نظام الخبراء

📅 آخر تحديث: ١٧ يوليو ٢٠٢٦
✍️ نُشر في: ١٧ يوليو ٢٠٢٦
📷 يحتوي على 7 صور
الموسوعة الحرة
آلة Lisp من Symbolics 3640 : منصة مبكرة (1984) لأنظمة الخبراء

في الذكاء الاصطناعي ، نظام الخبراء هو نظام كمبيوتر يحاكي قدرة الخبير البشري على اتخاذ القرار . [1] تم تصميم أنظمة الخبراء لحل المشكلات المعقدة من خلال التفكير من خلال مجموعات المعرفة، والتي يتم تمثيلها بشكل أساسي على أنها قواعد إذا - إذن بدلاً من خلال كود البرمجة الإجرائية التقليدية . [2] كانت أنظمة الخبراء من بين أول أشكال برامج الذكاء الاصطناعي الناجحة حقًا. [3] [4] [5] [6] [7] تم إنشاؤها في السبعينيات ثم انتشرت في الثمانينيات، [8] حيث كانت تعتبر على نطاق واسع مستقبل الذكاء الاصطناعي - قبل ظهور الشبكات العصبية الاصطناعية الناجحة . [9] ينقسم نظام الخبراء إلى نظامين فرعيين: 1) قاعدة المعرفة ، والتي تمثل الحقائق والقواعد؛ و2) محرك الاستدلال ، الذي يطبق القواعد على الحقائق المعروفة لاستنتاج حقائق جديدة، ويمكن أن يشمل قدرات الشرح والتصحيح.

تاريخ

التطور المبكر

بعد فترة وجيزة من ظهور أجهزة الكمبيوتر الحديثة في أواخر الأربعينيات وأوائل الخمسينيات من القرن العشرين، بدأ الباحثون يدركون الإمكانات الهائلة التي تتمتع بها هذه الآلات للمجتمع الحديث. كان أحد التحديات الأولى هو جعل مثل هذه الآلات قادرة على "التفكير" مثل البشر - على وجه الخصوص، جعل هذه الآلات قادرة على اتخاذ قرارات مهمة بالطريقة التي يفعلها البشر. قدم مجال الرعاية الصحية الطبية التحدي المغري المتمثل في تمكين هذه الآلات من اتخاذ قرارات التشخيص الطبي. [10]

وهكذا، في أواخر الخمسينيات من القرن العشرين، بعد وصول عصر المعلومات بالكامل، بدأ الباحثون في تجربة احتمال استخدام تكنولوجيا الكمبيوتر لمحاكاة عملية اتخاذ القرار البشري. على سبيل المثال، بدأ الباحثون في مجال الطب الحيوي في إنشاء أنظمة بمساعدة الكمبيوتر لتطبيقات التشخيص في الطب وعلم الأحياء. استخدمت أنظمة التشخيص المبكرة هذه أعراض المرضى ونتائج الاختبارات المعملية كمدخلات لتوليد نتيجة تشخيصية. [11] [12] غالبًا ما وُصفت هذه الأنظمة بأنها الأشكال المبكرة لأنظمة الخبراء. ومع ذلك، أدرك الباحثون أن هناك حدودًا كبيرة عند استخدام الأساليب التقليدية مثل المخططات الانسيابية، [13] [14] ومطابقة الأنماط الإحصائية، [15] أو نظرية الاحتمالات. [16] [17]

المقدمة الرسمية والتطورات اللاحقة

أدى هذا الوضع السابق تدريجيًا إلى تطوير أنظمة الخبراء، التي استخدمت مناهج قائمة على المعرفة. كانت أنظمة الخبراء هذه في الطب هي نظام الخبراء MYCIN ، [18] ونظام الخبراء Internist-I [19] وفي وقت لاحق، في منتصف الثمانينيات، نظام CADUCEUS . [20]

تم تقديم أنظمة الخبراء رسميًا حوالي عام 1965 من خلال مشروع البرمجة الاستدلالية بجامعة ستانفورد بقيادة إدوارد فيجنباوم ، والذي يُطلق عليه أحيانًا "أبو أنظمة الخبراء"؛ [21] وكان من المساهمين الأوائل الرئيسيين الآخرين بروس بوكانان وراندال ديفيس. حاول باحثو ستانفورد تحديد المجالات التي كانت فيها الخبرة ذات قيمة عالية ومعقدة، مثل تشخيص الأمراض المعدية ( مايسين ) وتحديد الجزيئات العضوية غير المعروفة ( ديندرال ). [22] كانت فكرة أن "الأنظمة الذكية تستمد قوتها من المعرفة التي تمتلكها وليس من الصياغات المحددة ومخططات الاستدلال التي تستخدمها" [23] - كما قال فيجنباوم - في ذلك الوقت خطوة مهمة إلى الأمام، حيث ركزت الأبحاث السابقة على الأساليب الحسابية الاستدلالية، والتي بلغت ذروتها في محاولات تطوير حلول عامة جدًا للمشكلات (في المقام الأول العمل المترابط لألين نيويل وهربرت سيمون ). [24] أصبحت أنظمة الخبراء من أوائل أشكال برمجيات الذكاء الاصطناعي الناجحة حقًا . [3] [4] [5] [6] [7]

كان البحث في أنظمة الخبراء نشطًا أيضًا في أوروبا. في الولايات المتحدة، كان التركيز يميل إلى استخدام أنظمة قواعد الإنتاج ، أولاً على الأنظمة المبرمجة بشكل ثابت فوق بيئات برمجة ليسب ثم على أغلفة أنظمة الخبراء التي طورتها شركات مثل Intellicorp . في أوروبا، ركز البحث بشكل أكبر على الأنظمة وأغلفة أنظمة الخبراء التي طورتها Prolog . كانت ميزة أنظمة Prolog أنها استخدمت شكلًا من أشكال البرمجة القائمة على القواعد والتي كانت تستند إلى المنطق الرسمي . [25] [26]

كان نظام APES أحد أنظمة الخبراء المبكرة المستندة إلى Prolog. [27] كانت إحدى حالات الاستخدام الأولى لـ Prolog و APES في المجال القانوني، أي ترميز جزء كبير من قانون الجنسية البريطانية. كتب لانس إليوت: "تم إقرار قانون الجنسية البريطانية في عام 1981 وتم استخدامه بعد ذلك بوقت قصير كوسيلة لعرض فعالية استخدام تقنيات وتقنيات الذكاء الاصطناعي (AI)، وذلك لاستكشاف كيفية ترميز القانون التشريعي الذي تم سنه حديثًا في ذلك الوقت في صياغة منطقية حاسوبية. نُشرت ورقة بحثية تُستشهد بها كثيرًا الآن بعنوان "قانون الجنسية البريطانية كبرنامج منطقي" في عام 1986 وأصبحت فيما بعد علامة مميزة للأعمال اللاحقة في مجال الذكاء الاصطناعي والقانون". [28] [29]

في ثمانينيات القرن العشرين، انتشرت أنظمة الخبراء بشكل كبير. وعرضت الجامعات دورات تدريبية في أنظمة الخبراء، وطبقت ثلثا شركات فورتشن 500 هذه التكنولوجيا في الأنشطة التجارية اليومية. [8] [30] وكان الاهتمام دوليًا مع مشروع أنظمة الكمبيوتر من الجيل الخامس في اليابان وزيادة تمويل الأبحاث في أوروبا.

