البرامج القابلة للتعلم

** قيود على بناء نظم خبيرة في البرامج التعليمية **

& إن المبدا اﻟﺬي ﺗﺒﻨـﻰ ﻋـﻠـﻴـﻪ ﻫـﺬا الجزء ﻫـﻮ " ﻟـﻴـﺲ ﺑـﺎﻟـﻀـﺮورة أن ﻳـﻜـﻮن الخبير الممتاز ﻣﺪرس ممتاز أﻳﻀﺎ " .

و يمكن أن ﻧﻌﺒﺮ ﻋﻦ ذﻟﻚ ﺑﻄﺮﻳﻘﺔ أﺧﺮى أﻧﻪ ﻗﺪ يمكن ﻟﺒﺮﻧﺎﻣﺞ ﻣﺎ أن ﻳﺸﺮح ﻛﻴﻔﻴﺔ ﺣﻞ ﻣﺴﺄﻟﺔ ﻣﻌﻴﻨﺔ وﻳﻌﻄﻲ أﺳﺒﺎب اﺧﺘﻴﺎر ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﻻﻓﺘﺮاﺿﺎت ﺑﺪﻻ ﻣﻦ ﻏﻴﺮﻫﺎ .

وﻟﻜﻦ ﻻ ﻳﻌﻨﻲ ذﻟﻚ ﺑﺎﻟﻀﺮورة أﻧﻪ يمكن أن ﻳﺸﺮح لماذا ﺳﻠﻚ اﻟﻄﺮﻳﻖ اﻟﺬي ﺳﻠﻜﻪ ﻓﻲ الحل .

ﻓﺎﻟﻘﺪرة ﻋﻠـﻰ ﺷﺮح اﻻﺳﺘﺮاﺗﻴﺠﻴﺎت المستخدمة ﻓﻲ الحل ﺗﺘﻄﻠﺐ درﺟﺔ أﻛﺜﺮ ﻣﻦ اﻟﺘﻔﺼﻴﻞ ﻓﻲ المعرفة ﻟﻴﺴﺖ ﺿﺮورﻳﺔ ﻟﻌﻤﻠﻴﺔ الحل ذاﺗﻬﺎ أي يمكن اﻟﺘﻮﺻﻞ إﻟﻰ الحل ﻓﻲ ﻏﻴﺎﺑﻬﺎ .

و تمثل ﻋﻤﻠﻴـﺔ ﺗـﺮﺟـﻤـﺔ compiling اﻟﺒﺮاﻣﺞ ﻣﺜﺎﻻ واﺿﺤـﺎ لهذا ﻓﺎﻟﺒﺮﻧﺎﻣﺞ المترجم compiled program ﻳﻜﻮن ﻣﻦ اﻟﺼﻌﺐ ﺟـﺪا ﻗـﺮاءﺗـﻪ على اﻟﺮﻏﻢ ﻣﻦ أﻧﻪ ﻳﻜﻮن ﻋﻠﻰ درﺟﺔ ﻋﺎﻟﻴﺔ ﺟﺪا ﻣﻦ اﻟﻜﻔﺎءة.

وﻫﻨﺎك اﺗﻔﺎق ﻋﺎم ﻋﻠﻰ أن اﻟـﺒـﻨـﺎء اﻟـﺘـﺮﻛـﻴـﺒـﻲ modular structure للتمثيل ﻳﺠﻌﻞ اﻟﻌﻤﻠﻴﺎت اﻻﺳﺘﺪﻻﻟﻴﺔ ﻟﻠﺒﺮﻧﺎﻣﺞ أﻛﺜﺮ وﺿﻮﺣﺎ وأﺳﻬﻞ ﺗﻔﺴﻴﺮا.

إﻻ أن كلاني , W.clancey قد علق ذلك قائلا ان معظم البرامج تغفل الخطوات اﻟﻮﺳﻄﻰ ﻓﻲ اﻟﻌﻤﻠﻴﺎت اﻻﺳﺘﺪﻻﻟﻴﺔ ﺧﺎﺻﺔ ﻋﻨـﺪﻣـﺎ ﺗـﺘـﻌـﺎﻣـﻞ ﻣـﻊ اﻟـﻌـﻼﻗـﺎت اﻟﺴﺒﺒﻴﺔ

وﺑﻴﻨﻤﺎ ﻻ ﻳﻘﻠﻞ ﻫﺬا ﻣﻦ ﻛﻔﺎءة ﻋﻤﻠﻴﺔ اﻻﺳﺘﺪﻻل ﺑﻞ ﻋﻠﻰ اﻟﻌﻜﺲ ﻗﺪ ﻳﺰﻳﺪﻫﺎ إﻻ أﻧﻬﺎ ﺗﺼﺒﺢ ﻋﺎﺋﻘﺎ ﻋﻨﺪﻣﺎ ﻳﻄﻠﺐ ﻣﻦ اﻟﺒﺮﻧﺎﻣـﺞ أن ﻳـﺸـﺮح ﻛـﻴـﻔـﻴـﺔ ﺗﻮﺻﻠﻪ ﻟﻠﻨﺘﺎﺋﺞ اﻟﺘﻲ اﻧﺘﻬﻰ إﻟﻴﻬﺎ.

ﺗﻔﺘﺢ ﺗﻘﻨﻴﺔ اﻟﺬﻛﺎء اﻻﺻﻄﻨﺎﻋﻲ آﻓﺎﻗﺎ ﺟﺪﻳﺪة ﻓﻲ اﻟﺒﺤﺚ ﻓﻲ ﻃﺮق اﻟﺘﻌﻠﻴﻢ , و إذا ﻛﺎن ﻟﻨﺎ أن ﻧﻐﺘﻨﻢ ﻫﺬه اﻟﻔﺮﺻﺔ ﻓﻼﺑﺪ أن ﺗﺘﻮاﻓﺮ اﻟﻨﻈﻢ الخبيرة ﻷﻏﺮاض اﻟﺘﻌﻠﻴﻢ ﻛﻤﺎ ﻻﺑﺪ وأن ﺗﺒﻨﻲ ﺑﺸﻜﻞ ﺟﻴﺪ ﺑﺤﻴﺚ ﺗﺴﺘﺨﺪم ﺑﻨﺠﺎح ﻓﻲ اﻟـﺒـﺮاﻣـﺞ اﻟﺘﻌﻠﻴﻤﻴﺔ.

و الحاسب ﻫﻮ أداة ﺟﻴﺪة وﻗﻮﻳﺔ ﻻﺧﺘﺒﺎر ﻧﻈﺮﻳﺎت اﻟﺘﻌﻠﻴﻢ واﻟﺘﻌﻠﻢ وﺧﺼﻮﺻﺎ ﻻﺧﺘﺒـﺎر ﻋـﻤـﻮﻣـﻴـﺔ وﺧـﺼـﻮﺻـﻴـﺔ ﻫـﺬه اﻟـﻨـﻈـﺮﻳـﺎت ﻓـﻲ اﻟﻤﺠـﺎﻻت اﻟﻤﺨﺘﻠﻔﺔ.

وﻛﺬﻟﻚ ﻻﺧﺘﺒﺎر ﻓﺘﺎﻟﻴﺘﻬـﻢ و يمكن ﻟﻠﺒﺮاﻣﺞ اﻟﺘﻲ ﺗﺴﺘﺨﺪم ﻫﺬه اﻟﻄﺮق أن ﺗﻔﺴﺮ ﺧﻄﻮات ﺗﻔﻜﻴﺮﻫﺎ ﺑﺪﻻ ﻣﻦ ﻣﺠﺮد ﻋﺮض اﻟﻨﺺ اﻟﺘﻌﻠـﻴـﻤـﻲ ﻋﻠﻰ ﺷﺎﺷﺔ الحاسب ﻣﻌﻈﻢ اﻟﻮﻗﺖ ﻛﻤﺎ ﻳﺤﺪث ﻓﻲ ﺑﺮاﻣﺞ اﻟﺘﻌﻠﻴﻢ اﻟﺘﻘﻠﻴﺪﻳﺔ. &

**البرامج القابلة لتعلم**

& إن اﻟـﻘـﺪرة ﻋـﻠـﻰ اﻟـﺘــﻌــﻠــﻢ ﻫــﻲ أﺣــﺪ المكونات اﻷﺳﺎﺳﻴﺔ ﻟﻠﺬﻛﺎء وﻧﺤﻦ ﻧـﺘـﺤـﺪث ﻫـﻨـﺎ ﻋـﻦ اﻟـﺘـﻌـﻠـﻢ بمعناه اﻟﻌﺎم , أي ﺑﺄﻧﻪ يمثل اﻟﻄﺮﻳﻘﺔ اﻟﺘﻲ ﻳﺰﻳـﺪ ﺑـﻬـﺎ اﻟﺒﺸﺮ و الحيوانات و الحاسبات ﻣـﺨـﺰون المعرفة ﻟﺪﻳﻬﻢ وﻳﻄﻮرون ﻣﻬﺎراﺗﻬﻢ و ﻗﺪراﺗﻬﻢ اﻟﻔﻜﺮﻳﺔ.

وﻗﺪ اﺳﺘﻤﺮت دراﺳﺔ ﻋﻤﻠﻴﺔ اﻟﺘﻌـﻠـﻢ ﻣـﻨـﺬ اﻷﻳـﺎم اﻷوﻟﻰ ﻟﻠﺬﻛﺎء اﻻﺻﻄﻨﺎﻋﻲ.

ﻓﻘﺪ اﺣﺘﻮى ﻣﺜﻼ ﺑﺮﻧﺎﻣﺞ CHECKERS ﻟﺼﺎﻣﻮﻳﻞ ﺳﺠﻼت ﻟﻌﺪد ﻛـﺒـﻴـﺮ ﻣـن اﻟﻠﻌﺐ اﻟﺘﻲ ﻳﺴﺘﺨﺪﻣﻬﺎ اﻟﺒﺮﻧﺎﻣﺞ ﻟﻴﺤﺴﻦ ﻣﻦ ﻃﺮﻳﻘﺔ ﻟﻌﺒﻪ وذﻟﻚ ﻛﻤﺎ ﺗﻌﻠﻢ اﻟﺒﺮﻧﺎﻣﺞ اﻟﺬي ﻛـﺘـﺒـﻪ وﺗـﺮﻣـﺎن waterman ﻟﻌﺒﺔ اﻟﺒﻮﻛﺮ:

وﺗﻮﺿـﺢ ﻫـﺬه اﻷﻣـﺜـﻠـﺔ أن ﺑﺮﻧﺎﻣﺞ الحاسب ﻻ ﻳﺴﺘﻄﻴﻊ اﻟﺘـﻌـﻠـﻢ ﺑـﻜـﻔـﺎءة ﻣـﺎ ﻟـﻢ ﻳﻜﻦ ﻣﺘﺎﺣﺎ ﻟﺪﻳﻪ تمثيل ﺻﺤﻴﺢ ﻟﻠﻤﻌﺮﻓﺔ أﻟﻐﻰ ﻳﻬﺪف ﻻﻛﺘﺴﺎﺑﻬﺎ.

وﻗﺪ ﺗﻨﺎﻗﺼﺖ الجهود اﻟﺒﺤﺜﻴﺔ ﻓﻲ ﻫـﺬا اﻟﻤﺠﺎل ﺑﻌﺪ ﻓﺘﺮة ربما ﻟﺘﺤﻮل اﻻﻫﺘﻤﺎم إﻟﻰ ﻣﺠﺎﻻت أﺧﺮى ﻣﺜﻞ ﻃﺮق تمثيل المعرفة .

وﻗﺪ ﻋﺎد اﻻﻫﺘﻤﺎم اﻵن إﻟﻰ اﻟﺒﺤﺚ ﻓﻲ ﺟﻌﻞ اﻟﺒﺮاﻣﺞ ﻗﺎدرة ﻋﻠﻰ اﻟﺘﻌﻠﻢ ﻷن ﺑﺮاﻣﺞ الحاسب الحالية ﻗﺪ ازداد ﺣﺠﻤﻬﺎ وﻛﻔﺎءة أداﺋﻬﺎ ﻟﺪرﺟﺔ ﻳﺴﺘﺤﻴﻞ ﻣﻌﻬﺎ إدﺧﺎل اﻟﺘﺤﺴﻴﻨﺎت ﻋﻠﻴﻬﺎ ﻳﺪوﻳﺎ وأﺻﺒﺤﺖ اﻻﺳﺘﻌﺎﻧﺔ بالحاسب ﻟﻬﺬا اﻟﻐﺮض امرا ضروريا .

وﻗﺪ ﻛﺎن اﻟﺘﻌﻠﻢ ﻳﻌﺘﺒﺮ ﻓﻲ الماضي ﻣﺴﺎوﻳﺎ ﻟﻠﺘﺄﻗﻠﻢ وﻟـﻬـﺬا ﻳـﻨـﻄـﻮي ﻋـﻠـﻰ اﻟﺘﻘﺮﻳﺐ المستمر ﻟﻘﻴﻢ المعاملات parameters ﻟﻠﻈﺎﻫﺮة أو اﻟﻔﻜﺮة المعينة تحت اﻟﺪراﺳﺔ.

وﻳﻬﺪف ﻫﺬا المنهج إﻟﻰ ﺗﻄﻮﻳﺮ ﺑﺮﻧﺎﻣﺞ ﺗﻌﻠـﻴـﻤـﻲ ﻳـﺼـﺒـﺢ ﻣـﻊ ﻣـﺮور اﻟﻮﻗﺖ أﻛﺜﺮ ﺛﺒﺎﺗﺎ وأﻛﺜﺮ ﻛﻔﺎءة ؟ وﻫﻮ ﻗﺮﻳﺐ مما ﻳﺘﺒﻊ ﻓﻲ ﻣﻀﺎﻫﺎة وﺗﺼﻨﻴـﻒ اﻟﺘﺸـﻜـﻴـﻼت pattern clas sification and recognition

وﻗﺪ ﻛﺎن اﻟـﻨـﻮع اﻷول ﻣﻦ ﺑﺮاﻣﺞ ﺗﻌﻠﻢ الحاسب ﻋﺪدﻳﺎ بطبيعته واﻋﺘﻤﺪ داﺋﻤﺎ ﻋﻠﻰ اﺳﺘﺨﺮاج ﻣﻦ اﻷﻣﺜﻠﺔ المعطاة وﻇﻴﻔﺔ ﻣﺘﻌﺪدة الحدود polynomial function وﺗﻌﺘﺒﺮ آﻟﺔ اﻟﺘﻤﻴﻴز اﻟﺼﻨـﺎﻋـﻲ perceptron ﻟﺮوزﻳﻨـﺒـﻼت Rosenblatt ﻣﺜﺎﻻ ﺟﻴﺪا ﻟـﺬﻟـﻚ.

إﻻ انه ﺳﺮﻋﺎن ﻣﺎ اﺗﻀﺢ ﻗـﺼـﻮر ﻫـﺬا اﻟـﻨـﻬـﺞ ﻛـﻤـﺎ أوﺿـﺢ ﺳـﻴـﻤـﻮن Simon و كان اﻟﺪرس اﻷﺳﺎﺳﻲ المستخلص ﻣـﻦ ذﻟـﻚ ﻫـﻮ أن اﻟـﺒـﺮﻧـﺎﻣـﺞ اﻟـﺬي ﻳـﺒـﺪأ ﺑـﺪون ﻣﻌﺮﻓﺔ أوﻟﻴﺔ ﻻ يمكن أن ﻳﺼﻞ لمستوى أداء ﺟﻴﺪ.

وﻗﺪ اﺑﺘﻌﺪ ﻣﻔﻬﻮم اﻟﺘﻌﻠﻢ ﻓﻲ اﻟﺬﻛﺎء اﻻﺻﻄﻨﺎﻋﻲ ﻋﻦ ﻫﺬا الاتجاه اﻟﻌﺪدي ﻓﻲ اﻟﺴﺘﻴﻨﺎت و اتجه اﻟﺒﺤﺚ ﻧﺤﻮ ﺑﻨﺎء ﺑﻨﻴﺔ رﻣـﺰﻳـﺔ ﻣـﻌـﺘـﻤـﺪة ﻋـﻠـﻰ ﻋـﻼﻗـﺎت المفاهيم

وﻳﻌﺘﺒﺮ ﺑﺮﻧﺎﻣﺞ اﻳﺒﺎم EPAM ﻹدوارد ﻓﺎﻳﺠﻴﻨﺒﺎم Feigenbaum Edward اﻟﺬي اﺳﺘﺨﺪم ﺷﺒﻜـﺔ تمييز discriminating network لدراسة العلاقات بين المقاطع اللتي تحارب الحلم بالحفظ ﻋﻦ ﻇﻬﺮ ﻗﻠﺐ-ﻣﺜﺎﻻ ﻋﻠﻰ ذﻟﻚ