Plik systemy eksperckie Definiuje się je jako systemy komputerowe, które naśladują zdolność podejmowania decyzji przez człowieka-eksperta w określonej dziedzinie. Wykorzystują zarówno strategie heurystyczne, jak i fakty, aby rozwiązywać złożone problemy związane z podejmowaniem decyzji w sposób niezawodny i interaktywny.
Mają na celu rozwiązywanie bardzo złożonych problemów poprzez wnioskowanie w oparciu o bazy wiedzy. Zamiast być reprezentowane za pomocą kodu opartego na procedurze, robią to w zasadzie za pomocą reguł Jeśli-To.
Potrafią wypowiadać się i rozumować w jakiejś dziedzinie wiedzy, co pozwala im rozwiązywać wiele problemów, które generalnie wymagałyby ludzkiego eksperta. Systemy ekspertowe były poprzednikami dzisiejszych systemów sztucznej inteligencji, uczenia głębokiego i uczenia maszynowego.
System ekspercki nie może zastąpić ogólnej wydajności pracownika w rozwiązywaniu problemów. Mogą jednak radykalnie zmniejszyć ilość pracy, jaką jednostka musi wykonać, aby rozwiązać problem, pozostawiając kreatywne i innowacyjne aspekty rozwiązywania problemów ludziom..
Odgrywają ważną rolę w wielu branżach, takich jak usługi finansowe, telekomunikacja, opieka zdrowotna, obsługa klienta, gry wideo i produkcja..
Indeks artykułów
System ekspercki obejmuje dwa podsystemy: bazę wiedzy, która zawiera zgromadzone fakty i doświadczenie oraz silnik wnioskowania, który jest zbiorem reguł, które należy zastosować do bazy wiedzy lub znanych faktów w każdej konkretnej sytuacji, aby wydedukować nowe. fakty.
Możliwości systemu można rozszerzyć za pomocą dodatków do bazy wiedzy lub zestawu reguł.
Na przykład dzisiejsze systemy eksperckie mogą również mieć zdolność uczenia się automatycznie, co pozwala im poprawiać swoje wyniki w oparciu o doświadczenie, tak jak robią to ludzie..
Ponadto nowoczesne systemy mogą łatwiej włączać nową wiedzę, a tym samym mogą być łatwo aktualizowane. Takie systemy mogą lepiej generalizować na podstawie istniejącej wiedzy i obsługiwać duże ilości złożonych danych..
Pod koniec lat pięćdziesiątych XX wieku zaczęto eksperymentować z możliwością wykorzystania technologii komputerowej do naśladowania podejmowania decyzji przez ludzi. Na przykład zaczęto tworzyć systemy wspomagane komputerowo do zastosowań diagnostycznych w medycynie..
Te początkowe systemy diagnostyczne wprowadzały do systemu objawy pacjenta i wyniki badań laboratoryjnych, aby w rezultacie wygenerować diagnozę. Były to najwcześniejsze formy systemów ekspertowych.
Na początku lat sześćdziesiątych powstały programy, które rozwiązywały dobrze zdefiniowane problemy. Na przykład gry lub tłumaczenia maszynowe.
Programy te wymagały inteligentnych technik rozumowania, aby poradzić sobie z przedstawionymi problemami logicznymi i matematycznymi, ale nie wymagały dużej dodatkowej wiedzy..
Badacze zaczęli zdawać sobie sprawę, że aby rozwiązać wiele interesujących problemów, programy musiały nie tylko umieć je interpretować, ale także posiadać podstawową wiedzę, aby je w pełni zrozumieć..
Doprowadziło to stopniowo do rozwoju systemów eksperckich, które bardziej skupiały się na wiedzy.
Koncepcja systemów ekspertowych została formalnie opracowana w 1965 roku przez Edwarda Feigenbauma, profesora na Uniwersytecie Stanforda w USA..
Feigenbaum wyjaśnił, że świat przechodził od przetwarzania danych do przetwarzania wiedzy dzięki nowej technologii procesorowej i architekturze komputerowej.
Pod koniec lat sześćdziesiątych powstał jeden z pierwszych systemów eksperckich o nazwie Dendral, zajmujący się analizą związków chemicznych.
Wiedza Dendrala obejmowała setki reguł opisujących interakcje związków chemicznych. Zasady te były wynikiem wieloletniej współpracy chemików i informatyków.
Systemy eksperckie zaczęły się mnożyć w latach 80. Wiele firm z listy Fortune 500 stosowało tę technologię w swoich codziennych działaniach biznesowych.
W latach 90. wielu dostawców aplikacji biznesowych, takich jak Oracle i SAP, zintegrowało możliwości systemów eksperckich ze swoim pakietem produktów, aby wyjaśnić logikę biznesową..
System ekspercki musi oferować najwyższy poziom wiedzy specjalistycznej. Zapewnia wydajność, precyzję i pomysłowe rozwiązywanie problemów.
