نظام خبير

المراحل اللاحقة

من جانب آخر، تبع المراحل الأولى تطورات ملحوظة على الأنظمة الخبيرة، والتي استعملت اتجاهاً قائمًا على المعرفة. كانت من بين الأنظمة الخبيرة الأولى في الطب نظام MYCIN الخبير، والنظام الخبير Internist-I، ولاحقًا في منتصف الثمانينيات، نظام CADUCEUS.

من جهة ثانية، قُدم الأنظمة الخبيرة رسميًا بمشروع البرمجة التجريبية من جامعة ستانفورد بقيادة إدوارد فيغنبوم نحو عام 1965، الذي يعد أحيانًا "أبو الأنظمة الخبيرة". كان من أبرز المشاركين الرئيسيين كذلك في هذا المجال بروس بوكانان وراندال ديفيس.

كذلك، كانت الأبحاث حول الأنظمة الخبيرة نشطة كذلك في أوروبا. فبينما كان التركيز في الولايات المتحدة على استخدام أنظمة ذات قواعد، كان التركيز في أوروبا على الأنظمة الخبيرة المطورة باستخدام برولوغ. كان أحد الأمثلة المبكّرة على أحد هذه الأنظمة الخبيرة هو نظام APES.

وعلى صعيد آخر، في العقد الأول من الألفية الجديدة، شهدت هذه التقنية "إحياءً جديداً" مع استخدام مصطلح الأنظمة المبنية على القواعد والاستخدام الناجح لها. حيث دمجت الكثير من الشركات الكبرى المزودة للتطبيقات التجارية (مثل SAP، Siebel، وOracle) قدرات الأنظمة الخبيرة ضمن منتجاتها، فأصبحت محركات الاستدلال التي ذكرناها سابقاً تستعمل كذلك ضمن أنواع مختلفة من القواعد التجارية المعقدة.

من جانب آخر، في الثمانينيات من القرن العشرين، انتشرت الأنظمة الخبيرة. حيث قدمت الجامعات دورات حول الأنظمة الخبيرة وطبقت ثلثي شركات فورتشين 500 هذه التقنيات في الأنشطة التجارية اليومية.

وفي هذا الصدد، حيث سعى الباحثون في جامعة ستانفورد إلى تحديد المجالات حيث تكون الخبرة فيها ذات أهمية عالية ومعقدّة، مثل تشخيص الأمراض المعدية (Mycin) وتحديد الجزيئات العضوية المجهولة (Dendral). كانت فكرة أن "الأنظمة الذكية تستمد قوتها من المعرفة التي تمتلكها بدلاً من التشكيلات الخاصة أو أنظمة الاستنتاج" _بحسب فيغنبوم_ "خطوة مهمة إلى الأمام"، حيث كانت الأبحاث السابقة تركز على الأساليب التجريبية الحسابية.

النهج الحالي للأنظمة الخبيرة

علاوةً على ذلك، تستطيع الأنظمة الحديثة دمج المعرفة الجديدة بسهولة أكبر وبالتالي تحديث نفسها بسهولة. ويمكن لمثل هذه الأنظمة التعامل مع كميات هائلة من البيانات المعقدة. أحيانًا يُطلق على هذا النوع من الأنظمة الخبيرة "الأنظمة الذكية".

من جانب آخر، دفعت العقبات التي أظهرتها الأنواع السابقة من الأنظمة الخبيرة الباحثين إلى تطوير أنواع جديدة. فقد طوروا نهجًا أكثر كفاءة، ومرونة، وقوة من أجل محاكاة عملية اتخاذ القرارات البشرية وكانت مبنية على طرق جديدة في الذكاء الاصطناعي (AI)، وخاصة في التعلم الآلي وطرق استخراج البيانات مع آليات التغذية الراجعة. غالبًا ما تستفيد الشبكات العصبية المتكررة من مثل هذه الآليات.

