محرك رسم الخرائط الهيكلية

📅 آخر تحديث: ٣٠ يوليو ٢٠٢٦
✍️ نُشر في: ٣٠ يوليو ٢٠٢٦
الموسوعة الحرة

في مجال الذكاء الاصطناعي والعلوم المعرفية ، يُعدّ محرك رسم الخرائط الهيكلية ( SME ) تطبيقًا برمجيًا لخوارزمية المطابقة التناظرية القائمة على النظرية النفسية لديدري جنتنر . وتقوم فكرة جنتنر لرسم الخرائط الهيكلية على أن التناظر هو ربط المعرفة من مجال (الأساس) إلى مجال آخر (الهدف). ويُحاكي محرك رسم الخرائط الهيكلية عمليات المقارنة التناظرية والتشابهية باستخدام الحاسوب . [ 1 ]

تُعدّ هذه النظرية مفيدة لأنها تتجاهل الخصائص السطحية وتجد أوجه تشابه بين أشياء قد تكون مختلفة تمامًا إذا كانت لها نفس البنية التمثيلية. على سبيل المثال، يمكن لنموذج SME أن يحدد أن القلم يشبه الإسفنجة لأن كليهما يشارك في توزيع السائل، على الرغم من اختلاف طريقة قيامهما بذلك.

نظرية رسم الخرائط الهيكلية

تستند نظرية رسم الخرائط الهيكلية إلى مبدأ المنهجية، الذي ينص على تفضيل المعرفة المترابطة على الحقائق المستقلة. لذا، ينبغي لمحرك رسم الخرائط الهيكلية تجاهل عمليات الربط المعزولة بين المصدر والهدف ما لم تكن جزءًا من بنية أكبر. ووفقًا لهذه النظرية، ينبغي لمحرك رسم الخرائط الهيكلية ربط الكائنات المرتبطة بالمعرفة التي سبق رسم خرائط لها.

تتطلب هذه النظرية أيضًا أن تكون عمليات الربط أحادية ، أي أنه لا يمكن ربط أي جزء من وصف المصدر بأكثر من عنصر واحد في الهدف، ولا يمكن ربط أي جزء من وصف الهدف بأكثر من جزء واحد من المصدر. كما تتطلب النظرية أنه إذا تطابق عنصر ما مع عنصر الهدف، فيجب ربط وسيطي كل من العنصر والهدف. إذا تحققت هاتان الشرطتان، يُقال إن الربط "متسق بنيويًا".

مفاهيم في الشركات الصغيرة والمتوسطة

تُحوّل منهجية SME المعرفة من مصدرها إلى هدفها. وتُطلق SME على كل وصف اسم " مجموعة وصفية" ( dgroup). تحتوي المجموعات الوصفية على قائمة من الكيانات والمسندات . تُمثل الكيانات الأشياء أو المفاهيم في الوصف، مثل ترس إدخال أو مفتاح. أما المسندات، فهي أحد ثلاثة أنواع، وتُمثل طريقة عامة للتعبير عن المعرفة في منهجية SME.

  • تحتوي مُسندات العلاقات على وسائط متعددة، والتي قد تكون مُسندات أخرى أو كيانات. مثال على علاقة: (transmit (what from to)). تحتوي هذه العلاقة على دالة transmit وتأخذ ثلاثة وسائط: what و from و to.
  • خصائص الكيان هي سمات الكيان. مثال على السمة هو (الترس الأحمر)، مما يعني أن الترس يمتلك السمة الحمراء.
  • تُحوّل الدوال الكيان إلى كيان آخر أو إلى قيمة ثابتة. مثال على ذلك الدالة ( مصدر طاقة بالجول ) التي تُحوّل الكيان " مصدر طاقة" إلى القيمة العددية "جول".

تختلف معاني الوظائف والخصائص، وبالتالي تعالجها الشركات الصغيرة والمتوسطة بشكل مختلف. على سبيل المثال، في قواعد القياس الحقيقي للشركات الصغيرة والمتوسطة، تختلف الخصائص عن الوظائف لأنه لا يمكن مطابقتها إلا بوجود مطابقة من الدرجة الأعلى بينهما. سيتم توضيح الفرق بين الخصائص والوظائف بشكل أكبر في أمثلة هذا القسم.

تحتوي جميع الدوال الشرطية على أربعة معايير. (1) دالة تعريفية تُحدد الدالة، و(2) نوع، وهو إما علاقة أو سمة أو دالة. أما المعياران الآخران (3 و4) فيُستخدمان لتحديد كيفية معالجة الوسائط في خوارزمية SME . إذا كان يجب مطابقة الوسائط بالترتيب، فإن خاصية التبادلية تكون خاطئة. وإذا كانت الدالة الشرطية تقبل أي عدد من الوسائط، فإن خاصية N-ary تكون خاطئة. مثال على تعريف دالة شرطية: (sme:defPredicate behavior-set (predicate) relation :n-ary? t :commutative? t). دالة تعريف الدالة الشرطية هي "behavior-set"، ونوعها هو "relation"، ومعاملاتها n-ary وcommutative مُعينة على القيمة true. يُشير جزء "(predicate)" من التعريف إلى وجود دالة شرطية واحدة أو أكثر داخل أي نسخة من behavior-set.

تفاصيل الخوارزمية

تتألف الخوارزمية من عدة خطوات. [ 2 ] تتمثل الخطوة الأولى في إنشاء مجموعة من فرضيات المطابقة بين مجموعات البيانات المصدر والهدف. تمثل فرضية المطابقة ربطًا محتملاً بين أي جزء من المصدر والهدف. ويتم التحكم في هذا الربط بواسطة مجموعة من قواعد المطابقة. بتغيير قواعد المطابقة، يمكن تغيير نوع الاستدلال الذي يقوم به نظام SME. على سبيل المثال، قد تُجري إحدى مجموعات قواعد المطابقة نوعًا من القياس يُسمى التشابه الحرفي، بينما تُجري مجموعة أخرى نوعًا من القياس يُسمى القياس الحقيقي. لا تُعد هذه القواعد مكانًا لإضافة معلومات خاصة بالمجال، بل هي المكان الذي يتم فيه تعديل عملية القياس ، وذلك بناءً على نوع الوظيفة المعرفية التي يحاول المستخدم محاكاتها.

بالنسبة لقاعدة مطابقة معينة، يوجد نوعان من القواعد التي تحدد كيفية تطبيقها: قواعد التصفية وقواعد التداخل. تستخدم قواعد التداخل فقط وسائط التعبيرات في فرضيات المطابقة التي تحددها قواعد التصفية. هذا القيد يجعل المعالجة أكثر كفاءة من خلال الحد من عدد فرضيات المطابقة المُولَّدة. في الوقت نفسه، يساعد أيضًا في بناء الاتساقات الهيكلية اللازمة لاحقًا في الخوارزمية. مثال على قاعدة تصفية من مجموعة قواعد التناظر الحقيقي: تُنشئ فرضيات مطابقة بين المسندات التي لها نفس الدالة. تحتوي مجموعة قواعد التناظر الحقيقي على قاعدة تداخل تتكرر على وسائط أي فرضية مطابقة، مُنشئةً المزيد من فرضيات المطابقة إذا كانت الوسائط كيانات أو دوال، أو إذا كانت الوسائط سمات ولها نفس الدالة.

لتوضيح كيفية إنتاج قواعد المطابقة لفرضيات المطابقة، ضع في اعتبارك هذين المسندين:

transmit torque inputgear secondgear (p1)

transmit signal switch div10 (p2)

هنا نستخدم القياس الحقيقي لوصف نوع الاستدلال. تُنشئ قاعدة مطابقة المرشح تطابقًا بين p1 و p2 لأنهما يشتركان في نفس الدالة، وهي الإرسال. ثم تُنتج القواعد الداخلية ثلاث فرضيات مطابقة إضافية: عزم الدوران للإشارة، وترس الإدخال للمفتاح، والترس الثاني للقسمة 10. وقد أنشأت القواعد الداخلية هذه الفرضيات لأن جميع الوسائط كانت كيانات.

إذا كانت الوسائط عبارة عن دوال أو سمات بدلاً من كيانات، فسيتم التعبير عن المسندات على النحو التالي:

transmit torque (inputgear gear) (secondgear gear) (p3)

transmit signal (switch circuit) (div10 circuit) (p4)

تُحوّل هذه المُسندات الإضافية وظائف أو خصائص inputgear وsecondgear وswitch وdiv10 بناءً على القيمة المُحددة في ملف إدخال اللغة. كما يحتوي التمثيل على كيانات إضافية للتروس والدوائر.

تختلف معاني عناصر الإدخال (inputgear، secondgear، switch، و div10) باختلاف أنواعها. فكل عنصر منها، كخاصية، يمثل سمة من سمات الترس أو الدائرة. على سبيل المثال، للترس خاصيتان: inputgear و secondgear، وللدائرة خاصيتان: switch و circuit. أما كدوال، فتصبح عناصر الإدخال (inputgear، secondgear، switch، و div10) كميات خاصة بالترس والدائرة. في هذا المثال، تُقابل الدالتان inputgear و secondgear الكميتين العدديتين "عزم الدوران من inputgear" و "عزم الدوران من secondgear". أما بالنسبة للدائرة، فتُقابل الكميتان الكمية المنطقية "تشغيل المفتاح" والكمية العددية "العدد الحالي على عداد القسمة على 10".

تُعالج الشركات الصغيرة والمتوسطة هذه البيانات بشكل مختلف. فهي لا تسمح بتطابق السمات إلا إذا كانت جزءًا من علاقة ذات مستوى أعلى، ولكنها تسمح بتطابق الدوال، حتى لو لم تكن جزءًا من هذه العلاقة. ويعود ذلك إلى أن الدوال تُشير بشكل غير مباشر إلى الكيانات، وبالتالي يجب معاملتها كعلاقات لا تتضمن كيانات. مع ذلك، وكما يُبين القسم التالي، تُعطي القواعد الداخلية أوزانًا أقل للتطابقات بين الدوال مقارنةً بالتطابقات بين العلاقات.

السبب في عدم قيام نظام إدارة المعلومات المترابطة (SME) بمطابقة السمات هو سعيه إلى بناء معرفة مترابطة قائمة على العلاقات، وبالتالي تحقيق مبدأ المنهجية. على سبيل المثال، إذا كانت كل من الساعة والسيارة تشتركان في سمة "التروس المدخلة"، فلن يصنفهما نظام إدارة المعلومات المترابطة على أنهما متشابهتان. فلو فعل ذلك، لكان سيطابق الساعة والسيارة بناءً على مظهرهما فقط، وليس على العلاقات بينهما.

عندما تكون المسندات الإضافية في p3 و p4 دوالًا، فإن نتائج مطابقة p3 و p4 تكون مشابهة لنتائج مطابقة p1 و p2، باستثناء وجود مطابقة إضافية بين الترس والدائرة، وانخفاض قيم فرضيات المطابقة بين (ترس الإدخال) و(دائرة التبديل)، و(ترس الترس الثاني) و(دائرة القسمة 10). يشرح القسم التالي سبب ذلك بمزيد من التفصيل.

إذا كانت عناصر inputgear وsecondgear وswitch وdiv10 عبارة عن سمات وليست كيانات، فلن يجد برنامج SME أي تطابق بين السمات. سيجد تطابقات فقط بين مُسندات الإرسال وبين عزم الدوران والإشارة. بالإضافة إلى ذلك، تنخفض درجات التقييم الهيكلي للتطابقين المتبقيين. وللحصول على تطابق بين المُسندين، يجب استبدال p3 بـ p5، كما هو موضح أدناه.

transmit torque (inputgear gear) (div10 gear) (p5)

بما أن مجموعة قواعد التناظر الحقيقي تحدد أن سمات div10 هي نفسها بين p5 و p4 ولأن سمات div10 هي جزء من مطابقة العلاقة الأعلى بين عزم الدوران والإشارة، فإن SME يقوم بمطابقة بين (ترس div10) و (دائرة div10) - مما يؤدي إلى مطابقة بين الترس والدائرة.

لا يُشترط أن يكون العنصر جزءًا من تطابق من الدرجة الأعلى إلا بالنسبة للسمات. على سبيل المثال، إذا لم يكن (div10 gear) و(div10 circuit) جزءًا من تطابق من الدرجة الأعلى، فلن يُنشئ SME فرضية تطابق بينهما. مع ذلك، إذا كان div10 دالة أو علاقة، فسيُنشئ SME تطابقًا.

درجة التقييم الهيكلي

بعد توليد فرضيات المطابقة، يحتاج نظام إدارة المشاريع (SME) إلى حساب درجة تقييم لكل فرضية. ويتم ذلك باستخدام مجموعة من قواعد المطابقة الداخلية لحساب الأدلة الإيجابية والسلبية لكل مطابقة. يتم ربط كميات متعددة من الأدلة باستخدام قاعدة دمبستر [Shafer، 1978]، مما ينتج عنه قيم اعتقاد إيجابية وسلبية تتراوح بين 0 و1. تُعيّن قواعد المطابقة قيمًا مختلفة للمطابقات التي تتضمن دوالًا وعلاقات. هذه القيم قابلة للبرمجة، وقد وُصفت بعض القيم الافتراضية التي يمكن استخدامها لفرض مبدأ الانتظام في [Falkenhainer et al.، 1989].

هذه القواعد هي:

  1. إذا لم تكن الدالة المصدر والدالة الهدف دالتين، وكان لهما نفس الترتيب، فإن التطابق يحصل على +0.3 دليل. أما إذا كان الترتيبان متقاربين (بفارق لا يتجاوز 1)، فإن التطابق يحصل على +0.2 دليل و-0.05 دليل.
  2. إذا كان المصدر والهدف لهما نفس الدالة، فإن التطابق يحصل على 0.2 دليل إذا كان المصدر دالة و 0.5 إذا كان المصدر علاقة.
  3. إذا تطابقت الوسائط، يُضاف إلى التطابق 0.4 من الأدلة. قد تتطابق الوسائط إذا كانت جميع أزواج الوسائط بين المصدر والهدف كيانات، أو إذا كانت الوسائط لها نفس الدوال، أو إذا لم يكن الهدف كيانًا والمصدر ليس كذلك.
  4. إذا تطابق نوع المسند، ولكن العناصر الموجودة في المسند لا تتطابق، فإن التطابق يحصل على -0.8 دليل.
  5. إذا كانت تعبيرات المصدر والهدف جزءًا من مطابقة من الدرجة الأعلى، فأضف 0.8 من الأدلة على المطابقة من الدرجة الأعلى.

في مثال التطابق بين p1 و p2، يُعطي برنامج SME قيمة دليل إيجابية قدرها 0.7900 للتطابق بين علاقات الإرسال، بينما تُعطي قيمًا قدرها 0.6320 للعلاقات الأخرى. تحصل علاقة الإرسال على قيمة الدليل 0.7900 لأنها تستفيد من الأدلة المُستمدة من القواعد 1 و3 و2. أما العلاقات الأخرى، فتحصل على قيمة 0.6320 لأن 0.8 من الدليل المُستمد من علاقة الإرسال ينتقل إليها وفقًا للقاعدة 5.

بالنسبة للمسندين p3 و p4، يُخصص SME دليلاً أقل لأن وسائط علاقات الإرسال عبارة عن دوال. تحصل علاقة الإرسال على دليل إيجابي قدره 0.65 لأن القاعدة 3 لم تعد تضيف دليلاً. يصبح التطابق بين (جهاز الإدخال) و(دائرة التبديل) 0.7120. يحصل هذا التطابق على دليل قدره 0.4 بسبب القاعدة 3، ودليل قدره 0.52 مُستمد من علاقة الإرسال بسبب القاعدة 5.

