Çıkarım sistemi bir uzman sistemin çekirdeğidir. Bilgi tabanında yer alan tespit ve kuralların belli bir soruna tatbik edilmesini sağlayan araçtır. Bu sistemde uzman sisteme muhakeme yeteneği kazandırılır. Bu muhakeme gücü kullanıcıya bir mantık silsilesinin sunulması ile sağlanır ve böylece çözüme ulaşılır. Bir çıkarım sisteminin muhakeme becerisi ileri zincir ya da geri zincir çıkarım süresinin birlikte ya da tek başına kullanılması esasına dayanır İleri zincirde, uzman sistem nihai kullanıcıdan bilgiler alır ve çözüme ulaşıncaya kadar bilgi tabanından duruma uygun kuralları sırası ile takip eder. Bu süreç esnasında sürekli olarak kullanıcı ile uzman sistem arasında iletişim vardır ve bu iletişim önceden yerleştirilmiş kurallar setinin oluşturduğu mantık silsilesine göre yürütülür. Geri zincir çıkarım sürecinde ise ileri zincirin tam zıttı bir yaklaşım kullanılır. Sistem nihai kullanıcıya istediği hedef ya da sonucu sorar ve daha sonra “Eğer-o zaman” mantık silsilesine geri dönerek uzatılmak istenen hedef ya da sonucun doğru olup olmadığını araştırır. Eğer bilgi tabanındaki “Eğer-o zaman” kurallar seti hedef ya da sonuç ile uyuşuyorsa, kullanıcı tarafından saptanan hedef ya da sonuç, sorunun çözümü demektir. (L. LONG 1989)

3.4.3.1 Kavrama Yönelik Bir Veri Tabanı Sorgulama Örneği

Kavrama yönelik veri tabanlarında sorgulamanın gerçekleşmesi duruma dayalı mantık yürüten sistemlerle gerçekleştirilebilir (Case-Based Reasoning Repository, 2001). Bu sistemler bilgiyi hafızanın veya kullanılan kütüphanenin eski durumlarından çıkartarak amaç sorgusuna uygun verinin çıkarımı için bir mekanizma oluştururlar. Belli bir veriyi arama kesin bir sorgulama olabileceği gibi bir amaç sorgulaması da olabilir. Kesin sorgulamalar kriterlere birebir uyan veriyi hedef alır. Örneğin “Balzac’ın eserleri nelerdir?” veya “8.15 uçağı ne zaman kalkıyor? Sorgulamayı yapan kişi başka birinin eseri veya başka bir uçağın kalkış saati ile ilgilenmemektedir. Oysa amaç sorgulamaları o soruya yakın verileri hedef olarak tanımlar. Örneğin “kroner kalp yetmezliği riski düşük olan hastalardan yüksek kolesterolü olanları listele” . Eğer hiç yoksa orta düzeydeki kolesterolü ve düşük kroner kalp riski olan hastalar da sorgulamayı yapanı ilgilendirebilir. Tipik amaç sorgulamaları kesin olmayan değerler içerebilir. Böyle sınırları belirsiz sorgulama gereksinmelerine mühendislik, tıp, yönetim gibi uygulamalarda karşılaşılmaktadır. Kavramların oluşturulması ve duruma göre mantık yürütme sistemleri tıbbi teşhis, yatırım planlaması gibi bilgi yoğunluklu uygulama alanları için bilginin integrasyonunun doğru olarak sağlanması ile doğru sonuçlar üretebilir.

Duruma dayalı mantık yürütebilmek için tanımlanacak kavram modellerinin bazı özellikleri gerçekleştirmesi gerekir. Klasik kavram modelinde kavramların gösterimi tüm sınıfın bir özet tanımını verir. Böylece hafızada tutulması gereken bilginin az olması sağlanır. Kavramın temsil ettiği özellikler gerekli özellikler iken, bunlar yan yana getirildiğinde yeterli özellikleri oluştururlar. Bu nedenle de bu model ile bir çok kavram için soyut özellik tanımı yapılması güç olabilir. Kavramın tanımının gerekli ve yeterli özelliklerle sınırlanmadığı ve kavramın yine tüm sınıfın özet bir tanımı ile sunulduğu model, prototip kavram modelidir. Eğer kavram soyut bir özet olarak değil de bazı örnekleri ile tanımlanıyorsa örnek kavram modeli oluşturur(Dubitzky W. Ve Ark., 1999). Bundan sonra sunulan kavramların veritabanında modellenmesi seçilecek bir örnek tanımlama ve kavram sorgulama dilinde gerçekleştirilir. Böylece bilgi tabanlı yönetim sistemleri için duruma-yönelik mantık yürütme ile yeni durumların yorumlanması ve yeni problemlerin çözümü elde edilir. ( Z, ALTAN, 2002)

3.4.4 Kullanıcı İletişim Ünitesi

Yordamlama süreci biçimsel değildir, yani, bir sorunu çözmek için geliştirilmiş yazılı bir algoritma yoktur. Bir uzman sistem bir strateji ise yarattığı süreci kullanmaya devam eder. Sistemde yeni bir stratejiye dönüş seçeneği her zaman mevcuttur. Bu yordamlama süreci bu yüzden her zaman kullanıcı ile iletişime gereksinim duyar. Kullanıcı ile iletişim sayesinde nihai kullanıcı uzman sisteme sorunu ya da hedefi belirtir. Kullanıcı ile iletişim ünitesi aracılığıyla kullanıcı ile uzman sistem arasında iletişim kurulur ve böylece çözüme ulaşılmaya çalışılır. (L. LONG 1989)

