هوش مصنوعی زمینۀ گستردهای است که اجزاء متعددی دارد، مانند نظام خبره، روبات، نظامهای تصویری، پردازش زبان طبیعی، نظامهای یادگیرنده، و شبکههای عصبی. بسیاری از زمینهها با یکدیگر مرتبط هستند، لذا هر گونه پیشرفتی در یک زمینه موجب تحول سایر زمینهها میشود.
به طور کلی مسائلی برای طرح در هوش مصنوعی مناسبند که به علت پیچیدگی بسیار زیاد نتوان آنها را در یک الگوریتم عادی حل کرد. برنامههای هوش مصنوعی برای اینکه بتوانند با هوش انسان رقابت کنند باید قادر به یادگیری و به خاطر سپردن مطالب باشند. در واقع، یادگیری متضمن فهمیدن نیست. برنامههای هوش مصنوعی در ابتدای تولد مانند نوزاد انسان چیزی نمیدانند، آنها قادرند دادهها را دستکاری کنند اما در ابتدا دادهای ندارند. برای عملیاتی کردن آنها به گردآوری اطلاعات نیاز است، و این کار از طرق مختلف انجام میگیرد. به طور مثال، از طریق تبادل اطلاعات با کاربر. در تمام روشهای هوش مصنوعی یادگیری امری اساسی تلقی میشود.
با توسعۀ تحقیقات هوش مصنوعی که هدف آن مشابهسازی ویژگیهای انسان از طریق نظامهای رایانهای است، نظامهای خبره به عنوان نظامهایی که بتوانند به جای انسان در فرآیند تصمیمگیری به انتخاب بپردازند، در اواخر دهۀ 90 مطرح گردید (صرافیزاده، 1383). هدف اصلی این نظامها جایگزینی ویژگیهای انسان خبره با نرمافزارهای هوشمند به طوری که بتوانند راهحل را انتخاب نمایند. این سیستمها با به کارگیری دانش و تجارب کارشناسان و افراد خبره قادرند در زمینهای محدود به تصمیمگیری بپردازند.
عناصر نظام خبره
برای ایجاد نظام خبره عناصر یا اجزاء زیر لازم است:
پایگاه دانش5. بخشی از نظام است که دانش، آموختهها، تجارب و مهارتهای فردی یا گروهی متخصصان یک حوزۀ تخصصی در آن ذخیره میشود. این پایگاه حاوی دانشی است که یک فرد خبره در حوزۀ تخصصی خود دارد. به طور مثال، نظام خبرهای که کار فهرستنویسی یک کتابخانه را انجام میدهد دارای پایگاه دانش با مجموعهای از قواعد مربوط به فهرستنویسی است. این قواعد که از قواعد انگلو امریکن گرفته شدهاند، به صورت اگر / پس هستند. یعنی هر وقت شرط عبارت «اگر» تحقق یابد، عبارت «پس» به نتیجه میرسد. ادوارد فیگنباوم6 (1986) پژوهشگر دانشگاه استنفورد میگوید: «آنچه کیفیت و توان یک نظام خبره را مهار میکند «پایگاه دانش» است.
زیرا اگر دانشی وجود نداشته باشد استنباط نیز کمکی نخواهد کرد. وی این امر را اصطلاحاً اصل دانش نامگذاری کرده است. استفاده از منطق فازی. چالش دیگر طراحان و سازندگان نظام خبره جمعآوری دانش و روابطی است که خیلی دقیق نیستند. رایانهها نوعاً با اعداد دقیق کار میکنند، مقادیر ورودی و خروجیها کاملاً مشخص هستند. اما میدانید که در دنیای واقعی همیشه این وضعیت وجود ندارد، لذا برای حل مشکل، زمینهای پژوهشی در علوم رایانه به نام منطق فازی7 ایجاد شده است. تحقیق در زمینۀ منطق فازی چند دهه است که ادامه دارد، اما کاربرد آن در نظامهای خبره به تدریج در برخی زمینهها مشاهده میگردد (صرافیزاده، 1383، ص 112).
به جای شرایط معمولی سفید و سیاه، بله یا خیر، درست یا غلط که در تصمیمگیری رایانهای از آنها استفاده میشود، با کمک منطق فازی میتوان دامنهای از رنگ خاکستری یا مجموعۀ فازی استفاده کرد. معیار اینکه آیا یک آزمودنی یا یک نمونه در یک مجموعه میگنجد یا خیر برحسب درصد یا احتمال ارائه میشود. به طور مثال، کارشناس هواشناسی ممکن است اینگونه پیشبینی کند که "اگر هوا خیلی گرم و رطوبت بالا باشد، احتمال بارندگی 75 درصد است."عبارات غیردقیق "خیلی گرم" و "رطوبت بالا" عواملی هستند که در منطق فازی باید تعیین شوند تا شانس بارندگی را مشخص نمایند. قواعد منطق فازی به رایانه کمک میکنند تا شرایط غیردقیق و غیرکاملی را که با آن روبهرو میشود، ارزیابی کرده و براساس احتمال یا تقریبی بودن صحت تصمیمات، تدابیری اتخاذ نمایند. این قابلیت تخمین که آیا شرایطی با یک موقعیت خاص هماهنگ است یا خیر بسیار شبیه قضاوت فردی است که شرایط مختلف را ارزیابی میکند. به طور مثال، تعیین خودکار شمارۀ ردهبندی کنگره از طریق عنوان و سرعنوانهای موضوعی در پیشینههای مارک برنامهای است که براساس احتمالات عمل میکند و بر این اساس احتمال درست بودن شمارههای ردهبندی رتبهبندی میشود.
موتور استنتاج8. بخشی از نظام خبره است که فرایند استدلال را برعهده دارد. استدلال، فرایند به کارگیری دانش موجود در پایگاه دانش بر روی واقعیات حاصل از تعامل با کاربر است. این عمل به منظور استنتاج واقعیات جدید انجام میگیرد. به طور مثال، نظام خبرۀ فهرستنویس، اطلاعات را از فهرستنویس گرفته و قواعد موردنظر را از پایگاه دانش انتخاب کرده و به کار میبرد تا پیشینۀ اصلی فهرستنویسی را ایجاد کند. این بخش، دادههای ورودی را از نظر تحقق شرط نیز کنترل میکند و در صورت عدم تحقق آن، اطلاعات بیشتری طلب میکند. به عبارت دیگر، وظیفۀ توصیههای کارشناسی را برعهده دارد.
رابط کاربر9. با توجه به اینکه هدف اصلی نظام خبره این است که جایگزین افراد خبره و متخصص شده و قادر به ارائۀ خدمات مشاوره به افراد باشد، لذا این بخش که محل برقراری ارتباط با کاربر است اهمیت زیادی دارد. این ارتباط میتواند به صورت ساده یعنی انتخاب منوهای خاص توسط کاربر برای طرح سؤال و یا پاسخ کاربر به پرسش نظام و یا به شکلی پیشرفته مانند برقراری ارتباط با زبان طبیعی و فهم صداهای مختلف باشد.
حافظهکاری10 یا پایگاه دادهها. دادههایی که به طرق مختلف در اختیار نظام خبره قرار میگیرد به طور موقت در حافظۀکاری ذخیره میشود. این دادهها عبارتند از پاسخ کاربر به پرسشهای نظام، واقعیت همواره درست، اطلاعات کسب شده از بانکهای اطلاعاتی، و حقایق استنتاج شده در فرایند استدلال و مانند آن (سیف برقی، 1380، ص 75). این بخش از نظام خبره، به کاربر امکان فهم دلیل انتخاب برخی قواعد و دنبال کردن استدلال مورد استفاده را میدهد. هدف از تعبیۀ این بخش ایجاد اطمینان نسبت به کاربرد نظام خبره است. همچنین به کاربر این امکان را میدهد تا قواعد دیگری را پیشنهاد کند.