عندما تكون المسندات في p3 و p4 سمات، فإن القاعدة 4 تضيف -0.8 دليلًا إلى مطابقة الإرسال لأنه - على الرغم من تطابق الدوال في علاقة الإرسال - فإن الوسائط ليس لديها القدرة على التطابق والوسائط ليست دوالًا.

باختصار، تحسب قواعد مطابقة المتدربين درجة تقييم هيكلي لكل فرضية مطابقة. وتُعزز هذه القواعد مبدأ المنهجية. تُقدم القاعدة 5 أدلة متدرجة لتعزيز المطابقات التي تتضمن علاقات من الرتبة العليا. تُضيف القواعد 1 و3 و4 أو تُقلل الدعم للعلاقات التي قد تحتوي على وسائط مطابقة. تُضيف القاعدة 2 الدعم للحالات التي تتطابق فيها الدوال، وبالتالي تُضيف دعمًا للمطابقات التي تُؤكد على العلاقات.

تُرسّخ القواعد أيضًا التمييز بين السمات والوظائف والعلاقات. فعلى سبيل المثال، تتضمن فحوصات تُقدّم أدلة أقلّ على الوظائف مقارنةً بالعلاقات. لا تتناول قواعد المطابقة الداخلية السمات بشكلٍ مُفصّل، لكن قواعد التصفية الخاصة بـ SME تضمن عدم أخذها في الاعتبار إلا إذا كانت جزءًا من علاقة من رتبة أعلى، وتضمن القاعدة الثانية مطابقة السمات فقط إذا كانت لها دوال متطابقة.

إنشاء خرائط جوجل

يُعنى الجزء المتبقي من خوارزمية SME بإنشاء مجموعات متسقة قدر الإمكان من فرضيات المطابقة. تُسمى هذه المجموعات خرائط gmaps. يجب على SME ضمان اتساق بنية أي خرائط gmaps تُنشئها؛ أي أن تكون هذه الخرائط أحادية التطابق، بحيث لا يرتبط أي مصدر بأكثر من هدف، ولا يرتبط أي هدف بأكثر من مصدر. كما يجب أن تتمتع خرائط gmaps بدعم، بمعنى أنه إذا كانت فرضية مطابقة موجودة في خريطة gmap، فإن فرضيات المطابقة التي تتضمن عناصر المصدر والهدف ستكون موجودة أيضًا.

تتبع عملية إنشاء gmap خطوتين. أولاً، يقوم SME بحساب معلومات حول كل فرضية مطابقة - بما في ذلك تعيينات الكيانات، وأي تعارضات مع الفرضيات الأخرى، وما هي فرضيات المطابقة الأخرى التي قد تكون غير متسقة هيكليًا معها.

تستخدم SME هذه المعلومات لدمج فرضيات المطابقة، وذلك باستخدام خوارزمية جشعة ودرجة التقييم الهيكلي. تدمج فرضيات المطابقة في رسوم بيانية متصلة متسقة هيكليًا قدر الإمكان. ثم تجمع الرسوم البيانية المتصلة ذات البنية المتداخلة إذا كانت متسقة هيكليًا. وأخيرًا، تجمع الرسوم البيانية المتصلة المستقلة معًا مع الحفاظ على الاتساق الهيكلي.

قد ينتج عن مقارنة مصدر بمجموعة بيانات مستهدفة خريطة واحدة أو أكثر من خرائط gmap. يُمثل وزن كل خريطة gmap مجموع قيم الأدلة الإيجابية لجميع فرضيات التطابق المُتضمنة في الخريطة. على سبيل المثال، إذا تمت مقارنة مصدر يحتوي على p1 وp6 أدناه، بمجموعة بيانات مستهدفة تحتوي على p2، فسيُنشئ برنامج SME خريطتين gmap. يبلغ وزن كلتا الخريطتين 2.9186.

مصدر:

transmit torque inputgear secondgear (p1)

transmit torque secondgear thirdgear (p6)

هدف: transmit signal switch div10 (p2)

هذه هي خرائط gmaps الناتجة عن مقارنة مصدر يحتوي على p1 و p6 وهدف يحتوي على p2.

