מערכות מומחים: היסטוריה, מאפיינים, יתרונות, חסרונות - טֶכנוֹלוֹגִיָה - 2025

מערכות המומחה מוגדרות כמערכות כי לחקות את יכולת קבלת החלטות של מומחה אנושי בתחום מסוים. הם משתמשים הן באסטרטגיות והן בעובדות היוריסטיות כדי לפתור בעיות קבלת החלטות מורכבות בצורה אמינה ואינטראקטיבית.

הם נועדו לפתור בעיות מורכבות ביותר, תוך נימוקים באמצעות בסיסי ידע. במקום להיות מיוצגים על ידי קוד פרוצדורלי, הם מיוצגים בעיקרון על ידי כללי אם-אז.

מקור: pixabay.com

הם מסוגלים לבטא את עצמם ולהיגיון באיזה תחום של ידע, המאפשר להם לפתור בעיות רבות שבדרך כלל ידרשו מומחה אנושי. מערכות מומחים היו קודמות מערכות הבינה המלאכותית של ימינו, למידה עמוקה ולמידה מכונה.

מערכת מומחים אינה יכולה להחליף את הביצועים הכוללים של העובד בפתרון בעיות. עם זאת, הם יכולים להפחית באופן דרסטי את כמות העבודה שעל האדם לעשות כדי לפתור בעיה, ולהשאיר לאנשים את ההיבטים היצירתיים והחדשניים של פתרון בעיות.

הם מילאו תפקיד חשוב בתעשיות רבות, כגון שירותים פיננסיים, טלקומוניקציה, שירותי בריאות, שירות לקוחות, משחקי וידאו וייצור.

קיבולת מערכת

מערכת מומחים משלבת שתי מערכות משנה: בסיס ידע, המכיל עובדות וניסיון שנצברו, ומנוע הסקה, המהווה מערכת כללים החלים על בסיס הידע או עובדות ידועות בכל סיטואציה מסוימת, על מנת להסיק מהן חדשות. מעשים.

ניתן לשפר את יכולות המערכת בעזרת תוספות לבסיס הידע או מערך הכללים.

לדוגמא, למערכות המומחים של ימינו יכולות להיות גם יכולות ללמוד אוטומטית, מה שמאפשר להן לשפר את הביצועים שלהן על סמך ניסיון, בדיוק כמו שבני אדם עושים.

בנוסף, מערכות מודרניות יכולות לשלב בקלות רבה יותר ידע חדש ובכך להתעדכן בקלות. מערכות כאלה יכולות להכליל טוב יותר מהידע הקיים ולטפל בכמויות גדולות של נתונים מורכבים.

הִיסטוֹרִיָה

- התפתחויות ראשוניות

בסוף שנות החמישים החל ניסויים עם אפשרות להשתמש בטכנולוגיית מחשבים כדי לחקות את קבלת ההחלטות האנושיות. לדוגמא, מערכות סיוע למחשבים החלו ליצור ליישומי אבחון ברפואה.

מערכות אבחון ראשוניות אלה נכנסו למערכת לתסמיני המטופל ותוצאות בדיקות מעבדה כדי ליצור אבחנה כתוצאה מכך. אלה היו הצורות הראשונות של מערכות מומחים.

- התפתחויות עיקריות

בתחילת שנות השישים פותחו תוכניות שפתרו בעיות מוגדרות היטב. לדוגמה, משחקים או תרגומי מכונות.

תוכניות אלה דרשו טכניקות חשיבה נבונות כדי לטפל בבעיות הלוגיות והמתמטיות שהוצגו, אך הן לא דרשו ידע נוסף רב.

החוקרים החלו להבין שכדי לפתור בעיות מעניינות רבות, תוכניות לא רק שהיו צריכות להיות מסוגלות לפרש את הבעיות, הן גם היו זקוקות לידע בסיסי בכדי להבין אותן במלואן.

זה הוביל בהדרגה לפיתוח מערכות מומחים, שהתמקדו יותר בידע.

הרעיון של מערכות מומחים פותח רשמית בשנת 1965 על ידי אדוארד פייגנבאום, פרופסור מאוניברסיטת סטנפורד, ארה"ב.

פייגנבאום הסביר כי העולם עובר מעיבוד נתונים לעיבוד ידע, בזכות טכנולוגיות מעבד חדשות ואדריכלות מחשבים.

דנדרל

בסוף שנות השישים פותחה אחת ממערכות המומחים הראשונות, שנקראה Dendral, העוסקת בניתוח של תרכובות כימיות.

הידע של דנדרל כלל מאות כללים שתיארו את האינטראקציות של תרכובות כימיות. כללים אלה היו תוצאה של שנים של שיתוף פעולה בין כימאים ומדעני מחשבים.

- בגרות

מערכות מומחים החלו להתפשט במהלך שנות השמונים. רבות מחברות Fortune 500 יישמו טכנולוגיה זו בפעילות העסקית היומיומית שלהן.

בשנות התשעים שילבו ספקי יישומים עסקיים רבים, כגון אורקל ו- SAP, את היכולות של מערכות מומחים בסוויטת המוצרים שלהם, כדרך להסביר את ההיגיון העסקי.

מאפיינים

- רמת ניסיון

מערכת מומחים חייבת להציע מומחיות ברמה הגבוהה ביותר. מספק יעילות, דיוק ופתרון בעיות דמיון.

- תגובה בזמן

המשתמש מתקשר עם מערכת המומחים למשך זמן סביר למדי. זמן אינטראקציה זו חייב להיות פחות מהזמן שלוקח למומחה כדי להשיג את הפיתרון המדויק ביותר לאותה בעיה.

- מהימנות

על מערכת המומחים להיות אמינה טובה. לשם כך אסור לטעות.

- מנגנון אפקטיבי

מערכת המומחים חייבת להיות בעלת מנגנון יעיל לניהול מכלול הידע הקיים בה.

- לטפל בבעיות

מערכת מומחה חייבת להיות מסוגלת להתמודד עם בעיות מאתגרות ולקבל את ההחלטות הנכונות למתן פתרונות.

- רכיבים

בסיס ידע

זוהי אוסף נתונים מסודר התואם להיקף הניסיון של המערכת.

באמצעות ראיונות ותצפיות עם מומחים אנושיים, יש לקחת את העובדות המרכיבות את בסיס הידע.

מנוע היקש

לפרש ולהעריך את העובדות בבסיס הידע באמצעות כללים, על מנת לספק המלצה או מסקנה.

ידיעה זו מיוצגת בצורה של כללי הייצור אם-אז: "אם תנאי הוא אמת, ניתן לבצע את הניכוי הבא."

מסקנות

לעתים קרובות גורם ההסתברות נקשר למסקנה של כל כלל ייצור ולהמלצה הסופית, מכיוון שהמסקנה שהושגה אינה וודאות מוחלטת.

לדוגמא, מערכת מומחית לאבחון מחלות עיניים יכולה להצביע, על סמך המידע שנמסר, כי לאדם יש גלאוקומה עם הסתברות של 90%.

כמו כן, ניתן להציג את רצף הכללים דרכם הושגה המסקנה. מעקב אחר שרשרת זו מסייע להעריך את אמינות ההמלצה והוא שימושי ככלי למידה.

סוגים

מבוסס-חוק

במערכת זו הידע מיוצג כמערכת כללים. הכלל הוא דרך ישירה וגמישה לביטוי ידע.

הכלל מורכב משני חלקים: החלק "אם", המכונה התנאי, והחלק "אז", הנקרא הניכוי. התחביר הבסיסי של כלל הוא: אם (תנאי) ואז (ניכוי).

מבוסס על היגיון מטושטש

כשרוצים להביע ידע באמצעות מילים מעורפלות כמו "מעט מאוד", "קשה בינוני", "לא כל כך ישן", ניתן להשתמש בהיגיון מעורפל.

היגיון זה משמש לתיאור הגדרה לא מדויקת. זה מבוסס על הרעיון שכל הדברים מתוארים בסולם הזזה.

ההיגיון הקלאסי פועל בשני ערכי וודאות: נכון (1) ושקר (0). בלוגיקה מעורפלת, כל ערכי הוודאות באים לידי ביטוי כמספרים אמיתיים בטווח 0 עד 1.

היגיון מטושטש מייצג ידע המבוסס על מידת אמיתות, ולא על אמיתות מוחלטת של היגיון קלאסי.

נוירונים

היתרונות של מערכת המומחים מבוססת הכללים משלבים גם את היתרונות של הרשת העצבית, כמו למידה, הכללה, איתנות ועיבוד מידע מקביל.

למערכת זו בסיס ידע עצבי, ולא בסיס הידע המסורתי. הידע מאוחסן כמשקלים בנוירונים.

שילוב זה מאפשר למערכת המומחים העצבית להצדיק את מסקנותיה.

נוירונים-מפוזרים

היגיון מעורפל ורשתות עצביות הם כלים משלימים לבניית מערכות מומחים.

מערכות מטושטשות חסרות יכולת ללמוד ואינן יכולות להסתגל לסביבה חדשה. מצד שני, למרות שרשתות עצביות יכולות ללמוד, התהליך שלהן מסובך מאוד עבור המשתמש.

מערכות עצביות-מטושטשות יכולות לשלב את יכולות המחשוב והלמידה של הרשת העצבית עם ייצוג הידע האנושי וכישורי ההסבר של מערכות מטושטשות.

כתוצאה מכך, רשתות עצביות הופכות שקופות יותר, ואילו המערכת המטושטשת הופכת למסוגלת ללמוד.

יתרון

זמינות

מערכות מומחים זמינות בקלות, בכל מקום ובכל זמן, עקב ייצור המוני של התוכנה.

מופחת סיכון

חברה יכולה להפעיל מערכת מומחה בסביבות המסוכנות לבני אדם. ניתן להשתמש בהם בכל סביבה מסוכנת בה בני אדם אינם יכולים לעבוד.

ידע עסקי

הם יכולים להפוך כלי רכב לפיתוח ידע ארגוני, בניגוד לידע של אנשים בחברה.

תשובה על ההסבר

הם מסוגלים לתת הסבר הולם על קבלת ההחלטות שלהם, ולהביע בפירוט את ההנמקה שהובילה לתשובה.

כאשר משתמשים בהם ככלי אימונים הם גורמים לעיקול למידה מהיר יותר למתחילים.

תשובה מהירה

עוזר לקבל תשובות מהירות ומדויקות. מערכת מומחה יכולה להשלים את חלקה במשימות הרבה יותר מהר מאשר מומחה אנושי.

שיעור שגיאות נמוך

שיעור השגיאות של מערכות מומחים מצליחות הוא נמוך למדי, לעיתים נמוך בהרבה משיעור השגיאות האנושיות באותה משימה.

תגובה חסרת רגש

מערכות מומחיות עובדות מבלי להתרגש. הם לא מתוחים, עייפים או נבהלים, והם עובדים בהתמדה במצבי חירום.

קביעות ידע

מערכת המומחים שומרת על רמת מידע משמעותית. ידע זה מכיל יימשך ללא הגבלת זמן.

אב טיפוס מהיר

באמצעות מערכת מומחים, ניתן להזין כמה כללים ולפתח אב-טיפוס בימים, ולא בחודשים או בשנים המקושרות לרוב לפרויקטי IT מורכבים.

חוויות מרובות

ניתן לתכנן את מערכת המומחים כך שתכיל את הידע של מומחים מוסמכים רבים וכך תהיה לה יכולת לפתור בעיות מורכבות.

זה מקטין את הוצאות הייעוץ של יועצים לפתרונות בעיות מומחים. הם כלי להשגת מקורות ידע שקשה להשיג.

חסרונות

רכישת ידע

תמיד קשה להשיג את זמן המומחים בתחומים מסוימים עבור כל יישום תוכנה, אך עבור מערכות מומחים זה קשה במיוחד, מכיוון שמומחים מוערכים מאוד ומבקשים כל העת על ידי ארגונים.

כתוצאה מכך, כמות רבה של מחקר בשנים האחרונות מתמקדת בכלים לרכישת ידע, המסייעים לאוטומציה של תהליך העיצוב, ניפוי באגים ושמירה על הכללים שהוגדרו על ידי מומחים.

שילוב מערכת

שילוב המערכות במאגרי המידע היה קשה עבור מערכות המומחים הראשונות, מכיוון שהכלים היו בעיקר בשפות ופלטפורמות שלא היו מוכרות בסביבות ארגוניות.

כתוצאה מכך נעשה מאמץ רב לשילוב כלי מערכות מומחים בסביבות מדור קודם, מה שהופך את המעבר לפלטפורמות סטנדרטיות יותר.

