Hvad er Expert System in AI (Artificial Intelligence)? med Eksempel
Redaktionelle team
Hvad er Expert System?
Ekspert System er et interaktivt og pålideligt computerbaseret beslutningssystem, der bruger både fakta og heuristikker til at løse komplekse beslutningsproblemer. Formålet med et ekspertsystem er at løse de mest komplekse problemer inden for et specifikt domæne.
Ekspertsystemer i kunstig intelligens
Ekspertsystemet i AI kan løse mange problemer, som generelt ville kræve en menneskelig ekspert. Det er baseret på viden erhvervet fra en ekspert. Kunstig intelligens og ekspertsystemer er i stand til at udtrykke og ræsonnere om et bestemt vidensområde. Ekspertsystemer var forgængerne for nutidens kunstig intelligens, deep learning og maskinlæring systemer.
Eksempler på ekspertsystemer
Følgende er eksempler på ekspertsystemer:
- MYCIN: Den var baseret på baglæns kædeanalyse og kunne identificere forskellige bakterier, der kunne forårsage akutte infektioner. Den kunne også anbefale lægemidler baseret på patientens vægt. Det er et af de bedste eksempler på ekspertsystemer.
- DENDRAL: Ekspertsystem brugt til kemisk analyse for at forudsige molekylær struktur.
- PXDES: Et eksempel på et ekspertsystem, der bruges til at forudsige graden og typen af lungekræft.
- Kadet: Et af de bedste eksempler på ekspertsystemer, der kan identificere kræft i tidlige stadier.
Ekspertsystems egenskaber
Disse eksempler deler et fælles sæt af kvaliteter, som er opsummeret i diagrammet nedenfor.
Hvorfor kræves ekspertsystemer?
Følgende er de vigtige egenskaber ved Expert System i AI:
- Det højeste niveau af ekspertise: Ekspertsystemet i AI tilbyder det højeste niveau af ekspertise. Det sikrer effektivitet, præcision og fantasifuld problemløsning.
- Reaktion til tiden: Et ekspertsystem reagerer inden for en rimelig tid, ideelt set hurtigere end en menneskelig ekspert ville nå frem til den samme konklusion.
- God pålidelighed: Ekspertsystemet i AI skal være pålideligt, og det må ikke lave fejl.
- Fleksibel: Et ekspertsystem skal forblive fleksibelt, så dets vidensbase kan udvides eller korrigeres, efterhånden som domænet ændrer sig.
- Effektiv mekanisme: Systemet har brug for en effektiv mekanisme til at organisere og opdatere den viden, det allerede indeholder.
- Evne til at håndtere udfordrende beslutninger og problemer: Et ekspertsystem er i stand til at håndtere udfordrende beslutningsproblemer og levere løsninger.
Komponenter af ekspertsystem
Disse egenskaber leveres af tre dele, der videregiver information til hinanden, som blokdiagrammet viser.
Ekspertsystemet i AI består af følgende givne komponenter:
Brugergrænseflade
Brugergrænsefladen er den vigtigste del af ekspertsystemsoftwaren. Denne komponent tager brugerens forespørgsel i en læsbar form og sender den til inferensmotoren. Derefter viser den resultaterne for brugeren. Med andre ord er det en grænseflade, der hjælper brugeren med at kommunikere med ekspertsystemet.
Inferensmotor
Inferensmotoren er hjernen i ekspertsystemet. Den indeholder regler til at løse et specifikt problem og refererer til den viden, der findes i vidensbasen. Den udvælger de fakta og regler, der skal anvendes, når man forsøger at besvare brugerens spørgsmål, opdeler problemet og formulerer konklusionen.
Vidensdatabase
Videnbasen er et arkiv af fakta. Den gemmer al viden om problemdomænet. Det er som en stor beholder af viden, som er opnået fra forskellige eksperter inden for et specifikt område.
Således kan vi sige, at succesen med Expert System Software hovedsageligt afhænger af den meget nøjagtige og præcise viden.
Andre nøglebegreber, der bruges i Expert Systems
Fakta og regler
Et faktum er en lille del af vigtig information. Fakta i sig selv er af meget begrænset nytte. Reglerne er afgørende for at udvælge og anvende fakta på et brugerproblem.
Videnindhentning
Udtrykket videntilegnelse betyder, hvordan ekspertsystemet får den nødvendige domæneviden. Hele processen starter med f.eks.tracviden fra en menneskelig ekspert, omdanne den erhvervede viden til regler og indsætte de udviklede regler i vidensbasen, som tracvist i figuren nedenfor.
