الأنظمة الخبيرة: التاريخ والخصائص والمزايا والعيوب - تقنية - 2025

و النظم الخبيرة تعرف بأنها أنظمة التي تحاكي قدرة صنع القرار خبير الإنسان في مجال معين. يستخدمون كلاً من استراتيجيات الكشف عن مجريات الأمور والحقائق لحل مشاكل صنع القرار المعقدة بشكل موثوق وتفاعلي.

وهي مصممة لحل المشكلات المعقدة للغاية ، والاستدلال من خلال قواعد المعرفة. بدلاً من أن يتم تمثيلها بواسطة التعليمات البرمجية الإجرائية ، يتم تمثيلها أساسًا بواسطة قواعد If-Then.

المصدر: pixabay.com

إنهم قادرون على التعبير عن أنفسهم والتفكير بشأن بعض مجالات المعرفة ، مما يسمح لهم بحل العديد من المشكلات التي تتطلب عمومًا خبيرًا بشريًا. كانت الأنظمة الخبيرة هي أسلاف أنظمة الذكاء الاصطناعي والتعلم العميق والتعلم الآلي اليوم.

لا يمكن لنظام خبير أن يحل محل الأداء العام للعامل في استكشاف الأخطاء وإصلاحها. ومع ذلك ، يمكنهم تقليل حجم العمل الذي يجب على الفرد القيام به بشكل كبير لحل مشكلة ما ، وترك الجوانب الإبداعية والمبتكرة في حل المشكلات للناس.

لقد لعبوا دورًا مهمًا في العديد من الصناعات ، مثل الخدمات المالية والاتصالات والرعاية الصحية وخدمة العملاء وألعاب الفيديو والتصنيع.

سعة النظام

يشتمل النظام الخبير على نظامين فرعيين: قاعدة المعرفة ، التي تحتوي على الحقائق والخبرات المتراكمة ، ومحرك الاستدلال ، وهو مجموعة من القواعد لتطبيقها على قاعدة المعرفة أو الحقائق المعروفة في كل موقف معين ، من أجل استنتاج أخرى جديدة. الأفعال.

يمكن تحسين قدرات النظام من خلال الإضافات إلى قاعدة المعرفة أو مجموعة القواعد.

على سبيل المثال ، قد تتمتع الأنظمة الخبيرة اليوم أيضًا بالقدرة على التعلم تلقائيًا ، مما يسمح لها بتحسين أدائها بناءً على الخبرة ، تمامًا كما يفعل البشر.

بالإضافة إلى ذلك ، يمكن للأنظمة الحديثة دمج المعرفة الجديدة بسهولة أكبر وبالتالي يمكن تحديثها بسهولة. يمكن لمثل هذه الأنظمة التعميم بشكل أفضل من المعرفة الحالية والتعامل مع كميات كبيرة من البيانات المعقدة.

التاريخ

- التطورات الأولية

في أواخر الخمسينيات من القرن الماضي ، بدأت التجارب بإمكانية استخدام تكنولوجيا الكمبيوتر لمحاكاة صنع القرار البشري. على سبيل المثال ، بدأ إنشاء أنظمة بمساعدة الكمبيوتر لتطبيقات التشخيص في الطب.

أدخلت أنظمة التشخيص الأولية هذه أعراض المريض ونتائج الاختبارات المعملية في النظام لتوليد التشخيص نتيجة لذلك. كانت هذه هي الأشكال الأولى للأنظمة الخبيرة.

- التطورات الرئيسية

في بداية الستينيات ، تم تطوير البرامج التي تحل مشاكل محددة جيدًا. على سبيل المثال ، الألعاب أو الترجمات الآلية.

تتطلب هذه البرامج تقنيات تفكير ذكية للتعامل مع المشكلات المنطقية والرياضية التي تم تقديمها ، لكنها لم تتطلب الكثير من المعرفة الإضافية.

بدأ الباحثون يدركون أنه لحل العديد من المشكلات المثيرة للاهتمام ، لا يجب أن تكون البرامج قادرة على تفسير المشكلات فحسب ، بل تحتاج أيضًا إلى المعرفة الأساسية لفهمها تمامًا.

أدى ذلك تدريجياً إلى تطوير أنظمة خبيرة كانت تركز بشكل أكبر على المعرفة.

تم تطوير مفهوم الأنظمة الخبيرة رسميًا في عام 1965 من قبل إدوارد فيجينباوم ، الأستاذ بجامعة ستانفورد بالولايات المتحدة الأمريكية.

أوضح Feigenbaum أن العالم كان ينتقل من معالجة البيانات إلى معالجة المعرفة ، وذلك بفضل تقنية المعالجات الجديدة وهياكل الكمبيوتر.

