1 Temmuz 1986 Tarihli Commodore Gazetesi Sayfa 21

Bilgisayarlar Kendi Kendilerini Orgütlüyor T eknikerlerin atölyedeki zor bir problemi, atölyenin bağlı olduğu bilgi işlem şebekesinin sistem mühendisi ile telefonda konuşarak çözmeye çalıştığını sık sık görmüşsünüzdür. Mühendis teknikerin yanıbaşında olsaydı daha iyi olmaz mıydı? Böylece iş ne kadar daha hızlı halledilebilirdi? Bugün artık gelişkin mikroişlemci tasarımı sayesinde ve yapay zekâdaki YZ ilerlemelerle gittikçe artan mik- tarda bilgi biriktirilebilmekte ve göreli uzmanların aracılığına gerek duyul- maksızın insanların hizmetine sunula- bilmektedir. Bir uzman sistem ile bir- likte uzmanların bilgileri teknisyenlere her yerde eşlik edebilir. “Uzman sistem”'den kastettiğimiz yıllar boyunca edinmiş olduğu tecrü- belerin, bir dizi mantıksal kurala ve bu sayede bir dizi programa tercüme- sinden ibarettir. Bu bilgisayar prog- ramları genelde yapay zekâ uzman sis- temleri (Artificial Intelligence Expert Systems-AIES) olarak adlandırılır. Başlangıçta US uygulamaları, üni- versitelerde veya araştırma ve geliştir- me çevrelerinde yapılıyordu. Ama ar- tık bu eski araştırmaların çoğu daha kârlı olarak pratik bir şekilde uygu- lanabiliyor. Kimi özel US uygulama- ları sayesinde bilgisayarlar kendi ara- larında iletişim kurabiliyorlar. Örneğin: Yerleşim Kontrolu (Konfigürasyon Kontrolu): Uzman sistemler iletişim şebekesinin bileşenlerinin konfigüras- yonunu yapmakta kullanılabilir. Ör- neğin bir şebekeyi tam olarak yerleş- tirmeden önce istatistik çokdüzeyleyi- cisinin (statistical multiplexer) termi- nal hızlarının (terminal speed) belir- lenmiş olması, akış kontrolü tutana- ğının ve arabiriminin tanımlanması ve (trunk) hızının belirlenmesi gerekir. Hata Tespiti (fault isolation): Şebe- kedeki muhtemel hataların semptom- ları bilgisayara verilebilir ve en karma- şık problemlerde bile bir uzmanın yaptığı gibi semptomlardan hareket- le hatanın kaynağına gidebilir. US, problem çözümünün geri ak- tarımı (feed-back) ile geliştirilmiş bil- gi tabanı (knowledge base) sayesinde sürekli yeni şeyler öğrenir. Seçtiği her- hangi bir çözüm yanlış çıktığı takdir- de, sistem mühendisi veya programcı © çözümü seçen kuralı değiştirebilir. Böylece US bilgilerini en iyi kaynak- tan bir veya daha fazla sayıda uzma- nın konu üzerine kazandıkları tecrü- belerden elde etmiş olur. Bu makale iletişim şebekesi gerçek- leştirmek için kullanılan US'nin fizi- bilite modelinin yapısına bir göz at- maktadır. Bir prototipin kullanıcı ta- lep problemlerini teşhislerine uygun bir şebeke tasarlamak, şebekesi sorun- ları teşhis etmek gibi yetenekleri var- dır. Şebeke Tasarımı İnsan Uzmanların bir şebeke tasar- laması şu evreleri içerir: Kullanıcının Gereksinimleri: Kulla- nıcının gereksinimleri fizibilite ve tu- tarlılık açısından gözden geçirilir. So- nuç bir dizi şebeke gereksinimidir. Veri Trafiği Gereksinimleri (regui- remenis): Tasarımcı, gerçekleşebilir is- tekleri gözönüne alır ve kanal sayısı- na, veri tipine, veri hızına, kullanım durumuna göre istenen trafiği hesap- lar. Şebekenin Topolojisi: Tasarımcı düğümleri (nodes) istenen düğüm ye- rine (nodal yere) trafiğe veya alterna- tif yollara göre kurulmuş şebekeye bağlar. Hat Seçimi: Tasarımcı birbirine bağlanan düğümler (nodlar) arasında en düşük gidere göre seçer. Bu seçim düğümler arasındaki trafik ihtiyaçla- rını, düğümlerin yerine ve kaynakla- rını kllanılabilirlik durumuna göre ya- pılır. Düğüm Gereçlerinin Seçimi: (Mo- demler, çok düzeyleyiciler, anahtar- lar, istatistik çokdüzeyleyicileri vb.) bant genişliğinin (bandwidth) ihtiyaç- larına, fonksiyonel ihtiyaçlara (önce- lik anahtarlama protokoller) özel ih- tiyaçlara göre seçilir. Tasarımın Sunuluşu: Tasarımcı, ta- sarımı müşteriye sunar. Bu, gereken servisleri ve birimleri ayrıntılı olarak yazarak, kiralama/satın alma tercih- lerinin değişik kombinasyonlarına gö- re tüm veya aylık çalışma giderlerini hesaplayarak ve bir şebeke diyagramı çizerek yapılır. Tasarım süreci en azından yukarı- daki safhaların tümünü kapsar. Her safhada bir dizi girdi sunulmuştur. Tasarımcı kendi bilgisini ve girdileri sentez edebilen verileri kullanır. Bu süreç bilgisayarda, tasarımcının bilgi- sini temsil eden bir dizi üretim kuralı (production rule) kullanılarak model- leştirilebilir. Bütün bu girdiler İleriye Zincirleme Çıkarım Tertibatı (for- ward-chaining inference engine) ola- rak adlandırılan bir mekanizmaya ve- rilir. Bu, esas olarak veriyle beslenen (data-driven) bir çıkarım mekanizması veya orijinal girdilerden maksimum miktarda malümat ortaya çıkarmak üzere tasarlanmış bir programdır. Girdiler kısa vadeli belleğe depola- nir (olgu tabanı); ileri-zincirleme çıka-