ЕКСПЕРТНИ СИСТЕМИ: ИСТОРИЯ, ХАРАКТЕРИСТИКИ, ПРЕДИМСТВА, НЕДОСТАТЪЦИ - ТЕХНОЛОГИЯ - 2025

На системи експертни се определят като системи, които подражават на способността за вземане на решения на експерт по човешки в определена област. Те използват както евристични стратегии, така и факти, за да решат надеждно и интерактивно сложни проблеми при вземане на решения.

Те са предназначени да решават много сложни проблеми, разсъждавайки чрез бази от знания. Вместо да бъдат представени от процедурен код, те са основно представени от If-then правила.

Източник: pixabay.com

Те са в състояние да изразят себе си и разсъждения за някаква област на знанието, което им позволява да решат много проблеми, които обикновено изискват човешки експерт. Експертните системи бяха предшествениците на съвременните системи за изкуствен интелект, дълбоко обучение и машинно обучение.

Експертна система не може да замести цялостната работа на работника при отстраняване на проблеми. Те обаче могат драстично да намалят количеството работа, която отделният човек трябва да свърши, за да реши проблема, оставяйки творческите и иновативни аспекти на решаването на проблеми на хората.

Те са изиграли важна роля в много индустрии, като финансови услуги, телекомуникации, здравеопазване, обслужване на клиенти, видеоигри и производство.

Капацитет на системата

Експертна система включва две подсистеми: база от знания, която съдържа натрупани факти и опит, и двигател на извода, който е набор от правила, които трябва да се прилагат към базата знания или известни факти във всяка конкретна ситуация, за да се изведат нови. действа.

Системните възможности могат да бъдат подобрени с добавки към базата знания или набор от правила.

Например, съвременните експертни системи могат също така да имат възможност да учат автоматично, което им позволява да подобрят работата си въз основа на опита, точно както правят хората.

Освен това съвременните системи могат по-лесно да включват нови знания и по този начин да бъдат лесно актуализирани. Такива системи могат по-добре да се обобщят от съществуващите знания и да обработват големи количества сложни данни.

история

- Първоначално развитие

В края на 50-те години експериментирането започва с възможността да се използват компютърни технологии за подражание на човешкото вземане на решения. Например, компютърни системи започнаха да се създават за диагностични приложения в медицината.

Тези първоначални диагностични системи въвеждат симптоми на пациента и резултати от лабораторни изследвания в системата, за да генерират диагноза като резултат. Това бяха първите форми на експертни системи.

- Основни развития

В началото на шейсетте години бяха разработени програми, които решаваха добре дефинирани проблеми. Например игри или машинен превод.

Тези програми изискват интелигентни техники за разсъждения, за да се справят с представените логически и математически проблеми, но не изискват много допълнителни знания.

Изследователите започнаха да осъзнават, че за да разрешат много интересни проблеми, програмите не само трябва да могат да интерпретират проблемите, но и имат нужда от основни знания, за да ги разберат напълно.

Това постепенно доведе до разработването на експертни системи, които бяха по-фокусирани върху знанията.

Концепцията за експертни системи е разработена официално през 1965 г. от Едуард Фейгенбаум, професор в Станфордския университет, САЩ.

Фейгенбаум обясни, че светът преминава от обработка на данни към обработка на знания, благодарение на новата технология на процесора и компютърните архитектури.

Dendral

В края на 60-те години на миналия век е разработена една от първите експертни системи, наречена Dendral, която се занимава с анализа на химичните съединения.

Знанията на Dendral се състоеха от стотици правила, които описват взаимодействията на химичните съединения. Тези правила са плод на дългогодишно сътрудничество между химици и компютърни учени.

- Зрелост

Експертните системи започнаха да се разпространяват през 80-те години. Много от компаниите на Fortune 500 прилагат тази технология в ежедневните си бизнес дейности.

През 90-те години много доставчици на бизнес приложения, като Oracle и SAP, интегрираха експертни системи в своите продукти като начин за обяснение на бизнес логиката.

характеристики

- Ниво на опит

Експертна система трябва да предлага най-високо ниво на опит. Осигурява ефективност, прецизност и въображаемо решаване на проблеми.

- Реакция навреме

Потребителят взаимодейства с експертната система за доста разумен период от време. Времето на това взаимодействие трябва да бъде по-малко от времето, което е необходимо на експерта, за да получи най-точното решение за същия проблем.

- Надеждност

Експертната система трябва да има добра надеждност. За да направите това, не трябва да допускате грешки.