Użytkownik współdziała z systemem eksperckim przez dość rozsądny okres czasu. Czas tej interakcji musi być krótszy niż czas potrzebny ekspertowi na uzyskanie najdokładniejszego rozwiązania tego samego problemu..
System ekspercki musi mieć dobrą niezawodność. Aby to zrobić, nie możesz popełniać żadnego błędu.
System ekspertowy musi posiadać sprawny mechanizm, aby móc zarządzać istniejącym w nim kompendium wiedzy..
System ekspercki musi być w stanie poradzić sobie z trudnymi problemami i podejmować właściwe decyzje w celu dostarczenia rozwiązań..
Jest to uporządkowany zbiór danych odpowiadający zakresowi doświadczenia systemu.
Poprzez wywiady i obserwacje z ludzkimi ekspertami należy zebrać fakty, które składają się na bazę wiedzy.
Interpretuje i ocenia fakty w bazie wiedzy za pomocą reguł, aby przedstawić zalecenia lub wnioski.
Ta wiedza jest reprezentowana w postaci reguł produkcji Jeśli-To: „Jeśli warunek jest prawdziwy, można dokonać następującej dedukcji”.
Często do konkluzji każdej reguły produkcji i do ostatecznego zalecenia dołączany jest czynnik prawdopodobieństwa, ponieważ wyciągnięty wniosek nie jest absolutną pewnością..
Na przykład system ekspercki do diagnozy chorób oczu mógłby wskazać na podstawie dostarczonych informacji, że dana osoba ma jaskrę z prawdopodobieństwem 90%..
Ponadto można pokazać sekwencję reguł, dzięki którym wyciągnięto wniosek. Monitorowanie tego łańcucha pomaga ocenić wiarygodność rekomendacji i jest przydatne jako narzędzie uczenia się.
W tym systemie wiedza jest reprezentowana jako zbiór reguł. Zasada to bezpośredni i elastyczny sposób wyrażania wiedzy.
Reguła składa się z dwóch części: części „Jeśli”, zwanej warunkiem, oraz części „Wtedy”, zwanej dedukcją. Podstawowa składnia reguły to: Jeśli (warunek) Wtedy (odliczenie).
Jeśli chcesz wyrazić wiedzę za pomocą niejasnych słów, takich jak „bardzo ograniczone”, „średnio trudne”, „nie tak stare”, możesz użyć logiki rozmytej.
Ta logika służy do opisu nieprecyzyjnej definicji. Opiera się na założeniu, że wszystkie rzeczy są opisane w ruchomej skali.
Logika klasyczna operuje dwoma wartościami pewności: True (1) i False (0). W logice rozmytej wszystkie wartości pewności są wyrażane jako liczby rzeczywiste z przedziału od 0 do 1.
Logika rozmyta reprezentuje wiedzę opartą na pewnym stopniu prawdziwości, a nie na absolutnej prawdziwości logiki klasycznej..
Zalety systemu ekspertowego opartego na regułach łączą również zalety sieci neuronowej, takie jak uczenie się, uogólnianie, niezawodność i równoległe przetwarzanie informacji..
Ten system ma neuronową bazę wiedzy, a nie tradycyjną bazę wiedzy. Wiedza jest przechowywana jako ciężary w neuronach.
Takie połączenie pozwala neuronowemu systemowi ekspertowemu uzasadnić swoje wnioski..
Logika rozmyta i sieci neuronowe to uzupełniające się narzędzia do budowy systemów ekspertowych.
Systemy rozmyte nie mają zdolności uczenia się i nie mogą przystosować się do nowego środowiska. Z drugiej strony, chociaż sieci neuronowe mogą się uczyć, ich proces jest bardzo skomplikowany dla użytkownika..
Systemy rozmyte neuronowo mogą łączyć możliwości obliczeniowe i uczenia się sieci neuronowej z reprezentacją wiedzy ludzkiej i umiejętnościami wyjaśniania systemów rozmytych..
W rezultacie sieci neuronowe stają się bardziej przejrzyste, a rozmyty system staje się zdolny do uczenia się..
Systemy eksperckie są łatwo dostępne w dowolnym miejscu i czasie dzięki masowej produkcji oprogramowania.
Firma może obsługiwać system ekspercki w środowiskach niebezpiecznych dla ludzi. Mogą być używane w każdym niebezpiecznym środowisku, w którym ludzie nie mogą pracować.
Mogą stać się narzędziem do rozwijania wiedzy organizacyjnej, w przeciwieństwie do wiedzy jednostek w firmie.
Potrafią odpowiednio wyjaśnić swój proces decyzyjny, szczegółowo przedstawiając uzasadnienie, które doprowadziło do odpowiedzi.
Używane jako narzędzia szkoleniowe powodują szybszą naukę dla początkujących.