أجزاء النظام الخبير

وفي هذا السياق، محرك الاستدلال: هو ما يقوم بتطبيق هذه الشروط وفق الحقائق المعروفة، وذلك للاستدلال على حقائق جديدة.

ويمكن أن يتضمن النظام القدرة على التحليل واستكشاف الأخطاء.

ينقسم النظام الخبير إلى ثلاثة أقسام رئيسية:

علاوةً على ذلك، واجهة المستعمل: هي الواجهة التي تمكن المستعمل غير الخبير من الوصول إلى معرفة النظام الخبير.

وعلى صعيد آخر، قاعدة البيانات أو قاعدة المعرفة: تمثّل الحقائق والشروط التي يعمل بموجبها النظام.

المراحل الأولى

في هذا الإطار، وفي أواخر الخمسينيات، بدأ الباحثون بتجربة استخدام تقنيات الحواسيب لمحاكاة اتخاذ القرار البشري. مثلًا، بدأ الباحثون في مجال الطب الحيوي بإنشاء أنظمة مدعومة بالحواسيب للتطبيقات التشخيصية في الطب والأحياء. استعملت هذه الأنظمة التشخيصية المبكرة أعراض المرضى ونتائج الاختبارات المخبرية كمدخلات لإنتاج تشخيص طبي. كانت هذه الأنظمة غالبًا ما توصف بأنها الأشكال المبكرة للأنظمة الخبيرة. ومع ذلك، وجد الباحثون عوائق كبيرة أمامهم عند استخدام الطرق التقليدية مثل الرسوم البيانية، أو مطابقة الأنماط الإحصائية، أو نظرية الاحتمالات.

ومن ناحية أخرى، بعد فترة قصيرة من ظهور الحواسيب الحديثة في أواخر الأربعينيات وأوائل الخمسينيات من القرن العشرين، بدأ الباحثون يدركون الإمكانيات الهائلة التي تملكها هذه الآلات للمجتمع. كانت إحدى التحديات الأولى جعل هذه الآلات قادرة على "التفكير" مثل البشر، وخاصة، جعل هذه الآلات قادرة على اتخاذ القرارات المهمة بنفس الطريقة التي يتبعها البشر لاتخاذ القرارات. وكان مجال الطب والرعاية الصحية هو التحدي الأبرز للرغبة بتمكين هذه الآلات من اتخاذ قرارات وتشخيصات طبية.

مزايا الأنظمة الخبيرة

الشرح: توضح الأنظمة الخبيرة دائمًا كيفية حل المشكلة.

علاوةً على ذلك، زيادة الوصول والموثوقية: حيث يمكن الوصول إلى الخبرة على أي حاسوب حيث يكمل النظام الخبير المهام في الوقت المحدد.

في هذا الإطار، الاستجابة السريعة: الأنظمة الخبيرة سريعة وقادرة على حل مشكلة في الوقت المناسب مباشرة.

تقليل التكلفة: تكلفة الخبرة المطلوبة لكل مستعمل تكون أقل.

وفي هذا السياق، الخبرة المتعددة: حيث يمكن تشغيل عدة أنظمة خبيرة في وقت واحد لحل مشكلة والحصول على مستوى أعلى من الخبرة التي قد يقدمها خبير بشري.

عيوب الأنظمة الخبيرة

كذلك، المعرفة المحددة: بدون تواجد خبراء لن يكون للمفاهيم وعلاقاتها المتبادلة إدراك عميق.

كذلك، مشاكل الأخلاقيات في استخدام أي شكل من أشكال الذكاء الاصطناعي: وهو أمر ذو صدى واسع في الوقت الحالي.

ومن جهة أخرى، المعرفة السطحية بالأنظمة الخبيرة: قد تصبح إحدى المهام البسيطة مكلفة جداً من الناحية الحسابية.

من جهة ثانية، الحاجة إلى اختصاصيين لإدخال البيانات: اكتساب البيانات صعب للغاية.

وعلى صعيد آخر، قد يختار النظام الخبير الطريقة الغير ملائمة أو الغير فعّالة لحل مشكلة معينة.