sistem expert Acestea sunt definite ca sisteme informatice care imită capacitatea decizională a unui expert uman într-un anumit domeniu. Aceștia folosesc atât strategii euristice, cât și fapte pentru a rezolva fiabile și interactive probleme complexe de luare a deciziilor.
Acestea sunt concepute pentru a rezolva probleme extrem de complexe, raționând prin baze de cunoștințe. În loc să fie reprezentați cu un cod bazat pe proceduri, ei o fac practic cu reguli If-Then.
Sunt capabili să se exprime și să raționeze în legătură cu un anumit domeniu de cunoaștere, ceea ce le permite să rezolve multe probleme care ar necesita în general un expert uman. Sistemele expert au fost predecesorii actualelor sisteme de inteligență artificială, învățare profundă și învățare automată.
Un sistem expert nu poate înlocui performanța generală a lucrătorului în rezolvarea problemelor. Cu toate acestea, ele pot reduce dramatic cantitatea de muncă pe care individul trebuie să o facă pentru a rezolva o problemă, lăsând în seama oamenilor aspectele creative și inovatoare ale rezolvării problemelor..
Au jucat un rol important în multe industrii, cum ar fi serviciile financiare, telecomunicațiile, asistența medicală, serviciul pentru clienți, jocurile video și industria prelucrătoare..
Indice articol
Un sistem expert încorporează două subsisteme: o bază de cunoștințe, care conține fapte și experiență acumulate, și un motor de inferență, care este un set de reguli care trebuie aplicate bazei de cunoștințe sau faptelor cunoscute în fiecare situație particulară, pentru a deduce altele noi. fapte.
Capacitățile sistemului pot fi îmbunătățite cu adăugiri la baza de cunoștințe sau la setul de reguli.
De exemplu, sistemele expert de astăzi pot avea, de asemenea, capacitatea de a învăța automat, permițându-le să-și îmbunătățească performanța pe baza experienței, la fel ca oamenii..
În plus, sistemele moderne pot încorpora noi cunoștințe mai ușor și astfel pot fi ușor actualizate. Astfel de sisteme pot generaliza mai bine din cunoștințele existente și pot gestiona cantități mari de date complexe..
La sfârșitul anilor 1950, experimentarea a început cu posibilitatea utilizării tehnologiei computerizate pentru a imita procesul decizional uman. De exemplu, sistemele asistate de computer au început să fie create pentru aplicații de diagnostic în medicină..
Aceste sisteme de diagnostic inițiale au introdus simptomele pacienților și rezultatele testelor de laborator în sistem pentru a genera un diagnostic ca urmare. Acestea au fost primele forme de sisteme expert.
La începutul anilor șaizeci, au fost dezvoltate programe care rezolvau probleme bine definite. De exemplu, jocuri sau traduceri automate.
Aceste programe au necesitat tehnici de raționament inteligent pentru a face față problemelor logice și matematice care au fost prezentate, dar nu au necesitat prea multe cunoștințe suplimentare..
Cercetătorii au început să-și dea seama că, pentru a rezolva multe probleme interesante, programele nu numai că trebuiau să poată interpreta problemele, ci aveau nevoie și de cunoștințe de bază pentru a le înțelege pe deplin..
Acest lucru a dus treptat la dezvoltarea unor sisteme expert, care s-au concentrat mai mult pe cunoaștere.
Conceptul de sisteme expert a fost dezvoltat formal în 1965 de Edward Feigenbaum, profesor la Universitatea Stanford, SUA..
Feigenbaum a explicat că lumea trecea de la procesarea datelor la procesarea cunoștințelor, grație noii tehnologii de procesare și arhitecturilor computerelor.
La sfârșitul anilor șaizeci, a fost dezvoltat unul dintre primele sisteme expert, numit Dendral, care abordează analiza compușilor chimici.
Cunoștințele lui Dendral constau în sute de reguli care descriau interacțiunile compușilor chimici. Aceste reguli au fost rezultatul unor ani de colaborare între chimiști și informaticieni.
Sistemele expert au început să prolifereze în anii 1980. Multe dintre companiile Fortune 500 au aplicat această tehnologie în activitățile lor zilnice de afaceri.
În anii 1990, mulți furnizori de aplicații de afaceri, cum ar fi Oracle și SAP, au integrat capacitățile sistemelor expert în suita de produse ca o modalitate de a explica logica de afaceri..
Un sistem expert trebuie să ofere cel mai înalt nivel de expertiză. Oferă eficiență, precizie și rezolvare imaginativă a problemelor.
Utilizatorul interacționează cu sistemul expert pentru o perioadă de timp destul de rezonabilă. Timpul acestei interacțiuni trebuie să fie mai mic decât timpul necesar unui expert pentru a obține cea mai precisă soluție pentru aceeași problemă..
