سیستم خبره چیست؟ کامل و به زبان ساده مجله پی‌استور

این محدوده، سطح خبرگی یک سیستم خبره را مشخص می‌کند و نشان می‌دهد ‌که آن سیستم خبره برای چه کارهایی طراحی شده است. سیستم خبره با این task ها یا وظایف می‌تواند کارهایی چون برنامه‌ریزی، زمانبندی، و طراحی را در یک حیطه تعریف شده انجام دهد. به روند ساخت یک سیستم خبره، knowledge engineering یا مهندسی دانش گفته می‌شود. یک مهندس دانش باید اطمینان حاصل کند که سیستم خبره طراحی شده، تمام دانش مورد نیاز برای حل یک مسئله را دارد. طبیعتاً در غیراین‌صورت، تصمیم‌های سیستم خبره قابل اطمینان نخواهند بود.

یک سیستم خبره دارای ویژگی های بسیاری است که هدف همه آن ها آسان کردن استفاده از سیستم خبره است. قصد داریم در ادامه مهم ترین ویژگی هایی را که برای رسیدن به این هدف وجود دارند، معرفی کنیم. جدول زیر تفاوت های برنامه نویسی معمول و نرم افزار مبتنی بر دانش را خلاصه میکند. مقاله سیستم خبره ISI همراه با ترجمه و دیتاست درست نویسی فارسیمقاله سیستم خبره ISI همراه با ترجمه و دیتاست درست نویسی فارسی ،  یکی از مقالات برتر در حوزه سیستم خبره میباشد که فایل اصلی آن ۲... پروژه سیستم خبره کلیپس تشخیص بیماری تالاسمیتالاسمی که یکی از شایع ترین بیماری ها در ایران است معمولا از پدر و مادری که ناقل ژن کم خونی است به فرزندان به ارث می رسد. دانلود پروژه پرولوگ سیستم خبره تشخیص بیمارییکی از قوی ترین در عین حال ساده و روان ترین پروژه های سیستم خبره ، پرولوگ است که توسط دانشجویان دانشگاه علامه طبرسی نوشته شده است و برای اولین با...

این سیستم‌ها برنامه‌هایی هستند که پایگاه دانش آن‌ها انباشته از اطلاعاتی است که انسان‌ها هنگام تصمیم‌گیری درباره یک موضوع خاص، براساس آن‌ها تصمیم می‌گیرند. روی این موضوع باید تأکید کرد که هیچ‌یک از سیستم‌های خبره‌ای که تا‌کنون طراحی و برنامه‌نویسی شده‌اند، همه‌منظوره نبوده‌اند و تنها در یک زمینه محدود قادر به شبیه‌سازی فرآیند تصمیم‌گیری انسان هستند. هدف سیستم خبره حل پیچیده‌ترین مسائل در یک حوزه خاص و بر اساس دانش به دست آمده از یک متخصص می‌باشد. هوش مصنوعی و سیستم‌های خبره قادر به بیان و استدلال در بیشتر حوزه‌های علمی هستند. هدف از طراحی و پیاده سازی این سیستم صرفه جویی در هزینه‌ها و تصمیم گیری بهتر و دقیق‌تر می‌باشد. سامانه‌ خبره بیشتر برای اخذ تصمیمات پیچیده استفاده می‌شود، چرا که در بیشتر موارد جنبه‌های فنی مختلفی را ارزیابی می‌کنند که پردازش و تحلیل این اطلاعات به زمان زیادی نیاز دارد.

ساخت پروژه به شما کمک می‌کند تا مشکلات واقعی را حل کنید و دانش خود را به کار بگیرید. Swift زبان برنامه‌نویسی اصلی اپل برای توسعه اپلیکیشن‌های iOS و macOS است. این زبان به دلیل سادگی و سرعت بالا، به سرعت مورد توجه توسعه‌دهندگان قرار گرفته است. Swift به شما امکان می‌دهد اپلیکیشن‌های کاربرپسند و پرسرعتی برای دستگاه‌های اپل ایجاد کنید. این زبان با ابزارهایی مانند Xcode ترکیب می‌شود تا فرآیند توسعه آسان‌تر و کارآمدتر شود.

