Sztuczna inteligencja - systemy ekspertowe

Systemy ekspertowe (ES) to jedna z czołowych dziedzin badawczych SI. Został wprowadzony przez naukowców z Wydziału Informatyki Uniwersytetu Stanforda.

Co to są systemy eksperckie?

Systemy ekspertowe to aplikacje komputerowe opracowane w celu rozwiązywania złożonych problemów w określonej dziedzinie, na poziomie niezwykłej ludzkiej inteligencji i wiedzy.

Charakterystyka systemów ekspertowych

• Wysoka wydajność
• Understandable
• Reliable
• Bardzo czuły

Możliwości systemów ekspertowych

Systemy eksperckie są w stanie -

• Advising
• Instruowanie i wspomaganie człowieka w podejmowaniu decyzji
• Demonstrating
• Uzyskanie rozwiązania
• Diagnosing
• Explaining
• Interpretacja danych wejściowych
• Przewidywanie wyników
• Uzasadnienie wniosku
• Sugerowanie alternatywnych rozwiązań problemu

Nie są w stanie -

• Zastępowanie ludzkich decydentów
• Posiadanie ludzkich możliwości
• Tworzenie dokładnych wyników dla niewystarczającej bazy wiedzy
• Udoskonalanie własnej wiedzy

Komponenty systemów ekspertowych

Składniki ES obejmują -

• Baza wiedzy
• Silnik wnioskowania
• Interfejs użytkownika

Zobaczmy je krótko po kolei -

Baza wiedzy

Zawiera wiedzę dziedzinową i wysokiej jakości.

Do przejawiania inteligencji potrzebna jest wiedza. Powodzenie każdego scenariusza narażenia zależy w dużej mierze od zgromadzenia bardzo dokładnej i precyzyjnej wiedzy.

Co to jest wiedza?

Dane to zbiór faktów. Informacje są zorganizowane jako dane i fakty dotyczące domeny zadań.Data, information, i past experience połączone razem określane są jako wiedza.

Składniki bazy wiedzy

Baza wiedzy ES jest magazynem wiedzy zarówno faktycznej, jak i heurystycznej.

• Factual Knowledge - Jest to informacja powszechnie akceptowana przez inżynierów wiedzy i naukowców w dziedzinie zadań.

• Heuristic Knowledge - Chodzi o praktykę, dokładny osąd, umiejętność oceny i zgadywanie.

Reprezentacja wiedzy

Jest to metoda służąca do porządkowania i formalizowania wiedzy w bazie wiedzy. Ma postać reguł IF-TO-INNE.

Zdobywanie wiedzy

Sukces każdego systemu eksperckiego zależy w dużej mierze od jakości, kompletności i dokładności informacji przechowywanych w bazie wiedzy.

Baza wiedzy jest tworzona z lektur różnych ekspertów, uczonych i Knowledge Engineers. Inżynier wiedzy to osoba o cechach empatii, szybkiej nauki i umiejętności analizy przypadków.

Pozyskuje informacje od eksperta przedmiotowego poprzez nagrywanie, przeprowadzanie wywiadów, obserwowanie go w pracy, itp. Następnie kategoryzuje i porządkuje informacje w sensowny sposób, w postaci reguł IF-TO-INNE, do wykorzystania przez maszynę interferencyjną. Inżynier wiedzy monitoruje również rozwój ES.

Silnik wnioskowania

Zastosowanie wydajnych procedur i reguł przez mechanizm wnioskowania jest niezbędne do odliczenia prawidłowego, bezbłędnego rozwiązania.

W przypadku ES opartego na wiedzy, mechanizm wnioskowania pozyskuje wiedzę z bazy wiedzy i manipuluje nią w celu osiągnięcia określonego rozwiązania.

W przypadku ES opartego na regułach to -

• Powtarza stosowanie reguł do faktów uzyskanych z wcześniejszego zastosowania reguły.

