Skip Ribbon Commands
Skip to main content
سایت دایره المعارف کتابداری و اطلاع رسانی
    آ         الف       ب       پ       ت       ث       ج       چ       ح       خ       د       ذ       ر       ز       ژ       س       ش       ص       ض       ط       ظ       ع       غ       ف       ق       ک       گ       ل       م       ن       و       ه       ی    

بازگشت به فهرست مقالات ن

 

 

نظام‌هاي خبره و هوش مصنوعي[1] . هوش مصنوعي برنامه‌اي رايانه‌اي است كه قادر است برخي اعمال انسان را تقليد كند. نظام خبره هم نرم‌افزاري است كه بر اساس فناوري هوش مصنوعي تهيه شده است.

الف) هوش مصنوعي. تعريفي شفاف از يك نظام هوش مصنوعي آن را "برنامه‌اي رايانه‌اي" مي‌داند كه: "به‌منظور شبيه‌سازي قدرت استدلال[2]  انسان طراحي شده و مي‌تواند از اشتباهات خود ياد بگيرد و قادر است به‌سرعت و با خبرگي اعمالي را انجام دهد كه انسان براي انجام آن نياز به تخصص دارد" (17: 50). برنامه‌هاي رايانه‌اي كه محاسبات و تجزيه و تحليل‌هاي پيچيده رياضي را، نسبت به انسان با سرعت، دقت، و صحت بيشتري انجام دهند، نظام هوشمند نيستند. در واقع، نظام هوشمند به‌كارهايي مي‌پردازد كه براي انجام آنها به استدلال و تصميم‌گيري در سطح عالي[3]  نياز است. طبق تعريف فورد، نظام هوشمند نظامي است كه حداقل از برخي قاعده‌هاي دانش اكتشافي و يا نمادين[4]  (نه لزومآ در سطح خبره) استفاده كند يا بتواند با وجود نامعلوم بودن و يا ناقص بودن شواهد، قضاوت يا تصميم‌گيري كند" (18: 8).

متخصصان از توليد نظام‌هاي هوش مصنوعي دو هدف را دنبال مي‌كنند: 1) درك بهتر از هوش انسان و امكان شبيه‌سازي آن توسط ماشين؛ و 2) طراحي برنامه‌هاي كاربردي براي انجام وظايفي كه نياز به هوش انسان دارد.

ب) نظام خبره. گفتيم كه اين نظام، نرم‌افزاري است كه بر اساس فناوري هوش مصنوعي تهيه شده است. نظام خبره در اصل براي تقليد، و چه بسا جانشيني استدلال انسان در رويارويي با مسائل، پرورش يافته است. اما امروزه، وظايف معمولي‌تري نظير تشخيص بيماري‌ها، كنترل فرايندها در چرخه توليد محصولات، تجزيه و تحليل‌هاي مالي، تفسير داده‌ها، و مانند آن برعهده آنها گذارده مي‌شود (49: ج 67، ص 167-169). ريشه فناوري نظام‌هاي خبره را در تحقيقات صورت گرفته در دهه 1940 در زمينه الگوهاي رياضي رايانه‌اي كه تحت‌عنوان "نظام‌هاي توليد" شناخته مي‌شوند، مي‌دانند؛ اما گسترش طراحي و توسعه نظام‌هاي خبره كاربردي در دهه 1960 صورت گرفته است. موفقيت نظام‌هاي خبره را در انجام برخي مهارت‌هاي نادري دانسته‌اند كه تنها از افراد متخصص ساخته است (23: 192). فورد نظام خبره را "برنامه رايانه‌اي همراه با دانش، اطلاعات، و پايگاه‌هاي اطلاعاتي‌اي مي‌داند كه در ارتباط پويا با يكديگر سعي دارند در مقياس نسبتآ محدودتري از آنچه انسان انجام مي‌دهد، به حل مسائل و تصميم‌گيري بپردازد". وجه شاخص نظام خبره آن است كه: 1) در رويارويي با داده‌هاي غيرقطعي يا ناقص بتواند پاسخ‌هايي نظير "نمي‌دانم" يا "ممكن است" يا "احتمالا" بدهد؛ 2) توانايي ارائه چندين رهيافت يا راه‌حل براي يك مسئله مشخص، هنگامي كه جواب قطعي در مورد يك مسئله وجود ندارد، داشته باشد؛ و 3) بتواند توضيح دهد كه چرا يك سؤال معين پرسيده مي‌شود و چگونه نظام مي‌تواند براي آن پاسخ مناسب و مشخصي پيدا كند. وي تمايز نرم‌افزار خبره با نرم‌افزارهاي متعارف رايانه‌اي الگوريتمي را از لحاظ ذخيره و بازيابي اطلاعات، "قابليت ذخيره و بازيابي داده‌هاي عددي و الگوريتمي"[5] ، و نيز داده‌هاي نمادين يا اكتشافي مي‌داند. "با توسعه نرم‌افزارها و سخت‌افزارها، انجام فرايندهاي مبتني بر دانش اكتشافي با سهولت بيشتر و هزينه كمتري قابل اجراست.

مفهوم بالا را مي‌توان در قالب مثال‌هاي زير توضيح داد. در مثال‌هاي زير، از دانش‌هاي نمادين براي نتيجه‌گيري در مورد موضوعي مشخص استفاده شده است.

 

 

 كليه پستانداران نياز به اكسيژن دارند؛

انسان نيز يكي از پستانداران است؛

انسان نياز به اكسيژن دارد.

 

 

چنين مثالي را مي‌توان در ارتباط با حوزه كتابداري و اطلاع‌رساني نيز ارائه داد:

 

سند الف درباره فناوري‌هاي اطلاعاتي است؛

اصطلاح رايانه،زيرمجموعه اصطلاح اعم فناوري اطلاعات قرار دارد؛

پس سند الف درباره موضوع رايانه نيز است.

 

 

بنابراين، مي‌توان گفت نظام‌هاي خبره نوعي برنامه‌هاي رايانه‌اي هستند كه قادرند وظايف معمولي افراد داراي مهارت يا تخصص را انجام دهند. اين برنامه‌ها، اعمالي را فراتر از پردازش داده‌هاي حرفي و رقمي انجام مي‌دهند. به‌عبارت ديگر، برنامه‌هاي خبره داراي ظرفيت‌هاي استدلال هستند كه متكي به يك ذخيره دانش براي حل مسائل مشخص هستند و از مجموعه‌اي از قواعد منطق‌هاي اكتشافي استفاده مي‌كنند. در اغلب برنامه‌هاي رايانه‌اي غيرخبره، تصميم‌گيري‌ها بر اساس قواعد رياضي و الگوريتمي است (نظير برنامه‌هاي تجزيه و تحليل آماري و رياضي). به عبارت ديگر، در يك نظام خبره، الگوريتم‌ها مي‌توانند براي پيدا كردن راه‌حل براي يك مسئله جديد تغيير يابند.

وظيفه اصلي طراحان يك نظام خبره، استخراج دانش مبتني بر يك مهارت و تخصص ويژه (متعلق به انسان) و سازماندهي و تنظيم و ارائه آن است. حوزه‌اي را كه به امر طراحي نظام‌هاي خبره مي‌پردازد، مهندسي دانش مي‌نامند. مهندس دانش، از طريق بررسي و تعامل با مهارتي كه يك فرد متخصص دارد، برنامه‌اي را طراحي مي‌كند كه بتواند فرايند استدلال و تصميم‌گيري انسان را به‌ويژه از طريق منطق اكتشافي براي حل مسائل به‌كار گيرد (18: 6). مثال زير نمونه ساده‌اي از كاربرد اين منطق در يك سيستم هوشمند براي فهرستنويسي توصيفي است :

 

اگر در صفحه اول كتاب، كلماتي با بزرگ‌ترين اندازه نوشته شده باشند؛

و در ابتداي صفحه عنوان آمده باشد؛

آنگاه به احتمال زياد چنين عبارتي عنوان كتاب است.

و يا:

اگر يك رقم 4 حرفي در صفحه عنوان باشد؛

و با بزرگ‌ترين حروف در صفحه عنوان درج نشده باشند؛

آنگاه به احتمال زياد تاريخ نشر كتاب موردنظر است.

 

 

يكي از رويكردها كه ريشه در طراحي نظام‌هاي هوش مصنوعي دارد، مبتني بر شبيه‌سازي شبكه‌هاي عصبي است. در شبكه‌هاي عصبي هدف آن است تا ساختار مغز انسان شبيه‌سازي شود. مغز انسان داراي ميليون‌ها شبكه عصبي به هم پيوسته است. هر سلول عصبي يك پيام الكترو - شيميايي را به سلول‌هاي ديگر ارسال مي‌كند و، به اين ترتيب، يك پيام انتقال مي‌يابد. شبكه‌هاي عصبي مصنوعي در واقع شبكه‌هايي هستند كه از طريق نظام‌هاي رايانه‌اي به هم متصل شده‌اند و قرار است وظايف تقريبآ مشابهي را در دريافت و ارسال پيام‌ها انجام دهند. شبكه‌هاي عصبي برنامه‌ريزي نشده‌اند، اما ياد گرفته‌اند كه چنين وظايفي را انجام دهند (2).

