Wat is een expertsysteem in AI (kunstmatige intelligentie)? met Voorbeeld

Wat is Expertsysteem?

Expert systeem Een expertsysteem is een interactief en betrouwbaar computergestuurd besluitvormingssysteem dat zowel feiten als heuristieken gebruikt om complexe besluitvormingsproblemen op te lossen. Het doel van een expertsysteem is om de meest complexe problemen binnen een specifiek domein op te lossen.

Expertsystemen in kunstmatige intelligentie

Het expertsysteem in AI kan veel problemen oplossen die normaal gesproken de hulp van een menselijke expert vereisen. Het is gebaseerd op kennis die is verkregen van een expert. Artificial Intelligence Expertsystemen zijn in staat om kennis over een bepaald domein uit te drukken en erover te redeneren. Expertsystemen waren de voorloper van de huidige systemen. kunstmatige intelligentie, deep learning en machine learning systemen.

Wat is een expertsysteem in AI (kunstmatige intelligentie)?

Voorbeelden van expertsystemen

Hieronder staan ​​voorbeelden van expertsystemen:

  • MYCIN: Het was gebaseerd op backward chaining en kon verschillende bacteriën identificeren die acute infecties konden veroorzaken. Het kon ook medicijnen aanbevelen op basis van het gewicht van de patiënt. Het is een van de beste voorbeelden van een expertsysteem.
  • DENDRAL: Expertsysteem gebruikt voor chemische analyse om moleculaire structuren te voorspellen.
  • PXDES: Een voorbeeld van een expertsysteem dat gebruikt wordt om de ernst en het type longkanker te voorspellen.
  • Cadet: Een van de beste voorbeelden van een expertsysteem dat kanker in een vroeg stadium kan opsporen.

Kenmerken van het expertsysteem

Deze voorbeelden delen een aantal gemeenschappelijke eigenschappen, die samengevat zijn in het onderstaande diagram.

Redenen waarom expertsystemen nodig zijn in een gespecialiseerd domein

Waarom zijn expertsystemen vereist?

Hieronder staan ​​de belangrijke kenmerken van expertsystemen in AI:

  • Het hoogste expertiseniveau: Het expertsysteem in AI biedt het hoogste niveau van expertise. Het zorgt voor efficiëntie, nauwkeurigheid en een creatieve manier van probleemoplossing.
  • Precies op tijd reactie: Een expertsysteem reageert binnen een redelijke tijd, idealiter sneller dan een menselijke expert tot dezelfde conclusie zou komen.
  • Goede betrouwbaarheid: Een expertsysteem in AI moet betrouwbaar zijn en mag geen fouten maken.
  • Flexibel: Een expertsysteem moet flexibel blijven, zodat de kennisbasis kan worden uitgebreid of gecorrigeerd naarmate het domein verandert.
  • Effectief mechanisme: Het systeem heeft een efficiënt mechanisme nodig voor het organiseren en bijwerken van de kennis die het al bezit.
  • In staat om uitdagende beslissingen en problemen aan te pakken: Een expertsysteem is in staat om complexe besluitvormingsproblemen aan te pakken en oplossingen te leveren.

Onderdelen van expertsysteem

Die eigenschappen worden geleverd door drie onderdelen die informatie aan elkaar doorgeven, zoals het blokdiagram laat zien.

Onderdelen van een expertsysteem: gebruikersinterface, inferentiemotor en kennisbasis

Het expertsysteem in AI bestaat uit de volgende componenten:

User Interface

De gebruikersinterface is het meest cruciale onderdeel van de expertsysteemsoftware. Dit onderdeel neemt de vraag van de gebruiker in een leesbare vorm en geeft deze door aan de inferentiemotor. Vervolgens toont het de resultaten aan de gebruiker. Met andere woorden, het is een interface die de gebruiker helpt te communiceren met het expertsysteem.

Inferentiemachine

De inferentiemotor is het brein van het expertsysteem. Deze bevat regels om een ​​specifiek probleem op te lossen en raadpleegt de kennis in de kennisbank. De motor selecteert de feiten en regels die moeten worden toegepast om de vraag van de gebruiker te beantwoorden, analyseert het probleem en formuleert de conclusie.

kennis center

De kennisbank is een opslagplaats van feiten. Het slaat alle kennis over het probleemdomein op. Het is als een grote container met kennis die wordt verkregen van verschillende experts op een specifiek vakgebied.

We kunnen dus zeggen dat het succes van de Expert System Software vooral afhangt van de zeer nauwkeurige en precieze kennis.

