Cum diferă sistemele expert de învățarea automată modernă?

Regulile dintr-un Sistem Expert sunt scrise de oameni, astfel încât fiecare decizie poate fi luată traced. Un model de învățare automată își derivă propriii parametri din date, ceea ce se scalează mai bine, dar face ca raționamentul să fie mult mai dificil de inspectat.

Pot inteligența artificială și modelele lingvistice mari înlocui Sistemele Expert?

Modelele lingvistice acoperă un domeniu mult mai larg, dar nu pot garanta tracCale de reguli eșuabilă. Domeniile reglementate combină adesea cele două: un model citește date de intrare nestructurate, în timp ce un motor de reguli efectuează apelul final, auditabil. Tutorialul de inteligență artificială acoperă domeniul mai larg.

Ce este Expert System in AI (Inteligenta Artificiala)? cu Exemplu

Ce este Expert System?

Sistem expert este un sistem decizional interactiv și fiabil, bazat pe computer, care utilizează atât fapte, cât și euristici pentru a rezolva probleme complexe de luare a deciziilor. Scopul unui Sistem Expert este de a rezolva cele mai complexe probleme dintr-un anumit domeniu.

Sisteme experte în inteligență artificială

Sistemul expert în inteligența artificială poate rezolva multe probleme care, în general, ar necesita un expert uman. Se bazează pe cunoștințele dobândite de la un expert. Inteligența artificială și Sistemele Expert sunt capabile să exprime și să raționeze despre un anumit domeniu de cunoaștere. Sistemele Expert au fost predecesoarele actuale inteligența artificială, învățarea profundă și învățarea automată sisteme.

Exemple de sisteme expert

Următoarele sunt exemplele de sistem expert:

MICINA: Se baza pe înlănțuirea inversă și putea identifica diverse bacterii care puteau provoca infecții acute. De asemenea, putea recomanda medicamente în funcție de greutatea pacientului. Este unul dintre cele mai bune exemple de Sisteme Expert.
DENDRAL: Sistem expert utilizat pentru analiza chimică pentru a prezice structura moleculară.
PXDES: Un exemplu de sistem expert utilizat pentru a prezice gradul și tipul de cancer pulmonar.
Cadet: Unul dintre cele mai bune exemple de sisteme expert care pot identifica cancerul în stadii incipiente.

Caracteristicile Sistemului Expert

Aceste exemple au în comun un set de calități, rezumate în diagrama de mai jos.

De ce sunt necesare sisteme expert?

Următoarele sunt caracteristicile importante ale sistemului expert în IA:

Cel mai înalt nivel de expertiză: Sistemul Expert în IA oferă cel mai înalt nivel de expertiză. Acesta oferă eficiență, precizie și rezolvare imaginativă a problemelor.
Reacția la timp: Un Sistem Expert răspunde într-un timp rezonabil, în mod ideal mai repede decât ar ajunge un expert uman la aceeași concluzie.
Fiabilitate bună: Sistemul expert în IA trebuie să fie fiabil și să nu facă greșeli.
Flexibil: Un Sistem Expert trebuie să rămână flexibil, astfel încât baza sa de cunoștințe să poată fi extinsă sau corectată pe măsură ce domeniul se schimbă.
Mecanism eficient: Sistemul are nevoie de un mecanism eficient pentru organizarea și actualizarea cunoștințelor pe care le deține deja.
Capabil să gestioneze decizii și probleme dificile: Un Sistem Expert este capabil să gestioneze probleme decizionale dificile și să ofere soluții.

Componentele sistemului expert

Aceste caracteristici sunt furnizate de trei părți care transmit informații una alteia, așa cum arată diagrama bloc.

Sistemul expert în IA constă din următoarele componente date:

User Interface

Interfața cu utilizatorul este cea mai importantă parte a unui Software Expert. Această componentă preia interogarea utilizatorului într-o formă lizibilă și o transmite motorului de inferență. După aceea, afișează rezultatele utilizatorului. Cu alte cuvinte, este o interfață care ajută utilizatorul să comunice cu Sistemul Expert.

Motor de inferență

Motorul de inferență este creierul Sistemului Expert. Acesta conține reguli pentru rezolvarea unei probleme specifice și se referă la cunoștințele deținute în Baza de Cunoștințe. Selectează faptele și regulile care se aplică atunci când se încearcă răspunsul la interogarea utilizatorului, descompune problema și formulează concluzia.