في عام 1981، تم تقديم أول جهاز كمبيوتر شخصي من إنتاج شركة IBM ، بنظام التشغيل PC DOS . [31] أدى الخلل في التوازن بين القدرة العالية على تحمل تكاليف الرقائق القوية نسبيًا في أجهزة الكمبيوتر الشخصية، مقارنة بتكلفة معالجة الطاقة الأكثر تكلفة في أجهزة الكمبيوتر المركزية التي كانت تهيمن على عالم تكنولوجيا المعلومات للشركات في ذلك الوقت، إلى إنشاء نوع جديد من الهندسة المعمارية للحوسبة المؤسسية، يُطلق عليه نموذج العميل والخادم . [32] يمكن إجراء الحسابات والاستدلال بجزء بسيط من سعر جهاز الكمبيوتر المركزي باستخدام جهاز كمبيوتر شخصي. كما مكّن هذا النموذج وحدات الأعمال من تجاوز أقسام تكنولوجيا المعلومات في الشركات وبناء تطبيقاتها الخاصة مباشرةً. ونتيجة لذلك، كان لنموذج العميل والخادم تأثير هائل على سوق أنظمة الخبراء. كانت أنظمة الخبراء بالفعل من الحالات الشاذة في كثير من عالم الأعمال، وتتطلب مهارات جديدة لم تكن تمتلكها العديد من أقسام تكنولوجيا المعلومات ولم تكن حريصة على تطويرها. كانت مناسبة بشكل طبيعي لأصداف الكمبيوتر الجديدة التي وعدت بوضع تطوير التطبيقات في أيدي المستخدمين النهائيين والخبراء. حتى ذلك الحين، كانت بيئة التطوير الرئيسية لأنظمة الخبراء عبارة عن آلات Lisp عالية الجودة من Xerox و Symbolics و Texas Instruments . ومع ظهور أجهزة الكمبيوتر الشخصية والحوسبة بين العميل والخادم، غير البائعون مثل Intellicorp وInference Corporation أولوياتهم إلى تطوير أدوات تعتمد على أجهزة الكمبيوتر الشخصية. كما بدأ البائعون الجدد، الذين غالبًا ما يتم تمويلهم من رأس المال الاستثماري (مثل Aion Corporation و Neuron Data وExsys و VP-Expert والعديد من الشركات الأخرى [33] [34] )، في الظهور بانتظام.

كان أول نظام خبير يستخدم في قدرة التصميم لمنتج واسع النطاق هو برنامج Synthesis of Integral Design (SID)، الذي تم تطويره في عام 1982. كتب SID بلغة Lisp ، وأنتج 93٪ من بوابات منطق وحدة المعالجة المركزية VAX 9000. [35] كان الإدخال للبرنامج عبارة عن مجموعة من القواعد التي أنشأها العديد من مصممي المنطق الخبراء. وسع SID القواعد وأنتج روتينات تركيب منطق البرنامج عدة مرات حجم القواعد نفسها. والمثير للدهشة أن الجمع بين هذه القواعد أدى إلى تصميم عام تجاوز قدرات الخبراء أنفسهم، وفي كثير من الحالات تفوق على نظرائهم من البشر. وبينما تناقضت بعض القواعد مع قواعد أخرى، قدمت معلمات التحكم عالية المستوى للسرعة والمساحة عامل التعادل. كان البرنامج مثيرًا للجدل للغاية ولكنه استخدم مع ذلك بسبب قيود ميزانية المشروع. أنهى مصممو المنطق العمل عليه بعد اكتمال مشروع VAX 9000.

خلال السنوات التي سبقت منتصف سبعينيات القرن العشرين، كانت التوقعات بشأن ما يمكن أن تحققه أنظمة الخبراء في العديد من المجالات تميل إلى التفاؤل الشديد. في بداية هذه الدراسات المبكرة، كان الباحثون يأملون في تطوير أنظمة خبراء آلية بالكامل (أي محوسبة بالكامل). كانت توقعات الناس بشأن ما يمكن أن تفعله أجهزة الكمبيوتر مثالية للغاية في كثير من الأحيان. تغير هذا الوضع بشكل جذري بعد أن نشر ريتشارد م. كارب ورقته الرائدة: "قابلية الاختزال بين المشكلات التوافقية" في أوائل السبعينيات. [36] وبفضل عمل كارب، جنبًا إلى جنب مع علماء آخرين، مثل هيوبرت إل. دريفوس، [37] أصبح من الواضح أن هناك حدودًا وإمكانيات معينة عند تصميم خوارزميات الكمبيوتر. تصف نتائجه ما يمكن لأجهزة الكمبيوتر فعله وما لا يمكنها فعله. العديد من المشاكل الحسابية المتعلقة بهذا النوع من أنظمة الخبراء لها حدود براجماتية معينة. أرست هذه النتائج الأساس الذي أدى إلى التطورات التالية في هذا المجال. [10]

في تسعينيات القرن العشرين وما بعدها، اختفى مصطلح نظام الخبراء وفكرة نظام الذكاء الاصطناعي المستقل من قاموس تكنولوجيا المعلومات. هناك تفسيران لهذا. الأول هو أن "أنظمة الخبراء فشلت": لقد تقدم عالم تكنولوجيا المعلومات لأن أنظمة الخبراء لم تف بوعودها المبالغ فيها. [38] [39] والآخر هو العكس تمامًا، وهو أن أنظمة الخبراء كانت ببساطة ضحايا لنجاحها: مع إدراك محترفي تكنولوجيا المعلومات لمفاهيم مثل محركات القواعد، انتقلت هذه الأدوات من كونها أدوات مستقلة لتطوير أنظمة خبراء لأغراض خاصة ، إلى كونها واحدة من العديد من الأدوات القياسية. [40] يقترح باحثون آخرون أن أنظمة الخبراء تسببت في صراعات القوة بين الشركات عندما فقدت منظمة تكنولوجيا المعلومات حصريتها في تعديلات البرامج للمستخدمين أو مهندسي المعرفة. [41]

في العقد الأول من العقد الأول من القرن الحادي والعشرين، كان هناك "إحياء" للتكنولوجيا، مع استخدام مصطلح الأنظمة القائمة على القواعد ، مع قصص نجاح وتبني كبيرين. [42] قام العديد من كبار موردي مجموعات تطبيقات الأعمال (مثل SAP و Siebel و Oracle ) بدمج قدرات نظام الخبراء في مجموعة منتجاتهم كطريقة لتحديد منطق الأعمال. لم تعد محركات القواعد مخصصة ببساطة لتحديد القواعد التي يستخدمها الخبير ولكن لأي نوع من منطق الأعمال المعقد والمتقلب والحاسم؛ غالبًا ما تسير جنبًا إلى جنب مع بيئات أتمتة وتكامل العمليات التجارية. [43] [44] [45]

النهج الحالي لأنظمة الخبراء

دفعت حدود النوع السابق من أنظمة الخبراء الباحثين إلى تطوير أنواع جديدة من الأساليب. لقد طوروا طرقًا أكثر كفاءة ومرونة وقوة لمحاكاة عملية صنع القرار البشري. تستند بعض الأساليب التي طورها الباحثون إلى أساليب جديدة للذكاء الاصطناعي (AI)، وخاصة في أساليب التعلم الآلي وتعدين البيانات مع آلية التغذية الراجعة. [46] [ فشل التحقق ] غالبًا ما تستفيد الشبكات العصبية المتكررة من مثل هذه الآليات. ويرتبط بذلك مناقشة قسم العيوب.

تستطيع الأنظمة الحديثة دمج المعرفة الجديدة بسهولة أكبر وبالتالي تحديث نفسها بسهولة. تستطيع مثل هذه الأنظمة التعميم من المعرفة الموجودة بشكل أفضل والتعامل مع كميات هائلة من البيانات المعقدة. ويرتبط بهذا الموضوع موضوع البيانات الضخمة . في بعض الأحيان يطلق على هذا النوع من أنظمة الخبراء اسم "الأنظمة الذكية". [10]

وفي الآونة الأخيرة، يمكن القول أن أنظمة الخبراء انتقلت إلى مجال قواعد الأعمال وأنظمة إدارة قواعد الأعمال .

