سیستم خبره

سیستم خبره

سیستم خبره

سامانه‌های خِبره یا سیستم‌های خِبره (Expert systems) به دسته‌ای خاص از نرم‌افزارهای رایانه‌ای اطلاق می‌شود که در راستای کمک به کاردانان و متخصّصان انسانی و یا جایگزینی جزئی آنان در زمینه‌های محدود تخصّصی تلاش دارند. اینگونه سامانه‌ها، در واقع، نمونه‌های آغازین و ساده‌تری از فناوری پیش‌رفته‌تر سامانه‌های دانش-بنیان به شمار می‌آیند.

 این سامانه‌ها معمولاً اطلاعات را به شکل واقعیت ها[۱] و قواعد[۲] در دادگانی به نام پایگاه دانش به شکل ساختار مند ذخیره نموده، و سپس با بهره گیری از روشهایی خاص استنتاج از این داده‌ها نتایج مورد نیاز حاصل می‌شود.

پیشگفتار

 در میان اهل فن و صاحبان اندیشه، استدلال تعاریف و تفاسیر گوناگونی دارد. در نگاهی کلی، بهره گرفتن از دلیل و برهان برای رسیدن به یک نتیجه از فرضیاتی منطقی با بکارگیری روش‌های شناخته شده، تعریفی از استدلال تلقی می‌شود؛ تعریفی که البته با دیدگاه‌های فلسفی و گاه آرمانگرایانه از استدلال تفاوت دارد. با این حال موضوع مهم و بنیادین در اینجا بحث در چیستی و چرایی این دیدگاه‌ها نیست، بلکه در مورد چگونگی طراحی دستگاههای استدلال گر، با هر تعریفی، برای رسیدن به مجموعه‌ای از تصمیمات منطقی با استفاده از مفروضات یا به طور دقیق‌تر دانشی است که در اختیار آن‌ها قرار می‌گیرد. سامانه های خبره(expert systems) اساساً برای چنین هدفی طراحی می‌شوند. در حقیقت به واسطه الگوبرداری این سامانه هااز نظام منطق و استدلال انسان و نیز یکسان بودن منابع دانش مورد استفاده آن‌ها، پیامد کار یک سامانه خبره می‌تواند تصمیماتی باشد که در حوزه‌ها و قلمروهای گوناگون قابل استفاده، مورد اطمینان و تاثیرگذار هستند. بسیاری بر این باورند که سامانه های خبره بیشترین پیشرفت را در هوش مصنوعی به وجود آورده‌اند.

حوزه‌های کاربرد

 سامانه های خبره در زمینه های بسیار متنوعی کاربرد یافته اند که برخی از این زمینه ها عبارتند از پزشکی، حسابداری، کنترل فرایندها، منابع انسانی، خدمات مالی، و GIS . حسابداری، تجزیه و تحلیلهای مالی پزشکی ( تشخیص بیماری )، آنژیوگرافی، باستان شناسی، تولید ویفرهای سیلیکونی و انواع خاصی از پرتونگاری در زمینه های مختلف دیگری نیز سیستمهای خبره پدید آمده اند همانند: مشاوره حقوقی، مشاوره برای انتخاب بهترین معماری یا ترکیب بندی سامانه کامپیوتری، مشاوره مهندسی ساختمان و غیره.

در هر یک از این زمینه‌ها می توان کارهایی از نوع راهنمایی، پردازش، دسته‌بندی، مشاوره، طراحی، تشخیص، کاوش، پیش بینی، ایجاد مفاهیم، شناسایی، توجیه، یادگیری، مدیریت، واپایش، برنامه‌ریزی، زمان بندی و آزمایش را با مددجویی از سامانه های تجربی با سرعت و آسانی بیشتری به انجام رسانید. ∗

سامانه های خبره یا به عنوان جایگزین فرد متخصص یا به عنوان کمک به وی استفاده می‌شوند.

