Künstliche Intelligenz - Expertensysteme

Expertensysteme (ES) sind einer der wichtigsten Forschungsbereiche der KI. Es wird von den Forschern der Stanford University, Abteilung Informatik, eingeführt.

Was sind Expertensysteme?

Die Expertensysteme sind Computeranwendungen, die entwickelt wurden, um komplexe Probleme in einem bestimmten Bereich auf der Ebene außergewöhnlicher menschlicher Intelligenz und Fachkenntnisse zu lösen.

Eigenschaften von Expertensystemen

  • Hochleistung
  • Understandable
  • Reliable
  • Sehr reaktionsschnell

Fähigkeiten von Expertensystemen

Die Expertensysteme sind in der Lage -

  • Advising
  • Unterweisung und Unterstützung des Menschen bei der Entscheidungsfindung
  • Demonstrating
  • Eine Lösung ableiten
  • Diagnosing
  • Explaining
  • Eingabe interpretieren
  • Ergebnisse vorhersagen
  • Begründung der Schlussfolgerung
  • Vorschläge für alternative Optionen zu einem Problem

Sie sind nicht in der Lage -

  • Menschliche Entscheidungsträger ersetzen
  • Menschliche Fähigkeiten besitzen
  • Genaue Ausgabe für unzureichende Wissensbasis
  • Ihr eigenes Wissen verfeinern

Komponenten von Expertensystemen

Die Komponenten von ES umfassen -

  • Wissensbasis
  • Inferenz-Engine
  • Benutzeroberfläche

Lassen Sie uns sie kurz nacheinander sehen -

Wissensbasis

Es enthält domänenspezifisches und qualitativ hochwertiges Wissen.

Wissen ist erforderlich, um Intelligenz zu zeigen. Der Erfolg eines ES hängt in hohem Maße von der Sammlung hochgenauer und präziser Kenntnisse ab.

Was ist Wissen?

Die Daten sind eine Sammlung von Fakten. Die Informationen sind als Daten und Fakten zur Aufgabendomäne organisiert.Data, information, und past experience kombiniert werden als Wissen bezeichnet.

Komponenten der Wissensdatenbank

Die Wissensbasis eines ES ist ein Speicher von sowohl sachlichem als auch heuristischem Wissen.

  • Factual Knowledge - Dies sind die Informationen, die von den Wissensingenieuren und Wissenschaftlern im Aufgabenbereich allgemein akzeptiert werden.

  • Heuristic Knowledge - Es geht um Übung, genaues Urteilsvermögen, Bewertungsfähigkeit und Vermutung.

Wissensrepräsentation

Es ist die Methode, mit der das Wissen in der Wissensbasis organisiert und formalisiert wird. Es liegt in Form von IF-THEN-ELSE-Regeln vor.

Wissenserwerb

Der Erfolg eines Expertensystems hängt in hohem Maße von der Qualität, Vollständigkeit und Richtigkeit der in der Wissensdatenbank gespeicherten Informationen ab.

Die Wissensbasis wird durch Lesungen verschiedener Experten, Wissenschaftler und der Knowledge Engineers. Der Wissensingenieur ist eine Person mit den Eigenschaften Empathie, schnelles Lernen und Fähigkeiten zur Fallanalyse.

Er erhält Informationen vom Fachexperten, indem er ihn aufzeichnet, interviewt und bei der Arbeit beobachtet usw. Anschließend kategorisiert und organisiert er die Informationen auf sinnvolle Weise in Form von IF-THEN-ELSE-Regeln, die von Interferenzmaschinen verwendet werden sollen. Der Wissensingenieur überwacht auch die Entwicklung des ES.

Inferenz-Engine

Die Verwendung effizienter Verfahren und Regeln durch die Inference Engine ist wichtig, um eine korrekte, fehlerfreie Lösung zu finden.

Bei wissensbasierter ES erfasst und manipuliert die Inference Engine das Wissen aus der Wissensbasis, um zu einer bestimmten Lösung zu gelangen.

Im Falle einer regelbasierten ES ist es -

  • Wendet Regeln wiederholt auf die Fakten an, die sich aus früheren Regelanwendungen ergeben.