هندسة البرمجيات

مثال توضيحي للتسلسل العكسي من أطروحة ماجستير عام 1990 [47]

يُعد نظام الخبراء مثالاً على نظام قائم على المعرفة . كانت أنظمة الخبراء أول أنظمة تجارية تستخدم بنية قائمة على المعرفة. في النظرة العامة، يتضمن نظام الخبراء المكونات التالية: قاعدة المعرفة ، ومحرك الاستدلال ، ومرفق التفسير، ومرفق اكتساب المعرفة، وواجهة المستخدم. [48] [49]

تمثل قاعدة المعرفة الحقائق حول العالم. في أنظمة الخبراء المبكرة مثل Mycin وDendral، تم تمثيل هذه الحقائق بشكل أساسي على أنها تأكيدات مسطحة حول المتغيرات. في أنظمة الخبراء اللاحقة التي تم تطويرها باستخدام الأصداف التجارية، اتخذت قاعدة المعرفة المزيد من البنية واستخدمت مفاهيم من البرمجة الموجهة للكائنات . تم تمثيل العالم على أنه فئات وفئات فرعية ومثيلات وتم استبدال التأكيدات بقيم مثيلات الكائنات. عملت القواعد من خلال الاستعلام عن قيم الكائنات وتأكيدها.

محرك الاستدلال هو نظام استدلال آلي يقوم بتقييم الحالة الحالية لقاعدة المعرفة، وتطبيق القواعد ذات الصلة، ثم تأكيد المعرفة الجديدة في قاعدة المعرفة. قد يتضمن محرك الاستدلال أيضًا قدرات التفسير، بحيث يمكنه شرح سلسلة الاستدلال المستخدمة للوصول إلى استنتاج معين للمستخدم من خلال تتبع إطلاق القواعد التي أدت إلى التأكيد. [50]

هناك طريقتان أساسيتان لمحرك الاستدلال: التسلسل الأمامي والتسلسل الخلفي . يتم تحديد النهجين المختلفين بناءً على ما إذا كان محرك الاستدلال مدفوعًا بالمقدمة (الجانب الأيسر) أو النتيجة (الجانب الأيمن) للقاعدة. في التسلسل الأمامي، تطلق المقدمة وتؤكد النتيجة. على سبيل المثال، ضع في اعتبارك القاعدة التالية:

من الأمثلة البسيطة على التسلسل الأمامي تأكيد Man(Socrates) للنظام ثم تشغيل محرك الاستدلال. سيقوم بمطابقة R1 وتأكيد Mortal(Socrates) في قاعدة المعرفة.

إن التسلسل العكسي أقل مباشرة بعض الشيء. ففي التسلسل العكسي ينظر النظام إلى الاستنتاجات المحتملة ويعمل بشكل عكسي لمعرفة ما إذا كانت صحيحة. لذا إذا كان النظام يحاول تحديد ما إذا كان Mortal(Socrates) صحيحًا، فسوف يجد R1 ويستفسر عن قاعدة المعرفة لمعرفة ما إذا كان Man(Socrates) صحيحًا. كان أحد الابتكارات المبكرة لأغلفة أنظمة الخبراء هو دمج محركات الاستدلال مع واجهة المستخدم. وقد يكون هذا قويًا بشكل خاص مع التسلسل العكسي. إذا كان النظام يحتاج إلى معرفة حقيقة معينة ولكنه لا يعرفها، فيمكنه ببساطة إنشاء شاشة إدخال وسؤال المستخدم عما إذا كانت المعلومات معروفة. لذا في هذا المثال، يمكنه استخدام R1 لسؤال المستخدم عما إذا كان سقراط رجلاً ثم استخدام هذه المعلومات الجديدة وفقًا لذلك.

إن استخدام القواعد لتمثيل المعرفة بشكل صريح مكّن أيضًا من قدرات التفسير. في المثال البسيط أعلاه، إذا استخدم النظام R1 لتأكيد أن سقراط كان فانيًا ورغب المستخدم في فهم سبب كون سقراط فانيًا، فيمكنه الاستعلام عن النظام وسينظر النظام مرة أخرى إلى القواعد التي تم إطلاقها للتسبب في التأكيد ويقدم تلك القواعد للمستخدم كتفسير. في اللغة الإنجليزية، إذا سأل المستخدم "لماذا سقراط فانٍ؟"، فسيرد النظام "لأن كل الرجال فانون وسقراط رجل". كان أحد المجالات المهمة للبحث هو توليد التفسيرات من قاعدة المعرفة باللغة الإنجليزية الطبيعية بدلاً من مجرد إظهار القواعد الأكثر رسمية ولكن الأقل بديهية. [51]

مع تطور أنظمة الخبراء، تم دمج العديد من التقنيات الجديدة في أنواع مختلفة من محركات الاستدلال. [52] ومن أهم هذه التقنيات:

  • الحفاظ على الحقيقة. تسجل هذه الأنظمة التبعيات في قاعدة معرفية بحيث عندما يتم تغيير الحقائق، يمكن تغيير المعرفة التابعة وفقًا لذلك. على سبيل المثال، إذا علم النظام أن سقراط لم يعد معروفًا بأنه رجل، فسوف يلغي التأكيد على أن سقراط فانٍ.
  • الاستدلال الافتراضي. في هذا، يمكن تقسيم قاعدة المعرفة إلى العديد من وجهات النظر المحتملة، أو ما يسمى بالعوالم. وهذا يسمح لمحرك الاستدلال باستكشاف احتمالات متعددة بالتوازي. على سبيل المثال، قد يرغب النظام في استكشاف عواقب كلا التأكيدين، ما الذي سيكون صحيحًا إذا كان سقراط رجلاً وما الذي سيكون صحيحًا إذا لم يكن كذلك؟
  • أنظمة عدم اليقين. كان أحد التوسعات الأولى لاستخدام القواعد ببساطة لتمثيل المعرفة هو أيضًا ربط الاحتمال بكل قاعدة. لذا، ليس للتأكيد على أن سقراط فانٍ، ولكن للتأكيد على أن سقراط قد يكون فانيًا مع بعض قيمة الاحتمال. تم توسيع الاحتمالات البسيطة في بعض الأنظمة بآليات متطورة للتفكير غير المؤكد، مثل المنطق الضبابي ، وتركيبة الاحتمالات.
  • تصنيف الأنطولوجيا . مع إضافة فئات الكائنات إلى قاعدة المعرفة، أصبح من الممكن وجود نوع جديد من التفكير. إلى جانب التفكير ببساطة حول قيم الكائنات، يمكن للنظام أيضًا التفكير حول هياكل الكائنات. في هذا المثال البسيط، يمكن لـ Man تمثيل فئة كائن ويمكن إعادة تعريف R1 كقاعدة تحدد فئة جميع الرجال. تسمى هذه الأنواع من محركات الاستدلال ذات الأغراض الخاصة بالمصنفات . على الرغم من أنها لم تُستخدم على نطاق واسع في أنظمة الخبراء، إلا أن المصنفات قوية جدًا للمجالات المتقلبة غير المنظمة، وهي تقنية رئيسية للإنترنت والويب الدلالي الناشئ . [53] [54]

المزايا

الهدف من الأنظمة القائمة على المعرفة هو جعل المعلومات المهمة المطلوبة لعمل النظام صريحة وليس ضمنية. [55] في برنامج الكمبيوتر التقليدي، يتم تضمين المنطق في الكود الذي لا يمكن مراجعته عادةً إلا من قبل متخصص في تكنولوجيا المعلومات. مع نظام الخبراء، كان الهدف هو تحديد القواعد بتنسيق بديهي وسهل الفهم والمراجعة وحتى التحرير من قبل خبراء المجال بدلاً من خبراء تكنولوجيا المعلومات. كانت فوائد تمثيل المعرفة الصريح هذا هي التطوير السريع وسهولة الصيانة.

إن سهولة الصيانة هي الفائدة الأكثر وضوحًا. وقد تم تحقيق ذلك بطريقتين. أولاً، من خلال إزالة الحاجة إلى كتابة التعليمات البرمجية التقليدية، يمكن تجنب العديد من المشكلات العادية التي يمكن أن تسببها حتى التغييرات الصغيرة في النظام باستخدام أنظمة الخبراء. في الأساس، كان التدفق المنطقي للبرنامج (على الأقل على أعلى مستوى) أمرًا مفروغًا منه بالنسبة للنظام، ما عليك سوى استدعاء محرك الاستدلال. كان هذا أيضًا سببًا للفائدة الثانية: النمذجة الأولية السريعة . باستخدام غلاف نظام الخبراء، كان من الممكن إدخال عدد قليل من القواعد وتطوير نموذج أولي في أيام بدلاً من الأشهر أو السنة المرتبطة عادةً بمشاريع تكنولوجيا المعلومات المعقدة.

كان الادعاء الذي كان يُطرح في كثير من الأحيان لصالح أنظمة الخبراء هو أنها تلغي الحاجة إلى مبرمجين مدربين وأن الخبراء يمكنهم تطوير الأنظمة بأنفسهم. في الواقع، كان هذا نادرًا ما يكون صحيحًا. في حين كانت قواعد نظام الخبراء أكثر قابلية للفهم من التعليمات البرمجية الحاسوبية النموذجية، إلا أنها كانت لا تزال تحتوي على بناء جملة رسمي حيث يمكن أن تتسبب الفاصلة أو أي حرف آخر في مكان خاطئ في إحداث فوضى كما هو الحال مع أي لغة حاسوبية أخرى. أيضًا، مع انتقال أنظمة الخبراء من النماذج الأولية في المختبر إلى النشر في عالم الأعمال، أصبحت قضايا التكامل والصيانة أكثر أهمية. نشأت حتمًا مطالب بالتكامل مع قواعد البيانات والأنظمة القديمة الكبيرة والاستفادة منها. لتحقيق هذه الغاية، يتطلب التكامل نفس المهارات مثل أي نوع آخر من الأنظمة. [56]

عند تلخيص فوائد استخدام أنظمة الخبراء، يمكن تسليط الضوء على ما يلي: [48]

  1. زيادة التوافر والموثوقية: يمكن الوصول إلى الخبرة على أي جهاز كمبيوتر ويقوم النظام دائمًا بإكمال الاستجابات في الوقت المحدد.
  2. خبرات متعددة: يمكن تشغيل العديد من أنظمة الخبراء في وقت واحد لحل مشكلة ما، والحصول على مستوى أعلى من الخبرة من الخبير البشري.
  3. الشرح: تصف أنظمة الخبراء دائمًا كيفية حل المشكلة.
  4. الاستجابة السريعة: تتميز أنظمة الخبراء بالسرعة والقدرات على حل المشكلة في الوقت الفعلي.
  5. انخفاض التكلفة: يتم تقليل تكلفة الخبرة لكل مستخدم بشكل كبير.

العيوب

إن العيب الأكثر شيوعًا الذي تم الاستشهاد به في الأدبيات الأكاديمية لأنظمة الخبراء هو مشكلة اكتساب المعرفة . إن الحصول على وقت خبراء المجال لأي تطبيق برمجي أمر صعب دائمًا، ولكن بالنسبة لأنظمة الخبراء كان الأمر صعبًا بشكل خاص لأن الخبراء كانوا بحكم التعريف موضع تقدير كبير ومطلوبين باستمرار من قبل المنظمة. ونتيجة لهذه المشكلة، ركز قدر كبير من البحث في السنوات الأخيرة من أنظمة الخبراء على أدوات اكتساب المعرفة، للمساعدة في أتمتة عملية تصميم وتصحيح أخطاء وصيانة القواعد التي يحددها الخبراء. ومع ذلك، عند النظر إلى دورة حياة أنظمة الخبراء في الاستخدام الفعلي، تبدو مشاكل أخرى - نفس المشاكل الأساسية مثل أي نظام كبير آخر - على الأقل بنفس أهمية اكتساب المعرفة: التكامل والوصول إلى قواعد البيانات الكبيرة والأداء. [57] [58]

كان الأداء مشكلة بشكل خاص لأن أنظمة الخبراء المبكرة كانت مبنية باستخدام أدوات (مثل إصدارات Lisp السابقة) التي فسرت تعبيرات التعليمات البرمجية دون تجميعها أولاً. وقد وفر هذا بيئة تطوير قوية، ولكن مع عيب أنه كان من المستحيل تقريبًا مطابقة كفاءة أسرع اللغات المترجمة (مثل C ). كان تكامل النظام وقاعدة البيانات صعبًا بالنسبة لأنظمة الخبراء المبكرة لأن الأدوات كانت في الغالب بلغات ومنصات لم تكن مألوفة ولا مرحب بها في معظم بيئات تكنولوجيا المعلومات للشركات - لغات البرمجة مثل Lisp و Prolog، ومنصات الأجهزة مثل آلات Lisp وأجهزة الكمبيوتر الشخصية. ونتيجة لذلك، ركز الكثير من الجهد في المراحل اللاحقة من تطوير أدوات نظام الخبراء على التكامل مع البيئات القديمة مثل COBOL وأنظمة قواعد البيانات الكبيرة، وعلى النقل إلى منصات أكثر معيارية. تم حل هذه المشكلات بشكل أساسي من خلال التحول في نموذج العميل والخادم، حيث تم قبول أجهزة الكمبيوتر تدريجيًا في بيئة تكنولوجيا المعلومات كمنصة شرعية لتطوير أنظمة الأعمال الجادة وحيث وفرت خوادم الكمبيوتر الصغيرة بأسعار معقولة قوة المعالجة اللازمة لتطبيقات الذكاء الاصطناعي. [56]

يظهر تحدٍ رئيسي آخر لأنظمة الخبراء عندما يزداد حجم قاعدة المعرفة. وهذا يتسبب في زيادة تعقيد المعالجة. على سبيل المثال، عندما تم تصور نظام خبير يحتوي على 100 مليون قاعدة باعتباره نظام الخبراء النهائي، أصبح من الواضح أن مثل هذا النظام سيكون معقدًا للغاية وسيواجه العديد من المشكلات الحسابية. [59] يجب أن يكون محرك الاستدلال قادرًا على معالجة أعداد هائلة من القواعد للوصول إلى قرار.

إن كيفية التحقق من أن قواعد القرار متسقة مع بعضها البعض تشكل تحديًا أيضًا عندما يكون هناك عدد كبير جدًا من القواعد. وعادةً ما تؤدي هذه المشكلة إلى صياغة قابلية الإرضاء (SAT). [60] هذه مشكلة معروفة من نوع NP-complete وهي مشكلة قابلية الإرضاء المنطقية . إذا افترضنا فقط متغيرات ثنائية ، لنقل n منها، فإن مساحة البحث المقابلة تكون بحجم 2. وبالتالي، يمكن أن تنمو مساحة البحث بشكل كبير.

هناك أيضًا أسئلة حول كيفية تحديد أولويات استخدام القواعد للعمل بكفاءة أكبر، أو كيفية حل الغموض (على سبيل المثال، إذا كان هناك عدد كبير جدًا من الهياكل الفرعية الأخرى ضمن قاعدة واحدة) وما إلى ذلك. [61]

ترتبط مشكلات أخرى بتأثيرات الإفراط في التجهيز والإفراط في التعميم عند استخدام الحقائق المعروفة ومحاولة التعميم على حالات أخرى غير موصوفة صراحةً في قاعدة المعرفة. توجد مثل هذه المشكلات أيضًا مع الأساليب التي تستخدم أساليب التعلم الآلي. [62] [63]

هناك مشكلة أخرى تتعلق بقاعدة المعرفة وهي كيفية إجراء تحديثات لمعرفتها بسرعة وفعالية. [64] [65] [66] كما أن كيفية إضافة قطعة جديدة من المعرفة (أي، أين تضيفها بين العديد من القواعد) أمر صعب. الأساليب الحديثة التي تعتمد على أساليب التعلم الآلي أسهل في هذا الصدد. [ بحاجة لمصدر ]

وبسبب التحديات المذكورة أعلاه، أصبح من الواضح أن هناك حاجة إلى مناهج جديدة للذكاء الاصطناعي بدلاً من التقنيات القائمة على القواعد. وتستند هذه المناهج الجديدة إلى استخدام تقنيات التعلم الآلي، إلى جانب استخدام آليات التغذية الراجعة. [10]

تتضمن التحديات الرئيسية التي تواجه أنظمة الخبراء في الطب (إذا اعتبرنا أنظمة التشخيص بمساعدة الكمبيوتر كأنظمة خبراء حديثة)، وربما في مجالات تطبيقية أخرى، قضايا تتعلق بجوانب مثل: البيانات الضخمة، واللوائح الحالية، وممارسات الرعاية الصحية، وقضايا الخوارزمية المختلفة، وتقييم النظام. [67]

وأخيرا، يمكن تلخيص عيوب استخدام أنظمة الخبراء على النحو التالي: [48]

  1. تتمتع أنظمة الخبراء بمعرفة سطحية، ومن الممكن أن تصبح المهمة البسيطة مكلفة حسابيًا.
  2. تتطلب أنظمة الخبراء مهندسي المعرفة لإدخال البيانات، ويعد الحصول على البيانات أمرًا صعبًا للغاية.
  3. قد يختار نظام الخبراء الطريقة الأكثر ملاءمة لحل مشكلة معينة.
  4. تعتبر المشاكل الأخلاقية في استخدام أي شكل من أشكال الذكاء الاصطناعي ذات أهمية كبيرة في الوقت الحاضر.
  5. إنه عالم مغلق بمعرفة محددة، حيث لا يوجد إدراك عميق للمفاهيم وعلاقاتها المتبادلة إلا بعد أن يقدمها خبير.

التطبيقات

يقسم هايز-روث تطبيقات أنظمة الخبراء إلى 10 فئات موضحة في الجدول التالي. لم تكن تطبيقات المثال موجودة في جدول هايز-روث الأصلي، وبعضها نشأ بعد ذلك بوقت طويل. يتم وصف أي تطبيق غير مذكور في الحاشية السفلية في كتاب هايز-روث. [50] أيضًا، في حين توفر هذه الفئات إطارًا بديهيًا لوصف مساحة تطبيقات أنظمة الخبراء، إلا أنها ليست فئات جامدة، وفي بعض الحالات قد يُظهر التطبيق سمات أكثر من فئة واحدة.

فئة تم معالجة المشكلة أمثلة
تفسير استنتاج أوصاف المواقف من بيانات المستشعر الإشاعات (التعرف على الكلام)، PROSPECTOR
تنبؤ استنتاج العواقب المحتملة للمواقف المعينة تقييم مخاطر الولادة المبكرة [68]
تشخبص استنتاج أعطال النظام من الملاحظات كاديوس ، مايسين ، نفخة، ميسترال، [69] إيدينت، [70] كاليدوس، [71] GARVAN-ES1 [72] [73] [74]
تصميم تكوين الكائنات تحت القيود Dendral ، مستشار قروض الرهن العقاري ، R1 (تكوين DEC VAX)، SID ( وحدة المعالجة المركزية DEC VAX 9000 )
تخطيط تصميم الإجراءات تخطيط المهمة للمركبة ذاتية القيادة تحت الماء [75]
يراقب مقارنة الملاحظات بنقاط الضعف في الخطة المفاعل [76]
تصحيح الأخطاء توفير حلول تدريجية للمشاكل المعقدة القديس، ماثلاب، مكسيما
بصلح تنفيذ خطة لإدارة العلاج الموصوف إدارة أزمة الانسكاب السام
تعليمات تشخيص وتقييم وتصحيح سلوك الطالب SMH.PAL، [77] التدريب السريري الذكي، [78] STEAMER [79]
يتحكم تفسير سلوكيات النظام والتنبؤ بها وإصلاحها ومراقبتها التحكم في العملية في الوقت الفعلي، [80] التحكم في مهمة مكوك الفضاء، [81] معالجة المركبات باستخدام الأوتوكلاف الذكي [82]

كانت تقنية Hearsay محاولة مبكرة لحل مشكلة التعرف على الصوت من خلال نهج أنظمة الخبراء. وفي أغلب الأحيان لم تكن هذه الفئة من أنظمة الخبراء ناجحة إلى حد كبير. إن تقنية Hearsay وجميع أنظمة التفسير هي في الأساس أنظمة التعرف على الأنماط - البحث عن الأنماط في البيانات المشوشة. في حالة Hearsay، التعرف على الأصوات في تيار صوتي. ومن الأمثلة المبكرة الأخرى تحليل بيانات السونار للكشف عن الغواصات الروسية. أثبتت هذه الأنواع من الأنظمة أنها أكثر قابلية للحل القائم على الذكاء الاصطناعي للشبكات العصبية من النهج القائم على القواعد.

كان نظاما التشخيص الطبي CADUCEUS و MYCIN . يصف المستخدم أعراضه للكمبيوتر كما لو كان يتحدث إلى طبيب، ثم يعطي الكمبيوتر تشخيصًا طبيًا.

كانت Dendral أداة لدراسة تكوين الفرضيات في تحديد الجزيئات العضوية. وكانت المشكلة العامة التي حلتها ـ تصميم حل في ظل مجموعة من القيود ـ واحدة من أنجح المجالات التي طبقت فيها أنظمة الخبراء المبكرة في مجالات الأعمال مثل مندوبي المبيعات الذين قاموا بتكوين أجهزة الكمبيوتر VAX التابعة لشركة Digital Equipment Corporation (DEC) وتطوير طلبات القروض العقارية.

SMH.PAL هو نظام خبير لتقييم الطلاب ذوي الإعاقات المتعددة. [77]

كان GARVAN-ES1 نظامًا خبيرًا طبيًا، تم تطويره في معهد جارفان للأبحاث الطبية ، والذي قدم تعليقات تشخيصية سريرية آلية على التقارير الغدد الصماء من مختبر علم الأمراض. كان أحد أول أنظمة الخبراء الطبية التي دخلت الاستخدام السريري الروتيني دوليًا [73] وأول نظام خبير يستخدم للتشخيص اليومي في أستراليا. [83] تمت كتابة النظام بلغة "C" وتشغيله على PDP-11 في ذاكرة 64 كيلو بايت. كان يحتوي على 661 قاعدة تم تجميعها؛ ولم يتم تفسيرها.

Mistral [69] هو نظام خبير لمراقبة سلامة السدود، تم تطويره في التسعينيات بواسطة Ismes (إيطاليا). يحصل على البيانات من نظام مراقبة آلي ويقوم بتشخيص حالة السد. لا تزال نسخته الأولى، التي تم تركيبها في عام 1992 على سد Ridracoli (إيطاليا)، تعمل على مدار الساعة طوال أيام الأسبوع طوال العام. تم تركيبه على العديد من السدود في إيطاليا والخارج (على سبيل المثال، سد Itaipu في البرازيل)، وعلى مواقع الانهيارات الأرضية تحت اسم Eydenet، [70] وعلى المعالم الأثرية تحت اسم Kaleidos. [71] Mistral هي علامة تجارية مسجلة لشركة CESI .

