História expertných systémov, charakteristiky, výhody, nevýhody

Ten expertné systémy Sú definované ako počítačové systémy, ktoré napodobňujú rozhodovanie o výrobe ľudského odborníka v konkrétnej oblasti. Používajú heuristické stratégie a fakty na spoľahlivé a interaktívne riešenie zložitých problémov s rozhodovaním.

Sú navrhnuté tak, aby riešili problémy s vysokou zložitosťou, uvažovanie prostredníctvom znalostných základov. Namiesto toho, aby boli reprezentovaní kódexom založeným na postupoch, v podstate tak robia s pravidlami SI-Then.

Zdroj: Pixabay.com

Sú schopní vyjadriť sa a rozum o niektorých oblastiach vedomostí, čo im umožňuje vyriešiť veľa problémov, ktoré by vo všeobecnosti vyžadovali ľudského odborníka. Odborné systémy boli predchodcami súčasných systémov umelej inteligencie, hlbokého učenia a automatického učenia sa.

Odborný systém nemôže nahradiť všeobecný výkon pracovníka v úlohe riešenia problémov. Môžu však drasticky znížiť množstvo práce, ktorú musí jednotlivec urobiť, aby vyriešil problém, takže ľuďom zostane kreatívne a inovatívne aspekty riešenia problémov.

Zohrávali dôležitú úlohu v mnohých odvetviach, ako sú finančné služby, telekomunikácie, lekárska starostlivosť, služby zákazníkom, videohry a výroba.

[TOC]

Kapacita systému

Odborný systém obsahuje dva subsystémy: znalostná základňa, ktorá obsahuje nahromadené fakty a skúsenosti, a inferenčný motor, ktorý je súborom pravidiel, ktoré sa majú vzťahovať na znalostnú základňu alebo fakty známe v každej konkrétnej situácii, aby sa odvodili nové fakty.

Systémové schopnosti je možné vylepšiť s doplnkami k znalostnej základne alebo s súpratnou pravidlami.

Napríklad dnešné expertné systémy môžu mať tiež schopnosť automaticky sa učiť, čo umožňuje zlepšiť ich výkon na základe skúseností, ako to robia ľudia.

Okrem toho môžu moderné systémy ľahšie zahrnúť nové znalosti, a tak ich jednoducho aktualizovať. Takéto systémy sa môžu lepšie zovšeobecniť z existujúcich znalostí a zvládnuť veľké množstvo zložitých údajov.

História

- Počiatočný vývoj

Na konci päťdesiatych rokov sa začala zažiť možnosť použitia počítačovej technológie na napodobňovanie rozhodnutia ľudí. Napríklad počítačové systémy sa začali vytvárať pre diagnostické aplikácie v medicíne.

Tieto počiatočné diagnostické systémy vstúpili do príznakov pacientov a výsledky laboratórnych testov, aby sa v dôsledku toho vytvorila diagnóza. Boli to prvé formy odborných systémov.

- Hlavný vývoj

Na začiatku šesťdesiatych rokov boli vyvinuté programy, ktoré vyriešili dobre definované problémy. Napríklad automatické hry alebo preklady.

Tieto programy vyžadovali inteligentné techniky zdôvodnenia na riešenie logických a matematických problémov, ktoré boli predložené, ale nevyžadovali veľa ďalších vedomostí.

Vedci začali varovať, že s cieľom vyriešiť mnoho zaujímavých problémov museli programy nielen byť schopné interpretovať problémy, ale tiež potrebovali základné znalosti, aby im úplne porozumeli.

To postupne viedlo k rozvoju odborných systémov, ktoré sa viac zameriavali na vedomosti.

Koncept odborných systémov bol formálne vyvinutý v roku 1965 Edwardom Feigenbaumom, profesorom na Stanfordskej univerzite v EE.Uu.

Feigenbaum vysvetlil, že svet prechádza od spracovania údajov po spracovanie znalostí vďaka novým procesorom a technológiám počítačových architektúr.

Dendral

Na konci šesťdesiatych rokov bol vyvinutý jeden z prvých expertných systémov, ktorý sa nazýva Dendral, ktorý sa zaoberá analýzou chemických zlúčenín.

