Historia systemów ekspertów, cechy, zalety, wady

systemy eksperckie Są one zdefiniowane jako systemy komputerowe, które naśladują zdolności decyzyjne ludzkiego eksperta w danym obszarze. Używają zarówno strategii heurystycznych, jak i faktów do niezawodnego i interaktywnego rozwiązywania złożonych problemów z podejmowaniem decyzji.

Zostały zaprojektowane w celu rozwiązania problemów o wysokiej złożoności, rozumując się za pośrednictwem baz wiedzy. Zamiast reprezentować kod oparty na procedurze, w zasadzie robią to z zasadami S-Then.

Źródło: Pixabay.com

Są w stanie wyrazić siebie i rozum dotyczącą niektórych dziedzin wiedzy, co pozwala im rozwiązać wiele problemów, które na ogół wymagałyby ludzkiego eksperta. Systemy eksperckie były poprzednikami obecnych systemów sztucznej inteligencji, głębokiego uczenia się i automatycznego uczenia się.

System ekspertów nie może zastąpić ogólnej wydajności pracownika w zadaniu rozwiązywania problemów. Mogą jednak drastycznie zmniejszyć ilość pracy, którą jednostka musi wykonać, aby rozwiązać problem, pozostawiając ludzi kreatywnych i innowacyjnych aspektów rozwiązywania problemów.

Odgrywali ważną rolę w wielu branżach, takich jak usługi finansowe, telekomunikacja, opieka medyczna, obsługa klienta, gry wideo i produkcja.

[TOC]

Pojemność systemu

System ekspercki zawiera dwa podsystemy: bazę wiedzy, która zawiera nagromadzone fakty i doświadczenie oraz silnik wnioskowania, który jest zestawem zasad stosowania w bazie wiedzy lub faktach znanych w każdej konkretnej sytuacji, aby wywnioskować nowe fakty.

Możliwości systemu można ulepszyć dzięki dodatkom do bazy wiedzy lub zestawu zasad.

Na przykład dzisiejsze systemy ekspertów mogą również mieć możliwość automatycznego uczenia się, umożliwiając poprawę ich wydajności w oparciu o doświadczenie, podobnie jak ludzie.

Ponadto nowoczesne systemy mogą łatwiej uwzględniać nową wiedzę, a tym samym po prostu aktualizować. Takie systemy mogą lepiej uogólniać od istniejącej wiedzy i obsługiwać duże ilości złożonych danych.

Historia

- Początkowe osiągnięcia

Pod koniec lat pięćdziesiątych zaczęła być możliwość wykorzystania technologii komputerowej do naśladowania decyzji -podejmowania podejmowania ludzi. Na przykład systemy wspomagane komputerowo zaczęły być tworzone do zastosowań diagnostycznych w medycynie.

Te początkowe układy diagnostyczne wprowadziły objawy pacjentów i wyniki testów laboratoryjnych w celu wygenerowania diagnozy. To były pierwsze formy systemów eksperckich.

- Główne zmiany

Na początku lat sześćdziesiątych opracowano programy, które rozwiązały dobrze zdefiniowane problemy. Na przykład automatyczne gry lub tłumaczenia.

Programy te wymagały inteligentnych technik rozumowania, aby poradzić sobie z przedstawionymi problemami logicznymi i matematycznymi, ale nie wymagały wiele dodatkowej wiedzy.

Naukowcy zaczęli ostrzec, że aby rozwiązać wiele interesujących problemów, programy musiały nie tylko być w stanie interpretować problemy, ale także potrzebowały podstawowej wiedzy, aby je całkowicie zrozumieć.

Doprowadziło to stopniowo do opracowania systemów ekspertów, które bardziej koncentrowały się na wiedzy.

Koncepcja systemów ekspertów została formalnie opracowana w 1965 roku przez Edwarda Feigenbauma, profesora na Uniwersytecie Stanforda, EE.Uu.

Feigenbaum wyjaśnił, że świat przechodzi od przetwarzania danych do przetwarzania wiedzy, dzięki nowym procesorom i technologii architektur komputerowej.

Dendral

Pod koniec lat sześćdziesiątych opracowano jeden z pierwszych systemów ekspertów, zwany Dendral, zajmując się analizą związków chemicznych.

Wiedza Dendrala składała się z setek zasad opisujących interakcje związków chemicznych. Zasady te były wynikiem lat współpracy między chemikaliami a komputerem.

