Mi az AI (mesterséges intelligencia) szakértői rendszere? Példával

Mi az a szakértői rendszer?

Szakértői rendszer egy interaktív és megbízható számítógépes döntéshozó rendszer, amely tényeket és heurisztikákat is használ összetett döntési problémák megoldására. A szakértői rendszer célja, hogy egy adott területen a legösszetettebb problémákat oldja meg.

Szakértői rendszerek a mesterséges intelligenciában

A mesterséges intelligencia szakértői rendszere számos olyan problémát képes megoldani, amelyekhez általában emberi szakértőre lenne szükség. A rendszer a szakértőtől szerzett tudáson alapul. Mesterséges intelligencia és a szakértői rendszerek képesek valamilyen tudásterületről következtetéseket levonni és megfogalmazni. A szakértői rendszerek napjaink elődjei voltak. mesterséges intelligencia, mélytanulás és gépi tanulás rendszerek.

Mi a szakértői rendszer a mesterséges intelligenciában (MI)?

Példák szakértői rendszerekre

Íme a szakértői rendszer példái:

  • MYCIN: Visszafelé láncoláson alapult, és képes volt azonosítani a különféle baktériumokat, amelyek akut fertőzéseket okozhattak. A beteg súlya alapján gyógyszereket is tudott ajánlani. Ez az egyik legjobb szakértői rendszerpélda.
  • DENDRAL: Szakértői rendszer, amelyet kémiai elemzéshez használnak a molekulaszerkezet előrejelzésére.
  • PXDES: Példa szakértői rendszerre, amelyet a tüdőrák mértékének és típusának előrejelzésére használnak.
  • Kadét: Az egyik legjobb szakértői rendszerpélda, amely képes a rák korai stádiumban történő azonosítására.

A szakértői rendszer jellemzői

Ezek a példák közös tulajdonságokkal rendelkeznek, amelyeket az alábbi ábra foglal össze.

Szakértői rendszerek szükségességének okai speciális területeken

Miért van szükség Expert Systemre?

Íme az AI szakértői rendszerének fontos jellemzői:

  • A legmagasabb szintű szakértelem: A mesterséges intelligencia szakértői rendszere a legmagasabb szintű szakértelmet kínálja. Hatékonyságot, pontosságot és kreatív problémamegoldást biztosít.
  • Pontos reakció: Egy szakértői rendszer ésszerű időn belül válaszol, ideális esetben gyorsabban, mint ahogy egy emberi szakértő ugyanarra a következtetésre jutna.
  • Jó megbízhatóság: A mesterséges intelligencia szakértői rendszerének megbízhatónak kell lennie, és nem szabad hibáznia.
  • Rugalmas: Egy szakértői rendszernek rugalmasnak kell maradnia, hogy a tudásbázisa bővíthető vagy korrigálható legyen a terület változásával.
  • Hatékony mechanizmus: A rendszernek hatékony mechanizmusra van szüksége a már meglévő tudás rendszerezéséhez és frissítéséhez.
  • Képes kezelni a kihívást jelentő döntéseket és problémákat: Egy szakértői rendszer képes kihívást jelentő döntési problémák kezelésére és megoldások kidolgozására.

A szakértői rendszer összetevői

Ezeket a jellemzőket három rész biztosítja, amelyek információt továbbítanak egymásnak, ahogy a blokkdiagram is mutatja.

Szakértői rendszer összetevői: felhasználói felület, következtetőmotor és tudásbázis

Az AI szakértői rendszere a következő megadott összetevőkből áll:

felhasználói felület

A felhasználói felület a szakértői rendszer szoftver legfontosabb része. Ez a komponens a felhasználó lekérdezését olvasható formában fogadja, és továbbítja a következtetéskezelő motornak. Ezután megjeleníti az eredményeket a felhasználónak. Más szóval, ez egy olyan felület, amely segíti a felhasználót a szakértői rendszerrel való kommunikációban.

Következtetési motor

A következtetéskezelő motor a szakértői rendszer agya. Szabályokat tartalmaz egy adott probléma megoldására, és a Tudásbázisban tárolt tudásra hivatkozik. Kiválasztja a tényeket és a szabályokat, amelyeket a felhasználó kérdésének megválaszolásakor alkalmazni kell, lebontja a problémát, és megfogalmazza a következtetést.

Tudástár

A tudásbázis a tények tárháza. Minden tudást tárol a problématerületről. Olyan ez, mint egy nagy tudástár, amelyet egy adott terület különböző szakértőitől szereznek be.

Így elmondhatjuk, hogy az Expert System Software sikere elsősorban a rendkívül pontos és precíz tudáson múlik.

