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[۱] و قواعد[۲] در دادگانی به نام پایگاه دانش به شکل ساختار مند ذخیره نموده، و سپس با استفاده از روشهایی خاص استنتاج از این داده ها 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.
کاربرد سیستمهای خبره در حسابداری و امور مالی یکی از پر رونق ترین زمینه های کاربرد سیستمهای خبره، حوزه و تجزیه و تحلیلهای مالی است .
یکی از مناسب ترین زمینههای کاربرد سیستمهای خبره حوزه حسابداری و امور مالی است .
امروزه انواع زیادی از سیستمهای خبره برای کاربردهای مختلف در این شاخه از دانش بشری ساخته شده است که در مورد استفاده گروههای مختلفی از تصمیم گیرندگان نظیر مدیران شرکتها و سازمانها، حسابداران، تحلیلگران مالی ، کارشناسان مالیاتی و بالاخره عامه مردم قرار می گیرد حتی متخصصین و کارشناسان حوزه های مختلف دانش حسابداری و مالی از این نرم افزارهای پر جاذبه به عنوان وسیله ای برای یافتن « حدس دوم » و اطمینان بیشتر نسبت به یافته ها و قضاوت های شخصی خود استفاده می کنند .
کاربردهای مختلفی از سیستم های خبره را در سه زمینه حسابداری، حسابداری مدیریت و امور مالیاتی به شرح ذیل می باشد : حسابرسی : ارزیابی ریسک – تهیه برنامه حسابرسی – فراهم آوردن کمکهای فنی – کشف تقلبات و جلوگیری از آنها حسابداری مدیریت : قیمت گذاری محصولات و خدمات – تعیین بهای تمام شده – طراحی سیستمهای حسابداری – بودجه بندی سرمایه ای – انتخاب روش حسابداری – ارزیابی اعتبار – ایجاد و برقراری کنترل امور مالیاتی : توصیه های مالیاتی – محاسبه مابه التفاوتهای مالیاتی – برنامهریزی مالی شخصی .
امور مالیاتی : توصیه های مالیاتی – محاسبه مابه التفاوتهای مالیاتی – برنامهریزی مالی شخصی .
تحلیلگران مالی نیز امروزه یکی از استفاده کنندگان سیستم های خبره هستند به هنگام بررسی وضعیت مالی یک شرکت یا مشتری معین، تحلیگران مالی در کنار برداشت خود از داده های مالی، نظر سیستم خبره را نیز به عنوان یک نظر تخصصی اضافی در اختیار دارد و در مواردی که این نظر یا قضاوت دوم با نظر خود او مخالفتی داشته باشد تلاش میکند تا در تحلیلهای خود دقت بیشتری به عمل آورده و حتی در مواردی تجدید نظر کند سیستمهای خبره در مورد بررسی صورتهای مالی شرکت قبل از ارائه به مدیران ارشد بررسی گزارشهای واصله از شعب یا شرکتهای تابعه شرکت ارزیابی یک شرکت ارزیابی اعتبار مالی فروشندگان و خریداران (طرفهای تجاری ) و در بسیاری از زمینه های دیگر مالی امروز کاربردهای خود را یافته اند.
انواع سیستمهای خبره تحلیل مالی از آنجا که در قضاوت های مختلف مالی عملاً هر چهار مرحله فرآیند تصمیم گیری یعنی گردآوری داده ها، انجام تجزیه و تحلیل کسب بینش مشخص راجع به موضع و بالاخره اتخاذ تصمیم دخالت دارد سیستمهای خبره مرتبط با موضوع تحلیل مالی نیز بر اساس نوع کمکی که به مراحل مختلف فرآیند تصمیم گیری می کنند در سه حوزه تقسیم می شوند .
این سه حوزه عبارتند از : کمک به کسب بینش یا بینش آفرین Insight facititaing تسهیل تصمیم گیری Decision facitiating اتخاذ تصمیم Decision Making سیستمهای خبره بینش آفرین در این نوع سیستمهای خبره، هدف اصلی ارائه تحلیلهای مربوط به کمک تحلیل نسبتها و نمودار هاست این نسبت ها و نمودارها برای دست اندرکاران تحلیل مالی در ایجاد بینش دقیق تری در مورد وضع مالی و چشم انداز آتی یک موسسه ، یعنی مفید است با چنین هدفی عملاً مراحل اول و دوم از فرآیند چهار مرحله ای تصمیم گیری به کمک این سیستمها انجام می شود این نرم افزارها را به این دلیل بینش آفرین می خوانیم که هدفشان کمک به کارگزاران و دست اندرکاران مالی برای انجام یک مشاهده بینش آفرین مشخص است بنابر این درجه تبحر و تخصص موجود در زمره سیستمهای خبره واقعی به حساب آورده نمونه هایی از این قبیل نرم افزارها عبارتند از : INsiGht و NEWVIEWS که هر دو عملاً یک سیستم جامع حسابداری مشتمل بر تحلیلهای مالی اند یعنی در عین اینکه همه عملیات حسابداری را انجام می دهند.
