سیستم‌های خبره چیستند و چه کاربردی دارند؟

سامانه خبره چیست؟

سامانه خبره یکی از شاخه‌های اصلی هوش مصنوعی است که با جمع‌آوری دانش تخصصی و اطلاعات کارشناسی در یک حوزه خاص و به‌کارگیری منطق سعی می‌کند همانند انسان‌ها خدمات تخصصی ارائه کند. به بیان دقیق‌تر، سامانه‌های خبره، نرم‌افزارهای هوشمندی هستند که دانش تخصصی کارشناسان را به شکل مجموعه اطلاعات علمی در اختیار دارند و از آن‌ها استفاده می‌کنند. یک سیستم خبره از دانش انسانی برای حل مسائلی استفاده می‌کند که نیازمند هوش هستند. داده‌هایی که درون این سامانه‌ها قرار می‌گیرد دانش تخصصی نام دارند و برای ارائه توصیه‌های دقیق استفاده می‌شوند. سامانه‌‌های خبره عمدتا برای بیان استدلال‌ها استفاده می‌شوند و از الگوهای منطقی خاصی بهره می‌برند. رویکرد فوق مشابه کاری است که انسان‌ها در زمان حل یک مسئله انجام می‌دهند. همان‌گونه که انسان‌ها برای حل یک مسئله فکر می‌کنند، سامانه‌های خبره نیز برای این‌کار الگوها و الگوریتم‌هایی را به خدمت می‌گیرند که توسط متخصصان طراحی شده‌اند. تا ابتدای دهه 80 میلادی فعالیت چندانی در زمینه ساخت و ایجاد سامانه‌های خبره توسط پژوهشگران هوش مصنوعی انجام نگرفته بود. از آن زمان به بعد، کارهای زیادی در این راستا و در دو حوزه‌ متفاوت سامانه‌های کوچک خبره و سامانه‌های بزرگ خبره انجام شد. در دهه 70 میلادی ادوارد

 فیگن بام در دانشگاه استنفورد به دنبال کشف روش حل مسئله‌ای بود که همه منظوره نباشد. پژوهشگران دریافتند که یک متخصص دارای شماری رموز و فوت و فن خاص برای کار خود است و در واقع از مجموعه‌ای از شگردهای سودمند و قواعد سرانگشتی در کار خود بهره می‌برد. این یافته‌ها زمینه را برای خلق مفهومی که امروزه به‌نام سامانه خبره می‌شناسیم هموارد کرد. سامانه‌های خبره سعی می‌کنند از قواعد سر‌انگشتی که متخصصان از آن‌ها استفاده می‌کنند الهام گرفته و استدلال‌هایی را ارائه کنند که بی عیب و نقص باشند. سامانه‌های خبره در زمینه‌های متنوعی کاربرد دارند که از مهم‌ترین آن‌ها می‌توان به پزشکی، حسابداری، کنترل فرآیندها، منابع انسانی، خدمات مالی، GIS، حسابداری، تجزیه و تحلیل‌های مالی پزشکی (تشخیص بیماری)، آنژیوگرافی و تولید ویفرهای سیلیکونی اشاره کرد. در هر یک از این زمینه‌ها می‌توان کارهایی از نوع راهنمایی، پردازش، دسته‌بندی، مشاوره، طراحی، تشخیص، کاوش، پیش‌بینی، ایجاد مفاهیم، شناسایی، توجیه، یادگیری، مدیریت، برنامه‌ریزی، زمان‌بندی و آزمایش را با کمک از سامانه‌های تجربی با سرعت و آسانی بیشتری به انجام رساند. از سامانه‌های خبره یا به عنوان جایگزین فرد متخصص یا به عنوان کمک به وی استفاده می‌شود.

مولفه‌های سیستم خبره

به‌طور معمول، یک سامانه خبره از چهار بخش اصلی ساخته می‌شود، هرچند در برخی پیاده‌سازی‌ها مولفه‌های دیگری نیز به این سامانه‌ها افزوده می‌شود، با این‌حال، یک سیستم خبره از مولفه‌های پایگاه دانش (Knowledge Base)، موتور استنتاج (Inference Engine)، امکانات توضیحی (Explanation Facilities) و رابط کاربری (User Interface) ساخته می‌شود.

