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 ابتدایی و ساده‌تری از فن‌آوری پیش‌رفته‌تر سامانه‌های مبتنی بر دانش به حساب می‌آیند.

این سامانه‌ها معمولاً اطلاعات را به شکل واقعیات و قواعد در دادگانی به نام پایگاه دانش به شکل ساختار مند ذخیره نموده، و سپس با استفاده از روشهایی خاص استنتاج از این داده‌ها نتایج مورد نیاز حاصل می‌شود.

مقدمه

در میان اهل فن و صاحبان اندیشه، استدلال تعاریف و تفاسیر متنوعی دارد. در نگاهی کلی، استفاده از دلیل و برهان برای رسیدن به یک نتیجه از فرضیاتی منطقی با استفاده از روش‌های معین، تعریفی از استدلال تلقی می‌شود؛ تعریفی که البته با دیدگاه‌های فلسفی و گاه ایده‌آل‌گرایانه از استدلال تفاوت دارد. با این حال موضوع مهم و اساسی در اینجا بحث در چیستی و چرایی این دیدگاه‌ها نیست، بلکه در مورد نحوه طراحی سیستم‌های با قدرت استدلال، 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. سیستم‌هایی خبره(expert systems) اساسا برای چنین هدفی طراحی می‌شوند. در حقیقت به واسطه الگوبرداری این سیستم‌ها از نظام منطق و استدلال انسان و نیز یکسان بودن منابع دانش مورد استفاده آن‌ها، حاصل کار یک سیستم خبره می‌تواند تصمیماتی باشد که درحوزه‌ها و عرصه‌های مختلف قابل استفاده، مورد اطمینان و تاثیرگذار هستند. بسیاری بر این باورند که سیستم‌های خبره بیشترین پیشرفت را در هوش مصنوعی به وجود آورده‌اند.

حوزه‌های کاربرد

سیستمهای خبره در زمینه های بسیار متنوعی کاربرد خود را یافته اند 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 رادیوگرافی در زمینه های مختلف دیگری نیز سیستمهای خبره پدید آمده اند نظیر : مشاوره حقوقی، مشاوره برای انتخاب بهترین معماری یا ترکیب بندی سیستم کامپیوتری، مشاوره مهندسی ساختمان و غیره.

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

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

کاربرد نظام های خبره در خدمات کتابداری و اطلاع رسانی

نظام 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 .
مثلا از طریق واسطهای هوشمند جست و جوی 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 موثرتر و سریع تر در برخی فعالیتهای کتابداری شود و انعطاف پذیری بیشتری را در پاسخگویی به نیازهای مخاطبان به وجود آورد.

کاربرد نظام 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، تجزیه و تحلیل پایگاه های اطلاعاتی دانسته اند.

كاربرد سيستمهاي خبره در حسابداري و امور مالي

يكي از پر رونق ترين زمينه هاي كاربرد سيستمهاي خبره، حوزه و تجزيه و تحليلهاي مالي است . يكي از مناسب ترين زمينه‌هاي كاربرد سيستمهاي خبره حوزه حسابداري و امور مالي است . امروزه انواع زيادي از سيستمهاي خبره براي كاربردهاي مختلف در اين شاخه از دانش بشري ساخته شده است كه در مورد استفاده گروههاي مختلفي از تصميم گيرندگان نظير 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 نرم افزارهاي پر جاذبه به عنوان وسيله اي براي يافتن « حدس دوم » و اطمينان بيشتر نسبت به يافته ها و قضاوت هاي شخصي خود استفاده مي كنند .

كاربردهاي مختلفي از سيستم هاي 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 كنترل

• 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 سيستم خبره را نيز به عنوان يك نظر تخصصي اضافي در اختيار دارد و در مواردي كه اين نظر يا قضاوت دوم با نظر خود او مخالفتي داشته باشد تلاش مي‌كند تا در تحليلهاي خود دقت بيشتري به عمل آورده و حتي در مواردي تجديد نظر كند سيستمهاي خبره در مورد بررسي صورتهاي مالي شركت قبل از ارائه به مديران ارشد بررسي گزارشهاي واصله 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 سيستمهاي خبره تحليل مالي

از آنجا كه در قضاوت هاي مختلف مالي عملاً هر چهار مرحله فرآيند تصميم گيري يعني گردآوري داده ها، انجام تجزيه و تحليل كسب بينش مشخص راجع به موضع و بالاخره اتخاذ تصميم دخالت دارد سيستمهاي خبره مرتبط با موضوع تحليل مالي نيز بر اساس نوع كمكي كه به مراحل مختلف فرآيند تصميم گيري مي كنند در سه حوزه تقسيم مي شوند .

اين سه حوزه عبارتند از :

1. كمك به كسب بينش يا بينش آفرين Insight facititaing
2. تسهيل تصميم گيري Decision facitiating
3. اتخاذ تصميم Decision Making

سيستمهاي خبره بينش آفرين

در اين نوع سيستمهاي خبره، هدف اصلي ارائه تحليلهاي مربوط به كمك تحليل 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 مفيد است با چنين هدفي عملاً مراحل اول و دوم از فرآيند چهار مرحله اي تصميم گيري به كمك اين سيستمها انجام مي شود اين نرم افزارها 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 تبحر و تخصص موجود در زمره سيستمهاي خبره واقعي به حساب آورده نمونه هايي از اين قبيل نرم افزارها عبارتند از : INsiGht و NEWVIEWS كه هر دو عملاً يك سيستم 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 نرم افزار 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 .

سيستمهاي خبره تسهيل كننده تصميم‌گيري

در اين نوع از سيستمهاي 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 سيستمهاي 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 سيستمهاي 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 . محققين دريافتند كه يك متخصص معمولا داراي تعدادي رموز و فوت و فن خاص براي كار خود مي باشد و در واقع از مجموعه اي از شگردهاي مفيد و قواعد سرانگشتي در كار خود بهره مي برد، اين يافته مقدمه پيدايش سيستم خبره بود . سيستم خبره با اخذ اين قواعد سر انگشتي از متخصصين و به تعبيري با تبديل فرآيند استدلال و تصميم گيري متخصصين به برنامه‌هاي كامپيوتري 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 کامپیوتر تا قادر باشد در هر لحظه تصمیم گیری کرده و اقدام به بررسی یک مسئله نماید. هوش مصنوعی، کامپیوتر را قادر به تفکر می‌کند و روش آموختن انسان را تقلید می نماید. بنابراین اقدام به جذب اطلاعات جدید جهت بکارگیری 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. اختلال در کار یک بخش تاثیری در دیگر قسمت‌های 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 سیستم هوش مصنوعی :

• سیستم‌های خبره (Expert Systems)
  

• شبکه‌های عصبی (Neural Network)
  

• الگوریتم‌های ژنتیک (Genetic Algorithms)
  

• سیستم‌های منطق فازی (Fuzzy Logic Systems)
  

سیستم‌های خبره

سیستم‌های 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 سیستم متخصص کامپیوتری در امر میوه تولید این مکالمه است. در حالت عمومی تر سیستم متخصص سعی می‌کند که به استفاده کننده از خود در مورد موضوعی که از آن مطلع است راهنمایی دهد.

اگر بخواهيم تعريفي از سيستم هاي خبره ارایه دهيم مي توان گفت « سيستم هاي خبره برنامه هاي كامپيوتري هستند كه با استفاده از قواعد مورد استفاده متخصصين به حل مسایل در زمينه اي خاص مي پردازند. وجه تمايز اصلي سيستم هاي 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 سیستم 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 سیستم پشتیبانی تصمیم شامل برنامه هایی است که منعکس کننده چگونگی اعتقاد یک مدیر در حل یک مساله می باشد. یک سیستم خبره، ازطرف دیگر فرصتی برای تصمیم گیری ها پیش می آورد که از قابلیت های مدیر افزون تر است .تمایز دیگر بین سیستم خبره و سیستم پشتیبانی تصمیم، توانایی سیستم خبره در توصیف نحوه استدلال جهت نیل به یک راه حل 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 سیستم پشتیبانی تصمیم استفاده می شود، اصولا ‌به صورت عددی بوده و برنامه ها، تاکید بر استفاده از روش های ریاضی دارند، لیکن داده هایی که به وسیله سیستم 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 سیستم های خبره با سایر سيستم‌هاي‌ اطلاعاتي‌

سيستم‌هاي‌ خبره‌ برخلاف‌ سيستم‌هاي‌ 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 محدودوسيعي‌ از كاربردها در برد عملياتي‌ سيستم‌هاي‌ خبره‌ مي‌شود. فرآيندنتيجه‌گيري‌ در سيستم‌هاي‌ خبره‌ بر روشهاي‌ استقرايي‌ و قياسي‌ پايه‌گذاري‌شده‌ است‌. از طرف‌ ديگر اين‌ سيستم‌ها 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 سئوالات‌ مطرح‌شده‌، سيستم‌هاي‌ 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:

1. پایگاه دانش (Knowledge Base)
2. موتور استنتاج (Inference Engine)
3. امکانات توضیح (Explanation Facilities)
4. 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 نرم افزارها 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 طبیعتا 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 اصولا 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:هزينه‌ كسب‌ تجربه‌ براي‌ كاربر به‌طور زيادي ‌كاهش ‌مي‌يابد.

• 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.

پیوندهای بیرونی

• یک مقاله فارسی درباره سیستم‌های خبره
• سامانهٔ خبرهٔ CLIPS (انگلیسی)
• سامانه‌های خبره و هوش مصنوعی
• کاربردهای مربوط به سامانه‌های مبتنی بر دانش در کشور ژاپن
• یک نمونه سیستم تصمیم یار با رابط کاربری فارسی

منابع

• Durkin, John. Expert Systems: Design and Development.
• Nisenfeld, A. E., Artificial Intelligence Handbook: Principles, Instrument Society of America, 1989. ISBN 1-55617-133-1
• حری، عباس .نشاط، نرگس.دایره المعارف کتابداری و اطلاع رسانی .تهران :کتابخانه ملی جمهوری اسلامی ایران ،1381-.
• http://artificial.ir/intelligence/thread408.html
• http://itmportal.net/index.php?option=com_content&view=article&id=176:-expert-systems&catid=55:systems&Itemid=96

جستارهای وابسته

• هوش مصنوعی
• سامانه‌های مبتنی بر دانش‌