- Ефективен механизъм

Експертната система трябва да има ефективен механизъм за управление на съществуващия в нея сборник от знания.

- Проблеми с боравенето

Експертна система трябва да бъде в състояние да се справи с предизвикателни проблеми и да вземе правилни решения за предлагане на решения.

- Компоненти

Знание

Това е организирано събиране на данни, съответстващи на обхвата на опита на системата.

Чрез интервюта и наблюдения с човешки експерти трябва да се вземат фактите, съставляващи базата от знания.

Двигател за извода

Интерпретиране и оценка на фактите в базата от знания чрез правила, за да се даде препоръка или заключение.

Тези знания се представят под формата на правила за производство на If-then: "Ако условието е вярно, може да се направи следното приспадане."

Заключения

Често фактор на вероятността се привързва към заключението на всяко правило за производство и към окончателната препоръка, тъй като достигнатото заключение не е абсолютна сигурност.

Например експертна система за диагностика на очни заболявания може да покаже, въз основа на предоставената информация, че човек има глаукома с вероятност от 90%.

Също така може да се покаже последователността от правила, чрез които е достигнато заключението. Наблюдението на тази верига помага да се оцени достоверността на препоръката и е полезно като средство за обучение.

Видове

Основан на правила

В тази система знанията се представят като набор от правила. Правилото е директен и гъвкав начин за изразяване на знания.

Правилото се състои от две части: частта "Ако", наречена условие, и частта "Тогава", наречена приспадане. Основният синтаксис на правило е: If (условие) тогава (приспадане).

Въз основа на размита логика

Когато искате да изразите знания, използвайки неясни думи като „много малко“, „умерено трудно“, „не толкова стара“, може да се използва размита логика.

Тази логика се използва за описание на неточно определение. Тя се основава на идеята, че всички неща са описани в плъзгаща се скала.

Класическата логика оперира с две стойности на сигурност: True (1) и False (0). В размита логика всички стойности на сигурност се изразяват като реални числа в диапазона от 0 до 1.

Размитата логика представлява знанието, основано на степен на истинност, а не на абсолютната истинност на класическата логика.

Невронално

Предимствата на експертна система, базирана на правила, също съчетават предимствата на невронната мрежа, като учене, обобщение, устойчивост и паралелна обработка на информация.

Тази система има неврална база от знания, а не традиционната база от знания. Знанието се съхранява като тежести в невроните.

Тази комбинация позволява на нервната експертна система да обоснове своите заключения.

Невронна-дифузен

Размитата логика и невронните мрежи са допълнителни инструменти за изграждане на експертни системи.

Размитите системи нямат способността да учат и не могат да се адаптират към нова среда. От друга страна, въпреки че невронните мрежи могат да се учат, техният процес е много сложен за потребителя.

Невронно-размитите системи могат да комбинират изчислителните и обучителните възможности на невронната мрежа с представянето на човешкото знание и обяснителните умения на размитите системи.

В резултат на това невронните мрежи стават по-прозрачни, докато размитата система става способна да се учи.

предимство

наличност

Експертните системи са лесно достъпни навсякъде и по всяко време поради масовото производство на софтуера.

Намален риск

Компанията може да управлява експертна система в опасни за хората среди. Те могат да се използват във всяка опасна среда, където хората не могат да работят.

Бизнес знания

Те могат да се превърнат в средство за развиване на организационни знания, за разлика от знанията на хората в една компания.

Отговор на обяснението

Те са в състояние да дадат адекватно обяснение за вземането на своите решения, като излагат подробно мотивите, довели до отговор.

Когато се използват като инструменти за обучение, те водят до по-бърза крива на обучение за начинаещи.

Бърз отговор

Помага да получите бързи и точни отговори. Експертна система може да изпълни своя дял от задачите много по-бързо от човешкия експерт.

Нисък процент на грешки

Коефициентът на грешки на успешните експертни системи е доста нисък, понякога много по-нисък от процента на човешка грешка за същата задача.

Безчувствен отговор

Експертните системи работят без да се вълнуват. Те не изпитват напрежение, умора или паника и работят стабилно по време на спешни ситуации.

Постоянство на знанието

Експертната система поддържа значително ниво на информация. Това съдържащо се знание ще продължи безкрайно.

Бързо прототипиране

С помощта на експертна система е възможно да се въведат някои правила и да се разработи прототип за дни, а не месеците или годините, обикновено свързани със сложни ИТ проекти.