Dendral

في أواخر الستينيات ، تم تطوير أحد الأنظمة الخبيرة الأولى ، المسمى Dendral ، لمعالجة تحليل المركبات الكيميائية.

تتكون معرفة Dendral من مئات القواعد التي تصف تفاعلات المركبات الكيميائية. كانت هذه القواعد نتيجة سنوات من التعاون بين الكيميائيين وعلماء الكمبيوتر.

- النضج

بدأت الأنظمة الخبيرة في الانتشار خلال الثمانينيات. طبقت العديد من شركات Fortune 500 هذه التكنولوجيا في أنشطتها التجارية اليومية.

في التسعينيات ، قام العديد من بائعي تطبيقات الأعمال ، مثل Oracle و SAP ، بدمج قدرات الأنظمة الخبيرة في مجموعة منتجاتهم كطريقة لشرح منطق الأعمال.

مميزات

- إعلانات الوظائف

يجب أن يقدم النظام الخبير أعلى مستوى من الخبرة. يوفر الكفاءة والدقة وحل المشكلات التخيلي.

- رد الفعل في الوقت المحدد

يتفاعل المستخدم مع نظام الخبراء لفترة زمنية معقولة إلى حد ما. يجب أن يكون وقت هذا التفاعل أقل من الوقت الذي يستغرقه الخبير للحصول على الحل الأكثر دقة لنفس المشكلة.

- الموثوقية

يجب أن يتمتع النظام الخبير بموثوقية جيدة. للقيام بذلك ، يجب ألا ترتكب أي أخطاء.

- آلية فعالة

يجب أن يكون للنظام الخبير آلية فعالة لإدارة مجموعة المعارف الموجودة فيه.

- معالجة المشاكل

يجب أن يكون النظام الخبير قادرًا على التعامل مع المشكلات الصعبة واتخاذ القرارات الصحيحة لتقديم الحلول.

- مكونات

قاعدة المعرفة

إنها مجموعة منظمة من البيانات تتوافق مع نطاق خبرة النظام.

من خلال المقابلات والملاحظات مع الخبراء البشريين ، يجب أخذ الحقائق التي تشكل قاعدة المعرفة.

محرك الاستدلال

تفسير وتقييم الحقائق في قاعدة المعرفة من خلال القواعد ، من أجل تقديم توصية أو استنتاج.

يتم تمثيل هذه المعرفة في شكل قواعد الإنتاج If-Then: "إذا كان الشرط صحيحًا ، فيمكن إجراء الخصم التالي."

الاستنتاجات

غالبًا ما يتم إرفاق عامل احتمالية بإبرام كل قاعدة إنتاج والتوصية النهائية ، لأن الاستنتاج الذي تم التوصل إليه ليس يقينًا مطلقًا.

على سبيل المثال ، يمكن لنظام خبير لتشخيص أمراض العيون أن يشير ، بناءً على المعلومات المقدمة ، إلى أن الشخص مصاب بمرض الجلوكوما بنسبة 90٪.

يمكن أيضًا عرض تسلسل القواعد التي تم من خلالها الوصول إلى الاستنتاج. تساعد مراقبة هذه السلسلة في تقييم مصداقية التوصية وهي مفيدة كأداة تعليمية.

أنواع

على أساس القواعد

في هذا النظام يتم تمثيل المعرفة كمجموعة من القواعد. القاعدة طريقة مباشرة ومرنة للتعبير عن المعرفة.

تتكون القاعدة من جزأين: جزء "If" يسمى الشرط ، والجزء "ثم" يسمى الخصم. الصيغة الأساسية للقاعدة هي: If (الشرط) ثم (الاستنتاج).

بناء على منطق غامض

عندما تريد التعبير عن المعرفة باستخدام كلمات غامضة مثل "قليل جدا" ، "صعب نوعا ما" ، "ليس هذا القديم" ، يمكن استخدام المنطق الضبابي

يستخدم هذا المنطق لوصف تعريف غير دقيق. يعتمد على فكرة أن كل الأشياء موصوفة على مقياس متدرج.

يعمل المنطق الكلاسيكي بقيمتين يقين: صواب (1) وخطأ (0). في المنطق الضبابي ، يتم التعبير عن جميع قيم اليقين كأرقام حقيقية في النطاق من 0 إلى 1.

يمثل المنطق الضبابي المعرفة القائمة على درجة من الصدق ، بدلاً من الصدق المطلق للمنطق الكلاسيكي.

عصبية

تجمع فوائد نظام الخبير القائم على القواعد أيضًا فوائد الشبكة العصبية ، مثل التعلم والتعميم والقوة ومعالجة المعلومات الموازية.

