سیستم های خبره چیست؟

[ellisa]

پاسخ : گذری بر سیستم های خبره

با سلام
انواع سیتم های خبره ساخته شده
آغازین هاDendral , macsyma (1965_1970) :
نمونه های اولیه: Mycin, prospector, hearsay (1970_1975)
تجربی (1975_1981): puff, guipon_internist
سیستمآهای تجاری: (به بعدxcon, drilling advisor(1981
کار dendralکمک به تغییر دادهآهای طیف سنج انبوه بود. درنظر بگیرید که شما یک مواد شیمیایی مخفی دارا باشید و پرتوی الکترون نیز برای شکست مولکولها بتواند استفاده شود و تمایل به شکستن در اماکن خاص باشد. بیتآها شارژ میآگردند و میدانآهای مغناطیسی و الکتریکی جهت هدایت اجزا به نقاط جمع آوری مختلف طبق وزن و شارژ آنها میآتوانند استفاده شوند. خروجی طیف سنج ضرورتاً یک histogra (تاریخچه نگاری ) از میزان و مقدار وزنی است که یافت شده است. یک عامل پیچیده آن است که این ذرات ریز گوناگون تمایل به چسبیدن مجدد دارند.dendralاز انواع مختلف دانش شیمیایی تا کار استدلال ترکیبی ترسیم نوع مواد شیمیایی اولیه و اصلی بوده است. Macsyma مجموعه ای از ابزار برای کمک به اجرای مجموعهآای از معادلات ریاضی است . اکنون نیز کاربرد فراوان دارد. فیزیکدانان هستهآای که مجموعه ای از این معادلات همزمان را دارند جهت حل مسائل از آن استفاده می نمایند.
mcin نوع طلایی و قدیم سیستمآها خبره است . کار آن ترسیم و حساب کردن بود از نوع ساده و دادهآهای اکتسابی سریع آغاز تا اینکه چه نوع عفونت باکتریایی مریضی که در بیمارستان پذیرش شده ممکن است داشته باشد و نوع آنتی بیوتیک مناسبی که بایدبرای او در نظر گرفته شود که تمام این احتمالات را پوشش دهد، او را زنده نگه دارند و در یک وضعیت ثابت دارند در حالیکه آزمایش وقتگیر آزمایشگاه انجام شود. آن تنها به عفونت باکتریایی و تنها نوع خاصی از آن رسیدگی میآکند . ارزشمند است بیاد آوریم که اکثر دانش مایسین بر اساس علم اکتشافی است که منشأت گرفته از اجماع نظر در دانشکده پزشکی مورد امتحان میآباشد.
بنابراین کاملاً احتمال دارد که مایسین بطور ضعیف عمل کند اگر بر خلاف خبرهآهایی از دیگر مراکز پزشکی مورد امتحان قرار گیرد.
prospector قبول به جمع دادهآها توسط زمین شناس متخصص داشت و پیشنهاد کرد که آیا جستجوهای پرهزینه بیشتر در آن مکان ارزشمند است یا خیر. آن یک امتحان رسمی داشت که اجرای آن را به درستی انجام داد. از دانش 15 نوع ذخیرهآهای معدنی برخوردار بود . بنابراین آن تنها نمونه اولیه و اشتیاق آور بود. بدین ترتیب ، یک بخش prospector نمونه تنها حدود 10دلار هزینه داشت و تنها چند دقیقه اندک زمان می برد . این امر ، زمین شناس متخصص را از انتظار چند ماهه که یکی از چند فرد خبره به دادهآهایش نگاه کند نجات خواهد داد. یاد آوری این مطلب ارزشمند است که یک زمین شناس متخصص متوسط در عمر کاری خود هیچ چیز مفید را نمیآیابد.
∏.hearsay نشان میآدهد که یک ماشین ممکن است قادر به درک کلام طبیعی مناسب در زمینه یک موضوع فوق العاده فشرده آن ورودی را از میکروفون دریافت می کرد و بطور سریع و نسبتاً مطلوب میآفهمید. ,mycin,prospector∏.hearsay اساساً از معماریهای مختلفی برخورداند، هر یک کلمات مشتق زیادی را ایجاد کردهآاند، اول تکنیکآهای هر یک در حوزهآهای دیگر به کار برده میآآشد تا ببینیم که آیا هنوز آنها کاری میآکردند. بعداً ، دانش خاص پدیدار شد و توسط یک مکانیسم ارائه دانش با هدف کلی جایگزین گردید تا آنکه مطرح نماید آنچه که پوسته سیستم خبره خوانده میآشود چیست . اگرچه بسیاری از این پوسته ها اکنون موجود هستند و زبان ارائه و امکانات و پوستهآهای خالی یک کلیت درست را که با یک نوع محدود خاص کاربردها مناسبت دارد ارائه میآدهند. ( نظیر مایسین و اکسپرت). pvff در خصوص علتآهای بیماری راه هوای مجزا پیشنهاد و توصیه می گردد. اساساً و در ابتدا برای اجرا از emycin یک پوسته توسعه یافته از mycin استفاده میآکرد. عاقبت ، مجدداً در basicبرای راه اندازی کامپیوتر appleایجاد گردید.
