EXPERTNÉ SYSTÉMY: HISTÓRIA, VLASTNOSTI, VÝHODY, NEVÝHODY - TECHNOLÓGIE - 2024

Tieto expertné systémy sú definované ako systémy, ktoré emulovať rozhodovacie schopnosti odborníka človeka v určitej oblasti. Používajú heuristické stratégie a fakty na spoľahlivé a interaktívne riešenie zložitých problémov s rozhodovaním.

Sú navrhnuté tak, aby riešili vysoko komplexné problémy, zdôvodňovali ich prostredníctvom znalostných databáz. Namiesto toho, aby boli zastúpené procedurálnym kódom, sú v zásade reprezentované pravidlami If-Then.

Zdroj: pixabay.com

Dokážu sa vyjadriť a zdôvodniť niektoré oblasti vedomostí, čo im umožňuje riešiť mnoho problémov, ktoré by si zvyčajne vyžadovali odborníka na človeka. Expertné systémy boli predchodcami dnešných systémov umelej inteligencie, hlbokého učenia a strojového učenia.

Expertný systém nemôže nahradiť celkový výkon pracovníka pri riešení problémov. Môžu však drasticky znížiť množstvo práce, ktorú musí jednotlivec urobiť, aby vyriešil problém, pričom kreatívne a inovatívne aspekty riešenia problémov nechajú na ľuďoch.

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

Kapacita systému

Expertný systém zahŕňa dva subsystémy: vedomostnú základňu, ktorá obsahuje súhrnné fakty a skúsenosti, a inferenčný motor, ktorý je súbor pravidiel, ktoré sa majú uplatňovať na vedomostnú základňu alebo známe fakty v každej konkrétnej situácii s cieľom odvodiť nové. pôsobí.

Schopnosti systému je možné vylepšiť pridaním bázy poznatkov alebo sady pravidiel.

Napríklad dnešné odborné systémy môžu mať tiež schopnosť učiť sa automaticky, čo im umožňuje zlepšovať ich výkon na základe skúseností, tak ako to robia ľudia.

Moderné systémy môžu navyše ľahšie zapájať nové poznatky, a tak ich možno ľahko aktualizovať. Takéto systémy sa môžu lepšie zovšeobecniť na základe existujúcich znalostí a spracovať veľké množstvo komplexných údajov.

histórie

- Počiatočný vývoj

Koncom 50. rokov 20. storočia sa začali experimentovať s možnosťou využitia počítačovej technológie na napodobňovanie ľudského rozhodovania. Napríklad počítačové systémy sa začali vytvárať pre diagnostické aplikácie v medicíne.

Tieto počiatočné diagnostické systémy zadali symptómy pacienta a výsledky laboratórnych testov do systému, aby sa vygenerovala diagnóza. Boli to prvé formy expertných systémov.

- Hlavný vývoj

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

Tieto programy si vyžadovali inteligentné techniky uvažovania na zvládnutie logických a matematických problémov, ktoré boli prezentované, ale nevyžadovali si veľa dodatočných znalostí.

Vedci si začali uvedomovať, že na vyriešenie mnohých zaujímavých problémov musia programy nielen interpretovať problémy, ale potrebujú aj základné znalosti, aby ich mohli úplne porozumieť.

To postupne viedlo k rozvoju expertných systémov, ktoré boli viac zamerané na vedomosti.

Koncept expertných systémov bol formálne vyvinutý v roku 1965 Edwardom Feigenbaumom, profesorom na Stanfordskej univerzite v USA.

Feigenbaum vysvetlil, že svet prešiel od spracovania údajov k spracovaniu znalostí vďaka novej technológii procesorov a počítačovým architektúram.

Dendral

Na konci 60. rokov 20. storočia sa vyvinul jeden z prvých expertných systémov s názvom Dendral, ktorý sa zaoberal analýzou chemických zlúčenín.

Dendralove vedomosti pozostávali zo stoviek pravidiel, ktoré opisovali interakcie chemických zlúčenín. Tieto pravidlá boli výsledkom dlhoročnej spolupráce chemikov a počítačových vedcov.

- Splatnosť

Expertné systémy sa začali množiť počas osemdesiatych rokov. Mnoho spoločností z rebríčka Fortune 500 použilo túto technológiu vo svojich každodenných obchodných činnostiach.

V 90. rokoch mnoho predajcov podnikových aplikácií, ako napríklad Oracle a SAP, integrovalo schopnosti expertných systémov do svojej sady produktov ako spôsob vysvetlenia obchodnej logiky.

vlastnosti

- úroveň skúseností

Expertný systém musí ponúkať najvyššiu úroveň odbornosti. Poskytuje efektívnosť, presnosť a imaginatívne riešenie problémov.

- Reakcia včas

Používateľ spolupracuje s expertným systémom počas pomerne primeraného časového obdobia. Čas tejto interakcie musí byť kratší ako čas, ktorý odborník potrebuje na získanie čo najpresnejšieho riešenia toho istého problému.

