近年来，在讨论专家系统的利弊时，有些人工智能学者认为：专家系统发展出的知识库思想是很重要的，它不仅促进人工智能的发展，而且对整个计算机科学的发展影响基大。不过，基于规则的知识库思想却限制了专家系统的进一步发展。

在专家系统的基础上，新型专家系统不仅采用各种定性模型，而且运用人工智能和计算机技术的一些新思想与新技术，如分布式、协同式和学习机制等。新型专家系统具有下列特征：

1．并行与分布处理

基于各种并行算法，采用各种并行推理和执行技术，适合在多处理器的硬件环境中工作，即具有分布处理的功能，是新型专家系统的一个特征，系统中的多处理器应该能同步地并行工作，但更重要的是它还应能作异步并行处理。可以按数据驱动或要求驱动的方式实现分布在各处理器上的专家系统的各部分间的通信和同步。专家系统的分布处理特征要求专家系统做到功能合理均衡地分布，以及知识和数据适当地分布，着眼点主要在于提高系统的处理效率和可靠性等。

专家系统

2．多专家系统协同工作

为了拓展专家系统解决问题的领域或使一些互相关联的领域能用一个系统来解题提出了所谓协同式专家系统（synergetic expert system）的概念。在这种系统中，有多个专家系统协同合作。各子专家系统间可以互相通信，一个（或多个）子专家系统的输出可能就是另一子专家系统的输入，有些子专家系统的输出还可作为反馈信息输入到自身或其先辈系统中去，经过代求得某种“稳定”状态。多专家系统的协同合作自然也可在分布的环境中工作，但其着眼点主要在于通过多个子专家系统协同工作扩大整体专家系统的解题能力，而不像分布处理特征那样主要是为了提高系统的处理效率。

3．高级语言和知识语言描述

为了建立专家系统，知识工程师只需用一种高级专家系统描述语言对系统进行功能性能以及接口描述，并用知识表示语言描述领域知识，专家系统生成系统就能自动或半自动地生成所要的专家系统。这包括自动或半自动地选择或综合出一种合适的知识表示模式，把描述的知识形成一个知识库，并随之形成相应的推理执行机构、辩解机构、用户接口以及学习模块等。

专家系统

4．具有自学习功能

新型专家系统应提供高级的知识获取与学习功能。应提供合用的知识获取工具，从而对知识获取这个“瓶颈”问题有所突破。这种专家系统应该能根据知识库中已有的知识和用户对系统提问的动态应答，进行推理以获得新知识，总结新经验，从而不断扩充知识库，这即所谓自学习机制。

5．引入新的推理机制

现存的大部分专家系统只能作演筆推理。在新型专家系统中，除演绎推理之外，还应有归纳推理（包括联想、类比等推理）、各种非标准逻辑推理（例如非单调逻辑推理、加权逻辑推理等）以及各种基于不完全知识和模糊知识的推理等，在推理机制上应有一个突破。

人工智能

6．具有自我纠错和自我完善能力

为了排错必须首先有识别错误的能力，为了完善必须首先有鉴别优劣的标准。有了这种功能和上述的学习功能后，专家系统就会随着时间的推移，通过反复的运行不断地修正错误，不断完善自身，并使知识越来越丰富。

7．先进的智能人机接口

理解自然语言，实现语声、文字、图形和图像的直接输入输出是如今人们对智能计算机提出的要求，也是对新型专家系统的重要期望。这一方面需要硬件的有力支持，另一方面应该看到，先进的软件技术将使智能接口的实现大放异彩。