کاربرد سامانه های خبره در خدمات کتابداری و اطلاع رسانی

سامانه های خبره این امکان را در اختیار می گذارد تا بتوان دانش موجود در سطح جامعه را به صورت گسترده تر و کم هزینه تری اشاعه داد . این موضوع یعنی اشاعه دانش برای عموم مردم یکی از بنیادی ترین و اصلی ترین وظایف و رسالتهای حوزه کتابداری است .

مثلاً از طریق واسطهای هوشمند جستجوی اطلاعات می توان مهارتهای جستجوی پیشرفته را که اغلب خاص متخصصان با تجربه است در میان طیف وسیعی از کاربران در دسترس قرار دهد . سرعت استدلال یا حل مسائل در نظام های خبره می تواند منجر به ارائه خدمات کارآتر و سریع تر در برخی فعالیتهای کتابداری شود و انعطاف پذیری بیشتری را در پاسخگویی به نیازهای مخاطبان به وجود آورد.

کاربرد سامانه های خبره و هوشمند را در حوزه های نمایه سازی، چکیده نویسی، طراحی و تولید اصطلاحنامه ها، فهرست نویسی، بازیابی متن فارغ از منطق بولی، بازیابی متون مبتنی بر منطق بولی، تجزیه و تحلیل خودکار محتوا و ارائه دانش، مدیریت و دسترسی به محتوی پایگاه های رابطه ای، اسناد هوشمند، پردازش پایگاه های اطلاعاتی دانسته اند.

كاربرد سامانه های خبره در حسابداري و امور مالي

يكي از پر رونق ترين زمينه هاي كاربرد سامانه های خبره، حوزه و تجزيه و تحليلهاي مالي است . يكي از مناسب ترين زمينه‌هاي كاربرد این سامانه ها حوزه حسابداري و امور مالي است . امروزه انواع زيادي از سامانه های خبره براي كاربردهاي گوناگون در اين شاخه از دانش بشري ساخته شده است كه در مورد استفاده گروههاي مختلفي از تصميم گيرندگان مانند مديران شركتها و سازمانها، حسابداران، تحليلگران مالي ، كارشناسان مالياتي و بالاخره عامه مردم قرار مي گيرد حتي متخصصين و كارشناسان حوزه هاي مختلف دانش حسابداري و مالي از اين نرم‌افزارهاي پر جاذبه به عنوان وسيله اي براي يافتن « حدس دوم » و اطمينان بيشتر نسبت به يافته ها و داوری هاي شخصي خود استفاده مي كنند .

كاربردهاي مختلفي از سامانه های خبره را در سه زمينه حسابداري، حسابداري مديريت و امور مالياتي به شرح ذيل مي باشد :

    حسابرسي : ارزيابي ريسك – تهيه برنامه حسابرسي – فراهم آوردن كمكهاي فني – كشف تقلبات و جلوگيري از آنها

    حسابداري مديريت : قيمت گذاري محصولات و خدمات – تعيين بهاي تمام شده – طراحي سيستمهاي حسابداري – بودجه بندي سرمايه اي – انتخاب روش حسابداري – ارزيابي اعتبار – ايجاد و برقراري واپایش (کنترل)

    امور مالياتي : توصيه هاي مالياتي – محاسبه مابه التفاوتهاي مالياتي – برنامه‌ريزي مالي شخصي .

تحليلگران مالي نيز امروزه يكي از استفاده كنندگان سيستم هاي خبره هستند به هنگام بررسي وضعيت مالي يك شركت يا مشتري معين، تحليگران مالي در كنار برداشت خود از داده هاي مالي، نظر سامانه خبره را نيز به عنوان يك نظر تخصصي مکمل در اختيار دارد و در مواردي كه اين نظر يا داوری دوم با نظر خود او ناهمسویی داشته باشد می کوشد تا در واکاویهای خود دقت بيشتري به عمل آورده و حتي در مواردي بازبینی كند. سامانه های خبره در مورد بررسي صورتهاي مالي شركت قبل از ارائه به مديران ارشد بررسي گزارشهاي رسیده از شعب يا شركتهاي تابعه شركت ارزيابي يك شركت ارزيابي اعتبار مالي فروشندگان و خريداران (طرفهاي تجاري ) و در بسياري از زمينه هاي ديگر مالي امروز كاربردهاي خود را يافته اند.

انواع سامانه های خبره تحليل مالي

از آنجا كه در داوریهای مختلف مالي عملاً هر چهار مرحله فرآيند تصميم گيري يعني گردآوري داده ها، انجام واکاوی، كسب بينش مشخص راجع به موضع و بالاخره تصميم گیری دخالت دارد سامانه های خبره مرتبط با موضوع تحليل مالي نيز بر پایۀ نوع كمكي كه به مراحل مختلف فرآيند تصميم گيري مي كنند به سه قلمرو تقسيم مي شوند .

اين سه قلمرو عبارتند از :

    كمك به كسب بينش يا بينش آفرين Insight facilitaing

    آسان سازی تصميم گيري Decision facilitating

    تصميم سازی Decision Making

سامانه های خبره بينش آفرين

در اين نوع سامانه ها، هدف اصلي ارائه پردازش های مربوط به كمك واکاوی نسبتها و نمودار هاست اين نسبت ها و نمودارها براي دست اندركاران تحليل مالي در ايجاد بينش دقيق تري در مورد وضع مالي و چشم انداز آتي يك موسسه ، يعني سودمند است با چنين هدفي عملاً مراحل اول و دوم از فرآيند چهار مرحله اي تصميم گيري به كمك اين سامانه ها انجام مي شود اين نرم‌افزارها را به اين دليل بينش آفرين مي خوانيم كه هدفشان كمك به كارگزاران و دست اندركاران مالي براي انجام يك مشاهده بينش آفرين مشخص است بنابر اين درجه از کارآزمودگی و تخصص موجود در زمره سامانه های خبره واقعي به حساب آورده نمونه هايي از اين قبيل نرم‌افزارها عبارتند از : INsiGht و NEWVIEWS كه هر دو عملاً سامانه های جامع حسابداري مشتمل بر تحليلهاي مالي اند يعني در عين اينكه همه عمليات حسابداري را انجام مي دهند. در محيطهاي شبيه صفحه گسترده تحليلهاي مالي خود را نيز عرضه مي كنند نرم‌افزار شناخته شده ديگر REFLEX نام دارد كه 12 نسبت كليدي را محاسبه كرده و تحليل و تفسيرهاي پيشنهادي خود را نيز ارائه مي كند اين تحليلها همراه با ارائه نسبت ها، روندها و نمودارهاي مناسب است .

سامانه های خبره آسان كننده تصميم‌گيري

در اين نوع از سامانه های خبره مالي يك پايگاه دانش وجود دارد كه ضمن تحليل نسبتهاي مالي مي تواند بينشهاي خود نسبت به موضوع مورد تحليل را نيز ارائه دهد و همين امر موجب تمايز آن از سامانه های دسته اول مي شود بنابر اين در اين قبيل سيستمها سه مرحله از چهار مرحله فرآيند تصميم گيري انجام مي شود يك نمونه از اين سامانه های خبره « ANSWERS » است.

نکات تاریخی

تا ابتدای دههٔ 1980 (م) کار چندانی در زمینهٔ 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 حوزهٔ متفاوت ولی مرتبط سامانه‌های کوچک خبره و نیز سامانه‌های بزرگ خبره انجام شده است.

در دهه 1970، ادواردفيگن بام در دانشگاه استانفورد به دنبال كشف روش حل مساله اي بود كه خيلي كلي و همه منظوره نباشد . پژوهشگران دريافتند كه يك متخصص معمولاً داراي شماری رموز و فوت و فن خاص براي كار خود مي باشد و در واقع از مجموعه اي از شگردهاي سودمند و قواعد سرانگشتي در كار خود بهره مي برد، اين يافته مقدمه پيدايش سامانه خبره بود . سامانه خبره با برگرفتن اين قواعد سر انگشتي از متخصصين و به تعبيري با تبديل فرآيند استدلال و تصميم گيري متخصصين به برنامه‌هاي رایانه ای مي تواند به عنوان ابزار راهنماي تصميم گيري در اختيار غيرمتخصص و حتي متخصصين كم تجربه قرار گيرد .

هوش مصنوعی: هوش مصنوعی روشی است در جهت هوشمند کردن راایانه 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 می نماید. بنابراین اقدام به جذب اطلاعات جدید جهت بکارگیری در مراحل بعدی می پردازد.

مغز انسان به بخش هایی تقسیم شده است که هر بخش وظیفه خاص خود را جدا از بقیه انجام می دهد. 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 سامانۀ هوش مصنوعی :

    سامانه های خبره (Expert Systems)

    شبکه‌های عصبی (Neural Network)

    الگوریتم‌های ژنتیک (Genetic Algorithms)

    سامانه هایمنطق فازی (Fuzzy Logic Systems)

سامانه های خبره

سامانه های خبره برنامه هایی هستند که رفتار یک انسان متخصص در یک زمینه بخصوص را تقلید می کنند. این برنامه از اطلاعاتی که استفاده کننده در آن‌ها ذخیره می‌کند جهت اعلام یک عقیده در یک موضوع بخصوص استفاده می کند. از این رو سیستم‌های خبره تا هنگامی که بتوانند موضوعی را که با پاسخ‌های شما مطابقت داشته باشد بیابند به سوال کردن از شما ادامه می دهند. به منظور درک کردن آنچه یک سیستم متخصص انجام می دهد مکالمه زیر که بین یک متخصص در امور میوه و فرد دیگری که می خواهد از وی توصیه ای در این مورد دریافت کند را در نظر بگیرید:

– متخصص: آیا میوه سبز است؟

– استفاده کننده: خیر.

– متخصص: آیا میوه قرمز است؟

– استفاده کننده: بله.

– متخصص: آیا این میوه روی درخت رشد می کند؟

– استفاده کننده: خیر.

– متخصص: آیا این میوه روی یک بوته رشد می کند؟

– استفاده کننده: بله.

– متخصص: آیا این بوته تیغ دارد؟

– استفاده کننده: بله.

– متخصص: این میوه تمشک است!

هدف از طراحی یک سامانه متخصص رایانه ای در امر میوه تولید چنین گفتگویی است. در حالت عمومی تر سامانۀ متخصص می کوشد که به استفاده کننده از خود در مورد موضوعی که از آن آگاه است راهنمایی دهد.

اگر بخواهيم تعريفي از سامانه های خبره ارایه دهيم مي توان گفت « سامانه های خبره برنامه هاي رایانه ای هستند كه با استفاده از قواعد مورد استفاده متخصصين به حل مسایل در زمينه اي خاص مي پردازند. وجه تمايز اصلي سامانه های خبره نسبت به برنامه‌هاي كاربردي گذشته آن است كه از استدلال مبتني بر استنباط و استنتاج استفاده مي كند در برنامه هاي كاربردي معمولي داراي الگوريتم و روش حل مساله ثابتي هستيم اما در روش هاي شهودي مي توان با آزمون و خطا مسایل دشوارتري را حل كرد و به جواب رضايت بخش رسيد .

مفهوم سامانه های خبره بر این فرض استوار است که دانش متخصصین در حافظه رایانه ضبط و در دسترس کسانی که به کاربرد آن دانش نیاز دارند، قرار گیرد. یک سامانه های پشتیبانی تصمیم شامل برنامه هایی است که بازتاب دهندۀ چگونگی نگرش یک مدیر در حل یک مساله می باشد. یک سامانه خبره، ازطرف دیگر فرصتی برای تصمیم گیری ها پیش می آورد که از قابلیت های مدیر افزون تر است .تمایز دیگر میان سامانۀ خبره و سامانۀ پشتیبانی تصمیم، توانایی سامانۀ خبره در توصیف چگونگی استدلال جهت دستیابی به یک راهکار خاص است. اغلب اوقات شرح نحوه دست یابی به یک راه حل، از خود راه حل ارزشمندتر است.