- Spoľahlivosť

Expertný systém musí mať dobrú spoľahlivosť. Za týmto účelom nesmiete robiť žiadne chyby.

- Účinný mechanizmus

Expertný systém musí mať účinný mechanizmus na správu prehľadu poznatkov, ktoré v ňom existujú.

- Riešiť problémy

Expertný systém musí byť schopný zvládnuť náročné problémy a urobiť správne rozhodnutia, aby poskytol riešenia.

- Súčasti

Vedomostná základňa

Je to organizovaný zber údajov zodpovedajúci rozsahu skúseností so systémom.

Prostredníctvom rozhovorov a pozorovaní s ľudskými odborníkmi sa musia zohľadniť skutočnosti, ktoré tvoria vedomostnú základňu.

Inferenčný motor

Interpretovať a vyhodnotiť fakty v znalostnej báze prostredníctvom pravidiel s cieľom poskytnúť odporúčanie alebo záver.

Táto znalosť je reprezentovaná vo forme pravidiel výroby If-Then: „Ak je podmienka splnená, je možné vykonať nasledujúce odpočítanie.“

závery

K záveru každého výrobného pravidla a konečnému odporúčaniu sa často pripája pravdepodobný faktor, pretože dosiahnutý záver nie je absolútna istota.

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

Môže sa tiež ukázať postupnosť pravidiel, prostredníctvom ktorých sa dosiahol záver. Monitorovanie tohto reťazca pomáha posúdiť dôveryhodnosť odporúčania a je užitočné ako vzdelávací nástroj.

druhy

Založený na pravidlách

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

Pravidlo sa skladá z dvoch častí: časť „If“, ktorá sa nazýva podmienka, a časť „Then“, ktorá sa nazýva odpočítanie. Základná syntax pravidla je: If (podmienka) Then (deduction).

Na základe fuzzy logiky

Ak chcete vyjadriť vedomosti pomocou nejasných slov ako „veľmi málo“, „stredne ťažké“, „nie také staré“, je možné použiť fuzzy logiku.

Táto logika sa používa na opis nepresnej definície. Je založená na myšlienke, že všetky veci sú opísané na posuvnej stupnici.

Klasická logika pracuje s dvoma hodnotami istoty: True (1) a False (0). Vo fuzzy logike sú všetky hodnoty istoty vyjadrené ako skutočné čísla v rozsahu 0 až 1.

Fuzzy logika predstavuje znalosti založené skôr na stupni pravdivosti ako na absolútnej pravdivosti klasickej logiky.

neurónov

Výhody expertného systému založeného na pravidlách tiež kombinujú výhody neurónovej siete, ako sú učenie, generalizácia, robustnosť a paralelné spracovanie informácií.

Tento systém má skôr neurálnu vedomostnú základňu ako tradičnú vedomostnú základňu. Vedomosti sú uložené ako závažia v neurónoch.

Táto kombinácia umožňuje nervovému expertnému systému zdôvodniť svoje závery.

Neurónový-difúzny

Fuzzy logika a neurónové siete sú doplnkovými nástrojmi na vytváranie expertných systémov.

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

Neurofuzzy systémy môžu kombinovať výpočtové a učebné schopnosti neurónovej siete so znázornením ľudských vedomostí a vysvetľovacích schopností fuzzy systémov.

Výsledkom je, že neurónové siete sú transparentnejšie, zatiaľ čo fuzzy systém je schopný učiť sa.

výhoda

Dostupnosť

Expertné systémy sú ľahko dostupné kdekoľvek a kedykoľvek vďaka hromadnej výrobe softvéru.

Znížené riziko

Spoločnosť môže prevádzkovať expertný systém v prostrediach, ktoré sú pre človeka nebezpečné. Môžu byť použité v akomkoľvek nebezpečnom prostredí, kde ľudia nemôžu pracovať.

Obchodné znalosti

Na rozdiel od vedomostí jednotlivcov v spoločnosti sa môžu stať nástrojom rozvoja organizačných znalostí.

Odpoveď na vysvetlenie

Sú schopní primerane vysvetliť svoje rozhodovanie a podrobne vyjadriť dôvody, ktoré viedli k odpovedi.

Pri použití ako školiacich nástrojov vedú k rýchlejšej krivke učenia pre začiatočníkov.

Rýchla odpoveď

Pomáha získať rýchle a presné odpovede. Expertný systém môže dokončiť svoj podiel úloh oveľa rýchlejšie ako ľudský expert.

Nízka chybovosť

Miera chybovosti úspešných expertných systémov je dosť nízka, niekedy oveľa nižšia ako miera chybovosti ľudí pri rovnakej úlohe.

Citová odpoveď

Expertné systémy fungujú bez nadšenia. Nie sú napätí, unavení alebo panika a v núdzových situáciách neustále pracujú.

Trvalá znalosť

Expertný systém udržuje značnú úroveň informácií. Tieto obsiahnuté vedomosti budú trvať donekonečna.