عناصر انسانی. در نظامهای خبره عناصر انسانی به سه گروه تقسیم میشوند:
مهندس دانش. که دانش و تجربیات فرد خبره را کسب کرده و در پایگاه دانش ذخیرهسازی میکند. عموماً پایگاه دانش مجموعهای از قواعد و واقعیاتی است که برای حل مسائل به کار میروند. به هر حال، دانش کسب شده به صورت استاندارد کدگذاری میشود که به این عمل «بازنمایی دانش» گفته میشود.
برنامهنویس. در این مرحله، برنامهنویس خروجیهای مهندس دانش را به عنوان ورودی گرفته و با استفاده از زبانهای مناسب آن را به نرمافزاری مناسب تبدیل میکند.
کاربر. تنها بخشی است که توسط استفادهکننده قابل رؤیت است و بیشترین تعامل را با او دارد و نحوه ارتباط کاربر را با کارشناس خبره مشخص میکند و شامل فرمهای سؤال و پاسخ است (دودانگه، 1380، ص 18). در شکل زیر اجزاء نظام خبره مشخص شده است.
ویژگیهای نظام خبره
روش حل مسئله در نظام خبره برخلاف سایر برنامهها، الگوریتمی یا روش مرحله به مرحله برای رسیدن به جواب نیست؛ بلکه از روش حل مسائل براساس ابتکار ـ سعی و خطا ـ استفاده میشود.
نظامهای خبره برخلاف برنامههای متداول که پردازش اطلاعات را انجام میدهند به پردازش دانش میپردازند. دانش در یک برنامۀ رایانهای به شکل قوانین مشخص میشوند، یعنی فعالیتها اجرا میشوند اگر قواعد نیز مهیّا شده باشد. مجموعه قواعدی که براساس دانش فرد خبره توسط مهندس دانش ایجاد شده است در پایگاه دانش قرار دارد.
ویژگی خاص نظام خبره، توانایی استنتاج آن است؛ یعنی به دست آوردن نتایج از قضایا. وقتی مهندس دانش، کار بازنمایی دانش را به شکل قواعد انجام میدهد نخست باید کارشناس خبره، از قواعد مورد استفاده و ترتیب آن در حل مسائل خاص آگاه باشد؛ و از سوی دیگر، نظام خبره نیز باید نوع و ترتیب استفاده از قوانین را برای حل مسائل بداند؛ که برای انجام این کار از موتور استنتاج خود استفاده میکند. موتور استنتاج، در واقع، قواعد و دانش ذخیره شده در پایگاه دانش را تحلیل کرده و به نتیجۀ منطقی میرسد.
ویژگی دیگری که نظام خبره را متمایز میکند توانایی یادگیری است. در این نظام دانش به شکل قواعد بیان میشود. این قواعد، شرایط معینی را به اقدامات یا نتایج مشخص مرتبط میکنند. بدین ترتیب، ممکن است دانش جدیدی با استفاده از دادههای جدید ایجاد شود. شکل دیگر از توانایی یادگیری در نظامهای خبره استفاده از حالتهای مختلف برای ارائۀ راهحل در شرایطی خاص است که این فرایند دو مرحله دارد: 1) حالتهای مختلفی که در پایگاه دانش ذخیره میشود شبیه مسئله یا حالتی است که وجود دارد؛ 2) تطبیق راهحلها با مسئله یا حالتی که پیشآمده تا بهترین حالت حاصل شود. به طور مثال، در خدمات خودکاری که توسط کتابخانهها و مراکز اطلاعاتی ارائه میگردد مثل تحویل مدرک، انتخاب منابع اطلاعاتی، انتخاب کارگزاران و عرضهکنندگان منابع اطلاعاتی، اغلب این نظامها قادر به یادگیری هستند و از طریق نحوۀ عملکرد کارگزاران قادر به معرفی کارگزار مرتبط با منابع و نیازهای اطلاعاتی هستند.
ویژگی مهم دیگر، توانایی تشریح نتایج اعلام شده توسط نظام است. با کمک این ویژگی، نظام خبره میتواند به کاربر در مواردی مثل اینکه «چطور به نتایج حاصل رسیده است و چرا سؤال خاصی در فرایند رسیدن به نتیجه از کاربر پرسیده است» و مواردی دیگر را توضیح دهد.
برای درک بهتر این نظام میتوان از مثال کاربردی «سناریوی مراجعۀ یک پژوهشگر به کتابدار مرجع استفاده کرد:
شخصی را در نظر بگیرید که به کتابخانهای مراجعه میکند و برای انجام تحقیقاتی نیاز به منابع اطلاعاتی دارد. ابتدای ورود به کتابخانه دچار سردرگمی شده و پس از مدتی گشت و گذار در کتابخانه، سرانجام میز مرجع کتابخانه و کتابدار مرجع نظر او را به خود جلب میکند. به سوی او رفته و با طرح یک سؤال کلی سعی در گرفتن اطلاعات دارد. کتابدار مرجع به عنوان کارشناس متخصص و باتجربه، با طرح سؤالات باز و بسته سعی میکند تا به نیاز واقعی مراجعهکننده پی ببرد. چنین سؤالاتی برای متخصص یک سری دادهها را آماده میکند.
این جوابها به متخصص ذیربط کمک میکنند تا با بهرهگیری از دانشی که در این زمینه دارد دربارۀ نیاز اطلاعاتی مراجع به نتایجی دست یابد و با شناسایی روشهای دستیابی به منابع، او را هدایت کند. یک نظام خبره به جای کتابدار مرجع، قواعدی را برای تحلیل دادهها به کار میبرد که فردی متخصص در تحلیلهای خود از آنها بهره میگیرد. هر متخصص، معمولاً از قوانین ابتکاری برای تشخیص و شناسایی منابع استفاده میکند. بنابراین، بر اثر تجربه، این فرد کارشناس خبره یاد گرفته است که چه وقت و چگونه این راهحل ابتکاری را به کار گیرد و این در فرهنگ لغت به معنای دانش است. علاوه بر این، وقتی کارشناس از دانش خود استفاده میکند ممکن است در نتیجۀ دانش کسب شده به پاسخهای بعدی برسد. هر فردی با هر تخصصی میتواند این فرایند را طی کند. به طور مثال، یک پزشک متخصص نیز برای تشخیص بیماری از این فرایند استفاده میکند. به طور کلی، در نظامهای خبره، تمام دانش کارشناسی از قبیل دانش تعمیرکار رایانه، دانش پزشک، دانش کتابدار مرجع، و مانند آن به رایانه منتقل میشود.
مثال دیگر استفاده از نظام خبرۀ فازی جهت مشاورۀ آموزشی دانشجویان11 است که با زبان Clips نوشته شده است و با دریافت اطلاعات لازم دربارۀ موقعیت درسی دانشجو و واحدهای گذرانده، او را برای انتخاب یک برنامۀ درسی مناسب، به مثابه یک استاد خبره، راهنمایی میکند. در حقیقت، پایگاه دانش این نظام خبره براساس تجربیات اساتید خبره و مقررات دانشگاه نوشته شده است (غضنفری، 1380، ص 117).
مزایا و محدودیتهای نظام خبره
الف. مزایا
احاطه بر مهارت و تخصصهای نایاب: در نظام خبره چون تخصص و خبرگی فرد متخصص به رایانه منتقل میشود لذا مشکلات مرتبط با دانش انسانی از قبیل احساسات مختلف انسانی، بیماری، بازنشستگی یا در دسترس نبودن فرد متخصص نیز در آن وجود ندارد.
حفظ دانش: نظام خبره موجب حفظ و توزیع در سازمان از طریق انتقال سریع آن از یک سایت به سایت دیگر میشود.
نقش آموزشی: این نظام میتواند تدارککننده آموزش باشد.
مشاوره به مدیران: نظامهای خبره مشاور مدیران در تصمیمگیری هستند و در بیشتر موارد نیز جایگزین تخصص انسان میگردند، مانند سیستمهای پشتیبان تصمیمگیری.
افزایش قابلیت اطمینان: نظامهای خبره هرگز خسته و عصبی نمیشوند و بر علیه مدیرانشان اعتصاب نمیکنند.
