مرجع کامل هوش مصنوعی *Artificial Intelligence*هوش مصنوعی یا هوش ماشینی را باید عرصهٔ پهناور تلاقی و ملاقات بسیاری از دانشها، علوم، و فنون قدیم و جدید دانست. ریشهها و ایدههای اصلی آن را باید در فلسفه، زبانشناسی، ریاضیات، روانشناسی، نورولوژی، و فیزیولوژی نشان گرفت و شاخهها، فروع، و کاربردهای گوناگون و فراوان آن را در علوم رایانه، علوم مهندسی، علوم زیستشناسی و پزشکی، علوم ارتباطات و زمینههای بسیار دیگر.
هوش مصنوعی به هوشی که یک ماشین از خود نشان میدهد و یا به دانشی در کامپیوتر که سعی در ایجاد آن دارد گفته میشود. بیشتر نوشتهها و مقالههای مربوط به هوش مصنوعی آن را «دانش شناخت و طراحی عاملهای هوشمند» تعریف کردهاند. یک عامل هوشمند سیستمی است که با شناخت محیط اطراف خود، شانس موفقیت خود را بالا میبرد. جان مکارتی که واژه هوش مصنوعی را در سال ۱۹۵۶ استفاده نمود، آن را «دانش و مهندسی ساخت ماشینهای هوشمند» تعریف کردهاست. تحقیقات و جستجوهایی انجام شده برای رسیدن به ساخت چنین ماشینهایی مرتبط با بسیاری از رشتههای علمی دیگر است، مانند علوم رایانه، روانشناسی، فلسفه، عصب شناسی، علوم ادراکی، تئوری کنترل، احتمالات، بهینه سازی و منطق.
تاریخچه
علوم الکترونیک، هوش مصنوعی توسط فلاسفه و ریاضیدانانی نظیر بول که اقدام به ارائهٔ قوانین و نظریههایی در باب منطق نمودند، مطرح شده بود. با اختراع رایانههای الکترونیکی در سال ۱۹۴۳، هوش مصنوعی دانشمندان را به چالشی بزرگ فراخواند. در بادی امر، چنین بهنظر میرسید که این فناوری در نهایت قادر به شبیهسازی رفتارهای هوشمندانه خواهد بود.
با وجود مخالفت گروهی از متفکرین با هوش مصنوعی که با دیده تردید به کارآمدی آن مینگریستند تنها پس از چهار دهه، شاهد تولد ماشین های شطرنج باز و دیگر سامانههای هوشمند در صنایع گوناگون هستیم.
نام هوش مصنوعی در سال ۱۹۶۵ میلادی به عنوان یک دانش جدید ابداع گردید. البته فعالیت درزمینه این علم از سال ۱۹۶۰ میلادی شروع شدهبود.
بیشتر کارهای پژوهشی اولیه در هوش مصنوعی بر روی انجام ماشینی بازیها و نیز اثبات قضیههای ریاضی با کمک رایانهها بود. در آغاز چنین به نظر میآمد که رایانهها قادر خواهند بود چنین اموری را تنها با بهره گرفتن از تعداد بسیار زیادی کشف و جستجو برای مسیرهای حل مسئله و سپس انتخاب بهترین آنها به انجام رسانند.
این اصطلاح (هوش مصنوعی) برای اولین بار توسط جان مکارتی (John McCorthy) که از آن بهعنوان پدر «علم و دانش تولید ماشین های هوشمند» یاد میشود استفاده شد. آقای جان مکارتی مخترع یکی از زبان های برنامه نویسی هوش مصنوعی به نام (lisp) نیز هستند. با این عنوان میتوان به هویت هوشمند یک ابزار مصنوعی اشاره کرد. (ساختهٔ دست بشر، غیر طبیعی، مصنوعی)
حال آنکه AI به عنوان یک اصطلاح عمومی پذیرفته شده که شامل محاسبات هوشمندانه و ترکیبی (مرکب از مواد مصنوعی) است.
از اصطلاح strong and weak AI میتوان تا حدودی برای معرفی ردهبندی سیستمها استفاده کرد. AI ها در رشتههای مشترکی چون علم کامپیوتر، روانشناسی و فلسفه مورد مطالعه قرار میگیرند، که مطابق آن باعث ایجاد یک رفتار هوشمندانه، یادگیری و سازش میشود و معمولاً نوع پیشرفته آن در ماشین ها و کامپیوترها استفاده میشود.
