Intelligent Help Systems for UNIX

در این مجموعه مقالات بین المللی دانش فراوانی در مورد تکنیک های هوش مصنوعی (AI) و علوم شناختی (CS) وجود دارد که برای مشکل ارائه سیستم های کمکی عمدتاً برای سیستم عامل یونیکس به کار می رود. تحقیقی که در اینجا توضیح داده می‌شود شامل نمایش مفاهیم فنی کامپیوتر، اما همچنین نمایش نحوه مفهوم‌سازی کاربران از چنین مفاهیمی است. این مجموعه به مدل‌ها و سیستم‌های محاسباتی مانند UC، Yucca و OSCON می‌پردازد که به زبان‌هایی مانند Lisp، Prolog، OPS-5 و C برنامه‌ریزی شده‌اند که برای ارائه کمک یونیکس توسعه یافته‌اند. این سیستم‌ها از منوی بودن تا سیستم‌هایی با رابط‌های زبان طبیعی را شامل می‌شوند، برخی کمک‌های فعال ارائه می‌کنند، زمانی مداخله می‌کنند که تصور می‌کنند کاربر دارای تصورات نادرستی است، و برخی بر اساس مطالعات تجربی در مورد کارهایی که کاربران در استفاده از یونیکس انجام می‌دهند. مقالات بیشتر برنامه‌ریزی و بازنمایی دانش را بررسی می‌کنند که در آن تمرکز بر کشف آنچه کاربر می‌خواهد انجام دهد، و یافتن راهی برای انجام آن، و همچنین نشان دادن دانش مورد نیاز برای انجام آن است. تمرکز قابل توجهی بر گفتگوی زبان طبیعی وجود دارد که در آن سیستم‌های مشاوره می‌توانند فعال شوند، شامل اصلاحات کاربر، تولید زبان طبیعی و تشخیص طرح، مدل‌سازی استعاره‌ها و باورهای اشتباه کاربران می‌شود. از دیدن اینکه چگونه تکنیک‌های هوش مصنوعی و CS را می‌توان در حین اعمال در یک دامنه آزمایشی واقعی مانند راهنما در یونیکس، عمیقاً بررسی کرد.

In this international collection of papers there is a wealth of knowledge on artificial intelligence (AI) and cognitive science (CS) techniques applied to the problem of providing help systems mainly for the UNIX operating system. The research described here involves the representation of technical computer concepts, but also the representation of how users conceptualise such concepts. The collection looks at computational models and systems such as UC, Yucca, and OSCON programmed in languages such as Lisp, Prolog, OPS-5, and C which have been developed to provide UNIX help. These systems range from being menu-based to ones with natural language interfaces, some providing active help, intervening when they believe the user to have misconceptions, and some based on empirical studies of what users actually do while using UNIX. Further papers investigate planning and knowledge representation where the focus is on discovering what the user wants to do, and figuring out a way to do it, as well as representing the knowledge needed to do so. There is a significant focus on natural language dialogue where consultation systems can become active, incorporating user modfelling, natural language generation and plan recognition, modelling metaphors, and users' mistaken beliefs. Much can be learned from seeing how AI and CS techniques can be investigated in depth while being applied to a real test-bed domain such as help on UNIX.