Pomaga uzyskać szybkie i dokładne odpowiedzi. System ekspercki może wykonać część zadań znacznie szybciej niż ekspert-człowiek.
Wskaźnik błędów odnoszących sukcesy systemów eksperckich jest dość niski, czasem znacznie niższy niż współczynnik błędów ludzkich dla tego samego zadania..
Systemy eksperckie działają bez ekscytacji. Nie są spięci, zmęczeni ani spanikowani i pracują stabilnie w sytuacjach awaryjnych.
System ekspercki utrzymuje znaczny poziom informacji. Ta zawarta wiedza będzie trwać w nieskończoność.
Dzięki systemowi ekspertowemu możliwe jest wprowadzenie reguł i opracowanie prototypu w kilka dni, zamiast miesięcy czy lat, które są zwykle kojarzone ze złożonymi projektami IT.
System ekspercki może być zaprojektowany tak, aby zawierał wiedzę wielu wykwalifikowanych ekspertów, a tym samym miał zdolność rozwiązywania złożonych problemów.
Zmniejsza to koszty konsultowania się z konsultantami zajmującymi się rozwiązywaniem problemów. Są narzędziem do pozyskiwania trudnych do zdobycia źródeł wiedzy.
Zawsze trudno jest uzyskać czas ekspertów z poszczególnych dziedzin dla dowolnej aplikacji, ale w przypadku systemów eksperckich jest to szczególnie trudne, ponieważ eksperci są wysoko cenieni i stale o nie proszeni przez organizacje..
W konsekwencji duża część badań w ostatnich latach koncentrowała się na narzędziach do zdobywania wiedzy, które pomagają zautomatyzować proces projektowania, debugowania i utrzymywania reguł zdefiniowanych przez ekspertów..
Integracja systemów z bazami danych była trudna dla pierwszych systemów eksperckich, ponieważ narzędzia były głównie w językach i platformach nieznanych w środowiskach korporacyjnych.
W rezultacie dołożono wszelkich starań, aby zintegrować narzędzia systemów eksperckich ze starszymi środowiskami, przenosząc je 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 tworzenia poważnych systemów biznesowych..
Zwiększenie rozmiaru bazy wiedzy zwiększa złożoność przetwarzania.
Na przykład, jeśli system ekspercki ma 100 milionów reguł, jest oczywiste, że byłby zbyt złożony i napotkałby wiele problemów obliczeniowych.
Mechanizm wnioskowania musiałby być w stanie przetworzyć dużą liczbę reguł, aby podjąć decyzję.
Gdy jest zbyt wiele reguł, trudno jest również zweryfikować, czy te reguły decyzyjne są ze sobą spójne..
Trudno jest również ustalić priorytety stosowania reguł, aby działać wydajniej lub jak rozwiązywać niejednoznaczności..
Jednym z problemów związanych z bazą wiedzy jest to, jak szybko i skutecznie wprowadzać aktualizacje. A także, jak dodać nową wiedzę, czyli gdzie dodać ją pośród tylu reguł.
Podsumowuje wszystkie systemy, które wnioskują o awariach i sugeruje działania naprawcze dla nieprawidłowo działającego procesu lub urządzenia.
Jednym z pierwszych obszarów wiedzy, w którym zastosowano technologię systemów ekspertowych, była diagnostyka medyczna. Jednak diagnostyka systemów inżynierskich szybko przewyższyła diagnostykę medyczną.
Diagnozę można wyrazić jako: biorąc pod uwagę przedstawione dowody, jaki jest podstawowy problem, przyczyna lub przyczyna?
Te systemy eksperckie 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 personel linii lotniczych i planowanie lotów oraz planowanie procesu produkcyjnego.
Stworzono systemy doradztwa finansowego, aby pomóc bankierom w określeniu, czy udzielać kredytów osobom fizycznym i firmom..
Firmy ubezpieczeniowe wykorzystują te systemy eksperckie do oceny ryzyka, jakie stwarza klient, a tym samym do ustalenia ceny ubezpieczenia.
Analizują dane urządzeń fizycznych w czasie rzeczywistym, aby dostrzegać anomalie, przewidywać trendy i kontrolować zarówno optymalizację, jak i korektę usterek.
Przykłady takich systemów znajdują się w przemyśle rafineryjnym i stalowniczym..
Podstawową funkcją tej aplikacji jest dostarczanie znaczącej wiedzy na temat problemu użytkownika w środowisku, w którym występuje ten problem..
Do tej kategorii należą dwa systemy eksperckie, które są najbardziej rozpowszechnione na świecie..
Pierwszy z tych systemów to doradca, który doradza użytkownikowi w zakresie prawidłowego stosowania gramatyki w tekście.
Drugi to doradca podatkowy, który jest przyłączony do systemu sporządzania podatków. Doradza użytkownikowi w zakresie strategii i poszczególnych polityk podatkowych.
Jeszcze bez komentarzy