Może ci służyć: tolerancje geometryczne: symbole, odniesie

- Dojrzałość

Systemy eksperckie zaczęły się rozprzestrzeniać w latach osiemdziesiątych. Duża liczba firm z listy Fortune 500 zastosowała tę technologię w swoich codziennych działaniach komercyjnych.

W latach 90. wielu dostawców aplikacji biznesowych, takich jak Oracle i SAP, zintegrowało możliwości systemów ekspertów w swoich produktach, jako sposób na wyjaśnienie logiki biznesowej.

Charakterystyka

- poziom doświadczenia

System ekspertów musi oferować najwyższy poziom doświadczenia. Zapewnia wydajność, precyzję i wyobraźnią rozwiązywania problemów.

- Reakcja na czas

Użytkownik wchodzi w interakcje z systemem ekspertów przez dość ostrożnościowe okres. Czas tej interakcji musi być mniejszy niż czas, w którym dla tego samego problemu przyjmuje ekspert, aby osiągnąć najdokładniejsze rozwiązanie.

- Niezawodność

System ekspertów musi mieć dobrą niezawodność. Aby to zrobić, nie powinieneś popełniać żadnego błędu.

- Skuteczny mechanizm

System ekspertów musi mieć skuteczny mechanizm zarządzania kompendium istniejącej wiedzy.

- Radzić sobie z problemami

System ekspertów musi być w stanie poradzić sobie z trudnymi problemami i podejmować właściwe decyzje w celu zapewnienia rozwiązań.

- składniki

Baza wiedzy

Jest to zorganizowane gromadzenie danych odpowiadające systemowi doświadczenia w systemie.

Poprzez wywiady i obserwacje dla ludzkich ekspertów należy podjąć fakty, które składają się na bazę wiedzy.

Silnik wnioskowania

Interpretuj i oceniaj fakty w bazie wiedzy za pomocą zasad, aby przedstawić zalecenie lub wnioski.

Wiedza ta jest reprezentowana w formie zasad produkcji Si-nawet: „Jeśli warunek jest prawdziwy, można wykonać następujące odliczenie”.

Wnioski

Współczynnik prawdopodobieństwa jest często przywiązany do wniosku każdej reguły produkcyjnej i ostatecznego zalecenia, ponieważ wyciągnięty wniosek nie jest absolutną pewnością.

Na przykład system ekspertów w diagnozie chorób oka może wskazywać, zgodnie z dostarczanymi informacjami, że dana osoba ma jaskry z prawdopodobieństwem 90%.

Ponadto można wykazać sekwencję reguł, przez które wyciągnięto wniosek. Monitorowanie tego łańcucha pomaga ocenić wiarygodność zalecenia i jest przydatne jako narzędzie do nauki.

Chłopaki

Na podstawie zasad

W tym systemie wiedza jest reprezentowana jako zestaw reguł. Zasada jest bezpośrednim i elastycznym sposobem wyrażania wiedzy.

Reguła składa się z dwóch części: części „tak”, zwanej warunkami i części „wtedy”, zwanej odliczeniem. Podstawową składnią reguły jest: tak (warunek), a następnie (odliczenie).

Na podstawie rozproszonej logiki

Kiedy chcesz wyrazić wiedzę za pomocą niejasnych słów jako „bardzo małego”, „umiarkowanie trudnego”, „nie tak stara”, można użyć logiki rozproszonej.

Ta logika służy do opisania niedokładnej definicji. Opiera się na idei, że wszystkie rzeczy są opisywane w skali zmiennej.

Klasyczna logika działa z dwoma wartościami pewnościami: true (1) i false (0). W logice rozproszonej wszystkie wartości pewności są wyrażane z liczbami rzeczywistymi w przedziale od 0 do 1.

Rozproszona logika reprezentuje wiedzę oparta na pewnym stopniu prawdomówności, zamiast absolutnej prawdziwości logiki klasycznej.

Neuronalny

Wraz z zaletami systemu eksperckiego opartego na zasadach, zalety sieci neuronalnej są również łączone, takie jak uczenie się, uogólnienie, solidność i przetwarzanie informacji równoległych.

Może ci służyć: Topologie sieciowe: koncepcja, typy i ich cechy, przykłady

Ten system ma neuronalną bazę wiedzy, zamiast tradycyjnej bazy wiedzy. Wiedza jest przechowywana jako pesos w neuronach.