آزمون تورینگآزمون تورینگ آزمونی برای سنجش میزان هوشمندی ماشین است. آزمون به این صورت انجام میگیرد که یک شخص به عنوان قاضی، با یک ماشین و یک انسان به گفتگو مینشیند، و سعی در تشخیص ماشین از انسان دارد. در صورتی که ماشین بتواند قاضی را به گونهای بفریبد که در قضاوت خود دچار اشتباه شود، توانسته است آزمون را با موفقیت پشت سر بگذارد.
برای اینکه تمرکز آزمون بر روی هوشمندی ماشین باشد، و نه توانایی آن در تقلید صدای انسان، مکالمه تنها از طریق متن و صفحه کلید و نمایشگر کامپیوتر صورت میگیرد.
(http://meta4u.com/forum/index.php?action=dlattach;topic=7201.0;attach=5083;image)
آزمون استاندارد تورینگ، که در آن بازیکن C به عنوان قاضی سعی دارد تشخیص دهد کدام یک از A یا B انسان است.
آزمون تورینگ در سال ۱۹۵۰ توسط آلن تورینگ، ریاضیدان انگلیسی مطرح گردید. از نظر تورینگ، پرسش «
آیا ماشینها میتوانند تفکر کنند» بیمعنیتر از آن بود که بتوان پاسخ روشنی به آن داد. چرا که نمیتوان تعریف مشخصی برای تفکر ارائه داد. بنابراین تورینگ پرسش را به این گونه مطرح نمود: آیا میتوان ماشینی ساخت که آزمون تورینگ را پشت سر بگذارد؟
هم اکنون دو نسخهٔ مختلف از این آزمون وجود دارد: آزمون استاندارد تورینگ، و آزمون تقلید.
آزمون تقلیددر این آزمون، دو شخص با جنسیتهای متفاوت، از طریق یادداشت با شخص سومی که قاضی است گفتگو میکنند. قاضی این دو بازیکن را نمیبیند، و با پرسش و پاسخ سعی دارد تشخیص دهد کدام یک مرد و کدام یک زن هستند. نقش بازیکن اول این است که قاضی را به نحوی بفریبد که در تشخیص جنست آن دو اشتباه کند.
تورینگ نقش بازیکن فریبکار را به ماشین سپرد، و در صورتی که این ماشین موفق شود که قاضی را بفریبد، از آزمون موفق بیرون آمده است و میتوان آن را ماشین هوشمند نامید.
مشکلات آزمون تورینگآزمون تورینگ فرض میکند که انسانها میتوانند با مقایسهٔ میان رفتار ماشین و انسان، پی به میزان هوشمند بودن آن ببرند. به دلیل این فرض، و تعدادی پیش فرضهای دیگر، دانشمندان حوزهٔ هوش مصنوعی صحت آزمون تورینگ را مورد تردید قرار دادند.
اولین نکتهای که مطرح میگردد این است که تعدادی از رفتارهای انسان هوشمندانه نیستند. به عنوان مثال، توانایی توهین به دیگران، و یا اشتباههای تایپی مکرر هنگام نوشتن با صفحه کلید.
نکتهٔ دومی که به آن اشاره میگردد این است که بعضی از رفتارهای هوشمندانه، انسانی نیستند. به عنوان مثال، کامپیوترها بسیار سریعتر از انسان محاسبه میکنند.
تورینگ پیشنهاد داده است که ماشین میتواند به صورت اتفاقی در خروجی خود اشتباهاتی را وارد کند، و یا مدت زمان زیادی را صرف محاسبات کرده و در انتها پاسخی اشتباه دهد که قاضی را بفریبد، تا «بازیکن» بهتری باشد.
