سیستم خبره یا Expert System چیست؟
بعد از جنگ جهانی دوم که فرصت برای مطالعه و تحقیق فراهم شده بود افرادی زیادی به صورت مستقل شروع به کار بر روی ماشین‌های هوشمند کردند. در سال ۱۹۴۷، تورینگ یک سخنرانی در همین زمینه ارائه کرد و احتمالا اولین کسی بود که ادعا کرد بهترین تحقیقات در این زمینه براساس برنامه‌نویسی کامپیوتر انجام می‌شود و نه ساخت ماشین.
از آن زمان تاکنون بشر همواره به دنبال ساخت ماشینی بوده که کارکردی همانند مغز انسان داشته باشد و در واقع بتواند همانند انسان، هوشمند عمل کند. کامپیوترهای اولیه برای این منظور بسیار شگفت‌انگیز بودند و مقدار زیادی داده را به سرعت پردازش می‌کردند و در نتیجه قابلیت مطمئن و محکمی در مسیر پیشرفت دانش برای بشر فراهم کردند.
هوش مصنوعی
با افزایش قدرت کامپیوترها در قرن گذشته و به دنبال آن ورود هوش‌مصنوعی و زبان‌های برنامه‌نویسی پیشرفته، تکنولوژی با عبور از مرحله‌ی سازماندهی اطلاعات خام به دنیای امروزی ما یعنی پردازش دانش رسید؛ به گونه‌ای که شاهد تولد ماشین‌هایی بسیار هوشمند نظیر موتورهای جستجو و یا ماشین‌های شطرنج‌باز هستیم که حتی توانسته‌اند در برخی موارد هوش انسانی را پشت سر گذاشته و او را شکست دهند؛ ولی با این حال هنوز بشر برای رسیدن به هدف نهایی هوش‌مصنوعی یعنی ساخت ماشینی که بتواند همانند انسان فکر کند راه درازی در پیش دارد.
شاخه های هوش مصنوعی
حوزه‌ی هوش‌مصنوعی به شاخه‌ها و سامانه‌های مختلفی از جمله سامانه‌های خبره، شبکه‌های عصبی، الگوریتم‌های ژنتیک و سامانه‌های منطق فازی تقسیم می‌شود. یکی از موفقترین شاخه‌های هوش‌مصنوعی سیستم‌های خبره هستند. این سیستم‌ها در واقع برنامه‌های کامپیوتری هستند که نحوه تفکر یک متخصص در یک زمینه خاص را شبیه‌سازی می‌کنند. این نرم‌افزارها، الگوهای منطقی که یک متخصص براساس آن‌ها تصمیم‌گیری می‌کند را شناسایی کرده و سپس براساس آن الگوها همانند انسان عمل می‌کنند.
به عبارت دیگر، به آن نوع از برنامه‌های هوش‌مصنوعی که به سطحی از خبرگی می‌رسند که می‌توانند به جای یک متخصص در یک زمینه خاص تصمیم‌گیری کنند، سیستم‌های خبره می‌گویند. همچنین در تعاریف دیگر از این سیستم‌ها به عنوان سیستم‌های مبتنی بر دانش نیز نام برده شده است. این سیستم‌ها قادر به حل مسائل کنترلی، طراحی، تشخیص، آموزش، برنامه‌ریزی، پیش‌بینی و شبیه‌سازی هستند. البته باید توجه داشت که این سیستم‌ها دارای یک دامنه‌ی وظیفه هستند به این معنی که سیستم‌های خبره در یک زمینه‌ی خاص فعالیت می‌کنند و در همان گستره دارای خبرگی هستند.
در دهه ۱۹۷۰ این سیستم‌ها بیشتر موضوع آزمایشگاهی بودند و محققان بر روی روش‌های ایجاد دانش و استدلال به وسیله‌ی آن‌ها متمرکز شده بودند ولی از دهه ۱۹۸۰ این سیستم‌ها وارد دنیای تجارت شدند و به دلیل موفقیت‌های چشمگیر، به سرعت تعداد این سیستم‌ها رو به افزایش گذاشت؛ به گونه‌ای که در حال حاضر این سیستم‌ها در بسیاری از سازمان‌ها و برای حل مسائل متنوعی نظیر تشخیص بیماری، کمک به کشاورزان برای آفت‌زدایی، پرورش آبزیان و همچنین مشاوره به فضانوردان در امور فضاپیماها مورد استفاده قرار می‌گیرند.
اجزای سیستم‌های خبره
سامانه‌های خبره برخلاف سامانه‌های اطلاعاتی که بر روی داده‌ها عمل می‌کنند، بر دانش متمرکز شده‌اند. همچنین دریک فرآیند نتیجه‌گیری، قادر به استفاده از انواع مختلف داده‌های عددی، نمادی و مقایسه‌ای هستند. یکی دیگر از مشخصات این سیستم‌ها استفاده از روش‌های ابتکاری به جای روش‌های الگوریتمی است. این توانایی باعث قرار گرفتن دامنه‌ی گسترده‌ای از کاربردها در برد عملیاتی سامانه‌های خبره می‌شود. هر سیستم خبره برای تصمیم‌گیری نیاز دارد تا دانش کسب شده را در قالب مناسبی نمایش داده و مدیریت کند. در عین حال دانش موجود باید از نظر اعتبار داده‌ای سنجیده شود زیرا در غیر این صورت سیستم به نتایج و راه‌حل‌های اشتباهی خواهد رسید. در سیستم‌های خبره فرآیند نتیجه‌گیری بر روش‌های استقرایی و قیاسی پایه‌گذاری شده است. از طرف دیگر این سامانه‌ها می‌توانند دلایل خود در رسیدن به یک نتیجه‌گیری خاص و یا جهت و مسیر حرکت خود به سوی هدف را شرح دهند.
با توجه به مطالب گفته شده می‌توان این مدیریت دانش را به فازهای کسب، بیان، اعتبارسنجی، استنتاج و توضیح دانش تقسیم کرد که در بخش‌های بعدی به معرفی و توضیح هر کدام از این قسمت‌ها خواهیم پرداخت.
بخش بعدی این مطلب را در اینجا بخوانید.