انظر أيضا

مراجع

  1. ^ جاكسون، بيتر (1998). مقدمة إلى أنظمة الخبراء (الطبعة الثالثة). أديسون ويسلي. ص 2. رقم ISBN 978-0-201-87686-4.
  2. ^ "البرمجة التقليدية". Pcmag.com. مؤرشف من الأصل في 2012-10-14 . تم الاسترجاع في 2013-09-15 .
  3. ^ أب راسل ، ستيوارت. نورفيج، بيتر (1995). الذكاء الاصطناعي: نهج حديث (PDF) . سيمون اند شوستر. ص 22-23. رقم ISBN 978-0-13-103805-9. مؤرشف من الأصل (PDF) في 5 مايو 2014 . استرجاع 14 يونيو 2014 .
  4. ^ من لوغر وستابلفيلد 2004، ص 227-331.
  5. ^ ab Nilsson 1998، الفصل 17.4.
  6. ^ ab McCorduck 2004، ص 327-335، 434-435.
  7. ^ ab Crevier 1993، ص 145-162، 197-203.
  8. ^ أ ب ليونديز، كورنيليوس ت. (2002). أنظمة الخبراء: تكنولوجيا إدارة المعرفة واتخاذ القرار في القرن الحادي والعشرين . ص 1-22. ISBN 978-0-12-443880-4.
  9. ^ "تاريخ موجز للذكاء الاصطناعي". مجلة الإيكونوميست . 2024-07-16 . تم الاسترجاع 2024-08-14 .
  10. ^ abcd Yanase J, Triantaphyllou E (2019). "دراسة منهجية للتشخيص بمساعدة الكمبيوتر في الطب: التطورات الماضية والحالية". أنظمة الخبراء مع التطبيقات . 138 : 112821. doi :10.1016/j.eswa.2019.112821. S2CID  199019309.
  11. ^ Ledley RS, and Lusted LB (1959). "Reasoning foundations of medical diagnosis". Science . 130 (3366): 9–21. Bibcode :1959Sci...130....9L. doi :10.1126/science.130.3366.9. PMID  13668531.
  12. ^ Weiss SM, Kulikowski CA, Amarel S, Safir A (1978). "طريقة تعتمد على النموذج لاتخاذ القرارات الطبية بمساعدة الكمبيوتر". الذكاء الاصطناعي . 11 (1-2): 145-172. CiteSeerX 10.1.1.464.3183 . doi :10.1016/0004-3702(78)90015-2. 
  13. ^ شوارتز دبليو بي (1970). "الطب والحاسوب: وعد التغيير ومشاكله". مجلة نيو إنجلاند الطبية . 283 (23): 1257-1264. doi :10.1056/NEJM197012032832305. PMID  4920342.
  14. ^ Bleich HL (1972). "الاستشارة المعتمدة على الكمبيوتر: اضطرابات الإلكتروليت والأحماض والقواعد". المجلة الأمريكية للطب . 53 (3): 285-291. doi :10.1016/0002-9343(72)90170-2. PMID  4559984.
  15. ^ Rosati RA, McNeer JF, Starmer CF, Mittler BS, Morris JJ, and Wallace AG (1975). "نظام معلومات جديد للممارسة الطبية". أرشيفات الطب الباطني . 135 (8): 1017–1024. doi :10.1001/archinte.1975.00330080019003. PMID  1156062.
  16. ^ Gorry GA وKassirer JP وEssig A وSchwartz WB (1973). "تحليل القرار كأساس لإدارة الفشل الكلوي الحاد بمساعدة الكمبيوتر". المجلة الأمريكية للطب . 55 (4): 473-484. doi :10.1016/0002-9343(73)90204-0. PMID  4582702. S2CID  17448496.
  17. ^ Szolovits P, Patil RS, and Schwartz WB (1988). "الذكاء الاصطناعي في التشخيص الطبي". Annals of Internal Medicine . 108 (1): 80–87. doi :10.7326/0003-4819-108-1-80. PMID  3276267. S2CID  46410202.
  18. ^ Shortliffe EH, and Buchanan BG (1975). "نموذج للاستدلال غير الدقيق في الطب". Mathematical Biosciences . 23 (3–4): 351–379. doi :10.1016/0025-5564(75)90047-4. S2CID  118063112.
  19. ^ Miller RA, Pople Jr HE, and Myers JD (1982). "Internist-I, an experimental computer-based diagnosis counselor for general internal medicine". مجلة نيو إنجلاند الطبية . 307 (8): 468–476. doi :10.1056/NEJM198208193070803. PMID  7048091.
  20. ^ Feigenbaum, Edward; McCorduck, Pamela (1984). The Fifth Generation . Addison-Wesley. ص. 1-275. ISBN 978-0451152640.
  21. ^ جوزيف 🎖️، ستاني (2023-10-30). "تنوع الذكاء الاصطناعي: كيف طور إدوارد فيجنباوم أنظمة الخبراء". Medium . تم الاسترجاع في 2024-01-26 .
  22. ^ ليا، أندرو س. (2023). رقمنة التشخيص: الطب والعقول والآلات في أمريكا في القرن العشرين . مطبعة جامعة جونز هوبكنز. ص 1-256. رقم ISBN 978-1421446813.
  23. ^ إدوارد فيجنباوم، 1977. صاغه هايز روث وآخرون.
  24. ^ هايز-روث، فريدريك؛ ووترمان، دونالد؛ لينات، دوغلاس (1983). بناء أنظمة الخبراء. أديسون-ويسلي. ص 6-7. ISBN 978-0-201-10686-2.
  25. ^ جورج ف. لوغر وويليام أ. ستابلفيلد، دار نشر بنيامين/كومينجز، غلاف نظام الخبراء القائم على القواعد: مثال على الكود باستخدام غلاف نظام الخبراء القائم على القواعد في برولوغ
  26. ^ أ. ميشيلز أرشفة 2012-04-02 في آلة Wayback .، جامعة لييج، بلجيكا: “PROLOG، أول لغة تعريفية
  27. ^ التحقيق باستخدام APES (نظام الخبراء المعزز Prolog) ، تم استرجاعه في 2024-01-03
  28. ^ الذكاء الاصطناعي والقانون: قانون الجنسية البريطانية حفز الذكاء الاصطناعي والقانون بشكل غير متوقع، 17 أبريل 2021 ، تم الاسترجاع في 13 نوفمبر 2023
  29. ^ MJ Sergot و F. Sadri و RA Kowalski و F. Kriwaczek و P. Hammond و HT Cory (مايو 1986). "قانون الجنسية البريطانية كبرنامج منطقي". اتصالات ACM . 29 (5): 370-386. doi :10.1145/5689.5920.
  30. ^ دوركين، ج. أنظمة الخبراء: كتالوج التطبيقات. شركة أنظمة الكمبيوتر الذكية، أكرون، أوهايو، 1993.
  31. ^ "ثورة IBM PC - CHM". www.computerhistory.org . تم الاسترجاع في 2024-01-26 .
  32. ^ Orfali, Robert (1996). The Essential Client/Server Survival Guide. New York: Wiley Computer Publishing. pp. 1–10. ISBN 978-0-471-15325-2.
  33. ^ هورويتز، جوديث (2011). ذكي أم محظوظ: كيف يحول قادة التكنولوجيا الفرصة إلى نجاح. جون وايلي آند صن. ص 164. ISBN 978-1118033784تم الاسترجاع بتاريخ 29 نوفمبر 2013 .
  34. ^ Dunn, Robert J. (30 سبتمبر 1985). "Expandable Expertise for Everyday Users". InfoWorld . 7 (39): 30. تم الاسترجاع في 2011-03-13 .