Baza de cunoștințe

Baza de cunoștințe este un depozit de fapte. Stochează toate cunoștințele despre domeniul problemei. Este ca un container mare de cunoștințe care este obținută de la diferiți experți dintr-un anumit domeniu.

Astfel, putem spune că succesul software-ului Expert System depinde în principal de cunoștințele extrem de exacte și precise.

Alți termeni cheie utilizați în Expert Systems

Fapte și reguli

Un fapt este o mică parte a informațiilor importante. Faptele în sine sunt de o utilizare foarte limitată. Regulile sunt esențiale pentru selectarea și aplicarea faptelor la o problemă a utilizatorului.

Dobândirea de cunoștințe

Termenul de achiziție de cunoștințe înseamnă modul în care Sistemul Expert poate obține cunoștințele necesare în domeniu. Întregul proces începe prin extracpreluarea cunoștințelor de la un expert uman, convertirea cunoștințelor dobândite în reguli și injectarea regulilor dezvoltate în baza de cunoștințe, ca traceditat în figura de mai jos.

Examen de cunoștințetracProcesul de țiune

Participant la Dezvoltarea Sistemelor Expert

Participant	Rol
Expert în domeniu	O persoană sau un grup a cărui expertiză și cunoștințe sunt utilizate pentru a dezvolta un Sistem Expert.
Inginer de cunoștințe	O persoană tehnică care integrează acele cunoștințe în sisteme informatice.
Utilizator final	O persoană sau un grup de persoane care utilizează Sistemul Expert pentru a obține sfaturi care altfel nu ar fi disponibile de la expert.

Procesul de construire a unui sistem expert

Determinarea caracteristicilor problemei
Inginerul de cunoștințe și expertul în domeniu lucrează în coerență pentru a defini problema
Inginerul cunoștințelor traduce cunoștințele într-un limbaj inteligibil de calculator și proiectează un motor de inferență, o structură de raționament, care poate utiliza aceste cunoștințe atunci când este nevoie.
Inginerul cunoștințelor stabilește, de asemenea, cum să integreze utilizarea cunoștințelor incerte în procesul de raționament și ce tip de explicație ar fi utilă.

Sistem convențional vs. sistem expert

Designul devine mai clar atunci când un Sistem Expert este plasat lângă un program obișnuit.

Sistem convențional	Sistem expert
Cunoștințele și procesarea sunt combinate într-o singură unitate.	Baza de date de cunoștințe și mecanismul de procesare sunt două componente separate.
Programul nu face erori (cu excepția cazului în care există o eroare de programare).	Sistemul Expert poate face o greșeală.
Sistemul este operațional numai atunci când este complet dezvoltat.	Sistemul expert este optimizat continuu și poate fi lansat cu un număr mic de reguli.
Este necesară execuția pas cu pas conform algoritmilor fixați.	Execuția se face logic și euristic.
Are nevoie de informații complete.	Poate fi funcțional cu informații suficiente sau insuficiente.

Expert uman vs. Sistem expert

Expert uman	Expertiza artificiala
Perisabil	Permanent
Dificil de transferat	Transferabil
Dificil de documentat	Ușor de Documentat
Imprevizibil	Consistent
Scump	Sistem rentabil

Avantajele Sistemului Expert

Mai jos sunt principalele avantaje/beneficii ale Sistemelor Expert în Inteligență Artificială (AI):

Îmbunătățește calitatea deciziei
Reduce cheltuielile cu consultarea experților pentru rezolvarea problemelor
Oferă soluții rapide și eficiente la problemele dintr-o zonă restrânsă de specializare.
Poate aduna expertiză limitată și o poate utiliza eficient.
Oferă un răspuns consistent pentru problema repetitivă
O explicație corectă a luării deciziilor
Abilitatea de a rezolva probleme complexe și provocatoare
Sistemele experte de inteligență artificială pot funcționa constant fără să se emoționeze, să se încordeze sau să se obosească.