Znalosti spoločnosti Dendral pozostávali zo stoviek pravidiel, ktoré opisujú interakcie chemických zlúčenín. Tieto pravidlá boli výsledkom rokov spolupráce medzi chemikáliami a počítačmi.

Môže vám slúžiť: geometrické tolerancie: symboly, dátum a príklady

- Splatnosť

Odborné systémy sa začali šíriť v osemdesiatych rokoch. Veľké množstvo spoločností Fortune 500 uplatňovalo túto technológiu vo svojich denných obchodných činnostiach.

V 90. rokoch 20. storočia mnohí dodávatelia obchodných aplikácií, ako napríklad Oracle a SAP, integrovalo kapacity expertných systémov do svojich výrobkov, ako spôsob vysvetlenia obchodnej logiky.

Charakteristika

- Úroveň skúseností

Odborný systém musí ponúknuť najvyššiu úroveň skúseností. Poskytuje účinnosť, presnosť a imaginatívne riešenie problémov.

- Reakcia včas

Užívateľ interaguje s odborným systémom na pomerne obozretné časové obdobie. Čas tejto interakcie musí byť kratší ako čas, keď sa za ten istý problém použije odborník na dosiahnutie najpresnejšieho riešenia.

- Spoľahlivosť

Systém odborníkov musí mať dobrú spoľahlivosť. Aby ste to dosiahli, nemali by ste sa robiť chyby.

- Účinný mechanizmus

Systém odborníkov musí mať účinný mechanizmus na spravovanie kompendiu existujúcich znalostí v ňom.

- Zvládnuť problémy

Odborný systém musí byť schopný zvládnuť náročné problémy a robiť správne rozhodnutia o poskytovaní riešení.

- Komponenty

Vedomostná základňa

Je to organizovaný zber údajov, ktorý zodpovedá systému systému Systém.

Prostredníctvom rozhovorov a pozorovaní pre ľudských odborníkov sa musia zaujať fakty, ktoré tvoria vedomostnú základňu.

Inferenčný motor

Interpretovať a hodnotiť fakty v znalostnej základni prostredníctvom pravidiel, aby ste poskytli odporúčanie alebo záver.

Tieto znalosti sú zastúpené vo forme výrobných pravidiel SI-Even: „Ak je podmienka pravdivá, potom je možné vykonať nasledujúci odpočet“.

Závery

Faktor pravdepodobnosti je často pripojený k záveru každého výrobného pravidla a konečné odporúčanie, pretože dospelý záver nie je absolútnou istotou.

Napríklad odborný systém na diagnostiku očných chorôb by mohol podľa poskytnutých informácií naznačovať, že osoba má glaukóm s 90% pravdepodobnosťou.

Okrem toho je možné ukázať postupnosť pravidiel, prostredníctvom ktorých bol záver dosiahnutý. Monitorovanie tohto reťazca pomáha vyhodnotiť dôveryhodnosť odporúčania a je užitočné ako nástroj na vzdelávanie.

Chlapci

Na základe pravidiel

V tomto systéme sú znalosti zastúpené ako súbor pravidiel. Pravidlo je priamy a flexibilný spôsob vyjadrovania vedomostí.

Pravidlo pozostáva z dvoch častí: časť „áno“, nazývaná podmienka a časť „vtedy“, nazývaná odpočet. Základná syntax pravidla je: áno (podmienka) potom (odpočet).

Založené na difúznej logike

Ak chcete vyjadriť vedomosti pomocou nejasných slov ako „veľmi malé“, „mierne náročné“, „nie také staré“, je možné použiť difúznu logiku.

Táto logika sa používa na opis nepresnej definície. Je založená na myšlienke, že všetky veci sú opísané v premenlivej mierke.

Klasická logika funguje s dvoma hodnotami istoty: True (1) a False (0). V difúznej logike sú všetky hodnoty istoty vyjadrené so skutočnými číslami v intervale medzi 0 a 1.

Difúzna logika predstavuje znalosti založené na stupni pravdivosti namiesto absolútnej pravdivosti klasickej logiky.

Neuronálny

S výhodami expertného systému založeného na pravidlách sú tiež kombinované výhody neurónovej siete, ako je napríklad učenie, zovšeobecnenie, solídnosť a paralelné spracovanie informácií.