• W razie potrzeby dodaje nową wiedzę do bazy wiedzy.

• Rozwiązuje konflikt reguł, gdy wiele reguł ma zastosowanie do konkretnego przypadku.

Aby polecić rozwiązanie, mechanizm wnioskowania używa następujących strategii -

• Łańcuch naprzód
• Łańcuch wsteczny

Łańcuch naprzód

To strategia systemu eksperckiego, która ma odpowiedzieć na pytanie, “What can happen next?”

W tym przypadku mechanizm wnioskowania śledzi łańcuch warunków i wyprowadzeń i ostatecznie dedukuje wynik. Bierze pod uwagę wszystkie fakty i zasady oraz sortuje je przed znalezieniem rozwiązania.

Ta strategia służy do pracy nad wnioskiem, wynikiem lub efektem. Na przykład prognozowanie statusu rynku akcji jako skutku zmian stóp procentowych.

Łańcuch wsteczny

Dzięki tej strategii system ekspercki znajduje odpowiedź na pytanie, “Why this happened?”

Na podstawie tego, co już się wydarzyło, mechanizm wnioskowania próbuje dowiedzieć się, jakie warunki mogły wystąpić w przeszłości dla tego wyniku. Ta strategia jest stosowana w celu znalezienia przyczyny lub przyczyny. Na przykład diagnoza raka krwi u ludzi.

Interfejs użytkownika

Interfejs użytkownika zapewnia interakcję między użytkownikiem scenariusza narażenia a samym schematem. Jest to generalnie przetwarzanie języka naturalnego, z którego może korzystać użytkownik dobrze zorientowany w dziedzinie zadań. Użytkownik scenariusza narażenia niekoniecznie musi być ekspertem w dziedzinie sztucznej inteligencji.

Wyjaśnia, w jaki sposób ES doszedł do konkretnego zalecenia. Wyjaśnienie może pojawić się w następujących formach -

• Język naturalny wyświetlany na ekranie.
• Narracje werbalne w języku naturalnym.
• Lista numerów reguł wyświetlanych na ekranie.

Interfejs użytkownika ułatwia śledzenie wiarygodności odliczeń.

Wymagania wydajnego interfejsu użytkownika ES

• Powinien pomóc użytkownikom osiągnąć ich cele w możliwie najkrótszy sposób.

• Powinien być zaprojektowany tak, aby działał zgodnie z istniejącymi lub pożądanymi praktykami pracy użytkownika.

• Jego technologia powinna być dostosowana do wymagań użytkownika; nie na odwrót.

• Powinien efektywnie wykorzystywać dane wejściowe użytkownika.

Ograniczenia systemów eksperckich

Żadna technologia nie oferuje łatwego i kompletnego rozwiązania. Duże systemy są kosztowne, wymagają znacznego czasu rozwoju i zasobów komputerowych. ES mają swoje ograniczenia, które obejmują:

• Ograniczenia technologii
• Trudne zdobywanie wiedzy
• ES są trudne do utrzymania
• Wysokie koszty rozwoju

Zastosowania systemu ekspertowego

Poniższa tabela pokazuje, gdzie można zastosować ES.

Podanie	Opis
Domena projektowa	Konstrukcja obiektywu aparatu, konstrukcja samochodu.
Domena medyczna	Diagnosis Systems, aby wydedukować przyczynę choroby na podstawie obserwowanych danych, przeprowadzić operacje medyczne na ludziach.
Systemy monitorowania	Ciągłe porównywanie danych z obserwowanym systemem lub z zalecanymi zachowaniami, takimi jak monitorowanie wycieków w długim rurociągu naftowym.
Systemy sterowania procesami	Sterowanie procesem fizycznym na podstawie monitoringu.
Domena wiedzy	Wyszukiwanie usterek w pojazdach, komputerach.
Finanse / handel	Wykrywanie możliwych oszustw, podejrzanych transakcji, obrotu giełdowego, planowania linii lotniczych, planowania ładunków.