سیستم های خبره یا Expert System  سیستم هایی می باشند که با در اختیار داشتن پایگاه دانش و با دریافت وقایع محیط اطراف به نتیجه گیری منطقی می پردازد . این سیستم ها عموما باید این توانایی را داشته باشند تا به تدریج قواعد استنباط موجود در پایگاه را تکمیل کنند و نتیجه گیری ها جدید را به آن اضافه کنند . یکی از قدیمی ترین سیستم های خبره سیستم Mycin  می باشد که با توجه به اطلاعات بالینی بیمار ، بیماری های عفونی را با دقت قابل قبولی تشخیص می دهد . زبان های Lisp ، Prolog از زبان هایی هستند که در توسعه ی سیستم های خبره از آنها استفاده می شود . موتور استنتاج همچنین به عنوان مفسر قوانین یا ساختار کنترل نیز شناخته می شود. موتور استنتاج یک برنامه کامپیوتری است که روشی برای استدلال اطلاعات موجود در پایگاه دانش ارائه می دهد.

این عموماً پردازش زبان طبیعی است تا توسط کاربری که در حوزه وظیفه ماهر است استفاده شود. یکی از مهمترین قابلیت‌های سیستم‌های خبره ارائه توضیحاتی برای اقدامات پیشنهادی است. امکانات توضیح در سیستم خبره برای نشان دادن مراحل نتیجه گیری به کاربر در یک مسئله خاص به کار گرفته می‌شود. چنانچه داده‌های درون پایگاه دانش عباراتی را شامل شوند که مفاهیم آن‌ها دارای ابهام باشند، از سیستم‌های خبره فازی برای استنتاج استفاده می‌شود که بر اساس نظریه فازی پیاده‌سازی شده‌اند. عبارت‌هایی نظیر «بسیار بلند» یا «بسیار سبک» دارای مفاهیمی هستند که مقدار دقیق کمیت آن‌ها مشخص نیست.

پایگاه دانش مخزنی از حقایق است و تمام اطلاعات مربوطه را در خود ذخیره می‌کند. این مولفه مانند ظرف بزرگی از دانش است که از متخصصان مختلف یک رشته خاص تشکیل شده است. بنابراین می‌توان گفت که موفقیت نرم‌افزار سیستم خبره عمدتا به دانش بسیار دقیقی بستگی دارد. سیستم خبره عصبی، سیستم خبره ای است که پایگاه دانش آن ها دارای شبکه های عصبی است. اصلی ترین ویژگی سیستم خبره عصبی این است که از الگوریتم یادگیری که دارد، استفاده می کند تا پایگاه دانشی را از نمونه های آموزشی به صورت خودکار ایجاد کند.

برای توسعه اپلیکیشن‌های موبایل، می‌توانید به سراغ زبان‌هایی مانند جاوا یا Swift بروید. DENDRAL یک سیستم خبره در حوزه شیمی است که برای تجزیه و تحلیل های شیمیایی و پیش بینی ساختار مولکولی استفاده می شود. سیستم خبره امکان دسترسی به دانش را فراهم می کند و به کارشناسان کمک می کند تا در کار های روزانه خود جلو بیفتند. افراد می توانند از یک سیستم خبره سوال بپرسند و از آن راهنمایی دریافت کنند. استفاده از سیستم خبره صرفه اقتصادی برای کسب وکار ها دارد، چرا که اعمال نظارت و کنترل را با استفاده از ابزار های ارزان و کم هزینه انجام می دهد.

مهندسان دانش نیز افرادی هستند که باید اطمینان حاصل کنند که سیستم های خبره تمام دانشی را که برای حل مسائل نیاز است، در اختیار دارند. این افراد می توانند با غنی کردن و گسترش دادن پایگاه دانش و همچنین ایجاد مجموعه ای از قوانین جدید، کارایی این سیستم را افزایش دهند. سیستم‌های خبره معمولاً در زمینه‌هایی استفاده می‌شوند که نیاز به دانش و تصمیم‌گیری تخصصی دارند، مانند حوزه‌های پزشکی، مالی، یا مهندسی. این سیستم‌ها می توانند به تشخیص مشکلات، پیشنهاد راه حل ها و پیش بینی بر اساس داده ها و الگوهای آموخته شده از تجربیات گذشته کمک کنند. این کامپوننت پرس و جوی کاربر را به صورت خوانا می‌گیرد و به موتور استنتاج ارسال می‌کند.