Ta kombinacja umożliwia neuronalnemu systemowi ekspertów uzasadnienia jego wniosków.

Neuronalne difuso

Rozproszone sieci logiczne i neuronowe są uzupełniającymi się narzędziami do budowania systemów ekspertów.

Rozproszone systemy nie mają możliwości uczenia się i nie mogą dostosować się do nowego środowiska. Z drugiej strony, chociaż sieci neuronowe mogą się nauczyć, ich proces jest bardzo skomplikowany dla użytkownika.

Systemy dyfuzyjne neuronalne mogą łączyć możliwości obliczeniowe i uczenia się sieci neuronalnej z reprezentacją ludzkiej wiedzy i umiejętności wyjaśnienia systemów rozproszonych.

W rezultacie sieci neuronowe stają się bardziej przejrzyste, podczas gdy system rozproszony staje się w stanie się uczyć.

Zalety

Dostępność

Systemy eksperckie są łatwo dostępne w dowolnym miejscu i w dowolnym momencie, ze względu na masową produkcję oprogramowania.

Zmniejszone ryzyko

Firma może prowadzić eksperta w środowiskach, które są niebezpieczne dla ludzi. Mogą być używane w każdym środowisku ryzyka, w którym ludzie nie mogą pracować.

Wiedza biznesowa

Mogą stać się narzędziem do rozwijania wiedzy organizacyjnej, w przeciwieństwie do wiedzy osób w firmie.

Wyjaśnienie odpowiedzi

Są w stanie podać odpowiednie wyjaśnienie ich decyzji, szczegółowo wyrażając rozumowanie, które doprowadziło ich do odpowiedzi.

Używane jako narzędzia szkoleniowe, powodują szybsze krzywa uczenia się dla początkujących.

Szybka odpowiedź

Pomóż uzyskać szybkie i precyzyjne odpowiedzi. System ekspertów może wypełnić swoją część zadań znacznie szybciej niż ekspert ludzki.

Niski poziom błędu

Wskaźnik błędu udanych systemów ekspertów jest dość niski, czasem znacznie niższy niż poziom błędów człowieka dla tego samego zadania.

Odpowiedz bez emocji

Systemy eksperckie działają bez ekscytacji. Nie stawiają napięcia, zmęczenia ani paniki i nieustannie pracują w sytuacjach awaryjnych.

Trwałość wiedzy

System ekspertów utrzymuje znaczny poziom informacji. Ta treść wiedzy będzie trwać w nieskończoność.

Szybkie tworzenie prototypów

Dzięki systemowi eksperckim możliwe jest wprowadzenie niektórych zasad i opracowanie prototypu w ciągu kilku dni, zamiast miesięcy lub lat powszechnie związanych ze złożonymi projektami komputerowymi.

Wiele doświadczeń

System ekspertów może być zaprojektowany tak, aby zawierał wiedzę wielu wykwalifikowanych ekspertów, a tym samym mieć możliwość rozwiązywania złożonych problemów.

Zmniejsza to koszty, aby uciekać się do ekspertów konsultantów w celu rozwiązywania problemów. Są narzędziem, aby uzyskać źródła wiedzy trudne do zdobycia.

Niedogodności

Pozyskiwanie wiedzy

Zawsze trudno jest uzyskać czas ekspertów w poszczególnych obszarach dla każdego aplikacji, ale w przypadku systemów ekspertów jest to szczególnie trudne, ponieważ eksperci są wysoce cenieni i stale żądani przez organizacje.

W rezultacie duża ilość badań w ostatnich latach koncentrowała się na narzędzi do pozyskiwania wiedzy, które pomagają w automatyzacji procesu projektowania, oczyszczania i utrzymania zasad określonych przez ekspertów.

Integracja systemu

Integracja systemów z bazami danych była trudna dla pierwszych systemów ekspertów, ponieważ narzędzia były głównie w nieznanych językach i platformach w środowiskach korporacyjnych.

Może ci służyć: produkt techniczny

W rezultacie podjęto duży wysiłek w celu zintegrowania narzędzi systemów ekspertów z odziedziczonymi środowiskami, dzięki czemu przeniesienie na bardziej standardowe platformy.