  35. ^ جيبسون، كارل س.؛ وآخرون. "سلسلة VAX 9000". المجلة التقنية الرقمية لشركة Digital Equipment Corporation . 2 (4، خريف 1990): 118-129.
  36. ^ كارب، ريتشارد م. (1972). "قابلية الاختزال بين المشاكل التوافقية" (PDF) . في ميلر، ر. إ.؛ تاتشر، جيه دبليو (المحرران). تعقيد العمليات الحسابية الحاسوبية . نيويورك: بلنوم. ص. 85-103. مؤرشف من الأصل (PDF) في 2011-06-29 . تم الاسترجاع في 2020-01-24 .
  37. ^ هيوبرت إل. دريفوس (1972). ما لا تزال أجهزة الكمبيوتر عاجزة عن القيام به . كامبريدج، ماساتشوستس: مطبعة معهد ماساتشوستس للتكنولوجيا.
  38. ^ "نشرة خبراء الذكاء الاصطناعي: W تعني الشتاء". مؤرشف من الأصل في 2013-11-09 . تم الاسترجاع في 2013-11-29 .
  39. ^ Leith, P. (2010). "صعود وسقوط نظام الخبراء القانونيين". المجلة الأوروبية للقانون والتكنولوجيا . 1 (1). مؤرشف من الأصل في 2016-03-04 . تم الاسترجاع في 2020-01-24 .
  40. ^ هاسكين، ديفيد (16 يناير 2003). "بعد سنوات من الضجيج، "أنظمة الخبراء" تؤتي ثمارها لبعض الناس". Datamation . تم الاسترجاع في 29 نوفمبر 2013 .
  41. ^ روميم، يوروم (2007). "البناء الاجتماعي للأنظمة الخبيرة". إدارة الأنظمة البشرية . 26 (4): 291-309. doi :10.3233/HSM-2007-26406.
  42. ^ فولكر، مايكل ب. (18 أكتوبر 2005). "الأعمال التجارية تضع القواعد". أسبوع المعلومات .
  43. ^ SAP News Desk. "SAP News Desk IntelliCorp Announces Participation in SAP EcoHub". laszlo.sys-con.com . LaszloTrack. مؤرشف من الأصل في 3 ديسمبر 2013 . تم الاسترجاع في 29 نوفمبر 2013 .
  44. ^ Pegasystems. "Smart BPM Requires Smart Business Rules". pega.com . تم الاسترجاع في 29 نوفمبر 2013 .
  45. ^ تشاو، كاي؛ ينج، شي؛ تشانغ، لينلين؛ هو، لوكاي (9-10 أكتوبر 2010). "تحقيق التكامل بين العمليات التجارية وقواعد العمل باستخدام SPL". تكنولوجيا المعلومات المستقبلية وهندسة الإدارة (FITME) . المجلد 2. تشانغتشو، الصين: معهد مهندسي الكهرباء والإلكترونيات. ص 329-332. doi :10.1109/fitme.2010.5656297. ISBN 978-1-4244-9087-5.
  46. ^ تشونغ، جون يونغ؛ جولتشيهري، كاجلار؛ تشو، كيونغ هيون؛ بينجيو، يوشوا (2015-06-01). "الشبكات العصبية المتكررة ذات التغذية الراجعة المحمية". المؤتمر الدولي حول التعلم الآلي . مجلة التعلم الآلي: 2067-2075. arXiv : 1502.02367 .
  47. ^ إنجلترا، ديفيد سي. (يونيو 1990). نظام خبير لإدارة المواد الخطرة في مركز الإمدادات البحرية (PDF) (ماجستير). كلية الدراسات العليا البحرية، مونتيري/كاليفورنيا. ص 21.
  48. ^ abc Kiryanov, Denis Aleksandrovich (2021-12-21). "نظام خبير تصنيفي هجين للاستخدام في تجميع المحتوى". أنظمة البرمجيات والأساليب الحسابية (4): 1-22. doi : 10.7256/2454-0714.2021.4.37019 . ISSN  2454-0714. S2CID  245498498.
  49. ^ سميث، ريد (8 مايو 1985). "مفاهيم وتقنيات وأمثلة الأنظمة القائمة على المعرفة" (PDF) . ريد ج. سميث . تم الاسترجاع في 9 نوفمبر 2013 .
  50. ^ ab Hayes-Roth, Frederick; Waterman, Donald; Lenat, Douglas (1983). بناء أنظمة الخبراء. Addison-Wesley. ISBN 978-0-201-10686-2.
  51. ^ نبيل عرمان، جامعة البوليتكنك في فلسطين، يناير 2007، اكتشاف الأخطاء في قواعد القواعد الديناميكية باستخدام الأشجار الممتدة والمجموعات المنفصلة: ""
  52. ^ Mettrey, William (1987). "An Assessment of Tools for Building Large Knowledge-Based Systems". AI Magazine . 8 (4). مؤرشف من الأصل في 2013-11-10 . تم الاسترجاع في 2013-11-29 .
  53. ^ ماكجريجور، روبرت (يونيو 1991). "استخدام مصنف الوصف لتعزيز تمثيل المعرفة". مجلة خبراء معهد مهندسي الكهرباء والإلكترونيات . 6 (3): 41-46. doi :10.1109/64.87683. S2CID  29575443.
  54. ^ بيرنرز لي، تيم؛ هندلر، جيمس؛ لاسيلا، أورا (17 مايو 2001). "الويب الدلالي: شكل جديد من محتوى الويب ذي معنى لأجهزة الكمبيوتر سيطلق العنان لثورة من الاحتمالات الجديدة". ساينتفك أمريكان . 284 (5): 34–43. doi :10.1038/scientificamerican0501-34. مؤرشف من الأصل في 24 أبريل 2013.
  55. ^ هايز-روث، فريدريك؛ ووترمان، دونالد؛ لينات، دوغلاس (1983). بناء أنظمة الخبراء. أديسون-ويسلي. ص. 6. ISBN 978-0-201-10686-2.
  56. ^ ab Wong, Bo K.; Monaco, John A.; Monaco (September 1995). "Expert system applications in business: a review and analysis of the literature" . Information and Management . 29 (3): 141–152. doi :10.1016/0378-7206(95)00023-p . تم الاسترجاع في 29 نوفمبر 2013 .
  57. ^ Kendal, SL; Creen, M. (2007). مقدمة في هندسة المعرفة . لندن: سبرينغر. ISBN 978-1-84628-475-5. OCLC  70987401.
  58. ^ Feigenbaum, Edward A. ; McCorduck, Pamela (1983). The Fifth generation (1st ed.). Reading, Massachusetts: Addison-Wesley . ISBN 978-0-201-11519-2. OCLC  9324691.
  59. ^ لينات، دوغلاس (1992). "على عتبات المعرفة". في كيرش، ديفيد (محرر). أسس الذكاء الاصطناعي . مطبعة معهد ماساتشوستس للتكنولوجيا. ص 185-250.
  60. ^ Bezem M (1988). اتساق أنظمة الخبراء القائمة على القواعد. المؤتمر الدولي التاسع للاستنتاج الآلي . محاضرات في علوم الكمبيوتر. المجلد 310. ص 151-161. doi :10.1007/BFb0012830. ISBN 3-540-19343-X.
  61. ^ ماك ب، شميت ب، وليتينين ك (1997). "مشاركة المستخدم في تحديث المعرفة لأنظمة الخبراء". المعلومات والإدارة . 32 (2): 55-63. doi : 10.1016/S0378-7206(96)00010-9 .