كاربرد نظام‌هاي خبره در خدمات كتابداري و اطلاع‌رساني. نظام‌هاي خبره و هوشمند اين امكان را در اختيار قرار مي‌دهند تا بتوان دانش موجود در سطح جامعه را به‌صورت گسترده‌تر و كم هزينه‌تري اشاعه داد. اين موضوع يعني اشاعه دانش براي عموم مردم، يكي از بنيادي‌ترين و اصلي‌ترين وظايف و رسالت‌هاي حوزه كتابداري و اطلاع‌رساني است. براي مثال، از طريق واسط‌هاي هوشمندِ[6]جست‌وجوي اطلاعات، مي‌توان مهارت‌هاي جست‌وجوي پيشرفته را، كه اغلب خاص متخصصان با تجربه است، در ميان طيف وسيع‌تري از كاربران در دسترس قرار داد. سرعت استدلال يا حل مسائل در نظام‌هاي خبره مي‌تواند منجر به ارائه خدمات مؤثرتر و سريع‌تر در برخي فعاليت‌هاي كتابداري و اطلاع‌رساني شود و انعطاف‌پذيري بيشتري را در پاسخگويي به نيازهاي مخاطبان به‌وجود آورد. چنين رويكردي در نظام‌هاي اطلاعاتي كه با استفاده‌كنندگان نهايي در ارتباط هستند، نيز كاربرد دارد. حذف نياز به حضور فيزيكي كتابداران و متخصصان اطلاع‌رساني و سهولت انجام كارهاي معمولي در كتابخانه‌ها و حفظ و ارائه مهارت‌هاي ويژه‌اي كه ممكن است با استعفا يا بازنشسته شدن متخصصان از بين برود، از مهم‌ترين كاربردهاي اين‌گونه نظام‌ها به‌شمار مي‌آيند.

حوزه كتابداري و اطلاع‌رساني در به‌كارگيري نظام‌هاي خبره و هوشمند در كارهاي عملياتي خود روندي آهسته داشته است (18: 14). نظام‌هاي خبره و هوشمند مي‌توانند فعاليت‌هاي كتابداري و اطلاع‌رساني را مقرون به صرفه‌تر و با كارايي بيشتري انجام دهند و نوع جديدي از منابع اطلاعاتي را با ارزش‌هاي افزوده به استفاده‌كنندگان ارائه كنند. كاربرد نظام‌هاي خبره و هوشمند را در كتابداري و اطلاع‌رساني در حوزه‌هاي نمايه‌سازي، چكيده‌نويسي، طراحي و توليد اصطلاحنامه ها، فهرستنويسي، بازيابي متن فارغ از منطق بولي[7] ، بازيابي متون مبتني بر منطق بولي‌‌‌، تجزيه و تحليل خودكار محتوا و ارائه دانش[8] ، مديريت و دسترسي به محتواي پايگاه‌هاي رابطه‌اي[9] ، اسناد هوشمند[10] ، و تجزيه و تحليل پايگاه اطلاعاتي[11]  دانسته‌اند.

برخي نظام‌هاي خبره و هوشمند را براي فعاليت‌هاي محدودتر در كتابداري و اطلاع‌رساني مناسب دانسته‌اند، مانند

1. فهرستنويسي. به جز فهرستنويسي تحليلي، احتمالا مي‌توان فهرستنويسي توصيفي را با استفاده از نظام‌قاعده‌مدار انجام داد. اما بسياري از متون تنها به‌صورت نظري به كاربرد نظام‌هاي خبره در نمايه‌سازي پرداخته‌اند و نشان اندكي از تجربه عملي در آنها ديده مي‌شود (34: 11). در واقع، در اغلب مطالعات صورت گرفته، تنها يك الگوي نظري از يك نظام خبره فهرستنويسي ارائه شده است. ذخيره الكترونيكي داده‌هاي موجود پشت و روي صفحه عنوان با فناوري اُ. سي. آر. (تشخيص نوري كاراكترها در متن)[12]  به‌طور نظري امكان‌پذير به نظر مي‌رسد. از طريق اين فناوري مي‌توان اطلاعات مربوط به مؤلف، عنوان، ناشر، ويرايش، تاريخ نشر، و ديگر اطلاعات توصيفي مربوط به كتاب را شناسايي و ذخيره كرد. با وجود سادگي، به‌اجرا درآوردن اين فرايندها با مشكلات بسياري روبه‌روست. مطالعات انجام شده براي طراحي يك نرم‌افزار خبره براي فهرستنويسي كتاب، نشان مي‌دهد كه اين نرم‌افزار مي‌تواند با درجه بالايي از اطمينان (80 درصد) اطلاعات مربوط به ناشر و سال نشر را به‌طور خودكار شناسايي و ذخيره كند، اما در شناسايي و ذخيره‌سازي برخي عناصر اطلاعات توصيفي كتاب، نظير عنوان فرعي، كمتر موفق بوده است (54).

مطالعات كاربردي در اُ.سي.ال.سي. نيز نشان مي‌دهد انجام كارهايي كه انسان در فرايند فهرستنويسي توصيفي به سادگي صورت مي‌دهد، توسط ماشين مي‌تواند بسيار پيچيده و مشكل‌آفرين باشد. به‌طور مثال، رايانه نمي‌تواند تمايز ميان عنوان و عنوان فرعي كتاب را به سادگي تشخيص دهد. مطالعات مختلفي نيز در زمينه تشخيص سرشناسه كتاب‌ها به‌طور خودكار انجام شده است كه برخي از اين مطالعات هرگز به اجرا درنيامدند (47) و يا كم موفق بوده‌اند. نتايج اغلب طرح‌هاي تحقيقاتي حاكي است كه نظام‌هاي خبره طراحي شده براي فهرستنويسي توصيفي كارآيي ندارند و هزينه و زماني كه براي طراحي آنها صرف مي‌شود، گزاف است. سبب اصلي، تنوع طراحي صفحه عنوان كتاب‌هاست. ابزارها و فناوري‌هاي موجود بعيد است بتوانند جايگزين عامل انساني شوند، زيرا مهارت فهرستنويسي فراتر از يك سري قواعد مشخص است و آموزش، معلومات عمومي، و تجربه فرد در انجام آن نقش اساسي دارد، اما طرح CAROL به‌خاطر توفيق در تسريع فرايند فهرستنويسي توصيفي با دقت نسبتآ بالا، اميدواركننده است. اين برنامه با اسكن كردن صفحه عنوان، عناصر فهرستنويسي توصيفي را شناسايي و ذخيره مي‌كند (48). ملاك توفيق نظام‌هاي هوشمند براي فهرستنويسي توصيفي، دقت آنها در كار با منابع اطلاعاتي خاص است. بسياري از نظام‌هاي طراحي شده در فهرستنويسي در كار با منابع اطلاعاتي با قالب‌ها و ساختارهاي متنوع، موفق نيستند.

مطالعات متعددي نيز براي استفاده از نظام‌هاي خبره و هوشمند براي كمك به فرد فهرستنويس در انتخاب قاعده مرتبط با تعيين سرشناسه انجام شده است. برنامهCATALYST  كه يك پايگاه دانش‌مدار است، پس از چند سؤال و جواب با فهرستنويس، قانون مرتبط با ماده در دست را نمايش مي‌دهد (22). نظام فهرستنويسي خودكار در اُ.سي. ال.سي. به‌طور خودكار متون مربوط به اسناد مختلف را با فناوري اُ.سي.آر. مي‌خواند و اطلاعات كتابشناختي نظير مؤلف، عنوان، ناشر، تاريخ نشر، و مانند آن را شناسايي مي‌كند. همچنين، قادر است اطلاعات موجود بر روي كارت‌هاي كتاب را به قالب ماشين‌خوان (مارك) تبديل كند؛ و تعيين فيلدهاي مختلف نظير عنوان، ناشر، مؤلف، و جز آن را شناسايي و اطلاعات مربوط به هر بخش را استخراج كند. اين نظام قادر است از طريق قواعد و منطق اكتشافي، اطلاعات كتابشناختي مربوط به صفحه اول كتاب‌ها را نيز شناسايي كند (57).

اما فهرستنويسي، معلومات عمومي و حرفه‌اي را مي‌طلبد و قاعده‌هاي آن محدود نيست و متضمن قضاوت‌هاي ذهني است (مشاوره با صاحب‌نظران در حوزه موضوعي اثر و اتكا به تجارب فردي كاري رايج است) و تكميل اين فرايند توسط رايانه حداقل فعلا ممكن نيست.