Множество преживявания

Експертната система може да бъде проектирана така, че да съдържа знанията на много квалифицирани експерти и по този начин да има способността да решава сложни проблеми.

Това намалява разходите за консултантски консултанти за решаване на проблеми. Те са средство за получаване на източници на знания, които са трудни за получаване.

Недостатъци

Придобиване на знания

Винаги е трудно да се получи времето на експерти в определени области за всяко софтуерно приложение, но за експертните системи е особено трудно, тъй като експертите са високо ценени и постоянно искани от организациите.

В резултат на това голямо количество изследвания през последните години се съсредоточи върху инструменти за придобиване на знания, които помагат за автоматизиране на процеса на проектиране, отстраняване на грешки и поддържане на правилата, определени от експертите.

Системна интеграция

Интеграцията на системите с базите данни беше трудна за първите експертни системи, тъй като инструментите бяха главно на езици и платформи, които не са познати в корпоративната среда.

В резултат на това бяха положени големи усилия за интегриране на инструментите на експертни системи с наследени среди, правейки прехвърлянето на по-стандартни платформи.

Тези проблеми бяха решени главно от смяната на парадигмата, тъй като персонални компютри постепенно бяха приети в компютърната среда като легитимна платформа за развитието на сериозни бизнес системи.

Сложност на обработката

Увеличаването на размера на базата знания увеличава сложността на обработката.

Например, ако една експертна система има 100 милиона правила, очевидно е, че тя би била твърде сложна и би се сблъскала с много компютърни проблеми.

Двигателят за извода трябва да може да обработва голям брой правила, за да вземе решение.

Когато има твърде много правила, също е трудно да се провери дали тези правила за съответствие са взаимно свързани.

Също така е трудно да се даде приоритет на използването на правилата за по-ефективно функциониране или как да се разрешат неяснотите.

Актуализация на знанията

Един проблем, свързан с базата от знания, е как да правите актуализации бързо и ефективно. Също така как да добавите нови знания, тоест къде да ги добавите сред толкова много правила.

Приложения

Диагностика и отстраняване на проблеми

Той обобщава всички системи за доказване на неизправности и предлага коригиращи действия за неправилно функциониращ процес или устройство.

Една от първите области на знанието, в която се прилага технологията на експертните системи, беше медицинската диагностика. Инженерната система за диагностика обаче бързо превъзхожда медицинската диагностика.

Диагнозата може да се изрази като: предвид представените доказателства, какъв е основният проблем, причина или причина?

Планиране и планиране

Тези експертни системи анализират набор от цели, за да определят набор от действия, които постигат тези цели, осигурявайки подробно подреждане на тези действия във времето, като се имат предвид материали, персонал и други ограничения.

Примерите включват персонала на авиокомпанията и планирането на полетите и планирането на производствения процес.

Финансови решения

Създадени са финансови консултантски системи, които помагат на банкерите да определят дали да дават заеми на физически лица и компании.

Застрахователните компании използват тези експертни системи за оценка на риска, който клиентът представя и по този начин определят цената на застраховката.

Мониторинг и контрол на процесите

Те анализират данни от физически устройства в реално време, за да забележат аномалии, прогнозират тенденциите и контролират както оптимизацията, така и коригирането на грешки.

Примери за тези системи са в нефтопреработвателната и стоманодобивната промишленост.

Консултации със знания

Основната функция на това приложение е да предостави смислен поглед върху проблема на потребителя, в средата на този проблем.

Двете експертни системи, които са най-широко разпространени в целия свят, принадлежат към тази категория.

Първата от тези системи е съветник, който съветва потребителя за правилното използване на граматиката в даден текст.

Вторият е данъчен съветник, който е прикачен към система за подготовка на данъци. Консултира потребителя относно стратегията и конкретните данъчни политики.

Препратки

1. Guru99 (2019). Експертна система по изкуствен интелект: Какво е, приложения, пример. Взета от: guru99.com.
2. Уикипедия, безплатната енциклопедия (2019). Експертна система. Взета от: en.wikipedia.org.
3. Маргарет Руус (2019). Експертна система. TechTarget. Взета от: searchchenterpriseai.techtarget.com.
4. Владимир Звас (2019). Експертна система. Енциклопедия Взета от: britannica.com.
5. Wtec (2019). Приложенията на експертни системи. Взета от: wtec.org.
6. Вирус Нагори (2014). Видове експертна система: сравнително изследване. Семантичен учен Взета от: pdfs.semanticscholar.org.
7. Светът на компютрите (2010). Експертни системи. Взета от:ligence.worldofcomputing.net.