داده هایی که به وسیله برنامه های سامانه پشتیبانی تصمیم استفاده می شود، اصولاً به صورت عددی بوده و برنامه ها، تاکید بر استفاده از روش های ریاضی دارند، لیکن داده هایی که به وسیله سامانه های خبره به کار می رود نمادی تر بوده و اغلب به صورت متن تشریحی می باشند. برنامه های سیستم های خبره بر به کارگیری برنامه های منطقی تاکید دارند.

تفاوت سامانه های خبره با سایر سامانه های اطلاعاتي

سامانه های خبره برخلاف سامانه های اطلاعاتي كه بر روي داده‌ها(Data) عمل ميكنند، بر دانش (Knowledge) متمركز شده است. همچنين دريك فرآيند نتيجه‌گيري، قادر به استفاده از انواع مختلف داده‌ها عددي(Digital)، نمادي Symbolic و مقايسه ای (Analog) مي‌باشند. يكي ديگر ازمشخصات اين سيستم‌ها استفاده از روشهاي ابتكاري (Heuristic) به جاي‌روشهاي الگوريتمي مي‌باشد. اين توانايي باعث قرار گرفتن دامنۀ گسترده ای از كاربردها در برد عملياتي سامانه های خبره مي‌شود. فرآيندنتيجه‌گيري در سامانه های خبره بر روشهاي استقرايي و قياسي پايه‌گذاري‌شده است. از طرف ديگر اين سامانه ها مي‌توانند دلايل خود در رسيدن‌به يك نتيجه‌گيري خاص و يا جهت و مسير حركت خود به سوي هدف‌را شرح دهند. با توجه به توانايي اين سيستم‌ها در كار در شرايط فقدان‌اطلاعات كامل و يا درجات مختلف اطمينان در پاسخ به پرسشهای مطرح‌شده، سامانه های خبره نماد مناسبي براي كار در شرايط عدم اطمينان(Uncertainty) و يا محيطهاي چند وجهي مي‌باشند.

مدل سیستم خبره

یک مدل سیستم خبره مشتمل بر چهار بخش اصلی است:

    پایگاه دانش (Knowledge Base)

    موتور استنتاج (Inference Engine)

    امکانات توضیح (Explanation Facilities)

    رابط کاربر

پایگاه دانش (Knowledge Base)

محلی است که دانش خبره به صورت کدگذاری شده و قابل فهم برای سیستم ذخیره می شود. با این توصیف دو اصطلاح زیر تعریف می‌شود:

– شیء (Object): منظور از شیء در اینجا نتیجه ای است که با توجه به قوانین مربوط به آن تعریف می گردد.

– شاخص (Attribute): منظور از شاخص یا «صفت» یک کیفیت ویژه است که با توجه به قوانینی که برای آن در نظر گرفته شده است به شما در تعریف شیء یاری می دهد.

بنابراین می توان پایگاه دانش را به صورت لیستی از اشیاء که در آن قوانین و شاخص‌های مربوط به هر شیء نیز ذکر شده است در نظر گرفته شود.

در ساده‌ترین حالت(که در اکثر کاربردها نیز همین حالت بکار می رود) قانونی که به یک شاخص اعمال می‌شود این مطلب را بیان می‌کند که آیا شیء مورد نظر شاخص دارد یا ندارد؟

یک سیستم متخصص که انواع مختلف میوه را شناسایی می‌کند احتمالاً دارای بانک اطلاعاتی به صورت زیر خواهد بود:

شیء قانون شاخص

سیب دارد روی درخت رشد می کند.

دارد گرد است

دارد رنگ قرمز یا زرد است

ندارد در کویر رشد می کند

انگور —- —-

بانک ساده شده بالا، تنها با استفاده از قانون <<دارد>>:

شيء        شاخص هايي که دارد

سيب        رشد روي درخت

سيب        گرد بودن

سيب        رنگ قرمز یا زرد

سيب        رشد نکردن در کویر

به کسی که دانش خبره را به صورت کدگذاری شده در می آورد، مهندس دانش گفته می شود. به طور کلی دانش به صورت عبارات شرطی و قواعد در پایگاه دانش ذخیره می گردد.