  • Fügt der Wissensbasis bei Bedarf neues Wissen hinzu.

  • Behebt Regelkonflikte, wenn mehrere Regeln auf einen bestimmten Fall anwendbar sind.

Um eine Lösung zu empfehlen, verwendet die Inference Engine die folgenden Strategien:

  • Vorwärtsverkettung
  • Rückwärtsverkettung

Vorwärtsverkettung

Es ist eine Strategie eines Expertensystems, die Frage zu beantworten, “What can happen next?”

Hier folgt die Inference Engine der Kette von Bedingungen und Ableitungen und leitet schließlich das Ergebnis ab. Es berücksichtigt alle Fakten und Regeln und sortiert sie, bevor eine Lösung gefunden wird.

Diese Strategie wird befolgt, um an Schlussfolgerungen, Ergebnissen oder Effekten zu arbeiten. Zum Beispiel die Vorhersage des Aktienmarktstatus als Auswirkung von Zinsänderungen.

Rückwärtsverkettung

Mit dieser Strategie findet ein Expertensystem die Antwort auf die Frage: “Why this happened?”

Auf der Grundlage dessen, was bereits geschehen ist, versucht die Inference Engine herauszufinden, welche Bedingungen in der Vergangenheit für dieses Ergebnis hätten eintreten können. Diese Strategie wird verfolgt, um Ursache oder Grund herauszufinden. Zum Beispiel die Diagnose von Blutkrebs beim Menschen.

Benutzeroberfläche

Die Benutzeroberfläche bietet eine Interaktion zwischen dem Benutzer des ES und dem ES selbst. Es handelt sich im Allgemeinen um die Verarbeitung natürlicher Sprache, um von dem Benutzer verwendet zu werden, der mit der Aufgabendomäne vertraut ist. Der Benutzer des ES muss nicht unbedingt ein Experte für künstliche Intelligenz sein.

Es wird erklärt, wie die ES zu einer bestimmten Empfehlung gelangt ist. Die Erklärung kann in den folgenden Formen erscheinen -

  • Natürliche Sprache auf dem Bildschirm angezeigt.
  • Verbale Erzählungen in natürlicher Sprache.
  • Auflistung der auf dem Bildschirm angezeigten Regelnummern.

Die Benutzeroberfläche macht es einfach, die Glaubwürdigkeit der Abzüge zu verfolgen.

Anforderungen an eine effiziente ES-Benutzeroberfläche

  • Es soll den Benutzern helfen, ihre Ziele auf kürzestem Weg zu erreichen.

  • Es sollte so konzipiert sein, dass es für die vorhandenen oder gewünschten Arbeitspraktiken des Benutzers geeignet ist.

  • Die Technologie sollte an die Anforderungen des Benutzers anpassbar sein. Nicht umgekehrt.

  • Benutzereingaben sollten effizient genutzt werden.

Einschränkungen für Expertensysteme

Keine Technologie kann eine einfache und vollständige Lösung bieten. Große Systeme sind teuer, erfordern erhebliche Entwicklungszeit und Computerressourcen. ES haben ihre Grenzen, die Folgendes umfassen:

  • Einschränkungen der Technologie
  • Schwieriger Wissenserwerb
  • ES sind schwer zu warten
  • Hohe Entwicklungskosten

Anwendungen des Expertensystems

Die folgende Tabelle zeigt, wo ES angewendet werden kann.

Anwendung Beschreibung
Design Domain Kameraobjektivdesign, Autodesign.
Medizinische Domäne Diagnosesysteme zur Ableitung der Krankheitsursache aus beobachteten Daten, Durchführung medizinischer Operationen am Menschen.
Überwachungssysteme Kontinuierlicher Vergleich der Daten mit dem beobachteten System oder mit dem vorgeschriebenen Verhalten wie der Leckageüberwachung in langen Erdölpipelines.
Prozessleitsysteme Steuerung eines physischen Prozesses basierend auf Überwachung.
Wissensdomäne Fehler in Fahrzeugen, Computern herausfinden.
Finanzen / Handel Aufdeckung möglicher Betrugsfälle, verdächtiger Transaktionen, Börsenhandel, Fluglinienplanung, Frachtplanung.

