तर्क प्रणाली (रीजनिंग सिस्टम)
सूचना प्रौद्योगिकी में तर्क प्रणाली सॉफ्टवेयर प्रणाली है जो निगमनात्मक तर्क और आगमनात्मक तर्क जैसी लॉजिकल तकनीकों का उपयोग करके उपलब्ध ज्ञान से निष्कर्ष उत्पन्न करती है। तर्क प्रणाली कृत्रिम बुद्धि और ज्ञान आधारित प्रणालियों के कार्यान्वयन में महत्वपूर्ण भूमिका निभाती है।
वाक्यांश की परिभाषा के अनुसार, सभी कंप्यूटर प्रणाली तर्क प्रणाली हैं, जिसमें वे सभी किसी प्रकार के तर्क या निर्णय को स्वचालित करते हैं। सूचना प्रौद्योगिकी क्षेत्र के विशिष्ट उपयोग में चूँकि, वाक्यांश सामान्यतः उन प्रणालियों के लिए आरक्षित होता है जो अधिक जटिल प्रकार के तर्क करते हैं। उदाहरण के लिए, यह उन प्रणालियों के लिए नहीं है जो विक्रय कर या ग्राहक छूट की गणना करने जैसे सरल प्रकार के तर्क करते हैं किन्तु चिकित्सा निदान या गणितीय प्रमेय के संबंध में लॉजिकल निष्कर्ष निकालते हैं। रीज़निंग सिस्टम दो मोड इंटरएक्टिव और बैच प्रोसेसिंग में होते हैं। इंटरएक्टिव सिस्टम इंटरफ़ेस यूजर को तर्क प्रक्रिया को निर्देशित करने की अनुमति प्रदान करता है। बैच प्रणाली सभी उपलब्ध सूचनाओं को साथ लेते हैं और यूजर प्रतिक्रिया के अतिरिक्त सर्वोत्तम संभव उत्तर उत्पन्न करते हैं।[1]
तर्क प्रणाली में अनुप्रयोग का विस्तृत क्षेत्र होता है जिसमें शेड्यूलिंग, व्यावसायिक नियम प्रोसेसिंग, समस्या समाधान, जटिल घटना प्रसंस्करण, इंट्रूज़न डिटेक्शन, प्रेडिक्टिव एनालिटिक्स, रोबोटिक्स, कंप्यूटर दृष्टि और प्राकृतिक भाषा प्रसंस्करण सम्मिलित हैं।
इतिहास
पहली तर्क प्रणालियाँ प्रमेय समर्थक थीं, प्रणालियाँ जो प्रथम क्रम तर्क में स्वयंसिद्धों और कथनों का प्रतिनिधित्व करती हैं और फिर नए कथनों का अनुमान लगाने के लिए तर्क के नियमों का उपयोग करती हैं जैसे कि मूड सेट करना एक अन्य प्रारंभिक प्रकार की तर्क प्रणाली सामान्य समस्या समाधानकर्ता थी। ये एलन नेवेल और हर्ब साइमन द्वारा डिज़ाइन की गई सामान्य समस्या सॉल्वर जैसी प्रणालियाँ थीं। सामान्य समस्या हल करने वालों ने एक सामान्य नियोजन इंजन प्रदान करने का प्रयास किया जो संरचित समस्याओं का प्रतिनिधित्व और समाधान कर सके। उन्होंने समस्याओं को छोटी और अधिक प्रबंधनीय उप-समस्याओं में विभाजित करके काम किया, प्रत्येक उप-समस्या को हल किया और आंशिक उत्तरों को एक अंतिम उत्तर में जोड़ दिया। एक अन्य उदाहरण सामान्य समस्या समाधान प्रणाली का सोर (संज्ञानात्मक वास्तुकला) परिवार था।
