سیستم های خبره
سیستم‌های خبره سیستم‌هایی هستند که با سرعت بسیار زیادی در حال ورود به جامعه‌ی نرم‌افزارها و تکنولوژی هستند. در این بین بررسی آن‌ها خالی از لطف نیست.
سیستم‌های خبره
مقدمه
سیستم‌های خبره یا Expert System سیستم‌هایی است با در اختیار داشتن پایگاه دانش و با دریافت وقایع محیط اطراف به نتیجه گیری منطقی می‌پردازد. این سیستمها عموما باید این توانایی را دارند تا به تدریج قواعد استنباط موجود در پایگاه را تکمیل کنند و نتیجه‌گیری‌ها جدید را به آن اضافه کنند. یکی از قدیمی‌ترین سیستم‌های خبره سیستم Mycin است. با توجه به اطلاعات بالینی بیمار، بیماری‌های عفونی را با دقت قابل قبولی تشخیص می‌دهد. زبان‌های Lisp ،Prolog از زبان‌هایی هستند که در توسعه‌ی سیستم‌های خبره از آن‌ها استفاده می‌شود.
تاریخچه سیستم‌های خبره
تا ابتدای دهه‌ی میلادی کار چندانی در زمینه‌ی ساخت و ایجاد سامانههای خِبره توسط پژوهش گران هوش مصنوعی صورت نگرفته بود. از آن زمان به بعد، کارهای زیادی در این راستا و در دو حوزه‌ی متفاوت ولی مرتبط سامانههای کوچک خبره و نیز سامانههای بزرگ خبره انجام شده است. در دهه ۱۹۷۰میلادی، ادواردفیگن بام در دانشگاه استانفورد به دنبال کشف روش حل مساله‌ای بود که خیلی کلی و همه منظوره نیست. پژوهشگران دریافتند که یک متخصص معمولاً دارای شماری رموز و فوت و فن خاص برای کار خود است. در واقع از مجموعه‌ای از شگردهای سودمند و قواعد سرانگشتی در کار خود بهره می‌برد، این یافته مقدمه پیدایش سامانه خبره بود. سامانه خبره با برگرفتن این قواعد سر انگشتی از متخصصین و به تعبیری با تبدیل فرایند استدلال و تصمیم گیری متخصصین به برنامه‌های رایانه‌ای می‌تواند به عنوان ابزار راهنمای تصمیم گیری در اختیار غیرمتخصص و حتی متخصصین کم تجربه قرار گیرد.
هوش مصنوعی
هوش مصنوعی روشی است در جهت هوشمند کردن رایانه تا بتواند در هر لحظه تصمیم گیری کرده و اقدام به بررسی یک مسئله نماید. هوش مصنوعی، رایانه را قادر به اندیشیدن می‌کند و روش آموختن انسان را رونوشت برداری می‌نماید؛ بنابراین اقدام به جذب اطلاعات جدید جهت بکارگیری در مراحل بعدی می‌پردازد. مغز انسان به بخش‌هایی تقسیم شده است که هر بخش وظیفه خاص خود را جدا از بقیه انجام می‌دهد. آشفتگی در کار یک بخش تاثیری در دیگر بخش‌های مغز نخواهد گذاشت. در برنامه‌های هوش مصنوعی نیز این مسئله رعایت می‌شود درحالی که در برنامه‌های غیر هوش مصنوعی مثل C یا Pascal تغییر در برنامه روی سایر قسمت‌های برنامه و اطلاعات تاثیر دارد. مباحث کاربردی و مهم در تحقق یک سامانه‌ی هوش مصنوعی:
سامانههای خبره (Expert Systems)، شبکه‌های عصبی (Neural Network)، الگوریتم‌های ژنتیک (Genetic Algorithms)، سامانههای منطق فازی (Fuzzy Logic Systems).
مشخصات سیستم‌های خبره
جداسازی دانش از کنترل – یک سطح پایین‌تر این مبحث، در پایگاه داده قابل مشاهده است. در پایگاه داده سعی بر این است که داده‌ها از رویه‌های پیاده‌سازی‌شونده روی داده‌ها، مجزا شوند. مزیت این جداسازی این است که تعمیم یافتگی در سیستم، افزایش می‌یابد. استدلال هیورستیک و تجربی – استدلالی که بر اثر تجربه به دست می‌آید. قابلیت استدلال نادقیق – یعنی با قوانین احتمالی هم استدلال نماید. سیستم خبره باید بتواند در محیطهایی که اطلاعات نادقیق است (کامل نیست) استدلال کند. این استدلال می‌تواند اشتباه گرفته شود چون اطلاعات کامل نیست. مثلاً پزشکی را در نظر بگیرید که تجربه دارد و تازه‌کار هم نیست. ولی زمانی که وضعیت بحرانی پیش می‌آید باید بتواند با اطلاعات کم، بهترین تصمیم را بگیرد. محدودیت نسبت به مسائل قابل حل تنها مسائل قابل حل، توسط سیستم‌های خبره، قابل پیاده‌سازی هست. تا مساله‌ای حل نشود، سیستم خبره نمی‌تواند به آن پاسخ دهد. باید یک فرد خبره‌ای شود که اطلاعات از او گرفته شده و در سیستم قرار داده شود. مناسب بودن سیستم خبره از نظر پیچیدگی – مسائل سیستم خبره نباید خیلی سخت و نه خیلی راحت است. احتمال اشتباه – ممکن است سیستم خبره در تعیین راه‌حل دچار مشکل شود.
پیشنهاد نویسنده: شاخه‌های هوش مصنوعی
تفاوت سیستم‌های خبره با سامانههای اطلاعاتی
سامانههای خبره برخلاف سامانههای اطلاعاتی که بر روی داده‌ها عمل می‌کنند، بر دانش متمرکز شده است. هم‌چنین در یک فرایند نتیجه‌گیری، قادر به استفاده از انواع مختلف داده‌ها عددی ، نمادی و مقایسه‌ای هستند. یکی دیگر ازمشخصات این سیستمها استفاده از روش‌های ابتکاری به جای روش‌های الگوریتمی هستند. این توانایی باعث قرار گرفتن دامنه‌ی گسترده‌ای از کاربردها در برد عملیاتی سامانههای خبره می‌شود. فرایند نتیجه‌گیری در سامانههای خبره بر روش‌های استقرایی و قیاسی پایه‌گذاری‌شده است.از طرف دیگر این سامانه‌ها می‌توانند دلایل خود در رسیدن به یک نتیجه گیری خاص و یا جهت و مسیر حرکت خود به سوی هدف را شرح دهند. با توجه به توانایی این سیستمها در کار در شرایط فقدان اطلاعات کامل و یا درجات مختلف اطمینان در پاسخ به پرسش‌های مطرح‌شده، سامانههای خبره نماد مناسبی برای کار در شرایط عدم اطمینان و یا محیطهای چند وجهی هستند.
مدل‌های سیستم‌های خبره
- پایگاه دانش (Knowledge Base): محلی است که دانش خبره به صورت کدگذاری شده و قابل فهم برای سیستم ذخیره می‌شود.
- موتور استنتاج (Inference Engine): حتی زمانی که قلمرو دانش را با قوانین نمایش می‌دهیم، باز هم یک فرد خبره باید مشخص کند که کدام قوانین را برای حل مساله خاصی به کار می‌برد. علاوه بر این باید مشخص کند که این قوانین را در چه رده‌ای به کار می‌برد. به طور مشابه یک سیستم خبره نیاز خواهد داشت تا تصمیم بگیرد که چه قانونی و در چه مورد و رده‌ای باید برای ارزیابی انتخاب شود.
