Um sistema especialista é um programa de computador projetado para emular a capacidade de tomada de decisão de um especialista humano dentro de um domínio restrito de inteligência artificial, tipicamente aplicando uma base de regras codificadas a fatos fornecidos por um usuário por meio de um motor de inferência. Os sistemas especialistas foram a aplicação comercialmente mais significativa da IA simbólica e impulsionaram uma grande onda de investimento corporativo em IA durante o final dos anos 1970 e os anos 1980.
Arquitetura
Um sistema especialista típico separa uma base de conhecimento, uma coleção de fatos do domínio e regras se-então contribuídas por especialistas humanos, de um motor de inferência, que aplica raciocínio lógico, comumente encadeamento para frente ou para trás, para derivar conclusões ou recomendações. Os sistemas especialistas foram construídos sobre técnicas de raciocínio pioneiras de Allen Newell e Herbert Simon nos anos 1950, adaptando métodos gerais de resolução de problemas para codificar expertise restrita e específica de domínio em vez disso. Muitos sistemas também incluíam facilidades de explicação que podiam mostrar aos usuários a cadeia de regras usada para chegar a uma conclusão, uma forma inicial do que hoje é discutido como IA explicável, e fatores de confiança para lidar com incertezas que a lógica pura não conseguia expressar bem.
Exemplos notáveis
Sistemas pioneiros iniciais incluíram o DENDRAL, desenvolvido em Stanford a partir de meados dos anos 1960 para inferir estrutura molecular a partir de dados de espectrometria de massa, e o MYCIN, desenvolvido nos anos 1970 para recomendar tratamento antibiótico com base em sintomas de pacientes e resultados laboratoriais; o MYCIN supostamente superou médicos juniores em algumas avaliações, apesar de nunca ter sido implantado clinicamente devido a preocupações de responsabilidade e integração. Na indústria, o sistema XCON da Digital Equipment Corporation, implantado a partir de 1980, configurava pedidos de computadores e foi creditado por economizar dezenas de milhões de dólares anuais para a empresa, tornando-se uma prova amplamente citada de valor comercial.
O boom dos anos 1980
O sucesso do XCON ajudou a desencadear um boom mais amplo de sistemas especialistas ao longo dos anos 1980, à medida que corporações investiam pesadamente em consultorias especializadas de "IA" e em hardware dedicado de máquinas Lisp otimizado para processamento simbólico. O projeto japonês de Sistemas de Computação de Quinta Geração, lançado em 1982, visava construir máquinas de programação lógica massivamente paralelas, parcialmente em torno de raciocínio estilo sistema especialista, estimulando investimento competitivo dos Estados Unidos e da Europa.
Declínio e o segundo inverno da IA
Os sistemas especialistas mostraram-se caros para construir e, mais criticamente, caros para manter: as bases de regras tornavam-se difíceis de gerenciar à medida que os domínios escalavam, as interações entre regras tornavam-se difíceis de prever, e os sistemas lidavam mal com situações novas fora de seu conhecimento codificado. O mercado de hardware dedicado de máquinas Lisp colapsou quando estações de trabalho de propósito geral mais baratas alcançaram desempenho equivalente no final dos anos 1980. Essas falhas contribuíram para o segundo inverno da IA, um recuo acentuado no financiamento e interesse comercial em IA que durou até o início dos anos 1990, espelhando o colapso de financiamento anterior documentado no relatório Lighthill de 1973.
Legado
Os sistemas especialistas estabeleceram práticas que persistem na IA moderna: codificação estruturada de conhecimento de domínio, explicação de saídas do sistema e camadas de validação baseadas em regras ainda usadas em alguns pipelines implantados. Seus descendentes conceituais incluem sistemas modernos de grafos de conhecimento e salvaguardas baseadas em regras em camadas ao redor de saídas menos previsíveis de modelos de linguagem de grande escala. Diferentemente dos sistemas modernos de aprendizado de máquina que aprendem padrões a partir de dados, os sistemas especialistas dependiam inteiramente de expertise codificada manualmente, uma limitação que motivou a mudança mais ampla em direção a abordagens estatísticas a partir dos anos 1990.