व्यवहार में ये प्रमेय सिद्ध करने वाले और सामान्य समस्या हल करने वाले शायद ही कभी व्यावहारिक अनुप्रयोगों के लिए उपयोगी थे और उपयोग करने के लिए तर्क के ज्ञान वाले विशेष यूजरओं की आवश्यकता थी। स्वचालित तर्क का पहला व्यावहारिक अनुप्रयोग विशेषज्ञ प्रणालियाँ थीं। विशेषज्ञ प्रणालियां सामान्य समस्या समाधान जैसे चिकित्सा निदान या किसी विमान में दोषों का विश्लेषण करने की तुलना में अधिक अच्छी तरह से परिभाषित डोमेन पर ध्यान केंद्रित करती हैं। विशेषज्ञ प्रणालियाँ तर्क के अधिक सीमित कार्यान्वयन पर भी ध्यान केंद्रित करती हैं। तार्किक अभिव्यक्तियों की पूरी श्रृंखला को लागू करने के प्रयास के बजाय वे आम तौर पर IF-THEN नियमों के माध्यम से लागू किए गए मॉडस-पोन्स पर ध्यान केंद्रित करते हैं। एक विशिष्ट डोमेन पर ध्यान केंद्रित करने और तर्क के केवल एक सीमित उपसमुच्चय की अनुमति देने से ऐसी प्रणालियों के प्रदर्शन में सुधार हुआ ताकि वे वास्तविक दुनिया में उपयोग के लिए व्यावहारिक हों और न कि केवल अनुसंधान प्रदर्शनों के रूप में जैसे कि अधिकांश पिछली स्वचालित तर्क प्रणालियां थीं। विशेषज्ञ प्रणालियों में स्वचालित तर्क के लिए उपयोग किए जाने वाले इंजन को सामान्यतः अनुमान इंजन कहा जाता था। अधिक सामान्य तार्किक निष्कर्ष के लिए उपयोग किए जाने वाले को सामान्यतः स्वचालित प्रमेय समर्थक कहा जाता है।[2] विशेषज्ञ प्रणालियों की लोकप्रियता में वृद्धि के साथ सरकार और उद्योग में विविध समस्याओं के लिए कई नए प्रकार के स्वचालित तर्क लागू किए गए। केस-आधारित रीजनिंग जैसे कुछ विशेषज्ञ सिस्टम्स रिसर्च के ऑफ शूट थे। अन्य जैसे बाधा संतुष्टि एल्गोरिदम भी निर्णय प्रौद्योगिकी और रैखिक प्रोग्रामिंग जैसे क्षेत्रों से प्रभावित थे। इसके अलावा, एक पूरी तरह से अलग दृष्टिकोण, जो प्रतीकात्मक तर्क पर आधारित नहीं है, लेकिन एक कनेक्शनवादी मॉडल पर भी बेहद उत्पादक रहा है। स्वचालित तर्क का यह बाद वाला प्रकार विशेष रूप से पैटर्न मिलान और पाठ खोज और चेहरा मिलान जैसी समस्याओं का पता लगाने के प्रकार के अनुकूल है।
तर्क का प्रयोग
रीजनिंग सिस्टम शब्द का उपयोग लगभग किसी भी तरह के परिष्कृत निर्णय समर्थन प्रणाली को लागू करने के लिए किया जा सकता है जैसा कि नीचे वर्णित विशिष्ट क्षेत्रों द्वारा दिखाया गया है। हालाँकि, रीजनिंग सिस्टम शब्द का सबसे आम उपयोग तर्क के कंप्यूटर प्रतिनिधित्व को दर्शाता है। औपचारिक प्रणाली और औपचारिकता के संदर्भ में विभिन्न कार्यान्वयन महत्वपूर्ण भिन्नता प्रदर्शित करते हैं। अधिकांश तर्क प्रणालियाँ प्रस्तावपरक कलन और प्रतीकात्मक तर्क (विधेय तर्क) तर्क की विविधताओं को लागू करती हैं। ये विविधताएँ औपचारिक तर्क प्रणालियों (जैसे, प्रथम-क्रम तर्क), या उन प्रणालियों के विस्तारित और संकर तर्क संस्करणों (जैसे, विनम्र तर्क) के गणितीय रूप से सटीक निरूपण हो सकती हैं।[3]). रीज़निंग सिस्टम अतिरिक्त लॉजिक प्रकारों को स्पष्ट रूप से लागू कर सकते हैं (जैसे, मॉडल तर्क, डोंटिक तर्क, लौकिक तर्क लॉजिक)। हालाँकि, कई तर्क प्रणालियाँ मान्यता प्राप्त तर्क प्रणालियों के लिए अभेद्य और अर्ध-औपचारिक अनुमानों को लागू करती हैं। विभिन्न तर्क रणनीतियों को मॉडल करने के लिए ये प्रणालियां सामान्यतः विभिन्न प्रकार की प्रक्रियात्मक और अर्ध-घोषणात्मक प्रोग्रामिंग तकनीकों का समर्थन करती हैं। वे औपचारिकता पर व्यावहारिकता पर जोर देते हैं और वास्तविक दुनिया की समस्याओं को हल करने के लिए कस्टम एक्सटेंशन और अटैचमेंट पर निर्भर हो सकते हैं।
कई तर्क प्रणालियाँ उपलब्ध ज्ञान से निष्कर्ष निकालने के लिए निगमनात्मक तर्क को नियोजित करती हैं। ये अनुमान इंजन मॉडस पोनेंस के माध्यम से निष्कर्ष निकालने के लिए आगे तर्क या पिछड़े तर्क का समर्थन करते हैं। उनके द्वारा नियोजित पुनरावर्तन तर्क विधियों को क्रमशः 'आगे श्रृंखलन ' और 'बैकवर्ड चेनिंग' कहा जाता है। यद्यपि तर्क प्रणालियाँ व्यापक रूप से कटौतीत्मक अनुमान का समर्थन करती हैं, कुछ प्रणालियाँ अपहरण तर्क, आगमनात्मक तर्क, दोषपूर्ण तर्क और अन्य प्रकार के तर्कों को नियोजित करती हैं। कम्प्यूटेशनल जटिलता सिद्धांत # इंट्रेक्टेबिलिटी के स्वीकार्य समाधान निर्धारित करने के लिए अनुमानी को भी नियोजित किया जा सकता है।
रीज़निंग प्रणालियाँ बंद विश्व धारणा (CWA) या खुली दुनिया धारणा (OWA) को नियोजित कर सकती हैं। OWA अक्सर आंटलजी ज्ञान प्रतिनिधित्व और सेमांटिक वेब से जुड़ा होता है। विभिन्न प्रणालियाँ निषेध के लिए विभिन्न दृष्टिकोण प्रदर्शित करती हैं। साथ ही साथ तार्किक पूरक या बिटवाइज़ पूरक, सिस्टम मजबूत और कमजोर निषेध के अस्तित्वगत रूपों का समर्थन कर सकते हैं, जिसमें विफलता के रूप में नकारात्मकता|विफलता के रूप में नकारात्मकता| विभिन्न तर्क प्रणालियाँ मोनोटोनिक फ़ंक्शन # मोनोटोनिक लॉजिक या गैर-मोनोटोनिक तर्क | नॉन-मोनोटोनिक रीजनिंग, स्तरीकरण (गणित) और अन्य तार्किक तकनीकों का समर्थन कर सकती हैं।
अनिश्चितता के तहत तर्क
कई रीज़निंग प्रणालियाँ अनिश्चितता के तहत तर्क करने की क्षमता प्रदान करती हैं। वितरित मल्टी-एजेंट रीज़निंग सिस्टम का निर्माण करते समय यह महत्वपूर्ण है, जिसे दुनिया के अनिश्चित प्रतिनिधित्व से निपटना चाहिए। अनिश्चितता से निपटने के कई सामान्य तरीके हैं। इनमें निश्चित कारकों का उपयोग, प्रायिकता के तरीके जैसे बायेसियन निष्कर्ष या डेम्पस्टर-शेफ़र सिद्धांत, बहु-मूल्यवान ('फजी लॉजिक') तर्क और विभिन्न कनेक्शनवाद दृष्टिकोण शामिल हैं।[4]
तर्क प्रणाली के प्रकार
यह खंड सामान्य प्रकार की तर्क प्रणाली का गैर-विस्तृत और अनौपचारिक वर्गीकरण प्रदान करता है। ये श्रेणियां निरपेक्ष नहीं हैं। वे काफी हद तक ओवरलैप करते हैं और कई तकनीकों, विधियों और कलन विधि को साझा करते हैं।
बाधा हल करने वाले
बाधा समाधानकर्ता बाधा संतुष्टि समस्याओं (सीएसपी) को हल करते हैं। वे बाधा प्रोग्रामिंग का समर्थन करते हैं। एक बाधा (सूचना सिद्धांत) एक है जिसे किसी वैध समस्या समाधान से पूरा किया जाना चाहिए। बाधाओं को घोषणात्मक रूप से परिभाषित किया गया है और दिए गए डोमेन के भीतर वेरिएबल (गणित) पर लागू किया गया है। बाधा सॉल्वर समाधान खोजने और इष्टतम समाधान निर्धारित करने के लिए खोज एल्गोरिदम, बैक ट्रैकिंग और स्थानीय स्थिरता तकनीकों का उपयोग करते हैं। वे रैखिक प्रोग्रामिंग और गैर रेखीय प्रोग्रामिंग के रूपों को नियोजित कर सकते हैं। वे अक्सर अत्यधिक साहचर्य समस्या वाले स्थानों के भीतर अनुकूलन (गणित) करने के लिए उपयोग किए जाते हैं। उदाहरण के लिए, उनका उपयोग इष्टतम शेड्यूलिंग, कुशल एकीकृत सर्किट डिजाइन करने या विनिर्माण प्रक्रिया में उत्पादकता को अधिकतम करने के लिए किया जा सकता है।[5]
प्रमेय सिद्ध करता है
स्वचालित प्रमेय साबित करना गणितीय प्रमेय के गणितीय प्रमाण को निर्धारित करने के लिए स्वचालित तर्क तकनीकों का उपयोग करता है। उनका उपयोग मौजूदा प्रमाणों को सत्यापित करने के लिए भी किया जा सकता है। अकादमिक उपयोग के अलावा, प्रमेय सिद्ध करने वालों के विशिष्ट अनुप्रयोगों में एकीकृत सर्किट, सॉफ्टवेयर प्रोग्राम, इंजीनियरिंग डिजाइन आदि की शुद्धता का सत्यापन शामिल है।
तर्क कार्यक्रम
लॉजिक प्रोग्रामिंग (LPs) प्रोग्रामिंग भाषाओं का उपयोग करके लिखे गए कंप्यूटर प्रोग्राम हैं जिनकी भाषा आदिम और अभिव्यक्ति (प्रोग्रामिंग) गणितीय तर्क से तैयार किए गए निर्माणों का प्रत्यक्ष प्रतिनिधित्व प्रदान करती है। सामान्य-उद्देश्य वाली तर्क प्रोग्रामिंग भाषा का एक उदाहरण प्रोलॉग है। एलपी समस्याओं को हल करने के लिए लॉजिक प्रोग्रामिंग के प्रत्यक्ष अनुप्रयोग का प्रतिनिधित्व करते हैं। तर्क प्रोग्रामिंग औपचारिक तर्क के आधार पर अत्यधिक घोषणात्मक दृष्टिकोणों की विशेषता है, और कई विषयों में व्यापक अनुप्रयोग है।
नियम इंजन
[[व्यापार नियम इंजन]] सशर्त तर्क को असतत नियमों के रूप में दर्शाता है। नियम सेट को प्रबंधित किया जा सकता है और अन्य कार्यक्षमता के लिए अलग से लागू किया जा सकता है। कई डोमेन में उनकी व्यापक प्रयोज्यता है। कई नियम इंजन तर्क क्षमता को लागू करते हैं। फॉरवर्ड या बैकवर्ड चेनिंग का समर्थन करने के लिए उत्पादन प्रणाली (कंप्यूटर विज्ञान) को लागू करना एक सामान्य दृष्टिकोण है। प्रत्येक नियम ('प्रोडक्शन') धारा के संयोजन को निष्पादन योग्य क्रियाओं की सूची से जोड़ता है।
रन-टाइम पर, नियम इंजन तथ्यों के खिलाफ प्रोडक्शंस से मेल खाता है और प्रत्येक मैच के लिए संबंधित कार्रवाई सूची निष्पादित ('आग') करता है। यदि ये क्रियाएं किसी भी तथ्य को हटाती हैं या संशोधित करती हैं, या नए तथ्यों पर जोर देती हैं, तो इंजन तुरंत मैचों के सेट की फिर से गणना करता है। स्वचालित प्रक्रियाओं में निर्णय लेने/निर्णय लेने को नियंत्रित करने और व्यापार और तकनीकी नीतियों को लागू करने के लिए, नियम इंजनों का व्यापक रूप से मॉडल बनाने और व्यावसायिक नियमों को लागू करने के लिए उपयोग किया जाता है।
डिडक्टिव क्लासिफायर
डिडक्टिव क्लासिफायर नियम-आधारित प्रणालियों की तुलना में थोड़े बाद में उत्पन्न हुए और एक नए प्रकार के कृत्रिम बुद्धिमत्ता ज्ञान प्रतिनिधित्व उपकरण का एक घटक थे जिसे फ्रेम भाषाओं के रूप में जाना जाता है। एक फ्रेम भाषा समस्या डोमेन को वर्गों, उपवर्गों और वर्गों के बीच संबंधों के एक सेट के रूप में वर्णित करती है। यह वस्तु-उन्मुख विश्लेषण और डिजाइन|ऑब्जेक्ट-ओरिएंटेड मॉडल के समान है। ऑब्जेक्ट-ओरिएंटेड मॉडल के विपरीत, फ्रेम भाषाओं में पहले ऑर्डर लॉजिक के आधार पर एक औपचारिक शब्दार्थ है।
वे इस शब्दार्थ का उपयोग डिडक्टिव क्लासिफायरियर को इनपुट प्रदान करने के लिए करते हैं। क्लासिफायरियर बदले में किसी दिए गए मॉडल (ओन्टोलॉजी (कंप्यूटर विज्ञान) के रूप में जाना जाता है) का विश्लेषण कर सकता है और यह निर्धारित कर सकता है कि मॉडल में वर्णित विभिन्न संबंध सुसंगत हैं या नहीं। यदि सत्तामीमांसा सुसंगत नहीं है तो क्लासिफायर उन घोषणाओं को उजागर करेगा जो असंगत हैं। यदि सत्तामीमांसा सुसंगत है तो वर्गीकारक आगे तर्क कर सकता है और सत्तामीमांसा में वस्तुओं के संबंधों के बारे में अतिरिक्त निष्कर्ष निकाल सकता है।
उदाहरण के लिए, यह निर्धारित कर सकता है कि एक वस्तु वास्तव में एक उपवर्ग या अतिरिक्त वर्गों का उदाहरण है जैसा कि यूजर द्वारा वर्णित किया गया है। सेमांटिक वेब में मॉडल का वर्णन करने के लिए उपयोग की जाने वाली ऑन्कोलॉजी का विश्लेषण करने के लिए क्लासिफायर एक महत्वपूर्ण तकनीक है।[6][7]
यंत्र अधिगम सिस्टम
मशीन लर्निंग सिस्टम अनुभव के आधार पर समय के साथ अपने व्यवहार को विकसित करते हैं। इसमें देखी गई घटनाओं या प्रशिक्षण उद्देश्यों के लिए प्रदान किए गए उदाहरण डेटा पर तर्क शामिल हो सकता है। उदाहरण के लिए, मशीन लर्निंग सिस्टम देखे गए तथ्यों के लिए परिकल्पना उत्पन्न करने के लिए आगमनात्मक तर्क का उपयोग कर सकते हैं। सीखने की प्रणालियाँ सामान्यीकृत नियमों या कार्यों की खोज करती हैं जो टिप्पणियों के अनुरूप परिणाम देते हैं और फिर भविष्य के व्यवहार को नियंत्रित करने के लिए इन सामान्यीकरणों का उपयोग करते हैं।
मामला आधारित तर्क प्रणाली
केस-आधारित रीज़निंग (सीबीआर) प्रणालियाँ अन्य समस्याओं के समानताओं का विश्लेषण करके समस्याओं का समाधान प्रदान करती हैं जिनके लिए ज्ञात समाधान पहले से मौजूद हैं। केस-आधारित तर्क समानता के शीर्ष (सतही) स्तरों का उपयोग करता है; अर्थात्, वस्तु, सुविधा और मूल्य मानदंड। यह सादृश्य तर्क से केस-आधारित तर्क को अलग करता है जिसमें सादृश्य तर्क केवल गहरी समानता मानदंड का उपयोग करता है, जैसे संबंध या यहां तक कि रिश्तों के संबंध, और उथले स्तरों पर समानता नहीं पाते हैं। यह अंतर मामला-आधारित तर्क को केवल उसी डोमेन के मामलों में लागू करता है क्योंकि समान वस्तुएं, विशेषताएं, और/या मान एक ही डोमेन में होने चाहिए, जबकि संबंधों की गहरी समानता मानदंड अनुरूप तर्क को क्रॉस-डोमेन लागू करता है जहां केवल रिश्ते एई मामलों के बीच समान। सीबीआर सिस्टम सामान्यतः ग्राहक/तकनीकी सहायता और कॉल सेंटर परिदृश्यों में उपयोग किए जाते हैं और विनिर्माण, कृषि, चिकित्सा, कानून और कई अन्य क्षेत्रों में अनुप्रयोग होते हैं।
प्रक्रियात्मक तर्क प्रणाली
एक प्रक्रियात्मक तर्क प्रणाली (पीआरएस) प्रक्रियात्मक ज्ञान आधार से योजनाओं का चयन करने के लिए तर्क तकनीकों का उपयोग करती है। प्रत्येक योजना किसी दिए गए लक्ष्य की उपलब्धि के लिए कार्रवाई का प्रतिनिधित्व करती है। पीआरएस दिए गए लक्ष्यों ('इच्छाओं') के लिए उपयुक्त योजनाओं ('इरादों') का चयन करने के लिए तथ्यों ('विश्वासों') पर तर्क करके एक [[विश्वास-इच्छा-इरादा सॉफ्टवेयर मॉडल]] | विश्वास-इच्छा-इरादा मॉडल को लागू करता है। पीआरएस के विशिष्ट अनुप्रयोगों में प्रबंधन, निगरानी और दोष का पता लगाने और अलगाव प्रणाली शामिल हैं।
संदर्भ
- ↑ Wos, Larry; Owerbeek, Ross; Ewing, Lusk; Boyle, Jim (1984). Automated Reasoning: Introductions and Applications. Prentice Hall. p. 4. ISBN 978-0-13-054453-7.
- ↑ Hayes-Roth, Frederick; Waterman, Donald; Lenat, Douglas (1983). बिल्डिंग विशेषज्ञ सिस्टम. AddisonWesley. ISBN 978-0-201-10686-2.
- ↑ Grosof, Benjamin N. (30 December 1997). "Courteous Logic Programs: Prioritized Conflict Handling For Rules" (Postscript). IBM Research Report. RC 20836 (92273).
- ↑ Moses, Yoram; Vardi, Moshe Y; Fagin, Ronald; Halpern, Joseph Y (2003). ज्ञान के बारे में तर्क. MIT Press. ISBN 978-0-262-56200-3.
- ↑ Schalkoff, Robert (2011). Intelligent Systems: Principles, Paradigms and Pragmatics: Principles, Paradigms and Pragmatics. Jones & Bartlett Learning. ISBN 978-0-7637-8017-3.
- ↑ MacGregor, Robert (June 1991). "ज्ञान प्रतिनिधित्व को बढ़ाने के लिए विवरण वर्गीकरण का उपयोग करना". IEEE Expert. 6 (3): 41–46. doi:10.1109/64.87683.
- ↑ Berners-Lee, Tim; Hendler, James; Lassila, Ora (May 17, 2001). "सिमेंटिक वेब वेब सामग्री का एक नया रूप जो कंप्यूटर के लिए सार्थक है, नई संभावनाओं की क्रांति लाएगा". Scientific American. 284 (5): 34–43. doi:10.1038/scientificamerican0501-34. Archived from the original on April 24, 2013.