سیستم خبره یک برنامه رایانه ای است که از فناوری های هوش مصنوعی (AI) برای شبیه سازی قضاوت و رفتار یک انسان یا سازمانی که دانش و تجربه تخصصی در زمینه خاصی دارد، استفاده می کند.
در هوش مصنوعی، یک سیستم خبره یک سیستم کامپیوتری است که توانایی تصمیم گیری یک متخصص انسانی را تقلید می کند. سیستمهای خبره برای حل مسائل پیچیده با استدلال از طریق مجموعههای دانش طراحی شدهاند، که عمدتاً بهعنوان قوانین «اگر-پس» نشان داده میشوند.
یک سیستم خبره به دو زیر سیستم تقسیم می شود: موتور استنتاج و پایگاه دانش. پایگاه دانش نشان دهنده حقایق و قوانین است. موتور استنتاج قوانین را برای حقایق شناخته شده برای استنتاج حقایق جدید اعمال می کند. موتورهای استنتاج همچنین می توانند توانایی های توضیح و اشکال زدایی را نیز شامل شوند.
مفهوم سیستم های خبره اولین بار در دهه 1970 توسط ادوارد فایگنبام، استاد و موسس آزمایشگاه سیستم های دانش در دانشگاه استنفورد توسعه یافت. فایگنبام توضیح داد که جهان از پردازش دادهها به «پردازش دانش» در حال حرکت است، انتقالی که با فناوری پردازندههای جدید و معماریهای کامپیوتری امکانپذیر شده است.
حقایق برای یک پایگاه دانش باید از طریق مصاحبه و مشاهدات از متخصصان انسانی کسب شود. سپس این دانش معمولاً به شکل قواعد «اگر-آنگاه» (قوانین تولید) نشان داده میشود: «اگر شرایطی درست باشد، میتوان استنتاج زیر را انجام داد (یا اقدامی انجام داد). پایگاه دانش یک سیستم خبره اصلی شامل هزاران قانون است. یک عامل احتمال اغلب به نتیجه گیری از هر قانون تولید و به توصیه نهایی متصل می شود، زیرا نتیجه گیری قطعی نیست.
به عنوان مثال، یک سیستم برای تشخیص بیماری های چشمی ممکن است بر اساس اطلاعات ارائه شده به آن، احتمال 90 درصد ابتلای یک فرد به گلوکوم را نشان دهد، و همچنین ممکن است نتایج با احتمال کمتر را فهرست کند. یک سیستم خبره ممکن است توالی قوانینی را که از طریق آنها به نتیجه رسیده است را نمایش دهد. ردیابی این جریان به کاربر کمک می کند تا اعتبار توصیه آن را ارزیابی کند و به عنوان یک ابزار یادگیری برای دانش آموزان مفید است.
سیستم های پشتیبان تصمیم به اصلاح فرایند تصمیم گیری باگسترش توانایی مدیران و در جهت کمک DSS به مدیریت برای گرفتن تصمیم درست می باشد ولی سيستم های خبره دراین موارد خودشان می توانند تصمیمات اتخاذ کنند. سیستم های پشتیبانی تصمیم گیری اغلب به انسان درمورد تحلیل های کیفی و کمی کمک می کنند. در حالی که سیستم های خبره سعی در جانشینی انسان متخصص دارند.
یک سیستم خبره دارای اجزایی بدین شرح است: کاربر (شخصی که با سیستم ارتباط متقابل دارد)، فرد خبره (شخصی که در یک زمینه خاص تخصص دارد)، مهندس دانش (طراح سیستم خبره)، پایگاه داده (مجموع داده ها درباره موضوعات و وقایع)، پایگاه دانش (مشتمل بر دانش متخصص و شیوه های تعامل با پایگاه داده)، موتور استنتاج (قابلیت نتیجه گیری از ارتباط پایگاه دانش و پایگاه داده)، سیستم توضیح به کاربر و قسمت اکتساب دانش.
