近年來，在討論專家系統的利弊時，有些人工智能學者認為：專家系統發展出的知識庫思想是很重要的，它不僅促進人工智能的發展，而且對整個計算機科學的發展影響基大。不過，基於規則的知識庫思想卻限制了專家系統的進一步發展。
在專家系統的基礎上，新型專家系統不僅採用各種定性模型，而且運用人工智能和計算機技術的一些新思想與新技術，如分佈式、協同式和學習機制等。新型專家系統具有下列特徵：
1．並行與分佈處理
基於各種並行算法，採用各種並行推理和執行技術，適合在多處理器的硬件環境中工作，即具有分佈處理的功能，是新型專家系統的一個特徵，系統中的多處理器應該能同步地並行工作，但更重要的是它還應能作異步並行處理。可以按數據驅動或要求驅動的方式實現分佈在各處理器上的專家系統的各部分間的通信和同步。專家系統的分佈處理特徵要求專家系統做到功能合理均衡地分佈，以及知識和數據適當地分佈，著眼點主要在於提高系統的處理效率和可靠性等。
專家系統
2．多專家系統協同工作
為了拓展專家系統解決問題的領域或使一些互相關聯的領域能用一個系統來解題提出了所謂協同式專家系統（synergetic expert system）的概念。在這種系統中，有多個專家系統協同合作。各子專家系統間可以互相通信，一個（或多個）子專家系統的輸出可能就是另一子專家系統的輸入，有些子專家系統的輸出還可作為反饋信息輸入到自身或其先輩系統中去，經過代求得某種“穩定”狀態。多專家系統的協同合作自然也可在分佈的環境中工作，但其著眼點主要在於通過多個子專家系統協同工作擴大整體專家系統的解題能力，而不像分佈處理特徵那樣主要是為了提高系統的處理效率。
3．高級語言和知識語言描述
為了建立專家系統，知識工程師只需用一種高級專家系統描述語言對系統進行功能性能以及接口描述，並用知識表示語言描述領域知識，專家系統生成系統就能自動或半自動地生成所要的專家系統。這包括自動或半自動地選擇或綜合出一種合適的知識表示模式，把描述的知識形成一個知識庫，並隨之形成相應的推理執行機構、辯解機構、用戶接口以及學習模塊等。
專家系統
4．具有自學習功能
新型專家系統應提供高級的知識獲取與學習功能。應提供合用的知識獲取工具，從而對知識獲取這個“瓶頸”問題有所突破。這種專家系統應該能根據知識庫中已有的知識和用戶對系統提問的動態應答，進行推理以獲得新知識，總結新經驗，從而不斷擴充知識庫，這即所謂自學習機制。
5．引入新的推理機制
現存的大部分專家系統只能作演筆推理。在新型專家系統中，除演繹推理之外，還應有歸納推理（包括聯想、類比等推理）、各種非標準邏輯推理（例如非單調邏輯推理、加權邏輯推理等）以及各種基於不完全知識和模糊知識的推理等，在推理機制上應有一個突破。
人工智能
6．具有自我糾錯和自我完善能力
為了排錯必須首先有識別錯誤的能力，為了完善必須首先有鑑別優劣的標準。有了這種功能和上述的學習功能後，專家系統就會隨著時間的推移，通過反覆的運行不斷地修正錯誤，不斷完善自身，並使知識越來越豐富。
7．先進的智能人機接口
理解自然語言，實現語聲、文字、圖形和圖像的直接輸入輸出是如今人們對智能計算機提出的要求，也是對新型專家系統的重要期望。這一方面需要硬件的有力支持，另一方面應該看到，先進的軟件技術將使智能接口的實現大放異彩。
閱讀更多 同花順智能語音機器人 的文章