4. Sonuçlar Ve Değerlendirme

Yapay zeka olarak adlandırılan alanda, araştırmacıların çabası karar verme yeteneği olan, bilgi üretebilen veya öğrenebilen, kendini daha iyiye götürme çabası olan ve beceri algılama ile mekanik yetenekleri taklit edebilen sistemleri geliştirmektir. Genel olarak, uzman sistemler, doğal diller, beşeri algılama yeteneklerinin simülasyonu ve robotikler olarak çalışmaların gruplandırıldığı yapay zekâ alanında gelinen nokta, gelecekte yapılacak çalışmaları teşvik edici bir görünüm sergilemektedir.

Yapay zekanın ilerleyişi ile gelişmekte olan Bilgi Tabanlı Sistemler çeşitlenerek ( Bilgi Tabanlı Karar Destek Sistemleri vs..) günümüzde belli başlı görevlerde insanların yerini alabilecek konuma gelmiştir.

İleride, hemen hemen her uzmanlık alanında danışabileceğimiz ya da bir programlama diline ihtiyaç duymadan doğal dilimizle iletişim kurabileceğimiz bir bilgisayarı kullanabileceğimizi ya da görebilen, konuşabilen veya işitebilen bir robotun iş yerinde iş arkadaşımız olabileceğini söylemek zor  olmasa gerekir…

Bilindiği gibi bir yazılım geliştirme sistemi veriler ve bu veriler üzerine gerçekleştirilen süreçler şeklinde iki temel kavramdan oluşmaktadır. Bu nedenle bir yazılım modelinin geliştirilmesi sırasında problemin ayrıştırılması veri ya da süreç faktörünün önemine göre gerçekleştirilir. Süreçleri temel alan programlama modelleri C, Pascal gibi yapısal programlama dillerinin birer kara kutu gibi işleyen fonksiyonlarını kullanırlar. Oysa veriler temel alınarak programlama tasarımı yapan nesneye dayalı programlama yöntemlerinde, bilgi tabanlı sistemlerde olduğu gibi, sistemin hangi süreçleri ne tür veriler üzerinde uyguladığı araştırılır. Gerçek dünya uygulamaları esas olarak iki kısımdan oluşmaktadır:

• Varlıkların simgelenişinin incelendiği nesneye yönelik veri modellerinin desteklenmesi,
• Mevcut nesneye-yönelik veri tabanı sistemleri ile tam olarak desteklenmeyen varlıklar arası ilişkilerin simgelenmesi.

Nesneye yönelik veri tabanlarının gelişimi hem nesneye yönelik programlama dillerinin hem de anlamsal veri modellerinin gelişmesi ile güçlenmiştir. Aslında nesneye yönelik veri tabanının yapısal bileºenlerinin anlamsal veri modelleri ile ortak yönleri olmasına rağmen, ilişkilerin ele alınış tarzı daha çok nesneye yönelik programlama dillerdeki gibi gerçeklenir. İlişkileri nesneleri kullanarak modellemek her zaman kolay olmayabilir.

Nesneye yönelik veri tabanı sistemlerinde varlıklar arası ilişkiler:

Nesne yapısının bir parçasını oluşturan nesne özelliklerinin simgelendiği iç-varlık ilişkisi; örneğin kitap ile kitabın başlığı arasındaki ilişki,

­ Varlıklar arası ilişkilerin daha zayıf olduğu ara-varlık ilişkisi; örneğin kurum ile kurumda çalışanlar ilişkisi şeklinde nesne özelliklerine göre sınıflandırılabilir (Beraha S., Su J. 1999).

Bu iki tanım arasındaki farkı şöyle de açıklayabiliriz:

• ­Iç-varlık ilişkisi varlıklarla bir anlam taşırken, ara-varlık ilişkileri varlıklardan ayrı simgelenirler.
• ­Varlıkların öncelikli özelliklerinin ara varlık ilişkilerinden ayırt edilmesi nedeni ile iç varlık ilişkileri ile oluşturulan veri tabanı oldukça esnek; yani modülerdir.
• ­Ara-varlık ilişkilerinde ise nesne özellikleri bazı karmaşık ilişkileri tam olarak gerçekleştiremez; örneğin yuvalanmış ilişkilerin sıradüzensel olarak örgütleşmesi nedeni ile, işlenmeleri oldukça güçtür. Bir düzeydeki bir varlık bir sonraki düzeydeki bir dizi varlık ile ilişkilendirilebilir.
• ­Ara varlık ilişkilerinin tanımlanması ve işlenmesi SQL benzeri yüksek düzeyli çalışmalarla desteklenebilir.