Andere belangrijke termen die worden gebruikt in Expert Systems

Feiten en regels

Een feit is een klein deel van de belangrijke informatie. Feiten op zichzelf zijn van zeer beperkt nut. De regels zijn essentieel om feiten te selecteren en toe te passen op een gebruikersprobleem.

Kennisverwerving

De term kennisverwerving verwijst naar hoe het expertsysteem de benodigde domeinkennis verkrijgt. Het hele proces begint met het verkrijgen van de benodigde domeinkennis.trackennis vergaren van een menselijke expert, de verworven kennis omzetten in regels en de ontwikkelde regels in de kennisbasis invoegen, zoals tracweergegeven in de onderstaande afbeelding.

Kennis extracconversieproces van menselijke expert naar gecodeerde regels in de kennisbank

Kennis Extractieproces

Deelnemer aan Expert Systeemontwikkeling

Deelnemer Rol
Domeinexpert Een persoon of groep wiens expertise en kennis worden ingezet om een ​​expertsysteem te ontwikkelen.
Kennis Engineer Een technisch persoon die die kennis integreert in computersystemen.
Eindgebruiker Een persoon of groep personen die het Expertsysteem gebruikt om advies te krijgen dat anders niet beschikbaar zou zijn bij de expert.

Het proces van het bouwen van een expertsysteem

  • Het bepalen van de kenmerken van het probleem
  • Kennisingenieur en domeinexpert werken in samenhang aan het definiëren van het probleem
  • De kennisingenieur vertaalt de kennis naar een voor de computer begrijpbare taal en ontwerpt een inferentiemotor, een redeneerstructuur, die die kennis kan gebruiken wanneer dat nodig is.
  • De kennisingenieur bepaalt ook hoe het gebruik van onzekere kennis in het redeneerproces geïntegreerd kan worden en welk type verklaring nuttig zou zijn.

Conventioneel systeem versus expertsysteem

Het ontwerp wordt duidelijker wanneer een expertsysteem naast een gewoon programma wordt geplaatst.

Conventioneel systeem Expert systeem
Kennis en verwerking worden gecombineerd in één unit. Kennisdatabase en het verwerkingsmechanisme zijn twee afzonderlijke componenten.
Het programma maakt geen fouten (tenzij er een programmeerfout is). Het Expert Systeem kan een fout maken.
Het systeem is pas operationeel als het volledig ontwikkeld is. Het expertsysteem wordt continu geoptimaliseerd en kan met een klein aantal regels worden opgestart.
Stapsgewijze uitvoering volgens vaste algoritmen is vereist. De uitvoering gebeurt logisch en heuristisch.
Het heeft volledige informatie nodig. Het kan functioneel zijn met voldoende of onvoldoende informatie.

Menselijke expert versus expertsysteem

Menselijke deskundige Kunstmatige deskundigheid
Beperkt houdbaar Permanent
Moeilijk over te zetten Overdraagbaar
Moeilijk te documenteren Gemakkelijk te documenteren
Onvoorspelbare Consistent
Duur Kosteneffectief systeem

Voordelen van Expert Systeem

Hieronder staan ​​de belangrijkste voordelen/voordelen van Expert Systems in Artificial Intelligence (AI):

  • Het verbetert de kwaliteit van de besluitvorming
  • Vermindert de kosten van het raadplegen van experts voor het oplossen van problemen
  • Het biedt snelle en efficiënte oplossingen voor problemen op een beperkt specialisatiegebied.
  • Het kan schaarse expertise verzamelen en efficiënt inzetten.
  • Biedt een consistent antwoord op het terugkerende probleem.
  • Een goede uitleg van besluitvorming
  • Vermogen om complexe en uitdagende problemen op te lossen
  • Expertsystemen voor kunstmatige intelligentie kunnen gestaag werken zonder emotioneel, gespannen of vermoeid te raken.

