فناوری های دانش:
- محیطهای دانش متمرکز
- حوزه های دانش متمرکز بعنوان بهترین وضعیت برای سامانه های کاردان
- فراهم آوری امکان برای استفاده گروه زیاد از کاربران نیازمند به حوزه ای خاص از دانش یک یا چند متخصص
- ورود اطلاعات مربوط به مشکل یا شرایط موجود به سامانه توسط کاربر
- لزوم گنجانده شدن قوانین حاکم بر سامانه کاردان درساختار دقیق
مثال : سامانه کاردان یاریگر تصمیم گیری در مورد دادن یا ندادن اعتبار
- سامانه های مبتنی بر محدودیت
- متناسب برای مواجهه با سیل داده ها ( البته نه در حد شبکه های عصبی )
- قادر به حل مسایل محدود مثل تعیین ویژگی های محصول و یا قیمت گذاری
- موانع موثر در تصمیم گیی های پیچیده را دریافت کرده و چاره اندیشی می نماید
- آسانی تغییر در این سامانه ها در مقایسه با سامانه های کاردان
- عدم لزوم انجام تعاملهای پیچیده
مثال : ترکیب اجزای یک بویینگ در میلیونها شکل
سامانه های دانشی زمان واقعی – هوش مصنوعی :
- برای موارد زمان محدود و کاربرانی هوشمند
- بهترین کار : استفاده از استدلالهای مبتنی بر مثالها – روشCBR که به گردآورنده حکایتهای مربوط به دانش حوزه ای خاص بشکل مجموعه و راه حلها بیان شده ، نیاز دارد
- مقایسه ویژگی های مساله با مجموعه حکایات ذخیره شده درسامانه و تشخیص نزدیکترین موارد با موضوع ارجاعی
- استفاده در فرایندهای پشتیبانی و خدمات
- لزوم حضور متخصص مربوط به هر زمینه خاص برای طراحی و نگهداری حکایات
- محصول Solution Builder برای شرکتهای با فناوری بالا
- برای حل مشکلات مراجعان در زمینه مدیریت دانش وپشتیبانی
- برنامه ای برای مدیریت دانش پاسخگویی با هدف تجزیه شرایط و مشکلات بنام تجزیه گر اجزای
دانش
- تحلیل گر سامانه پاسخگوی مشتری : دریافت دانش مربوط به مشکلات از مراجعان و طبقه بندی آن و یا قالب بندی دانش جدید برای افزودن به مجموعه دانش
- چاره ساز : انجام جستجو در پایگاههای اطلاعاتی هدفمند حاوی راه حلها برای یافتن راه حل مناسب
- نیازمند توانایی زیاد برای طبقه بندی
سامانه های تحلیل دراز مدت – هوش مصنوعی :
- برای شرایط زمان زیاد و کاربر متخصص
- دارای مبنای آماری
مثال : آیا یک متقاضی وام قسطهای خود را ادا ویا درپرداخت آن قصور خواهدکرد
- دارای ویژگی یادگیری
- دارای قابلیت دقیق تر شدن با افزوده شدن حکایات جدید
- نیازمند داده های زیاد و رایانه های قدرتمند
- نیازمند کاربران برخوردار از دانشی بالا بدلیل ظریف بودن تحلیل و تفسیرحکایات
- قابل تحلیل بودن داده های جدید با همان مدل قبلی ، و در نتیجه سرعت در تبدیل داده ها به دانش
- رایج تر برای استفاده جهت استخراج داده ها
- نیازمند انسان برای ساختمند سازی داده ها
- سامانه های جدید برای شناسایی خلاقیت ها
نظرات شما عزیزان: