Professional Documents
Culture Documents
الذكاء الإصطناعى
الذكاء الإصطناعى
الذكاء الإصطناعى
ىو سموؾ وخصائص معينة تتسـ بيا البرامج الحاسوبية تجعميا تحاكي القدرات الذىنية البشرية وأنماط
عمميا .مف أىـ ىذه الخاصيات القدرة عمى التعمـ واالستنتاج ورد الفعؿ عمى أوضاع لـ تبرمج في اآللة.
تعريف آخر
تختمؼ النظرة نحو تفسير أساليب الذكاء االصطناعي ،حيث يعتبرىا البعض جزء التصميـ اليندسي ،بينما
يعتبرىا البعض اآلخر محاكاة ألنظمة التفكير البشري .ومف ىنا اىتمت الدراسات البحثية الحديثة بمجاالت
استخداـ أساليب الذكاء االصطناعي ،لذا يمكف تعريفيا عمى أنيا "تمؾ األنظمة التي تعتمد عمى أنظمة الحاسبات
اإللكترونية المبرمجة ،والتي تحاوؿ محاكاة العقؿ البشري في التفكير ،وال تعتمد عمى الحكـ الشخصي".
أوالً :تعمم اآللة Machine Learning
شكؿ يوضح العالقة بيف الذكاء االصطناعي ، AIتعمـ اآللة ، MLالتعمـ العميؽ DL
يمكف تعريؼ MLعمى أنو "أحد الفروع المنبثقة عف عمـ الذكاء االصطناعي ) (ALالقائمة عمى برمجة
قادر عمى أداء المياـ وتنفيذ األوامر الموكمة إليو باالعتماد عمى البيانات المتوفرة لديو
اً الحاسب اآللي ليصبح
تماما".
وتحميميا مع تقييد التدخؿ البشري في توجييو أو تغييبو ً
تعريف آخر
ويعرؼ MLعمى أنو "دراسة برامج الكمبيوتر التي يمكنيا االستفادة مف الخوارزميات والنماذج اإلحصائية
لمتعمـ مف خالؿ االستدالؿ واألنماط دوف الحاجو ألف يتـ برمجتيا بشكؿ صريح".
استخراج
المخرجات التصنيف المواصفات مدخالت ()Inputs
()Outputs )(classification (Features
)Extraction ))Data
وتتمثؿ أكثر نماذج خوارزميات التعمـ شيوعاً والتي تستخدميا تقنية تعمـ اآللة فيما يمي" :التعمـ الموجو
،supervised learningوالتعمـ غير الموجو ،unsupervised learningوالتعمـ العميؽ .Deep learning
شكؿ يوضح آلية التعمـ في تعمـ اآللة
يعد التعمـ الموجو أحد أبسط أنواع التعمـ اآللي .وفي ىذا النوع ،يتـ تدريب خوارزمية التعمـ اآللي عمى
البيانات المصنفة .Featuresوعمى الرغـ مف أف البيانات يجب أف يتـ تصنيفيا بدقة حتى تعمؿ ىذه الطريقة،
قويا لمغاية عند استخدامو في الظروؼ المناسبة .ويتـ في التعمـ الموجو منح خوارزمية
فإف التعمـ الموجو يكوف ً
MLمجموعة بيانات تدريبية Training Data Setصغيرة لمعمؿ معيا .وتعتبر مجموعة بيانات التدريب تمؾ
ىي الجزء األصغر مف مجموعة البيانات األكبر وتعمؿ عمى إعطاء الخوارزمية فكرة أساسية عف المشكمة والحؿ
أيضا مع مجموعة البيانات النيائية في
ونقاط البيانات التي سيتـ التعامؿ معيا .وتتشابو مجموعة بيانات التدريب ً
خصائصيا وتزود الخوارزمية بالمعممات المصنفة المطموبة لممشكمة .Desired Outputثـ تعثر الخوارزمية
عمى العالقات بيف المعممات المعطاة ،وتؤسس بشكؿ أساسي عالقة السبب والنتيجة بيف المتغيرات في مجموعة
البيانات .وفي نياية التدريب ،تمتمؾ الخوارزمية فكرة عف كيفية عمؿ البيانات والعالقة بيف المدخالت والمخرجات.
ويتميز التعمـ اآللي الغير موجو بميزة القدرة عمى العمؿ مع البيانات غير المصنفة .وىذا يعني عدـ الحاجو
آليا ،No Training Data setمما يسمح
لمعمؿ البشري Supervisorلجعؿ مجموعة البيانات قابمة لمقراءة ً
لمعمؿ عمى مجموعات بيانات أكبر بكثير .وفي التعمـ الموجو ،تسمح البيانات المصنفة Featuresلمخوارزمية
بالعثور عمى العالقات الطبيعية الدقيقة بيف أي نقطتي بيانات .ومع ذلؾ ،فإف التعمـ غير الموجو ال يحتوي عمى
البيانات المصنفة Featuresلمعمؿ عمييا ،مما يؤدي إلى إنشاء ىياكؿ خفية .وتدرؾ الخوارزمية العالقات بيف
نقاط البيانات بطريقة مجردة ،دوف الحاجة إلى إدخاؿ مف البشر .ويجعؿ إنشاء ىذه اليياكؿ الخفية خوارزميات
التعمـ الغير موجو متنوعة .وبدالً مف بياف المعممات المصنفة المطموبة لممشكمة ،Desired Outputيمكف
ديناميكيا .وىذا يوفر المزيد
ً لخوارزميات التعمـ الغير موجو التكيؼ مع البيانات عف طريؽ تغيير اليياكؿ الخفية
مف التطوير وامكانية لمتعمـ بعد النشر أكبر مف خوارزميات التعمـ الموجو.
تعريف آخر
ىو مجاؿ فرعي لتعمـ اآللة والذي ييتـ بالخوارزميات المستوحاة مف بنية ووظيفة الدماغ البشري والتي تسمى
الشبكات العصبية االصطناعية.
التنبؤ :ومف أمثمتو التنبؤ بمبيعات اليوـ المعمقة ،والتنبؤ بتأخر مدفوعات الفاتورة ،والتنبؤ باالحتياؿ ،وما
إلى ذلؾ .كما يبحث في حؿ لمحسابات الدائنة باستمرار .كما يمكنو التخطيط والتحميؿ المالي .فبمجرد أف
تتوقع المبيعات تنتيي ميمة تعمـ اآللة ألنو يمكف الوصوؿ إلى التكاليؼ المتغيرة مف قائمة المواد وكذلؾ
الوصوؿ الى التكاليؼ الثابتة .كما أنو يعتبر إحدى الطرؽ المناسبة لمعثور عمى القيـ المتطرفة (الشذوذ)
في المعامالت مثؿ إدخاالت دفتر األستاذ العاـ أو في نفقات الموظفيف .حيث يحتاج ىذا العمؿ عادةً
إلى القياـ بو أثناء المراجعة ،وتستخدـ شركات المحاسبة الكبرى بالفعؿ تعمـ اآللة ليذا الغرض بالضبط.
ومع ذلؾ ،ال تمتمؾ شركات المحاسبة األصغر عادة ىذه القدرة ،ويمكف قوؿ الشيء نفسو بالنسبة ألفراد
التمويؿ الداخمي الذيف يحتاجوف حقًا إلى تحديد القيـ المتطرفة عمى مدار السنة.
التصنيؼ :حيث يتميز بقدرات ىائمة في التصنيؼ وتحميؿ البيانات التي تـ جمعيا مف العمميات اليومية
واالستفادة منيا لتسريع عممية حسابات الدفع .فعمى سبيؿ المثاؿ ،يمكف إدخاؿ رمز .GLوالذي يتيح
لنظاـ تعمـ اآللة التعرؼ عمى األنماط ،كما ىو الحاؿ عند تطبيؽ رمز GLمعيف عمى مورد معيف.
وبمرور الوقت" ،يتعمـ" الجياز ىذه األنماط ،ويمكف أف يقترح رمز GLىذا عندما تتـ معالجة فاتورة مف
ىذا المورد .وكما يمكف استخدامو في تصنيؼ الحساب مف أمر الشراء ،والذي يتـ تعيينو عمى األرجح
في الشراء بدالً مف المحاسبة .ما لـ يتـ إعداد بعض عناصر مخزوف المواد بشكؿ غير صحيح ،ىناؾ
فرصة ضئيمة لتصنيؼ األشياء بشكؿ غير صحيح في الشركات التي ال تمتمؾ البرامج الالئقة.
ىي مجموعة مف العقد ( )Neuronsالمترابطة والتي يمكف استخداميا بشكؿ مناسب لعمؿ نموذج لممشاكؿ
تعريف آخر
"ىي نماذج حسابية مستوحاه مف انظمة عصبية مركزية (عمى وجو الخصوص في الدماغ) ،وتستخدـ في
تقدير او تقريب الوظائؼ التي يمكف اف تعتمد عمى عدد كبير مف المدخالت الغير معروفة عمى وجو عاـ ،وعادة
ما يتـ تقديـ الشبكات العصبية االصطناعية ( )ANNكنظـ مترابطة مف الخاليا العصبية والتي يمكنيا حساب
قيـ مف خالؿ قياـ الخاليا العصبية المدخمة بتغذية القيـ لكؿ مف الخاليا العصبية في الطبقة الخفية ومف ثـ توفر
طبقة المخرجات".
وعادة ما يتـ تدريب الشبكات العصبية باستخداـ خوارزميات االنتشار الخمفي مف خالؿ التطبيؽ المتتابع
لمرحمتيف متتاليتيف:
-1المرحمة األولى :مرحمة االنتشار األمامي (:)Forward Propagationحيث يتـ فييا إدخاؿ اإلشارات
( )x1,x2,x3,......,xnلعينة معينة مف مجموعة التدريب في مدخالت الشبكة ،وتيدؼ ىذه المرحمة
لموصوؿ الى ردود مف الشبكة ،مع أخذ القيـ الحالية لؤلوزاف بعيف االعتبار .وبعد ذلؾ ،يتـ مقارنة
االستجابات التي تنتجيا مخرجات الشبكة مع النتائج المرغوبة ،وذلؾ ألنيا عممية تعتمد عمى التعمـ
الموجو.
-2المرحمة الثانية :مرحمة االنتشار العكسي ( :)Back Propagationوبعد حساب االنحرافات بيف
االستجابات المرغوبة وتمؾ التي تنتجيا الخمية العصبية ،يتـ استخداـ تمؾ االنحرافات لضبط تمؾ االوزاف
لجميع الخاليا العصبية وكنتيجة ليذه االنحرافات يتـ تطبيؽ المرحمة الثانية مف خوارزمية االنتشار الخمفي.
طبقة المدخالت الطبقة الخفية طبقة المخرجات
X1
X2
y
)∑ /G(u
مرحمة االنتشار الخمفي
مرحمة االنتشار األمامي
Xn
تُعرؼ GAبأنيا "طريقة مف طرؽ إيجاد الحؿ األمثؿ وتندرج تحت مظمة الذكاء االصطناعي التي تعتمد
مبدأ محاكاة التطور الجيني في الطبيعة وىى تعتمد عمى مبدأ داروف في التطور؛ حيث يتـ تطبيؽ مبدأ اإلبقاء
الطبيعي "البقاء لؤلفضؿ" وذلؾ لمحصوؿ عمى األفراد ذوى التقييـ األفضؿ والقادريف عمى التكيؼ مع بيئة متجددة.
تعريف آخر
ىي طريقة البحث اإلرشادية المستخدمة في الذكاء االصطناعي والحوسبة .والتي يتـ استخداميا إليجاد
حموؿ محسنة لمشاكؿ البحث عمى أساس نظرية االنتقاء الطبيعي وعمـ األحياء التطوري .وتعتبر الخوارزميات
الجينية ممتازة لمبحث مف خالؿ مجموعات البيانات الكبيرة والمعقدة .كما أنيا قادرة عمى إيجاد حموؿ معقولة
لقضايا معقدة ألنيا قادرة عمى حؿ مشاكؿ التحسيف غير المقيدة والمقيدة.
تعريف آخر
"ىي خوارزميات البحث التي تستخدـ المبادئ المستوحاة مف عمـ الوراثة الطبيعية لتطوير حموؿ لممشاكؿ.
وتتمثؿ الفكرة األساسية في الحفاظ عمى مجموعة مف الكروموسومات ،والتي تمثؿ حموًال مرشحة لممشكمة الممموسة
التي يتـ حميا ،والتي تتطور بمرور الوقت مف خالؿ عممية المنافسة والتبايف المتحكـ فيو.
ويعتبر اإلطار الجيني مف األساليب غير التقميدية ،بينما تعتبر البرمجة الخطية والبرمجة الديناميكية ونماذج
اإلحالؿ ونماذج المخزوف مف ضمف األساليب التقميدية .وىناؾ خصائص تميز أسموب اإلطار الجيني عف باقي
األساليب ألخرى وىي أنو:
-1يعمؿ عمى مجموعة الحموؿ التي يتـ ترميزىا وليس عمى الحموؿ نفسيا.
-2يبحث عف مجموعة مف النقاط في مجتمع الدراسة وليس نقطة واحدة.
-3يستدـ معمومات عف دالة المواءمة وليس انحرافات أو معرفة بديمة.
-4يستخدـ قواعد انتقاؿ احتمالية وليس قواعد محددة.
وتركز الخوارزميات الجينية عمى مجموعة مف الخطوات األساسية لصياغة الحؿ األمثؿ لمشكمة معينة
وتعتبر تمؾ الخطوات ثابتة لمختمؼ المسائؿ والتطبيقات ولكف يكوف االختالؼ في صياغة كؿ خطوة مف ىذه
الخطوات وتطبيقيا حسب المسألة ومجاؿ تطبيقيا ,وترتبط ىذه الخطوات ببعضيا البعض وال يمكف تطبيؽ ىذه
الخوارزمية عمى أية مسألة ما لـ تطبؽ خطوات عمؿ الخوارزميات الجينية بالتتابع.
.1الخطوة األولى:
ىي كيفية صياغة المشكمة في صورة مالئمة حيث يجب أف يأخذ كؿ فرد في المجتمع رموز جينية
تسمى الكرومسومات ويعمؿ ىذا األسموب بنظاـ الترقيـ الثنائي أي يأخذ قيمة واحد او صفر ،وال توجد قواعد
لتحديد المجتمع.
.2الخطوة الثانية:
وبعد تكويف المجتمع بشكؿ عشوائي يتـ تقييـ كؿ كرومسوـ باستخداـ دالة الموائمة Fitness Function
أي يتـ تحويؿ دالة اليدؼ إلى دالة موائمة لمتناسب مع الحؿ في الخوارزميات الجينية.
.3الخطوة الثالثة:
وبعد تكرار معيف لمكرومسومات فإنو يطمؽ عمييا جيؿ ويتـ تقويـ الكرومسوـ في كؿ جيؿ باستخداـ بعض
مقاييس الموائمة ،ويتـ تكويف وخمؽ جيؿ جديد مف الكرومسومات ،كاآلتي:
التزاوج بيف اثنيف مف الكرومسومات مف الجيؿ الحالي باستخداـ معامؿ العبور(.(Cross-over أ.
ب .التغيير في الكرومسوـ باستخداـ معامؿ التعديؿ ( (Mutationأو معامؿ االختيار(.)Selection
وبالتالي يعمؿ اإلطار الجيني بثالث عوامؿ تستخدـ بطريقة تفاعمية معاً ،وىي:
معامل العبور((Cross-over
ويعتبر مف العمميات الجينية اليامة ويعمؿ عمى اثنيف مف الكرومسومات في نفس الوقت لخمؽ االندماج بيف
خص ائصيـ وتتمثؿ الطريقة البسيطة لتحقيؽ العبور في اختيار عشوائي لنقطة التبادؿ ويحدث التبادؿ في عدة
اشكاؿ ،ومنيا:
-أحادي النقطة :حيث يتـ التبادؿ عند نقطة واحدة لتكويف كرومسوـ جديد.
-ثنائي النقطة :حيث يتـ التبادؿ عند نقطتيف لتكويف كرومسوـ جديد.
معامل التعديل ((Mutation
ويطمؽ عمييا الطفرة وتعني التغيرات العشوائية في النمط الوراثي لمكائنات الحية الذي يقوـ بشكؿ عشوائي
بتعديؿ واحد أو أكثر مف الجينات ،ولمطفرة دور ىاـ في ٍ
كؿ مف:
-احالؿ الجينات التي تـ فقدىا في المجتمع أثناء عممية االختيار.
-إمداد بجينات غير ممثمة في المجتمع المبدئي.
معامل االختيار()Selection
ويقوـ باختيار الكرومسومات التي ستشارؾ في عممية إعادة االنتاج وىناؾ عدة طرؽ طرؽ إلختيار
الكرومسوـ منيا اختيار عجمة الروليت Roulette- Wheel Selectionحيث يكوف احتماؿ اختيار كرومسوـ
معيف مف المجتمع الحالي لممساىمة في إنتاج ذرية يتناسب مع قيمة الموائمة الخاصة لمكرومسوـ.
.4الخطوة الرابعة:
حذؼ أعضاء المجتمع الغير مرغوب فييـ ،واختبار Testالكرومسومات الجديدة لدخوليا في المجتمع.
.5الخطوة الخامسة:
اذا كاف معيار التوقؼ Stopping Criteriaمقنعاً يحدث التوقؼ والرجوع إلى افضؿ كرومسوـ ،واذا لـ يكف
معيار التوقؼ مقنعاً يتـ الرجوع إلى الخطوة الثالثة مره أخرى.
شكؿ يوضح آلية عمؿ الخوارزميات الجينية
أ .ليست لدييا متطمبات رياضيو كثيرة عف مشاكؿ األمثمية ،حيث أف اإلطار الجيني يبحث عف الحموة دوف
األخذ في االعتبار التحديد الداخمي لعمؿ المشكمة.
يجعؿ عامؿ التطور اإلطار الجيني عمى درجة عالية مف الكفاءة إلنجاز بحث عاـ ،وتقوـ المداخؿ ب.
التقميدية بالبحث المحمي عف طريؽ اجراءات التقارب التدريجي حيث يتـ مقارنة قيـ النقاط القريبة والتحرؾ نحو
النقاط المثمى نسبيا.
ج .يساعد عمى التصميـ األمثؿ لييكؿ الشبكات العصبية مما يجعؿ الشبكات العصبية أكثر كفاءة.
د .يمتمؾ مرونة كبيرة إلجراء التطبيؽ بكفاءة لممشكمة المحددة.
وهناك عدة عيوب لإلطار الجيني:
ال يتض مف اإلطار الجيني _ مثؿ كؿ األدوات _ حؿ المشكمة بطريقة مثمى عمى الرغـ مف أف الحؿ األمثؿ
ممكف وىناؾ عدة قصور في اإلطار الجيني ،كما يمى :
أ .ال يمكف تشكيؿ كؿ المشاكؿ في صيغة رياضية كما يتطمب اإلطار الجيني.
ب .يتطمب تطوير اإلطار الجيني وتفسير النتائج خبير لديو ميارات جيدة في البرمجة والرياضة واالحصاء.
ج .يعتمد اإلطار الجيني عمى أرقاـ عشوائية والتي تؤدى إلى نتائج مختمفة في كؿ دورة يعمؿ النموذج فييا.
د .صعوبة تحديد كؿ المتغيرات بصورة جيدة والتي تعمؿ في المشكمة بصورة رئيسية والحصوؿ عمى البيانات
التي تؤىؿ كمتغيرات وترميز الجينات والكروموسومات في صورة ثابتة.
ىو شكؿ مف أشكاؿ القيـ المتعددة التي قد تكوف فييا القيـ الحقيقية لممتغيرات أي عدد حقيقي بيف 0و .1
تماما.
