سیستم‌های هوشمندی که بتوان از آنها به عنوان یک سیستم خبره و یا متخصص استفاده کرد، امروزه در زندگی بشر تأثیر بسیار زیادی دارد. سیستم‌های هوشمندی که در مراکز درمانی برای تشخیص و درمان بیماری از آنها استفاده می‌شود و یا حتی سیستم‌های هوشمندی که به صورت شخصی در منازل استفاده می‌شود و می‌تواند وضعیت سلامت شخص را تجزیه و تحلیل کند و در تشخیص مشکلات مربوط به سلامتی فرد به او کمک کند، همه و همه نمونه‌هایی از این سیستم‌های هوشمند هستند؛ و یا حتی سیستم‌های هوشمندی که می‌تواند با تکیه بر دانش خود در زمینه امور مالی و اقتصادی به افراد در تصمیم‌گیری‌های مالی و سرمایه گذاری مشاوره دهد و یا سیستم‌های هوشمندی که می‌تواند به عنوان وکیل شما در دادگاه حضور پیدا کرده و از حقوق شما دفاع کند. تمام این سیستم‌های هوشمند توسط زیرشاخه‌ای از علم هوش مصنوعی به نام سیستم‌های خبره طراحی و پیاده سازی می‌شود. سیستم‌های خبره می‌توانند با در اختیار داشتن اطلاعات و داده‌های تخصصی در یک زمینه مشخص به عنوان یک عامل متخصص در همان زمینه مورد استفاده قرار گیرند. موضوع بحث ما در این مقاله سیستم‌های خبره نیست، بلکه در این مقاله قصد داریم در مورد یکی از اجزای سیستم‌های خبره که یکی از مهم‌ترین بخش‌ها در پیاده سازی سیستم‌های خبره است بحث کنیم، یعنی موتور استنتاج در سیستم‌های خبره. موتور استنتاج یکی از اصلی‌ترین قسمت‌ها در پیاده سازی هر سیستم خبره است که به سیستم اجازه تجزیه و تحلیل، استنتاج و تصمیم گیری را می‌دهد. در این مقاله قصد داریم این بخش از سیستم‌های خبره را از نمای نزدیکی مورد بررسی قرار دهیم، پس با آرتیجنسهمراه باشد.

موتور استنتاج در سیستم‌های خبره چیست و چگونه کار می‌کند؟

برای بررسی موتور استنتاج در سیستم‌های خبره شاید بهتر باشد ابتدا با روش کار سیستم‌های خبره به صورت مختصر آشنا شویم. سیستم‌های خبره سیستم‌های هوشمندی هستند که در زمینه‌های تخصصی می‌توانند به بشر کمک کنند. سیستم‌های خبره از سه قسمت اصلی پایگاه داده، رابط کاربری و موتور استنتاج تشکیل می‌شوند. پایگاه داده همان قسمتی است که اطلاعات و داده‌های تخصصی مربوط به حوزه مورد نظر در آنجا قرار می‌گیرد و سیستم به این داده‌ها دسترسی دارد. رابط کاربری هم همان طور که از اسمش مشخص است یک رابط است برای تعامل و ایجاد ارتباط با کاربر؛ و اما موتور استنتاج که مهم‌ترین بخش در سیستم‌های خبره به حساب می‌آید وظیفه تجزیه و تحلیل و استنتاج در این نوع از سیستم‌های هوشمند را به عهده دارد. اما موتور استنتاج چطور کار می‌کند؟ چطور می‌تواند با استفاده از اطلاعات موجود در دیتابیس تجزیه و تحلیل و تصمیم گیری کند. برای درک روش کار موتور استنتاج در سیستم‌های خبره می‌توان موارد زیر را در نظر گرفت:

ورودی داده‌ها:

موتور استنتاج کار خود را با دریافت داده‌ها و اطلاعات شروع می‌کند که این داده‌ها می‌تواند از طرف کاربر و یا یک منبع دیگر باشد. 

نمایش دانش:

در این مرحله داده‌ها، اطلاعات دریافتی و دانش و قوانین موجود در سیستم به صورت داده‌های ساختار یافته درمی آید. ساختار نمایشی داده‌ها معمولاً به صورت گراف‌های دانش، شبکه‌های عصبی مصنوعی، یا دیگر ساختارهای داده در می‌آیند.