کاهش ریسک: نظام خبره میتواند در محیطهایی با ریسک بالا برای انسان نیز به کار روند.
دائمی بودن: نظام خبره پایدار و فناناپذیر است. به عبارت دیگر، مانند انسانها نمیمیرند.
افزایش قابلیت دسترسی: به سادگی میتوان از طریق یک نظام خبره به تولید انبوه تجربیات دست یافت.
سهولت انتقال دانش: بدون در نظر گرفتن بعد زمان و مکان.
افزایش بهرهوری: چون نظام خبره سریعتر از انسان کار میکند.
ارتقای کیفیت: نظام خبره از طریق کاهش دائمی خطا میتواند شرایط ارتقای کیفیت را فراهم سازد.
افزایش توانایی حل مسئله: سرعت و دقت حل با تلفیق تخصص و مهارت خبرهها موجب افزایش توانایی نظام در حل مسئله میگردد.
ب. محدودیتها
- خبرگی و تخصص به سختی از انسانها استخراج میشود.
- دیدگاههای هر خبره در مورد یک مسئله خاص ممکن است صحیح اما متفاوت باشد.
- کاربرد نظام خبره فقط در حوزهای محدود مناسب است.
- مفاهیمی که خبرهها برای بیان واقعیات در روابط به کار میبرند گاهی محدود بوده و یا برای دیگران قابل درک نیست.
- ساخت نظام خبره نیازمند دانش و مهارتهای پرهزینۀ مهندسی است.
- عدم اعتماد کاربران نهایی خود مانعی در استفاده از نظام خبره است.
- کاربران نظامهای خبره دارای محدودیتهای شناختی طبیعی هستند، بنابراین نمیتوانند از تمام مزایای آن استفاده نمایند.
- نظامهای خبره ممکن است قادر به دستیابی به نتایج نباشند و مانند خبرگان انسانی گاهی اوقات پیشنهاد غلط دهند.
مدیریت دانش و نظامهای خبره
در اوایل انقلاب صنعتی، سازمانها با خودکارسازی سیستمها اثربخشی و توانمندیهای خود را افزایش دادند. اکنون سازمانها در حال افزایش کارایی خود هستند. در این مرحله است که مدیریت دانش وارد عرصه میشود. نخستین بار پولانی (1985) میان دانش نهان و دانش عملی تمایز قائل شد. وی در تمایز میان این دو میگوید: "میتوان بیش از آنکه به زبان آورد دانست". پولانی در اصل معتقد است که بیان کردن دانش نهان با واژهها دشوار است (باگاوادگیتا، 1381).
هدف مدیریت دانش، تبدیل دانش نهان خبرگان سازمان به دانش عملی و اشاعۀ مؤثر آن است. امروزه بیشتر سازمانها از منابع عظیم دانش برخوردارند؛ اما گاه دیده میشود که دانش چگونگی استفاده از این تخصصها و مهارتها را ندارند. دانش ممکن است در فرایندهای مختلف سازمانی، عملکردها، فوت و فنها، نظامهای اطلاعاتی، و فرهنگ یک سازمان بسیار پراکنده و بیشتر اوقات ناشناخته باشد. برعهدۀ مدیریت دانش است که آنها را شناسایی و در جای مناسب به کار بندد. یکی از موانع مدیریت دانش، حاکمیت نوعی فرهنگ سازمانی است که برای حفظ پایگاه قدرت، سعی دارد که فرد خبره دانش خود را منتشر نکند.
برای مجموعۀ دانش سه وجه قائل شدهاند: الف) راهبرد؛ ب)مدیریت؛ و ج)فنآوری. راهبرد دانش ضرورتاً کلنگر است و کارآیی یک سازمان را تضمین میکند. اگر کارها به درستی انجام گیرد، هر واحد کاری میتواند به اهدافش دست یابد؛ و بدین ترتیب، زمینه را برای ظهور خلاقیتها آماده میکند. ادارۀ دانش به معنای مجموع قواعدی است که رویکردی جامع نسبت به شناسایی، مدیریت، و مشارکت مجموعۀ دانش یک سازمان دارد. به عبارت دیگر، مدیریت دانش شامل شناسایی و تجزیه و تحلیل دانش موجود و دانش موردنیاز، و برنامهریزی و کنترل اعمال بعدی جهت گسترش مجموعههای دانش برای تکمیل اهداف سازمان است. هدف مدیریت دانش مورد استفاده قرار دادن منابع و ظرفیتهای دانش سازمان برای قادر ساختن آن جهت فراگیری و سازگاری با تغییرات محیطی است. فنآوری نیز سازماندهی، انباشت، بهنگامی، بهکارگیری، و بازیابی دانش را ممکن میسازد (نشاط، 1382).
نظامهای پشتیبانی تصمیمگیری و نظامهای هوشمند و خبره در سازمانها یاور مدیران هستند. مفهوم بنیانی یک نظام خبره در اینجا به این صورت تشریح میگردد که کاربر، حقایق، وقایع، و سایر اطلاعات را به نظام خبره میدهد و در پاسخ، تجربه، تخصص، توصیههای عالمانه، و در یک کلام خبرگی دریافت میکند. دلیل استفاده از نظام خبره در مدیریت دانش، به ویژه در سازمانها، بسط دانش در آینده است. هر چه دانش بیشتری به یک نظام خبره اضافه شود بیشتر شبیه یک فرد خبره عمل میکند.
دانش یک فرد خبره دربارۀ حل مسئلهای خاص، حوزۀ دانش وی تلقی میشود. یک نظام خبره مرجع برای شناسایی نیاز اطلاعاتی مراجع و راهنمایی او باید دانش زیادی دربارۀ انواع پرسشها و پاسخهای احتمالی داشته باشد. وقتی حوزۀ دانش برای یک نظام خبره مشخص شد، به همان روشی که افراد خبره راهحل مسئله را مییابند به استدلال یا استنتاج میپردازد. یعنی با داشتن مجموعهای از واقعیات، و براساس آن دست به نتیجهگیری میزند. به طور مثال، چنین نظامی را میتوان در طراحی و مدیریت اصطلاحنامهها متصور شد. چنین نظام خودکاری قادر است با توجه به نیازهای مطرح شده از سوی کاربران، واژگان و اصطلاحات جدیدی را در اصطلاحنامهها ایجاد، حذف، یا تغییر دهد و آن را روزآمد سازد. همچنین قادر است روابط معناشناختی لازم را میان اصطلاحات برقرار نماید (گانزر12، 1989).
سازماندهی دانش و نظامهای خبره
با رشد روزافزون شبکۀ جهانی وب این موضوع روشن شد که از طریق نظامهای نمایهسازی دستی نمیتوان با حجم فزایندهای از اطلاعات در این محیط روبهرو شد. به همین سبب، برنامههای خودکاری برای شناسایی، گردآوری، و نمایهسازی صفحات وب تحت عنوان روباتها توسعه یافتند. روباتها برای شناسایی و نمایهسازی صفحات وب از ساختار فراپیوندی وب استفاده میکنند. بنابراین، صفحاتی که پیوند فرامتنی به دیگر سایتها ندارند ممکن است هرگز توسط روباتها شناسایی نشوند (کوشا، 1381، ص 31).
ردهبندی هوشمندانه و خودکار اسناد تمام متن اینترنتی که در طرح «دزیره اتحادیه اروپا» آمده است با هدف کشف روشهای مختلف طبقهبندی خودکار توسط یک نمایۀ موضوعی روباتساز و افزایش بازیابی منابع اینترنتی انجام گرفت. از نظامهای خبره و سایر فنآوریهای ردهبندی در این طرح استفاده شده است.
ردهبندی خودکار شبکۀ جهانی وب نیز با استفاده از ردهبندی دهدهی جهانی معروف به «گرهارد» نظام نمایهسازی و ردهبندی کاملاً خودکار شبکۀ وب آلمان برای جستوجو و مرور جامع بوده است. روباتی که براساس پایگاه اطلاعاتی کار میکند، مدارک مرتبط را به صورت علمی گردآوری و با استفاده از فنون زبانشناسی و آماری رایانهای و با استفاده از ردهبندی دهدهی جهانی به طور خودکار و کاملاً هوشمندانه موضوعبندی میکند.
