Yazanlar : İnci Elif SAĞLAM , Songül ÖZDEMİR , Yüsra GEDİK

“Bu değerli raporlarını, sitede yayınlanmak üzere bana ulaştıran ve bu sayede konu üzerinde çalışan ve Türkçe kaynak ihtiyacı olan araştırmacılara yardımcı olan bu arkadaşları yürekten kutluyorum. – Şadi Evren ŞEKER”

İçindekiler
ÖZET   
1. AKILLI AJANLAR ( ZEKİ VEKİLLER – ETMENLER)  
1.1 Zekâ  
1.1.1 Zeki Sistemlerin Özellikleri 
1.2 Akıllı Ajan 
1.2.1 Duyum    
1.2.2 Rasyonel Ajan
1.3 Ajanlarda Bilginin Temsili  
1.4 Ajanlarda Öğrenme   
1.5 Ajan Tabanlı Sistemler    
1.6 Ajanların Kullanım Alanları  
1.6.1 Finansman    
1.6.2 İnsan Kaynakları   
1.6.3 Planlama-Üretim    
2. AKILLI AJAN UNSURLARI   
2.1 Görev Ortamları ve Özellikleri    
3. AKILLI AJAN TEKNOLOJİLERİNİN GELİŞİMİ   
3.1 ERP’ de Çoklu Ajan Sisteminin Sağlanması    
4. AJAN ÇEŞİTLERİ (SEVİYELERİ)    
4.1 Basit Refleksli Agent (Simple Reflex Agent)    
4.2 Model Tabanlı Refleks Etmenleri (Model-Based Reflex Agents)    
4.3 Hedef Tabanlı (Güdümlü) Etmenler (Goal-Based Agents)   
4.4 Fayda Tabanlı Etmenler (Utility-Based Agents)    
4.5 Öğrenen Etmenler ( Learning Agents)   
SONUÇ VE ÖNERİLER    
KAYNAKLAR   

 

ÖZET

Bu çalışmada akıllı ajanların tanımı, özellikleri ve kullanım amaçları açıklanmıştır. Öncelikle yapay zeka ve akıllı ajanlarla ilgili literatür taraması yapılarak çalışmaya başlanmış ve elde edilen bulgular sentezlenerek entegre biçimde ifade edilmiştir. Akıllı ajanların gelişimi, unsurları, faydaları ve yapıları ile ilgili gerekli bilgiler verilmiştir. Bu konudaki çalışmalar incelendiğinde özellikle zeki ajan teknolojisi, hem imalat sistemlerinde uygulanabilme yeteneği hem de otomasyon ve karar vermedeki gücü ile araştırmacıların ilgisini çekmektedir.

En az düzeyde ortamı, durumu algılama ve yorumlama, kararlar verme ve davranışları kontrol etme yeteneği olan zekâ kavramı; ‘Algılayıcılar aracılığı ile çevresini fark edebilen ve çevresini etkileyebilen herhangi bir şey’ olarak tanımlanan akıllı ajanların temelini oluşturmaktadır. Zeka kavramından yola çıkılarak; deneyimden öğrenme, deneyim bazlı mantık kararları alma, güçlü duygu üretme gibi insana has özelliklerin kopya edilerek bilgisayar ortamına aktarılması ile ‘yapay zeka’ ve beraberinde ‘akıllı ajanlar’ kavramları ortaya çıkmıştır. Temel amaç ortamdan algılanan olaylara otomatik ve uygun cevaplar veren özerk sistemler oluşturabilmektir.

Ajanlar algıları tepkilere dönüştüren fonksiyondur ve yeni algılar geldikçe güncellenecek olan veri yapılarını içermektedir. Bu veri yapıları ajanın karar verme yöntemlerine göre işlenerek verilecek tepki üretilir ve algılayıcılardan elde edilen algıları programa aktararak programı çalıştırıp, programın tepki seçenekleri etkileyicilere iletilir. Böylelikle rekabetin arttığı günümüz piyasasında, kısıtlı olan zamanı etkin kullanan, doğru programlandığında sıfır hata ile çalışan ve kendi kendini kontrol edebilen sistemler oluşturulabilecektir.

1. AKILLI AJANLAR ( ZEKİ VEKİLLER – ETMENLER)

1.1 Zekâ

Meystel ve Albus, zekâ kavramını şöyle açıklamışlardır: Zekâ, en az düzeyde ortamı, durumu algılama ve yorumlama, kararlar verme ve davranışları kontrol etme yeteneğidir. Zekânın daha yüksek seviyeleri, dünya modelinde bilgiyi temsil etmek ve geleceği planlama hususunda muhakeme yapmak için olayları ve nesneleri tanıma yeteneği olarak görülebilir. İleri şekillerde ise zekânın, algılamak ve anlamak için, akıllıca seçim için, şartların geniş değişkenliği altında hayatta kalarak başarılı olmak için bir kapasite sağlayacağını ortaya koymuşlardır. Özetle zekâ, başarının sistemin son amacını destekleyen davranışsal alt amaçlara ulaşım olduğu noktada, belirsiz bir ortam içinde başarı olasılığını arttıracak yönde sistemin uygun olarak davranma yeteneğidir. [1]

Zekânın özelliklerini;

-görüntüyü fark etmek (tanımak) ve anlamak,

-kararı anlamak,

-algılanan durumdan doğru cevap üretmek,

-seçilen cevabın anlamını taşıyan ve anlaşılabilir bir karar oluşturmak,

-durumu içten temsil etmek (göstermek, tasvir etmek),

-ilgili bilginin keşfini gerektiren görevleri yapabilmek

şeklinde sıralamak mümkündür. [1]

Araştırmacıların bile kendi beynimizin nasıl çalıştığından emin olmadıklarını düşünürsek ‘zekâ nedir’ cevaplanması kolay bir soru değildir. Yine de, doğal zekâ normal olarak aşağıdaki nitelikler ile birleştirilebilir:

-Deneyimden öğrenme

-Deneyim bazlı mantık kararları alma

-Güçlü duygu üretme

Bu nitelikleri tabi ki elektronik bir sisteme (özellikle üçüncüyü) yerleştirmek kolay değildir, fakat temel kavramlar, devre ve programların kullanımı ile en azından taklit edilebilir. Yukarıdaki nitelikleri somutlaştıran devre ve programlar normal olarak yapay zekâ ile birleşmiştir ve tabi ki, bir sistemin etkisi altına aldığı zekâ derecesi başka bir sorunu oluşturuyor. Bir makinenin zekâsını ölçmek kolay değildir. Bir robotta, bir solucanın bile zekâsının olup olmadığının değerlendirilmesi karışık bir sorumluluğu üstlenmektir. Bununla beraber, eğer bir devre kendi kararlarını alma yönteminden bir şey üretebiliyorsa, o zaman bunu ‘zekâ’ olarak sınıflandırmak geçerlidir. [17]

1.1.1 Zeki Sistemlerin Özellikleri

Zeki sistemlerin en temel özellikleri, olaylara ve problemlere çözümler üretirken veya çalışırken bilgiye dayalı olarak karar verebilme özelliklerinin olması ve eldeki bilgiler ile olayları öğrenerek, sonraki olaylar hakkında kararlar verebilmeleridir. Zeki makineler ve sistemler, değişken özelliklerin ölçülemediği, birkaç özelliğin eş zamanlı ve beklenmedik yönde değiştiği ve olayların her kombinasyonuna sistemin nasıl cevap vereceğine önceden karar vermenin mümkün olmadığı kötü yapılanmış ortamlarda bile çalışabilirler. [1]

Rzevski, zeki davranışın bazı özelliklerini şöyle sıralamıştır:

-Adaptasyon (Uyarlanırlık): Sistemin kendi ortamı içinde, önceden görülemeyen değişimleri yerleştirmek için kendi davranışını değiştirme yeteneğinin olmasıdır.

-Kişisel-bakım: Sistemin kişisel teşhis, koruyucu kişisel bakım ve yeniden yapılandırma (konfigürasyonla) ile kişisel tamir yaparak kendine ait durumunu sürdürme yeteneğidir. Arızalı bileşeni teşhis eden ve arızalı parçayı yedek parça elemanı ile değiştiren makine takımı, kişisel-bakım yeteneği ile derinleşir.

-İletişim: Sistemin kontrolü inceleme, raporlama, bir yerden talimatlar alma, diğer sistemlerle rekabette olma ya da işbirliği yapma amacı ile diğer sistemlerle bilgiyi değiştirme yeteneğidir.

-Özerklik: Sistemin, insan operatör içeren diğer sistemlerden bağımsız olarak davranma yeteneğidir.

-Öğrenme: Sistemin belirli görevleri uygulaması için eğitilmesi yeteneğidir.

Öğrenme sadece hafızaya alma değil, aynı zamanda da içeriğe bağımlı anlamların doğru yorumlanmasıdır.

-Kişisel-gelişim: Sistemin, diğer etmenler ya da insan operatörlerden gelen öğrenme ile bağlantılı geçmiş performansına dayanarak gelecek performansını geliştirme yeteneğidir. Kişisel-gelişim, kendi davranışından gelen bilginin toplanmasını, analiz edilmesini, yerleşik davranışsal kalıplara ayrıştırılmasını ve daha etkili olması muhtemel olan yenilerinin inşa edilmesini gerektirir.

-Beklenti: Sistemin işlemini etkileyebilecek kendi ortamı içindeki değişiklikleri öngörme (önceden tahmin etme) yeteneğidir.

-Amaç-araştırımı: Sistemin belli stratejik avantajlara ulaşma isteğiyle amaçları formüle etme ve inceleme yeteneğidir. Yetersiz bilgiye sahip bir ortam içinde çalışmak için, sistem tüm strateji tarafından empoze edilen kısıtlar içinde ulaşılabilir taktik amaçları formüle etmek amacıyla, deneyimleyerek ortamı öğrenme yeteneğinde olmalıdır.

-Yaratıcılık: Sistemin metot ve metodolojileri test ederek yeni yararlı kavramları, prensipleri, teorileri, tahminleri, üretme yeteneğidir. Yaratıcı sistemler, insanlarla ya da gerçek dünyanın bir bölümü ile özerk (otonom) olarak birbirini etkileyebilirler.

-Yeniden üretim: Sistemin kendi kendinin kopyalarını oluşturma yeteneğidir. Donanım sistemlerinin yeniden üretimine ilgi acil değilken, yazılımın yeniden üretimi için ihtiyaç kuvvetlidir. [1]

 

Benzeri şekilde Kumar, zeki sistemlerin şu özelliklerini listelemiştir:

 

-İnsan beyninin kullanımını en aza indirebilen teknolojiyi kullanır.

-Ürün karışımı ve üretim önceliği için kendi kendini düzenleyebilir.

-Otomatik geri besleme mekanizması ile operasyonlarını kendi kontrol edebilir.

-İmalat makinesini izleyebilir ve kontrol edebilir.

-İşlenen ürünün durumunu izleyebilir ve kontrol edebilir. [1]

 

1.2 Akıllı Ajan

Çeşitli akıllı ajan tanımları:

  • Algılayıcılar aracılığı ile çevresini fark edebilen ve çevresini etkileyebilen herhangi bir şey. [ 2]
  • Bir etmen (agent), algılayıcıları (sensors) aracılığıyla ortamını (environment) kavrayan ve bu ortamda gerçekleştiricileri (actuators) ile hareket eden herhangi bir şey olarak görülebilir. [3]
  • Ajanları, bilgisayar dünyasında yaşayan ve çalışan ‘soft robot’lar olarak düşünebiliriz. American Heritage Dictionary ajan kelimesinin İngilizce karşılığı olan “agent” kelimesini şöyle tanımlar: “eylem gösteren veya eylem göstermeye yetki yada gücü olan…” Yazılım ajanları araştırmacılarının genel olarak kabul ettiği tanıma göre ise ajan: “başka ajanların ve oluşumların yaşadığı belirli bir ortamda, sürekli ve özerk olarak işleyen bir yazılım parçasıdır”[4]
  • Zeki etmenler (bazı kaynaklarda “Akıllı Ajanlar” veya “Zeki Vekiller” olarak da geçmektedir) kavram olarak, bilgisayar bilimlerine, felsefe, biyoloji ve ekonomi alanındaki çalışmalardan sonra girmiştir. Bu alanlardaki anlamı ve kullanımı, genellikle herhangi bir işin farklı bir vekil tarafından yürütülmesi olarak anlaşılabilir.[5]
  • Bilgisayar bilimleri açısından zeki kelimesi, bir vekilin herhangi bir işlemi belirli inisiyatifler kullanarak yerine getirmesidir. Örneğin zeki olmayan bir vekil, her adımda ve her işlemde kullanıcıya bir şeyler sorarken, zeki vekilde daha çok otonom bir yapıdan (autonomous) bahsedilebilir. Bu anlamda her zeki vekilin (intelligent agent), çalıştığı ortam ile iletişimini sağladığı ve bu iletişim üzerinde karar verdiği bir mekanizması vardır denilebilir. [6]
  • Bir agent sensörleri ile çevresini algılayan ve işleticisi ile çevresine tepki veren herhangi bir şey olarak düşünülebilir.

 

*İnsan agent’i:

-Gözler, kulaklar ve algılayıcı diğer organlar,

-Bacak, ağız ve diğer tepki veren organlar

*Robot agent’i:

-Kamera ve kızılötesi alanda etkili sensörler,

-Tepki veren çeşitli motorlar [7]

 

  • Algıladıklarını davranışlara haritalayan programlardır. Ortamdan bilgiyi alarak davranışları hakkında karar verirler ve bu kararları uygularlar. Zeki etmenlerin yazılım etmenleri, özerk etmenler, uyarlanabilir ara yüzeyler, kişisel ara yüzeyler, ağ etmenleri gibi farklı isimleri vardır. Tüm bu kavramlar arasında küçük farklılıklar olmasına rağmen, bu kavramların tamamı zeki etmenleri ifade etmede kullanılırlar. Bir zeki etmen, muhakeme yapma ve öğrenme davranışlarının derecelenmesi olarak ifade edilen zekâ ve sistem içinde etmenler ve diğer varlıklar arasındaki etkileşimin doğası ile nitelenebilen özerklik boyutları ile tanımlanır. [1]
  • Akıllı ajanlar, bir kullanıcı adına bağımsızlık veya özerklik derecesi ile başka bir program üzerinde işlemler yürüten yazılım varlıklarıdır ve bunu yaparken, bazı bilgi veya temsil kullanıcının amaç veya arzuların istihdam ederler. [8]
  • Feldman ve Yu akıllı ajanları, davranış kalıplarını ya da belirli eylemler ve işlemlere ilişkin kuralları öğrenip ve sonra da patronun adına uygun hareket eden sistemler olarak tanımlamaktadır. [9]
  • Akıllı ajanlar yazılım uygulamaları geliştirmek için yeni bir paradigmadır. [10]
  • Bir ajan sensörler ve hareket efektörleri aracılığıyla çevrede hareket eden algılamalar gibi görülebilir bir şeydir. [11]

1.2.1 Duyum

Etmenin herhangi bir zamandaki algısal girdilerine duyum (percept) adını vermekteyiz. [3]

1.2.2 Rasyonel Ajan

Bir ajan algısına ve hareketine bağlı olarak”doğru şeyi yapmak” için çaba sarf etmelidir. Doğru hareket ajan’ın en başarılı olduğu harekettir.

Performans ölçüsü: agent’in davranış başarısı ile ilgili objektif bir kriter. Örneğin, bir elektrik süpürgesi ajan’ının performans ölçüsü; kirli alanın temizlenme miktarı, temizlenme zamanı, tüketilen elektrik miktarı, yapılan gürültü miktarı, vs. olabilir.

Rasyonel Ajan: Mümkün olan her algı dizisi için ve agent’in sahip olduğu bilgi dağarcığına göre, bir rasyonel ajan’ın performans seviyesini maksimum yapacak bir harekette bulunması beklenir. Rasyonellik her şeyi bilmekten farklıdır. Ajan’lar gerekli bilgileri alabilmek ve buna bağlı olarak algılarını değiştirmek için hareket sergilerler. Bir agent davranışlarını eğer kendi deneyimleri ile belirliyorsa otonomdur. [7]

Rasyonel Ajan:

-Doğru olanı yapan bir ajandır.

-Doğru olanı yapmak burada ajan açısından en başarılı tepkiyi göstermek olarak düşünülebilir.

Belli bir anda rasyonel olan şeyler dört noktaya bağlıdır:

-Başarıyı tanımlayan performans ölçümü ve derecesi

-Ajanın şimdiye kadar algıladığı her şey

-Ajanın çevresi hakkında sahip olduğu bilgi

-Ajanın verebileceği tepkiler

İdeal Rasyonel Ajan: Mümkün her türlü algı dizisine ve ajanın sahip olduğu diğer bilgilere göre performans ölçümünü maks. yapması öngörülen faaliyetleri yerine getirmesi beklenen ajandır. [2]

1.3 Ajanlarda
Bilginin Temsili

Temel olarak iki tip bilginin temsil edilmesi gerekmektedir: (1) insanları kapsayan temsil ve (2) hesaplamaya yönelik temsil. İlk temsil türünde insanlardan alınan ya da insanlar için oluşturulan bilgi bulunmaktadır. İnsanların anlayacağı çizimler, diyagramlar bu türe girerler. İkinci türde, hesaplamaya yönelik bilgiler temsil edilir.

İnsanların anlayabileceği formattaki temsillere dış temsil, bilgisayarların anladığı hesaplamaya yönelik temsile ise derin temsil ismi verilmektedir.

Ajanlarda temsil edilmesi gereken bilgiler; çevre modeli, kendisiyle ilgili bilgi, iletişim terimlerinin anlamı, değiş-tokuş yapılan bilgi ve kullanıcıyla ilgili modeldir.

Bilgi temsili ve yönetimi açısından ajanlar dört değişik tipte kategorize edilebilirler:(Şekil 1,1)

(a) sadece ağ üzerinden faaliyet gösteren uzman ajanlar

(b) sensörler kullanan bilgi toplayıcı ajanlar

(c) dış dünyada hareket etme yeteneği bulunan ajanlar (örn. Robotlar)

(d) insanlarla etkileşimde bulunabilen ajanlar (örn. Asistanlar)

 

Şekil 1, 1: Farklı ajan türleri [4]

1.4 Ajanlarda Öğrenme

Ajanlarda hangi tür bilgi öğrenilebilir ve öğrenilmelidir? En önemlileri: geçmişteki başarılar ve başarısızlıklar; sistemdeki diğer ajanların yetenekleri ve sorumlulukları; çoklu-ajan sistemi ve çevresiyle arasındaki ilişki; farklı görevler ve durumlar için farklı bilgi parçacıklarının kullanışlılığı. [4]

1.5 Ajan Tabanlı Sistemler

Her yönüyle açıklamaya çalıştığımız ajanlardan oluşan ajan-tabanlı bir sistemin genel şekli Şekil 1,2 deki gibidir.

Şekil 1,2: Ajan tabanlı sistemin genel şekli [4]

 

1.6 Ajanların Kullanım Alanları

Ajanlar, işletmelerin omurgasında kullanılabilir. Bu omurgayı Finansman, Pazarlama-Dağıtım, İnsan Kaynakları ve Planlama-Üretim oluşturmaktadır. Aşağıda bazı ERP modülleri için ajanların işletmelerde kullanımlarıyla ilgili örnekler verilmiştir. [4]

1.6.1 Finansman

Finansman alanında ajanları ödeme planının hazırlanmasında kullanabiliriz. ERP sisteminde gelirler ve giderlerin önceliği ve riskleri DElphi yöntemi kullanılarak tanımlanmaktadır. Elbette sistemde her bir gelir ve gider kaleminin tarihleriyle birlikte kime ödeneceği ya da kimden geleceği, miktarı gibi tüm bilgiler de kayıtlıdır. Bir işletmenin giderlerini Tablo 1,3 deki gibi örnekleyebiliriz.

Tablo 1,3: Bir işletmenin giderleri

Giderlerde öncelik, genelde risk seviyesiyle orantılıdır. Ödenmediği zaman hizmet/üretim sistemine vereceği zarar büyük olan giderlerin önceliği artırılmalıdır. Riski ve dolayısıyla önceliği artırıcı birçok parametre bulunabilir. Mesela hammadde ödemesi yapılmadığında üretimi devam ettirecek hammaddenin devamının sağlanamaması bir risktir ve hammadde ödemesinin önceliğini artırır. Personel ödemeleri yapılmadığında çalışanların işten ayrılma ya da grev olasılığı artmakta ve bu işletmeye risk getirmektedir. Fakat personel ödemelerinin önceliği, hammadde ödemelerinin önceliğinden düşüktür.

Bütün gider kalemleri için benzer kriterler mevcuttur. Problem; bu kriterlerin belirlenmesi ve bu kriterlerle ilgili verilerin sistemden toplanarak, değerlendirilmesidir. Riskler ve öncelikler bu iş için görevlendirilmiş ajanlar tarafından okunarak, giderler için bir öncelik sıralaması yapılmalıdır. Ödeme planı hazırlanırken ise mutlaka bu giderlerin karşılığı olan gelirlerin de belirlenmesi lazımdır. Bir işletmenin gelirlerini ise genel olarak Tablo 1,4 deki gibi örnekleyebiliriz.

Tablo 1,4: Bir işletmenin giderleri

Gelirlerdeki risk seviyesi; gelir olarak listemize aldığımız bir kalemin bize ödenmeme olasılığıdır. Gelir tablosunda, öncelik ve risk seviyesi arasında bir ters orantı vardır. Risk seviyesi düşük olan öncelikli olarak bize ödenecektir. Yurtdışı satışlar akreditifli olacağı için ödenmeme riski düşük, gelir olma önceliği yüksektir. Buna karşılık, yurtiçi satışların riski yurtdışından daha fazla olabilir, dolayısıyla sıralamada önceliği yurtdışından aşağıda olacaktır. Burada yurtiçi satışlar kendi içlerinde de ödeme aracına göre öncelik sıralamasına sokulabilir. Ödeme aracına göre genel öncelikleri de Tablo 1,5 deki gibi örnekleyebiliriz.

 

Tablo 1,5: Genel Öncelikler


Ödeme planı yapmayla görevlendirilmiş ajanlar, gelirleri de tarih sırasına göre sıralayacaklar; fakat gelir-gider eşleştirmesi yaparken giderler için ödeme tarihlerini, gelme olasılığı yüksek olan gelirlerin tarihleriyle belirleyeceklerdir. Gelirler giderlerin her zaman belli bir oranda üzerinde olmalıdır. Sistemde çakışma; gelir olarak belirlenen bir ödemenin gelmemesiyle oluşabilir. Çünkü sistemin o gelir ile eşleştirdiği gider ödenemeyecektir. Bu çakışma ise mevcut para stokunun kullanılabileceği önerilerek ya da gider olarak planlanan ödemenin ileri bir tarihe ertelenmesiyle giderilebilir. Eğer ödeme ertelenemediyse, ajanlar kredi kullanımını da önerebilir. Böylelikle çakışmalar giderilir.  [4]

1.6.2 İnsan Kaynakları

İnsan Kaynakları Yönetimi’nde ajanları performans değerlendirme ve kariyer planlama alanlarında kullanabiliriz. ERP sisteminde organizasyon şemaları ve tüm kadrolara ilişkin nitelikler belirlenmiştir. Görevlendirilmiş ajanlar, istenilen nitelikler ile organizasyon içinde var olan kaynaklar arasında belli dönemlerde performans değerlendirme çalışmaları yaparlar. Eğitim planları ve alınan eğitimler eşliğinde tüm personel kariyer planları ile arasındaki benzeşmeler ve puanlar toplamı değerlendirilerek herkes için uygun olan kariyer haritaları üzerinde yollar incelenir. Bu yollardan bazı sapmalar gözlenirse, ekstra eğitimler veya kariyer planında değişiklikler önerilebilir.

Veri toplayıcı bazı ajanlar kullanılarak, günlük puantaj değerleri alınarak değerlendirilir. Bu değerlendirme sonucunda, ajanlar tarafından, veritabanında her bir personel için genel bir değerlendirme oluşturulabilir. Dolayısıyla bir personel hakkında anlık değerlendirme öğrenmek mümkün hale gelir. Bu yapıyı oluşturmak için de matematiksel bir model kurmak mümkündür, hatta gereklidir. Puantaj sisteminden toplanan veriler belli bir şekilde genel değerlendirme vektörüne dönüştürülerek, her bir çalışan için günlük olarak bu vektör güncellenir. Aşağıdaki gibi bir genel değerlendirme vektörü oluşturmak mümkündür:

υ = <a, b, c, d, …>        ; Genel Değerlendirme Vektörü

a: Kişisel beceri

b: İşe geç kalma

c: İzin alma sıklığı

d: Eğitim sürekliliği

Genel değerlendirme vektörü genişletilebilir. Çalışan için, böyle bir vektörü ajanlar vasıtasıyla sürekli güncelleştirerek bir veritabanında tutarız. Herhangi bir değerlendirme sorgusu istediğimizde veritabanından geçmişe yönelik uzun bir sorgu yapılmadan kişi hakkında genel bir bilgi verilebilecektir. Dolayısıyla sonuç anlık olarak, büyük bir sorgu yapılmadan alınabilecektir.[4]

1.6.3 Planlama-Üretim

Sistemi inceleyen ajanlar uygun teslim tarihlerinin belirlenmesi için kullanılabilir. İşletmeyle ilgili tüm parametreler ERP sisteminde kayıtlıdır. Belirli özellikteki siparişler üretim sistemindeki koşullar çerçevesinde belli bir zaman zarfında üretilmiş ve teslim edilmiştir. Bu aşamalar bazı ajanlar tarafından gözlenerek, aynı özellikte başka bir sipariş geldiğinde, aynı işletme koşullarında siparişin teslim tarihiyle ilgili bir kestirim yapılabilir.

Bununla birlikte üretim sisteminden veri toplamayla ilgili olarak da ajanlardan faydalanılabilir. Sensörler yardımıyla bilgi toplayan ajanlar, hareketli aksamları bulunan bilgi toplayan ajanlar ve insanlarla birebir ilişkide bulunan asistan ajanlar bu tür ajan türlerine örnek olarak gösterilebilir. [4]

2. AKILLI AJAN UNSURLARI

Ajanlar karar verme süreçlerinde yapay zekâ tekniklerini kullanarak eğer zeki davranışlar sergileyebiliyorlar ise o zaman bu etmenlere zeki etmenler denilmektedir. Zeki etmenler, ortamdan algıladıkları olaylara uygun cevaplar veren özerk sistemler olarak görülebilirler. Olayları algılamak ve muhakeme yapabilmek için etmenler, alan bilgisinin yanında alıcı ve verici (sensors ve effectors) donanımlarına sahip olabilirler.[1]

  • Agent fonksiyonu algıları harekete map eder:

[f: P* à A]

  • Agent programı f üretmek için fiziksel yapı üzerinde ilerler

agent = yapı + program

 

Şekil 2,1: Akıllı ajan unsurları

 

ALGI: Latince “almak” anlamına olan capere, kelimesinden gelen algı, psikoloji ve bilişsel bilimlerde duyusal bilginin alınması, yorumlanması, seçilmesi ve düzenlenmesi anlamına gelir.

HAREKETLER: Bir cismin sabit bir noktaya göre yerinin zamana karşı değişimidir.

AMAÇ: Ulaşmak istenilen sonuç, maksattır.

ÇEVRE: Çevre insanların ve diğer canlıların yaşamları boyunca ilişkilerini sürdürdükleri ve karşılıklı olarak etkileşim içinde bulundukları, fiziki, biyolojik, sosyal, ekonomik ve kültürel ortamdır. [6]

Otomatik taksi örneğini ele alacak olursak;

  • Ajan Türü:

Taksi sürücüsü

  • Algılar:

Kamera, hızölçer, GPS, sonar, mikrofon

  • Tepkiler:

Yön, hız, fren, yolcuyla konuşmak

  • Hedefler:

Güvenli, hızlı, yasal, rahat yolculuk, maksimum kazanç

  • Çevre:

Yollar, trafik, yayalar, müşteriler [2]

2.1 Görev Ortamları ve Özellikleri

Görev ortamının tanımı, başarım, dış ortam, gerçekleştiriciler ve algılayıcıları içerir. Bir etmeni tasarlarken ilk adım mutlaka görev ortamının mümkün olduğunca tam olarak belirtilmesi olmalıdır.

Görev ortamları, çeşitli boyutlar doğrultusunda değişim gösterir. Bunlar tam veya kısmi gözlemlenebilir, deterministik veya stokastik, bağlantısız veya sıralı, durağan veya dinamik, ayrık veya sürekli ve tek etmenli ya da çok etmenli olabilir.

Görev ortamlarını sınıflandırmada kullanılan boyutlardan bir kısmı şunlardır:

  • Tam görülebilen: Bir ajanın sensörleri zaman içinde çevrenin tamamına girişi sağlamalıdır.
  • Deterministik (tahminiye karşı): Çevrenin bir sonraki aşaması o an bulunulan yer tarafından belirlenir ve hareket ajan tarafından gerçekleştirilir. (Eğer çevre diğer ajanların hareketleri haricinde deterministik ise, çevre stratejiktir)
  • Aralıklı (sıralıya karşı): Ajanların deneyimi atomik aralıklara bölünmüştür (her aralık ajanın algısını içerir ve basit bir hareket gerçekleştirir), ve her aralıkta ki hareketin seçimi aralığın kendisine bağlıdır.
  • Statik (dinamiğe karşı): Çevre, ajanın tasarlama yaptığı esnada değiştirilemez. (Çevre, eğer zamanın ilerlemesiyle değişmiyor fakat ajanın performans skoru değişiyorsa yarı dinamiktir.)
  • Ayrık (Devamlıya karşı): Sınırlı sayıdaki ayrım, algı ve hareketleri tanımlar.
  • Basit ajan (birden fazla ajana karşı): Bir çevrede kendisi işlem yapan ajandır.[7]

3. AKILLI AJAN TEKNOLOJİLERİNİN GELİŞİMİ

Özellikle 90’lı yılların ikinci yarısından itibaren,”akıllı ajan” yazılım çalışmaları yeni bir ivme kazanmıştır. Kuşkusuz bu ivmenin büyük ölçüde Internet ağının ve söz konusu ağ üzerindeki faaliyetlerin akademik bir çerçeveden iş yaşamına ve günlük yaşamın diğer alanlarına yine aynı yıllarda yayılması ile ilgili olduğu ortadadır.

Tarihsel olarak akıllı ajan teknolojilerinden bahsedildiğinde, İngiliz Matematikçi Turing’in kendi adıyla anılan “Turing Testi” ile 1950 tarihli “Computer Machinery and Intelligence” başlıklı makalesini, ayrıca, makine ve insan arasında doğal dil iletişimini örneklemek üzere 1966 yılında Weizenbaum tarafından MIT’de geliştirilen “Eliza” programını önemli başlangıçlar olarak anmak gerekir. Akademik çerçevede artarak ilerleyen çalışmaların, yukarıda da belirtildiği gibi Internet’in yaygınlaşması ile birlikte yeni bir evreye girdiği söylenebilir. 1994 yılında yayınlanan 2 klasik makale [Maes,1994] ve [Norman,1994], ve ayrıca 1995 yılından itibaren her yıl düzenli olarak toplanan ICMAS (International Conference on Multi-Agent Systems) ve PAAM (International conference on the Practical Application of Intelligent Agents and Multi-Agent Technology) konferansları akıllı ajanlar alanında da belli bir bilimsel doygunluğa ulaşılıp, uygulama dünyasına geçilmesi için önemli temelleri teşkil etmişlerdir. [4,12]

Günümüze kadarki çalışmalarda akıllı ajan teknolojilerinin 2 temel yönde geliştikleri gözlemlenmektedir [Nwana,1999] :

  • Otonom bilgi ajanları/arabirimleri
  • Çok-ajanlı sistemler

    Otonom Bilgi Ajanları/Arabirimleri: Bu grupta, önceden tanımlanmış bir dizi işlevi kullanıcı müdahalesi olmaksızın yerine getirmek üzere tasarlanan ajanlar yer almaktadır. Bu ajanların işlevi, temelde insan üzerindeki iş ve bilgi yükünün azaltılmasıdır. İş yükünün azaltılması kolay anlaşılabilmekle birlikte, bilginin yük haline gelmesi ilk anda algılanması zor bir konu olabilir. Bilgi sağlayan teknolojilerdeki, gerek donanımsal gerek yazılımsal araç ve altyapılardaki gelişmeler, kullanıcı yönüne doğru büyük, hazmedilmesi zor bir bilgi akışına neden olmuş, yaygın bir benzetme ile kullanıcılar yangın hortumundan su içmeye çalışır hale gelmişlerdir. İşte otonom bilgi ajanlarından beklenen önemli bir katkı bu yükün filtrelenerek azaltılması, kullanıcının ham veri yerine daha çok işlenmiş bilgi ile karşı karşıya bırakılmasıdır.

    Bu tür ajan yazılımlarına örnek olarak bazı işletim sitemlerinde ya da kelime işlem, tablolama vb. tür programlarda bulunan ve kullanıcı hareketlerini elemanter olarak izleyerek kısa yollar yaratan ya da dizi işlemleri kaydederek yinelemeli kullanımını sağlayan “kişisel yardımcı yazılımlarını” verebiliriz. [12]

    Çok Ajanlı Sistemler: Bu grupta yer alan yazılımlarda daha çok kullanıcı tarafı ile sınırlı kalmayıp, her biri bir taraf adına hareket etmekle birlikte, etkileşimli bir şekilde bir süreç içinde yer alan bir grup ajandan söz edilebilir. Örneklemek gerekirse, kullanıcı adına bir seyahat rezervasyonu yapılması işi, ilgili her taraftan ajanlar ile kullanıcı ajanının etkileşimli hareketleri ile gerçekleştirilmeye çalışılmaktadır. Kişisel ajan, otel rezervasyon ajanı, uçak ve kiralık araç rezervasyon ajanı ve hatta ilgili kamusal otorite ajanları ya da meteoroloji ajanı gibi, rezervasyon sürecinde yer alan değişik tarafları temsil eden ajanların ortak etkileşimli ve önceden belirlenmiş ya da giderek gelişen karmaşık kurallar dizisi çerçevesinde rezervasyon sürecini sonuçlandırmaya yönelik çalışmaları söz konusudur.

    Her iki gruptaki ajan teknolojilerini 4 temel özelliği vardır: İletişim, dönüşüm, otomatizasyon ve akıllı davranışlar.[4,12]

     

    3.1 ERP’ de Çoklu Ajan Sisteminin Sağlanması

     

    Bu sistemler, insanın kısa sürede ve yeterince etkin analiz edemeyeceği verileri kullanarak karar vericilere en doğru alternatif çözümleri sunmaktadır. ERP’ de uygulama alanı örnekleri olarak; üretim planlama ve hat dengeleme problemleri, İnsan Kaynakları Yönetimi’nde performans değerlendirme sistemi ve kariyer planlaması, Pazarlama – Dağıtım’da talep yönetimi ve pazarlama stratejilerinin belirlenmesi, Finansman’da finanssal kaynakların planlanması verilebilir.

    Yapay zekâ alanının içinde konuşulan çoklu-ajan sistemlerini ERP’ de bahsi geçen konularda uygulama fikri üzerinde kavramsal bir çalışma yapılmıştır. Bu sayede, bir Akıllı ERP Sistemi oluşturulmasındaki temel kavramlar ve yaklaşımlar ortaya konulmuştur. Bu yaklaşım ile ERP kavramına yeni bir boyut kazandırılmıştır.

    Enterprise Resource Planning (ERP) sözcüklerinin baş harflerinin kısaltılmış şekilde kullanılan ismidir. Türkçe karşılığı olarak da Kurumsal Kaynak Planlaması olarak adlandırılmaktadır. ERP kavramını kısaca tanımlamak gerekirse: Küçük, orta, büyük ya da bütünleşik ölçekli tüm üretim ve/veya hizmet sistemlerinin tüm kaynaklarının etkin, verimli ve optimize edilerek kullanılmasını sağlayabilen bütünleşik bir sistemdir. ERP sistemleri aracılığıyla yönetilmesi istenen kaynaklara bir göz atmak gerekirse; insan kaynakları, makine, malzeme/hammadde, enerji, finansman, satın alma, stoklar, pazarlama, kalite sistemleri, bakım–onarım, müşteri ilişkileri yönetimi, tedarikçi zinciri yönetimi, yardımcı hizmetler, teknoloji, Internet prosedür ve işlemleri vb olarak söylenebilir. Ancak iyi tasarlanmış bir veri toplama, raporlama, değerlendirme ve dokümantasyon sistemi ile bu kaynakların doğru, etkin ve verimli kullanılmasını sağlamak, optimizasyonunu yapmak ve şirketleri geleceğe götürecek strateji, hedef, politikaları oluşturmak ve buna zemin oluşturan tüm süreçleri yönetmek mümkündür.

    ERP kavramının dünden bugüne gelişimine baktığımızda, ERP kavramı, ERP–II kavramına ya da Shields’ın söylediği gibi “eXtented Enterprise System (XES)” şekline dönüşmeye başlamıştır. Dikkati çeken en önemli ayrıntı, Internet ve güçlü iletişim yapısı ile gelişen yeni işletme kavramı ve stratejik bakış açısının, hızla üretim ve hizmet sistemlerini değiştirmeye başlamasıdır. Tüm bu gelişmelerle birlikte, artık üretim sistemlerinde hız, esneklik, kalite ve uygun maliyet aranmaktadır. Bunu sağlayabilmek için ise ürünler, üretim ve hizmet sistemleri ile bu hızı yakalamak için çabuk sonuç alabilen bilişim sistemlerine ihtiyaç duyulmaktadır.  [4]

    Genel olarak işletmelerin; küçük, orta, büyük ve/veya bütünleşik olmaları ya da olmamalarının bir önemi olmaksızın tümü için genel kabul gören bir takım problemler her zaman gündemdeki yerlerini korurlar. En temel problemlerden biri, işletme içi sistematik veri toplayan, analiz eden, değerlendiren ve raporlayan bir altyapının olmamasıdır. Bu problem aynen bir buzdağının su altında bulunan kısmına benzer. Tüm işletme iş ortamında ortaya çıkan ve insanları uzun süre yanlış hedeflere yönlendiren buzdağının su üstünde görünen kısmını yansıtır. İşletme ortamlarında doğal olarak doğru bir veri toplama sisteminin var edilememesinden dolayı hiçbir zaman buzdağının altını, asıl sorun yaratan bölümünü, işletme ortamlarında görme şansı oluşamaz. Elbette hiçbir zaman işletme ortamlarındaki problemler sıfıra indirgenemeyecektir. Günümüz teknolojisi kullanılmadan geliştirilen ve uygulanan ERP sistemleri (manuel dokümantasyon yapısı ile işleyen ERP sistemleri) ile de veri toplama, analiz, değerlendirme ve raporlama sistemleri işletilebilir ve bu sürecin devamı olarak işletmenin hedefleri, stratejileri ve gelecek planlaması belirlenebilir ve izlenebilir. [4,13]

     

    Şekil 3,1: Genişletilmiş Kurumsal Sistem’in Yapısı (eXtended Enterprise System Framework)

     

     

    4. AJAN ÇEŞİTLERİ (SEVİYELERİ)

     

    Ajan Programı: Algıları tepkilere dönüştüren fonksiyondur. Ajanlar, yeni algılar geldikçe güncellenecek olan veri yapıları içermektedir. Bu veri yapıları ajanın karar verme yöntemlerine göre işlenerek verilecek tepki üretilir ve mimari yapıya iletilir.

    Mimari Yapı: Algılayıcılardan elde edilen algıları programa aktararak programı çalıştırıp programın tepki seçeneklerini etkileyicilere iletmektedir

    Ajan = mimari yapı + program [2]

    Russel ve Norving tarafından 2003 yılında yayınlanan yapay zekâ kitabında, zeki vekiller ( akıllı ajanlar) 5 seviyede listelenmiştir. Bu seviyeleri basitten karmaşığa doğru aşağıdaki şekilde sıralayabiliriz: [6]

  1. Basit Refleks Etmenleri (Simple Reflex Agents)
  2. Model Tabanlı Refleks Etmenleri (Model-Based Reflex Agents)
  3. Hedef Tabanlı Etmenler (Goal-Based Agents)
  4. Fayda Tabanlı Etmenler (Utility-Based Agents)
  5. Öğrenen Etmenler ( Learning Agents) [3]

4.1 Basit Refleksli Agent (Simple Reflex Agent)

Basit bir koşul ve eylem sıralamasından ibaret olan vekiller.[6] Tanımlanan kural ve koşullara göre hareket etmektedirler. [2]Belirlenen koşul gerçekleşince yine daha önceden belirlenen fiili yerine getirir. Kurulu bir düzenek olarak düşünülebilir. Örneğin fare kapanı, bir insan için fareyi yakalayan bir vekildir ve farenin peyniri yemesiyle birlikte fareyi yakalar. Buradaki peynir yenmesi koşul ve farenin yakalanması fiil olarak düşünülebilir. Bazı refleks ajanlarında durum takibi de yapılabilir. Örneğin fare kapanı misalinde olduğu gibi kapanın kurulu olma durumu, kapanın fareyi yakalamış olma durumu gibi durumlar ayrı ayrı tahlil edilebilir. [6]

En basit etmen türü, basit refleks etmenleridir. Bu etmenler eylemlerini seçerken geçmişteki duyumlarını yok sayarak, şu andaki duyuma göre karar verir. [3]

Seçilen eylemler geçerli algı temelindedir ve geçmişte kalan algıları görmezden gelir. Örneğin; Basit refleksli elektrikli süpürge etmeni için program;

 

 

 

*Durum-Eylem-Kural [14]

durum ß YORUM-GİRİŞ(algı)

kural ß KURAL-EŞLEŞTİRME (durum, kurallar)

hareket ß KURAL-HAREKET(kural)

return hareket [7]

Eğer çevre tamamen gözlenebilirse, etmen temel geçerli algıdan doğru karar verebilmek için çalışır. [14]