پایگاه دانش (Knowledge Base)

مکان یا به عبارت دقیق‌تر مخزنی است که داده‌های تحلیل شده و آماده بهره‌برداری (دانش خبره) به شکل کدگذاری شده و قابل فهم برای سامانه در آن ذخیره می‌شود. پایگاه دانش از دو مولفه اصلی شیء (Object) که بیان‌گر نتیجه‌ای است که بر مبنای قواعد ارائه می‌کند و شاخص (Attribute) که توصیف‌کننده ویژگی و خصلت‌های مربوط به آن است و به توسعه‌دهنده اجازه می‌دهد شی را به درستی تعریف کند تشکیل شده است. بر مبنای این تعریف پایگاه دانش را می‌توان به صورت فهرستی از اشیاء که در آن قوانین و شاخص‌های مربوط به هر شی درج شده‌اند توصیف کرد. در ساده‌ترین حالت خط‌مشی یا قانونی که برای یک شاخص اعمال می‌شود این موضوع را بیان می‌کند که آیا شی مورد نظر شاخص دارد یا ندارد. به فردی که دانش خبره را به شکل کدگذاری شده آماده می‌کند مهندس دانش گفته می‌شود. به‌طور کلی دانش در قالب عبارات شرطی و قواعد در پایگاه دانش ذخیره می‌شود. 

موتور استنتاج‌کننده (Inference Engine)

زمانی که محدوده دانش را با خط‌مشی‌ها نمایش می‌دهیم، باز هم یک متخصص باید مشخص کند چه خط‌مشی‌هایی برای حل مسئله خاصی باید استفاده شوند. علاوه بر این باید مشخص شود که خط‌مشی‌ها باید در چه مجموعه یا طبقه‌ای استفاده شوند. بر همین اساس یک سامانه خبره باید تصمیم بگیرد که چه قانونی در چه موردی و چه رده‌ای باید برای ارزیابی انتخاب شود. موتور استنتاج قلب تپنده یک سامانه خبره است، زیرا به سامانه اجازه می‌دهد خط‌مشی‌های تعیین شده که به صورت مجموعه‌ای از قواعد «اگر … پس …» برای یافتن پاسخ یا قضاوت نهایی تعریف شده‌اند را به شکل درستی استفاده کند. عاملی که باعث می‌شود یک سامانه را سامانه خبره توصیف کنیم مکانیزمی است که موتور استنتاج‌کننده بر مبنای آن قواعد را پردازش می‌کند. موتور استنتاج برای اخذ تصمیمات می‌تواند به دو روش عمل کند. اول آن‌که به سراغ پردازش داده‌ها رفته و نتیجه نهایی را استخراج کند. به عبارت دقیق‌تر، با در نظر گرفتن داده‌های مربوط به موضوع مورد سؤال از (اگر)ها شروع کرده و به نتایج یا (پس)های مناسب برسد. به عبارت دیگر در زنجیره اخذ تصمیم از مقدمات به نتایج برسد. در روش دوم ابتدا به دنبال شرایط اولیه و مناسب باشد. در این روش نقطه شروع (پس)ها هستند و از آن‌ها به (اگر)ها می‌رسد. روش اول استنتاج داده‌محور و روش دوم روش‌محور است. 

مهندس دانش: فردی است که سیستم خبره را طراحی و ایجاد می‌کند. یک مهندس دانش تسلط کاملی بر الگوریتم‌های هوشمند دارد و قادر است الگوهای مختلف هوشمند را برای حل مسائل واقعی استفاده کند.

امکانات توضیحی (Explanation Facilities)

از امکانات توضیحی برای نشان دادن مراحل نتیجه‌گیری سامانه خبره برای یک مسئله خاص با واقعیات خاص به زبان قابل فهم برای کاربر استفاده می‌شود. امکانات توضیحی این مزیت را دارند که کاربر با دیدن مراحل استنتاج به تصمیم گرفته شده توسط سامانه اعتماد بیشتری کند. 

پایگاه داده: پایگاه داده مجموع داده‌هایی درباره موضوع‌ها و وقایعی هستند که در پایگاه دانش برای دستیابی به نتایج مدنظر استفاده می‌شوند.

رابط کاربری

منظور از رابط کاربری، مجموعه‌ای از تجهیزات و نرم‌افزارها است که به صورت کانال ارتباطی میان کاربر و سامانه خبره عمل می‌کند. به عبارت دقیق‌تر، به کاربر امکان ارائه اطلاعات مربوط به مسئله مورد نظر را به سامانه می‌دهد و از طرف دیگر استنتاجات سامانه را در اختیار کاربر می‌گذارد. واسط کاربری یک سامانه خبره باید قدرت تبادل زیادی داشته باشد تا ساختار تبادل اطلاعات به شکل یک محاوره قابل فهم برای سامانه و کاربر انجام شود. 

اکتساب دانش: مولفه اکتساب دانش، فرآیند، استخراج، طراحی و ارائه دانش را مدیریت می‌کند. 