Avrupa kökenli O2, Amerika kökenli GemStone ve ONTOS nesneye yönelik veri tabanı yönetim sistemleri:

1.       Uygulama dilleri ve platform farklılıkları

2.       Temel veri tanımlama ve yönetim özellikleri,

3.       Aktif/pasif nesnelerin kullanımı,

4.       Çoklu miras ilişkisini destekleme,

5.       Birleşik nesne özellikleri destekleme,

6.       Dinamik şema gelişim özellikleri,

7.       Veri depolama yönetimi,

8.       Bildirim değiştirebilme özelliği,

9.       Uygunluk ve sorgu yönetimi,

10.   Veri tabanı erişim hızı ve güvenlik,

11.   Kullanıcı ara yüzleri.

gibi özellikleri ile farklılık gösteren, C++ programlama dilinde (GemStone ilave olarak Smalltalk ‘u da desteklemektedir) geliştirilmiş ticari nesneye yönelik veri tabanı yönetim sistemleridir (Barillere B. Ve ark. 1993).

3.4.2.1.3.1.1 Kavramsal Modellemenin Önemi

Nesneye yönelik bir dil gibi kavramsal modelleme dili de bir gerçek dünya varlığı ile ilgili tüm bilgiyi davranışı ile birlikte nesnenin kendisinde kuşatır. Kavramsal modelleme dilleri gerçek dünya varlıklarını bilgisayar modelindeki nesneye doğrudan eşleştirmesi nedeni ile, bu tür sistemlerin tasarımı ve yaşama geçirmesi oldukça kolaydır. İlk nesneye yönelik standart dillerden olan Smalltalk, örnek değişkenlerinin özelliklerle yer değiştirmesi ile kısıtların bütünlüğünü ve ilişkilerin diğer nesnelerle semantiğini kuşatmıştır.

İlişkisel veri modeli pek çok gerçek dünya veritabanı yönetiminde için standart olarak uygulanmaktadır. Geliştirilecek modelin, örneğin bir bilgi modelinin, veri tabanları ile varlıklar arasındaki ilişkilerin değerlerinin tutulduğu tablolarla uyumlu olup olmadığı araştırılır. Bu yaklaşım, yüzyıllardan beri insanların bilgi dizilerini tutmakta kullandığı iki boyutlu tablolara çok benzeyen tek ifadeli yapısı ile oldukça güçlüdür. Sonucun olumlu olması için de veri güvenilirliği ve başarım oranı yüksek uygulamaların geliştirilmesi gerekir. Bu nedenle ilişkisel veri tabanı teknolojisi karmaşık bilgi sistemlerinin isterlerini tam olarak karşılayamaz. Oysa nesneye yönelik veri tabanı tasarımı ile son derece karmaşık bilginin hızlı bir şekilde yönetilmesi mümkündür. Herhangi bir gerçek dünya varlığının tanımlanması için gerekli olan bilginin, Pascal ‘da kayıtlarla ve C’ de yapılarla tek bir depolama nesnesinde depolanabilmesine rağmen, bu varlığın çeşitli mesajlara karşı göstereceği davranış ve ilişkilerinin diğer nesneler üzerindeki etkileri ve kısıtlarının programın tümüne yayılması zorunluluğu vardır.

Bilindiği gibi veri tabanı kendi içinde verinin anlamı hakkında hiç bir şey saklayamaz. Bu da veri tabanı uygulamalarında sınırlama oluşturmuştur. Oysa anlambilimsel veri modeli verinin yapısının Geliştirilmesini sağlayarak uygulamalardaki kısıtları ortadan kaldırmıştır (ChiMu Corporation. 2002). Anlambilimsel veri modelleri kavramsal modellemenin üst seviyesinde geliştirilir, tasarımın gerçekleştirme aşaması ile bir bağlantısı yoktur. Bu tür modellemede ifade kolaylığı, basitlik, kesinlik ve simgesellik temel ilkelerdir. Anlambilimsel ağlarda düğümler nesneleri simgelerken, bağlantılar veya yaylar bağıntıları simgeler. Anlambilimsel modellerin olumlu yönleri kolay anlaşılabilirliği, mirası desteklemesi, bilgiyi incelemenin doğal yolu olması iken; olumsuz yönleri de istisna durumlarını modellemedeki zorluk, yordamsal bilgiyi simgelemedeki güçlük, düğümleri ve bağıntıları tanımlamak için bir standart geliştirilmemiş olmasıdır. Aslında ticari veri tabanı yönetim sistemleri anlambilimsel veri modelleme kavramları kapsamında değildir. Çünkü bu tür modelleme ile birbirinden farklı veya çelişkili yorumlar ortaya çıkabilir. Ayrıca anlambilimsel içeriğin ilişkisel bir yaşama geçirmede korunması da oldukça güçtür. Veritabanında bilginin birden fazla anlamının sunulmasını mümkün kılan anlambilimsel veri modelleri çeşitli veri soyutlamaları ile geliştirilebilir.( Z, ALTAN, 2002)

3.4.2.1.3.1.2 Nesne Modelleme Tekniği: Veri Soyutlamaları

Veri soyutlamaları ile gerçek dünya, varlıklar ve varlıklar arasındaki ilişkiler şeklinde çeşitli bakış açılarına göre tanımlanabilir (Goldstein R.C., Storey V.C. , 1999).

• Alt tip-üst tip ilişkilerini simgeleyen kapsama,
• İki veya daha fazla nesne arasındaki ilişkiye izin vererek daha yüksek seviyede bir nesne oluşturan kümeleşme,
• Öğelerin koleksiyonunu daha yüksek seviyede bir küme olarak tanımlayan birliktelik

İncelenen sistemin yapısını simgeleyen nesneye yönelik modelleme metodolojisidir.