2. رده‌بندي. استفاده از نظام‌هاي خبره براي ايجاد ارتباط ميان يك طرح رده‌بندي با يك طرح رده‌بندي ديگر (31)، و يك نمونه اوليه نظام خبره رده‌بندي خودكار از جمله تلاش‌ها در اين زمينه است (13؛ 24).

تعيين خودكار شماره رده‌بندي كتابخانه كنگره امريكا  براي كتاب‌ها برمبناي عنوان و سرعنوان موضوعي براي استفاده در ركوردهاي مارك نرم‌افزاري است كه در اُ.سي.ال.سي. نوشته شده است. در اين برنامه، تعدادي شماره رده با رتبه‌بندي به فهرستنويس عرضه مي‌شود تا از ميان آنها انتخاب كند. مجري اين طرح، عقيده دارد كه توليد نرم‌افزاري "تمام خبره" براي رده‌بندي احتمالا ممكن نيست، اما "نيمه‌خبره" آن چرا (35).

با رشد شتابنده منابع در اينترنت مطالعاتي نيز در زمينه كاربرد و توسعه نظام‌هاي خبره و هوشمند در محيط آن صورت گرفته است. اُ.سي.ال.سي. در حال اجراي طرحي موسوم به اسكورپيون[13]  براي رده‌بندي خودكار وب سايت‌ها با استفاده از طرح رده‌بندي دهدهي ديويي است (45).

3. نمايه‌سازي موضوعي. پيشينه استفاده از رايانه براي استخراج اصطلاحات نمايه (= نمايه‌سازي خودكار) به 40 سال پيش بازمي‌گردد. استخراج كلمات، عبارات، و يا جملات از متن وسط اين برنامه‌ها با اين پيش‌فرض صورت مي‌گيرد كه كلمات موجود در يك متن نماياننده محتواي آن هستند؛ البته، اين موضوع گاه صادق نيست.

نمايه‌ها حاوي اطلاعاتي هستند كه از طريق كليدواژه يا عبارت‌ها منتقل مي‌شوند. زبان نمايه‌سازي را مي‌توان از طريق يك اصطلاحنامه يا سرعنوان موضوعي كنترل كرد (زبان كنترل شده)؛ و يا از زبان يا زبان طبيعي (زبان كنترل نشده) استفاده كرد. امتياز زبان كنترل شده در برقراري ارتباط ميان مفاهيم به منظور بهبود بازيابي است. برقراري اين روابط در طراحي نظام‌هاي خبره و هوشمند ضرورت دارد. اما مشكل اينجاست كه پژوهش‌ها نشان داده‌اند در طراحي اصطلاحنامه‌ها تنها 40 درصد از اصطلاحاتي كه توسط متخصصان براي توصيف محتواي مدارك واحد برگزيده مي‌شوند، با يكديگر مشابهت دارند. همچنين، اگر نمايه‌سازان براي كار نمايه‌سازي خود از اصطلاحنامه مشابه استفاده كنند، 60 درصد اصطلاحاتي كه به‌كار مي‌برند، مشابه نخواهند بود (18: 115). از اين‌رو، نمي‌توان انتظار داشت برنامه‌هاي رايانه‌اي بهتر از انسان ــ كه داراي قدرت تجزيه و تحليل موضوعي برتر و دانش تجربي است ــ بتوانند نمايه‌سازي موضوعي را انجام دهند.

برنامه‌هاي نمايه‌سازي موضوعي خودكار داراي پرونده حاوي كلمات مرتبط با يك توصيفگر هستند. هرگاه برنامه، يك رشته علائم را در متن يك سند يا عنوان آن بيابد كه در پرونده وجود دارد، جاي آن را در سلسله مراتب موضوعي شناسايي مي‌كند و توصيفگر مربوط به آن را برمي‌گزيند و به آن مدرك نسبت مي‌دهد. مثلا اگر برنامه در متن يا عنوان مدرك، به اصطلاح "تعليم و تربيت" برخورد كند، قادر خواهد بود، به‌طور خودكار، توصيفگر آموزش و پرورش را به‌عنوان اصطلاح مرجح براي بازنمايي موضوع آن انتخاب كند. البته، فرد نمايه‌ساز مي‌تواند اصطلاحات پيشنهادي برنامه را بپذيرد يا رد كند.

در زمينه طراحي نظام‌هاي نمايه‌سازي پيوسته نيز مطالعات فراواني صورت گرفته است و نمونه‌هاي آن توليد شده‌اند. مثلا در كتابخانه ملي پزشكي امريكا، هنگامي كه فرد نمايه‌ساز يك توصيفگر را وارد نظام مي‌كند، توصيفگرهاي مرتبط، يادداشت‌هاي دامنه، ارجاعات داراي پيوند با آن، اختصارات، و مانند آن را نمايش مي‌دهد. نمونه ديگر، نرم‌افزار مدايندكس است كه در كتابخانه ملي پزشكي، براي رفع اشتباهات نمايه‌ساز و انتخاب مترادف‌ها و مرجح‌ها تهيه شده است. در اين برنامه قواعد نمايه‌سازي مبتني بر سرعنوان موضوعي و اصطلاحنامه پزشكي نيز تعريف شده است تا نمايه‌سازان بتوانند استانداردها را آسان‌تر رعايت كنند (28؛ 29).

در نظام سي.اِي.آي.ان.[14]  نيز كه پايگاه اطلاعاتي طرح‌هاي تحقيقاتي كشاورزي است، متن طرح‌هاي تحقيقاتي با دو اصطلاحنامه حوزه كشاورزي يعني اگروك و كب[15]  تطبيق داده مي‌شود و اصطلاحات كنترل شده براي هر توصيفگر پيشنهاد مي‌شود (20).

مطالعات نظري و عملي فراواني درخصوص نمايه‌سازي خودكار و نيمه خودكار در قالب نظام‌هاي خبره انجام شده است، اما حاصل آنها توليد نظام هوشمند نبوده است.

تمايل به طراحي نظام‌هاي نمايه‌سازي خودكار و نيمه خودكار در حوزه‌هاي تخصصي رو به افزايش است، زيرا بدون آن ايجاد پايگاه اطلاعاتي گسترده از اصطلاحات كنترل شده، نسبتآ دشوار است. تلاش‌هايي نيز براي استفاده از شبكه‌هاي عصبي در طراحي نظام‌هاي خودكار نمايه‌سازي شده است. هدف از آن ارائه الگوي نمايه‌سازي از طريق "شبكه‌هاي معنايي" است (10؛ 12).

اما آيا نظام‌هاي موردبحث را مي‌توان خبره به‌شمار آورد؟ بايد گفت بله. هر نظام رايانه‌اي كه در فرايند نمايه‌سازي موضوعي به انتخاب يا پيشنهاد اصطلاحات كنترل شده بپردازد و نمايه‌ساز را در فرايند نمايه‌سازي كمك و راهنمايي كند، نظام خبره است، زيرا در آنها بخشي از مهارت و تخصص انساني توسط ماشين انجام مي‌شود و در نتيجه، هزينه، نيروي انساني، و زمان كار كاهش مي‌يابد. اين همان هدفي است كه اغلب نظام‌هاي خبره براي تحقق آن پرورده مي‌شوند. با اين وجود، بايد از اطلاق لفظ "هوشمند" به اين‌گونه نظام‌ها اجتناب ورزيد، زيرا در اغلب آنها، نظام تنها رشته‌اي از علائم (واژه‌ها، يا غير آن) را از متن استخراج و با يك پايگاه حاوي رشته علائم شبيه به آن (اصطلاحنامه سرعنوان موضوعي) مطابقت مي‌دهد. به عقيده  لنكستر و وارنر، نظام‌هاي خودكار نمايه‌سازي را كه قادرند علاوه بر پيشنهاد اصطلاحات، به تصحيح اشتباهات فرد نمايه‌ساز بپردازند (نظير MedIndEx)، مي‌توان داراي اندكي هوش دانست (:34 20).