Môže vám slúžiť: Topológie siete: Koncept, typy a ich charakteristiky, príklady

Tento systém má neuronálnu vedomostnú základňu namiesto tradičnej vedomostnej základne. Znalosti sa ukladajú ako pesos v neurónoch.

Táto kombinácia umožňuje systému expertov na neuronály odôvodniť svoje závery.

Neuronálny difuso

Difúzna logika a neurónové siete sú doplnkové nástroje na budovanie expertných systémov.

Difúzne systémy nemajú schopnosť učiť sa a nemôžu sa prispôsobiť novému prostrediu. Na druhej strane, aj keď sa neurónové siete môžu naučiť, ich proces je pre používateľa veľmi komplikovaný.

Systémy Neuronal-Diffuse môžu kombinovať výpočtové a učebné schopnosti neuronálnej siete so znázornením ľudských znalostí a vysvetľujúcimi schopnosťami difúznych systémov.

V dôsledku.

Výhody

Dostupnosť

Odborné systémy sú ľahko dostupné, kdekoľvek a kedykoľvek a kedykoľvek, kvôli hromadnej výrobe softvéru.

Znížené riziko

Spoločnosť môže prevádzkovať odborníka v prostrediach, ktoré sú pre ľudí nebezpečné. Môžu byť použité v akomkoľvek rizikovom prostredí, kde ľudia nemôžu pracovať.

Obchodné znalosti

Na rozdiel od znalostí jednotlivcov v spoločnosti sa môžu stať prostriedkom na rozvoj organizačných znalostí.

Vysvetlenie odpovede

Sú schopní poskytnúť primerané vysvetlenie ich rozhodovania a podrobne vyjadriť zdôvodnenie, ktoré ich viedlo k odpovedi.

Pri použití ako školiace nástroje majú za následok rýchlejšiu krivku učenia pre začiatočníkov.

Rýchla odpoveď

Pomôžte získať rýchle a presné odpovede. Odborný systém môže dokončiť svoju časť úloh oveľa rýchlejšie ako ľudský odborník.

Nízka miera chybovosti

Chybová miera úspešných expertných systémov je pomerne nízka, niekedy oveľa nižšia ako miera chybovosti človeka pre tú istú úlohu.

Odpoveď bez emócií

Expertné systémy fungujú bez toho, aby sa nadchli. Nevkladajú napäté, unavené ani panické a počas núdzových situácií pracujú neustále.

Stálosť vedomostí

Systém odborníkov si zachováva značnú úroveň informácií. Tento obsah vedomostí bude trvať neurčito.

Rýchly prototyp

S odborným systémom je možné vstúpiť do niektorých pravidiel a vyvinúť prototyp v dňoch, namiesto mesiacov alebo rokov bežne spojených s komplexnými počítačovými projektmi.

Viacnásobné skúsenosti

Systém odborníkov môže byť navrhnutý tak, aby obsahoval znalosti mnohých kvalifikovaných odborníkov, a preto majú schopnosť riešiť zložité problémy.

To znižuje náklady na uchýlenie sa k odborným konzultantom na riešenie problémov. Sú prostriedkom na získanie zdrojov vedomostí ťažko získať.

Nevýhody

Získavanie vedomostí

Vždy je ťažké získať čas odborníkov v konkrétnych oblastiach pre akúkoľvek softvérovú aplikáciu, ale pre expertné systémy je to obzvlášť ťažké, pretože odborníci sú vysoko cenení a neustále požadujú organizácie.

V dôsledku toho sa veľké množstvo výskumu v posledných rokoch sústredilo na nástroje na získanie vedomostí, ktoré pomáhajú automatizovať proces návrhu, čistenia a údržby pravidiel definovaných odborníkmi.

Integrácia systému

Integrácia systémov s databázami bola pre prvé expertné systémy náročná, pretože nástroje boli hlavne v neznámych jazykoch a platformách v podnikových prostrediach.

Môže vám slúžiť: technický produkt

Výsledkom bolo, že sa vynaložilo veľké úsilie na integráciu nástrojov expertných systémov s zdedeným prostredím, čím sa prenos na štandardnejšie platformy.