בעיות אלה נפתרו בעיקר על ידי שינוי הפרדיגמה, שכן מחשבים אישיים התקבלו בהדרגה בסביבת המחשוב כפלטפורמה לגיטימית לפיתוח מערכות עסקיות רציניות.

מורכבות עיבוד

הגדלת גודל בסיס הידע מגדילה את מורכבות העיבוד.

לדוגמה, אם למערכת מומחה יש 100 מיליון כללים, ברור שהיא תהיה מורכבת מדי והיא תתמודד עם בעיות חישוביות רבות.

מנוע הסקה יצטרך להיות מסוגל לעבד מספר רב של כללים כדי לקבל החלטה.

כאשר ישנם יותר מדי כללים, קשה גם לוודא כי כללי ההחלטה הללו תואמים זה את זה.

קשה גם לתעדף את השימוש בכללים כדי לפעול בצורה יעילה יותר, או כיצד לפתור את העמימות.

עדכון ידע

בעיה אחת הקשורה לבסיס הידע היא כיצד לבצע עדכונים במהירות וביעילות. כמו כן, כיצד להוסיף ידע חדש, כלומר היכן להוסיף אותו בין כל כך הרבה כללים.

יישומים

אבחון ופתרון בעיות

היא מסכמת את כל המערכות להסיק מהתקלות ומציעה פעולות מתקנות לתהליך או התקן שאינו תקין.

אחד מתחומי הידע הראשונים שבהם נעשה שימוש בטכנולוגיית מערכות מומחים היה אבחון רפואי. עם זאת, אבחנת מערכות הנדסיות הצליחה במהירות את ביצועי האבחון הרפואי.

ניתן לבטא את האבחנה כ: בהינתן הראיות שהוצגו, מהי הבעיה, הסיבה או הסיבה הבסיסית?

תכנון ותזמון

מערכות מומחים אלה מנתחות מערכת יעדים לקביעת מערך פעולות המשיגות יעדים אלה, ומספקות סדר מפורט של אותן פעולות לאורך זמן, תוך התחשבות במגבלות, בכוח האדם ובמגבלות אחרות.

דוגמאות לכך כוללות איוש חברות תעופה ותזמון טיסות ותכנון תהליכי ייצור.

החלטות כספיות

נוצרו מערכות ייעוץ פיננסי המסייעות לבנקאים לקבוע האם להלוואות ליחידים ולחברות.

חברות ביטוח משתמשות במערכות מומחים אלה כדי להעריך את הסיכון שהלקוח מציג ובכך לקבוע את מחיר הביטוח.

ניטור ובקרת תהליכים

הם מנתחים נתונים ממכשירים פיזיים בזמן אמת, על מנת להבחין בחריגות, לחזות מגמות ולבקש אופטימיזציה ותיקון תקלות.

דוגמאות למערכות אלה הן בענף זיקוק נפט וייצור פלדה.

ייעוץ ידע

התפקיד העיקרי של יישום זה הוא לספק תובנה משמעותית בבעיית המשתמש, בסביבת אותה בעיה.

שתי מערכות המומחים המופצות באופן נרחב ביותר בעולם שייכות לקטגוריה זו.

הראשונה במערכות אלה היא יועץ המייעץ למשתמש על שימוש נכון בדקדוק בטקסט.

השני הוא יועץ מס המחובר למערכת להכנת מיסים. מייעץ למשתמש לגבי האסטרטגיה ומדיניות המס הספציפית.

הפניות

1. Guru99 (2019). מערכת מומחים לבינה מלאכותית: מה יש, יישומים, דוגמה. נלקח מ: guru99.com.
2. ויקיפדיה, האינציקלופדיה החופשית (2019). מערכת מומחים. נלקח מ: en.wikipedia.org.
3. מרגרט רוז (2019). מערכת מומחים. טכטרג'ט. נלקח מ: searchenterpriseai.techtarget.com.
4. ולדימיר זוואס (2019). מערכת מומחים. אנציקלופדיה נלקחה מ: britannica.com.
5. Wtec (2019). היישומים של מערכות מומחים. נלקח מ: wtec.org.
6. נגיפי נגיפי (2014). סוגי מערכות מומחים: מחקר השוואתי. מלומד סמנטי נלקח מ: pdfs.semanticscholar.org.
7. עולם המחשוב (2010). מערכות מומחים. נלקח מ: intelligence.worldofcomputing.net.