Viden Ekstractionproces
Deltager i Expert System Development
| deltager | roller |
| Domæneekspert | En person eller gruppe, hvis ekspertise og viden anvendes til at udvikle et ekspertsystem. |
| Viden Ingeniør | En teknisk person, der integrerer denne viden i computersystemer. |
| Slutbruger | En person eller gruppe af personer, der bruger ekspertsystemet til at få rådgivning, som ellers ikke ville være tilgængelig fra eksperten. |
Processen med at opbygge et ekspertsystem
- Bestemmelse af problemets karakteristika
- Videningeniør og domæneekspert arbejder i sammenhæng med at definere problemet
- Vidensingeniøren oversætter videnen til et computerforståeligt sprog og designer en inferensmotor, en ræsonnementsstruktur, som kan bruge denne viden, når det er nødvendigt.
- Vidensingeniøren bestemmer også, hvordan brugen af usikker viden skal integreres i ræsonnementsprocessen, og hvilken type forklaring der ville være nyttig.
Konventionelt system vs. ekspertsystem
Designet bliver tydeligere, når et ekspertsystem placeres ved siden af et almindeligt program.
| Konventionelt system | Ekspert System |
| Viden og bearbejdning er samlet i én enhed. | Videndatabasen og behandlingsmekanismen er to separate komponenter. |
| Programmet laver ikke fejl (medmindre der er en programmeringsfejl). | Ekspertsystemet kan lave en fejl. |
| Systemet er kun operationelt, når det er fuldt udviklet. | Ekspertsystemet optimeres løbende og kan lanceres med et lille antal regler. |
| Trin for trin udførelse i henhold til faste algoritmer er påkrævet. | Udførelse sker logisk & heuristisk. |
| Det kræver fuld information. | Det kan være funktionelt med tilstrækkelig eller utilstrækkelig information. |
Menneskelig ekspert vs. ekspertsystem
| Menneskelig ekspert | Kunstig ekspertise |
| Letfordærvelige | Permanent |
| Svært at overføre | overdrages |
| Svært at dokumentere | Nem at dokumentere |
| Uforudsigelige | Konsekvent |
| Dyrt | Omkostningseffektivt system |
Fordele ved Expert System
Nedenfor er de vigtigste fordele ved Expert Systems in Artificial Intelligence (AI):
- Det forbedrer beslutningskvaliteten
- Beskærer udgifterne til at rådgive eksperter til problemløsning
- Det giver hurtige og effektive løsninger på problemer inden for et snævert specialiseringsområde.
- Den kan samle sparsom ekspertise og bruge den effektivt.
- Tilbyder et ensartet svar på det gentagne problem
- En ordentlig forklaring på beslutningstagning
- Evne til at løse komplekse og udfordrende problemstillinger
- Artificial Intelligence Expert Systems kan arbejde støt uden at blive følelsesladet, anspændt eller træt.
Ekspertsystems begrænsninger
Nedenfor er ulemperne/begrænsningerne ved Expert System i AI:
- Ude af stand til at give et kreativt svar i en ekstraordinær situation
- Fejl i videnbasen kan føre til forkerte beslutninger
- Vedligeholdelsesomkostningerne for et ekspertsystem er for dyre
- Hvert problem er forskelligt, derfor kan løsningen fra en menneskelig ekspert også være anderledes og mere kreativ
Anvendelser af ekspertsystemer
Nogle populære Anvendelse af ekspertsystem:
- Informationsstyring
- Hospitaler og medicinske faciliteter
- Ledelse af helpdesk
- Evaluering af medarbejdernes præstationer
- Låneanalyse
- Virus detektion
- Nyttig til reparations- og vedligeholdelsesprojekter
- Lageroptimering
- Planlægning og tidsplan
- Konfigurationen af fremstillede objekter
- Finansiel beslutningstagning
- Videnspublicering
- Procesovervågning og kontrol
- Handel med aktiemarkeder
- Flyselskabets tidsplaner og fragtplaner
⚡ Smart opsummering
Et ekspertsystem er et interaktivt, regeldrevet beslutningsprogram, der kombinerer lagrede fakta med heuristikker for at løse smalle, komplekse problemer på et vurderingsniveau, der normalt forventes af en uddannet menneskelig specialist inden for det pågældende område.