تماما والخطأ ً
ويتـ استخدامو لمتعامؿ مع مفيوـ الحقيقة الجزئية ،حيث قد تتراوح قيمة الحقيقة بيف الحقيقة ً
وذلؾ عمى عكس Boolean logicالمنطؽ البولياني ،فقد تكوف قيـ الحقيقة لممتغيرات فيو ىي القيـ الصحيحة
0أو .1
تعريف آخر
ىو م نظومة منطقية تقوـ عمى تعميـ لممنطؽ التقميدي ثنائي القيـ ،وذلؾ لالستدالؿ في ظروؼ غير مؤكدة.
وبالمعنى الضيؽ فيو نظريات وتقنيات تستخدـ المجموعات الضبابية التي ىي مجموعات بال حدود .ويمثؿ ىذا
المنطؽ طريقة سيمة لتوصيؼ وتمثيؿ الخبرة البشرية ،كما أنو يقدـ الحموؿ العممية لممشاكؿ الواقعية ،وىي حموؿ
بتكمفة فعالة ومعقولة ،بالمقارنة مع الحموؿ األخرى التي تقدـ التقنيات األخرى.
ب .يسععتخدم المنطععق الضععبابي بالتكامععل م ع الخوارزميععات الجينيععة Fuzzy Genetic Algorithms
لزيادة الدقة في التنبؤ بأسعار الفائدة:
حيػػث يسػػتخدـ المنطػػؽ ضػػبابي الخوارزميػػات الجينيػػة FGAلمتنبػػؤ ونمذجػػة معػػدالت الفائػػدة وذلػػؾ كطريقػػة
تػدريب لػػتعمـ قواعػػد المعرفػػة الخاصػة بالقواعػػد الضػػبابية التػػي يػتـ اسػػتخداميا لمتنبػػؤ بأسػػعار الفائػدة .وقػػد تػػـ تطػػوير
نظػػاـ المنطػػؽ الضػػبابي لنمذجػػة وتوقػػع تقمبػػات أسػػعار الفائػػدة لمػػدة ثالثػػة أشػػير (ربػػع سػػنوية) .ويػػتـ تػػدريب النظػػاـ
بشكؿ أكبر عمى وضع نماذج أسػعار الفائػدة والتنبػؤ بيػا لمػدة سػتة أشػير وسػنة واحػدة .وتػـ تطػوير النظػاـ المقتػرح
مف خالؿ قواعد المعرفة اليرمية األولى والثانية والثالثة ،لوضع نماذج معدالت الفائدة والتنبؤ بيا.
كمػػا تػػـ تطػػوير بنيػػة جديػػدة تسػػمى نظػػاـ المنطػػؽ الضػػبابي لؤلمػػاـ باسػػتخداـ المنطػػؽ الضػػبابي والخوارزميػػات
الجينيػػة لمتنبػػؤ بأسػػعار الفائػػدة .وقػػد أثبػػت تفػػوؽ ودقػػة عاليػػة فػػي التنبػػؤ بمعػػدالت الفائػػدة عنػػد مقارنتػػو بنظػػاـ الشػػبكة
العصػػبية اليرميػػة لالنتشػػار الخمفػػي .وتػػؤثر الدقػػة فػػي تحديػػد معػػدالت الفائػػدة فػػي ىػػذا النظػػاـ فػػي باإليجػػاب حيػػث
تسػاىـ فػي تزويػػد المسػتثمريف بالمعمومػات الماليػػة التػي تسػاعدىـ فػػي اتخػاذ قػ ارراتيـ االسػػتثمارية ،وكػذلؾ المسػػاىمة
في رفع كفاءة أسواؽ صرؼ العمالت العالمية.