Rapídne prototypovanie

S expertným systémom je možné zadávať niektoré pravidlá a vyvíjať prototyp skôr v dňoch, ako v mesiacoch alebo rokoch, ktoré sú bežne spojené s komplexnými IT projektmi.

Viacnásobné skúsenosti

Expertný systém môže byť navrhnutý tak, aby obsahoval vedomosti mnohých kvalifikovaných odborníkov, a tak mal schopnosť riešiť zložité problémy.

Tým sa znižujú náklady na konzultantov s riešením problémov s odborníkmi. Sú prostriedkom na získavanie zdrojov poznatkov, ktoré je ťažké získať.

nevýhody

Získavanie vedomostí

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

V dôsledku toho sa veľké množstvo výskumov v posledných rokoch zameriavalo na nástroje na získavanie vedomostí, ktoré pomáhajú automatizovať proces navrhovania, ladenia a udržiavania pravidiel definovaných odborníkmi.

Integrácia systému

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

Výsledkom bolo veľké úsilie o integráciu nástrojov expertných systémov so staršími prostrediami, čím sa presunul na viac štandardných platforiem.

Tieto problémy boli vyriešené hlavne presunom paradigmy, pretože počítače boli postupne prijímané v počítačovom prostredí ako legitímna platforma pre rozvoj vážnych obchodných systémov.

Zložitosť spracovania

Zvyšovanie veľkosti vedomostnej základne zvyšuje zložitosť spracovania.

Napríklad, ak má expertný systém 100 miliónov pravidiel, je zrejmé, že by bolo príliš zložité a čelilo by mnohým výpočtovým problémom.

Inferenčný motor by musel byť schopný spracovať veľké množstvo pravidiel, aby sa mohol rozhodnúť.

Ak existuje príliš veľa pravidiel, je tiež ťažké overiť, či sú tieto pravidlá rozhodovania navzájom v súlade.

Je tiež ťažké uprednostniť použitie pravidiel na efektívnejšie fungovanie alebo ako vyriešiť nejasnosti.

Aktualizácia vedomostí

Jedným z problémov týkajúcich sa vedomostnej základne je spôsob rýchlej a efektívnej aktualizácie. Tiež, ako pridať nové vedomosti, to znamená, kde ich pridať medzi toľko pravidiel.

aplikácia

Diagnostika a riešenie problémov

Sumarizuje všetky systémy na zisťovanie porúch a navrhuje nápravné opatrenia v prípade zlyhania procesu alebo zariadenia.

Jednou z prvých poznatkových oblastí, v ktorých bola použitá technológia expertných systémov, bola lekárska diagnostika. Diagnostika inžinierskych systémov však rýchlo prekonala lekársku diagnostiku.

Diagnózu možno vyjadriť takto: aký je základný problém, dôvod alebo príčina vzhľadom na predložené dôkazy?

Plánovanie a plánovanie

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

Medzi príklady patrí personálne obsadenie a plánovanie letov leteckých spoločností a plánovanie výrobných procesov.

Finančné rozhodnutia

Finančné poradenské systémy boli vytvorené s cieľom pomôcť bankárom určiť, či majú poskytovať pôžičky jednotlivcom a spoločnostiam.

Poisťovacie spoločnosti používajú tieto expertné systémy na hodnotenie rizika, ktoré klient predstavuje, a teda na stanovenie ceny poistenia.

Monitorovanie a kontrola procesov

Analyzujú údaje z fyzických zariadení v reálnom čase, aby si všimli anomálie, predpovedali trendy a kontrolovali optimalizáciu a opravu chýb.

Príklady týchto systémov sú v rafinériách ropy a oceliarskom priemysle.

Znalostné poradenstvo

Hlavnou funkciou tejto aplikácie je poskytnúť zmysluplný pohľad na problém používateľa v prostredí daného problému.

Do tejto kategórie patria dva najrozšírenejšie distribuované systémy na celom svete.

Prvý z týchto systémov je poradca, ktorý užívateľovi radí, ako správne používať gramatiku v texte.

Druhým je daňový poradca, ktorý je pripojený k systému prípravy daní. Radí používateľovi o stratégii a konkrétnych daňových politikách.

Referencie

1. Guru99 (2019). Expertný systém v oblasti umelej inteligencie: Čo je to, aplikácie, príklad. Prevzaté z: guru99.com.
2. Wikipedia, bezplatná encyklopédia (2019). Expertný systém. Prevzaté z: en.wikipedia.org.
3. Margaret Rouse (2019). Expertný systém. TechTarget. Prevzaté z: searchenterpriseai.techtarget.com.
4. Vladimir Zwass (2019). Expertný systém. Encyklopédia Prevzaté z: britannica.com.
5. Wtec (2019). Aplikácia expertných systémov. Prevzaté z: wtec.org.
6. Viral Nagori (2014). Typy expertného systému: porovnávacia štúdia. Sémantický učenec Prevzaté z: pdfs.semanticscholar.org.
7. Svet výpočtovej techniky (2010). Expertné systémy. Prevzaté z: intelligence.worldofcomputing.net.