gcuidon تلاش جهت استفاده از دانش mycin بر اساس آموزش مهارتآهای تشخیص mycin بود. یک موفقیت بزرگ به شمار نمیآآمد. دانش مایسین یک نوع رفتار گرایانه بود که با هر تحریک یک الگوی ویژه در داده ها باشد و پاسخ ها خلق داده های جدید باشند. guidon از نوعی دانش اتفاقی که قادر به تشریح علت نتایج خاصی که انتظار میآرفت بدنبال دادهآهای ویژه پدیدار شوند برخوردار نبود .
haspاز آرایش ردیاب صوتی در بستر دریا دادهآها را پردازش میآکند تا بهترین دید موجود را درباره آنکه چه نوع کشتیآهایی در مجاورت حضور دارند و آنکه کجا آنها رهسپارند حفظ نماید.
hasp برای نیروی دریایی آمریکا توسعه داده شد و در آزمایش نیز خوب کار کرد. از یک معماری بر اساس hearsay_∏ برخوردار بود.
internist گرایش به رسیدگی کلیه مسائل پزشکی داخل (یک حوزه وسیع) بود و تقریباً تمام آن را در بر میآگرفت . نوع جهش یافته caducesو نوع دیگری از یک سیستم غول پیکر بود. هر دوی آنها دارای نواقصی بودند اما کار میآکردند. آنها هنوز نیز به ارائه نوع دیگر از بیان دانش میآپردازند.
neomycin تلاش آخر برای سیستم شبه مایسین بود که حجم وسیع تری از موضوع را پوشش میآداد و طریقه ارائه دلایل و استدلال آن بگونه شبیه و نزدیک به یک پزشک بود، یعنی به جمع آوری دادهآهای بعضی بیماران میآپرداخت. فرضیهآهایی را شکل میآداد و سپس به تشخیص بین فرضیهآها با پرسش و جمع آوری دادهآهای مربوطه میآپرداخت.
xconبرای شرکت تجهیزات دیجیتالی بکار میآرفت تا دستورات مشتریان را برای کامپیوترهای vaxپردازش کند. هر سفارش دارای مجموعه ای از محتویات چون کاتالوگآها بود، اما به راحتی دچار اشتباه میآگردید. بعنوان مثال ممکن است شما 6 tapedrives را سفارش کنید کارت کنترل کننده یا جایگاههای آنها را سفارش دهید اما فراموش کنید کارت کنترل کننده یا جایگاههای آنها را سفارش دهید ، فراموش کنید که شما نمیآتوانید تمام 6 سیم اطرافcpu را بگیرید و اینکه به کابلآهای بلندآتری از آنها نیاز خواهید داشت ، فراموش کنید که نیازمند یک تأمین کننده قوی قدرت برای به کار بردن کنترل کننده و غیره هستید. شنیده شده است که افراد dec میآگویند این سیستم خبره 10 میلیون دلار از هزینه آهای آنها را در سال صرفه جویی میآکند. و از دیگران نیز شنیده میآشود که در هزینه گروه آنها صرفه جوییآای نشده اما اکنون گروه خرسند و راضی نگه داشته میآشوند و در حال توسعه سیستم خبره هستند.
Drilling aduisor توسط teknowlodge یک شرکت ثس مهم برای یک شرکت نفت بزرگ بنام aquitaine یجاد گردید. به گروه حفاری در دکل های نفتی توضیحاتی را ارائه میآدهد در خصوص آنکه چه کاری انجام دهند، چه زمانی حفاری مناسب است . در ذهن داشته باشید که دکلآهای نفتی ممکن است بیشآ از 100000 دلار در روز برای به راه اندازی هزینه میآکنند و آنکه یک روز کامل به طول میآانجامد تا مته را از یک سوراخ بیرون آورند. هر چیزی که صرفه جویی شود در هر زمانی ارزشمند است.