کاربر: فردی است که به تعامل با سیستم می‌پردازد. کاربران یک سیستم خبره به گروه‌های مختلفی تقسیم می‌شوند و به روش‌های مختلف از یک سامانه خبره استفاده می‌کنند. 

یک سیستم خبره چه مزایایی دارد؟ 

هدف از طراحی و پیاده‌سازی یک سامانه خبره صرفه‌جویی در هزینه‌ها و تصمیم‌گیری بهتر و دقیق‌تر است. سامانه‌های خبره بیشتر برای اخذ تصمیمات پیچیده استفاده می‌شوند، زیرا در بیشتر موارد جنبه‌های فنی مختلفی را ارزیابی می‌کنند که به لحاظ سنتی پردازش و تحلیل این اطلاعات به زمان زیادی نیاز دارد. بر همین اساس کارآمد بودن یک سامانه خبره به میزان قابلیت دسترسی و سهولت کار با آن بستگی دارد. مزایای سامانه‌های خبره را می‌توان به صورت زیر دسته‌بندی کرد:

• افزایش قابلیت اطمینان: اگر اطلاعات درون پایگاه دانش یک سامانه‌ خبره قابل اعتماد باشند، تصمیماتی که پیشنهاد می‌کند قابل استناد هستند. 
• کاهش خطر: سامانه خبره می‌تواند در محیط‌هایی پیاده‌سازی شود که ممکن است برای انسان‌ها خطرناک باشد. به‌طور مثال، کنترل فشار ورودی و خروجی در سدها.
• افزایش قابلیت دسترسی و کاهش هزینه‌ها: کامپیوترها اطلاعات مختلف و متنوعی را ذخیره‌سازی می‌کنند. یک سامانه خبره با هدف تولید انبوه تجربیات طراحی و پیاده‌سازی می‌شود. 
• پایدار بودن: سامانه‌های خبره پایدار هستند و زمانی که اطلاعات آن‌ها به‌روز شود عملکرد خود را حفظ می‌کنند. 
• تجربیات ترکیبی: یک سامانه خبره قادر است تصمیماتی را پیشنهاد دهد که ممکن است به چند نیروی متخصص برای ارائه آن پیشنهادها نیاز باشد. 
• قدرت تبیین (Explanation) و پاسخ‌دهی سریع: یک سامانه خبره می‌تواند مسیر و مراحل استدلالی منتهی شده به نتیجه‌گیری را شرح دهد. سامانه‌های خبره در کوتاه‌ترین زمان قادر به ارائه نتایج دقیق هستند. بر همین اساس در مواقع اضطراری که فشار عصبی روی تصمیم‌گیری افراد تاثیر منفی می‌گذارد بهترین پیشنهاد را ارائه کنند.
• سهولت انتقال دانش: یکی از مهم‌ترین مزایای سامانه خبره، سهولت انتقال آن به مکان‌های جغرافیایی گوناگون است. 

با این‌حال، سامانه‌های خبره بدون عیب هم نیستند و محدودیت‌های خاص خود را دارند. به‌طور مثال، این سامانه‌ها نسبت به کاری که انجام می‌دهند هیچ‌گونه حسی ندارند. علاوه بر این این قابلیت را ندارند تا خبرگی خود را به شکل گسترده‌ای تعمیم دهند، زیرا تنها برای یک هدف مشخص طراحی شده‌اند و پایگاه دانش آن‌ها برخواسته از دانش متخصصانی است که آن‌ها را طراحی کرده‌اند.  با توجه به این‌که سامانه‌های خبره توسط دانش متخصصان تغذیه می‌شوند، اگر موارد پیش‌بینی نشده‌ای به وجود آید، قادر نیستند شرایط جدید را به شکل دقیق تجزیه و تحلیل کنند. 

از سامانه‌های خبره در چه حوزه‌هایی استفاده می‌شود؟

سامانه‌های خبره همانند سایر حوزه‌های هوش مصنوعی کاربردهای خاص خود را دارند. از جمله این کاربردها به موارد زیر باید اشاره کرد:

• حوزه خدمات همگانی: سامانه‌های خبره اجازه می‌دهند دانش کاربردی را به شکل گسترده‌ و کم‌هزینه‌تری در اختیار آحاد جامعه قرار داد. 
• حسابداری و امور مالی: یکی از پر رونق‌ترین زمینه‌های کاربردی سامانه‌های خبره، تجزیه و تحلیل‌های مالی است. سامانه‌های خبره در حوزه مالی امکان ارزیابی ریسک، تهیه برنامه حسابرسی، فراهم آوردن کمک‌های فنی، کشف تقلبات و جلوگیری از آن‌ها، قیمت‌گذاری محصولات و خدمات، تعیین قیمت تمام شده، طراحی سامانه‌های حسابداری، بودجه‌بندی سرمایه‌ای، انتخاب روش حسابداری، ارزیابی اعتبار، توصیه‌های مالیاتی، محاسبه مغایرت‌های مالیاتی و برنامه‌ریزی مالی شخصی را فراهم می‌کنند. 