- امکانات توضیح (Explanation Facilities): برای نشان دادن مراحل نتیجه‌گیری سیستم خبره برای یک مساله خاص با واقعیات خاص به زبان قابل فهم برای کاربر به کار می‌رود. این امکانات این فایده را دارد که کاربر با دیدن مراحل استنتاج اطمینان بیش‌تری به تصمیم گرفته شده توسط سیستم خواهد داشت؛ و خبره‌ای که دانش او وارد پایگاه دانش شده است اطمینان حاصل خواهد کرد که دانش او به صورت صحیح وارد پایگاه دانش شده است.
- رابط کاربر (User Interface): منظور از رابط کاربر، مجموعه‌ای از تجهیزات و نرم‌افزارها است که به صورت کانال ارتباط کاربر و سیستم خبره عمل می‌کند. یعنی به کاربر امکان ارایه اطلاعات مربوط به مساله مورد نظر را به سیستم می‌دهد و از طرف دیگر استنتاجات سیستم را در اختیار کاربر می‌گذارد.
مزایای سیستم های خبره
- افزایش قابلیت دسترسی: تجربیات بسیاری از طریق کامپیوتر دراختیار قرار می‌گیرد و به طور ساده‌تر می‌توان گفت یک سیستم خبره، تولید انبوه تجربیات است.
- کاهش هزینه: تجربیات بسیاری از طریق کامپیوتر دراختیار قرار می‌گیرد و به طور ساده‌تر می‌توان گفت یک سیستم خبره، تولید انبوه تجربیات است.
- کاهش خطر: سیستم خبره می‌تواند در محیطهایی که ممکن است برای انسان سخت و خطرناک هست نیز به کار می‌رود.
- دائمی بودن: سیستم‌های خبره دائمی و پایدار هستند، به عبارتی مانند انسان‌ها نمی‌میرند و فنا ناپذیرند.
- تجربیات چندگانه: یک سیستم خبره می‌تواند مجموع تجربیات وآگاهی‌های چندین فرد خبره است.
- افزایش قابلیت اطمینان: سیستم‌های خبره هیچ وقت خسته و بیمار نمی‌شوند، اعتصاب نمی‌کنند و یا علیه مدیرشان توطئه نمی‌کنند، درصورتی که اغلب در افراد خبره چنین حالاتی پدید می‌آید.
- قدرت تبیین: یک سیستم خبره می‌تواند مسیر و مراحل استدلالی منتهی شده به نتیجه‌گیری را تشریح نماید. اما افراد خبره اغلب اوقات به دلایل مختلف (خستگی، عدم تمایل و…) نمی‌توانند این عمل را در زمان‌های تصمیم‌گیری انجام دهند. این قابلیت، اطمینان شما را در مورد صحیح بودن تصمیم‌گیری افزایش می‌دهد.
- پاسخ‌دهی‌سریع: سیستم‌های خبره، سریع و دراسرع وقت جواب می‌دهند.
- پاسخ‌دهی در همه حالات: در مواقع اضطراری و مورد نیاز، ممکن است یک فرد خبره به خاطر فشار روحی و یا عوامل دیگر، صحیح تصمیم‌گیری نکند ولی سیستم خبره این معایب را ندارد.
- پایگاه تجربه: سیستم خبره می‌تواند همانند یک پایگاه تجربه‌عمل کند وانبوهی از تجربیات را در دسترس قرار دهد.
- آموزش کاربر: سیستم خبره می‌تواند همانند یک خودآموز هوش عمل کند. بدین صورت که مثال‌هایی را به سیستم خبره می‌دهند و روش استدلال سیستم را از آن می‌خواهند.
- سهولت انتقال دانش: یکی از مهم‌ترین مزایای سیستم خبره، سهولت انتقال آن به مکان‌های جغرافیایی گوناگون است. این امر برای توسعه کشورهایی که استطاعت خرید دانش متخصصان را ندارند، مهم است.
بلوک دیاگرام سیستم‌های خبره