موفق باشید ...

[ellisa]

پاسخ : گذری بر سیستم های خبره

سیستم سطوح خبره

سیستم سطوح خبره نرم افزاری است شامل هیچ نوع (اما مکانیسمی برای ارائه دانش و استنتاج بر روی آن دارد) که برای گسترش سیستمهای خبره استفاده می گردد. آن مانند یک سیستم خبره می باشد شامل تمام روشها بجز دانش. ماژول های سطوح سیستم خبره مکانیزم ارائه دانش ماژول استدلال ماژول شرح و توضیح ویراسدار دانش (برای افزودن دانش جدید) مکانیسنم انسجام مثال ها 5OPS (سیستم تولید رسمی) که برای XCON کاربرد دارد EMYCIN EXSYS (برای PS بیش از 5000 قانون میتواند ایجاد شود) KEE(محیط مهندسی دانش) مواد و ابزار ارجاعی حوزه های هوش مصنوعی اجرای بازی ها اکثر جستجوهای اولیه صورت گرفته در جستجوی فضای رسمی از بازیهای صفحه ای متداول و رایج چون چکر(Checker)شطرنج و پازل 15 قسمتی استفاده می نمودند. علاوه بر جاذبه هوشمندانه ذاتی آنها، بازیهای صفحه ای از ویژگی های خاصی برخوردار می باشند که سبب شده آنها موضوعات ایده آلی برای این کار به موقع باشند. اکثر بازیهایی که اجرا می شوند، یکسری قوانین از قبل تعریف شده ای را مورد استفاده قرار می دهند، این امر منجر به تصمیم فضای جستجو می شود و جستجوگر را از بسیارس پیچیدگیها و ابهامات لاینفک در اندکی از مسائل ساختاری رها می سازد.شکل های صفحه ای که در این گونه بازیها مورد استفاده قرار می گیرند در یک کامپیوتر به راحتی ارائه و پدیدار می گردند که مستلزم هیچ یک از مراحل رسمی پیچیده که نیاز به دستیابی نکته های باریک نحوی حوزه های مسئله پیچیده تر است نیستند. همین که بازیها به راحتی قابل اجرا می باشند، امتحان برنامه اجرای بازی هیچ نوع بار مالی و اخلاقی به همراه نخواهد داشت. جستجوی فضای رسمی مثال اساسی اکثر تحقیقات بازیهای کامپیوتری می باشد. گیم ها می توانند بطور گسترده فضاهای جستجوی وسیع را تعمیم دهند. اینها به اندازهکافی پیچیده و بزرگ هستند که نیاز به تکنیک های قوی برای تعیین انواع جایگزین در فضای مسئله نداشته باشند. این تکنیک ها اکتشافی خوانده می شوند و حجم وسیعی از تحقیقات هوش مصنوعی را در بر می گیرند. یک روش اکتشافی مفید است اما در عین حال یک راهکار حل مسئله جایز الخطا به شمار می آید، مانن کنترل کردن جهت اطمینان از اینکه اسباب غیر حساس داخل پریز شده قبل از آنکه گمان شود خراب گردیده یا آنکه در بازی شطرنج جهت حفاظت و حمایت از ملکه واحد جایگاه رخ گردیم. اکثر آنکه ما معمولا" هوش مصنوعی می خوانیم به نظر می آید که در روش اکتشافی نهفته است که توسط انسانها برای حل مسائل مورد استفاده قرار می گیرند. به دلیل آنکه اکثر ما تجربیاتی با این گیم های ساده داریم، امکان خلق و آزمایش اثر بخشی روش اکتشافی خود را داریم. نیاز به آن نیست که یک خبره را پیدا کنیم و با او در زمینه مسئله خاصی چون پزشکی یا ریاضیات (شطرنج یک استثنای واضح در مورد این قانون است) مشورت نماییم. بنا به این دلایل، گیم ها حوزه های بسیار غنی و خوبی برای بررسی و مطالعات جستجوی اکتشافی به شمار می آیند. استدلال ماشینی و اثبات برهان ما می توانیم با دلیل ثابت نماییم که اثبات برهان اتوماتیک قدیمی ترین شاخه هوش مصنوعی می باشد که ریشه آن به دو نظریه General problem