بورکو (1986) مینویسد: «ردهبندی یکی از فعالیتهای اصلی حوزۀ ماست و این امکان وجود دارد که یک نظام خبره به گونهای طراحی شود که بتواند منابع کتابخانه را ردهبندی و فهرستنویسی کند. وی در سال 1987 در دانشگاه کالیفرنیا به ایجاد یک نظام خبره به نام Mapper برای فهرستنویسی نقشهها پرداخت.
طرح "Indexing AID project" که با استفاده از هوش مصنوعی برای کمک به ایجاد کیفیت بهتر و یکدستی در نمایهسازی مقالات مجلههای پزشکی در کتابخانۀ ملی پزشکی انجام گرفت نمونۀ دیگری از کاربرد هوش مصنوعی در سازماندهی دانش است (هامفری13، 1987).
نظام کاوش «دی. آر. لینک2» که حاصل تلاش دولت ایالات متحده است تلاش چشمگیری در جهت گسترش دامنۀ بازیابی اطلاعات محسوب میشود. در این نظام، پرسشها به زبان طبیعی توسط کاربران مورد کاوش قرار میگیرد. نمایش نتایج براساس ترتیب اهمیت و مرتبط بودن اطلاعات به گونهای هوشمندانه ارائه میگردد.
نظام Answerman و Aquaref که در کتابخانۀ ملی علوم کشاورزی ساخته شدهاند، نظامهای مرجع پیشرفتهای هستند که به کاربر در شناسایی کتابهای مرجع مناسب و پاسخدهی به پرسشهای کشاورزی و علوم آبزیان کمک میکنند. این نظامهای از پایگاه دانش غنی و شبکۀ معنایی پیشرفتهای برخوردارند (واترز15، 1986؛ بایلی16، 1992).
نتیجهگیری:
نظام خبره یکی از فنآوریهای اطلاعاتی است که در حوزۀ اطلاعرسانی و مدیریت دانش کاربردهای زیادی پیدا کرده است. تفاوت نظامهای خبره با سایر نرمافزارها در این است که دانش را پردازش میکنند نه اطلاعات و داده. هدف مدیریت دانش تبدیل دانش نهان خبرگان و متخصصان یک سازمان به دانش عملی است. نظامهای خبره نیز دانش و خبرگی فرد متخصص را به رایانه انتقال میدهند. بنابراین میتوان گفت مدیریت دانش و نظامهای خبره از نظر استخراج دادهها و تبدیل نهان به دانش عملی وجه اشتراک دارند.
عناصر انسانی نظامهای خبره عبارتند از: مهندس دانش، برنامهنویس، و کاربر. مهندس دانش فردی است که دانش و تجربیات فرد خبره را کسب کرده و در پایگاه دانش ذخیرهسازی میکند. این فرد میتواند خود فرد خبره باشد. بنابراین، هر متخصص و خبرهای میتواند در حوزۀ کار خود با فراگیری دانش مربوط، مهندس دانش باشد و عمل بازنمایی دانش را خود انجام دهد.
مدیریت دانش مسیر جدیدی در حیات حرفهای متخصصان اطلاعرسانی گشوده است. نگرش راهبردی به مدیریت دانش، توسعۀ دانش خبرگی در سازمان است. دلیل استفاده از نظام خبره در مدیریت دانش، بسط دانش در آینده است. هر چه دانش بیشتری به یک نظام خبره اضافه شود بیشتر شبیه یک فرد خبره عمل میکند.
شناسایی، نمایهسازی خودکار صفحات وب، ردهبندی هوشمندانه و خودکار اسناد تمام متن اینترنتی، و بازیابی اطلاعات در نظامهایی که پرسشهای کاربران را به زبان طبیعی درک کرده و هوشمندانه اطلاعات مرتبط و بااهمیت را براساس اولویت نمایش میدهند نمونههایی از کاربردهای نظامهای خبره و هوشمند در مدیریت و سازماندهی دانشاند.