تفاوت سامانه‌های خبره با سایر سامانه‌های اطلاعاتی 

سامانه‌های خبره برخلاف سامانه‌های اطلاعاتی که روی داده‌ها عمل می‌کنند بر دانش (Knowledge) متمرکز هستند. علاوه بر این در یک فرآیند نتیجه‌گیری، قادر به استفاده از انواع مختلف داده‌های عددی، نمادی و مقایسه‌ای هستند. 

یکی دیگر از مشخصات این سامانه‌ها استفاده از روش‌های ابتکاری (Heuristic) به جای روش‌های الگوریتمی است. این توانایی کارکردهای گسترده‌ای را برای سامانه‌های خبره پدید می‌آورد. فرآیند نتیجه‌گیری در سامانه‌های خبره بر روش‌های استقرایی و قیاسی پایه‌گذاری شده‌اند. از طرف دیگر این سامانه‌ها می‌توانند دلایل خود در رسیدن به یک نتیجه‌گیری خاص یا جهت و مسیر حرکت خود به سوی هدف را شرح دهند.

یک سامانه خبره خوب چه ویژگی‌هایی دارد؟ 

در یک سامانه خبره سعی بر این است که داده‌ها از رویه‌های پیاده‌سازی شونده روی داده‌ها، مجزا باشند. مزیت این جداسازی این است که تعمیم یافتگی در سامانه، افزایش می‌یابد. 

از مهم‌ترین ویژگی‌هایی که نشان می‌دهند یک سامانه خبره به شکل درستی پیاده‌سازی شده باید به موارد زیر اشاره کرد:

•  برخورداری از دانش خبره و تخصصی، تمرکز روی تخصص‌های خاص، استدلال با نمادها،  استدلال هیوریستیک و تجربی، قابلیت استدلال غیر‌دقیق که مبتنی بر استدلال بر مبنای قوانین احتمالی است، (سامانه خبره باید بتواند در محیط‌هایی که اطلاعات غیر‌دقیق در آن وجود دارد یا اطلاعات کامل نیستند استدلال کند.)، مناسب بودن سامانه خبره از نظر پیچیدگی (مسائل سامانه خبره نباید خیلی سخت و نه خیلی راحت باشند.) و احتمال بروز اشتباه و هشدار در مورد آن (ممکن است سامانه خبره در تعیین راه‌حل دچار مشکل شود، اما به اشکال مختلفی این نکته را هشدار می‌دهد. شبیه به کاری که فیس‌بوک انجام می‌دهد و پست‌هایی که اطلاعات آن شبه‌برانگیز است را با برچسب غیرقابل اعتماد نشانه‌گذاری می‌کند).

کلام آخر

سیستم خبره برنامه هوشمندی است که طراحی آن به گونه‌ای بوده که توانایی یک متخصص در زمینه‌ای خاص و در حل یک مسئله را مدل‌سازی می‌کند. این برنامه، الگوهای منطقی که یک متخصص خبره بر مبنای آن‌ها تصمیم‌گیری می‌کند را شناسایی و بر مبنای آن‌ها همانند انسان‌ها تصمیم‌گیری می‌کند. تفاوت اصلی سامانه‌های خبره نسبت به برنامه‌هایی که هوشمندی را شبیه‌سازی می‌کنند این است که از استدلال مبتنی بر استنباط و استنتاج استفاده می‌کنند. 

در برنامه‌های کاربردی رایج از الگوریتم‌ها و روش‌های حل مسئله ثابتی استفاده می‌شود، در حالی که در یک سامانه خبره از روش‌های شهودی که مبتنی بر آزمون و خطا هستند برای حل مسائل پیچیده استفاده می‌شود تا نتایج رضایت‌بخشی به دست آید. در مجموع باید بگوییم که سامانه‌های خبره در مدیریت دانش و بهبود تصمیمات استراتژیک سازمانی نقش تاثیرگذاری دارند. این سامانه‌ها ضمن آن‌که عملکرد زیادی در پردازش حجم گسترده‌ای از اطلاعات پیچیده دارند، قادر هستند همانند یک متخصص تصمیم‌گیری کنند و با توجه به این‌که تصمیمات آن‌ها مبتنی بر مدیریت دانش است، جایگاه غیرقابل انکاری در تصمیمات کلان تجاری دارند.