حيػث يعتبػػر تسػعير المنتجػػات مػف أىػػـ وأصػعب القػ اررات التػي تقػػوـ االدارة باتخاذىػا وذلػػؾ لكونيػا تتعامػػؿ مػػع
المسػػتقبؿ ومػػف ثػػـ تعتبػػر مػػف القػ اررات التػػي تػػتـ فػػي ظػػؿ حػػاالت عػػدـ التأكػػد .ويسػػاىـ المنطػػؽ الضػػبابي Fuzzy
logicفػػي تحديػػد السياسػػة السػػعرية الفضػػمى لتسػػعير المنػػتج ،ولكػػي يتحقػػؽ ذلػػؾ يػتـ اختيػػار سػػبع سياسػػات سػػعرية
لممقارنػػة وتحديػػد األفضػػؿ مػػف بينيػػا ،وىػػذه السياسػػات ىػػي كػػؿ مػػف سياسػػة التسػػعير( :وفقػػا لتكػػاليؼ المنػػتج ،وفقػػا
لمس ػػوؽ ،التفاض ػػمي ،النفسػ ػػي ،اإلداري ،المعت ػػاد ،الجغ ارف ػػي) ،كمػ ػػا ت ػػـ تحدي ػػد األى ػػداؼ الت ػػي تمب ػػي حاج ػػة الوحػػػدة
االقتصادية وىي (الربحية ،حجـ المبيعات ،التنافس ،الجودة ،االستراتيجية ،سيطرة الحكومػة) .وفػي ىػذه الحالػة يػتـ
افتراض أف أفضؿ سياسػة ىػي سياسػة التسػعير المعتػاد .ومػف ىنػا يػأتي كيفيػة اسػتخداـ مػنيج تحميػؿ الحساسػية فػي
المنطػػؽ الضػػبابي ل ػدعـ ق ػرارت التسػػعير مػػف خػػالؿ التكػػاليؼ المسػػتيدفة ,فمػػف الواضػػح اف الداللػػة الغموضػػية ىػػي
مؤشر لحساسية المخرجات تجاه تغير المدخالت حيث اف تحميؿ الحساسػية يعػرؼ عمػى انػو مػدى تػأثر المخرجػات
نتيجة تغير في المدخالت ويعرؼ عمى انو اسموب "."IF-THEN
ومثاؿ عمى ذلؾ اف عممية التسعير في ظؿ التكمفة المستيدفة تحػدد عػدة نقػاط منيػا سػعر البيػع :ويتحػدد فػي
شكؿ مدى بيف قيمتيف" :الطمب عمى السػمعة ،وتكػاليؼ االنتػاج" .وممػا سػبؽ فػاف تقػدير ىػذه العناصػر يكػوف بمػدى
معػػيف بػػيف قيمتػػيف ,وإلج ػراء المنطػػؽ الضػػبابي يػػتـ تحميػػؿ حساسػػية المخرجػػات بالنسػػبة لممػػدخالت عبػػر معػػادالت
توضػػح مػػدى تػػأثر التكمفػػة المسػػتيدفة ألي تغيػػر يحػػدث لممتغي ػرات السػػابقة ,وممػػا الشػػؾ فيػػو اف التسػػعير يػػتـ وفقػػا
لق ػػوى الع ػػرض والطم ػػب ف ػػي الس ػػوؽ .وايض ػػا اف المتغيػ ػريف االساس ػػييف ف ػػي معادل ػػة التس ػػعير عم ػػى اس ػػاس التكمف ػػة
المستيدفة ىما الطمب عمى السمعة وسعر المنتج فأي تغير في احداىما سػيؤثر عمػى المخرجػات وىنػا تطبػؽ قاعػدة
المنطؽ الضبابي والتي تعتمد عمى المعادلة الشرطية "اذا كاف كذا وكذا ,فانو كذا " أي انيا تربط بيف تأثير تغيػر
ف ػػي متغيػ ػريف عمػ ػى مخرج ػػات المعادل ػػة ,في ػػي تس ػػتخدـ تحمي ػػؿ الحساس ػػية ف ػػي دع ػػـ قػ ػ اررات التس ػػعير عب ػػر المنط ػػؽ
الضبابي .ويكوف التكامؿ بيف كػال مػف نظػـ الخبػرة الضػبابية FESوتحميػؿ الحساسػية sensitivity analysis
اثر كبير في تدعيـ منيجية التكمفة المستيدفة بما يمكف ىذه المنيجية مف إمكانية التطبيؽ في كافة الشركات عمػى
اختالؼ طرؽ التسعير المتبعة بيا.