نرم‌افزار نمايه‌سازي استنادي خودمختار با نام CiteSeer (به‌نشاني http://citeseernj.nec.com/cs)، قادر به شناسايي مقالات تهيه شده در قالب پي.دي.اف. يا  Postscriptدر اينترنت است؛ بدين ترتيب كه آنها را به متن تبديل مي‌كند، سپس فهرست مآخذ و عناصر كتابشناختي مقاله، نظير عنوان، مؤلف (مؤلفان)، منبع، سال نشر، شماره، تعداد صفحات، چكيده، و جز آن را شناسايي و در يك پايگاه اطلاعاتي ذخيره مي‌كند. در پايگاه اين برنامه، ارتباط ميان يك مقاله و مآخذ مورد استناد آن به‌طور خودكار برقرار مي‌شود. از آنجا كه اين برنامه حاوي متن كامل مقالات شناسايي شده در محيط وب است، مي‌تواند ارتباط ميان مقالات شناسايي شده را از طريق شبكه استنادي ميان آنها برقرار سازد. اين كار مشابه فرايندي است كه در تهيه نمايه‌هاي استنادي در مؤسسه اطلاعات علمي (آي.اس.آي.)[16]  صورت مي‌گيرد. برنامه طراحي شده داراي يك روبات خبره است كه به جست‌وجو در اينترنت و پايگاه برخي ابزارهاي كاوش نظير آلتاويستا و گوگل مي‌پردازد و پس از شناسايي مقالات در قالب پي.دي.اف. يا Postscript، فرايندهاي موردنياز براي توليد يك نمايه استنادي را بر روي آنها انجام مي‌دهد (36). آنچه در برنامه  CiteSeerاهميت دارد و آن را به يك نظام خبره در سطح بالا مبدل كرده است، استفاده از منطق اكتشافي براي انجام برخي فرايندها نظير شناسايي عناصر كتابشناختي و فهرست مآخذ مقالات تمام متن در محيط وب است. ويژگي ديگر اين برنامه، خودمختار بودن آن در انجام كليه فرايندهاي توليد يك نمايه استنادي است. اين امر منجر به كاهش هزينه‌ها شده است. اين برنامه را مي‌توان يكي از مصاديق بارز استفاده از نظام‌هاي خبره در طراحي و توسعه كتابخانه‌هاي ديجيتالي به‌شمار آورد.

4. چكيده‌نويسي. چكيده‌نويسي با نظام‌هاي خبره، تقريبآ مشابه روش‌هايي است كه در چكيده‌نويسي خودكار[17]به‌كار مي‌رود و هدف از آن انتخاب و استخراج جملاتي از متن است كه بتواند به‌عنوان خلاصه‌اي گويا و مناسب از محتواي يك سند، به‌كار رود. در اين شيوه، جملات كليدي از طريق تجزيه و تحليل‌هاي آماري يا زبان‌شناختي از متن استخراج مي‌شوند. در حال حاضر، از روش‌هاي پيشرفته‌تر در خلاصه‌كردن متن استفاده مي‌شود. در شيوه‌هاي سنتي، جملات كليدي در متن يك مدرك شناسايي و عينآ استخراج مي‌شدند. اما هم اينك نظام‌هاي خودكار چكيده‌نويسي متن قادرند چند جمله را در هم ادغام كنند و جمله جديدي را، با بار اطلاعاتي مناسب‌تر، به‌وجود آورند (6؛ 39؛ 40). نمونه اين مساعي نرم‌افزاري است كه مؤسسه علوم و فناوري دانشگاه منچستر، تهيه كرده است (42).

5. انتخاب و مجموعه‌سازي منابع. از نظام‌هاي خبره مي‌توان در انتخاب كارگزاران و عرضه‌كنندگان منابع اطلاعاتي استفاده كرد. انتخاب خودكار كارگزاران يا كتابفروشان بر اساس عملكرد قبلي آنها يكي از اينهاست. كاربرد چنين نظام‌هايي به‌ويژه در مورد منابعي كه كتابخانه‌ها كمتر با آنها سروكار دارند (نظير مجموعه مقالات كنفرانس‌ها، گزارشات فني، گزارشات دولتي، و انتشارات به يك زبان خاص) مفيد است. نظام‌هاي خبره كه به اين شكل طراحي مي‌شوند، قادر به يادگيري هستند و مي‌توانند از روي سابقه عمل كارگزاران، آنها را رتبه‌بندي و پيشنهاد كنند.

در يكي ديگر از اين برنامه‌ها كه در دانشگاه دولتي آيووا طراحي شده است، عملكرد كارگزاران از نظر دقت و سرعت ارسال منابع اطلاعاتي، تخفيف هزينه‌هاي ارسال، اعتبار كارگزار، و جز آن با يكديگر مقايسه مي‌شود و بهترين كارگزار به‌صورت رتبه‌بندي شده براي فراهم‌آوري نوع خاصي از منابع پيشنهاد مي‌شود (58). طراحي چنين نظام‌هايي مي‌تواند در وقت و هزينه انتخاب كارگزاران و عرضه كنندگان منابع اطلاعاتي منحصر به‌فرد صرفه‌جويي كند. تلاش‌هايي، به‌صورت نظري، براي انتخاب و افزودن خودكار چكيده مقالات مجلات به پايگاه‌هاي اطلاعاتي نظير مدلارز از طريق يك نظام خبره مبتني بر معيارهاي از پيش تعريف شده (اعتبار ناشر، زبان، نوع مقاله، اعتبار مؤلف، استاندارهاي نشر، و مانند آن) صورت گرفته است (34: 26). همچنين، برنامه‌اي براي انتخاب و افزودن كتاب‌هاي اهدايي به كتابخانه طراحي شده است تا بتوان به سرعت و بدون دخالت انسان در زمينه افزودن مجموعه‌هاي اهدايي به كتابخانه‌ها تصميم مناسبي را اتخاذ كرد (15). همه اين تلاش‌ها در راستاي بهره‌گيري از نظام‌هاي خبره در امر انتخاب منابع اطلاعاتي است، اما بسياري از اين طرح‌ها يا به مرحله اجرا نرسيده‌اند و يا آنها را به‌صورت آزمايشي به‌كار گرفته‌اند.

6. خدمات مرجع. بيشترين كاربرد نظام‌هاي خبره و هوشمند در خدمات مرجع را مي‌توان در طراحي برنامه‌هاي ارجاعي[18]  مشاهده كرد كه در آنها استفاده‌كننده سؤالي را وارد مي‌كند. برنامه مي‌تواند به چند شيوه به سؤال مطرح شده پاسخ دهد. هدف، پاسخگويي به سؤالات مراجعه‌كنندگان به كتابخانه‌ها در شرايطي است كه كتابدار مرجع در دسترس نيست، چه به صورت اشاره به منبعي كه احتمالا پاسخ در آن است، و چه ارائه خود پاسخ.

كتابخانه ملي كشاورزي امريكا  براي پاسخگويي به سؤالات مرجع محققان كشاورزي، چند برنامه خبره ارجاعي طراحي كرده است، مانند AquaRef در زمينه علوم آبزيان و  Plant Expert Advisor در زمينه گياه‌شناسي(5؛38). تلاش‌هايي نيز در زمينه طراحي نظام‌هاي ارجاعي عمومي براي پاسخگويي به سؤالات مرجع عمومي صورت گرفته است كه مي‌توان به Reference Expert و COBRA[19]  اشاره كرد (4؛ 7).

7. پردازش هوشمند متن. از دهه 1950، استفاده از رايانه براي ذخيره‌سازي متن در قالب الكترونيكي آغاز شد. طراحي نظام‌هاي پردازش متن را در حال حاضر مي‌توان "هوشمند" تلقي كرد، زيرا رايانه قادر است به تفسير معاني يك كلمه يا جمله بپردازد و برمبناي آن پاسخ مناسبي ارائه دهد. به عبارت ديگر، از طريق تجزيه و تحليل‌هاي نحوي مي‌توان نقش يك كلمه در جمله (اسم، فعل، و جز آن) و نيز عناصر ساختاري آن را تشخيص داد. در حال حاضر، نظام‌هاي پردازش هوشمند متن به صورت تجربي يا عملي در زمينه‌هاي زير مورد توجه قرار گرفته‌اند:

الف. طبقه‌بندي متن[20] . اين شيوه، دلالت بر فرايند طبقه‌بندي اطلاعات نوشتاري در قالب تقسيمات موضوعيِ از پيش تعريف شده دارد. براي نمونه، نظام CONSTRUE در خبرگزاري رويتر قادر است اخبار و گزارش‌ها را به‌طور خودكار در قالب 674 تقسيم موضوعي، سازماندهي كند (25). طرحِ در حال اجراي اُ.سي.ال.سي. نيز با نام اسكورپيون درنظر دارد به رده‌بندي خودكار صفحات يا سايت‌هاي وب با استفاده از طرح رده‌بندي دهدهي ديويي بپردازد و متن صفحات وب را با رده‌هاي دهدهي ديويي مبتني بر منطق الگوريتمي تطبيق دهد (51). چنين طرح‌هايي با هدف طبقه‌بندي هوشمندانه متن دنبال مي‌شوند.

ب. استخراج متن[21] . در اين شيوه كه گامي فراتر از طبقه‌بندي متن به‌شمار مي‌آيد، بخش(هايي) از يك سند حاوي اطلاعات‌نوشتاري (براي مثال يك پاراگراف) در مورد يك موضوع مشخص شناسايي و استخراج مي‌شود. يكي از كاربردهاي عيني اين شيوه را مي‌توان در مطالعه صورت گرفته در زمينه استخراج اطلاعات كتابشتاختي از فهرست مآخذ متن پروانه‌هاي ثبت اختراعات مشاهده كرد (37). نظام نمايه‌سازي استنادي خودمختار CiteSeer نيز با هدف استخراج اطلاعات استنادي و فهرست مآخذ مقالات در محيط وب و ارائه يك پايگاه نمايه استنادي صورت گرفته است. اين برنامه مبتني بر منطق اكتشافي و الگوريتمي استخراج اطلاعات از متن مقالات در قالب پي.دي.اف. يا  Postscriptكار مي‌كند (36).

