A modern számítógépek 1940-es évekbeli megjelenését követően, tudósok az 1950-es években kezdték realizálni a gépek potenciális társadalmi hatásait. Az első kihívások egyike az emberi módon történő „gondolkodás”, elsősorban a döntéshozás valamilyen szintű utánzása volt. (Még ma is az, és egy ideig valószínűleg az is marad.)
Számítógépes döntéshozással az évtized végén kezdtek el foglalkozni, például diagnosztikai alkalmazásokra fejlesztettek rendszereket az egészségügynek. A gépek a beteg tüneteit és laboratóriumi teszteredményeit használták inputként, és diagnosztikai outputot generáltak belőle.
Ezek voltak az első szakértői rendszerek. A kutatók azonban rájöttek, hogy a hagyományos módszerek, például a folyamatábrák, a statisztikai mintaillesztés és a valószínűségelmélet használata korlátozott eredményekhez vezet, és tudásalapú megoldásokon kezdtek el dolgozni. Az új alapokon nyugvó első rendszer, az 1965-ös stanfordi MYCIN vegyületeket elemzett. Rajta kívül az egészségügyben az INTERNIST-I és az 1980-as évekbeli CADUCEUS volt a két legismertebb. Az 1970-es évektől, az orvosi diagnosztika mellett több szektorban, köztük a befektetői világban és a kőolaj-iparban alkalmaztak hasonlókat.
Egy szakértői rendszer mesterségesintelligencia-módszereket használva, a megoldáshoz emberi szakértelmet igénylő szakterületi problémákat abszolváló számítógépes program. Két komponensen, ismeretbázison és következtetőmotoron alapul, hozzájuk kapcsolódik a felhasználói interfész. Az ismeretbázisban tárolt információkat, tények és szabályok gyűjteményét humán szakértők gyűjtik össze. Az ismereteket általában „ha, akkor” formában reprezentálják. A keresőmotorként funkcionáló következtetőmotor a felhasználó lekérdezésére releváns infókat keres az ismeretbázisban, A felhasználói interfész az a felület, amelyen keresztül interakcióba lépünk a rendszerrel.
Egy ismeretbázis többezer szabályt is tartalmazhat, a konklúzióhoz gyakran csatolnak valószínűségi faktort, például szembetegség diagnosztizálásakor, a rendelkezésre álló szabályokból kiderül, hogy a páciens glaukómájának esélye 90 százalék, a program azonban felsorolja a kevésbé valószínű lehetőségeket is. A bázis heurisztikus szabályokat (”ökölszabályokat” – konkrét tapasztalatokon alapuló, a gyakorlatban könnyen alkalmazható becslési módszereket) is tartalmaz.
Egy szakértői rendszer tanácsot ad, segíti az emberi döntéshozást, példákat mutat be, megoldást vezet le, diagnosztizál, elmagyaráz dolgokat, interpretálja az inputot, eredményeket jelez előre, megindokolja a következtetést, alternatív opciókat javasol. Sokkal inkább segíti, semmint helyettesíti a szakértő embereket.
Az Egyesült Államok mellett Franciaország is nagyon aktív volt a szakértői rendszerek kutatásában, fejlesztésében, de míg az USA-ban a LISP programozási környezetet részesítették előnyben, addig a franciák főként a Prologot használták. Ezek a rendszerek nemcsak a „ha, akkor” szabályokra összpontosítottak, hanem komplexebb logikára is épültek.
Az 1980-as években, az IBM PC, a PC DOS oprendszer és a kliens-szerver modell megjelenésével, a személyi számítógépekkel, nagyságrendekkel olcsóban lehetett műveleteket végezni, következtetni, mint a nagyvállalati szektor mainframe komputereivel. Ezek a változások átalakították a szakértői rendszerek piacát, egyre többet fejlesztettek PC-re.
Az irreális elvárások már az 1970-es években a csillagos eget súrolták, sokan nem vették figyelembe a rendszerek és a mesterséges intelligencia korlátait. Ezzel együtt a szakértői rendszereket tekinthetjük az első sikeres MI-szoftvereknek. Virágkoruk az 1980-as években volt, a következő évtizedben viszont száműzték a kifejezést az IT-szótárakból. Az egyik álláspont szerint azért, mert nem váltották be a hozzájuk fűzött reményeket. A másik alapján viszont sikerük áldozataivá váltak, és céleszköz helyett általánosabb rendeltetésű megoldásokba (SAP, Oracle) integrálták őket.
A szakértői rendszerek kétségtelen korlátainak felismerése az emberi döntéshozást szimuláló új megközelítések kidolgozására inspirálta a kutatóközösséget. Ezek a megközelítések a mesterséges intelligencia, a gépi tanulás és az adatbányászat eredményein alapulnak. Mindhárom terület olyan gyorsan fejlődik, hogy a hajdani szakértői rendszerekhez hasonló funkciókat betöltő, de összehasonlíthatatlanul gyorsabb, eredményesebb és intelligensebb megoldásokat ma már senki nem nevezné szakértői rendszereknek, pedig van közük hozzájuk.
Frissítve: 2023. december 28.