در محیطهای شبیه صفحه گسترده تحلیلهای مالی خود را نیز عرضه می کنند نرم افزار شناخته شده دیگر REFLEX نام دارد که 12 نسبت کلیدی را محاسبه کرده و تحلیل و تفسیرهای پیشنهادی خود را نیز ارائه می کند این تحلیلها همراه با ارائه نسبت ها، روندها و نمودارهای مناسب است .
سیستمهای خبره تسهیل کننده تصمیمگیری در این نوع از سیستمهای خبره مالی یک پایگاه دانش وجود دارد که ضمن تحلیل نسبتهای مالی می تواند بینشهای خود نسبت به موضوع مورد تحلیل را نیز ارائه دهد و همین امر موجب تمایز آن از سیستمهای دسته اول می شود بنابر این در این قبیل سیستمها سه مرحله از چهار مرحله فرآیند تصمیم گیری انجام می شود یک نمونه از این سیستمهای 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، ادواردفیگن بام در دانشگاه استانفورد به دنبال کشف روش حل مساله ای بود که خیلی کلی و همه منظوره نباشد .
محققین دریافتند که یک متخصص معمولا دارای تعدادی رموز و فوت و فن خاص برای کار خود می باشد و در واقع از مجموعه ای از شگردهای مفید و قواعد سرانگشتی در کار خود بهره می برد، این یافته مقدمه پیدایش سیستم خبره بود .
سیستم خبره با اخذ این قواعد سر انگشتی از متخصصین و به تعبیری با تبدیل فرآیند استدلال و تصمیم گیری متخصصین به برنامههای کامپیوتری می تواند به عنوان ابزار راهنمای تصمیم گیری در اختیار غیرمتخصص و حتی متخصصین کم تجربه قرار گیرد .
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 اینرو 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؟
- متخصص: آیا این میوه روی یک بوته رشد می کند؟
- متخصص: آیا این بوته تیغ دارد؟
- 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 بخواهیم تعریفی از سیستم های خبره ارایه دهیم می توان گفت « سیستم های خبره برنامه های کامپیوتری هستند که با استفاده از قواعد مورد استفاده متخصصین به حل مسایل در زمینه ای خاص می پردازند.
وجه تمایز اصلی سیستم های خبره نسبت به برنامههای کاربردی گذشته آن است که از استدلال مبتنی بر استنباط و استنتاج استفاده می کند در برنامه های کاربردی معمولی دارای الگوریتم و روش حل مساله ثابتی هستیم اما در روش های شهودی می توان با آزمون و خطا مسایل دشوارتری را حل کرد و به جواب رضایت بخش رسید .
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 سیستمهای اطلاعاتی سیستمهای خبره برخلاف سیستمهای اطلاعاتی که بر روی دادهها(Data) عمل میکنند، بر دانش (Knowledge) متمرکز شده است.
همچنین دریک فرآیند نتیجهگیری، قادر به استفاده از انواع مختلف دادهها عددی(Digital)، نمادی Symbolic و مقایسه ای (Analog) میباشند.
یکی دیگر ازمشخصات این سیستمها استفاده از روشهای ابتکاری (Heuristic) به جایروشهای الگوریتمی میباشد.
این توانایی باعث قرار گرفتن محدودوسیعی از کاربردها در برد عملیاتی سیستمهای خبره میشود.
فرآیندنتیجهگیری در سیستمهای خبره بر روشهای استقرایی و قیاسی پایهگذاریشده است.
از طرف دیگر این سیستمها میتوانند دلایل خود در رسیدنبه یک نتیجهگیری خاص و یا جهت و مسیر حرکت خود به سوی هدفرا شرح دهند.
با توجه به توانایی این سیستمها در کار در شرایط فقداناطلاعات کامل و یا درجات مختلف اطمینان در پاسخ به سئوالات مطرحشده، سیستمهای خبره نماد مناسبی برای کار در شرایط عدم اطمینان(Uncertainty) و یا محیطهای چند وجهی میباشند.
مدل سیستم خبره یک مدل سیستم خبره مشتمل بر چهار بخش اصلی است: پایگاه دانش (Knowledge Base) موتور استنتاج (Inference Engine) امکانات توضیح (Explanation Facilities) 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 >: 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 یک سیستم خبره است.
یک نظام پیچیده که قواعد استنتاج را که به صورت مجموعه ای از قواعد "اگر ...
پس ..." برای یافتن پاسخ یا قضاوت نهایی به کار می گیرد چیزی که سیستم خبره را سیستم خبره میکند روشی است که این قواعد براساس آن مورد پردازش قرار می گیرند .دستگاه استنتاج برای رسیدن به قضاوت می تواند به دو صورت عمل کند و در واقع از سلسله مراتب قواعد استدلال به دو طریق عبور کند یکی از دو شیوه روش استدلال پیش رو است که از داده ها شروع می کند و به نتیجه می رسد یعنی با درنظر گرفتن داده های مربوط به موضوع مورد سوال از (اگر) ها شروع کرده و به نتایج یا (پس) های مناسب می رسد به عبارت دیگر در زنجیره پیش رو از مقدمات به نتایج می رسیم، روش دوم استنتاج آن است که از نتایج شروع می کند و برای چنان نتایج مشخص به دنبال مقامات یا شرایط اولیه مناسب می گردد به عبارت دیگر نقطه شروع (پس) ها هستند و از آن ها به (اگر) ها دست می یابد.
روش اول استنتاج را روش مبتنی بر داده و روش دوم را روش مبتنی بر هدف می 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 کاربر، مجموعه ای از تجهیزات و نرم افزارها است که به صورت کانال ارتباط کاربر و سیستم خبره عمل می کند یعنی به کاربر امکان ارایه اطلاعات مربوط به مساله مورد نظر را به سیستم می دهد و از طرف دیگر استنتاجات سیستم را در اختیار کاربر می 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.
مزایای سیستمهای خبره را میتوان به صورت زیر دستهبندی کرد: افزایش قابلیت دسترسی: تجربیات بسیاری از طریق کامپیوتر دراختیار قرار میگیرد و به طور سادهتر میتوان گفت یک سیستم خبره، تولید انبوه تجربیات است.
کاهشهزینه:هزینه کسب تجربه برای کاربر بهطور زیادی کاهش مییابد.
کاهش خطر: سیستم خبره میتواند در محیط هایی که ممکن است برای انسان سخت و خطرناک باشد نیز بکار رود.
دائمی بودن: سیستمهای خبره دائمی و پایدار هستند.
به عبارتی مانندانسانها نمیمیرند و فنا ناپذیرند.
تجربیات چندگانه: یک سیستم خبره میتواند مجموع تجربیات وآگاهیهای چندین فرد خبره باشد.
افزایش قابلیت اطمینان: سیستمهای خبره هیچ وقت خسته و بیمار نمیشوند، اعتصاب نمیکنند و یا علیه مدیرشان توطئه نمیکنند، درصورتی که اغلب در افراد خبره چنین حالاتی پدید میآید.
قدرت تبیین (Explanation): یک سیستم خبره میتواند مسیر و مراحل استدلالی منتهی شده به نتیجهگیری را تشریح نماید.
اما افراد خبره اغلب اوقات به دلایل مختلف (خستگی، عدم تمایل و…) نمیتوانند این عمل را در زمان های تصمیمگیری انجام دهند.
این قابلیت، اطمینان شما را در مورد صحیح بودن تصمیمگیری افزایش میدهد.
پاسخدهیسریع:سیستمهای خبره، سریع و دراسرع وقت جواب می دهند.
پاسخدهی در همه حالات: در مواقع اضطراری و مورد نیاز، ممکن است یک فرد خبره به خاطر فشار روحی و یا عوامل دیگر، صحیح تصمیمگیری نکند ولی سیستم خبره این معایب را ندارد.
پایگاه تجربه: سیستم خبره میتواند همانند یک پایگاه تجربهعمل کند وانبوهی از تجربیات را در دسترس قرار دهد.
آموزش کاربر(Intelligent Tutor): سیستم خبره میتواند همانند یک خودآموز هوش عمل کند.
بدین صورت که مثال هایی را به سیستم خبره میدهند و روش استدلال سیستم را از آن میخواهند.
سهولت انتقال دانش: یکی از مهمترین مزایای سیستم خبره، سهولت انتقال آن به مکانهای جغرافیایی گوناگون است.
این امر برای توسعه کشورهایی که استطاعت خرید 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.
شیءشاخص هایی که داردسیبرشد روی درختسیبگرد بودنسیبرنگ قرمز یا زردسیبرشد نکردن در کویر