يحتوي هذا النظام على قاعدة معرفية عصبية ، بدلاً من قاعدة المعارف التقليدية. يتم تخزين المعرفة كأوزان في الخلايا العصبية.

يسمح هذا المزيج لنظام الخبير العصبي بتبرير استنتاجاته.

منتشر عصبي

المنطق الضبابي والشبكات العصبية أدوات تكميلية لبناء أنظمة خبيرة.

تفتقر الأنظمة الضبابية إلى القدرة على التعلم ولا يمكنها التكيف مع بيئة جديدة. من ناحية أخرى ، على الرغم من أن الشبكات العصبية يمكن أن تتعلم ، فإن عمليتها معقدة للغاية بالنسبة للمستخدم.

يمكن للأنظمة العصبية الضبابية أن تجمع بين قدرات الحوسبة والتعلم للشبكة العصبية مع تمثيل المعرفة البشرية ومهارات شرح الأنظمة الضبابية.

نتيجة لذلك ، تصبح الشبكات العصبية أكثر شفافية ، بينما يصبح النظام الغامض قادرًا على التعلم.

مميزات

التوفر

الأنظمة الخبيرة متاحة بسهولة ، في أي مكان وفي أي وقت ، بسبب الإنتاج الضخم للبرنامج.

تقليل المخاطر

يمكن للشركة تشغيل نظام خبير في بيئات تشكل خطورة على البشر. يمكن استخدامها في أي بيئة خطرة حيث لا يستطيع البشر العمل.

المعرفة الأعمال

يمكن أن تصبح وسيلة لتطوير المعرفة التنظيمية ، على عكس معرفة الأفراد في الشركة.

شرح الجواب

إنهم قادرون على تقديم تفسير كافٍ لاتخاذهم لقرارهم ، معربين بالتفصيل عن الأسباب التي أدت إلى الإجابة.

عند استخدامها كأدوات تدريب ، فإنها تؤدي إلى منحنى تعليمي أسرع للمبتدئين.

الجواب السريع

يساعد في الحصول على إجابات سريعة ودقيقة. يمكن للنظام الخبير إكمال نصيبه من المهام أسرع بكثير من الخبير البشري.

معدل خطأ منخفض

معدل الخطأ في الأنظمة الخبيرة الناجحة منخفض جدًا ، وأحيانًا يكون أقل بكثير من معدل الخطأ البشري لنفس المهمة.

استجابة بلا عاطفة

تعمل الأنظمة الخبيرة دون إثارة. لا يشعرون بالتوتر أو الإرهاق أو الذعر ، ويعملون بثبات أثناء حالات الطوارئ.

دوام المعرفة

يحافظ النظام الخبير على مستوى كبير من المعلومات. ستستمر هذه المعرفة المتضمنة إلى أجل غير مسمى.

النماذج الأولية السريعة

باستخدام نظام خبير ، من الممكن إدخال بعض القواعد وتطوير نموذج أولي في أيام ، بدلاً من الأشهر أو السنوات المرتبطة عادةً بمشاريع تكنولوجيا المعلومات المعقدة.

خبرات متعددة

يمكن تصميم النظام الخبير بحيث يحتوي على معرفة العديد من الخبراء المؤهلين وبالتالي لديه القدرة على حل المشكلات المعقدة.

هذا يقلل من تكلفة استشارة الخبراء الاستشاريين لحل المشكلات. إنها وسيلة للحصول على مصادر المعرفة التي يصعب الحصول عليها.

سلبيات

اكتساب المعرفة

من الصعب دائمًا الحصول على وقت الخبراء في مجالات معينة لأي تطبيق برمجي ، ولكن بالنسبة للأنظمة الخبيرة يكون الأمر صعبًا بشكل خاص ، لأن الخبراء يحظون بتقدير كبير وتطلبهم المنظمات باستمرار.

نتيجة لذلك ، ركز قدر كبير من البحث في السنوات الأخيرة على أدوات اكتساب المعرفة ، والتي تساعد على أتمتة عملية التصميم ، وتصحيح الأخطاء ، والحفاظ على القواعد التي حددها الخبراء.

نظام التكامل

كان تكامل الأنظمة مع قواعد البيانات صعبًا بالنسبة للأنظمة الخبيرة الأولى ، لأن الأدوات كانت بشكل أساسي بلغات ومنصات غير معروفة في بيئات الشركات.

نتيجة لذلك ، تم بذل جهد كبير لدمج أدوات الأنظمة الخبيرة مع البيئات القديمة ، مما يجعل الانتقال إلى منصات قياسية أكثر.