Silver, Logic Theorist سیمون و نوئل در سال 1963 بر میگردد و همچنین ریشه دیگری در سعی و تلاش های "راسل" و"وایت هد" در برخورد با تمام علوم مکانیک چون اشتاقاق کاملا" رسمی برهان ما از قضیه کلی اساسی دارد. در بسیاری از موارد، آن یکی از پر فایده ترین شاخه های این زمینه بوده است. تحقیق اثبات برهان مسئول و علت بسیاری از کارهای آغازین در رسمی ساختن الگوریتم های جستجو و گسترش ارائه رسمی زبان ها چون زبان برنامه نویسی منطقی و حساب مستند PROLOG بوده است. اکثر مراجعات اثبات برهان ماشینی در کلیت و دقت زیاد منطق نهفته است. به دلیل آنکه آن یک سیستم رسمی است و منطق خود را در گرو خودکار سازی در می آورد. می توان با حجم وسیعی از مسائل با ارائه توصیف و تشریح مسئله و اطلاعات پیش زمینه مربوطه چون قضیه کلی منطقی برخورد کرد و با اثبات برهان ها به حل نمونه های مسائل پرداخت. این دیدگاه اساس کار در اثبات برهان اتوماتیک (خودکار) و سیستم های استدلال ریاضی می باشد. متأسفانه، تلاش های اولیه در نوشتن ثابت گرهای برهان مانع از گسترش سیستمی شد که بتواند به طور پیوسته مسائل پیچیده را حل نماید. علت این امر قدرت سیستم منطقی پیچیده مستدل برای توسعه شمار نامحدودی از برهان های قابل اثبات بود آن هم بدون حضور تکنیک های قوی (روش اکتشافی) جهت هدایت جستجویشان و ثابت گرهای برهان ماشینی به اثبات شماری از برهان های نامربوط قبل از ایجاد اشتباه بر روی موارد صحیح کرده اند. در پاسخ به این ناکارآمدی، بسیاری از افراد بر این باورند که روش های نحوی و کاملا" رسمی جستجوی هدایت گر بطور ذاتی قادر به کنار آمدن با چنین فضای بزرگی نیستند و دیگر آنکه تنها جایگزین وابسته به راه کارهای ADHOC و غیر رسمی است که انسان ها به نظر می رسد از آنها برای حل مسائل استفاده می کنند. این رویکرد اساس گسترش سیستمهای خبره را را شکل می دهد و ثابت شده است که یک روش مفید است. هنوز، جاذبه استدلال که بر اساس منطق ریاضی رسمی می باشد آنقدر قوی می باشد که نمی توان آن را از نظر دور داشت. بسیاری از مسائل مهم نظیر طراحی و تأیید مدارهای منطق، تأیید صحت برنامه های کامپیوتری و کنترل سیستمهای پیچیده به نظر می رسد که پاسخ گوی چنین رویکردی باشند. بعلاوه، دسته اثبات برهان از موفقیت هایی در زمینه خلق روش های اکتشافی مسئله قوی که تنها وابسته به ارزیابی شکل نحوی یک عبارت منطقی می باشد و در نتیجه منجر به کاهش پیچیدگی فضای جستجو بدون توسل و مراجعه به تکنیک های ADHOC می گردند که در اکثر حلال های مسئله انسانی به کار برده می شوند.
دلیل دیگر برای انگیزه مستمر در ثابت گرهای برهان خودکار ادراک است که چنین سیستمی نباید قادر به حل مسائل پیچیده بدون دستیار انسانی به طور مستقل باشد. بسیاری از ثابت گرهای برهان امروزی چون دستیاران هوشمند به انسانها اجازه اجرای کارهای دشوارتر تجزیه یک مسئله بزرگ به زیر مسائل را می دهند و روشهای اکتشافی برای جستجوی فضای دلایل احتمالی بوجود می آورند. ثابت ساز برهان سپس نوع ساده تر اما کار دشوارتر مقدمه موضوع اثبات شده را اجرا می کنند و حدس و گمان ها را تأیید می سازند و ابعاد رسمی یک دلیل را که به وسیله عضو پیوسته انسانی خود به تصویر کشانده شده را کامل می سازد.