  62. ^ Pham HN, Triantaphyllou E (2008). "تأثير الإفراط في التجهيز والإفراط في التعميم على دقة التصنيف في تعدين البيانات". الحوسبة الناعمة لاكتشاف المعرفة وتعدين البيانات . ص 391-431. doi :10.1007/978-0-387-69935-6_16. ISBN 978-0-387-69934-9. S2CID  12628921.
  63. ^ Pham HN, Triantaphyllou E (2008). "التنبؤ بمرض السكري من خلال استخدام نهج جديد لاستخراج البيانات يوازن بين الملاءمة والتعميم". Computer and Inf. Science G : 11–26.
  64. ^ Shan N, and Ziarko W (1995). "الاستحواذ القائم على البيانات والتعديل التدريجي لقواعد التصنيف". Computational Intelligence . 11 (2): 357–370. doi :10.1111/j.1467-8640.1995.tb00038.x. S2CID  38974914.
  65. ^ Coats PK (1988). "لماذا تفشل الأنظمة الخبيرة". الإدارة المالية . 17 (3): 77-86. JSTOR  3666074.
  66. ^ Hendriks PH, and Vriens DJ (1999). "الأنظمة القائمة على المعرفة وإدارة المعرفة: أصدقاء أم أعداء؟". مجلة المعلومات والإدارة . 35 (2): 113-125. doi :10.1016/S0378-7206(98)00080-9.
  67. ^ Yanase J, Triantaphyllou E (2019). "التحديات السبعة الرئيسية لمستقبل التشخيص بمساعدة الكمبيوتر في الطب". المجلة الدولية للمعلوماتية الطبية . 129 : 413-422. doi :10.1016/j.ijmedinf.2019.06.017. PMID  31445285. S2CID  198287435.
  68. ^ Woolery, LK; Grzymala-Busse, J. (1994). "التعلم الآلي لنظام خبير للتنبؤ بمخاطر الولادة المبكرة". مجلة الجمعية الأمريكية للمعلوماتية الطبية . 1 (6): 439–446. doi :10.1136/jamia.1994.95153433. PMC 116227. PMID  7850569 . 
  69. ^ ab Salvaneschi, Paolo; Cadei, Mauro; Lazzari, Marco (1996). "Applying AI to structure safety monitoring and evaluation" . IEEE Expert . 11 (4): 24–34. doi :10.1109/64.511774 . تم الاسترجاع في 5 مارس 2014 .
  70. ^ ab Lazzari, Marco; Salvaneschi, Paolo (1999). "تضمين نظام معلومات جغرافي في نظام دعم القرار لمراقبة مخاطر الانهيارات الأرضية" (PDF) . المجلة الدولية للمخاطر الطبيعية . 20 (2-3): 185-195. رمز Bibcode :1999NatHa..20..185L. doi :10.1023/A:1008187024768. S2CID  1746570.
  71. ^ أب لانسيني ، ستيفانو. لازاري، ماركو. ماسيرا، ألبرتو؛ سالفانيشي، باولو (1997). “تشخيص الآثار القديمة باستخدام برامج الخبراء” (PDF) . الهندسة الإنشائية الدولية . 7 (4): 288-291. دوى :10.2749/101686697780494392. S2CID  8113173.
  72. ^ K. Horn; L. Lazarus; P. Compton; JR Quinlan (1985). "نظام خبير لتفسير تحاليل الغدة الدرقية في المختبر السريري". مجلة أوست كومب 17 : 7-11.
  73. ^ ab Buchanan, B. (1986). "أنظمة الخبراء: أنظمة العمل وأدبيات البحث". أنظمة الخبراء . 3 (1): 32–51. doi :10.1111/j.1468-0394.1986.tb00192.x.
  74. ^ P. Compton؛ K. Horn؛ R. Quinlan؛ L. Lazarus؛ K. Ho (1988). "الحفاظ على نظام الخبراء". وقائع المؤتمر الأسترالي الرابع حول تطبيقات أنظمة الخبراء .
  75. ^ Kwak, SH (1990). "نظام خبير لتخطيط المهمة لمركبة تحت الماء مستقلة". وقائع ندوة عام 1990 حول تكنولوجيا المركبات تحت الماء المستقلة : 123-128. doi :10.1109/AUV.1990.110446. S2CID  60476847.
  76. ^ نيلسون، دبليو آر (1982). "المفاعل: نظام خبير لتشخيص وعلاج المفاعلات النووية". AAAI . 82: وقائع المؤتمر الثاني لـ AAAI حول الذكاء الاصطناعي: 296-301.
  77. ^ ab Hofmeister, Alan (1994). "SMH.PAL: an expert system for identifying treatment procedures for students with extreme deficits". Exceptional Children . 61 (2). مؤرشف من الأصل في 3 ديسمبر 2013. تم الاسترجاع في 30 نوفمبر 2013 .
  78. ^ Haddawy, P; Suebnukarn, S. (2010). "Intelligent Clinical Training Systems". Methods Inf Med . 49 (4): 388–9. CiteSeerX 10.1.1.172.60 . doi :10.1055/s-0038-1625342. PMID  20686730. S2CID  11903941. 
  79. ^ هولان، جيه؛ هاتشينز، إي؛ ويتزمان، إل. (1984). "ستمير: نظام تدريب تفاعلي قائم على المحاكاة وقابل للفحص". مجلة الذكاء الاصطناعي .
  80. ^ Stanley, GM (15–17 July, 1991). "Experience Using Knowledge-Based Reasoning in Real Time Process Control" (PDF) . ورقة بحثية مقدمة في: ندوة الاتحاد الدولي للتحكم الآلي (IFAC) حول التصميم بمساعدة الحاسوب في أنظمة التحكم . تم الاسترجاع في 3 ديسمبر 2013 .
  81. ^ راسموسن، آرثر؛ موراتوري، جون ف.؛ هايندل، تروي أ. (فبراير 1990). "مشروع نظام الخبراء INCO: CLIPS في التحكم في مهمة المكوك الفضائي". NTRS . تم الاسترجاع في 30 نوفمبر 2013 .
  82. ^ Ciriscioli, PR; GS Springer (1990). "Smart Autoclave Cure of Composites" . ISBN 9781003209010.
  83. ^ كاتليت، ج. (1990). "الأنظمة الخبيرة، المخاطر والمكافآت". مركز تكنولوجيا المعلومات . 2 (7): 20-26.

الأعمال المذكورة

  • كريفييه، دانييل (1993). الذكاء الاصطناعي: البحث المضطرب عن الذكاء الاصطناعي . نيويورك: BasicBooks. ISBN 0-465-02997-3.
  • لوجر، جورج؛ ستابلفيلد، ويليام (2004). الذكاء الاصطناعي: هياكل واستراتيجيات لحل المشكلات المعقدة (الطبعة الخامسة). بنيامين/كومينجز. رقم ISBN 978-0-8053-4780-7تم الاسترجاع بتاريخ 17 ديسمبر 2019 .
  • نيلسون، نيلز (1998). الذكاء الاصطناعي: توليفة جديدة . مورجان كوفمان. ISBN 978-1-55860-467-4تم الاسترجاع بتاريخ 18 نوفمبر 2019 .
  • مكوردوك، باميلا (2004)، الآلات التي تفكر (الطبعة الثانية)، ناتيك، ماساتشوستس: إيه كيه بيترز، رقم ISBN 1-5688-1205-1
  • برنامج تعليمي حول نظام الخبراء في Code Project
Retrieved from "https://en.wikipedia.org/w/index.php?title=Expert_system&oldid=1250890793"
Original text
Rate this translation
Your feedback will be used to help improve Google Translate