Sistemul expert trebuie să aibă o bună fiabilitate. Pentru a face acest lucru, nu trebuie să faceți niciun fel de greșeală.
Sistemul expert trebuie să aibă un mecanism eficient pentru a putea gestiona compendiul de cunoștințe existent în el..
Un sistem expert trebuie să fie capabil să facă față problemelor provocatoare și să ia deciziile corecte pentru a oferi soluții..
Este o colecție organizată de date corespunzătoare sferei de experiență a sistemului.
Prin interviuri și observații cu experți umani, trebuie luate faptele care alcătuiesc baza de cunoștințe.
Interpretează și evaluează faptele din baza de cunoștințe prin reguli, pentru a oferi o recomandare sau o concluzie.
Această cunoaștere este reprezentată sub forma unor reguli de producție If-Then: „Dacă o condiție este adevărată, atunci se poate face următoarea deducere”.
Adesea, un factor de probabilitate este atașat la concluzia fiecărei reguli de producție și la recomandarea finală, deoarece concluzia la care se ajunge nu este o certitudine absolută..
De exemplu, un sistem expert pentru diagnosticul bolilor oculare ar putea indica, pe baza informațiilor furnizate, că o persoană are glaucom cu o probabilitate de 90%.
În plus, poate fi arătată secvența de reguli prin care s-a ajuns la concluzia. Monitorizarea acestui lanț ajută la evaluarea credibilității recomandării și este utilă ca instrument de învățare.
În acest sistem, cunoașterea este reprezentată ca un set de reguli. Regula este un mod direct și flexibil de exprimare a cunoștințelor.
Regula constă din două părți: partea „Dacă”, numită condiție, și partea „Apoi”, numită deducție. Sintaxa de bază a unei reguli este: Dacă (condiție) Atunci (deducere).
Când doriți să exprimați cunoștințe folosind cuvinte vagi precum „foarte redus”, „moderat dificil”, „nu atât de vechi”, puteți folosi logica fuzzy.
Această logică este utilizată pentru a descrie o definiție imprecisă. Se bazează pe ideea că toate lucrurile sunt descrise pe o scară glisantă.
Logica clasică funcționează cu două valori de certitudine: True (1) și False (0). În logica fuzzy, toate valorile de certitudine sunt exprimate ca numere reale în intervalul dintre 0 și 1.
Logica fuzzy reprezintă cunoașterea bazată pe un grad de veridicitate, mai degrabă decât veridicitatea absolută a logicii clasice..
Avantajele sistemului expert bazat pe reguli combină, de asemenea, avantajele rețelei neuronale, cum ar fi învățarea, generalizarea, robustețea și prelucrarea paralelă a informațiilor..
Acest sistem are o bază de cunoștințe neuronale, mai degrabă decât o bază de cunoștințe tradițională. Cunoașterea este stocată ca greutăți în neuroni.
Această combinație permite sistemului neuronal expert să-și justifice concluziile..
Logica fuzzy și rețelele neuronale sunt instrumente complementare pentru construirea sistemelor expert.
Sistemelor fuzzy le lipsește capacitatea de a învăța și nu se pot adapta la un mediu nou. Pe de altă parte, deși rețelele neuronale pot învăța, procesul lor este foarte complicat pentru utilizator..
Sistemele neuro-fuzzy pot combina capacitățile de calcul și învățare ale rețelei neuronale cu reprezentarea cunoștințelor umane și abilitățile de explicare ale sistemelor fuzzy..
Ca urmare, rețelele neuronale devin mai transparente, în timp ce sistemul fuzzy devine capabil să învețe..
Sistemele expert sunt ușor disponibile, oriunde, oricând, datorită producției în masă a software-ului.
O companie poate opera un sistem expert în medii periculoase pentru oameni. Ele pot fi utilizate în orice mediu periculos în care oamenii nu pot lucra.
Ele pot deveni un vehicul de dezvoltare a cunoștințelor organizaționale, spre deosebire de cunoștințele indivizilor dintr-o companie.
Sunt capabili să ofere o explicație adecvată a luării deciziilor, exprimând în detaliu raționamentul care a dus la un răspuns.
Atunci când sunt utilizate ca instrumente de antrenament, rezultă o curbă de învățare mai rapidă pentru începători.
Ajută la obținerea de răspunsuri rapide și precise. Un sistem expert își poate completa cota de sarcini mult mai repede decât un expert uman.
Rata de eroare a sistemelor expert de succes este destul de scăzută, uneori mult mai mică decât rata de eroare umană pentru aceeași sarcină..