موفق باشید .............

[vm4zvm]

پاسخ : گذری بر سیستم های خبره

محدویتآها و مزیتآهای سیستمآهای خبره
دستاورد سیستمآهای خبره را میآتوان صرفهآجویی در هزینهآها و نیز تصمیمآگیریآهای بهتر و دقیقآتر و بسیاری موارد تخصصیآتر دیگر عنوان کرد. استفاده از سیستمآهای خبره برای شرکتآها میآتواند صرفهآجویی به همراه داشته باشد.
در زمینه تصمیمآگیری نیز گاهی میآتوان در شرایط پیچیده، با بهرهآگیری از چنین سیستمآهایی تصمیمآهای بهتری اتخاذ کرد و جنبهآهای پیچیدهآای را در مدت زمان بسیار کمی مورد بررسی قرار داد که تحلیل آنها به روزها زمان نیاز دارد.
از سوی دیگر، بهآکارگیری سیستمآهای خبره محدودیتآهای خاصی دارد. به عنوان نمونه، این سیستمآها نسبت به آنچه انجام میآدهند، هیچ <حسی> ندارند. چنین سیستمآهایی نمیآتوانند خبرگی خود را به گسترهآهای وسیعآتری تعمیم دهند؛ چراکه تنها برای یک منظور خاص طراحی شدهآاند و پایگاه دانش آنآها از دانش متخصصان آن حوزه نشات گرفته و از اینآرو محدود است.
چنین سیستمآهایی از آنجا که توسط دانش متخصصان تغذیه اطلاعاتی شدهآاند، در صورت بروز برخی موارد پیشآبینی نشده، نمیآتوانند شرایط جدید را به درستی تجزیه و تحلیل نمایند.
میزان مطلوب بودن یک سیستم خبره اصولا به میزان قابلیت دسترسی به آن و میزان سهولت کار با آن بستگی دارد. می توان مزایایی که یک سیستم خبره در برابر انسان خبره دارد را به این صورت نام برد: - برخلاف انسان متخصص که نیاز به خواب، استراحت و غذا و ... دارد، یک سیستم متخصص 24 ساعت در شبانه روز و 365 روز در سال قابل دسترس است. - دانش سیستم خبره از بین نمیآرود بلکه می توان آن را ذخیره نمود و حتی بسادگی می توان آن را کپی برداری کرد. - یک سیستم متخصص همواره دارای حداکثر کارآیی خود است ولی به محض آنکه یک انسان متخصص خسته شود صحت توصیه های وی ممکن است کاهش یابد. - یک سیستم متخصص دارای شخصیت نیست. همانطور که شما هم درک کرده اید شخصیت های افراد مختلف اغلب با یکدیگر سازگار نیستند. اگر شما با یک متخصص رفیق یا دوست یا حداقل موافق نباشید، آنگاه احتمالاً شانس اندکی برای استفاده از دانش این فرد خواهید داشت. عکس این حالت نیز صحیح است. - آخرین برتری سیستم های خبره این است که به سادگی و با کپی برداری این برنامه از دستگاهی به دستگاه دیگر و در کمترین زمان ممکن می توان یک سیستم متخصص دیگر بوجود آورد در حالی که تبدیل یک انسان به یک متخصص زمانی طولانی نیاز دارد.
مزایایآ سیستمآهایآ خبرهآ را میآتوانآ بهآ صورتآ زیر دستهآبندیآ کرد:
1-افزایش قابلیتآ دسترسیآ: تجربیاتآ بسیاریآ از طریقآ کامپیوتر دراختیار قرار میآگیرد و بهآ طور سادهآتر میآتوانآ گفتآ یکآ سیستمآ خبرهآ،تولید انبوهآ تجربیاتآ استآ.
2کاهشآهزینهآ:هزینهآکسبآتجربهآبرایآکاربربهآط ورزیادیآکاهشآمیآیابد
3-کاهشآ خطر: سیستمآ خبرهآ میآتواند در محیطهاییآ کهآ ممکنآ استآبرایآ انسانآ سختآ و خطرناکآ باشد نیز بکار رود.
4-دائمیآ بودنآ: سیستمآهایآ خبرهآ دائمیآ و پایدار هستند. بعبارتیآ مانندانسانآها نمیآمیرند و فنا ناپذیرند.
5-تجربیاتآ چندگانهآ: یکآ سیستمآ خبرهآ میآتواند مجموعآ تجربیاتآ وگاهیآهایآ چندینآ فرد خبرهآ باشد.
6-افزایشآ قابلیتآ اطمینانآ: سیستمآهایآ خبرهآ هیچآ وقتآ خستهآ وبیمار نمیآشوند، اعتصابآ نمیآکنند و یا علیهآ مدیرشانآ توطئهآ نمیآکنند، درصورتیآ کهآ اغلبآ در افراد خبرهآ چنینآ حالاتیآ پدید میآآید.
7-قدرتآ تبیینآ (Explanation): یکآ سیستمآ خبرهآ میآتواند مسیر و مراحلآاستدلالیآ منتهیآ شدهآ بهآ نتیجهآگیریآ را تشریحآ نماید. اما افراد خبرهآ اغلبآاوقاتآ بدلایلآ مختلفآ (خستگیآ، عدمآ تمایلآ و&hellip نمیآتوانند اینآ عملآ رادر زمانهایآ تصمیمآگیریآ انجامآ دهند. اینآ قابلیتآ، اطمینانآ شما را در موردصحیحآ بودنآ تصمیمآگیریآ افزایشآ میآدهد.
8- پاسخ دهی سریع: سیستم های خبره سریع و در اسرع وقت جواب می دهند.
9-پاسخآدهیآ در همهآ حالاتآ: در مواقعآ اضطراریآ و مورد نیاز،ممکنآ استآ یکآ فرد خبرهآ بخاطر فشار روحیآ و یا عواملآ دیگر، صحیحآتصمیمآگیریآ نکند ولیآ سیستمآ خبرهآ اینآ معایبآ را ندارد.
10-پایگاهآ تجربهآ: سیستمآ خبرهآ میآتواند همانند یکآ پایگاهآ تجربهآعملآ کند وانبوهیآ از تجربیاتآ را در دسترسآ قرار دهد.
11-آموزشآ کاربر: سیستمآ خبرهآ میآتواند همانند یکآ خودآموز هوشآ(Intelligent Tutor) عملآ کند. بدینآ صورتآ کهآ مثالهاییآ را بهآ سیستمآ خبرهآمیآدهند و روشآ استدلالآ سیستمآ را از آنآ میآخواهند.
12-سهولتآ انتقالآ دانشآ: یکیآ از مهمترینآ مزایایآ سیستمآ خبرهآ،سهولتآ انتقالآ آنآ بهآ مکانآهایآ جغرافیاییآ گوناگونآ استآ. اینآ امر برایآتوسعهآکشورهاییآکهآ استطاعتآ خرید دانشآ متخصصانآراندارند،مهمآاستآ.

با تشکر . امیدوارم مورد استفاده دوستان باشه . هر سوالی بود بفرمایید در حد توان امیدوارم بتونم پاسخگو باشم .