ج. برقراري پيوند ميان متون[22] . در اين شيوه، از تجزيه و تحليل‌هاي آماري يا نحوي به‌منظور ايجاد ارتباط مفهومي ميان دو بخش از يك متن يا متون مختلف كه با يكديگر مشابهت موضوعي دارند، استفاده مي‌شود. از اين شيوه مي‌توان براي ايجاد پيوندهاي فرامتني[23]  به‌طور خودكار ميان اسناد مختلف استفاده كرد. سالتون و باكلي در مطالعات خود به اين موضوع پرداخته‌اند (44).

د. نظام تقويت متن[24] . اين شيوه را مي‌توان نمونه توسعه يافته نظام ايجاد پيوند ميان متن به‌شمار آورد. به‌طوري كه از طريق اين رويكرد مي‌توان ارتباط بخش‌هايي از متن را در متون و اسناد مختلف به‌صورت تركيبي نمايش داد. تلاش‌هايي نيز براي ارائه يك مدل رايانه‌اي به‌منظور يكپارچه‌سازي متون مرتبط و هم موضوع از منابع اطلاعاتي نوشتاري مختلف انجام شده است (11).

ه  . تلخيص متن[25] . اين شيوه مشابه روش‌هايي است كه در فرايند چكيده‌نويسي خودكار به‌كار مي‌رود و هدف آن انتخاب جملاتي از متن است كه بتواند به‌عنوان خلاصه‌اي گويا و مناسب از محتواي سند، ايفاي نقش كند. در اين شيوه، جملات كليدي از طريق تجزيه و تحليل‌هاي آماري يا زبان‌شناختي از متن استخراج مي‌شوند. در حال حاضر، از روش‌هاي پيشرفته‌تري براي خلاصه كردن متن استفاده مي‌شود. در شيوه‌هاي سنتي، جملات كليدي در متن يك سند شناسايي و عينآ استخراج مي‌شدند، اما هم اينك نظام‌هاي خودكار خلاصه‌سازي متن قادرند كه چند جمله را در هم ادغام كرده و جمله جديدي را با بار اطلاعاتي مناسب‌تر به‌وجود آورند (39؛ 40).

و. توليد متن[26] . توليد متن، به برنامه‌ها و ابزارهايي اطلاق مي‌شود كه از طريق آن مي‌توان به‌طور خودكار به توليد متون پرداخت. براي مثال، اين برنامه‌ها مي‌توانند به افراد براي تهيه انواع گزارش‌ها كمك كنند و قادرند ضمن بررسي املاي صحيح كلمات، ساختار نحوي و دستوري جمله را نيز مورد بررسي قرار دهند و در صورت وجود اشتباه، نمونه صحيح يك عبارت را پيشنهاد كنند. با اين وجود، نمي‌توان به چنين نظام‌هايي لفظ هوشمند اطلاق كرد و آنها اغلب تنها در سطح نظام‌هاي خبره توسعه يافته‌اند. برنامه واژه‌پرداز MS Word XP در مقياسي كوچك قادر است برخي عملكردهاي توليد متن را از طريق پيشنهاد املاي صحيح كلمات و نيز ساختار گرامري يك جمله يا عبارت به اجرا درآورد.

ز. ترجمه ماشيني[27] . يكي از پيشرفته‌ترين كاربردهاي نظام‌هاي پردازش متن كه از اوايل دهه 1950 به آن توجه شده است، ترجمه توسط ماشين است. با وجود پيشرفت‌هاي بسياري كه در اين حوزه صورت گرفته است، طراحي يك نظام ترجمه تمام خودكار كه قادر باشد كليه متون در موضوعات مختلف را بدون نياز به انسان ترجمه كند، تقريبآ ناممكن است. در حال حاضر، برخي نظام‌هاي ترجمه توانسته‌اند با 90 درصد دقت و صحت در امر ترجمه به اجرا درآيند. يكي از قديمي‌ترين و موفق‌ترين نظام‌هاي ترجمه متن Systran نام دارد كه نمونه تجاري و ناقص آن بر روي برخي موتورهاي كاوش وب نظير آلتاويستا (www.av.com) نيز قابل دسترسي است و قادر است يك متن (يا صفحات وب) را از انگليسي به چند زبان ديگر و بالعكس ترجمه كند (50). بررسي‌ها نشان داده است، در كار ترجمه اين برنامه هنگامي كه 100 هزار صفحه را از روسي به انگليسي ترجمه مي‌كند، تنها 5 درصد خطا وجود دارد (30).

يكي ديگر از نمونه‌هاي موفق نرم‌افزارهاي ترجمه سايت‌ها، الميسبار (www.almisbar.com) نام دارد كه به تجربه نويسنده قادر است با دقت خوبي متن يا سايت‌هاي اينترنتي را از زبان انگليسي به عربي ترجمه كند. اين نرم‌افزار، امكان انتخاب موضوع مورد ترجمه را نيز مي‌دهد تا به اين ترتيب بتوان ميزان صحت و دقت ترجمه را در موضوعات مختلف افزايش داد (3).

مطالعات خاص‌تري نيز در زمينه ترجمه متون به صورت‌هاي ديگر انجام شده است. براي مثال، از طريق پيش‌نمون يك برنامه خبره طراحي شده مي‌توان فرمول‌هاي شيميايي را به متن و بالعكس ترجمه كرد. به اين ترتيب، پس از پويش فرمول‌هاي شيميايي توسط رايانه، برنامه به‌طور خودكار قادر است تصاوير فرمول‌هاي شيميايي را پردازش كند و به‌صورت نوشته نمايش دهد. همچنين، اين برنامه قادر است اطلاعات نوشتاري مرتبط با فرمول‌هاي شيميايي را به تصاوير گرافيكي تبديل كند و نمايش دهد (16).

8. انتخاب پايگاه اطلاعاتي. يكي از نخستين نظام‌هاي خبره براي انتخاب پايگاه‌هاي اطلاعاتي در 1987 توسط تورنبرگ در قالب پايان‌نامه دكترا طراحي شد (52). بسياري از طرح‌هاي ديگر از ساختار آن استفاده كرده‌اند. در اغلب آنها، پس از انتقال درخواست استفاده‌كننده به برنامه، مرتبط‌ترين پايگاه(هاي) اطلاعاتي پيشنهاد مي‌شوند. با استفاده از فهرست‌هاي انتخاب تعاملي[28]  مي‌توان موضوع، نوع مدرك، و مانند آن را كه موردنياز كاربر است مشخص كرد. در مثال‌هاي زير، نحوه كار اين‌گونه نظام‌ها كه اغلب مبتني بر نظام‌هاي قاعده‌مدار عمل مي‌كنند، نشان داده شده است :

 

اگر پرسش آموزش از راه دور باشد؛

و منبع موردنظر كتاب باشد؛

و اطلاعات كتابشناختي موردنياز باشد؛

و زبان موردنظر فارسي باشد؛

آنگاه توصيه اين است: از "كتابشناسي ملي ايران"استفاده شود.

 

 

 

برنامه ديگري نيز به‌صورت پيش‌نمون براي انتخاب پايگاه‌هاي اطلاعاتي پيوسته تهيه شده است كه از طريق گردآوري اطلاعات مرتبط با موضوع موردنياز كاربر، نوع مدرك، زبان، تاريخ انتشار، و جامعه مخاطب، پايگاه(هاي) اطلاعاتي مرتبط با نياز استفاده‌كننده را پيشنهاد مي‌كند (53).

در دهه 1980 محصولات تجاري مختلفي براي انتخاب پايگاه‌هاي اطلاعاتي تهيه شدند كه يكي از مهم‌ترين آنها، ايزي‌نت[29]  است كه از طريق فهرست‌هاي انتخاب براي محدود كردن موضوع به‌صورت سلسله مراتبي و در نهايت انتخاب پايگاه اطلاعاتي مناسب را فراهم مي‌كند (26؛ 27).

لنكستر و وارنر با بررسي طرح‌هاي انجام شده (به صورت اجرايي با پيش‌نمون) در ارتباط با طراحي نظام‌هاي خبره انتخاب پايگاه‌هاي اطلاعاتي، اين‌طور نتيجه مي‌گيرند كه اگرچه اين‌گونه نظام‌ها مي‌توانند به كاوشگران مبتدي در انتخاب پايگاه‌هاي اطلاعاتي مرتبط با نيازهاي اطلاعاتي آنها كمك كنند، اما كاوشگران حرفه‌اي و با تجربه خود بهتر مي‌توانند فرايند انتخاب پايگاه‌هاي اطلاعاتي را انجام دهند (34: 31).

9. بازيابي اطلاعات. مدت‌هاست مشخص شده است كه استفاده بهينه از عملگرهاي بولي (NOT,OR, AND) مي‌تواند براي استفاده‌كنندگان مبتدي آموزش نديده، مشكل‌ساز باشد و آنها نتوانند از عملگرهاي بولي براي بازيابي اطلاعات مرتبط استفاده كنند. از اين‌رو، تلاش‌هاي بسياري براي تسهيل فرايند كاوش در نظام‌هاي بازيابي اطلاعات، به‌ويژه براي كاوشگران مبتدي صورت گرفته است. يكي از جنبه‌هايي كه محققان به آن توجه كرده‌اند، استفاده از نظام‌هاي خبره و هوشمند در طراحي و ارائه نظام‌هاي بازيابي اطلاعات است. به نظام‌هاي بازيابي اطلاعات پيچيده كه اغلب از تجزيه و تحليل‌هاي آماري يا فنون پردازش زبان طبيعي استفاده مي‌كنند، نمي‌توان عنوان نظام بازيابي هوشمند اطلاق كرد.

دانشگاه ماساچوست با تشكيل مركز بازيابي هوشمند اطلاعات[30]  به تحقيق و مطالعه در عرصه طراحي نظام‌هاي بازيابي اطلاعات هوشمند و خبره پرداخته است. اولويت‌هاي تحقيقاتي بسياري در اين مركز در زمينه طراحي نظام‌هاي بازيابي اطلاعات هوشمند و خبره تعيين شده است (14).

يكي از نرم‌افزارهايي كه از شيوه‌هاي مختلف بازيابي اطلاعات استفاده كرده است، INQUERY نام دارد كه از مدل‌هاي زبان طبيعي، منطق بولي و بازخوردهاي استفاده‌كننده درخصوص مرتبط بودن يا نامرتبط بودن اطلاعات بازيابي شده و اصلاح نتايج كاوش استفاده مي‌كند. اين برنامه ركوردهاي بازيابي شده را بر اساس احتمال مرتبط بودن با نياز اطلاعاتي كاوشگر رتبه‌بندي مي‌كند و قادر است به‌طور خودكار عبارت‌هاي جست‌وجو را مبتني بر بازخورهاي كاوشگران و مبتني بر مرتبط بودن پيشينه‌هاي بازيابي شده، اصلاح نمايد تا به اين ترتيب بتوان ركوردهاي مرتبط ديگر را نيز بازيابي كرد.

نكته بسيار مهم در به‌كارگيري نظام‌هاي خبره و هوشمند در بازيابي اطلاعات، ربط است، حتي اگر يك نظام هوشمند يا خبره در بهترين شرايط بتواند مدارك مرتبط را بنابر منطق‌هاي الگوريتمي و اكتشافي يا تركيبي از هر دوي آنها بازيابي كند، لزومآ به اين معني نيست كه با نياز اطلاعاتي كاربر منطبق است. ذهني بودن ربط و نياز اطلاعاتي آن را به‌صورت يكي از مسائل مهم حوزه كتابداري و اطلاع‌رساني باقي نگهداشته، و باعث شده است نقش نظام‌هاي خبره و هوشمند به‌عنوان واسطي كارآمد ميان نياز اطلاعاتي كاربر و مدارك مرتبط در يك پايگاه اطلاعاتي با ابهام‌هايي روبه‌رو شده و فراتر از يك "ابزار كمكي" نرود (1).

عامل‌هاي هوشمند[31]  يا نرم‌افزارهايي كه بدون دخالت انسان قادر به بازيابي داده‌ها به‌صورت هوشمند از چند منبع يا پايگاه اطلاعاتي هستند، و واسط‌هاي هوشمند كه قادرند خود را مطابق با مهارت و دانش جست‌وجوي استفاده‌كنندگان تطبيق دهند، از ديگر كاربردهاي نظام‌هاي خبره و هوشمند در بازيابي اطلاعات به‌شمار مي‌آيند كه اخيرآ مورد توجه محققان بوده است.

10. طراحي اصطلاحنامه. از نظام‌هاي خبره مي‌توان در طراحي اصطلاحنامه‌ها نيز استفاده كرد كه در اين بخش تنها به يكي از اين برنامه‌ها اشاره مي‌شود.

برنامه TEGEN. اين برنامه قادر است مبتني بر رفتار اطلاع‌يابي كاربران و كليدواژه‌هايي كه براي كاوش اطلاعات به‌كار مي‌برند، مدخل‌هاي جديدي را در يك اصطلاحنامه به‌وجود آورد يا مدخل‌هاي موجود را روزآمد كند. هدف از اين برنامه توليد خودكار يك اصطلاحنامه براي افزايش كارآيي نظام بازيابي اطلاعات است. اين برنامه از تجزيه و تحليل متن به تهيه اصطلاحنامه نمي‌پردازد، بلكه مبتني بر كليدواژه‌هاي مورد جست‌وجو توسط كاربران، مدخل‌ها و ارتباط ميان آنها را به‌وجود مي‌آورد. براي مثال، هنگامي كه ميان كليدواژه‌هاي جست‌وجو از عملگر "OR" استفاده شود، به اين ترتيب برنامه دو كليدواژه را مرتبط تلقي مي‌كند:

Iran OR Persian

Heart Surgery OR Cardiac Surgery

البته كشف ارتباطات اعم و اخص توسط برنامه بايد توسط كاربران ديگري به غير از كاربر اولي مورد تأييد قرار گيرد. به‌عبارت ديگر، هنگامي ارتباطات اعم و اخص ميان اصطلاحات در برنامه ثبت مي‌شوند كه چند كاربر (تعداد آنها در برنامه مذكور قابل تنظيم است) كاوش‌هاي مشابهي را انجام دهند. به‌اين ترتيب، برنامه از بازخوردهاي مشابه به‌دست آمده توسط چند كاربر، به‌عنوان معياري براي ايجاد ارتباط ميان واژگان كاوش استفاده مي‌كند (24).

نتيجه‌گيري. اگرچه، تلاش‌هاي بسياري براي استفاده از نظام‌هاي خبره و هوش مصنوعي در فعاليت‌هاي كتابداري و اطلاع‌رساني شده است، اما بسياري از اين تحقيقات به بحث‌هاي نظري يا طراحي نظام‌هاي خبره به‌صورت تجربي و پيش‌نمون پرداخته‌اند. همچنين، برخي از اين طرح‌هاي تحقيقاتي پس از مراحل مطالعاتي و اجرايي اوليه متوقف شده‌اند. لنكستر و وارنر، يكي از مهم‌ترين دلايل عدم توسعه نظام‌هاي خبره و هوش مصنوعي در فعاليت‌هاي كتابداري و اطلاع‌رساني را پر هزينه بودن طراحي اين نظام‌ها و نيز پيچيدگي آنها دانسته‌اند. به‌نظر آنها تصور ارزاني طراحي نرم‌افزارهاي خبره و هوشمند براي انجام برخي فعاليت‌هاي كتابداري و اطلاع‌رساني، بسياري از مديران كتابخانه‌ها و ساير محققان را گمراه كرده است. برخلاف تصورهاي موجود، براي ايجاد يك پايگاه مرتبط با فعاليت‌هاي كتابداري و اطلاع‌رساني بايد هزينه و زمان نسبتآ زيادي را صرف كرد. به علاوه، روزآمدسازي مستمر اين‌گونه نظام‌ها بسيار هزينه‌بر است. اين دو محقق در كتاب خود بر اين نكته تأكيد دارند كه نظام‌هاي خبره و هوشمندي كه تاكنون مرتبط با فعاليت‌هاي كتابداري تهيه شده‌اند، در مقايسه با نظام‌هاي خبره ديگر در ساير حوزه‌ها يك "اسباب‌بازي" بيش نيستند (34: 107).

نكته بسيار مهم ديگري كه كاربرد نظام‌هاي خبره و هوشمند را در خدمات و فعاليت‌هاي كتابداري و اطلاع‌رساني تحت‌تأثير قرار مي‌دهد، مربوط به ماهيت رشته و فعاليت‌هاي آن است. بسياري از فعاليت‌هاي حوزه كتابداري و اطلاع‌رساني نظير فهرستنويسي تحليلي، نمايه‌سازي موضوعي، چكيده‌نويسي، برقراري ارتباطات معناشناختي در نظام‌هاي بازيابي اطلاعات، انتخاب منابع اطلاعاتي، مصاحبه مرجع، و خدمات ارجاعي نياز به دانشي دارند كه در بسياري از موارد تنها از طريق تجربه و رويارويي با مسائل در محيط‌هاي واقعي به‌دست مي‌آيند. انسان، در مقايسه با ماشين، مي‌تواند در انجام اين فعاليت‌ها نقش مؤثرتري ايفا كند. بنابراين، مي‌توان اين‌طور استنباط كرد كه نظام‌هاي خبره و هوشمند را مي‌توان در بسياري از فعاليت‌هاي كتابداري و اطلاع‌رساني به‌عنوان "ابزار كمكي" براي انتخاب، سازماندهي، بازيابي، و اشاعه اطلاعات به‌كار برد، اما به دشواري مي‌توان برنامه يا نظامي را طراحي كرد كه قادر باشد به‌طور كامل به‌عنوان "جايگزين" فرد كتابدار يا متخصص اطلاع‌رسان به‌كار گرفته شود. همچنين، اينكه يك برنامه تا چه اندازه مي‌تواند به‌عنوان ابزار كمكي در فعاليت‌هاي كتابداري و اطلاع‌رساني مورد استفاده قرار گيرد، اهميت بسزايي دارد. اين مسئله به‌طور مستقيم به ميزان دقت و صحت برنامه در انجام امور تعريف شده بستگي دارد. برخي نظام‌هاي طراحي شده قادرند اشتباهات انساني را نمايان سازند (نظير برنامه MedIndEx كه قبلا به آن اشاره شد)، برخي ديگر در تلاش هستند با ضريب بالايي از دقت، برخي فعاليت‌ها را انجام دهند و بعضي ديگر در رقابت با مهارت‌هاي انساني به نتايج مطلوبي دست نيافته‌اند. به‌هرحال، تحقيقات در عرصه كاربردهاي نظام‌هاي خبره و هوشمند ادامه دارد و چه بسا با ظهور محيط‌هاي ديجيتالي نوين نظير شبكه جهاني وب، افزايش بيشتري نيز يافته باشند. با توجه به طراحي و توسعه كتابخانه‌هاي ديجيتالي، پرداختن به كاربردهاي نظام‌هاي خبره و هوشمند در اين محيط نيز از اهميت بسزايي برخوردار است. طراحي روبات‌هاي هوشمند[32]  براي نمايه‌سازي منابع اطلاعاتي در اينترنت، عامل‌هاي هوشمند در امر رتبه‌بندي نتايج جست‌وجو در ابزارهاي كاوش اينترنت، واسط‌هاي هوشمند مبتني بر وب، نظام‌هاي نمايه‌سازي هوشمند مبتني بر ساختار فرامتني وب، نمايه‌سازي استنادي خودمختار در محيط وب، و جز آن را مي‌توان از جمله رويكردهاي تحقيقاتي نوين به‌شمار آورد.

در اين وادي، كتابداران و متخصصان اطلاع‌رساني نقش مهمي در تشخيص مسائل مرتبط با فعاليت‌هاي كتابداري و اطلاع‌رساني كه مي‌توان از نظام‌هاي خبره يا هوشمند براي حل آنها توسط ماشين استفاده كرد، ايفا مي‌كنند؛ زيرا اين‌گونه نظام‌ها قرار است مهارت و دانشي را كه آنها طي سال‌هاي متمادي در عرصه‌هاي سازماندهي اطلاعات، ذخيره و بازيابي اطلاعات، خدمات مرجع، و مانند آن كسب كرده‌اند و بحث‌هاي نظري و كاربردي فراواني در مورد آنها شده است، از طريق رايانه شبيه‌سازي كنند. در واقع، پايگاه دانشي كه مي‌توان از طريق آن مسائل حوزه كتابداري و اطلاع‌رساني را حل كرد، نزد كتابداران و متخصصان اطلاع‌رساني است.

 

مآخذ: 1) كوشا، كيوان. "مروري بر كاربرد نظام‌هاي خبره و هوشمند در بازيابي اطلاعات". اطلاع‌شناسي. س. اول، 4، (زمستان 1383): 105-128؛ 2) منهاج، محمدباقر. هوش محاسباتي: مباني شبكه‌هاي عصبي. تهران: مركز نشر پروفسور حسابي، 1377؛

3) "Almisbar". [On-line]. Available: http://www. almisbar. com. [10 Sep. 2003]; 4) Bailey, C.W. "The Intelligent Reference Information System Project: a Merger of CD-ROM LAN and Expert Technologies". Information Technology and Libraries. Vol.11 (1992): 237-244; 5) Bailey, C.W.; Myers, J.E. Expert Systems in ARL Libraries. Washington DC: Associaton of Research Libraries, 1991; 6) Black, W.J.; Johnson, F.C. "A Practical Evaluation of two Rule-based Automatic Abstracting Techniques". Expert Systems for Information Mangement. Vol.1, No.3 (1988): 159-177; 7) Bosman, F. and [et.al]. "COBRA/RUG: Expert System for User Queries". In Knowledge Organization and Quality Management. Edited by H. Albrechtsen and S. Oernager. Frankfurt: Indeks Verlag, 1994, PP. 304-311; 8) Cawsey, Alison. The Essence of Artificial Intelligence. London: Prentice Hall, 1998; 9) Chen, H. and [et.al]. "Semantic Indexing and Searching Using a Hopfield net". Journal of Information Science. Vol.24, No.1 (1998): 3-18; 10) Chan, L.L.; Carande, R. "Public Health-in Search of a Knowledge Domain and Expert Reference Adbisory System". Bulletin of the Medical Library Association. Vol.79 (1991): 178-181; 11) Chen, Z. "Net Documents talk to Each Other: A Computer Model for Connection of Short Documents". Journal of Documentation, Vol.49 (1993): 44-45; 12) Chung, Y. M. and [et.al]. "Automatic Indexing Using an Associative Neural Network". In Proceedings of the 3rd ACM Conference on Digital Libraries. New York, Association for Computing Machinery, 1998, PP.59-66; 13) Cosgrove, S.J.; Weimann, J.M. "Expert System Technology Applied to Item Classification". Library HI Tech. Vol.10, No.1/2 (1992): 33-40; 14) Croft, W. B. "What do People Want from Information Retrieval? (The top 10 Research Issuses for Companies That use and Sell IR Systems)". D-Lib Magazine (November 1995). [On-line]. Available: http://www.dlib.org/dlib/november95/11crorft.html.[13March. 2005]; 15) DeBrower, A. M.; Jones, D. T. "Application of an Expert to Collection Development: Donation Processing in a Special Library". Library Software Review. Vol.10, No.6 (1991): 348-389; 16) Eggert. A. A. and [et.al]. "Converting Chemical Formulas to Names: an Expert Strategy". Journal of Chemical Information and Computer Sciences, No. 32 (1992): 227-233; 17) Fenly, C. "Technical Services Processes as Models for Assessing Expert System Suitability and Benefits". In Artificial Intelligence and Expert Systems: Will they Change the Library?. edited by F. W. Lancaster and L.C. Smith. Urbana-Champaign: University of Illinois, Graduate School of Library and Information Science, 1992, PP.50-66; 18) Ford, N. Expert Systems and Artificial Intelligence: an Information Manager's Guide. London: Library Association Publishing, 1991; 19) Frakes, W.B.; Baeza-Yates, R. Information Retrieval : Data Structures & Algorithms. Englewood Cliffs, NJ: Prentice Hall, 1992; 20) Friis, T. "Assisted Indexing (CAIN)". IAALD Quarterly Bulletin. Vol.37, No.1/2 (1992): 35-37; 21) Gerber, B. "ORFEO: an Expert Reference Advisor for Opera". Library Software Review, 11 (May/Jun 1992): 8-12; 22) Gibb, F.; Sharif, C. "CATALYST: an Expert Assistant for Cataloguing". Program. Vol.22, No.1 (1988): 62-71; 23) Grove, R. F. "Expert Systems Development on Internet". Encyclopedia of Library and Information Science. Vol.72, PP.192-205; 24) Guntzer, U. "Automatic Thesaurus Construction by Machine Learning from Retrieval Sessions". Information and Processing Management. Vol.25, No.3 (1989): 265-273; 25) Hayes, P.J. "Intelligent High-Volume Text Processing Using Shallow, Domain-Specific Techniques". In Text- Based Intelligent Systems. Edited By P.S. Jacobs. Hillsdale, NJ: Lawrence Erlbaum, 1992, PP.227-241; 26) Hu, C. "An Evaluation of Gateway System for Automated On-line Database Selection". In Proceedings of the Ninith National On-line Meeting. Medford, NJ: Learned Infornation, 1988, PP.107-114; 27) Idem. "An Evaluation of an On-line Database Selection by Gateway System with Artificial Intelligence Techniquse". Doctoral Dissertation. Urbana- Champaign, University of Illinois, Graduate School of Library and Infromation Seicence, 1987; 28) Humphrey, S.M. "Interactive Knowledge-Based Systems for Improved Subject Analysis and Retrieval". In Artificial Intelligence and Expert Systems: Will they Change the Library?; Edited F.W. Lancaster and L.C. Smith. Urbana-Champaign: University of Illinois, Graduate School of Library and Information Sciecne, 1992, PP.81-117; 29) Idem. "Medindex System: Medical Indexing Expert System". Information & Processing Management. Vol.25, No.1 (1989): 73-88: 30) Hutchins, W.J.; Somers, H. L. An Introduction to Machine Translation. New York: Academic Press, 1992; 31) Iyer, H.; Giguere, M. "Towards Designing and Expert System to Map Mathematics Classificatory Structures". Knowledge Organization, 22 (1995): 141-147; 32) Korfhage, R.R. Information Storage and Retrieval. New York: Wiley, 1997; 33) Lancaster, F.W. Indexing and Abstracting in Theory and Practice. Illinois: University of Illinois, 1991; 34) Lancaster, F.w.; Warner, Amy. Intelligent Technologies in Library and Information Service Application. New Jersey: Information today, 2001; 35) Larson, R.R. "Experiments in Automatic Library of Congress Classification". Journal of American Society for Information Science, 43 (1992): 130-148; 36) Lawrence, S; Giles, C.L. and Bollacker, K. "Digital Libraries and Autonomous Citation Indexing". IEE Computer. Vol.32, No.6 (1999): 67-71. [On-line]. Available: http://www.neci. nec. com/῀lawrene/ papers/ aci-computer98/aci-computer99. html. [13 Mar.2005]; 37) Lawson, M. and [et.al]. "Automatic Extraction of Citation from the text of English-Language Patents-an Example of Template Mining". Journal of Information Science, 22 (1996): 423-436; 38) Mason, P.R; Sample, T.A. "Knowledge Engineering for home Landscaping: the Plant Expert Advisor". In Information technology: It's for Anyone. Edited By T.W. Leonhardt. Chicago: American Library Association, 1992, PP.84-86; 39) Maybury, M.T. "Generating Summaries from Event Data". Information & Processing Management, 31 (1995): 735-751; 40) McKeown, K. and [et.al]. "Generating Concise Natural Language Summaries". Ibid, 31 (1995): 703-733; 41) Metzer, P. "ANYTHING GOES! An Expert System for Information Sources in American Musical Theater". Library Software Review, 12 (Summer 1993): 23-31; 42) Paice, C.D. "Constructing Literature Abstracts by Computer: Techniques and Prospects". Information & Processing Mangement. Vol.26, No.1 (1990): 171-186; 43) Pontigo, J. and [et.al]. "Expert System in Document Delivery: The Feasibility of Learning Capabilities". In Artificial Intelligence and Expert Systems: Will they Change the Library. Edited by F.W. Lancaster and L.C. Smith. Urbana-Champaign: University of Illinios, Graduate School of Library and Information Science, 1992, PP.254-266; 44) Salton, G.; Buckely, C. "Automatic Text Structuring Experiments". In Text-Based Intelligent Systems. Edited By P.S. Jacobs. Hillsdale, NJ: Lawrence Erlbaum, 1992, PP.199-210; 45) Salton, G; Buckley, C and Smith, M. "On the Application of Syntactic Methodologies in Automatic Text Analysis". Information Processing & Management. Vol.26, No.1 (1990): 73-92; 46) Salton, G.; McGill, M.J. The Introduction to Modern Information Retrieval. New York: McGraw-Hill, 1983; 47) Sandberg- Fox, A.M. "Selection of Main Entry: A Conceptual Model". In Expert Systems in Libraries. Edited by R. Aluri and D.E. Riggs. Norwook, NJ: Ablex Publishing, 1990, PP.135-154; 48) Schmidt, J.; Putz, W. "Knowledge Acquisition and Representation for Document Recognition: the CAROL Project". In Proceedings of the Ninth Confernce on Artificial Intelligence for Applications. Los Alamitos CA: IEEE Computer Society Press, 1993, PP.171-181; 49) Spangler, W.E.; May, Jerrold. H. "Expert and Knowledge-Based Systems". Encyclopedia of Library and Information Science. Vol.67, PP.167-196; 50) "Systran". [On-line]. Available: http://www.Systransoft.com. [8 Sep.2003]; 51) Thompson, Roger; Shafer, Keith; Vizine-Goetz, Diane. Evaluating Dewey Concepts as a Knowledge Base for Automatic Subject Assignment". [Online]. Available: http://orc.rsch. oclc.org.6109/eval_dc.html. [13 Sep. 2003]; 52) Thornburg, G.E. "Look: Implementation of an Expert System in Information Retrieval for Database Selection". Doctoral Dissertation. Urbana-Champaign, University of Illinois, Graduate School of Library and Information Science, 1987; 53) Trautman, R.; Flitter, S. "An Expert System for Microcomputer to aid Selection of Online Database". Reference Librarian, 23 (1989): 207-238; 54) Vizine-Goetz, D. and [et.al]. "Automating Descriptive Cataloging". In Expert Systems in Libraries. Edited by R. Aluri and D.E. Riggs. Norwook, NJ: Ablex Publishing, 1990, PP.123-134; 55) Webster Third New International Dictionary of English Language, Unabridged. S.V. "Automation"; 56) Weibel, S. "Automated Cataloging: Implications for Libraries and Patrons". In Artificial Intelligence and Expert Systems: Will They Change the Library?. Edited by F.W. Lancaster and L.C. Smith. Urbana_Champaign: University of Illinois, Graduate School of Library and Information Science, 1992, PP. 67-80; 57) Weible, S.; Oskins, M and Vizine-Goetz, D. "Automated Title Page Cataloging: a Feasibility Study". Information Processing and Management. Vol.25, No.2 (1989): 187-203; 58) Zager, P.; Smadi. O. "A Knowledge- Based Expert Systems Application in Library Acquisitions: Monographs". Library Acquisitions: Practice & Theory, 16 (1992): 142-154.             

             كيوان كوشا

 

 



[1] . Expert Systems and Artificial Intelligence         

 .[2] Reasoning         

[3]. سطح عالي در اينجا به معناي فعاليت‌هايي است كه براي انجام آنها نياز به تفكر خلاقانه است.

[4] . Symbolic or Heuristic Knowledge      

دانش اكتشافي با نمادين كه نقطه مقابل دانش عددي و الگوريتمي به شمار مي‌آيد، قاعده‌هايي هستند كه براساس تجربه در امور مختلف به دست آمده‌اند و به ما راه‌حل‌هاي كوتاه‌تر، كم هزينه‌تر، و مؤثرتري در رويارويي با برخي مسائل مي‌دهند. براي مثال تجربه در فعاليت‌هاي كتابداري نشان مي‌دهد كه تعدادي از كتاب‌هاي گم‌شده در كتابخانه در جايي نزديك محل اصلي كتاب (شماره راهنما) در قفسه كتابخانه قرار مي‌گيرند. از اين‌رو به جاي بررسي كليه قفسه‌ها كافي است اطراف محل اصلي، كتاب مورد بررسي قرار گيرد (استفاده‌كنندگان از كتابخانه پس از مطالعه كتاب‌ها ممكن است برخي از آنها را درست در جاي قبلي خود قرار ندهند). از اين‌رو، اگر كلية كتاب‌ها به‌طور مثال از 1 تا 2000 عنوان را به‌منظور يافتن كتاب‌هاي گم‌شده مورد بررسي قرار دايم از دانش الگوريتمي يا عددي استفاده كرده‌ايم و اگر تنها اطراف محل اصلي كتاب‌هاي گمشده را بررسي كنيم از دانش اكتشافي يا سمبوليك بهره جسته‌ايم كه به ما مسيرهاي كوتاه‌تر و كم هزينه‌تري را نشان مي‌دهد.

[5] . Numeric or Algorithmic Data         

[6] . Intelligence interfaces         

[7] . Non-Boolean Retrieval         

[8] . Automatic Content Analysis and KnowledgeRepresentation

[9] . Relational Database Access and Management         

[10] . Intelligent documents         

[11] . Database analysis         

[12] . OCR (Optical Character Recognition)

[13] . Scorpoin         

[14] . CAIN

[15] . CAB (Commonwealth Agricultural Bureax)

[16] . Institute of Scientific Information (ISI)

[17] . Automatic abstracting         

[18] . Referral systems         

[19] . Computer Assisted Bibliographic Reference and AdvisorySystem

[20] . Text categorization        

[21] . Text extraction         

[22] . Text linkage         

[23] . Hypertext links         

[24] . Text augmentation         

[25] . Text summarization         

[26] . Text generation         

[27] . Machine translation         

[28] . Interactive menus         

[29] . Easynet         

[30] . Center for Intelligent Information Retrieval         

[31] . Intelligent agents         

[32] . Intelligent robots         

 

 

 

        

 

 

 

 

بازگشت به فهرست مقالات ن