Beperkingen van het expertsysteem

Hieronder staan ​​de nadelen/beperkingen van Expert System in AI:

  • Niet in staat een creatief antwoord te geven in een buitengewone situatie
  • Fouten in de kennisbank kunnen leiden tot verkeerde beslissingen
  • De onderhoudskosten van een expertsysteem zijn te hoog.
  • Elk probleem is anders, daarom kan de oplossing van een menselijke expert ook anders en creatiever zijn

Toepassingen van expertsystemen

Sommige populair Toepassing van een expertsysteem:

  • Informatiemanagement
  • Ziekenhuizen en medische voorzieningen
  • Beheer van helpdesks
  • Evaluatie van de prestaties van de werknemer
  • Analyse van leningen
  • Virus detectie
  • Handig voor reparatie- en onderhoudsprojecten
  • Optimalisatie van magazijnen
  • Planning en planning
  • De configuratie van vervaardigde objecten
  • Financiële besluitvorming
  • Kennispublicatie
  • Procesbewaking en controle
  • Beurs handel
  • Luchtvaartplanning en vrachtschema's

⚡ Slimme samenvatting

Een expertsysteem is een interactief, op regels gebaseerd besluitvormingsprogramma dat opgeslagen feiten combineert met heuristieken om specifieke, complexe problemen op te lossen met een beoordelingsniveau dat normaal gesproken van een getrainde menselijke specialist in dat vakgebied wordt verwacht.

  • 🔘 Drie kerncomponenten: Een gebruikersinterface neemt de vraag in ontvangst, de inferentiemotor redeneert op basis van regels en de kennisbank slaat de domeinfeiten op.
  • ☑️ Kennis blijft gescheiden: Anders dan bij een conventioneel programma bevinden kennis en verwerking zich in twee afzonderlijke delen, waardoor regels kunnen worden herzien zonder de engine opnieuw te hoeven schrijven.
  • ✅ Klassieke voorbeelden: MYCIN diagnosticeerde bacteriële infecties, DENDRAL voorspelde moleculaire structuren en PXDES en CaDet ondersteunden de detectie van kanker.
  • 🧪 Opgebouwd uit drie rollen: Een domeinexpert levert de kennis aan, een kennisengineer codeert deze, en de eindgebruiker raadpleegt het voltooide systeem.
  • ️ Sterke punten en beperkingen: Consistentie, snelheid en duurzaamheid worden gewonnen, terwijl creativiteit in onbekende situaties en lage onderhoudskosten verloren gaan.
  • ⚙️ Waar ze worden gebruikt: Medische voorzieningen, leninganalyse, helpdesks, virusdetectie, magazijnoptimalisatie en aandelenhandel.

Veelgestelde vragen

Forward chaining is datagestuurd: de engine begint met bekende feiten en past regels toe totdat er een conclusie is. Backward chaining is doelgericht: het gaat uit van een hypothese en zoekt vervolgens naar feiten die deze ondersteunen. MYCIN gebruikte backward chaining.

Regelgebaseerde systemen slaan ALS-DAN-regels op. Framegebaseerde systemen bevatten gestructureerde objecten met vakjes. Fuzzy systemen redeneren met graden van waarheid. Neurale en neurofuzzy systemen leren gewichten uit data in plaats van handgeschreven regels te lezen.

Een uitlegmodule traces welke regels de inferentiemotor activeert en die keten rapporteert terug aan de gebruiker. De transparantie is de reden waarom vroege systemen vertrouwen wonnen in de geneeskunde, en het blijft een voordeel ten opzichte van ondoorzichtige statistische modellen.

DENDRAL werd in 1965 aan Stanford opgericht en leidde moleculaire structuren af ​​uit massaspectrometriegegevens. MYCIN volgde in 1972, eveneens aan Stanford, waar Edward Shortliffe ongeveer 600 regels codeerde voor het diagnosticeren van bacteriële infecties.

De regels in een expertsysteem worden door mensen geschreven, dus elke beslissing kan worden aangepast. tracred. A machine learning Het model leidt zijn eigen parameters af uit de data, wat beter schaalbaar is, maar de redenering erachter veel moeilijker te controleren maakt.

Duidelijke regels dwingen tot een scherp 'waar' of 'onwaar'. Fuzzy logic Hiermee kan een feit een lidmaatschapswaarde tussen 0 en 1 hebben, zodat vage invoer zoals lichte koorts nog steeds op een zinvolle manier een regel kan activeren.

Taalmodellen bestrijken een veel breder terrein, maar kunnen geen garantie bieden voor een traceable rule path. In gereguleerde domeinen worden de twee vaak gecombineerd: een model leest ongestructureerde invoer, terwijl een regelengine de uiteindelijke, controleerbare beslissing neemt. AI-zelfstudie bestrijkt een breder gebied.

GitHub-copiloot Het systeem kan regelsyntaxis genereren voor engines zoals CLIPS of Drools en testgevallen opstellen vanuit een regeltabel. De domeinkennis zelf moet echter nog steeds van een menselijke expert komen.

Vat dit bericht samen met: