الاستدلال (علوم الحاسوب)

الموسوعة الحرة

في مجال التحسين الرياضي وعلوم الحاسوب ، تُعدّ الاستدلالية (من اليونانية εὑρίσκω eurísko بمعنى "أجد، أكتشف" [ 1 ] ) تقنية مصممة لحل المشكلات بسرعة أكبر عندما تكون الطرق التقليدية بطيئة جدًا في إيجاد حل دقيق أو تقريبي، أو عندما تفشل الطرق التقليدية في إيجاد أي حل دقيق في فضاء البحث . ويتحقق ذلك من خلال التضحية بالأمثلية أو الشمولية أو الدقة أو الضبط مقابل السرعة. ويمكن اعتبارها، بطريقة ما، اختصارًا.

الدالة الاستدلالية ، أو ببساطة الدالة الاستدلالية ، هي دالة تُرتّب البدائل في خوارزميات البحث عند كل خطوة تفرع بناءً على المعلومات المتاحة لتحديد الفرع الذي يجب اتباعه. على سبيل المثال، قد تُقارب الحل الدقيق. [ 2 ]

التعريف والدافع

يهدف الأسلوب الاستدلالي إلى إيجاد حلٍّ مناسب للمشكلة المطروحة خلال فترة زمنية معقولة. قد لا يكون هذا الحل هو الأمثل بين جميع الحلول، أو قد يكون مجرد حلٍّ تقريبي. لكنه يظلّ ذا قيمة لأن إيجاده لا يتطلب وقتاً طويلاً.

قد تنتج الطرق الاستدلالية نتائج من تلقاء نفسها، أو قد يتم استخدامها بالاقتران مع خوارزميات التحسين لتحسين كفاءتها (على سبيل المثال، يمكن استخدامها لتوليد قيم أولية جيدة).

إن النتائج المتعلقة بصعوبة NP في علوم الحاسوب النظرية تجعل الأساليب الاستدلالية الخيار الوحيد القابل للتطبيق لمجموعة متنوعة من مشاكل التحسين المعقدة التي يجب حلها بشكل روتيني في تطبيقات العالم الحقيقي.

تُشكل الأساليب الاستدلالية أساس مجال الذكاء الاصطناعي بأكمله ومحاكاة التفكير بواسطة الحاسوب، حيث يمكن استخدامها في المواقف التي لا توجد فيها خوارزميات معروفة . [ 3 ]

أمثلة

مشكلة أبسط

تتمثل إحدى طرق تحقيق مكاسب الأداء الحسابي المتوقعة من طريقة الاستدلال في حل مشكلة أبسط يكون حلها أيضًا حلاً للمشكلة الأولية.

مشكلة البائع المتجول

يقدم جون بنتلي مثالاً على التقريب لحل مسألة البائع المتجول (TSP):

  • "إذا كانت لدينا قائمة بالمدن والمسافات بين كل زوج من المدن، فما هو أقصر مسار ممكن يمر بكل مدينة مرة واحدة بالضبط ويعود إلى مدينة الأصل؟"

وذلك لاختيار ترتيب الرسم باستخدام راسمة القلم . من المعروف أن مسألة البائع المتجول (TSP) من المسائل الصعبة حسابيًا (NP-hard)، لذا فإن إيجاد حل أمثل حتى لمسألة متوسطة الحجم أمرٌ صعب. بدلاً من ذلك، يمكن استخدام الخوارزمية الجشعة لإعطاء حل جيد، وإن لم يكن أمثل (فهو تقريب للإجابة المثلى)، في وقت قصير نسبيًا. تنص قاعدة الخوارزمية الجشعة على اختيار أفضل خطوة تالية حاليًا، بغض النظر عما إذا كان ذلك يمنع (أو حتى يجعل) خطوات جيدة لاحقًا. وهي قاعدة استدلالية بمعنى أن الممارسة تشير إلى أنها حل جيد بما فيه الكفاية، بينما تشير النظرية إلى وجود حلول أفضل (بل وتحدد مدى تفوقها في بعض الحالات). [ 4 ]

مثال آخر على استخدام الأساليب الاستدلالية لتسريع الخوارزمية يظهر في بعض مسائل البحث. في البداية، يجرب الأسلوب الاستدلالي كل الاحتمالات في كل خطوة، كما هو الحال في خوارزمية البحث في الفضاء الكامل. لكنه يستطيع إيقاف البحث في أي وقت إذا كان الاحتمال الحالي أسوأ من أفضل حل تم التوصل إليه. في مثل هذه المسائل، يمكن استخدام الأسلوب الاستدلالي لتجربة الخيارات الجيدة أولًا، ما يسمح باستبعاد المسارات السيئة مبكرًا (انظر تقليم ألفا-بيتا ). في حالة خوارزميات البحث الأفضل أولًا ، مثل خوارزمية البحث A* ، يُحسّن الأسلوب الاستدلالي تقارب الخوارزمية مع الحفاظ على صحتها طالما كان الأسلوب الاستدلالي مقبولًا .

نيويل وسيمون: فرضية البحث الاستدلالي

في خطاب قبول جائزة تورينج ، ناقش ألين نيويل وهربرت أ. سيمون فرضية البحث الاستدلالي: يقوم نظام الرموز الفيزيائية بتوليد وتعديل هياكل الرموز المعروفة بشكل متكرر حتى يتطابق الهيكل المُنشأ مع هيكل الحل. تعتمد كل خطوة لاحقة على الخطوة السابقة لها، وبالتالي يتعلم البحث الاستدلالي المسارات التي يجب اتباعها وتلك التي يجب تجاهلها من خلال قياس مدى قرب الخطوة الحالية من الحل. لذلك، لن يتم توليد بعض الاحتمالات أبدًا لأنها تُقاس على أنها أقل احتمالًا لإكمال الحل.

يمكن للطريقة الاستدلالية إنجاز مهمتها باستخدام أشجار البحث. ومع ذلك، فبدلاً من توليد جميع فروع الحلول الممكنة، تختار الطريقة الاستدلالية الفروع التي يُرجح أن تُنتج نتائج أكثر من غيرها. وهي انتقائية عند كل نقطة قرار، حيث تختار الفروع التي يُرجح أن تُنتج حلولاً. [ 5 ]

الخوارزميات الاستدلالية الشائعة في الذكاء الاصطناعي

تعتبر الأساليب الاستدلالية أساسية للعديد من خوارزميات البحث المستنيرة وتقنيات التحسين للذكاء الاصطناعي: [ 6 ]

  • خوارزمية البحث A* : تُعدّ خوارزمية البحث A* من أكثر تقنيات البحث الاستدلالي شيوعًا، وذلك لقدرتها على إيجاد الحلول المثلى بكفاءة. تجمع خوارزمية A* بين تكلفة المسار الفعلية والتقدير الاستدلالي للتكلفة المتبقية للوصول إلى الهدف.
  • البحث الجشع الأفضل أولاً : تقوم هذه الخوارزمية بتوسيع العقدة الأقرب إلى الهدف بناءً على الدالة الاستدلالية (h(n)) فقط، دون مراعاة تكلفة المسار حتى الآن. وهي سريعة ولكنها لا تضمن الحل الأمثل.
  • خوارزمية تسلق التلال : هي خوارزمية بحث محلية تنتقل بشكل متكرر من الحالة الحالية إلى حالة مجاورة أفضل. تتميز بسهولة تطبيقها، ولكنها قد تتعثر في الحلول المثلى المحلية (حلول دون المستوى الأمثل، أفضل من جيرانها المباشرين ولكنها ليست الأفضل على الإطلاق). تُستخدم دالة هدف (مثل دالة التدرج في الفضاءات المتصلة) لتحديد الاتجاه.
  • التلدين المحاكي : هو أسلوب بحث استدلالي يستكشف فضاء البحث من خلال قبول حلول أقل جودة أحيانًا لتجنب الوقوع في الحلول القصوى المحلية. مستوحى من عملية التلدين في علم المعادن، يقلل هذا الأسلوب تدريجيًا من احتمالية قبول الحلول الأقل جودة مع تقدم البحث. من خلال السماح باستكشاف الحلول دون المستوى الأمثل، يستطيع التلدين المحاكي تجاوز الحلول القصوى المحلية وإيجاد حل أفضل بشكل عام. يُستخدم عادةً في مسائل التحسين التي يكون فيها فضاء البحث كبيرًا ومعقدًا.
  • الخوارزميات الجينية : هذه الخوارزميات مستوحاة من الانتقاء الطبيعي، وتستخدم عمليات مثل الانتقاء والتهجين والطفرة لتطوير مجموعة من الحلول المرشحة على مر الأجيال.
  • تحسين مستعمرات النمل : طريقة ذكاء جماعي مستوحاة من الطريقة التي يجد بها النمل مسارات إلى مصادر الغذاء، باستخدام "الفيرومونات" الاصطناعية لتوجيه البحث.

برامج مكافحة الفيروسات

تستخدم برامج مكافحة الفيروسات غالبًا قواعد استدلالية للكشف عن الفيروسات وأنواع البرامج الضارة الأخرى . يبحث الفحص الاستدلالي عن أنماط برمجية و/أو سلوكية مشتركة بين فئة أو عائلة من الفيروسات، مع وجود مجموعات قواعد مختلفة لكل فيروس. إذا وُجد أن ملفًا أو عملية قيد التنفيذ تحتوي على أنماط برمجية متطابقة و/أو تقوم بتلك الأنشطة، يستنتج الماسح الضوئي أن الملف مصاب. تكمن الميزة الأبرز للفحص الاستدلالي القائم على السلوك في قدرته على العمل ضد الفيروسات متعددة الأشكال (الفيروسات ذاتية التعديل/الطفرة ) ذات العشوائية العالية، والتي يصعب اكتشافها باستخدام طرق فحص السلاسل النصية البسيطة. يتمتع الفحص الاستدلالي بإمكانية اكتشاف الفيروسات المستقبلية دون الحاجة إلى اكتشاف الفيروس أولًا في مكان آخر، ثم إرساله إلى مطور برنامج مكافحة الفيروسات، وتحليله، وتزويد مستخدميه بتحديث للكشف.

المخاطر

تستند بعض الطرق الاستدلالية إلى نظرية أساسية متينة؛ فهي إما مستمدة من النظرية بطريقة تنازلية، أو تُستنتج بناءً على بيانات تجريبية أو من الواقع. بينما تعتمد طرق أخرى على قواعد عامة مبنية على الملاحظة أو الخبرة العملية دون أي أساس نظري. وتُعدّ هذه الأخيرة أكثر عرضةً للمخاطر.

عندما يتم إعادة استخدام أسلوب استدلالي في سياقات مختلفة لأنه قد تم اعتباره "فعالاً" في سياق واحد، دون أن يتم إثباته رياضياً على أنه يلبي مجموعة معينة من المتطلبات، فمن المحتمل ألا تمثل مجموعة البيانات الحالية بالضرورة مجموعات البيانات المستقبلية (انظر: التجاوز ) وأن "الحلول" المزعومة تتحول إلى ما يشبه الضوضاء.

يمكن إجراء التحليل الإحصائي عند استخدام الطرق الاستدلالية لتقدير احتمالية النتائج غير الصحيحة. لاستخدام طريقة استدلالية لحل مشكلة بحث أو مشكلة حقيبة ظهر ، من الضروري التحقق من أن هذه الطريقة مقبولة . بافتراض دالة استدلاليةح(vأنا،vز){\displaystyle h(v_{i},v_{g})}يهدف إلى تقريب المسافة المثلى الحقيقيةد⋆(vأنا،vز){\displaystyle d^{\star }(v_{i},v_{g})}إلى عقدة الهدفvز{\displaystyle v_{g}}في رسم بياني موجهجي{\displaystyle G}يحتوي علىن{\displaystyle n}إجمالي العقد أو الرؤوس المصنفةv0،v1،⋯،vن{\displaystyle v_{0},v_{1},\cdots ,v_{n}}تعني كلمة "مقبول" تقريبًا أن الأسلوب الاستدلالي يقلل من تقدير تكلفة تحقيق الهدف، أو بشكل رسمي أنح(vأنا،vز)≤د⋆(vأنا،vز){\displaystyle h(v_{i},v_{g})\leq d^{\star }(v_{i},v_{g})}للجميع​(vأنا،vز){\displaystyle (v_{i},v_{g})}أينأنا،ز∈[0،1،...،ن]{\displaystyle {i,g}\in [0,1,...,n]}.

إذا لم يكن الأسلوب الاستدلالي مقبولاً، فقد لا يصل أبدًا إلى الهدف، إما بالوصول إلى طريق مسدود في الرسم البياني.جي{\displaystyle G}أو عن طريق التنقل ذهابًا وإيابًا بين عقدتينvأنا{\displaystyle v_{i}}وvج{\displaystyle v_{j}}أينأنا،ج≠ز{\displaystyle {i,j}\neq g}.

أصل الكلمة

شاع استخدام كلمة "heuristic" في أوائل القرن التاسع عشر. وهي مشتقة بشكل غير منتظم من الكلمة اليونانية heuriskein ، والتي تعني "إيجاد". [ 7 ]

انظر أيضاً

مراجع

  1. ↑ "الأسلوب الاستدلالي" . 7 أبريل 2025.
  2. ↑ بيرل، جوديا (1984). الاستدلالات: استراتيجيات بحث ذكية لحل مشكلات الحاسوب . الولايات المتحدة: شركة أديسون-ويسلي للنشر، ريدينغ، ماساتشوستس. ص 3. OSTI 5127296 .  
  3. ↑ أبتر، مايكل ج. (1970). محاكاة السلوك بالحاسوب . لندن: هاتشينسون وشركاه. ص 83. ISBN  9781351021005.
  4. ↑ جون لويس بنتلي (1982). كتابة برامج فعالة . برنتيس هول. ص 11 . 
  5. ↑ ألين نيويل وهربرت أ. سيمون (1976). "علم الحاسوب كبحث تجريبي: الرموز والبحث" (ملف PDF) . مجلة الاتصالات ACM . 19 (3): 113-126 . doi : 10.1145/360018.360022 . S2CID 5581562 . 
  6. ↑ "البحث المحلي" . CS 188: مقدمة في الذكاء الاصطناعي . جامعة كاليفورنيا، بيركلي . تم الاطلاع عليه بتاريخ 19 يناير 2026 .
  7. ↑ "تعريف الاستدلال في اللغة الإنجليزية" . مطبعة جامعة أكسفورد. مؤرشف من الأصل في 23 أكتوبر 2016. تم الاطلاع عليه في 22 أكتوبر 2016 .