قرار است یک ایجنت بررسیکننده به تیمی اضافه کنید که حافظهی مشترکی دارند. یکی از همکاران پیشنهاد میکند این بررسیکننده ورودیهای اشتباه را مستقیماً اصلاح کند؛ چون این سادهترین طراحی ممکن است. مشخصات این بررسیکننده را تعیین کنید: چه چیزی را میخواند، مجاز است چه چیزی بنویسد، نتایجش کجا میرود، و جلوی چه خطاهایی را میتواند یا نمیتواند بگیرد؟ از این محدودیتها دفاع کنید.
اول خودتان جواب بدهید، بعد پاسخ را باز کنید.
پاسخ کوتاه
بررسیکننده مثل هر ایجنت دیگری حافظهی مشترک را میخواند، منابعی را که ورودیها به آنها ارجاع دادهاند دوباره واکشی میکند، و آنها را تطبیق میدهد. این ایجنت هیچ دسترسی نوشتنی به حافظهی مشترک ندارد؛ فقط به یک کانال اعتبارسنجی جداگانه مینویسد که یک انسان یا یک ایجنت تصمیمگیرنده آن را میخواند. نمیتواند جلوی ثبت یک ورودی نامعتبر را بگیرد، و ممکن است ورودیای که هیچ منبعی ذکر نکرده فریبش دهد؛ اما احکام ارزیابیِ آن هرگز به یک واقعیت مشترک تبدیل نمیشوند. اگر بررسیکننده روی حافظه بنویسد، همان حافظهای که بررسیاش میکند آلودهاش خواهد کرد، و بعد احکام ارزیابیاش این آلودگی را بیش از پیش گسترش میدهند.
پاسخ کامل
مشخصات فنی
| جنبه | قاعده |
|---|---|
| خواندن | کل مخزن، یا موضوعاتی از تابلوی اعلانات (Blackboard) که در آنها عضو شده است |
| نوشتن | هیچچیز در حافظهی مشترک؛ فقط ورودیهایی روی کانال اعتبارسنجی اختصاصی خودش |
| روش کار | برای هر ورودی دارای منبع ارجاعشده، منبع را بهطور مستقل واکشی کرده و محتوا را مقایسه میکند |
| خروجی | یک یافته بهازای هر عدمتطابق همراه با شناسهی ورودی و دلیل آن، که به دست انسان یا یک ایجنت تصمیمگیرندهی مجزا میرسد |
| اثرگذاری | مدل اعتبارسنج هیچچیزی در مخزن نمینویسد. فراخواننده میتواند یافته را بهصورت یک پرچم (Flag) به ورودی پیوست کند (همان کاری که دموی این درس انجام میدهد)، اما محتوای ورودی تغییر نمیکند، و اصلاحیه در قالب یک ورودی جدید ثبت میشود که جایگزین ورودی قبلی خواهد شد |
در کد این درس، مدل اعتبارسنج فهرستی از یافتهها را برمیگرداند و هرگز دست به مخزن نمیزند. این فراخواننده است که تصمیم میگیرد با آنها چه کند.
چرا دسترسی نوشتن ممنوع است؟
حافظهی مشترک تنها بخش حالتدار (Stateful) سیستم است، و مسمومسازی دادهها دقیقاً همینجا اتفاق میافتد. مدلی که بنویسد، تبدیل میشود به یک نویسندهی دیگر که خودش هم ممکن است اشتباه کند. بدتر اینکه، همان مخزنی را میخواند که روی آن مینویسد؛ بنابراین مخزنِ آلوده، دیدگاه مدل اعتبارسنج را شکل میدهد و نتایج بررسیِ آن با اعتبارِ یک بررسی رسمی، دوباره در قالب واقعیتهای تازه وارد مخزن میشوند. جداسازی این چرخه را قطع میکند. مدل اعتبارسنج شاید فریب یک ورودی نامعتبر را بخورد، اما اشتباهاتش داخل کانال خودش باقی میماند.
چرا ورودیها در همانجا اصلاح نشوند؟
اصلاح درجا، ردگیری ممیزی (Audit Trail) را از بین میبرد. قاعدهی این درس فقطافزودنی (Append-only) بودن است: اصلاحیه یک ورودی جدید است که به ورودیِ منسوخشده ارجاع میدهد. وقتی یافتهی مدل اعتبارسنج پیوست شود، تاریخچه نشان میدهد که مقداری ثبت شده، بررسی با آن مخالفت کرده، و نتیجهی بررسی چه بوده است. خوانندهای که سه گام بعد سیستم را بررسی میکند، متوجه این اختلاف میشود. اما ورودیِ رونویسیشده هیچ ردی به جا نمیگذارد.