Kapsama soyutlaması genellikle “is -a” ifadesi ile gösterilir. İlişkilerde “A is -a B” dir. A özel bir varlık tipi, B ise genel nesne tipi ile ilgilidir. Kapsama soyutlaması birçok çeşide ayrılabilir:

• Sınıflandırma, varlık oluşumu ve onun uygun varlık tipi arasında bir kapsama soyutlamasıdır. Örneğin; “Ayşe sekreterdir”. Varlık tipinden varlık oluşumuna doğru ters ilişki de tanımlanabilir.
• Genel varlık tipi birbiriyle çakışmayan özel varlık tiplerinin birleşimi olarak tanımlandığında
• bu soyutlama genelleştirme oluşturur. Özel varlık tipleri genelin bir parçasıdır. Örneğin; öğrenci lisans ve yüksek lisans öğrencilerin genelleştirmesidir.
• Özelleştirme ise genelleştirmenin tersidir. Genel varlık tipi olayları bağımsız altsınıflar şeklinde görüntüleyen bazı ayırt edici karakteristikler içerir. Örneğin; mezun öğrenciler öğrencilerin özel bir halidir.
• Tek bir genellemeye birden fazla özel varlık tipi ilişkilendirildiğinde, özel varlıklar arasındaki ilişkiyi kontrol etmek gerekir. Örneğin özel varlık tipi numarasının genel varlık tipi için tanımlanması gerekebilir. Çalışanlar isimli genel varlık tipinin; sekreter, mühendis, yönetici, tam zamanlı ve yarı zamanlı çalışanlar varlık tiplerini içerdiği kabul edilsin. Bunların bir grubu tam zamanlı ve yarı zamanlı çalışanlar varlıkları olarak tüm çalışanları içerirler ve örtüşme oluşturmazlar. Bir başka grup ise teknisyen, sekreter ve mühendis olarak tüm çalışanları içermemesine rağmen örtüşme de oluşturmaz. Fakat bu iki grup arasında örtüşme olabilir. Örtüşme olduğunda özel varlıklar arasında alt küme sıradüzeni oluşur.( Z, ALTAN, 2002)

Kümeleşme, nesneler arasındaki ilişkinin daha yüksek düzeyde bir nesne olarak ele alındığı soyutlamadır. Küme oluşturulurken kümeyi oluşturan nesnelerin özgül özellikleri bastırılır. Örnek olarak “rezervasyon” otel, insan ve tarihin kümeleşmiş halidir. Nesnenin kendine ait özelliği olabileceği gibi başka ilişkiler de içerebilir. Üç tür kümeleşme tanımlanabilir:

• Bir özellik diğer özelliklerin birleşimi olabilir. Mesela “adres ” özelliği numara, cadde, posta kutusu, posta kodu özelliklerinin bir kümeleşmesidir.
• Bir varlık, varlık ve /veya özelliklerin bir toplaşımı olabilir. Örneğin komite bir varlık olarak, bir özellik olan isimden, bir varlık olan başkandan, bir varlık olan sekreterden, varlık takımı olan öğelerden meydana gelebilir.
• Bir ilişki, varlık ve özelliklerin bir toplaşımı olabilir. Örneğin; görev ilişkisi, hem çalışan ve proje varlık tiplerinin hem de başlangıç tarihi ve bitiş tarihi özelliklerinin kümeleşmesi olabilir.

Kümeleşmenin bileşenleri seviyelerde tanımlanabilir. Örneğin, klima arabanın amaca uygun bileşeni (olması şart olmayan) iken, motor belirleyici (karakteristik bileşenin tek başına kümeleşme oluşturması) bileşenidir. Kümeleşmenin bütünlüğünü sağlamak için, uygun olmayan bileşenler kaldırılmalı, tüm belirleyici bileşenler tanımlanmalı, herhangi bir belirleyici bileşen sadece bir defa kullanılmalıdır. Birliktelik, öğe nesnelerin ayrıntılarının bastırıldığı, küme nesnesinin özelliklerinin ön plana çıkarıldığı soyutlama tipidir. Kümeleşme için tanımlanan komite örneğindeki öğelik, kişi varlık tipinin birlikteliğidir.

Birliktelik “komitenin öğelik bileşeni” şeklinde tanımlandığında ilişki için de kullanılmış olur. Birlikteliğin öğelerinin tümü aynı cinsten olmalıdır. Oysa kümeleşmenin bileşenleri çoğunlukla aynı cinsten değildir. Birliktelik soyutlaması ile sonlu sayıda öğe kullanılabilmesine rağmen, kümeleşmede bileşenlerin sayısı sabit olmalıdır.( Z, ALTAN, 2002)

Farklı gerçek dünya kavramlarını modellemede kullandığımız ve yukarıdaki veri soyutlamalarına göre tanımlanan nesneler bir içerik sıradüzeni oluştururlar. Aşağıdaki şekilde en genel şekilde çoklu içerik temsil edilmektedir.