موتور استنتاج (Inference Engine)

حتی زمانی که قلمرو دانش را با قوانین نمایش می دهیم، باز هم یک فرد خبره باید مشخص کند که کدام قوانین را برای حل مساله خاصی به کار می برد. علاوه بر این باید مشخص کند که این قوانین را در چه رده ای به کار می برد. به طور مشابه یک سیستم خبره نیاز خواهد داشت تا تصمیم بگیرد که چه قانونی و در چه مورد و رده ای باید برای ارزیابی انتخاب شود.

دستگاه استنتاج در واقع قلب يك سيستم خبره است. يك نظام پيچيده كه قواعد استنتاج را كه به صورت مجموعه اي از قواعد “اگر … پس …” براي يافتن پاسخ يا قضاوت نهايي به كار مي گيرد چيزي كه سيستم خبره را سيستم خبره ميكند روشي است كه اين قواعد براساس آن مورد پردازش قرار مي گيرند .دستگاه استنتاج براي رسيدن به قضاوت مي تواند به دو صورت عمل كند و در واقع از سلسله مراتب قواعد استدلال به دو طريق عبور كند يكي از دو شيوه روش استدلال پيش رو است كه از داده ها شروع مي كند و به نتيجه مي رسد يعني با درنظر گرفتن داده هاي مربوط به موضوع مورد سوال از (اگر) ها شروع كرده و به نتايج يا (پس) هاي مناسب مي رسد به عبارت ديگر در زنجيره پيش رو از مقدمات به نتايج مي رسيم، روش دوم استنتاج آن است كه از نتايج شروع مي كند و براي چنان نتايج مشخص به دنبال مقامات يا شرايط اوليه مناسب مي گردد به عبارت ديگر نقطه شروع (پس) ها هستند و از آن ها به (اگر) ها دست مي يابد. روش اول استنتاج را روش مبتني بر داده و روش دوم را روش مبتني بر هدف مي خوانند .

امکانات توضیح (Explanation Facilities)

برای نشان دادن مراحل نتیجه گیری سیستم خبره برای یک مساله خاص با واقعیات خاص به زبان قابل فهم برای کاربر به کار می رود. این امکانات این فایده را دارد که کاربر با دیدن مراحل استنتاج اطمینان بیشتری به تصمیم گرفته شده توسط سیستم خواهد داشت. و خبره ای 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

منظور از رابط كاربر، مجموعه اي از تجهيزات و نرم‌افزارها است كه به صورت كانال ارتباط كاربر و سيستم خبره عمل مي كند يعني به كاربر امكان ارایه اطلاعات مربوط به مساله مورد نظر را به سيستم مي دهد و از طرف ديگر استنتاجات سيستم را در اختيار كاربر مي گذارد.

واسط کاربر یک سیستم خبره طبیعتاً باید از قدرت تبادلی بالایی برخوردار باشد تا ساختار تبادل اطلاعات به شکل گفتگوی یک متقاضی و یک انسان خبره صورت گیرد.

مزایای یک سیستم خبره چیست؟

میزان مطلوب بودن یک سیستم خبره اصولاً به میزان قابلیت دسترسی به آن و میزان سهولت کار با آن بستگی دارد.

مزاياي سيستم‌هاي خبره را مي‌توان به صورت زير دسته‌بندي كرد:

    افزايش قابليت دسترسي: تجربيات بسياري از طريق كامپيوتر دراختيار قرار مي‌گيرد و به طور ساده‌تر مي‌توان گفت يك سيستم خبره، توليد انبوه تجربيات است.

    كاهش‌هزينه:تجربيات بسياري از طريق كامپيوتر دراختيار قرار مي‌گيرد و به طور ساده‌تر مي‌توان گفت يك سيستم خبره، توليد انبوه تجربيات است

    كاهش خطر: سيستم خبره مي‌تواند در محيط هايي كه ممكن است براي انسان سخت و خطرناك باشد نيز بكار رود.