Sistemele expert funcționează fără a fi entuziasmați. Nu devin tensionați, obosiți sau panicați și lucrează constant în situații de urgență.
Sistemul expert menține un nivel semnificativ de informații. Această cunoaștere conținută va dura la nesfârșit.
Cu un sistem expert, este posibil să introduceți unele reguli și să dezvoltați un prototip în zile, în loc de lunile sau anii asociați în mod obișnuit cu proiectele IT complexe..
Sistemul expert poate fi conceput astfel încât să conțină cunoștințele multor experți calificați și astfel să aibă capacitatea de a rezolva probleme complexe.
Acest lucru reduce cheltuielile consultării consultanților experți în rezolvarea problemelor. Sunt un vehicul pentru obținerea unor surse de cunoaștere greu de obținut.
Este întotdeauna dificil să obții timpul experților în anumite domenii pentru orice aplicație software, dar pentru sistemele expert este deosebit de dificil, deoarece experții sunt foarte apreciați și solicitați în mod constant de organizații..
În consecință, o cantitate mare de cercetări din ultimii ani s-au concentrat pe instrumente pentru dobândirea de cunoștințe, care ajută la automatizarea procesului de proiectare, depanare și întreținere a regulilor definite de experți..
Integrarea sistemelor cu bazele de date a fost dificilă pentru primele sisteme expert, deoarece instrumentele erau în principal în limbi și platforme necunoscute în mediile corporative.
Ca rezultat, s-a depus un efort mare pentru a integra instrumentele de sisteme expert în medii vechi, făcând transferul către platforme mai standard..
Aceste probleme au fost rezolvate în principal prin schimbarea de paradigmă, deoarece PC-urile au fost acceptate treptat în mediul de calcul ca o platformă legitimă pentru dezvoltarea unor sisteme de afaceri serioase..
Creșterea dimensiunii bazei de cunoștințe crește complexitatea procesării.
De exemplu, dacă un sistem expert are 100 de milioane de reguli, este evident că ar fi prea complex și s-ar confrunta cu multe probleme de calcul.
Un motor de inferență ar trebui să poată procesa un număr mare de reguli pentru a lua o decizie.
Atunci când există prea multe reguli, este, de asemenea, dificil să se verifice dacă aceste reguli de decizie sunt consistente între ele..
De asemenea, este dificil să se acorde prioritate utilizării regulilor pentru a opera mai eficient sau a modului de rezolvare a ambiguităților..
O problemă legată de baza de cunoștințe este cum să faceți actualizări rapid și eficient. De asemenea, cum să adăugați o nouă cunoaștere, adică unde să o adăugați printre atâtea reguli.
Rezumă toate sistemele care deduc erori și sugerează acțiuni corective pentru un proces sau un dispozitiv care nu funcționează corect.
Una dintre primele domenii de cunoaștere în care a fost aplicată tehnologia sistemelor expert a fost diagnosticarea medicală. Cu toate acestea, diagnosticarea sistemelor de inginerie a depășit rapid diagnosticul medical.
Diagnosticul poate fi exprimat ca: având în vedere dovezile prezentate, care este problema de bază, motivul sau cauza?
Aceste sisteme de experți analizează un set de obiective pentru a determina un set de acțiuni care ating aceste obiective, oferind o ordonare detaliată a acțiunilor în timp, luând în considerare materialele, personalul și alte restricții..
Exemplele includ personalul companiei aeriene și programarea zborurilor și planificarea proceselor de fabricație.
Au fost create sisteme de consiliere financiară pentru a ajuta bancherii să stabilească dacă să acorde împrumuturi persoanelor fizice și companiilor..
Companiile de asigurări utilizează aceste sisteme de experți pentru a evalua riscul pe care îl prezintă clientul și, astfel, să stabilească prețul asigurării.
Aceștia analizează datele dispozitivelor fizice în timp real, pentru a observa anomalii, a prezice tendințele și a controla atât optimizarea, cât și corectarea defecțiunilor.
Exemple de astfel de sisteme sunt în industria de rafinare a petrolului și siderurgie..
Funcția principală a acestei aplicații este de a oferi cunoștințe semnificative pentru problema utilizatorului, în mediul acelei probleme..
Cele două sisteme de experți care sunt cel mai răspândite în întreaga lume aparțin acestei categorii..
Primul dintre aceste sisteme este un consilier care sfătuiește utilizatorul cu privire la utilizarea corectă a gramaticii într-un text.
Al doilea este un consilier fiscal care este atașat unui sistem de pregătire a impozitelor. Consiliază utilizatorul cu privire la strategie și la politicile fiscale specifice.
Nimeni nu a comentat acest articol încă.