استنتاج:

در این قسمت که مهم‌ترین مرحله است، موتور استنتاج به تجزیه و تحلیل اطلاعات و اعتبارسنجی دانش و قوانین می‌پردازد تا بتواند تصمیم گیری کند. این مرحله شامل تجزیه و تحلیل شرایط موجود، ارتباط دهی بین اطلاعات، دانش‌ها و شرایط، و اجرای قوانین منطقی است.

تصمیم‌گیری:

پس از تجزیه و تحلیل اطلاعات و اعتبارسنجی دانش، موتور استنتاج می‌تواند تصمیم نهایی را بگیرد. این تصمیم‌گیری معمولاً شامل اعمال قوانین منطقی موجود بر روی وضعیت فعلی ورودی‌ها و تولید یک خروجی یا پیشنهاد مناسب برای حل مسئله است
به طور خلاصه موتور استنتاج در سیستم‌های خبره با دریافت داده‌ها و ساختارمند کردن آنها و به کمک الگوریتم‌ها و قوانین منطقی موجود در دانش سیستم، می‌تواند مسائل پیچیده را تجزیه و تحلیل و حل کند و تصمیم‌گیری‌های تخصصی در حوزه‌های مختلف را امکان‌پذیر کند. 

انواع روش‌های استنتاج در سیستم‌های خبره:

در سیستم‌های خبره مثل سیستم های تشخیص پزشکی، استنتاج برای تصمیم گیری روی داده‌ها و دانش موجود انجام می‌شود. استنتاج در سیستم‌های خبره می‌تواند به روش‌های مختلفی انجام شود در این قسمت از مقاله موتور استنتاج در سیستم‌های خبره، سه مورد از پرکاربردترین روش‌های استنتاج در سیستم‌های خبره را بررسی می‌کنیم:

استنتاج ابتدایی (Abductive Reasoning):

در این روش، سیستم با استفاده از دلایل مختلف به یک استنتاج می‌رسد. این روش بیشتر به عنوان استنتاج فرضیه شناخته می‌شود و بر اساس اینکه کدام فرضیه بهترین توضیح را برای مشاهدات فراهم می‌کند، تصمیم‌گیری می‌شود.

استنتاج ترکیبی (Hybrid Reasoning):

این روش از ترکیب مختلف چند روش‌ استنتاج استفاده می‌کند تا بتواند، دقت و سرعت در تصمیم‌گیری را به طور چشمگیری افزایش دهد.

استنتاج معکوس (Backward Chaining):

در این روش، سیستم از هدف مورد نظر شروع به استنتاج می‌کند و به سمت عقب حرکت می‌کند تا به دلایل و حقایق مرتبط با هدف برسد. این روش معمولاً در مواردی که هدف یا نتیجه مشخص است، مورد استفاده قرار می‌گیرد.

نتیجه گیری:
اگر سیستم‌های خبره را یک بدن در نظر بگیریم، موتور استنتاج به مثال قلب این بدن عمل می‌کند و یکی از اصلی بخش‌ها در سیستم‌های خبره به شمار می‌آید. موتور استنتاج در سیستم‌های خبره جایی است که تصمیم گیری نهایی در مورد حل مسئله مورد نظر گرفته می‌شود. این قسمت مانند یک موتور داده‌ها و اطلاعات تخصصی را تجزیه و تحلیل کرده و می‌تواند با استفاده از برخی قوانین منطقی و الگوریتم به حل مسائل تخصصی بپردازد. قوانین منطقی معمولاً به شکل if و then استفاده می‌شود. یعنی if شرط یک برقرار بود بود then  راه حل یک برای حل مسئله ارائه شود. از موتور استنتاج فقط در سیستم‌های خبره استفاده نمی‌شود، بلکه در تمام زمینه‌هایی که نیاز به تجزیه و تحلیل و تصمیم گیری از روی یک سری داده‌ها و اطلاعات اولیه باشد، موتور استنتاج می‌تواند به کار گرفته شود. لذا موتورهای استنتاج دامنه کاربردی گسترده‌ای می‌توانند داشته باشند و در زمین‌های تخصصی مختلف برای کمک به بشر در تصمیم گیری‌ها به کار گرفته شوند. در آینده انتظار می‌رود با پیشرفت در تکنیک‌ها و الگوریتم‌های سیستم‌های خبره درصد خطا و اشتباه کاهش پیدا کرده و دقت در تشخیص و تصمیم گیری افزایش پیدا کند تا بتوان بدون دخالت بشر و به صورت کاملاً مستقل از آنها استفاده کرد.