تعریف و طبیعت هوش مصنوعیهنوز تعریف دقیقی که مورد قبول همهٔ دانشمندان این علم باشد برای هوش مصنوعی ارائه نشدهاست، و این امر، به هیچ وجه مایه تعجّب نیست. چرا که مقوله مادر و اساسیتر از آن، یعنی خود هوش هم هنوز بطور همهجانبه و فراگیر تن به تعریف ندادهاست. در واقع، میتوان نسلهایی از دانشمندان را سراغ گرفت که تمام دوران زندگی خود را صرف مطالعه و تلاش در راه یافتن جوابی به این سؤال عمده نمودهاند که: هوش چیست؟
اما اکثر تعریفهایی که در این زمینه ارایه شدهاند بر پایه یکی از ۴ باور زیر قرار میگیرند:سیستمهایی که به طور منطقی فکر میکنند
سیستمهایی که به طور منطقی عمل میکنند
سیستمهایی که مانند انسان فکر میکنند
سیستمهایی که مانند انسان عمل میکنند
شاید بتوان هوش مصنوعی را این گونه توصیف کرد: «هوش مصنوعی عبارت است از مطالعه این که چگونه کامپیوترها را میتوان وادار به کارهایی کرد که در حال حاضر انسانها آنها را بهتر انجام میدهند»
محققین هوش مصنوعی علاقهمند به تولید ماشینی هستند که دستورات مورد نیاز را به صورت هوشمندانه انجام دهد. به عنوان مثال قابلیت کنترل، برنامهریزی و زمانبندی، توانایی تشخیص جواب به سوال مصرف کننده، دست نویسها، زبان شناسی، سخنرانی و شناسایی چهره را داشته باشد. مطالعه بر روی یک AI دارد به یک رشتهٔ مهندسی تبدیل میشود که کانون مشروط است بر حل مشکلات زندگی واقعی، علم معدن کاری، نرمافزارهای کاربردی، استراتژی بازی ها مثل بازی شطرنج و بازی های ویدئویی یکی از بزرگترین مشکلات (سختیها) با
AI ها، قوهٔ درک آنها است.
تا حدی دستگاههای تولیدشده میتوانند شگفتانگیز باشند، اما کارشناسان هوش مصنوعی ادعا میکنند که ماشین های هوشمند ساختهشده دارای درک واقعی و حقیقی نیستند.
مشاهده رفتاری هوشمندانه و صحیح از یک سیستم را نمی توان دلیلی کافی بر هوشمندی آن سیستم تصورکرد بلکه بایستی به ساختار داخلی و مکانیزم انتخاب راه توسط سیستم توجه شود که آیا مبتنی بر آگاهی خود سیستم است یا نه و این آگاهی زمانی میسر خواهد بود که سیستم خود قابلیت تحلیل اطلاعات در یافتی از محیط را داشته باشد و بتواند رابطههای معنی داری بین علت و معلول ما بین اتفاقات محیطی ایجاد کند و در واقع قادر به ایجاد مدلی هر چند غیر دقیق بر پایه مشاهدات خود از محیط باشد سپس سیستم ایده ارزشمندی از نظرگاه خود تولید بکند و بعنوان خواسته و هدفی سعی در پیاده سازی آن بکند یعنی در پی پیدا کردن و اتصال ابزارهای مناسبی به آن هدف باشد تا بتواند آلگوریتم عملیاتی برای برآورد آن خواسته تولید نماید.
فلسفه هوش مصنوعی
بطور کلی ماهیت وجودی هوش به مفهوم جمع آوری اطلاعات، استقرا و تحلیل تجربیات به منظور رسیدن به دانش و یا ارایه تصمیم است. در واقع هوش به مفهوم به کارگیری تجربه به منظور حل مسائل دریافت شده تلقی میشود. هوش مصنوعی علم و مهندسی ایجاد ماشینهایی با هوش با به کارگیری از کامپیوتر و الگوگیری از درک هوش انسانی و یا حیوانی و نهایتاً دستیابی به مکانیزم هوش مصنوعی در سطح هوش انسانی است.
در مقایسه هوش مصنوعی با هوش انسانی میتوان گفت که انسان قادر به مشاهده و تجزیه و تحلیل مسایل در جهت قضاوت و اخذ تصمیم است در حالی که هوش مصنوعی مبتنی بر قوانین و رویههایی از قبل تعبیه شده بر روی کامپیوتر است. در نتیجه علی رغم وجود کامپیوترهای بسیار کارا و قوی در عصر حاضر ما هنوز قادر به پیاده کردن هوشی نزدیک به هوش انسان در ایجاد هوشهای مصنوعی نبودهایم.
بطور کلّی، هوش مصنوعی را میتوان از زوایای متفاوتی مورد بررسی و مطالعه قرار داد. مابین هوش مصنوعی به عنوان یک هدف، هوش مصنوعی به عنوان یک رشته تحصیلی دانشگاهی، و یا هوش مصنوعی به عنوان مجموعهٔ فنون و راه کارهایی که توسط مراکز علمی مختلف و صنایع گوناگون تنظیم و توسعه یافتهاست باید تفاوت قائل بود.
اتاق چینی ها
اتاق چینی ها یک آزمایش تفکر است که اولین بار توسط مقاله جان سیرل به نام "Minds, Brains, and Programs" در مجله Behavioral and Brain Sciences در سال ۱۹۸۰ منتشر شد.
مقالهی او نشان می داد این سوال که: اگر یک ماشین بتواند به صورت متقاعدکنندهای یک مکالمهٔ هوشمند را شبیهسازی کند، آیا ضروری است که آن را بفهمد.
سرل می گوید: فرض کنید من درون یک اتاق در بسته محبوس شده باشم و یک دسته بزرگ نوشتههای چینی نیز به من داده شده باشد. علاوه بر این فرض کنید (همان طور که واقعا این طور است) من چیزی از زبان چینی نمی دانم نه نوشتن و نه خواندن و حتی من مطمئن نیستم که که بتوانم بین نوشتههای چینی یا زبان هایی شبیه آن مثلا ژاپنی و شکلکهای بی معنی تفاوت قائل شوم. از نظر من نوشتههای چینی فقط پر از شکلک های بی معنی است. حالا فرض کنید بعد از اولین دسته از نوشتههای چینی، دسته دومی از یادداشتهای چینی به همراه مجموعهای از قواعد که دسته اول را به دسته دوم مربوط می سازد به من داده شده است. قواعد به زبان انگلیسی هستند، و من این قواعد را به همان خوبی می فهمم که یک فرد بومی انگلیسی زبان می فهمد. قواعد مرا قادر می سازند تا یک مجموعه از نمادهای صوری را به یک مجموعه دیگر از نمادهای صوری مرتبط سازم، "صوری" در اینجا فقط به معنای این است که من نمادها را فقط با استفاده از شکلشان شناسایی می کنم. حال همچنین فرض کنید دسته سوم نمادهای نوشته شده چینی به همراه دستورالعملهایی باز هم به زبان انگلیسی به من داده شده است که مرا قادر می سازد تا عناصر دسته سوم را به دو دسته اول مربوط کنم، این قواعد به من چگونگی ارتباط نمادهای چینی خاصی با یک جور اشکال خاص را در پاسخ به یک جور اشکال خاص که در دسته سوم به من داده شده است، تعلیم می دهند. مردمی که تمام این نمادها را به من می دهند به دسته اول می گویند "نمایشنامه" به دسته دوم می گویند "داستان" و به دسته سوم می گویند "سوالها"، این درحالی است که من نمی دانم. به علاوه به نمادهایی که من در پاسخ به دسته سوم به آنها باز می گردانم می گویند "پاسخ به سوال ها". و به مجموعه قواعدی که به زبان انگلیسی است که آنها به من دادند می گویند "برنامه". بعد از آن سرل می گوید که کسانی که در بیرون اتاق هستند و پاسخهای مرا دریافت می کنند تصور می کنند شخصی درون اتاق هست چینی می داند، سرل می گوید این دقیقا همان کاری است که رایانه می کند یعنی یک سری ورودی می گیرد و یک سری خروجی می دهد، اما من که نقش نرم افزار کامپیوتر را داشتم چیزی از آن داستان متوجه شدم؟ آیا آن را فهمیدم؟
اتاق چینیها دقیقا همان طراحی را دارد که هر کامپیوتر مدرنی دارد و طبق معماری Von Neumann است به طوری که شامل یک برنامه (قواعد به زبان انگلیسی)، مقداری حافظه (دستههای کاغذ)، یک CPU که دستورالعملها را دنبال می کند (انسان) و یک وسیله برای نوشتن نمادها در حافظه (مداد و پاککن) می باشد. یک ماشین با این طراحی در علوم کامپیوتر نظری به عنوان یک ماشین تورینگ کامل شناخته می شود، چون قابلیتهای ضروری این را دارد تا بتواند تمام محاسباتی که توسط ماشین تورینگ انجام می شود را انجام دهد. به بیان دیگر اتاق چینیها می تواند هر آنچه که سایر کامپیوترها انجام می دهند را انجام دهد.
اتاق چینیها (و همه کامپیوترهای مدرن) برای انجام محاسبات و شبیه سازی ها اشیا فیزیکی را دستکاری می کنند. محققان هوش مصنوعی Alan Newell و Herbert Simon به این نوع از ماشین "سیستم نماد فیزیکی" می گویند. همچنین این سیستم با سیستم صوری (formal systems) در منطق ریاضیات معادل می باشد. سرل بر روی این حقیقت تاکید دارد که این نوع از دستکاری نماد دستوری (syntactic) است (با قرض گرفتن این واژه از مطالعات گرامری). CPU نمادها را بدون هیچ علمی از معنای (semantics) نمادها، با استفاده از نوعی قواعد دستوری دستکاری می کند.
جان سرل توانست بین دو فرضیه مهم تمایز قائل شود و آنها را فرضیه هوش مصنوعی قوی و فرضیه هوش مصنوعی ضعیف نامید.
فرضیه اول می گوید: یک سیستم هوش مصنوعی می تواند فکر کند و ذهن داشته باشد.
فرضیه دوم می گوید: یک سیستم هوش مصنوعی (فقط) می تواند مثل این عمل کند که فکر می کند و ذهن دارد.
مدیریت پیچیدگیایجاد و ابداع فنون و تکنیکهای لازم برای مدیریت پیچیدگی را باید به عنوان هستهٔ بنیادین تلاشهای علمی و پژوهشی گذشته، حال، و آینده، در تمامی زمینههای علوم رایانه، و به ویژه، در هوش مصنوعی معرّفی کرد. شیوهها و تکنیکهای هوش مصنوعی، در واقع، برای حلّ آن دسته از مسائل به وجود آمدهاست که به طور سهل و آسان توسط برنامهنویسی تابعی (Functional programming)، یا شیوههای ریاضی قابل حلّ نبودهاند.
در بسیاری از موارد، با پوشانیدن و پنهان ساختن جزئیّات فاقد اهمّیّت است که بر پیچیدگی فائق میآییم و میتوانیم بر روی بخشهایی از مسئله متمرکز شویم که مهمتر است. تلاش اصلی در واقع، ایجاد و دستیابی به لایهها و ترازهای بالاتر از هوشمندی تجرید را نشانه میرود، تا آنجا که، سرانجام برنامههای کامپیوتری درست در همان سطحی کار خواهند کرد که خود انسانها رسیدهاند.
به یاری پژوهشهای گسترده دانشمندان علوم مرتبط، هوش مصنوعی تاکنون راه بسیاری پیمودهاست. در این راستا، تحقیقاتی که بر روی توانایی آموختن زبانها انجام گرفت و همچنین درک عمیق از احساسات، دانشمندان را در پیشبرد این دانش کمک زیادی کردهاست. یکی از اهداف متخصصین، تولید ماشینهایی است که دارای احساسات بوده و دست کم نسبت به وجود خود و احساسات خود آگاه باشند. این ماشین باید توانایی تعمیم تجربیات قدیمی خود در شرایط مشابه جدید را داشته و به این ترتیب اقدام به گسترش دامنه دانش و تجربیاتش کند.
برای نمونه روباتیی هوشمند که بتواند اعضای بدن خود را به حرکت درآورد، این روبات نسبت به این حرکت خود آگاه بوده و با آزمون و خطا، دامنه حرکت خود را گسترش میدهد و با هر حرکت موفقیت آمیز یا اشتباه، دامنه تجربیات خود را وسعت بخشیده و سر انجام راه رفته و یا حتی میدود و یا به روشی برای جابجا شدن دست مییابد، که سازندگانش برای او متصور نبودهاند.
هر چند نمونه بالا ممکن است کمی آرمانی به نظر برسد، ولی به هیچ عنوان دور از دسترس نيست. دانشمندان، عموماً برای تولید چنین ماشینهایی، از وجود مدلهای زندهای که در طبیعت وجود، به ویژه آدمی نیز سود بردهاند.
هوش مصنوعی اکنون در خدمت توسعه علوم رایانه نیز است. زبان های برنامه نویسی پیشرفته، که توسعه ابزارهای هوشمند را ممکن ساخته اند، پایگاههای دادهای پیشرفته، موتورهای جستجو، و بسیاری نرمافزارها و ماشین ها از نتایج پژوهشهایی در راستای هوش مصنوعی بودهاند.
تکنیکها و زبانهای برنامه نویسی هوش مصنوعی
عملکرد اولیه برنامه نویسی هوش مصنوعی ایجاد ساختار کنترلی مورد لزوم برای محاسبه سمبولیک است زبان های برنامه نویسی LISP,PROLOG علاوه بر اینکه از مهم ترین زبان های مورد استفاده در هوش مصنوعی هستند خصوصیات نحوی ومعنایی انها باعث شده که انها شیوهها و راه حلهای قوی برای حل مسئله ارایه کنند. تاثیر قابل توجه این زبان ها بر روی توسعه AI از جمله تواناییهای انها به عنوان «ابزارهای فکرکردن» است. در حقیقت همانطور که هوش مصنوعی مراحل رشد خود را طی میکند زبان های LISP ,PROLOG بیشتر مطرح میشوند این زبانها کار خود را در محدوده توسعه سیستمهای AI در صنعت ودانشگاهها دنبال میکنند و طبیعتاً اطلاعات در مورد این زبان ها به عنوان بخشی از مهارت هر برنامه نویس AI است.
PROLOG: یک زبان برنامه نویسی منطقی است. یک برنامه منطقی دارای یک سری ویژگی های قانون ومنطق است. در حقیقت خود این نام از برنامه نویسی PRO در LOGIC میآید. در این زبان یک مفسر برنامه را بر اساس یک منطق مینویسد.ایده استفاده توصیفی محاسبهٔ اولیه برای بیان خصوصیات حل مسئله یکی از محوریت های مشارکت PROLOG است که برای علم کامپیوتر بطور کلی و بطور اخص برای زبان برنامه نویسی هوشمند مورد استفاده قرار میگیرند.
LISP: اصولاً LISP یک زبان کامل است که دارای عملکردها و لیستهای لازمه برای توصیف عملکردهای جدید، تشخیص تناسب و ارزیابی معانی است. LISP به برنامه نویس قدرت کامل برای اتصال به ساختارهای اطلاعاتی را میدهد گر چه LISP یکی از قدیمیترین ترین زبانهای محاسباتی است که هنوز فعال است ولی دقت کافی در برنامه نویسی وطراحی توسعه باعث شده که این یک زبان برنامه نویسی فعال باقی بماند.
در حقیقت این مدل برنامه نویسی طوری موثر بودهاست که تعدادی از دیگر زبانها براساس عملکرد برنامه نویسی آن بنا شدهاند: مثل FP ،ML ،SCHEME
یکی از مهم ترین برنامههای مرتبط با LISP برنامه SCHEME است که یک تفکر دوباره در باره زبان در آن وجود دارد که بوسیله توسعه AI و برای آموزش واصول علم کامپیوتر مورد استفاده قرار میگیرد.
عاملهای هوشمند
عاملها (Agents) قادر به شناسایی الگوها، و تصمیم گیری بر اساس قوانین فکر کردن خوداند. قوانین و چگونگی فکر کردن هر عامل در راستای دستیابی به هدفش، تعریف میشود. این سیستمها بر اساس قوانین خاص خود فکر کرده و کار خودرا به درستی انجام میدهند. پس عاقلانه رفتار میکنند، هر چند الزاما مانند انسان فکر نمیکنند.
در بحث هوشمندی اصطلاح PEAS سرنام واژه های "کارایی (Performance)" ، "محیط (Environment)" ، "اقدام گر (Agent)" و "حسگر (Sensor)" است.
سیستم های خبرهسیستمهای خبره زمینهای پرکاربرد در هوش مصنوعی و مهندسی دانش است که با توجّه به نیاز روز افزون جوامع بر اتخاذ راه حلها و تصمیمات سریع در مواردی که دانشهای پیچیده و چندگانه انسانی مورد نیاز است، بر اهمیت نقش آنها افزوده هم میشود. سیستمهای خبره به حل مسائلی میپردازند که به طور معمول نیازمند تخصّصهای کاردانان و متخصّصان انسانیست. به منظور توانایی بر حل مسائل در چنین سطحی (ترازی)، دسترسی هرچه بیشتر اینگونه سامانهها به دانش موجود در آن زمینه خاص ضروری میگردد.
مقاله کامل درباره سیستم های خبره (http://meta4u.com/forum/index.php/topic,7212.0.html)