سامانههای خبره برخلاف سامانههای اطلاعاتی که بر روی دادهها (Data) عمل میکنند، بر دانش (Knowledge) متمرکز شدهاست. همچنین دریک فرایند نتیجهگیری، قادر به استفاده از انواع مختلف دادهها عددی(Digital) ، نمادی Symbolic و مقایسهای (Analog) میباشند. یکی دیگر از مشخصات این سامانهها استفاده از روشهای ابتکاری (Heuristic) به جای روشهای الگوریتمی میباشد. این توانایی باعث قرار گرفتن دامنه گستردهای از کاربردها در برد عملیاتی سامانههای خبره میشود. فرایند نتیجهگیری در سامانههای خبره بر روشهای استقرایی و قیاسی پایهگذاری شدهاست.
برخی از سیستمهای خبره از Fuzzy Logic یا منطق فازی استفاده میكنند. در منطق غیرفازی تنها دو ارزش درست (true) یا نادرست (false) وجود دارد. چنین منطقی نمیتواند چندان كامل باشد؛ چراكه فهم و پروسه تصمیمگیری انسانها در بسیاری از موارد، كاملا قطعی نیست و بسته به زمان و مكان آن، تا حدودی درست یا تا حدودی نادرست است.
یک سیستم خبره که اخیراً توسعه یافته است، ROSS، یک وکیل باهوش مصنوعی است که بر اساس سیستم محاسباتی شناختی Watson IBM است. ROSS بر سیستمهای خودآموز متکی است که از دادهکاوی، تشخیص الگو، یادگیری عمیق و پردازش زبان طبیعی برای تقلید از نحوه عملکرد مغز انسان استفاده میکنند.
هدف سیستمهای مبتنی بر دانش این است که اطلاعات حیاتی مورد نیاز برای عملکرد سیستم را بهجای ضمنی به صورت صریح بیان کنند. مزایای این بازنمایی دانش صریح، توسعه سریع و سهولت نگهداری است. همچنین، با انتقال سیستمهای خبره از نمونههای اولیه در آزمایشگاه، به استقرار در دنیای کسبوکار، مسائل یکپارچهسازی و نگهداری بسیار مهمتر شد.
از دیگر دستاوردهای سیستمهای خبره میتوان صرفهجویی در هزینهها و نیز تصمیمگیری بهتر و دقیقتر را نام برد. استفاده از سیستمهای خبره، برای شرکتها میتواند صرفهجویی بههمراه داشته باشد، در زمینه تصمیمگیری نیز گاهی میتوان در شرایط پیچیده با بهرهگیری از چنین سیستمهایی تصمیمهای بهتری را اتخاذ کرد و جنبههای پیچیدهای را در مدت زمان بسیار کمی مورد بررسی قرار داد که تحلیل آن به روزها زمان احتیاج دارد.
از سوی دیگر، بهکارگیری سیستمهای خبره محدودیتهای خاصی دارد. به عنوان نمونه، این سیستمها نسبت به آنچه انجام میدهند، هیچ حسی ندارند. چنین سیستمهایی نمیتوانند خبرگی خود را به گسترههای وسیعتری تعمیم دهند؛ چراکه تنها برای یک منظور خاص طراحی شدهاند و پایگاه دانش آنها از دانش متخصصان آن حوزه نشات گرفته و از اینرو محدود است.
از سیستمهای خبره در بسیاری از حیطهها از جمله برنامهریزیهای تجاری، سیستمهای امنیتی، اكتشافات نفت و معادن، مهندسی ژنتیك، طراحی و ساخت اتومبیل، طراحی لنز دوربین و زمانبندی برنامه پروازهای خطوط هوایی استفاده میشود.
آینده سیستم های خبره درخشان وروشن به نظر می رسد. پیشرفت ابزارهای مهندسی دانش موجب می شود که ساخت سیستم های خبره به تجربه کمتری نیازداشته باشد. پیشرفت های سخت افزاری مانند کامپیوترهای پنتیوم، سیستم های خبره راقادر ساخته که به عنوان یک محیط عملیاتی واسط کاربر گرافیکی استفاده شوند. تکنولوژی ساخت مراحل مختلف سیستم های خبره در حال اصلاح و بهبود کیفیت می باشد. به هر حال تا تحقق نياز هاي انسان توسط سيستم هاي خبره راه بسياردشواري باقي است.