Az Expert Systemsben használt egyéb kulcsfogalmak

Tények és szabályok

A tény a fontos információ egy kis része. A tények önmagukban nagyon korlátozottan használhatók. A szabályok elengedhetetlenek a tények kiválasztásához és alkalmazásához egy felhasználói problémára.

Tudásszerzés

A tudásszerzés kifejezés azt jelenti, hogy a szakértői rendszer hogyan szerezheti meg a szükséges szakterületi tudást. A teljes folyamat azzal kezdődik, hogytractudás kinyerése egy emberi szakértőtől, a megszerzett tudás szabályokká alakítása és a kidolgozott szabályok beillesztése a tudásbázisba, tracaz alábbi ábrán látható.

Tudás extracemberi szakértőtől a tudásbázisban kódolt szabályokig tartó folyamat

Tudáspéldatracfolyamat

Szakértői rendszerfejlesztés résztvevője

Résztvevő Szerep
Domain szakértő Egy személy vagy csoport, akinek a szakértelmét és tudását felhasználják egy szakértői rendszer kifejlesztéséhez.
Tudásmérnök Egy műszaki szakember, aki ezt a tudást számítógépes rendszerekbe integrálja.
Végfelhasználó Egy személy vagy személyek csoportja, akik a Szakértői Rendszert használják olyan tanácsok megszerzésére, amelyek egyébként nem lennének elérhetőek a szakértőtől.

A szakértői rendszer felépítésének folyamata

  • A probléma jellemzőinek meghatározása
  • A tudásmérnök és a szakterület-szakértő összehangoltan dolgozik a probléma meghatározásán
  • A tudásmérnök lefordítja a tudást egy számítógép által érthető nyelvre, és tervez egy következtetőmotort, egy érvelési struktúrát, amely szükség esetén felhasználhatja ezt a tudást.
  • A tudásmérnök azt is meghatározza, hogyan integrálja a bizonytalan tudás felhasználását az érvelési folyamatba, és milyen típusú magyarázat lenne hasznos.

Hagyományos rendszer vs. szakértői rendszer

A terv áttekinthetőbbé válik, ha egy szakértői rendszert egy hagyományos program mellé helyezünk.

Hagyományos rendszer Szakértői rendszer
A tudás és a feldolgozás egy egységben egyesül. A tudásbázis és a feldolgozási mechanizmus két különálló összetevő.
A program nem hibázik (kivéve, ha programozási hiba van). Az Expert System hibát követhet el.
A rendszer csak akkor működik, ha teljesen ki van dolgozva. A Szakértői Rendszer folyamatosan optimalizálva van, és kevés szabállyal elindítható.
Lépésről lépésre kell végrehajtani rögzített algoritmusok szerint. A végrehajtás logikailag és heurisztikusan történik.
Teljes információra van szükség. Működőképes lehet elegendő vagy elégtelen információval.

Humán szakértő vs. szakértői rendszer

Humán szakértő Mesterséges szakértelem
Romlandó Állandó
Nehéz átvinni Átruházható
Nehéz dokumentálni Könnyen dokumentálható
kiszámíthatatlan Következetes
Drága Költséghatékony rendszer

Az Expert rendszer előnyei

Az alábbiakban felsoroljuk a mesterséges intelligencia (AI) szakértői rendszereinek fő előnyeit:

  • Javítja a döntés minőségét
  • Csökkenti a problémamegoldó szakértőkkel való konzultáció költségeit
  • Gyors és hatékony megoldásokat kínál egy szűk szakterület problémáira.
  • Képes összegyűjteni a szűkös szakértelmet és azt hatékonyan felhasználni.
  • Egységes megoldást kínál az ismétlődő problémára
  • A döntéshozatal megfelelő magyarázata
  • Képes összetett és kihívást jelentő problémák megoldására
  • A mesterséges intelligencia szakértői rendszerei folyamatosan működnek anélkül, hogy érzelmek, feszültek vagy kimerültek lennének.

A szakértői rendszer korlátai

Az alábbiakban felsoroljuk az Expert System hátrányait/korlátait az AI-ban:

  • Képtelen kreatív választ adni egy rendkívüli helyzetben
  • A tudásbázis hibái rossz döntésekhez vezethetnek
  • Egy szakértői rendszer fenntartási költsége túl magas
  • Minden probléma más és más, ezért a humán szakértő megoldása is lehet más és kreatív

Szakértői rendszerek alkalmazásai

Néhány népszerű Szakértői rendszer alkalmazása:

  • Információ menedzsment
  • Kórházak és egészségügyi létesítmények
  • Help desk menedzsment
  • Az alkalmazottak teljesítményének értékelése
  • Hitelelemzés
  • Vírusészlelés
  • Hasznos javítási és karbantartási projekteknél
  • Raktár optimalizálás
  • Tervezés és ütemezés
  • A gyártott tárgyak konfigurációja
  • Pénzügyi döntéshozatal
  • Tudásközzététel
  • Folyamatfigyelés és ellenőrzés
  • Tőzsdei kereskedelem
  • Légitársaság menetrendek és rakomány menetrendek

⚡ Okos összefoglaló

A szakértői rendszer egy interaktív, szabályokon alapuló döntéshozó program, amely a tárolt tényeket heurisztikákkal kombinálja, hogy szűk, összetett problémákat olyan ítélőképességgel oldjon meg, amelyet általában egy képzett emberi szakembertől várnak el az adott területen.

  • 🔘 Három fő összetevő: Egy felhasználói felület fogadja a lekérdezést, a következtetőmotor szabályok alapján indoklásokat végez, a tudásbázis pedig tárolja a témakörhöz tartozó tényeket.
  • ☑️ A tudás külön marad: Egy hagyományos programmal ellentétben a tudás és a feldolgozás két különálló részben él, így a szabályok a motor újraírása nélkül módosíthatók.
  • Klasszikus példák: A MYCIN bakteriális fertőzéseket diagnosztizált, a DENDRAL molekulaszerkezeteket jósolt meg, a PXDES és a CaDet pedig a rák kimutatását támogatta.
  • 🧪 Három szerepkör építette fel: Egy szakterületi szakértő biztosítja a tudást, egy tudásmérnök kódolja azt, a végfelhasználó pedig megtekinti a kész rendszert.
  • 🇧🇷 Erősségek és korlátok: Következetesség, gyorsaság és állandóság érhető el, miközben a kreativitás a szokatlan helyzetekben és az alacsony karbantartási költségek elvesznek.
  • 🇧🇷 Hol használják őket: Orvosi intézmények, hitelelemzés, ügyfélszolgálatok, vírusészlelés, raktároptimalizálás és tőzsdei kereskedés.

GYIK

Az előre láncolás adatvezérelt: a motor ismert tényekből indul ki, és szabályokat alkalmaz, amíg egy következtetésre nem jut. A visszafelé láncolás célvezérelt: feltételez egy hipotézist, majd az azt alátámasztó tényeket keresi. A MYCIN visszafelé láncolást alkalmazott.

A szabályalapú rendszerek HA-AKKOR szabályokat tárolnak. A keretalapú rendszerek strukturált objektumokat tárolnak résekkel. A fuzzy rendszerek igazságfokokkal következtetnek. A neurális és neuro-fuzzy rendszerek adatokból tanulnak súlyokat a kézzel írott szabályok olvasása helyett.

Egy magyarázó modul traces, amely szabályozza a következtetőmotor elindítását, és jelenti a láncolatot vissza a felhasználónak. Az átláthatóság az oka annak, hogy a korai rendszerek bizalmat szereztek az orvostudományban, és ez továbbra is előnyt jelent az átlátszatlan statisztikai modellekkel szemben.

A DENDRAL 1965-ben indult a Stanfordon, és tömegspektrometriás adatokból következtetett a molekulaszerkezetre. A MYCIN 1972-ben követte ezt, szintén a Stanfordon, ahol Edward Shortliffe nagyjából 600 szabályt kódolt a bakteriális fertőzések diagnosztizálására.

A szakértői rendszerek szabályait emberek írják, így minden döntést meg lehet oldani. tracszerk. A gépi tanulás A modell a saját paramétereit az adatokból származtatja, ami jobban skálázódik, de sokkal nehezebbé teszi az érvelés ellenőrzését.

Az egyszerű szabályok egyértelmű igaz vagy hamis választ adnak. Zavaros logika lehetővé teszi, hogy egy tény 0 és 1 közötti tagsági értéket hordozzon, így a homályos bemenetek, például az enyhe láz, továbbra is értelmesen aktiválhatnak egy szabályt.

A nyelvi modellek sokkal szélesebb területet fednek le, de nem garantálják a tracérvényes szabályútvonal. A szabályozott tartományok gyakran párosítják a kettőt: egy modell strukturálatlan bemenetet olvas, míg egy szabálymotor végzi a végső, auditálható hívást. AI oktatóanyag szélesebb területet fed le.

GitHub másodpilóta szabályszintaxist tud létrehozni olyan motorokhoz, mint a CLIPS vagy a Drools, és teszteseteket tud készíteni egy szabálytáblából. Magának a szakterületi tudásnak továbbra is egy emberi szakértőtől kell származnia.

Foglald össze ezt a bejegyzést a következőképpen: