KARAR DESTEK SİSTEMLERİ - Deneme Sınavı - 1

Kurumsal raporlama sistemlerinin bileşenleri, her işletme için farklılık göstermekle beraber Veri göçerimi (extract, transform, load-ETL) aşamasında verilerin kalite ve formata uygunluğu denetlenir ve düzenlenir.

Gösterge panelleri; kurumların yönetim ve denetim niteliği taşıyan önemli bilgilerini, öncelikle anahtar performans göstergelerini, tek bir ekran üzerinde görüntüleyen, bir bakışta anlaşılabilirliği olan, gerektiğinde ayrıntıların da görüntülenmesini destekleyen ve göze hitap eden ekran sunumlarıdır. Hedef yönetimleri ve ait oldukları sektörler farklı olsa da performans gösterge panellerinin ortak özelliklerinden bazıları şunlardır: • Görselleştirme araçlarından yararlanmaları, • Kullanımının çok kolay olması ve olabildiğince bak-ve-hisset (look-and-feel) özelliği
taşımaları, • Farklı veri kaynaklarından gelen bilgilerden yararlanabilmeleri, • Paneldeki bilgilerin ayrıntılarına inebilmeyi (drill-down) desteklemeleri.

İki-amacın birlikte gözetildiği optimizasyon tabanlı bir karar destek sistemi geliştirilirken bir karar vericinin tercihlerini her iki amacın tatmin edilme düzeylerine göre yapması beklenir. Dolayısı ile karar vericiye pareto-optimal çözümlerin bir listesi sunulmalıdır. Sayısal değerlerin değerlendirilmesi, grafiksel gösterimlere göre bazı yönlerden daha güç olur. Böyle bir durumda, bir pareto-optimal çözümler listesinin yanında grafiksel bir gösterim de faydalı olacaktır. Bu listelerin veya grafiğin oluşturulması için bir dizi koşullu optimizasyon uygulanması gerekir. Koşullara esas olan aralıklar ne kadar dar olursa elde edilen listenin pareto optimum çözümleri türetme olasılığı o kadar artar.

Yapılandırılmış veri madenciliği: Yaygın olarak sorgular ve istatistiksel analizlerle ele alınabilen veri madenciliği problemleridir. Hangi veri setlerinin hangi yöntemlerle işleneceği bellidir. Karar vericinin tasarım aşaması dışında sistemle ilişkisi yoktur. Betimleyici istatistikler, SQL sorguları, çevrimiçi analitik işleme (OLAP), korelasyon ve varyans analizi buna örnek olarak verilebilir. Süreç otomatikleştirilmeye uygun olarak tasarlanabilir. Ağırlıklı olarak nispeten basit hipotez yönelimli veri madenciliği çalışmalarına yöneliktir.

Gürbüzlük: Verilerin kirli ve eksik veriye sahip olması halinde doğru sınıflandırmanın yapılabilmesidir.

Genetik Algoritmanın Adımları
A.1 Başlatma: Belirli bir sayıda rassal kromozomlardan bir popülasyon oluştur. En fazla koşulacak iterasyon (jenerasyon) sayısını belirle.
A.2 Değerlendirme: Kromozomların uyum değerlerini hesapla.
A.3 Durma: En fazla koşulacak iterasyon sayısı aşıldı ise dur. Aksi halde A.4’e git.
A.4 Seçim ve kopyalama: Kromozomlardan incelemeye değer olmayanları sil. Mevcut kromozomlardan katkısının daha fazla olacağı düşünülenlerin kopyalarını türet.
A.5 Çaprazlama: Mevcut çözümlerin kendi aralarında eşleştirilmesine ve bazı parçalarını birbirlerine aktararak daha iyi çözümlerin oluşmasına zemin hazırla.
A.6 Mutasyon: Kromozomda rassal değişiklikler yaparak daha iyi özelliklerin dolayısı ile daha iyi çözümlerin keşfedilmesine fırsat ver. A.2’ye dön.

Sürdürülebilir kurumsal zekâ için gerekli yaklaşımlar;

Yöntembilgisi Yönetimi

Metasezgisel Yöntemler

Yapay Zekâ

Uzman Sistemlerdir.