مثال دیگری که میتوان زد یک سیستم متخصص ROSS که اخیراً توسعه یافته است ، وکیل AI. ROSS توسط سیستم های خودآموزی پشتیبانی می شود که از داده کاوی ، تشخیص الگو ، یادگیری عمیق و پردازش زبان طبیعی برای تقلید از عملکرد مغز انسان استفاده می کند. به عنوان مثال اولین سیستم متخصصی که توسط انجمن پزشکی آمریکا تأیید شد ، سیستم Pathfinder بود. این سیستم متخصص نظری تصمیم گیری که در دهه 1980 در دانشگاه استنفورد ساخته شد ، برای تشخیص آسیب شناسی خون ساخته شد. Pathfinder یک سیستم متخصص است که به دنبال و تشخیص بیماری های غدد لنفاوی است. در پایان ، Pathfinder با بیش از 60 بیماری سروکار دارد و می تواند بیش از 100 علائم را تشخیص دهد.

درست است که رویکرد هر متخصص ممکن است متفاوت باشد، اما پاسخ همه آن ها درست است. کارشناسان و متخصصان نتوانسته اند تا کنون راه مستقلی برای بررسی منطقی بودن یا نبودن نتایج ارائه شده، پیدا کنند. سیستم خبره این توانایی را دارد که در صنایع تولیدی و صنایع خدماتی؛ انعطاف پذیری ایجاد کند. سیستم خبره به صورت مداوم توصیه های خودش را ارائه می دهد و کمک می کند تا میزان بروز خطا  در تولید محصولات مختلف به شدت کاهش پیدا کند. یک سیستم خبره سریع تر از انسان ها کار می کنند و در نهایت موجب افزایش تولید و بهره وری می شوند. سیستم خبره عصبی- فازی یک سیتم فازی است که از الگوریتم یادگیری الهام گرفته شده از شبکه های عصبی برای تعیین پارامتر ها و پردازش نمونه های داده استفاده می کند.

سیستم خبره شرایطی که برای آن باید تصمیم گیری شود را درک می کند، نگرانی هایی که بابت آن تصمیم وجود دارد را درک می کند. علاوه بر این؛ برقراری ارتباط بین تیم تصمیم گیرندگان را تسهیل می کند و امکانی فراهم می کند که به محض بروز تغییرات غیر منتظره، خیلی سریع به آن ها پاسخ داده شود. سیستم خبره به تجهیزات پیچیده کمک می کند تا کارکرد آسان تری داشته باشند. با شناخت این اجزا؛ درک نحوه کار سیستم خبره برای شما آسان تر می شود. برای آن که سریع تر متوجه شوید که در دل یک سیستم خبره چه می گذرد، از شکل زیر کمک گرفته ایم. چیزی که این شکل به ما می گوید، این است که یک سیستم خبره در MIS دارای دو محیط است.بیایید کمی در شکل عمیق تر شویم و راز های آن را کشف کنیم.

فیگن بام در دانشگاه استنفورد به دنبال کشف روش حل مسئله‌ای بود که همه منظوره نباشد. پژوهشگران دریافتند که یک متخصص دارای شماری رموز و فوت و فن خاص برای کار خود است و در واقع از مجموعه‌ای از شگردهای سودمند و قواعد سرانگشتی در کار خود بهره می‌برد. این یافته‌ها زمینه را برای خلق مفهومی که امروزه به‌نام سامانه خبره می‌شناسیم هموارد کرد. سامانه‌های خبره سعی می‌کنند از قواعد سر‌انگشتی که متخصصان از آن‌ها استفاده می‌کنند الهام گرفته و استدلال‌هایی را ارائه کنند که بی عیب و نقص باشند. از سامانه‌های خبره یا به عنوان جایگزین فرد متخصص یا به عنوان کمک به وی استفاده می‌شود.

شرکت کننده در توسعه سیستم‌های خبره، Domain Expert شخص یا گروهــی است که از تخصص و دانش او برای توسعه یک سیستم خبره استفاده می‌شود. مهندس دانش فردی فنــی است که دانش را در سیستم‌های کامپیوتری ادغام می‌کند. کاربر نهایــی شخص یا گروهی از افراد است که از Expert sy استفاده می‌کنند. در یک تعریف کلی می‌توان گفت سیستم‌های خبره، برنامه‌های کامپیوتری‌ای هستند که نحوه تفکر یک متخصص در یک زمینه خاص را شبیه‌سازی می‌کنند. در واقع این نرم‌افزارها، الگوهای منطقی‌ای را که یک متخصص بر اساس آن‌ها تصمیم‌گیری می‌کند، شناسایی می‌نمایند و سپس بر اساس آن الگوها، مانند انسان‌ها تصمیم‌گیری می‌کنند. در مورد سیستم‌های خبره مبتنی بر دانش، موتور استنتاج اطلاعات را از پایگاه دانش به دست می‌آورد و ان را به یک راه حل خاص می‌رساند.

بیشتر دستاوردهای هوش مصنوعی در زمینه تصمیم‌ گیری و حل مسئله بوده است که اصلی‌ترین آن‌ها شامل سیستم‌های خبره می‌شوند. به آن دسته از برنامه‌های هوش مصنوعی که به سطحی از دانش می‌رسند تا در یک زمینه خاص به جای متخصص تصمیم‌ گیری کنند، expert systems یا سیستم‌های خبره گفته می‌شود. برنامه‌های این سیستم‌ که پایگاه دانش آن‌ها شامل اطلاعاتی است که انسان‌ها براساس آن تصمیم می‌گیرند. روی این موضوع باید تاکید کرد که هیچ‌ یک از سیستم‌های خبره‌ای که تا‌کنون طراحی و برنامه‌نویسی شده‌اند، چند منظوره نبوده‌اند و تنها در زمینه‌های محدود قادر به شبیه ‌سازی فرآیند تصمیم‌گیری انسان می‌باشند. بیشتر دستاوردهای هوش مصنوعی در زمینه تصمیم‌گیری و حل مسئله بوده است که اصلی‌ترین موضوع سیستم‌های خبره را شامل می‌شوند. به آن نوع از برنامه‌های هوش مصنوعی که به سطحی از خبرگی می‌رسند که می‌توانند به جای یک متخصص در یک زمینه خاص تصمیم‌گیری کنند، expert systems یا سیستم‌های خبره گفته می‌شود.

البته بدیهی است که “هوش‌”‌ را می‌توان به بسیاری از مهارت‌های مبتنی بر فهم، از جمله توانایی تصمیم‌گیری، یادگیری و فهم زبان تعمیم داد و از این‌رو واژه‌ای کلی محسوب می‌شود. سیستم خبره یک سیستم تخصصی است و به همین علت نیز برای طراحی و ساخت به مهندسین خبره نیاز دارد. تعداد افراد متخصص در این حوزه بسیار کم هستند و به همین دلیل هم دستمزد بالایی دارند که این عامل موجب شده ایجاد یک سیستم خبره هزینه بالایی داشته باشد. سیستم خبره می توانند، مشکلات پیچیده را مدیریت کنند و راه حل هایی ارائه دهند که فراتر از دانش هر فردی است. با وجود این ویژگی، افرادی که قصد تصمیم گیری دارند، کمک می کند تا شرایط پیچیده را کنترل کنند و عملیات سیستم ها را بهبود ببخشند. Expert Systems به افراد مبتدی کمک می کند تا آموزش ببینند و تجربه کسب کنند.

این پنج مورد عبارت است از سیستم خبره مبتنی بر قانون، مبتنی بر چارچوب، فازی، عصبی و عصبی-فازی که در ادامه همه این موارد را توضیح خواهیم داد. پروژه سیستم خبره پرولوگ عیب یابی خودرواین پروژه با زبان قدرتمند پرولوگ نوشته شده است کد نویسی آن بسیار روان بوده و دارای ساختار بسیار خوبی میباشد دارای فیلم آموزشی به زبان فارسی است که در ... پروژه سیستم خبره با پرولوگ و کلیپس ارزشیابی اساتیدپروژه سیستم خبره با پرولوگ و کلیپس ارزشیابی اساتید یکی از کامل ترین پروژه های سیستم خبره میباشد این پروژه سیستم خبره توسط دو نرم افزار قدر... در سیستم‌های خبره مبتنی بر قاب ، از مفهوم «قاب» (Frame) به منظور نگهداری دانش استفاده می‌شود. قاب را می‌توان به عنوان «ساختمان داده» (Data Structure) تلقی کرد که به یک شیٔ یا مفهوم اشاره دارد. هر قاب دارای نام و مجموعه‌ای از ویژگی‌ها است که هر کدام از آن‌ها، دارای مقادیر خاصی هستند.