Technologia systemu eksperckiego

Dostępnych jest kilka poziomów technologii ES. Technologie systemów eksperckich obejmują -

• Expert System Development Environment- Środowisko programistyczne ES obejmuje sprzęt i narzędzia. Oni są -

  • Stacje robocze, minikomputery, komputery mainframe.

  • Symboliczne języki programowania wysokiego poziomu, takie jak LISt Pprogramowanie (LISP) i PROgramatyka pl LOGique (PROLOG).

  • Duże bazy danych.

• Tools - W znacznym stopniu zmniejszają wysiłek i koszty związane z opracowaniem systemu ekspertowego.

  • Potężne edytory i narzędzia do debugowania z wieloma oknami.

  • Zapewniają szybkie prototypowanie

  • Mają wbudowane definicje modelu, reprezentacji wiedzy i projektowania wnioskowania.

• Shells- Powłoka to nic innego jak system ekspercki bez bazy wiedzy. Powłoka zapewnia programistom zdobywanie wiedzy, mechanizm wnioskowania, interfejs użytkownika i funkcję wyjaśniania. Na przykład kilka pocisków podano poniżej -

  • Java Expert System Shell (JESS), która zapewnia w pełni rozwinięte API Java do tworzenia systemu ekspertowego.

  • Vidwan , powłoka opracowana w Narodowym Centrum Technologii Oprogramowania w Bombaju w 1993 roku. Umożliwia kodowanie wiedzy w postaci reguł IF-THEN.

Rozwój systemów ekspertowych: ogólne kroki

Proces tworzenia ES jest iteracyjny. Kroki w tworzeniu scenariusza narażenia obejmują -

Zidentyfikuj problematyczną domenę

• Problem musi być odpowiedni dla systemu eksperckiego, aby go rozwiązać.
• Znajdź ekspertów w dziedzinie zadań dla projektu ES.
• Ustal opłacalność systemu.

Zaprojektuj System

• Zidentyfikuj technologię ES

• Znać i ustalić stopień integracji z innymi systemami i bazami danych.

• Zrozum, w jaki sposób koncepcje mogą najlepiej reprezentować wiedzę domeny.

Opracuj prototyp

Z bazy wiedzy: inżynier wiedzy pracuje w celu -

• Zdobądź wiedzę domenową od eksperta.
• Przedstaw to w postaci reguł Jeśli-TO-INNE.

Przetestuj i udoskonal prototyp

• Inżynier wiedzy używa przykładowych przypadków, aby przetestować prototyp pod kątem jakichkolwiek niedociągnięć w działaniu.

• Użytkownicy końcowi testują prototypy ES.

Opracuj i uzupełnij ES

• Przetestuj i zapewnij interakcję scenariusza narażenia ze wszystkimi elementami jego środowiska, w tym użytkownikami końcowymi, bazami danych i innymi systemami informacyjnymi.

• Dobrze udokumentuj projekt ES.

• Poinstruuj użytkownika, jak używać ES.

Utrzymaj system

• Aktualizuj bazę wiedzy, regularnie ją przeglądając i aktualizując.

• Przygotuj nowe interfejsy z innymi systemami informacyjnymi w miarę ich rozwoju.

Zalety systemów ekspertowych

• Availability - Są łatwo dostępne dzięki masowej produkcji oprogramowania.

• Less Production Cost- Koszt produkcji jest rozsądny. To sprawia, że ​​są niedrogie.

• Speed- Oferują dużą prędkość. Zmniejszają ilość pracy, jaką osoba w to wkłada.

• Less Error Rate - Poziom błędów jest niski w porównaniu z błędami ludzkimi.

• Reducing Risk - Mogą pracować w środowisku niebezpiecznym dla ludzi.

• Steady response - Pracują stabilnie, bez ruchu, napięcia i zmęczenia.