Bir şirket düşünün ki dünya çapında 450.000 çalışanı ile mühendislik ve teknolojiye dayalı ürün ve hizmetleri üretip sunuyor olsun. Her çalışanın işi konusunda edindiği deneyimini diğerleriyle paylaşabilmesi nasıl ve ne dereceye kadar mümkün olabilir? Eğer bu başarılırsa ne tür bir ekonomik katma değer yaratılabilir? Bu ekonomik değerin peşine düşen dev bir firma, çalışanlarının faydalı bilgileri yükleyebilecekleri bir bilgi dolabı (knowledge repository), konuyu tartışabilmeleri için bir sohbet odası (chat room) ve herhangi bir konuda yöntembilgisine erişebilmeleri için bir arama motoru kurarak yöntembilgisi
paylaşımını başarmak istiyor. Acil istekler sistemde görüntüleniyor. Çalışanların görüş ve deneyimlerini paylaşmaları için bazı basit teşvikler uygulanıyor. İşletmede kültürel bir dönüşüm yaşanıyor. Tüm bu çabalar sonunda ortaya web-tabanlı bir yöntembilgisi yönetim sistemi çıkıyor.

Sanal iletişim ve işbirliği ortamı: Moodle, katılımcıların kimlik (isim, resim vb.)
ve iletişim (e-posta vb.) bilgilerini saklama, paylaşma, güncelleme ve amaca
uygun olarak karşılıklı kullandırma ile bir sanal iletişim ve işbirliği ortamı (öğretim kurumları için bu bir sanal sınıır) oluşturmaktadır. Sözkonusu sanal
ortam ile oluşturulan iletişim kolaylığı, işbirliği için son derece önemli bir katkı
sağlamaktadır.

Yapay zekanın (YZ) sahip olduğu önemli üstünlükler şunlardır:

Kalıcı olma: İnsan zekâsı doğar, gelişir, yaşar ve ölür. Buna karşın YZ, üzerine inşa edildiği bilgisayar sistemleri ve programları varolduğu sürece kalıcıdır.

Çoğaltma ve yaygınlaştırma kolaylığı: İnsan zekâsı, eğitim ve usta-çırak ilişkisi gibi yöntemlerle kopyalanabilir ve çoğaltılabilir. Bu yöntemler, uzun bir tecrübe kazanım süreci de gerektirir. Nitekim aynı sebeple uzman insan sayısının arttırılması zor ve yavaştır. Buna karşın bir bilgisayar sisteminde düzenlenmiş yöntembilgisi, o bilgisayardan herhangi bir bilgisayara kolaylıkla kopyalanabilir ve eksiksiz çoğaltılabilir.

Düşük maliyet: YZ’nin taşınabilme ve paylaşılabilmesindeki kolaylıklar, yararlanma maliyetini hızla düşürmektedir. İnsanların sunduğu uzmanlık hizmetleri genellikle pahalıdır. Örneğin, uzman bir doktorun muayene ve tedavi ücreti takdir edilen uzmanlık düzeyi ile orantılıdır. Bir doktorun eriştiği uzmanlık düzeyine gelmesi on yıllarla ölçülür. Sözkonusu sürenin doktorun hizmetine maliyet olarak yansıması kaçınılmazdır.

Tutarlılık: İnsanın zihinsel performansı hep aynı düzeyde olmaz. Aynı probleme
farklı günlerde farklı tepkiler vermesi bilinen bir durumdur. Bu durum, insanların
yaptıkları işlerde tutarsız olabilmelerine neden olur. YZ, bir bilgisayar yazılımı olduğu için aynı koşullar altında tutarlılığını değiştirmez.

Belgelendirilebilirlik: YZ’nin kararları açıklanabilir ve dolayısı ile belgelendirilebilir.
İnsan zekâsının kayıt altına alınması zordur. Örneğin bir insan, karar verebilir ama karar sürecindeki adım ve varsayımlarını daha sonra açıklaması zordur.

Hız: YZ, belirli işleri insandan çok daha hızlı bir şekilde tamamlayabilir.