Şekil 2 Bisiklet Tasarımı İçin İçerik Sıradüzeni( Z, ALTAN, 2002)

Yukarıdaki tasarımda her bir bileşen bir nesne olarak modellenir ve bu bileşenlerin içerikleri aynı zamanda nesne içeriklerini oluşturur. Bir simgelenişle sınıflara ait değişkenlerin tümü tanımlanmamış olabilir. Örneğin bisiklet sınıfı marka-ismi isimli bir değişkende içerebilir. ( Z, ALTAN, 2002)

Şekil 1′de Örnek bir program olan TOSİTA programının karar verme mekanizmasına ait işlem yapısı görülmektedir. Uzman sistem karar mekanizmasının çalışması sırasında ilk olarak, kullanıcıyla iletişimin sağlayan arayüz sayesinde şartname bilgileri elde edilmektedir. İlgili bilgiler çıkarım mekanizması aracılığıyla, bilgi tabanı ve veri tabanı kayıtlarını değerlendirir. Kural bilgi tabanı ve tasarım veri tabanı kılavuzunda hangi elemanların seçileceğine çıkarım mekanizması tarafından karar verilir. (M. Bozdemir ve F. Mendi 2005) Genel olarak uzman sistemlerde bulunması gereken üç ana modül Şekil 3′de görülmektedir. Bunlar (N. Haliloğlu 2003);

1. Bilgi tabanı,

2. Sonuç çıkarma mekanizması,

3. Kullanıcı ara yüzü.

Şekil 1 Uzman Sistemin Yapısı ( M. Bozdemir ve F. Mendi 2005)

Bilgi Tabanı, uzmanlardan, yayınlanmış veya yayınlanmamış kaynaklardan, kitaplardan ve diğer literatürden elde edilen bilginin bulunduğu, saklandığı ve kullanılması gerektiğinde kolaylıkla erişilebilen bir yapıdır. Bilgi tabanı kurallar, gerçekler, şebekeler ve çerçevelerden oluşur. Sistem yapısı aynı kalmak koşuluyla konu kapsamı genişletilmek istenildiğinde kolayca güncelleştirilebilmeli ve eklemeler yapılabilmelidir. Çıkarım mekanizması, bilgi tabanındaki kuralları, gerçekleri ve diğer tüm bilgileri kullanarak hem ileriye hem de geriye doğru zincirleme metodu ile sonuca varabilen mekanizmadır. Kullanıcı ara yüzü, uzman sistemi kullanan ve onunla sürekli etkileşimde bulunan önemli bir bileşendir. Bu etkileşim doğal dil etkileşimi, grafik etkileşimi, soru cevap etkileşimi olarak gerçekleştirilebilir.

Uzman kişinin bilgi ve deneyimlerinin elde edilerek, bilgisayar ortamına taşınması uzman sistem hazırlamadaki zor aşamalardandır. Uzman sistemler tasarım işlemlerine bu nedenle “bilgi mühendisliği” olarak da isimlendirilir. Uzman sistem tasarımında, üzerinde çalışılan konu bilgilerinden başka, ilgili bilgilerin bilgisayara uyarlanmasına ihtiyaç duyulur. (M. Bozdemir ve F. Mendi 2005)

3.4.1 Bilgi Elde Etme Ünitesi

Bu ünite bilgi tabanını oluşturan birimdir. Bilgi tabanı bir bilgi mühendisi ile bir veya birden fazla konu ile ilgili uzman şahsın(alan uzmanı)koordineli çalışması sonucunda yaratılır. Bilgi mühendisi, uzman sistemin çalışma esası ve mülakat teknikleri konusunda eğitim görmüş bir insandır. Başlangıç görüşmelerinde alan uzmanı belirli bir sorunun nasıl çözülmesi konusunda bildiği her şeyi bilgi mühendisine anlatır. Başlangıçta yapılan mülakatların sonucunda elde edilen bilgiler genellikle elastik ve sistemsizdir. İkinci aşamada, bilgi mühendisi alan uzmanını iş yerinde gözlemler ve bu esnada da daha fazla bilgi almak ve mevcut kuralların yeterli ve doğru olduğunu teyit etmek için alan uzmanına sürekli soru sorar. Bu aşama genelde bir yıl kadar uzun sürer. Bilgi mühendisi alan uzmanının konu ile ilgili tespit ve kurallar setini uzman sisteme bilgi tabanı olarak aktarmaya çalışır. Bilgi tabanındaki bilgiler EĞER-0 ZAMAN kuralları şeklinde yer alır.

• “Eğer” bölümü durumu açıklar,
• “0 zaman” bölümü sonuç veya amacı izah eder.

Bilgi tabanında yer alan bir kurala şöyle bir örnek verebiliriz: “Eğer bir müşterinin aylık geliri bankaya yapılan aylık ödemenin 3 katından daha az ise, o zaman müşterinin kredi geçmişini incele”. Sonuçta, elde edilen bilgi tabanı öyle bir kural seti olacaktır ki, bunu doğrudan iletmenin veri tabanından veya uygulamada kullanılan kurallardan müşahide etmek mümkün değildir. (L. LONG 1989)

3.4.2 Bilgi Tabanı (Bilgi Sistemi)

Bilgi tabanı veri tabanından farklı bir kavramdır. Klasik veri tabanının konusu öğeler arasındaki durağan ilişkiler ile ilgili verilerdir. Örneğin, bir iş gören kaydı ile iş görenin işi ve ücreti alanları arasında sabit bir ilişki vardır. Öte yandan bilgi tabanındaki bilgiler şu tür bilgilerden oluşur:

• Çözülecek problem ya da problemlerin belirlenmesi,
• Problem ya da problemlere çözüm yolları,
• Problemden çözüme doğru nasıl ilerlemeli (tespit ve kurallar seti aracılığıyla)

Bilgi tabanının içerdiği bilgiler zamanla yaşanan tecrübelere bağlı olarak artış gösterir. Bazı kurallar atılır yerine yenileri ikmal edilebilir. (L. LONG 1989)

3.4.2.1 Bilgi Sistemi Yapısı

Bilgi sistemi çeşitli fiziksel kaynaklardan oluşan bir bütündür. Bütünü oluşturan bu parçalar “yapı blokları” olarak adlandırılırlar. Organizasyon yapısı nasıl olursa olsun tüm bilgi sistemleri, şu altı yapı bloğundan meydana gelirler,

1) Model bloğu,

2) Teknoloji bloğu,

3) Veri tabanı bloğu

Tüm bilgi sistemleri büyük olsun küçük olsan, basit ya da gelişmiş olsun mutlaka bunlardan meydana gelirler. (İ.ÇİL 1997)

3.4.2.1.1 Model Bloğu

İstenilen sonuçları ve çıktıkları üretmek için, değişik yollarla girilen bilgileri ve depolanan verilen mantıksal, matematiksel, işlemsel olarak modellerin birleşiminden meydana gelir. Çıktılar bu birimle üretilirler. İşlemsel yapıdaki bir model ya bir dönüşüm veya üzerinde değişiklik yapılabilen bir kütük olabilir. Mantıksal model ise, belli veri elemanlarını uygun bir sırada ve sorulara cevap verilmesini sağlayan modellerdir. Bu birim verilerin değerlerini kısa bir rapor içinde toplanmasını ya da özetlenmesini sağlamaktadırlar.

Matematiksel modeller ise, Matematiksel ifadeleri;

Gelir – Gider = Kar

Şeklinde veya binlerce değişkeni lineer bir program vasıtasıyla, fonksiyonu optimize etmek için bu değişkenlerin yorumlarının yapılmasını sağlarlar. Böylece modeller, verileri daha kaliteli bilgilere dönüştürme imkânı sağlarlar. (İ.ÇİL 1997)

3.4.2.1.2 Teknoloji Bloğu

Teknoloji bir işletmenin takım ve alet kutusu gibidir. Öyle ki, tüm bu sistem teknoloji ile yürümektedir. Teknoloji verileri elde eder, modele sokar, depolar, erişimi sağlar, bilgi üretimini sağlar, çıktıları naklederek tüm sistemin kontrolüne yardımcı olur. Teknoloji üç ana alanı içine alır; teknik eleman, yazılım ve donanım.

Teknik eleman; Bilgisayar operatörleri, programcılar, kelime işlem operatörleri ve iletişim uzmanlarıdır. Yazılım; Donanımı çalıştıran programlar ve modellere erişmek için verilen talimatlardır. Donanım; Yapı bloklarını destekleyen, çok sayıdaki fiziksel makineler, araçlar ve terminaller ve disklerden meydana gelir.

Teknoloji bloğu, bu altı yapı bloğunun en önemlisidir. Bu gün ya da gelecekte sistem teknoloji üzerine kurulacaktır. (İ.ÇİL 1997)

3.4.2.1.3 Veri Tabanı Bloğu

Veri tabanı tüm kullanıcıların ihtiyaçlarını karşılamak için gerekli tüm bilgilerin depolandığı yerdir. Veri, ses, imaj, harflerin ve rakamların bir kombinasyonudur. Veri tabanı iki bakış açısından işlem görür. Bunlar; fiziksel ve lojistiktir. Fiziksel veri tabanı, teyp, disk disket, kaset, manyetik kart ve mikrofilm gibi depolama alanından meydana gelir. Diğer daha önemlisi ise, özel bilgi ihtiyaçlarını karşılamak için, depolanan bilgilerin çağrılması ve araştırılmasının nasıl yapılacağıdır. Gerçekten veri tabanının mantıksal yönü, eğer yapı doğru kuruldu ise, zaman, ilişki, doğruluk bakımından daha kazançlı görülmektedir. Veri tabanı yazılım ile de ilgilidir. Veri tabanı, mantıksal ve veri birleştirme teknikleri, listeler, tuşlar, ağ yapısı ve çeşitli ilişkiler gibi kısımları içerir.

İşletmeler klasik sistemlerde, ellerindeki bilgileri “dosyalama”, modern sistemlerde ise veri tabanı yöntemleri ile saklar ve işlerler. Dosyalama sistemlerine her bölümün ihtiyacı için ayrı ayrı dosyalar oluşturulur. Her bölüm kendi dosyasında yer alan bilgileri işler. Bu durumda veri merkezi olarak kontrol edilemeyeceği için, ortaya büyük boyutlu sorunlar çıkar. Aynı veri değişik dosyalarda yer alır ve bir bilgide değişiklik olduğunda tüm dosyalardaki bilgilerin değiştirilmesi gerekecektir.

Veriler ve programlar arasındaki bağımlılıktan dolayı ortaya sorun çıkmaktadır. Verilerin bulunduğu dosya yapısındaki her hangi bir değişiklik programların da değiştirme zorunluluğunu beraberinde getirecektir. O halde ilk amaç bu bağımlılığın ortadan kaldırılmasıdır. O halde ilk amaç bu bağımlılığın ortadan kaldırılmasıdır.

Programlar tarafından kullanılan tüm bilgiler “veri tabanı” adı verilen bir bilgi havuzunda toplanırlar. Kullanıcı programları, veri tabanı yazılım aracılığı ile gerekli bilgilere erişerek bunları kullanır. Veri tabanı ve veri tabanı yazılımı, birlikte veri tabanı sistemini meydana getirir. Böylece klasik dosya sistemindeki gibi kullanıcı doğrudan bir dosyaya erişmektedir. Veriler hafızadaki gerçek yapısı olan fiziksel veri organizasyonunun, artık kullanıcı programı için önemi yoktur.(H. AKPINAR 1982)

Araştırmamın ilk bölümünde yapay zekâ araştırmalarının bir kolu olan bilgi tabanlı sistemlere hangi sebeple ihtiyaç duyulduğundan ve gelişiminin nasıl başladığından bahsettim.

İkinci bölümde ise Bilgi Tabanlı Sistemlerin basitçe genel alt yapısından bahsedip daha spesifik bir Bilgi Tabanlı Sistem olan Uzman Sistemlerden bahsettim.

Üçüncü bölümde ise Bilgi Tabanlı Sistemlerin daha kolay anlaşılabilmesi için derinlemesine bir şekilde Uzman Sistemleri inceledim. Uzman Sistemlerin genel yapısı, nerelerde kullanıldıkları, hangi durumları karşılamayacağı ve alt yapısını anlattıktan sonra derinlemesine Bilgi Tabanı ve Kavramsal Modelleme hakkında araştırma sonuçlarımı özetledim.

Son bölümde ise yaptığım araştırmamın sonuçları ve değerlendirmesi bulunmaktadır.

1. GİRİŞ

Günümüzün bilgisayarları muazzam işlem yapma kapasitesine sahip olmasına karşın, ne yazık ki öğrenme becerisine sahip değildir. Yapay zekâ araştırmalarının bir kolu olan bilgi tabanlı sistemler bu olguyu değiştirmeye çalışmaktadır. Yapay zekâ araştırmacıları bilgi tabanlı sistemlere iki temel beceriyi kazandırmayı amaçlamaktadır:

1.      İnsan muhakeme sistemini taklit edebilme,

2.      Öğrenebilme,

Bugünün çoğu bilgi tabanlı sistemi insan muhakeme sistemini taklit edebilmekle beraber öğrenebilme becerisi yönünden istenen düzeye gelebilmesi daha birkaç yıllık araştırmayı gerektirmektedir. (L. LONG 1989)

2.  BİLGİ TABANLI SİSTEMLER

EĞER-0 ZAMAN kurallarının belli bir problemi çözmek amacıyla önceden bilgisayara yerleştirildiği sisteme bilgi-tabanlı sistem denir. Örneğin bir hastanın hastalığının teşhisi için geliştirilmiş “eğer-o zaman” kuralları bilgisayara yüklenip, bu kurallardan oluşmuş programla hastalık teşhis edilebiliyorsa bu sisteme bilgi-tabanlı sistem denilebilir. YBS ve karar destek sistemleri gibi bilgi tabanlı sistemler de gerçek bilgilere dayalı olup ayrıca onlardan farklı olarak yordamlama (höristik) bilgileri olan sezgi, yargı ve çıkarımdan da istifade etmeye çalışır. Hem gerçek bilgiler hem de yordamlama bilgileri belli bir alanda uzman olan “alan uzmanından” elde edilir. Bilgi- tabanlı sistem bu insan destekli bilgiyi belirli bir uzmanlık alanındaki insan düşünce sürecini örnek; almak için kullanır. Bu iş bir kere başarıldıktan sonra bilgi-tabanlı sistem çok bilgili bir karar verici kişinin mantığına yakın bir performans gösterebilir. (L. LONG 1989)

3. UZMAN SİSTEMLER

3.1 Uzman Sistem Nedir

Bilgi teknolojilerinin belki de en popüler konusunu oluşturan yapay zekâ, insanoğlunun yeni bir yüzyılı yaşadığı günümüzde, geleceğin nasıl şekilleneceği ve teknolojik ilerlemenin ne şekilde olacağı sorularına yanıt verir gibi görünmektedir. Yapay Zekânın, özellikle yönetim bilimi için en popüler konusunu ise, uzman sistemler oluşturmaktadır. Yapay Zekânın en geniş dalı olan uzman sistemler alanında özellikle 1965′ten sonra dikkat çekici gelişmeler yaşanmıştır. Yapay zekânın bu alanı, uzmanlığın söz konusu olduğu bir konuda yüksek performans gösteren programlar oluşturmak üzerine odaklanmıştır. (E. ÖZ ve Ö.F. BAYKOÇ 2004)

Uzman sistemlerin konuya bağımlı olarak problem çözmesi sonucu; kendine özgü prensipleriyle, araçlarıyla ve teknikleriyle, bilgi mühendisliğinin esasını oluşturan yeni bir yazılım türü ortaya çıkmıştır. Uzman sistemler için değişik kaynaklardan alınan tanımlar şöyledir:

“Gerçekleşmekte olan bir olay ya da durum hakkında zeki kararlar alan veya zeki öneriler teklif edebilen sistemlerin düzenlenmesi gibi, uzmanların yetenekleri sayesinde bilgi tabanlı elemanların bilgisayar içinde düzenlenmesidir” (A. KURT 1995).