سلام ببخشید میشه بگید تفاوت سیستم های خبره و ربات های نرم افزاری در چه چیزی هست؟
من خیلی علاقه دارم در مورد ربات های نرم افزاری که یک موضوع جالبه اطلاعات کسب کنم اما متاسفانه نه سورس انگلیسی پیدا کردم نه فارسی اگه کمکم کنید ممنون میشم

[robaat86]

پاسخ : گذری بر سیستم های خبره

چند سیستم خبره مشهور

از نخستین سیستمآهای خبره میآتوان به Dendral اشاره کرد که در سال 1965 توسط Edward Feigenbaum وJoshun Lederberg پژوهشگران هوش مصنوعی در دانشگاه استنفورد ساخته شد.
وظیفه این برنامه کامپیوتری، تحلیلآهای شیمیایی بود. ماده مورد آزمایش میآتوانست ترکیبی پیچیده از کربن، هیدروژن و نیتروژن باشد. Dendarl میآتوانست با بررسی آرایش و اطلاعات مربوط به یک ماده، ساختار مولکولی آن را شبیهآسازی کند. کارکرد این نرمآافزار چنان خوب بود که میآتوانست با یک متخصص رقابت کند.
از دیگر سیستمآهای خبره مشهور میآتوان به MYCIN اشاره کرد که در سال 1972 در استنفورد طراحی شد. MYCIN برنامهآای بود که کار آن تشخیص عفونتآهای خونی با بررسی اطلاعات به دست آمده از شرایط جسمی بیمار و نیز نتیجه آزمایشآهای او بود.
برنامه به گونهآای طراحی شده بود که در صورت نیاز به اطلاعات بیشتر، با پرسشآهایی آنآها را درخواست میآکرد تا تصمیمآگیری بهتری انجام دهد؛ پرسشآهایی چون "آیا بیمار اخیرا دچار سوختگی شده است؟" (برای تشخیص اینآکه آیا عفونت خونی از سوختگی نشات گرفته یا نه. MYCIN ( گاه میآتوانست نتایج آزمایش را نیز از پیش حدس بزند.
سیستم خبره دیگر در این زمینه Centaur بود که کار آن بررسی آزمایشآهای تنفسی و تشخیص بیماریآهای ریوی بود.
یکی از پیشروان توسعه و کاربرد سیستمآهای خبره، سازمانآهای فضایی هستند که برای مشاوره و نیز بررسی شرایط پیچیده و صرفهآجویی در زمان و هزینه چنین تحلیلآهایی به این سیستمآها روی آوردهآاند.
Marshall Space Flight Center) MSFC) یکی از مراکز وابسته به سازمان فضایی ناسا از سال 1994 در زمینه توسعه نرمآافزارهای هوشمند کار میآکند که هدف آن تخمین کمّ و کیف تجهیزات و لوازم مورد نیاز برای حمل به فضا است.
این برنامهآهای کامپیوتری با پیشنهاد راهکارهایی در این زمینه از بار کاری کارمندان بخشآهایی چون ISS (ایستگاه فضایی بین المللی) میآکاهند و به گونهآای طراحی شدهآاند که مدیریتآپذیرند و بسته به شرایط مختلف، قابل تعریف هستند.
مرکز فضایی MSFC، توسط فناوری ویژه خود موسوم به 2G به ایجاد برنامهآهای ویژه کنترل هوشمندانه و سیستمآهای مانیتورینگ خطایاب میآپردازد. این فناوری را میآتوان هم در سیستمآهای لینوکسی و هم در سیستمآهای سرور مبتنی بر ویندوز مورد استفاده قرار داد.
آنچه در نهایت میآتوان گفت آن است که یکی از مزیتآهای سیستمآهای خبره این است که میآتوانند در کنار متخصصان انسانی مورد استفاده قرار بگیرند که ماحصل آن تصمیمی مبتنی بر تخصص انسانی و دقت ماشینی است. این فناوری از دید تجاری نیز برای توسعهآدهندگان آن سودآور است.
همآاکنون شرکتآهای بسیاری به فروش سیستمآهای خبره و پشتیبانی از مشتریان محصولات خود میآپردازند. درآمد یک شرکت کوچک فعال در زمینه فروش چنین محصولاتی میآتواند سالانه بالغ بر پنج تا بیست میلیون دلار باشد. بازار فروش و پشتیبانی سیستمآهای خبره در سراسر جهان نیز سالانه به صدها میلیون دلار میآرسد.

موفق باشید .



سلام خسته نباشید. مطلبتون برای من مفید بود.اول خواستم اجازه ی استفاده از اینارو بگیرم و بعدش هم اگه مطالب بیشتری رو دارین میشه بذارین در مورد سیستم های خبره!؟