Tieto problémy boli vyriešené hlavne zmenou paradigmy, pretože počítače boli postupne akceptované v počítačovom prostredí ako legitímna platforma pre vývoj závažných komerčných systémov.

Zložitosť spracovania

Zvýšením veľkosti vedomostnej základne sa zvyšuje zložitosť spracovania.

Napríklad, ak má expertný systém 100 miliónov pravidiel, je zrejmé, že by bol príliš zložitý a čelil by mnohým výpočtovým problémom.

Inferenčný motor by mal byť schopný spracovať veľké množstvo pravidiel, aby sa rozhodlo o rozhodnutí.

Ak existuje príliš veľa pravidiel, je tiež komplikované, že tieto pravidlá rozhodovania sú navzájom v súlade.

Je tiež zložité uprednostňovať používanie pravidiel na efektívnejšie fungovanie alebo ako vyriešiť nejasnosti.

Aktualizácia vedomostí

Problém súvisiaci s vedomostou základňou je, ako rýchlo a efektívne robiť aktualizácie. Okrem toho, ako pridať nové vedomosti, to znamená, kam ich pridať medzi toľko pravidiel.

Žiadosti

Diagnostika a riešenie problémov

Sumarizuje všetky systémy, ktoré odvodzujú zlyhania a navrhujú nápravné akcie pre proces alebo zariadenie, ktoré funguje zle.

Jednou z prvých oblastí poznatkov, v ktorej sa uplatňovala technológia expertných systémov, bola lekárska diagnostika. Diagnóza inžinierskych systémov však rýchlo prekročila lekársku diagnostiku.

Diagnóza je možné vyjadriť ako: vzhľadom na dôkazy, ktoré vznikajú, aký je základný problém, dôvod alebo príčina?

Plánovanie a programovanie

Tieto expertné systémy analyzujú súbor cieľov s cieľom určiť súbor akcií, ktoré dosahujú tieto ciele, a poskytujú podrobné poradie týchto akcií v priebehu času, berúc do úvahy materiály, personál a ďalšie obmedzenia.

Medzi príklady patrí programovanie letov a personál leteckých spoločností a plánovanie výrobných procesov.

Finančné rozhodnutia

Boli vytvorené systémy finančného poradenstva s cieľom pomôcť bankárom určiť, či pôžičky jednotlivcom a spoločnostiam.

Poisťovacie spoločnosti využívajú tieto expertné systémy na vyhodnotenie rizika, ktoré klient predstavuje, a teda určiť poistnú cenu.

Monitorovanie a riadenie procesov

Analyzujú v reálnom čase údaje fyzických zariadení, aby si všimli anomálie, predpovedali trendy a riadili optimalizáciu aj korekciu porúch.

Príklady týchto systémov sú v priemysle výroby ropy a ocele.

Poradenstvo

Primárnou funkciou tejto aplikácie je poskytnúť významné znalosti pre problém používateľa v prostredí tohto problému.

Do tejto kategórie patria dva expertné systémy, ktoré sú distribuované s väčšou amplitúdou na celom svete.

Prvým z týchto systémov je poradca, ktorý radí používateľovi správne použitie gramatiky v texte.

Druhým je fiškálny poradca, ktorý je pripojený k systému na prípravu daní. Poradca používateľa o konkrétnej daňovej stratégii a politikách.

Odkazy

1. Guru99 (2019). Intelligence in Artificial Expert System: Čo je, aplikačné aplikácie, príklad. Prevzaté z: Guru99.com.
2. Wikipedia, The Free Encyclopedia (2019). Expert. Prevzaté z: v.Wikipedia.orgán.
3. Margaret Rouse (2019). Expert. Techtarget. Zobraté z: Seartenterpriseai.Techtarget.com.
4. Vladimir Zwass (2019). Expert. Encyclopaedia prevzatá: Britannica.com.
5. WTEC (2019). Aplikácie odborných systémov. Prevzaté z: WTEC.orgán.
6. Viral Nagori (2014). Typy expertných systémov: porovnávacia štúdia. Sémantický učenec.Prevzaté z: PDFS.Sémanticscholar.orgán.
7. World of Computing (2010). Expertné systémy. Zobraté z: inteligencie.Svetový komplikovanie.slepo.