Expertensystemtechnik

Es stehen verschiedene Ebenen von ES-Technologien zur Verfügung. Expertensystemtechnologien umfassen -

  • Expert System Development Environment- Die ES-Entwicklungsumgebung enthält Hardware und Tools. Sie sind -

    • Workstations, Minicomputer, Mainframes.

    • Hochrangige symbolische Programmiersprachen wie LISt PProgrammierung (LISP) und PROGrammatik en LOGique (PROLOG).

    • Große Datenbanken.

  • Tools - Sie reduzieren den Aufwand und die Kosten für die Entwicklung eines Expertensystems in hohem Maße.

    • Leistungsstarke Editoren und Debugging-Tools mit mehreren Fenstern.

    • Sie bieten Rapid Prototyping

    • Eingebaute Definitionen von Modell, Wissensrepräsentation und Inferenzdesign.

  • Shells- Eine Shell ist nichts anderes als ein Expertensystem ohne Wissensbasis. Eine Shell bietet den Entwicklern Wissenserwerb, Inferenz-Engine, Benutzeroberfläche und Erklärungsfunktion. Zum Beispiel sind unten einige Muscheln angegeben -

    • Java Expert System Shell (JESS), die eine vollständig entwickelte Java-API zum Erstellen eines Expertensystems bereitstellt.

    • Vidwan , eine Shell, die 1993 am Nationalen Zentrum für Softwaretechnologie in Mumbai entwickelt wurde. Sie ermöglicht die Wissenskodierung in Form von IF-THEN-Regeln.

Entwicklung von Expertensystemen: Allgemeine Schritte

Der Prozess der ES-Entwicklung ist iterativ. Schritte bei der Entwicklung der ES umfassen -

Problemdomäne identifizieren

  • Das Problem muss für ein Expertensystem geeignet sein, um es zu lösen.
  • Finden Sie die Experten im Aufgabenbereich für das ES-Projekt.
  • Stellen Sie die Kosteneffizienz des Systems fest.

Entwerfen Sie das System

  • Identifizieren Sie die ES-Technologie

  • Kennen und ermitteln Sie den Grad der Integration mit den anderen Systemen und Datenbanken.

  • Erkennen Sie, wie die Konzepte das Domänenwissen am besten darstellen können.

Entwickeln Sie den Prototyp

Aus der Wissensdatenbank: Der Wissensingenieur arbeitet an -

  • Erwerben Sie Domänenwissen vom Experten.
  • Stellen Sie es in Form von If-THEN-ELSE-Regeln dar.

Testen und verfeinern Sie den Prototyp

  • Der Wissensingenieur testet den Prototyp anhand von Beispielfällen auf Leistungsmängel.

  • Endbenutzer testen die Prototypen des ES.

Entwickeln und vervollständigen Sie die ES

  • Testen und stellen Sie die Interaktion des ES mit allen Elementen seiner Umgebung sicher, einschließlich Endbenutzern, Datenbanken und anderen Informationssystemen.

  • Dokumentieren Sie das ES-Projekt gut.

  • Trainieren Sie den Benutzer in der Verwendung von ES.

Pflegen Sie das System

  • Halten Sie die Wissensdatenbank durch regelmäßige Überprüfung und Aktualisierung auf dem neuesten Stand.

  • Sorgen Sie für neue Schnittstellen zu anderen Informationssystemen, wenn sich diese Systeme weiterentwickeln.

Vorteile von Expertensystemen

  • Availability - Sie sind aufgrund der Massenproduktion von Software leicht verfügbar.

  • Less Production Cost- Die Produktionskosten sind angemessen. Das macht sie erschwinglich.

  • Speed- Sie bieten große Geschwindigkeit. Sie reduzieren den Arbeitsaufwand eines Einzelnen.

  • Less Error Rate - Die Fehlerrate ist im Vergleich zu menschlichen Fehlern niedrig.

  • Reducing Risk - Sie können in einer für den Menschen gefährlichen Umgebung arbeiten.

  • Steady response - Sie arbeiten stetig, ohne sich zu bewegen, zu spannen oder zu ermüden.