Basit refleksli etmenleri bir şema ile gösterecek olursak;

Şekil 4,1: Basit Refleksli Etmenin şematik gösterimi [11]


4.2 Model Tabanlı Refleks Etmenleri (Model-Based Reflex Agents)

Bu tip ajanlarda ise içinde çalışılan ortam modellenir. Yani ajan kendi yapısına göre ortamı anlamaya ve bir modelini kendi hafızasında tutmaya çalışır. [6] Basit refleks ajanları gibi model ve koşullara göre hareket etmektedirler, ayrıca çevreyi gözlemleme yeteneğine sahiptirler. [14]

Bu ajanlar modeldeki durumlara göre davranış sergilerler. Yani bir önceki tipte olan refleks ajanlarının ortamdan aldıkları doğrudan koşullarından farklı olarak bu ajanların modellerinde bazı refleksler tanımlıdır. [6]

  • Bir etmen için
    kısmi gözlemlenebilirliği idare etmenin en etkin yolu, dünyanın şu anda göremediği parçasının kaydını tutmaktır.
  • Etmen duyum geçmişine dayanan bir çeşit içsel durum sağlamalıdır. Böylelikle en azından şu andaki durumun gözlemlenemeyen bazı açılarını yansıtır.
  • İçsel durum bilgisinin zamanla güncellenmesi, iki tip bilginin etmen programında kodlanmasını gerektirir:
    • Dünyanın etmenden bağımsız olarak nasıl geliştiği hakkında bir miktar bilgi ve
    • Etmenin eylemlerinin dünyayı nasıl etkilediği hakkında bir miktar bilgi.
  • “Dünyanın nasıl işlediği” hakkındaki bu bilgi, dünyanın modeli olarak adlandırılır.
  • Bu tip bir model kullanan etmenler ise model tabanlı etmenler olarak adlandırılır. [3]

    Model tabanlı reflex etmenleri için program; [14]

 


 

 

 

 

 

 

 

 

 

Model tabanlı refleks etmenleri bir şema ile gösterecek olursa;

Şekil 4,2: Model Tabanlı Refleks Etmeninin şematik gösterimi [11]

 

4.3 Hedef Tabanlı (Güdümlü) Etmenler (Goal-Based Agents)

Bu vekiller ise belirli bir hedefe ulaşmak için bir dizi şart-fiil gerçekleştirirler. Basit bir durum-geçiş diyagramı (state transition diagram) olarak düşünülebilecek yapılarına göre, ortamı algılayarak mevcut yapılarındaki bir duruma benzetir ve bu durumu ulaşmak istedikleri hedefe en uygun şekilde eylemlerle değiştirmeye çalışır. [6] Model tabanlı refleks ajanlarındaki modelin yeterli olmadığı durumlarda istenilen durum ve amaç hakkında bilgisi olan ajanların kullanılması gerekir. [14]

  • Ortamın şu andaki durumunu bilmek, ne yapılacağına karar vermek için her zaman yeterli değildir.
  • Bazen etmen, şu andaki durum betimlemesi gibi, istenen durumları betimleyen bir tür hedef bilgisine ihtiyaç duyar.
  • Arama ve planlama Yapay Zeka’nın, etmenin hedeflerine ulaşmasını sağlayan eylem serilerini bulmaya adanmış alt alanlarıdır.
  • Bu tip bir karar verme, daha önceden bahsedilen koşul-eylem kurallarından, geleceği de hesaba kattığı için temelde farklıdır. [3]

Burada bir etmen amaçları doğrultusunda çalışır. Hedef tabanlı modellemenin en önemli bir yönü başarılı bir ajan şeklinde ilerlemesidir. Bir hedef tabanlı zeki etmen iş tahmini, önerilmiş hedef tabanlı model ve ajan dizayn metot alıştırmalarını tanımlayarak ilerler. [15]

Hedef tabanlı etmenlerin programlaması ise; [11]

 

Hedef tabanlı etmenleri bir şema ile gösterecek olursak;

Şekil 4,3: Hedef Tabanlı Etmeninin şematik gösterimi [7]

 

4.4 Fayda Tabanlı Etmenler (Utility-Based Agents)

Hedef tabanlı vekillerden farklı olarak, durumlar arasındaki geçişin oransal olması durumudur. Yani hedef güdümlü ajanlarda bir durumdan her zaman diğer duruma geçiş hedeflenir. Fayda tabanlı etmenlerde bundan farklı olarak oransal bir fonksiyon kullanılması söz konusudur. Bu fonksiyona çıkar fonksiyonu ( fayda fonksiyonu, utility function) ismi verilir. [6] Bunun yanında Model ve amaç tabanlı ajanlar istenilen veya istenilmeyen durumlara göre sınıflandırılıyor, fakat yarar tabanlı ajanlar kararları alırken hız, fiyat ve güvenlik gibi ayrıntıları da dikkate alabilir. [14]

  • Hedefler sadece “mutlu” ve “mutsuz” durumları arasında ikili kaba bir ayrım sağlarken, daha genel bir başarım ölçütü, erişildiklerinde farklı dünya durumlarının etmeni nasıl mutlu edeceğinin karşılaştırılmasına izin vermelidir. [3]
  • Daha çok tercih edilen durumun fayda değeri daha yüksektir.
  • Fayda herhangi bir durumu, tercih derecesine göre, sayısal bir değere dönüştüren bir fonksiyondur. [2]
  • “Mutlu” terimi, kulağa fazla bilimsel gelmemektedir. Geleneksel terminoloji, bir dünya durumu diğerine tercih ediliyorsa, onun etmen için daha faydalı olduğunu söyler.
  • Bir fayda fonksiyonu, bir durumu (veya bir durum serisini) mutluluk derecesini betimleyen bir gerçel sayıya eşler. [3]

Bu fikrin başlangıcı hedef tabanlı etmenlerin içinde fayda fonksiyonunun gelişimi ajan tabanlı teknoloji için yeni bir paradigmadır.

Günümüze kadar fayda tabanlı etmenler oldukça gelişmiştir. Fayda tabanlı etmenlerin kullanıldığı bazı bölgeler şöyledir;

  • Tekrarlanan navigasyon görevlerinin performansı için fayda tabanlı multi-agent sistemi
  • Hastane zaman çizelgelemesi için fayda tabanlı etmenler,
  • Yüksek güvenlikli E-ticaret uygulamalarında mobil ajanlar;
  • Kablosuz algılayıcı ağlar, enerji farkındalı ve fayda tabanlı BDI ajan yaklaşımı. [16]

Fayda tabalı etmenleri şematik olarak gösterecek olursak;

Şekil 4,4: Fayda Tabanlı Etmeninin şematik gösterimi [7]

 

4.5 Öğrenen Etmenler ( Learning Agents)

Bu etmen tipinde, ortamda yapılan bazı eylemlerin beklenen sonuca nasıl hizmet ettiğine göre yeni kurallar tanımlanır. Ajanın çalıştığı ortamın bilinmemesi halinde kullanılışlıdırlar. Kendi kurallarını ve durum makinelerini oluşturabilir veya değiştirebilirler. [6]

 

Turing (1950), akıllı makinelerini gerçekten elle programlama fikrini düşünmüştür. Bunun ne kadar emek gerektirdiğini tahmin ederek “Daha hızlı bazı yöntemlere ihtiyaç var” demiştir.

