگر چه رشته های علوم ریاضی و مرتبط با آن دارای کاربردهای مختلف در ارائه مدل می باشد اما همچنان مسائل زیادی در چهارچوب علوم ریاضی قابل حل نمی باشند، از اینرو بنظر می رسد با ترکیب علوم مختلف (نظیر مهندسی، ژنتیک و حتی شیمیایی) بتوان روشهای مهندسی نوینی در جهت پاسخگویی به این نیازها استخراج نمود. مهندسی دانش در همین چهارچوب تعریف می گردد.

   ادامه دارد...

منبع: مجله توسعه مدیریت، مهرنیوز، نورمگز، سیویلیکا