Problemy te zostały rozwiązane głównie przez zmianę paradygmatu, ponieważ komputery PC były stopniowo akceptowane w środowisku komputerowym jako legalna platforma do opracowywania poważnych systemów komercyjnych.

Złożoność przetwarzania

Zwiększając wielkość bazy wiedzy, złożoność przetwarzania wzrasta.

Na przykład, jeśli system ekspertów ma 100 milionów zasad, jest oczywiste, że byłby zbyt złożony i byłby w obliczu wielu problemów obliczeniowych.

Silnik wnioskowania powinien być w stanie przetworzyć dużą liczbę zasad w celu podjęcia decyzji.

Gdy istnieje zbyt wiele zasad, skomplikowane jest również, że te zasady decyzyjne są ze sobą zgodne.

Skomplikowane jest również priorytetowe rozliczenie stosowania reguł do wydajniejszego działania lub sposobu rozwiązywania dwuznaczności.

Aktualizacja wiedzy

Problem związany z bazą wiedzy jest sposób szybkiego i skutecznego wprowadzania aktualizacji. Ponadto, jak dodać nową wiedzę, to znaczy, gdzie dodać ją do wielu zasad.

Aplikacje

Diagnoza i rozwiązywanie problemów

Podsumowuje wszystkie systemy, które wnioskują o awarie i sugerują działania naprawcze dla procesu lub urządzenia, które źle działa.

Jednym z pierwszych obszarów wiedzy, w których zastosowano technologię systemów eksperckich, była diagnoza medyczna. Jednak diagnoza systemów inżynierskich szybko przekroczyła diagnozę medyczną.

Diagnozę można wyrazić jako: Biorąc pod uwagę dowody, które powstają, jaki jest problem, rozum lub przyczynę?

Planowanie i programowanie

Te systemy ekspertów analizują zestaw celów, aby określić zestaw działań, które osiągają te cele, zapewniając szczegółową kolejność tych działań w czasie, biorąc pod uwagę materiały, personel i inne ograniczenia.

Przykłady obejmują programowanie lotów i personelu linii lotniczych oraz planowanie procesu produkcyjnego.

Decyzje finansowe

Utworzono systemy porad finansowych, aby pomóc bankowcom ustalić, czy pożyczki dla osób fizycznych i firm.

Firmy ubezpieczeniowe korzystają z tych systemów ekspertów do oceny ryzyka przedstawionego przez klienta, a tym samym ustalenia ceny ubezpieczenia.

Monitorowanie i kontrola procesu

Analizują dane w czasie rzeczywistym urządzeń fizycznych, aby zauważyć anomalie, przewidywać trendy i kontrolować zarówno optymalizację, jak i korekcję błędów.

Przykładami tych systemów znajdują się w branży produkcji naftowej i stali.

Rada wiedzy

Podstawową funkcją tej aplikacji jest zapewnienie znacznej wiedzy na temat problemu użytkownika, w środowisku tego problemu.

Do tej kategorii należą dwa systemy ekspertów, które są dystrybuowane o większej amplitudzie na całym świecie.

Pierwszym z tych systemów jest doradca, który doradza użytkownikowi w sprawie prawidłowego użycia gramatyki w tekście.

Drugi to doradca fiskalny, który jest dołączony do systemu w celu przygotowania podatków. Doradca Użytkownik o konkretnej strategii podatkowej i zasadach.

Bibliografia

1. Guru99 (2019). Inteligencja w sztucznym systemie ekspertów: co to jest, aplikacje, przykład. Zaczerpnięte z: Guru99.com.
2. Wikipedia, The Free Encyclopedia (2019). System ekspertów. Zaczerpnięte z: w.Wikipedia.org.
3. Margaret Rouse (2019). System ekspertów. TechTarget. Zaczerpnięte z: SearchenTerPriseai.TechTarget.com.
4. Vladimir Zwass (2019). System ekspertów. Encyklopedia pobrana z: Britannica.com.
5. WTEC (2019). Zastosowania systemów eksperckich. Zaczerpnięte z: WTEC.org.
6. Viral Nagori (2014). Rodzaje systemu eksperckiego: badanie porównawcze. Semantyczny uczony.Zaczerpnięte z: PDFS.Semantycscholar.org.
7. World of Computing (2010). Systemy eksperckie. Zaczerpnięte z: Inteligence.WorldOfcomputing.internet.