علاوه بر این، بازار کار برنامه‌نویسان بسیار پررونق است و شرکت‌ها به دنبال افراد با توانایی کدنویسی هستند. حتی اگر هدف شما شغلی نباشد، برنامه‌نویسی می‌تواند به شما در درک بهتر فناوری و حتی مدیریت پروژه‌های شخصی کمک کند. برای شروع آموزش برنامه نویسی می‌توانید از محتواهای موجود در اینترنت کمک بگیرید. سیستم خبره یک برنامه رایانه‌ای است که از فناوری‌های هوش مصنوعی (AI) برای شبیه سازی و رفتار یک انسان یا سازمانــی که دانش و تجربه تخصصــی در زمینه خاصی دارد، استفاده می‌کند. به طور معمول، یک سیستم خبـــره شامل یک پایگاه دانش، شامل تجربه انباشته شده و یک موتور استنتاج یا قوانین است.

تا ابتدای دهه ی میلادی  کار چندانی در زمینه ی ساخت و ایجاد سامانه‌های خِبره توسط پژوهش گران هوش مصنوعی صورت نگرفته بود . از آن زمان به بعد ، کارهای زیادی در این راستا و در دو حوزه ی متفاوت ولی مرتبط سامانه‌های کوچک خبره و نیز سامانه‌های بزرگ خبره انجام شده است. در دهه ۱۹۷۰میلادی ، ادواردفیگن بام در دانشگاه استانفورد به دنبال کشف روش حل مساله ای بود که خیلی کلی و همه منظوره نباشد . پژوهشگران دریافتند که یک متخصص معمولاً دارای شماری رموز و فوت و فن خاص برای کار خود می‌باشد و در واقع از مجموعه‌ای از شگردهای سودمند و قواعد سرانگشتی در کار خود بهره می‌برد، این یافته مقدمه پیدایش سامانه خبره بود . تا ابتدای دهه‌ی میلادی کار چندانی در زمینه‌ی ساخت و ایجاد سامانه‌های خِبره توسط پژوهش گران هوش مصنوعی صورت نگرفته بود.

به عبارت دیگر، این یک رابط است که به کاربر کمک می‌کند تا با سیستم خبره ارتباط برقرار کند. یک سیستم خبره؛ یک برنامه کامپیوتری فوق پیشرفته است که برای روشن کردن ابهامات و حل پیچیده ترین مسائل استفاده می شود. سیستم خبره کار خودش را با استفاده از برنامه های غیر الگوریتمی انجام می دهد. اگر بخواهیم سیستم خبره را به نوعی دیگر تعریف کنیم، می توانیم بگوییم که سیستم خبره رایج ترین روش برای حل مسائل پیچیده ای است که در حل آن ها به تخصص انسانی نیاز است. همچنین میتوان گفت که پرولوگ یک زبان برنامه‌نویسی منطقی چند منظوره مبتنی بر مفاهیم هوش مصنوعی و زبان‌شناسی محاسباتی است. این زبان بر پایه منطق ریاضی بنا نهاده شده و آن را به عنوان زبان کاملاً منطقی می‌شناسند و حتی به آن پرلوگ خالص نیز اطلاق می‌شود و می‌توان گفت متفاوت از سایر زبان‌های برنامه‌نویسی است.

منظور این است که در این روش موتور استنتاج، مجموعه ای از قوانین را می خواند و آن ها را پردازش می کند تا به یک نتیجه منطقی برسد که اصلا چرا این اتفاق در گذشته رخ داده است. در اصل به دنبال یافتن منطقی است که پشت اتفاقات گذشته پنهان شده است. اگر بخواهیم یک مثال برای زنجیره عقب نشینی بزنیم، می توانیم به بررسی مجموعه ای از علائم برای تشخیص یک بیماری در علم پزشکی اشاره کنیم. در این روش؛ سیستم خبره مجموعه ای از مجموعه ای اطلاعات را می خواند و پردازش می کند تا بتواند یک پیش بینی منطقی درباره آینده و آنچه در آن اتفاق می افتد، داشته باشد. به طور مثال؛ یک موتور استنتاج در سیستم خبره می تواند با این روش حرکت بازار سهام در آینده را پیش بینی کند.