Limitările sistemului expert

Mai jos sunt dezavantajele/limitările Sistemului Expert în AI:

Incapabil să ofere un răspuns creativ într-o situație extraordinară
Erorile din baza de cunoștințe pot duce la o decizie greșită
Costul de întreținere al unui Sistem Expert este prea mare
Fiecare problemă este diferită, prin urmare soluția de la un expert uman poate fi, de asemenea, diferită și mai creativă

Aplicații ale sistemelor expert

Unele populare Aplicarea Sistemului Expert:

Administrarea informației
Spitale și unități medicale
Managementul birourilor de asistență
Evaluarea performanței angajaților
Analiza creditului
Detectarea virusului
Util pentru proiecte de reparatii si intretinere
Optimizarea depozitului
Planificare și programare
Configurația obiectelor fabricate
Luarea deciziilor financiare
Publicarea cunoștințelor
Monitorizarea si controlul procesului
Tranzacționarea burselor
Programul liniilor aeriene și orarele mărfurilor

⚡ Rezumat inteligent

Un Sistem Expert este un program interactiv de luare a deciziilor, bazat pe reguli, care combină faptele stocate cu euristici pentru a rezolva probleme complexe și restrânse, la un nivel de judecată așteptat în mod normal de la un specialist uman instruit în domeniul respectiv.

🔘 Trei componente principale: O interfață cu utilizatorul preia interogarea, motorul de inferență raționează asupra regulilor, iar baza de cunoștințe stochează informațiile despre domeniu.
☑️ Cunoașterea rămâne separată: Spre deosebire de un program convențional, cunoștințele și procesarea se află în două părți distincte, astfel încât regulile pot fi revizuite fără a rescrie motorul.
✅ Exemple clasice: MYCIN a diagnosticat infecțiile bacteriene, DENDRAL a prezis structurile moleculare, iar PXDES și CaDet au susținut detectarea cancerului.
🧪 Construit prin trei roluri: Un expert în domeniu furnizează cunoștințele, un inginer de cunoștințe le codifică, iar utilizatorul final consultă sistemul finit.
🛠️ Puncte forte și limite: Se câștigă consecvență, viteză și permanență, în timp ce se pierd creativitatea în situații nefamiliare și costurile reduse de întreținere.
⚙️ Unde sunt utilizate: Facilități medicale, analiză de credite, servicii de asistență tehnică, detectare viruși, optimizare depozite și tranzacționare pe piața bursieră.

Citește mai mult

Întrebări frecvente

Înlănțuirea directă (forward chaining) este bazată pe date: motorul pornește de la fapte cunoscute și aplică reguli până când apare o concluzie. Înlănțuirea inversă (backward chaining) este bazată pe obiective: presupune o ipoteză, apoi caută fapte care o susțin. MYCIN a folosit înlănțuirea inversă.

Sistemele bazate pe reguli stochează reguli IF-THEN. Sistemele bazate pe frame-uri rețin obiecte structurate cu sloturi. Sistemele fuzzy raționează cu grade de adevăr. Sistemele neuronale și neuro-fuzzy învață ponderi din date în loc să citească reguli scrise de mână.

Un modul de explicații traces care guvernează declanșarea motorului de inferență și raportează acest lucru înapoi către utilizator. Transparența este motivul pentru care primele sisteme au câștigat încredere în medicină și rămâne un avantaj față de modelele statistice opace.

DENDRAL a început la Stanford în 1965 și a dedus structuri moleculare din datele de spectrometrie de masă. MYCIN a urmat în 1972, tot la Stanford, unde Edward Shortliffe a codificat aproximativ 600 de reguli pentru diagnosticarea infecțiilor bacteriene.

Regulile dintr-un Sistem Expert sunt scrise de oameni, astfel încât fiecare decizie poate fi luată traced. A masina de învățare Modelul își derivă proprii parametri din date, ceea ce se scalează mai bine, dar face ca raționamentul să fie mult mai dificil de inspectat.

Regulile simple impun un adevărat sau fals clar. Logica fuzzy permite unui fapt să aibă o valoare de apartenență între 0 și 1, astfel încât intrări vagi, cum ar fi o ușoară febră, pot totuși declanșa o regulă în mod rezonabil.

Modelele lingvistice acoperă un domeniu mult mai larg, dar nu pot garanta traccale de reguli eșuabilă. Domeniile reglementate adesea le combină pe cele două: un model citește intrarea nestructurată în timp ce un motor de reguli face apelul final, auditabil. Tutorial AI acoperă un domeniu mai larg.

Copilotul GitHub poate structura sintaxa regulilor pentru motoare precum CLIPS sau Drools și poate elabora cazuri de testare dintr-un tabel de reguli. Cunoștințele domeniului în sine trebuie să provină totuși de la un expert uman.