جلوی چه چیزهایی را میگیرد و جلوی چه چیزهایی را نه؟
جلوی ورودیای را میگیرد که منبعی را ذکر کرده اما با آن همخوانی ندارد؛ یعنی همان حالتِ مسمومسازی. جلوی ورودیِ بدون منبع، ورودیای که منبعش از پایه غلط است، یا نتیجهگیریِ اشتباهی که بهدرستی از روی ورودیهای پرچمدار گرفته شده را نمیگیرد. برای مهار این موارد، به منشأ و سندیت (Provenance) نیاز دارید تا ادعاهای بدون ارجاع وزن کمتری بگیرند، تنوع منابع لازم است، و یک ایجنت تصمیمگیرنده که یافتهها را بخواند.
هماهنگی با بقیهی سیستم
ثبت منشأ و سندیت در هر عملیات نوشتن، به مدل اعتبارسنج خوراکی برای بررسی میدهد. لاگِ فقطافزودنی، جایی برای پیوست کردن یافتهها فراهم میکند. کانال اعتبارسنجی هم به خروجیهای این مدل، خوانندهای غیر از مخزن اختصاص میدهد. این سه راهکار در کنار هم یک طراحی واحد را میسازند.
سؤالهای تکمیلی مصاحبهگر
- سطح 3: مدل اعتبارسنج ورودیای را پرچمگذاری میکند که تحلیلگر قبلاً از آن استفاده کرده است. چه بر سر ورودی تحلیلگر میآید؟ انتظار میرود: در لاگ باقی بماند، ورودی جدیدی بتواند با استناد به آن یافته جایگزینش شود، و گزارش نهایی حاوی ابطال آن باشد.
- سطح 3: چند مدل اعتبارسنج مستقر میکنید؟ انتظار میرود: حداقل یکی، و اگر مخزن بر اساس موضوع بخشبندی شده باشد تعداد بیشتری؛ بهطوریکه هر مدل اعتبارسنج عضو موضوعاتی شود که توانایی بررسیشان را دارد.
- سطح 4: دسترسیِ مدل اعتبارسنج به منبع را چطور مستقل نگه میدارید؟ انتظار میرود: داده را با ابزارهای اختصاصی خودش از مکان اصلی واکشی کند، نه از کشی که یک نویسنده پر کرده است؛ در غیر این صورت، ورودی را با رونوشتی از خودش تطبیق خواهد داد.
- سطح 4: چه معیاری نشان میدهد مدل اعتبارسنج دارد کار مفیدی انجام میدهد؟ انتظار میرود: سهم ورودیهای جایگزینشده از کل عملیاتهای نوشتن و سهم ورودیهای پرچمدار، در کنار هم ارزیابی شوند؛ بالا رفتن نرخ پرچمگذاری، نشانهی زودهنگام توهم زدن یکی از نویسندههاست.
جوابهای اشتباهی که مصاحبهگرها زیاد میشنوند
- «بگذارید بررسیکننده ورودی را اصلاح کند، چون به منبع دسترسی دارد.» این کار ردگیری ممیزی را پاک میکند و مسیر نوشتنی در اختیار بررسیکننده میگذارد که یک مخزن آلوده میتواند از آن علیه خودش استفاده کند.
- «یک ایجنت بازبین دوم که مخزن را بخواند کافی است.» بازبینی که فقط مخزن را بخواند، ورودیها را با هم مقایسه میکند و همان واقعیتهای مسموم را به ارث میبرد؛ مدل اعتبارسنج حتماً باید منبع را از نو واکشی کند.
- «یافتههای مدل اعتبارسنج را به مخزن هدایت کنید تا همهی ایجنتها آنها را ببینند.» در این صورت، یافتهها تبدیل به واقعیتهای مشترک میشوند و یک یافتهی اشتباه، مخزن را به شیوهای تازه آلوده میکند؛ سیگنالِ قابل رؤیت، یافتهای است که روی کانال اعتبارسنجی با کلیدِ شناسهی ورودی ثبت شده، نه یک ورودی تازه داخل مخزن.
کجای دوره آموزش داده میشود
درس حافظهی مشترک مشخصات مدل اعتبارسنج فقطخواندنی و کانال اختصاصیاش را مشخص میکند.