İnsan beyninin çalışma prensiplerinden yararlanan ve beyindeki sinirsel yapıyı taklit ederek problemleri çözmeyi amaçlayan yöntemler, sinirsel hesaplama (neural computing) olarak adlandırılır. Temel işleme ünitesi nörondur. Bir dizi nöron, katmanlar (layers) halinde gruplanır ve birbirlerine bağlanır. Beynin bu basitleştirilmiş modeline yapay sinir ağı denir. Yapay sinir ağı oluşturulurken, girdiler ve çıktılar için girdi ve çıktı katmanları tanımlanır. Ayrıca bu iki katman arasında ara veya gizli katmanlar kullanılabilir.

Bir uzman sistemin (US) taşıması gereken özelliklerden bazıları şunlardır:
Uzmanbilgisi: Bir US’nin uzmanbilgisi içermesi gerekir. Uzmanların farklı konulardaki görüşlerini içermesi halinde çelişki çözümleme (conict resolution) yeteneği olmalıdır.

Sembolik akıl yürütme: US’nin özelliği; matematiksel işlemler değil, sembolik
akıl yürütme yapabilmesidir. Mevcut bulgulardan sonuçlara gidebilmeli (ileri
doğru akıl yürütme) veya sonuçlardan sebepleri bulabilmelidir (geriye doğru
akıl yürütme).

Derin yöntembilgisi (deep knowledge): Bir US’nin içerdiği bilgi uzman olmayanların bilemeyeceği derinlikte veya karmaşıklıkta olmalıdır.

Kendini bilme (self-knowledge): US akıl yürütme ve sonuç çıkarma sürecini takip
edebilmeli ve verdiği kararları açıklayabilmelidir. US, kendi uygulamalarından öğrenebilmelidir.

Evrimleşme, Darwin’in doğal seleksiyon ile türlerin adaptasyonu görüşüne
ve modern genetik biliminin çaprazlama (crossover) ve mutasyon (mutation) anlayışına dayanmaktadır. Bir populasyon içindeki bireylerin bulundukları ortama uyum sağlama yetenekleri ile orantılı olarak çoğalma şansı bulmaları (seçim), sahip oldukları genetik materyalin (genotype) dolayısı ile özelliklerinin (phenotype) populasyonda yaygınlaşmasını sağlar. Populasyon içindeki bireylerin evliliğinin (eşleşme ve çaprazlama), bu anlamda seçilmiş bireylerin sahip oldukları özelliklerinin değiş-tokuş edilerek, uyum değeri daha yüksek ve seçilmiş genetik özelliklerle donanmış yeni bireylerin populasyona katılması ile
sonuçlanır. Populasyonda bireyler tarafından hiçbir zaman temsil edilme şansı bulamayan veya seçim ve çaprazlama ile izleyen populasyonlarda kaybolan genetik özelliklerin katkısını sağlamak mutasyonun işlevidir. Çözümlerin problem değişkenlerinin bir listesi olduğu ve genler ve genlerden oluşan kromozomlarla temsil edilmesine fırsat verdiği düşünüldüğünde mutasyon, genler veya kromozomlar üzerinde uygulanabilir.

Genetik algoritmalar, veri kümesindeki örnekleri bulmak için doğal evrim sürecinin benzetimini yapmak için bilgisayarları kullanan akıllı bir yöntemdir.
Belirli bir problem için çözüm, kromozom olarak temsil edilir.

Çıkarım (çıkarsama) motoru (inference engine) kural-tabanlı uzman sistemlerde kuralların yorumlandığı birimdir. Kuralların hangi sırada çalıştırılacağı, sonuçlara göre yeni kuralların nasıl çağırılacağı veya sonuçların nasıl raporlanacağını belirleyen US bileşeni çıkarım motorudur. Hangi olguların veya gerçeklerin hangi kuralları tetiklemesi gerektiğini çıkarım motoru belirler ve aktif kuralları Ajanda birimine aktarır. Ajanda, o anda aktif kuralları içerir. Bir kuralın aktif olması, o kuralın koşullarının sağlandığını gösterir. Aynı anda bu şekilde birden çok aktif kural bulunabilir. Bu aktif kurallardan hangilerinin çalıştırılacağını veya tetikleneceğini çıkarım motoru değerlendirir.