 

Bu, etmenin başlangıçta bilinmeyen ortamlarda çalışmasını ve sadece başlangıç bilgisinin izin vereceği durumdan daha yetenekli hale gelmesini sağlar.

Öğrenen bir etmen dört kavramsal bileşene ayrılabilir:

  • Öğrenme Bileşeni
  • Başarım Bileşeni
  • Eleştirmen
  • Problem Oluşturucu
  • En önemli ayrım, gelişmeyi sağlamaktan sorumlu öğrenme bileşeni ile dışsal eylemlerin seçiminden sorumlu başarım bileşeni arasındadır.
  • Başarım bileşeni, önceden etmenin bütünü olarak ele aldığımız şeydir: duyumları alır ve eylemlere karar verir.
  • Öğrenme bileşeni, eleştirmenden gelen ve etmenin ne kadar iyi olduğunu gösteren geri beslemeyi kullanarak, gelecekte daha iyi olması için başarım bileşeninin nasıl değiştirilmesi gerektiğine karar verir.
  • Problem oluşturucu, yeni ve bilgilendirici tecrübelere yol açacak eylemler önerilmesinden sorumludur. [3]

Öğrenen etmenleri bir şema ile gösterecek olursak;

Şekil 4,5: Öğrenen etmenin şematik gösterimi [7]

SONUÇ VE ÖNERİLER

Yapay zekâ çalışmalarının günümüzde gelmiş olduğu aşama da göz önüne alınarak, yapılacak olan akıllı bir üretim yönetim sisteminin kendi kendine karar vermesi henüz beklenmemektedir ve bu sistemlerin geliştirilme amacı; insan faktörünün yerini almak değildir. Bu tür sistemler, insanın kısa sürede ve yeterince etkin analiz edemeyeceği verileri kullanarak karar vericilere en doğru alternatif çözümleri sunmaktadır. Pazarda oluşan fırsatları değerlendirebilmek, ancak yaşanan hızlı değişimlere uyum sağlamak ve böylelikle “rekabet edilebilirliliği” sürdürmek ve geliştirmek ile mümkün olabilir. Yapay zekâ alanının içinde konuşulan akıllı ajan sistemleri de bunları gerçekleştirmeyi kolaylaştırmaktadır.

Akıllı ajanlar (Intelligent Agents) birçok alanda kullanımı olan fakat belli yazılımlarla sınırlı kalmış bir konudur. Yapay zeka çalışmalarında önemli yer tutmaktadır. Yapılan çalışmada; çok geniş ve kapsamlı olan “Akıllı Ajanlar” konusu bir özet niteliğinde raporlanmış ve bu konu hakkında fikir sahibi olunacak şekilde hazırlanmıştır. Akıllı ajanları ne olduğu, nasıl kullanıldığı hakkında bilgi verilmiştir. Ancak ülkemizde bu konu üzerinde yeteri kadar çalışılmamış olması başvurduğumuz kaynakların kısıtlı kalmasına neden olmuştur.

Bilgi teknolojilerinin ve otomasyonun hızla geliştiği günümüz dünyasında bu konu üzerinde daha fazla araştırma ve çalışma yapmak gerekmektedir. Bunun yanında yapılan çalışmalar tozlu raflarda unutulmaya yüz tutmak yerine üniversitelerde en güncel haliyle birer ders olarak verilmelidir.

TEŞEKKÜR

Bu raporu hazırlarken kaynak bulma noktasında değerli vakitlerini ayırarak yardımcı olan hocamız Sayın Kadriye ERGÜN’e, İzmir Ekonomi Üniversitesi Matematik Bölümü Öğretim Üyesi Sayın Dr. Güvenç ARSLAN’ a, İstanbul Üniversitesi Bilgisayar Mühendisliği Bölümü Öğretim Üyesi Sayın Yrd. Doç. Dr. Şadi Evren Şeker’e ve her başımız sıkıştığında kapısını çaldığımız ve asla geri çevrilmediğimiz hocamız Sayın Öğt. Gör. Emine UÇMUŞ’ a teşekkürü bir borç biliriz.

Bize bu çalışmayı vererek gelişimimize katkı sağlayan hocamız Sayın Prof. Dr. Ramazan YAMAN’ a ve Sayın Ar. Gör. Melike KARASU’ ya teşekkürlerimizi sunuyoruz.
Ayrıca hayatımızın her parçasında olduğu gibi bu projeyi hazırlama sürecinde de bizi yalnız bırakmayan ve maddi manevi desteklerini esirgemeyen ailelerimize sonsuz teşekkürler.

KAYNAKLAR

[1] Tekez, E., 2006, Zeki Bütünleşik İmalat Sistemlerinin Oluşturulması İçin Bir Referans Model Geliştirilmesi, Sakarya Üniversitesi Fen Bilimleri Enstitüsü, Sakarya

[2] İzmir Ekonomi Üniversitesi, Matematik Bölümü, Öğretim üyesi, Dr. Güvenç ARSLAN’ ın ders notları

[3] http://www.slidefinder.net/2/2010/ml_t_1_2010/22792210 (Yazar:Yılmaz KILIÇARSLAN) Erişim Tarihi: 25.04.2011

[4]http://www.danismend.com/konular/lojistikyon/LOJ-ERP%20DE%20COKLU%20AJAN%20SISTEMLERI.htm Erişim Tarihi: 17.04.2011

[5] http://www.yapay-zeka.org/modules/wiwimod/index.php?page=Intelligent+Agents Erişim Tarihi: 24.04.2011

[6] http://www.bilgisayarkavramlari.com (Yazar: Şadi Evren ŞEKER) ErişimTarihi: 26.04.2011

[7] http://aima.eecs.berkeley.edu/slides-ppt/m2-agents.ppt Erişim Tarihi: 17.04.2011

[8] Akçay, B., 2006, An Agent-Based Alert Dıstrıbutıon System For Intellıgent Healthcare Monıtorıng, Mıddle East Technıcal Unıversıty, Ankara

[9]
Kaplansever, F., 2008, An Intellıgent Agent Applıcatıon For Buyers In Electronıc Commerce, Dokuz Eylül University, İzmir

[10] Jennings, Wooldridge, Applications of Intelligent Agents, University of London

[11]
Russell, Norvig, 1995, Artificial Intelligence, Prentice-Hall, Inc

[12] Arlı, Ç., 2007, Bir İnternet Robotunun Anatomisi

[13] http://www.erp-programi.com/ Erişim Tarihi: 27.04.2011

[14] Duygulu, P., 2008, Intelligent Agents, Bilkent University

[15]
Shen, Gay, Tao, Goal-Based Intelligent Agents, ICIS, School of EEE, Nanyang Technological University, Singapore

[16]

Dar, Ghani, 2010, Utility Based Agent for Test Paper Generation, Technical University of Vienna, Austri, Department of Computer Science and Engineering, U.E.T., Pakistan

[17] Braga, N.C., Robotics Mechatronics and Artificial Inteligence, (Çeviri: Ünaydın, H., Süer, A., Ekim 2005)

Yorumlar

Bir Cevap Yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir


+ 6 = yedi