این بازنمایی ها برای استدلال و انتزاع داده ها استفاده می شود که به آن ها این امکان را می دهند که مسائل پیچیده را حل کنند. به جمع آوری، انتقال و تبدیل قابلیت حل مسئله از یک کارشناس یا متخصص و وارد کردن آن به سیستم را کسب دانش می گویند. یک سیستم خبره می تواند راه حل هایی که ارائه داده است را بر اساس دانش و داده هایی که از کاربران گذشته به دست آورده است، توجیه کند. از این فناوری در موقعیت هایی چون تجزیه و تحلیل عملکرد سیستم های بلادرنگ، پیکربندی رایانه ها، تصمیم های استراتژیک در بازاریابی و موارد بسیار دیگری استفاده می شود. به دلیل کاربرد های گسترده ای  که در تصمیم گیری های تجاری دارد، به عنوان سیستم کارشناس تجاری (BES) نیز از آن یاد می شود.

امکانات توضیحی این مزیت را دارند که کاربر با دیدن مراحل استنتاج به تصمیم گرفته شده توسط سامانه اعتماد بیشتری کند. به محدوده اطلاعاتی از الگوهای خِبرگی انسان که به یک سیستم خبره منتقل می‌شود Task Domain گفته می‌شود. این محدوده، سطح خبرگی یک  سیستم خبره را مشخص می‌کند و نشان می‌دهد ‌که آن سیستم خبره برای چه کارهایی طراحی شده است. سیستم خبره با این Task ها یا وظایف می‌تواند کارهایی چون برنامه‌ریزی، زمانبندی، و طراحی را در یک حیطه تعریف شده انجام دهد. یک سیتم خبره حتی می تواند راه حل هایی قابل اعتماد برای وظایف و موقعیت های معمولی نیز ارائه دهد. سیستم خبره این کار را بدون مزاحمت موانعی مانند خستگی و فرسودگی انجام می دهد.

برای شروع آموزش جاوا اسکریپت می‌توانید از منابع متنوع موجود استفاده کنید. شروع برنامه‌نویسی ممکن است در ابتدا پیچیده به نظر برسد، اما با برنامه‌ریزی مناسب و یادگیری اصول اولیه، هر کسی می‌تواند به یک برنامه‌نویس ماهر تبدیل شود. برنامه‌نویسی یکی از مهارت‌های کلیدی در دنیای دیجیتال امروزی است که می‌تواند فرصت‌های شغلی بی‌شماری را ایجاد کند. اما سؤال اصلی این است که آموزش برنامه نویسی را از کجا باید شروع کنیم ؟ این مقاله به شما کمک می‌کند تا مسیر شروع برنامه‌نویسی را پیدا کنید و ابزارها و زبان‌های مناسب را بشناسید. واژه اکتساب دانش به معنای چگونگــی به دست آوردن دانش حوزه مورد نیاز توسط سیستم خبره است. کل فرآیند با استخراج دانش از یک متخصص انسانــی، تبدیل دانش کسب شده به قوانین و تزریق قوانین توسعه یافته به پایگاه دانش آغاز می‌شود.

این سیستم حتی می تواند بر اساس وزن فرد بیمار، دارو هایی را پیشنهاد دهد. اگر محدودیت زمانی داشته باشید، ارزیابی و استفاده از سیستم خبره بسیار دشوار می شود. این دشواری حتی برای افراد متخصص نیز وجود دارد، پس برای کار با این سیستم باید زمان کافی داشته باشید. Expert Systems به انسان ها کمک می کند تا از کار کردن در محیط های پر خطر دوری کنند. یکی ازمزایای فوق العاده سیستم های خبره در جلوگیری از ورود افراد به محیط های سمی، گرم و مرطوب مانند نیروگاه های هسته ای است.

جداسازی دانش از کنترل – یک سطح پایین‌تر این مبحث ، در پایگاه داده قابل مشاهده است . در پایگاه داده سعی بر این است که داده‌ها از رویه‌های پیاده‌سازی‌شونده روی داده‌ها، مجزا باشند . مزیت این جداسازی این است که تعمیم یافتگی در سیستم ، افزایش می‌یابد . قابل توجه کاربران شما می توانید این  کتاب را یکجا و بطور کامل از لینک زیر دریافت کنید. Expert Systems فقط با انواع خاصی از وظایف تحلیلی و عملیاتی به خوبی کار می کند و ممکن است در وظایف دیگر کمی لنگ بزند. این ممکن است زمانی اتفاق بیفتد که کارشناسان کافی برای انجام وظایف در دسترس نباشند، کارشناس در شرف بازنشستگی یا ترک کار باشد یا تخصص در بیش از یک مکان مورد نیاز باشد.