एआयमधील "एक्स्पर्ट सिस्टीम"

कृत्रिम बुद्धिमत्ता (Artificial Intelligence - AI) या वेगाने विकसित होणाऱ्या तंत्रज्ञानाच्या क्षेत्रात, "एक्स्पर्ट सिस्टीम" (Expert System) ही एक महत्त्वाची आणि पायाभूत संकल्पना आहे. मानवी तज्ज्ञांप्रमाणे विशिष्ट विषयात ज्ञान आणि अनुभव वापरून जटिल समस्या सोडवणाऱ्या संगणक प्रणालीला ‘एक्स्पर्ट सिस्टीम’ असे म्हणतात. या प्रणाली ज्ञानावर आधारित असून निर्णय घेण्यासाठी आणि सल्ला देण्यासाठी मानवी तज्ज्ञांच्या विचार प्रक्रियेचे अनुकरण करतात.

एक्स्पर्ट सिस्टीमची ओळख आणि इतिहास

१९७० आणि १९८० च्या दशकात एआय संशोधनात एक्स्पर्ट सिस्टीमचा उदय झाला. याचा मुख्य उद्देश मानवी तज्ज्ञांचे ज्ञान एका संगणक प्रणालीमध्ये संग्रहित करणे आणि त्या ज्ञानाचा वापर सामान्य वापरकर्त्यांना उपलब्ध करून देणे हा होता. डेन्ड्रल (DENDRAL) आणि मायसिन (MYCIN) या सुरुवातीच्या काळातील काही यशस्वी एक्स्पर्ट सिस्टीम होत्या. डेन्ड्रलचा उपयोग रासायनिक संयुगांची रचना ओळखण्यासाठी होत असे, तर मायसिन रक्ताच्या संसर्गाचे निदान करून प्रतिजैविकांचा (antibiotics) सल्ला देत असे. या प्रणालींच्या यशामुळे विविध क्षेत्रांमध्ये एक्स्पर्ट सिस्टीम विकसित करण्यास चालना मिळाली.

एक्स्पर्ट सिस्टीमची रचना आणि कार्यपद्धती

एक्स्पर्ट सिस्टीमची रचना प्रामुख्याने तीन मुख्य घटकांवर अवलंबून असते:

१. नॉलेज बेस (Knowledge Base): हा एक्स्पर्ट सिस्टीमचा आत्मा असतो. यामध्ये विशिष्ट क्षेत्रातील तज्ज्ञांकडून मिळवलेले ज्ञान संग्रहित केलेले असते. हे ज्ञान 'तथ्ये' (facts) आणि 'नियम' (rules) या स्वरूपात असते. उदाहरणार्थ, वैद्यकीय निदान करणाऱ्या प्रणालीमध्ये, "जर रुग्णाला ताप असेल आणि घसा दुखत असेल, तर त्याला घशाचा संसर्ग असण्याची शक्यता आहे" यांसारखे नियम असू शकतात. हे नियम 'IF-THEN' स्वरूपात मांडलेले असतात.

२. इन्फरन्स इंजिन (Inference Engine): हा एक्स्पर्ट सिस्टीमचा मेंदू मानला जातो. हे इंजिन नॉलेज बेसमधील नियमांचा आणि वापरकर्त्याने दिलेल्या माहितीचा (तथ्यांचा) वापर करून निष्कर्ष काढते. समस्येचे विश्लेषण करणे, तर्क लावणे आणि अंतिम उत्तरापर्यंत पोहोचण्याची प्रक्रिया इन्फरन्स इंजिनद्वारे पार पाडली जाते. यासाठी ते प्रामुख्याने दोन पद्धती वापरते:
* फॉरवर्ड चेनिंग (Forward Chaining): या पद्धतीत, उपलब्ध माहितीपासून सुरुवात करून, नियम लागू करत अंतिम निष्कर्षापर्यंत पोहोचले जाते.
* बॅकवर्ड चेनिंग (Backward Chaining): या पद्धतीत, संभाव्य निष्कर्षापासून (hypothesis) सुरुवात करून, त्या निष्कर्षाला समर्थन देणारी तथ्ये आणि नियम शोधले जातात.

३. युजर इंटरफेस (User Interface): हा घटक वापरकर्त्याला एक्स्पर्ट सिस्टीमसोबत संवाद साधण्यास मदत करतो. वापरकर्ता या इंटरफेसद्वारे प्रणालीला प्रश्न विचारतो किंवा समस्या मांडतो. प्रणालीने दिलेला सल्ला किंवा निष्कर्ष याच इंटरफेसद्वारे वापरकर्त्याला सोप्या आणि समजण्याजोग्या भाषेत सादर केला जातो.

या तीन मुख्य घटकांव्यतिरिक्त, काही प्रगत एक्स्पर्ट सिस्टीममध्ये 'नॉलेज ऍक्विझिशन सबसिस्टीम' (Knowledge Acquisition Subsystem) आणि 'एक्सप्लनेशन सबसिस्टीम' (Explanation Subsystem) यांचाही समावेश असतो. नॉलेज ऍक्विझिशन सबसिस्टीम तज्ज्ञांकडून ज्ञान मिळवून ते नॉलेज बेसमध्ये जोडण्यास मदत करते, तर एक्सप्लनेशन सबसिस्टीम प्रणालीने विशिष्ट निष्कर्ष का काढला याचे स्पष्टीकरण वापरकर्त्याला देते.

