انجمن هوش مصنوعی دانشگاه اصفهان
آشنایی با سیستم های خبره
سیستم های خبره (Expert systems) برنامه های کامپیوتری هستند که به نحوی طراحی شده اند که قادرند توانایی یک فرد خبره را در زمینه خاص و در حل یک مسئله مدل کنند. این برنامه ها، الگوهای منطقی که یک فرد خبره بر اساس آن ها تصمیم گیری می کند را شناسایی کرده و سپس بر اساس آنها مانند انسان ها تصمیم گیری می کنند.از سیستمهای خبره در بسیاری از حیطهها از جمله برنامهریزیهای تجاری، سیستمهای امنیتی، اکتشافات نفت و معادن، مهندسی ژنتیک، طراحی و ساخت اتومبیل، طراحی لنز دوربین و زمانبندی برنامه پروازهای خطوط هوایی استفاده میشود.
دستاوردهای هوش مصنوعی در زمینه تصمیمگیری و حل مسئله از اصلیترین موضوعات سیستمهای خبره را شامل میشوند. به آن نوع از برنامههای هوش مصنوعی که به سطحی از خبرگی میرسند که میتوانند به جای یک متخصص در یک زمینه خاص تصمیمگیری کنند، expert systems یا سیستمهای خبره گفته میشود. این سیستمها برنامههایی هستند که پایگاه دانش آنها انباشته از اطلاعاتی است که انسانها هنگام تصمیمگیری درباره یک موضوع خاص، براساس آنها تصمیم میگیرند.
به محدوده اطلاعاتی از الگوهای خبرگی انسان که به یک سیستم خبره منتقل میشود، task domain گفته میشود. این محدوده، سطح خبرگی یک سیستم خبره را مشخص میکند و نشان میدهد که آن سیستم خبره برای چه کارهایی طراحی شده است. سیستم خبره با این task ها یا وظایف میتواند کارهایی چون برنامهریزی، زمانبندی، و طراحی را در یک حیطه تعریف شده انجام دهد.
به روند ساخت یک سیستم خبره، knowledge engineering یا مهندسی دانش گفته میشود. یک مهندس دانش باید اطمینان حاصل کند که سیستم خبره طراحی شده، تمام دانش مورد نیاز برای حل یک مسئله را دارد. طبیعتاً در غیراینصورت، تصمیمهای سیستم خبره قابل اطمینان نخواهند بود.
هر سیستم خبره از دو بخش مجزا ساخته شده است: پایگاه دانش و موتور تصمیمگیری.
پایگاه دانش یک سیستم خبره از هر دو نوع دانش مبتنی بر حقایق (factual) و نیز دانش غیرقطعی (heuristic) استفاده میکند. Factual knowledge، دانش حقیقی یا قطعی نوعی از دانش است که میتوان آن را در حیطههای مختلف به اشتراک گذاشت و تعمیم داد؛ چراکه درستی آن قطعی است.
در سوی دیگر، Heuristic knowledge قرار دارد که غیرقطعیتر و بیشتر مبتنی بر برداشتهای شخصی است. هرچه حدسها یا دانش هیورستیک یک سیستم خبره بهتر باشد، سطح خبرگی آن بیشتر خواهد بود و در شرایط ویژه، تصمیمات بهتری اتخاذ خواهد کرد.
دستاورد سیستمهای خبره را میتوان صرفهجویی در هزینهها و نیز تصمیمگیریهای بهتر و دقیقتر و بسیاری موارد تخصصیتر دیگر عنوان کرد. استفاده از سیستمهای خبره برای شرکتها میتواند صرفهجویی به همراه داشته باشد.
در زمینه تصمیمگیری نیز گاهی میتوان در شرایط پیچیده، با بهرهگیری از چنین سیستمهایی تصمیمهای بهتری اتخاذ کرد و جنبههای پیچیدهای را در مدت زمان بسیار کمی مورد بررسی قرار داد که تحلیل آنها به روزها زمان نیاز 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.
چنین سیستمهایی از آنجا که توسط دانش متخصصان تغذیه اطلاعاتی شدهاند، در صورت بروز برخی موارد پیشبینی نشده، نمیتوانند شرایط جدید را به درستی تجزیه و تحلیل نمایند.
مطلبی دیگر از این انتشارات
معرفی الگوریتم های ماشین لرنینگ با استفاده از scikit-learn
مطلبی دیگر از این انتشارات
کاربرد های NLP(بخش دوم)
مطلبی دیگر از این انتشارات
ماشین های هنرمند