    دائمي بودن: سيستم‌هاي خبره دائمي و پايدار هستند. به عبارتي مانندانسان‌ها نمي‌ميرند و فنا ناپذيرند.

    تجربيات چندگانه: يك سيستم خبره مي‌تواند مجموع تجربيات وآگاهي‌هاي چندين فرد خبره باشد.

    افزايش قابليت اطمينان: سيستم‌هاي خبره هيچ وقت خسته و بيمار نمي‌شوند، اعتصاب نميكنند و يا عليه مديرشان توطئه نميكنند، درصورتي كه اغلب در افراد خبره چنين حالاتي پديد مي‌آيد.

    قدرت تبيين (Explanation): يك سيستم خبره مي‌تواند مسير و مراحل استدلالي منتهي شده به نتيجه‌گيري را تشريح نمايد. اما افراد خبره اغلب اوقات به دلايل مختلف (خستگي، عدم تمايل و…) نمي‌توانند اين عمل را در زمان هاي تصميم‌گيري انجام دهند. اين قابليت، اطمينان شما را در مورد صحيح بودن تصميم‌گيري افزايش مي‌دهد.

    پاسخ‌دهي‌سريع:سيستم‌هاي خبره، سريع و دراسرع وقت جواب مي دهند.

    پاسخ‌دهي در همه حالات: در مواقع اضطراري و مورد نياز، ممكن است يك فرد خبره به خاطر فشار روحي و يا عوامل ديگر، صحيح تصميم‌گيري نكند ولي سيستم خبره اين معايب را ندارد.

    پايگاه تجربه: سيستم خبره مي‌تواند همانند يك پايگاه تجربه‌عمل كند وانبوهي از تجربيات را در دسترس قرار دهد.

    آموزش كاربر(Intelligent Tutor): سيستم خبره مي‌تواند همانند يك خودآموز هوش عمل كند. بدين صورت كه مثال هايي را به سيستم خبره مي‌دهند و روش استدلال سيستم را از آن مي‌خواهند.

    سهولت انتقال دانش: يكي از مهمترين مزاياي سيستم خبره، سهولت انتقال آن به مكان‌هاي جغرافيايي گوناگون است. اين امر براي توسعه كشورهايي كه استطاعت خريد دانش متخصصان را ندارند، مهم‌است.

مثال هایی از سیستم‌های خبره تجاری:

    MYCIN : اولین سیستم متخصص موفق جهان بود که در سال 1970 در دانشگاه استنفورد طراحی شد. هدف از ساخت این سیستم کمک به پزشکان در تشخیص بیماری‌های ناشی از باکتری بود. مشکل عمده در تشخیص بیماری برای یک پزشک آن است که تشخیص سریع و قاطع یک بیماری با توجه به تعداد بسیار زیاد بیماری موجود، عملی دشوار است.MYCIN با تشخیص دادن قاطع بیماری‌ها توانست که این نیاز را برآورده سازد.

    PROSPECTOR: یک متخصص در امر زمین‌شناسی است که احتمال وجود رسوبات معدنی در یک ناحیه بخصوص را پیش بینی می کند. این سیستم در سال 1987 توسط «ریچارد دودا» و «پیتر هارد» و «رنه ربو» ساخته شد.

در اوایل دهه 80 سیستم‌های متخصص به بازار عرضه شد که می توانستند مشورت‌های مالیاتی، توصیه‌های بیمه ای و یا قانونی را به استفاده کنندگان خود ارائه دهند.

۱۳۹۲-۷-۲۳ ۱۶:۳۸:۱۶ +۰۳:۳۰مهر ۱۹ام, ۱۳۹۲|متلب, مهندسی نرم افزار دسته بندی ها|برچسب ها:٪ s |۱ ديدگاه

ثبت ديدگاه

پرداخت

1-پرداخت آنلاین
برای پرداخت آنلاین از لینک زیر استفاده کنید
پرداخت آنلاین
2- پرداخت آفلاین
برای پرداخت آفلاین مبلغ مورد نظر را به یکی از شماره کارت
6037997245888723بانک ملی