الخريطة رقم 1:

(إشارة عزم الدوران) (مفتاح إدخال التروس) (الترس الثاني - القسم 10) (*TRANSMIT-TORQUE-INPUTGEAR-SECONDGEAR *TRANSMIT-SIGNAL-SWITCH-DIV10)

خريطة جوجل رقم 2 :

(إشارة عزم الدوران) (مفتاح الترس الثاني) (THIRDGEAR DIV10) (*TRANSMIT-TORQUE-SECONDGEAR-THIRDGEAR *TRANSMIT-SIGNAL-SWITCH-DIV10)

تُظهر خرائط gmaps أزواجًا من المسندات أو الكيانات المتطابقة. على سبيل المثال، في خريطة gmap رقم 1، يتطابق الكيانان torque و signal ، كما يتطابق السلوكان transmit torque inputgear secondgear و transmit signal switch div10. تمثل خريطة gmap رقم 1 دمج p1 و p2. وتمثل خريطة gmap رقم 2 دمج p1 و p6. على الرغم من أن p2 متوافق مع كل من p1 و p6، إلا أن قيد التعيين الواحد لواحد يفرض عدم إمكانية وجود كلا التعيينين في نفس خريطة gmap. لذلك، يُنتج SME خريطتي gmap مستقلتين. بالإضافة إلى ذلك، سيؤدي دمج الخريطتين معًا إلى تعارض تعيينات الكيانات بين thirdgear و div10 مع تعيين الكيانات بين secondgear و div10.

الانتقادات

انتقد تشالمرز وفرينش وهوفستادتر [1992] منهجية SME لاعتمادها على تمثيلات LISP المُنشأة يدويًا كمدخلات. وجادلوا بأن بناء هذه التمثيلات يتطلب قدرًا كبيرًا من الإبداع البشري؛ فالذكاء ينبع من تصميم المدخلات، وليس من منهجية SME نفسها. حاول فوربوس وآخرون [1998] دحض هذا النقد. وحاول موريسون وديتريش [1995] التوفيق بين وجهتي النظر. يقدم تورني [2008] خوارزمية لا تتطلب مدخلات LISP، ومع ذلك فهي تتبع مبادئ نظرية رسم الخرائط الهيكلية. ويشير تورني [2008] إلى أن عملهم أيضًا ليس بمنأى عن نقد تشالمرز وفرينش وهوفستادتر [1992].

في مقالها "كيف تتشكل الأفكار الإبداعية" [ 3 ]، كتبت ليان غابورا: "وفقًا لنظرية صقل الإبداع، لا يعتمد التفكير الإبداعي على تمثيلات فردية منفصلة ومحددة مسبقًا، بل على مزيج من العناصر التي تنشأ من السياق، والتي توجد في حالة من الإمكانية، وقد لا تكون قابلة للفصل بسهولة. وهذا يقود إلى التنبؤ بأن عملية بناء التشبيه لا تتم عن طريق رسم خرائط للتطابقات من المصادر المحتملة إلى الهدف، كما تنبأت به نظرية رسم خرائط البنية للتشبيه، بل عن طريق استبعاد التطابقات غير المتطابقة، وبالتالي تقليص الإمكانية."

مراجع

  1. ↑ "رسم الخرائط الهيكلية: نموذج حاسوبي للتشابه والتماثل" . جامعة نورث وسترن . تم الاطلاع عليه بتاريخ 16 يناير 2012 .
  2. ↑ برايان فالكنهاينر؛ كينيث د. فوربوس؛ ديدري جنتنر (1989). "محرك رسم الخرائط الهيكلية: الخوارزمية والأمثلة" (ملف PDF) . الذكاء الاصطناعي . 41 : 1-63 . CiteSeerX 10.1.1.26.6432 . doi : 10.1016/0004-3702(89)90077-5 . تاريخ الاسترجاع: 16 يناير 2012 . 
  3. ↑ غابورا، ليان (2015). "كيف تتشكل الأفكار الإبداعية". arXiv : 1501.04406 [ q-bio.NC ].

للمزيد من القراءة