مقدمه :

سیستم های خبره یا Expert System  سیستم هایی می باشند که با در اختیار داشتن پایگاه دانش و با دریافت وقایع محیط اطراف به نتیجه گیری منطقی می پردازد . این سیستم ها عموما باید این توانایی را داشته باشند تا به تدریج قواعد استنباط موجود در پایگاه را تکمیل کنند و نتیجه گیری ها جدید را به آن اضافه کنند . یکی از قدیمی ترین سیستم های خبره سیستم Mycin  می باشد که با توجه به اطلاعات بالینی بیمار ، بیماری های عفونی را با دقت قابل قبولی تشخیص می دهد . زبان های Lisp ، Prolog از زبان هایی هستند که در توسعه ی سیستم های خبره از آنها استفاده می شود .

تاریخچه سیستم های خبره :

تا ابتدای دهه ی میلادی  کار چندانی در زمینه ی 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 حوزه ی 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 مساله ای بود که خیلی کلی و همه منظوره نباشد . پژوهشگران دریافتند که یک متخصص معمولاً دارای شماری رموز و فوت و فن خاص برای کار خود می‌باشد و 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 قادر باشد 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 سامانه ی هوش مصنوعی :

سامانه‌های خبره (Expert Systems ) ، شبکه‌های عصبی (Neural Network ) ، الگوریتم‌های ژنتیک (Genetic Algorithms )، سامانه‌های منطق فازی (Fuzzy Logic Systems ) .

مشخصات سیستم های 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 باشند . مزیت این جداسازی این است که تعمیم یافتگی در سیستم ، افزایش می‌یابد .

• برخورداری از دانش خبره و تخصصی
• تمرکز بر روی تخصص‌های خاص و ویژه
• استدلال با نمادها
• 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 باشد چون اطلاعات کامل نیست . مثلاً پزشکی را در نظر بگیرید که تجربه داردو تازه‌کار هم نیست ، ولی زمانی که وضعیت بحرانیپیش می‌آید بااید بتواند با اطلاعات کم، بهترین تصمیم را بگیرد .
• محدودیت نسبت به مسائل قابل حل – تنها مسائل قابل حل ، توسط سیستم‌های خبره، قابل پیاده‌سازی باشد. تا مساله‌ای حل نشده باشد ، سیستم خبره نمی‌تواند به آن پاسخ دهد. باید یک فرد خبره‌ای باشد 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 باشد .
• احتمال اشتباه – ممکن است سیستم خبره در تعیین راه‌حل دچار مشکل شود .

تفاوت سیستم های خبره با سامانه های اطلاعاتی :

سامانه‌های خبره برخلاف سامانه‌های اطلاعاتی که بر روی داده‌ها عمل می‌کنند ، بر دانش متمرکز شده است . همچنین دریک فرایند نتیجه‌گیری ، قادر به استفاده از انواع مختلف داده‌ها عددی ، نمادی و مقایسه‌ای می‌باشند . یکی دیگر ازمشخصات این سیستم‌ها استفاده از روشهای ابتکاری به جای‌ روشهای الگوریتمی می‌باشد . این توانایی باعث قرار گرفتن دامنه ی گسترده‌ای از کاربردها در برد عملیاتی سامانه‌ های خبره می‌شود . فرایندنتیجه‌گیری 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 سیستم‌ ها 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 می‌باشند .

مدل های سیستم های 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 .
• کاهش‌هزینه : 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 باشد نیز بکار رود .
• 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 باشد.
• 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 ، مهم‌است .

بلوک دیاگرام سیستم های خبره :