تم حل هذه المشكلات بشكل أساسي من خلال النقلة النوعية ، حيث تم قبول أجهزة الكمبيوتر بشكل تدريجي في بيئة الحوسبة كمنصة شرعية لتطوير أنظمة الأعمال الجادة.

تعقيد المعالجة

زيادة حجم قاعدة المعرفة يزيد من تعقيد المعالجة.

على سبيل المثال ، إذا كان النظام الخبير يحتوي على 100 مليون قاعدة ، فمن الواضح أنه سيكون معقدًا للغاية ، وسيواجه العديد من المشكلات الحسابية.

يجب أن يكون محرك الاستدلال قادرًا على معالجة عدد كبير من القواعد لاتخاذ قرار.

عندما يكون هناك الكثير من القواعد ، من الصعب أيضًا التحقق من أن قواعد القرار هذه متوافقة مع بعضها البعض.

من الصعب أيضًا تحديد أولويات استخدام القواعد للعمل بشكل أكثر كفاءة ، أو كيفية حل الغموض.

تحديث المعرفة

تتمثل إحدى المشكلات المتعلقة بقاعدة المعرفة في كيفية إجراء التحديثات بسرعة وفعالية. أيضًا ، كيفية إضافة معرفة جديدة ، أي مكان إضافتها بين العديد من القواعد.

التطبيقات

التشخيص واستكشاف الأخطاء وإصلاحها

يلخص جميع أنظمة استنتاج الأخطاء ويقترح إجراءات تصحيحية لعملية أو جهاز معطل.

كان التشخيص الطبي أحد المجالات المعرفية الأولى التي تم فيها تطبيق تقنية الأنظمة الخبيرة. ومع ذلك ، سرعان ما تفوقت تشخيصات الأنظمة الهندسية على التشخيصات الطبية.

يمكن التعبير عن التشخيص على النحو التالي: بالنظر إلى الأدلة المقدمة ، ما هي المشكلة الأساسية أو السبب أو السبب؟

التخطيط والجدولة

تحلل هذه الأنظمة الخبيرة مجموعة من الأهداف لتحديد مجموعة من الإجراءات التي تحقق تلك الأهداف ، وتوفر ترتيبًا تفصيليًا لتلك الإجراءات بمرور الوقت ، مع مراعاة المواد والموظفين والقيود الأخرى.

ومن الأمثلة على ذلك التوظيف في شركات الطيران وجدولة الرحلات وتخطيط عملية التصنيع.

القرارات المالية

تم إنشاء أنظمة الاستشارات المالية لمساعدة المصرفيين على تحديد ما إذا كانوا سيقدمون قروضًا للأفراد والشركات.

تستخدم شركات التأمين هذه الأنظمة الخبيرة لتقييم المخاطر التي يمثلها العميل وبالتالي تحديد سعر التأمين.

مراقبة العمليات والتحكم فيها

يقومون بتحليل البيانات من الأجهزة المادية في الوقت الفعلي ، من أجل ملاحظة الحالات الشاذة والتنبؤ بالاتجاهات والتحكم في كل من التحسين وتصحيح الأخطاء.

أمثلة على هذه الأنظمة في صناعات تكرير النفط وصناعة الصلب.

استشارات المعرفة

تتمثل الوظيفة الأساسية لهذا التطبيق في توفير نظرة ثاقبة ذات مغزى لمشكلة المستخدم ، داخل بيئة تلك المشكلة.

ينتمي النظامان الخبيران الأكثر انتشارًا في جميع أنحاء العالم إلى هذه الفئة.

أول هذه الأنظمة هو المستشار الذي ينصح المستخدم بالاستخدام الصحيح للقواعد في النص.

والثاني مستشار ضريبي مرتبط بنظام إعداد الضرائب. تنصح المستخدم بالاستراتيجية والسياسات الضريبية الخاصة.

المراجع

1. Guru99 (2019). نظام خبير في الذكاء الاصطناعي: ما هو ، التطبيقات ، مثال. مأخوذة من: guru99.com.
2. ويكيبيديا ، الموسوعة المجانية (2019). نظام خبير. مأخوذة من: en.wikipedia.org.
3. مارجريت روس (2019). نظام خبير. تك تارجيت. مأخوذة من: searchenterpriseai.techtarget.com.
4. فلاديمير زواس (2019). نظام خبير. Encyclopaedia مأخوذة من: britannica.com.
5. Wtec (2019). تطبيقات النظم الخبيرة. مأخوذة من: wtec.org.
6. فيال ناغوري (2014). أنواع أنظمة الخبراء: دراسة مقارنة. الباحث الدلالي مأخوذ من: pdfs.semanticscholar.org.
7. عالم الحوسبة (2010). النظم الخبيرة. مأخوذة من: intel.worldofcomputing.net.