سیستم خبره یک برنامه رایانه‌ای است که از فناوری‌های هوش مصنوعی (AI) برای شبیه سازی و رفتار یک انسان یا سازمانــی که دانش و تجربه تخصصــی در زمینه خاصی دارد، استفاده می‌کند. به طور معمول، یک سیستم خبـــره شامل یک پایگاه دانش، شامل تجربه انباشته شده و یک موتور استنتاج یا قوانین است. مجموعه‌ای از قوانین برای اعمال پایگاه دانش برای هر موقعیت خاصــی که برای برنامه توصیف می‌شود.

تاریخچه

قابلیت‌های سیستم را می‌توان با افزودن به پایگاه دانش یا مجموعه قوانین افزایش داد. سیستم‌های فعلــی ممکن است شامل قابلیت‌های یادگیری ماشینــی باشند که به آن‌ها اجازه می‌دهد تا عملکرد خود را بر اساس تجربه بهبود بخشند، درست مانند انسان‌ها. مفهوم سیستم‌های خبره اولین بار در دهه 1970 توسط ادوارد فایگنبام، استاد و موسس آزمایشگاه سیستم‌های دانش در دانشگاه استنفورد توسعه یافت.

فایگنبام توضیح داد که جهان از پردازش داده‌ها به «پردازش دانش» در حال حرکت است، انتقالــی که با فناوری پردازنده‌های جدید و معماری‌های کامپیوتری امکان‌پذیر شده است. سیستم های خبره نقش زیادی در بسیاری از صنایع از جمله خدمات مالی، مخابرات، مراقبت‌های بهداشتــی، خدمات مشتری، حمل و نقل، بازی‌های ویدئویــی، تولید، حمل و نقل هوایــی و ارتباطات نوشتاری ایفا کرده‌اند.

2 نوع سیستم‎خبره در مراقبت‎های بهداشتــی

دو سیستم خبــره اولیه در فضای مراقبت‌های بهداشتــی برای تشخیص‌های پزشکی راه افتادند: Dendral که به شیمیدانان کمک کرد تا مولکول‌های آلی را شناسایی کنند و MYCIN که به شناسایــی باکتری‌هایی مانند باکتریمی و مننژیت و توصیه آنتی‌بیوتیک‌ها و دوزها کمک می‌کرد. یک سیستم خبره که اخیراً توسعه یافته است، به نام ROSS، یک وکیل، با هوش مصنوعی است که بر اساس سیستم محاسباتــی شناختی Watson IBM است. ROSS بر سیستم‌های خودآموز متکــی است که از داده‌کاوی، تشخیص الگو، یادگیری عمیق و پردازش زبان طبیعــی برای تقلید از نحوه عملکرد مغز انسان استفاده می‌کنند.

سیستم‌های خبره و سیستم‌های هوش مصنوعی تا آنجا تکامل یافته‌اند که در مواجهه با چنین هوشــی، بحث‌هایی را در مورد سرنوشت بشریت برانگیخته‌اند، با نویسندگانی مانند نیک بوستروم، استاد فلسفه در دانشگاه آکسفورد، که به این فکر می‌کنند، آیا قدرت محاسباتی از توانایی ما برای کنترل فراتر رفته است.

10 کاربرد هوش مصنوعی در مشاغــل مختلف

سیستم خبره چیست؟

سیستم خبــره یک سیستم تصمیم‌گیری مبتنــی بر کامپیوتر، تعاملی و قابل اعتماد است که از حقایق و اکتشافی برای حل مسائل پیچیده تصمیم‌گیری، استفاده می‌کند. در بالاترین سطح هوش و تخصص انسانــی در نظر گرفته شده است. هدف یک سیستم خبــره حل پیچیده‌ترین مسائل در یک حوزه خاص است. سیستم خبره در هوش مصنوعی می‌تواند بسیاری از مسائل را حل کند که به طور کلی نیاز به متخصص انسانــی دارد.

این بر اساس دانش به دست آمده از یک متخصص است. هوش مصنوعی و سیستم‌های خبره قادر به بیان و استدلال در مورد برخــی از حوزه‌های دانش هستند. سیستم‌های خبره سلف سیستم‌های هوش مصنوعی، یادگیری عمیق و یادگیری ماشین امروزی بودند.

نمونه‌هایــی از سیستم‌های خبره

• MYCIN: بر اساس زنجیره‌ای بود و می‌توانست باکتری‌های مختلفــی را که می‌توانند باعث عفونت‌های حاد شوند، شناسایــی کند. همچنین می‌تواند داروهایــی را بر اساس وزن بیمار توصیه کند. این یکــی از بهترین نمونه‌های سیستم خبره است.
• DENDRAL: سیستم خبــره‌ای که برای تجزیه و تحلیل شیمیایــی برای پیش‌بینی ساختار مولکولــی استفاده می‌شود.
• PXDES: نمونه‌ای از سیستم خبــره که برای پیش‌بینی درجــه و نوع سرطان ریه استفاده می‌شود.
• CaDet: یکــی از بهترین نمونه‌های سیستم خبره که می‌تواند سرطان را در مراحل اولیــه شناسایی کند.

ویژگــی‌های سیستم خبره

چرا سیستم‌های خبره مورد نیاز است؟ ویژگی‌های مهم سیستم خبــره در هوش مصنوعی به شرح زیر است:

• بالاترین سطح تخصص را دارد. سیستم Expert در هوش مصنوعــی بالاترین سطح تخصص را ارائه می‌دهد. کارایــی، دقت و حل مسئله تخیلــی را فراهم می‌کند.
• واکنش درست در زمان را ارائه می‌دهد. یک سیستم خبره در هوش مصنوعــی در یک بازه زمانی بسیار معقول با کاربر تعامل دارد. کل زمان باید کمتر از زمانی باشد که یک متخصص برای بدست آوردن دقیق‌ترین راه حل برای همان مشکل صرف می‌کند.
• قابلیت اطمینان سیستم Expert در هوش مصنوعــی باید قابل اعتماد باشد و نباید هیچ اشتباهی مرتکب شود.
• انعطاف‌پذیر بودن بسیار حیاتــی است که انعطاف‌پذیر بماند زیرا توسط یک سیستم خبره در اختیار است.
• مکانیزم موثر سیستم خبره در هوش مصنوعی باید مکانیزم کارآمدی برای مدیریت گردآوری دانش موجود در آن داشته باشد.
• توانایــی رسیدگی به تصمیمات و مشکلات چالش برانگیز یک سیستم خبره قادر به رسیدگــی به مشکلات تصمیم‌گیری چالش برانگیز و ارائه راه حل است.

اجزای سیستم خبره

سیستم خبره در هوش مصنوعــی از اجزای زیر تشکیل شده است:

1. رابط کاربری

رابط کاربری حیاتی‌ترین بخش نرم‌افزار سیستم خبره است. این کامپوننت پرس و جوی کاربر را به صورت خوانا می‌گیرد و به موتور استنتاج ارسال می‌کند. پس از آن، نتایج را به کاربر نمایش می‌دهد. به عبارت دیگر، این یک رابط است که به کاربر کمک می‌کند تا با سیستم خبره ارتباط برقرار کند.

2. موتور استنتاج

موتور استنتاج مغز سیستم خبره است. شامل قوانینــی برای حل یک مشکل خاص است. دانش را از پایگاه دانش ارجاع می‌دهد. حقایق و قوانینــی را انتخاب می‌کند تا هنگام تلاش برای پاسخ به سؤال کاربر اعمال شود. در مورد اطلاعات موجود در پایگاه دانش استدلال ارائه می‌دهد. همچنین به کسر مشکل برای یافتن راه حل کمک می‌کند. این مؤلفه برای تدوین نتیجه‌گیری نیز مفید است.

3. دانش محور

پایگاه دانش، مخزنی از حقایق است. تمام اطلاعات مربوط به حوزه مشکل را ذخیره می‌کند. مانند ظرف بزرگــی از دانش است که از متخصصان مختلف یک رشته خاص به دست می‌آید. بنابراین می‌توان گفت که موفقیت نرم‌افزار سیستم خبره عمدتاً به دانش بسیار دقیق بستگی دارد.

4. حقایق و قوانین

یک واقعیت بخش کوچکــی از اطلاعات مهم است. حقایق به تنهایــی کاربرد بسیار محدودی دارند. قوانین برای انتخاب و اعمال حقایق در یک مشکل کاربر ضروری هستند.

5. کسب دانش

واژه اکتساب دانش به معنای چگونگــی به دست آوردن دانش حوزه مورد نیاز توسط سیستم خبره است. کل فرآیند با استخراج دانش از یک متخصص انسانــی، تبدیل دانش کسب شده به قوانین و تزریق قوانین توسعه یافته به پایگاه دانش آغاز می‌شود.

6. فرآیند استخراج دانش

شرکت کننده در توسعه سیستم‌های خبره، Domain Expert شخص یا گروهــی است که از تخصص و دانش او برای توسعه یک سیستم خبره استفاده می‌شود. مهندس دانش فردی فنــی است که دانش را در سیستم‌های کامپیوتری ادغام می‌کند. کاربر نهایــی شخص یا گروهی از افراد است که از Expert sy استفاده می‌کنند.

فرآیند ساختن یک سیستم خبره

• تعیین ویژگی‌های مسئله
• مهندس دانش و متخصص حوزه به طور منسجم برای تعریف مشکل کار می‌کنند
• مهندس دانش، دانش را به زبانــی قابل فهم برای کامپیوتر ترجمه می‌کند. او یک موتور استنتاج طراحــی می‌کند، یک ساختار استدلال، که می‌تواند در صورت نیاز از دانش استفاده کند. کارشناس دانش همچنین نحوه ادغام استفاده از دانش نامطمئن در فرآیند استدلال و نوع توضیح مفید را تعیین می‌کند.

سیستم متعارف در مقابل سیستم خبره

• دانش و پردازش در یک واحد ترکیب شده‌اند. پایگاه داده دانش و مکانیزم پردازش دو جزء مجزا هستند
• برنامه خطا نمی‌کند (مگر اینکه در برنامه نویسی خطا داشته باشد) که ممکن است سیستم خبره اشتباه کند
• این سیستم تنها زمانــی عملیاتــی می‌شود که به طور کامل توسعه یافته باشد. سیستم خبره به صورت مداوم بهینه شده است و با تعداد کمــی از قوانین راه‌اندازی می‌شود
• اجرای گام به گام طبق الگوریتم‌های ثابت مورد نیاز است. اجرا به صورت منطقــی و اکتشافی انجام می‌شود
• نیاز به اطلاعات کامل دارد. می‌تواند با اطلاعات کافــی یا ناکافی عملکردی داشته باشد
• متخصص انسانــی در مقابل سیستم خبره
• کارشناس انسانــی در مقابل متخصص مصنوعــی
• انتقال دشوار است
• مستندسازی مشکل، مستندسازی آسان
• سازگار، غیر قابل پیش‌بینــی
• گران قیمت، سیستم مقرون به صرفــه

مزایای سیستم‌های خبره

• کیفیت تصمیم‌گیری را بهبود می‌بخشد
• هزینه‌های مشاوره با کارشناسان برای حل مشکلات را کاهش می‌دهد
• راه حل‌های سریع و کارآمدی برای مشکلات در حوزه تخصصــی محدود ارائه می‌دهد
• می‌تواند تخصص کمیاب را جمع‌آوری کند و از آن به طور موثر استفاده کند
• پاسخی ثابت برای مشکل تکراری ارائه می‌دهد
• سطح قابل توجهــی از اطلاعات را حفظ می‌کند
• به شما کمک می‌کند تا پاسخ‌های سریع و دقیق دریافت کنید
• توضیح مناسب تصمیم‌گیری
• توانایــی حل مسائل پیچیده و چالش برانگیــز
• سیستم‌های خبره هوش مصنوعی می‌توانند به طور پیوسته بدون احساس، تنش یا خستگــی کار کنند

محدودیت‌های سیستم خبره

• قادر به پاسخ خلاقانــه در یک موقعیت فوق العاده نیست
• اشتباهات در پایگاه دانش می‌تواند منجر به تصمیم‌گیری اشتباه شود
• هزینه نگهداری یک سیستم خبره بسیار گران است
• هر مشکل متفاوت است، بنابراین راه حل یک متخصص انسانــی نیز می‌تواند متفاوت و خلاقانه باشد

کاربردهای سیستم‌های خبره

برخــی از برنامه‌های محبوب سیستم خبــره

• مدیریت اطلاعات
• بیمارستان‌ها و امکانات پزشکــی
• مدیریت میزهای کمک
• ارزیابی عملکرد کارکنان
• تحلیل وام
• تشخیص ویروس
• برای پروژه‌های تعمیر و نگهداری مفید است
• بهینه‌سازی انبار
• برنامه‌ریزی
• پیکربندی اشیاء ساخته شده
• تصمیم‌گیری مالــی انتشار دانش
• نظارت و کنترل فرآیند
• نظارت بر عملکرد کارخانه و کنترل کننده
• معاملات بازار سهام
• برنامه‌ریزی خطوط هوایــی

نتیجه

سیستم خبره یک سیستم تصمیم‌گیری مبتنــی بر کامپیوتر، تعاملــی و قابل اعتماد است که از حقایق و اکتشافات برای حل مشکل تصمیم‌گیری پیچیده استفاده می‌کند. اجزای کلیدی یک سیستم خبره عبارتند از:

• رابط کاربری
• موتور استنتاج
• پایگاه دانش

شرکت کنندگان کلیدی در توسعه سیستم‌های خبره هوش مصنوعی عبارتند از:

• متخصص دامنه
• مهندس دانش
• کاربر نهایــی

بهبود کیفیت تصمیم‌گیری، کاهش هزینــه، ثبات، قابلیت اطمینان، سرعت، از مزایای کلیدی یک سیستم خبره است. یک سیستم خبره نمی‌تواند راه حل‌های خلاقانه‌ای ارائه دهد و نگهداری آن می‌تواند پرهزینه باشد. یک سیستم خبره می‌تواند برای کاربردهای گسترده‌ای مانند بازار سهام، انبار، منابع انسانی و غیره استفاده شود.

---

منابع:

guru99.com

techtarget.com