एक्स्पर्ट सिस्टीमचे विविध क्षेत्रांतील उपयोग

एक्स्पर्ट सिस्टीमची उपयुक्तता आज अनेक क्षेत्रांमध्ये सिद्ध झाली आहे. काही प्रमुख उपयोग खालीलप्रमाणे आहेत:

- वैद्यकीय क्षेत्र: रोगांचे निदान करणे, योग्य औषधोपचारांची शिफारस करणे आणि शस्त्रक्रियेदरम्यान मदत करणे यासाठी एक्स्पर्ट सिस्टीमचा वापर होतो. (उदा. MYCIN, CADUCEUS).
- वित्त आणि बँकिंग: कर्ज अर्जांचे मूल्यांकन करणे, गुंतवणुकीचा सल्ला देणे, फसवणूक ओळखणे आणि शेअर बाजाराचे विश्लेषण करणे यांसारख्या कामांसाठी या प्रणाली उपयुक्त ठरतात.
- उत्पादन क्षेत्र: उत्पादन प्रक्रियेतील दोष शोधणे, मशीनच्या देखभालीचे वेळापत्रक ठरवणे आणि गुणवत्ता नियंत्रणासाठी एक्स्पर्ट सिस्टीम वापरली जाते.
- ग्राहक सेवा: ग्राहकांच्या प्रश्नांची उत्तरे देण्यासाठी आणि तांत्रिक समस्या सोडवण्यासाठी चॅटबॉट्स आणि व्हर्च्युअल असिस्टंटच्या रूपात एक्स्पर्ट सिस्टीम काम करतात.
- कृषी क्षेत्र: पिकांसाठी योग्य खतांची शिफारस करणे, रोगांचे निदान करणे आणि हवामानानुसार शेतीचे नियोजन करण्यास मदत करणे.

एक्स्पर्ट सिस्टीमचे फायदे आणि तोटे

फायदे:

- ज्ञानाची उपलब्धता आणि जतन: मानवी तज्ज्ञांचे ज्ञान कायमस्वरूपी संग्रहित केले जाऊ शकते आणि ते कधीही उपलब्ध होऊ शकते. तज्ज्ञांच्या निवृत्तीनंतर किंवा अनुपलब्धतेनंतरही त्यांच्या ज्ञानाचा फायदा मिळवता येतो.
- सातत्यपूर्ण आणि वेगवान निर्णय: मानवी चुका टाळून या प्रणाली सातत्यपूर्ण आणि अचूक निर्णय देतात. त्या २४ तास कार्यरत राहू शकतात आणि मानवापेक्षा अधिक वेगाने काम करतात.
- खर्चिक नसलेला सल्ला: एकदा प्रणाली विकसित झाल्यावर, तज्ज्ञांना वारंवार नियुक्त करण्याचा खर्च वाचतो.
- धोकादायक वातावरणात काम करण्याची क्षमता: ज्या ठिकाणी मानवासाठी काम करणे धोकादायक असते (उदा. अणुभट्टी, रासायनिक कारखाना), तिथे या प्रणाली प्रभावीपणे काम करू शकतात.

तोटे:

- ज्ञान संपादनाची अडचण: तज्ज्ञांकडून अचूक आणि संपूर्ण ज्ञान मिळवणे ही एक वेळखाऊ आणि गुंतागुंतीची प्रक्रिया आहे.
- सामान्य ज्ञानाचा अभाव: एक्स्पर्ट सिस्टीम केवळ तिच्या विशिष्ट क्षेत्रातच काम करते. तिच्याकडे मानवासारखे सामान्य ज्ञान (common sense) नसते.
- नवीन परिस्थिती हाताळण्यात असमर्थता: प्रणालीमध्ये संग्रहित नसलेल्या किंवा अनपेक्षित परिस्थितीमध्ये निर्णय घेण्यास या प्रणाली असमर्थ ठरू शकतात.
- निर्मिती आणि देखभालीचा खर्च: एक्स्पर्ट सिस्टीम विकसित करणे आणि तिची देखभाल करणे खूप खर्चिक असू शकते.
- मानवी स्पर्शाचा अभाव: काही क्षेत्रांमध्ये, विशेषतः वैद्यकीय आणि मानसशास्त्रीय सल्ल्यामध्ये, मानवी सहानुभूती आणि भावनांची जागा मशीन घेऊ शकत नाही.

आज मशीन लर्निंग आणि डीप लर्निंग यांसारख्या प्रगत तंत्रज्ञानामुळे एक्स्पर्ट सिस्टीम अधिक बुद्धिमान आणि कार्यक्षम होत आहेत. भविष्यात, या प्रणाली अधिक गुंतागुंतीच्या समस्या सोडवण्यासाठी आणि मानवी क्षमतेच्या पलीकडे जाऊन विश्लेषण करण्यासाठी सक्षम होतील. मानवी तज्ज्ञांना पर्याय म्हणून न पाहता, एक शक्तिशाली सहायक साधन म्हणून एक्स्पर्ट सिस्टीमकडे पाहिल्यास विविध क्षेत्रांमध्ये क्रांती घडवण्याची प्रचंड क्षमता तिच्यामध्ये आहे.

--- तुषार भ. कुटे