“İnsan bilgisi ve tecrübelerine dayalı olan davranışların bir bilgisayar ortamına aktarılarak tasarlanmış sistemlerdeki karşılan problemlere uzman bir kişinin gereksinimi olmaksızın çözümler arayan bilgi tabanlı sistemlerdir” (E.S. TÜRKER ve H. Taşkın 1991).

“Uzmanların davranışının benzerini sergilemek için sembolik bilgiyi kullanan programlardır” (E.S. TÜRKER ve H. Taşkın 1991).

Bir uzman sisteminin en belirleyici özelliği, oldukça büyük bir bilgi tabanına sahip olmasıdır. Bu konuda dikkat edilmesi gereken nokta ise; değişme ve gelişmeye açık olması gereken bilgi tabanı bölümü ile mümkün olduğunca statik olması gereken program bölümünün birbirinden ayrılmasıdır (E. RICH 1983).

Uzman bir sistemin bilgisi gerçekler ve sezgisel bilgiden oluşur. Gerçekler; genel kabul görmüş ve söz konusu alandaki uzmanların üzerinde mutabık oldukları bilgi setinden oluşur. Sezgisel bilgi ise; daha çok uygulamayı yapan kişi özelinde olup, iyi bir kararın göreceli olarak az tartışılan kuralları; akıl yürütme yeteneği, sorgulama kuralları gibi söz konusu alandaki uzmanlardan elde edilen bilgi setini karakterize eder (P. Harmon, R. Maus, W.Morrisey 1988).

Bir uzman sistem, gerçek bir uzmanda olduğu gibi, olasılıklı nedensellik ilkesine göre çıkarımlarda bulunur. Eğer “a” durumu/olayı söz konusu ise, “b” durumu, aksi durumda “c” durumu örneğinde olduğu gibi, çıkarımda bulunurken her bir durum ve bunlara ilişkin koşullar tanımlanırken olasılık tanımlarına uygun bir kesinlik değeri her bir alternatif ve durum için kullanılmaktadır (E. RICH 1983).

Uzman sistemlerde olması istenen diğer bir özellik ise, sorgulayan kişiye akıllı bir şekilde sonuçlara ulaşmada izlediği yolu anlatabilmesi ve kendini haklı çıkarmasıdır (P. Harmon, R. Maus, W.Morrisey 1988).

3.2 Uzman Sistemlerin Sağladığı Faydalar

Uzman sistemlerin sağladığı faydalar diğer karar destek ve yönetim bilgi sistemlerinden biraz daha farklıdır. (Cyborg 1999)

• Uzman sistemler uzman şahısların bilgisini yeri gelince kullanmak üzere depolanmasına imkân verir. Belli bir uzman şahsin konusu ile ilgili sahip olduğu bilgileri uzman sistem olarak kullanmak mümkündür. Örneğin bir iş yerinde alanıyla ilgili tercüman olan bir şahsin o işten emekli olması işletme açısından büyük sorun yaratması bekleniyorsa, bu şahsin sahip olduğu bilgileri uzman sistem haline getirmek etkili bir çözüm olabilir.
• Bir tek uzman sistemden birden fazla kullanıcının yararlanması, mümkündür.
• Uzman sistemler karar vericilerin performans ve üretkenliğini arttırır.
• Uzman sistemler belli bir konu ile ilgili karar verme sürecinde insanların aksine istikrarlı ve tutarlıdır. Yani, uzman sistem belli bir karar verme durumunda her zaman aynı bilgiyi verir.
• Uzman sistemler kritik şahıslara olan bağımlılığı azaltır. İnsanlar emekli olabilir, hasta düşebilir, izne çıkabilir veya işten ayrılabilir. Bilgisayarlar ise çay molası bile istemez. Onlardan her zaman yararlanmak mümkündür.
• Uzman sistemlerden karar vericileri eğitmek üzere de istifade etmek mümkündür.

3.3 Uzman Sistemlerden Hangi Koşullarda Yararlanılmalı

Uzman sistemler ancak gerekli olduğu zamanlarda kullanılmalıdır. Bazı işletmelerin bulunduğu koşullar, uzman sistemin kullanılmasını gerek maliyet gerekse sağlanan faydanın önemsiz olması Yüzünden haklı kılmayabilir. Uzman sistemlerden ancak bu koşullar altında yararlanılması tavsiye edilmektedir:

• İşin tekdüzeliğine bağlı olarak uzman sistemin sık sık kullanılmasına gereksinim duyuluyorsa ve kullanıcı sayısı uzman sistemin kullanılmasını maliyet boyutunda ekonomik kılacak kadar fazla sayıda ise,
• Karar verme durumu karmaşıksa(basit durumlar için basit bir bilgisayar programından da yararlanılabilir.)
• Karar verme mantığı bir kural hiyerarşisine dönüştürülebiliyorsa
• Uygulama öneri, sınıflama, teşhis, yorum, açıklama, çözüm yolu seçme, durumu değerlendirmede tahmin etme üzerinde yoğunlaşıyorsa, (L. LONG 1989)