STRUČNI SUSTAVI: POVIJEST, KARAKTERISTIKE, PREDNOSTI, NEDOSTACI - TEHNOLOGIJA - 2024

U ekspertni sustavi definirani su kao sustavi koji oponašati odlučivanja sposobnost ljudskog stručnjak u određenom području. Koriste i heurističke strategije i činjenice kako bi pouzdano i interaktivno rješavali složene probleme donošenja odluka.

Osmišljeni su za rješavanje vrlo složenih problema, zaključivanjem kroz baze znanja. Umjesto da budu predstavljeni proceduralnim kodom, oni su u osnovi zastupljeni pravilima If-Onda.

Izvor: pixabay.com

Oni su u stanju izraziti sebe i razmišljanje o nekom području znanja, što im omogućava da riješe mnoge probleme za koje je u pravilu potreban ljudski stručnjak. Stručni sustavi bili su prethodnici današnjih sustava umjetne inteligencije, dubokog učenja i strojnog učenja.

Stručni sustav ne može zamijeniti sveukupne performanse radnika u rješavanju problema. Međutim, oni mogu drastično smanjiti količinu posla koji pojedinac mora učiniti kako bi riješio problem, a kreativne i inovativne aspekte rješavanja problema ostavljajući ljudima.

Oni su igrali važnu ulogu u mnogim industrijama, poput financijskih usluga, telekomunikacija, zdravstvene zaštite, korisničkih usluga, videoigara i proizvodnje.

Kapacitet sustava

Ekspertski sustav uključuje dva podsustava: bazu znanja koja sadrži nakupljene činjenice i iskustva i mehanizam zaključivanja, koji je skup pravila koja se primjenjuju na bazi znanja ili poznate činjenice u svakoj konkretnoj situaciji, kako bi se izvukli novi. djeluje.

Mogućnosti sustava mogu se poboljšati dodacima baze znanja ili skupa pravila.

Na primjer, današnji stručni sustavi također mogu imati mogućnost automatskog učenja, omogućujući im da poboljšaju svoje performanse na temelju iskustva, kao što to čine i ljudi.

Pored toga, moderni sustavi mogu lakše ugraditi nova znanja i na taj način se lako ažurirati. Takvi se sustavi mogu bolje generalizirati iz postojećeg znanja i rukovati velikim količinama složenih podataka.

Povijest

- Početni razvoj

Krajem 1950-ih eksperimentiranje je započelo s mogućnošću korištenja računalne tehnologije za oponašanje ljudskog odlučivanja. Na primjer, računalni sustavi počeli su se stvarati za dijagnostičke primjene u medicini.

Ti su početni dijagnostički sustavi unijeli simptome pacijenta i rezultate laboratorijskih ispitivanja u sustav da bi proizveli dijagnozu kao rezultat. To su bili prvi oblici stručnih sustava.

- Glavni razvoj događaja

Početkom šezdesetih razvijali su se programi koji su rješavali točno definirane probleme. Na primjer, igre ili strojni prijevod.

Ti su programi zahtijevali inteligentne tehnike zaključivanja za rješavanje logičkih i matematičkih problema koji su predstavljeni, ali nisu zahtijevali puno dodatnih znanja.

Istraživači su počeli shvaćati da programi za rješavanje mnogih zanimljivih problema ne samo da moraju biti u stanju interpretirati probleme, već trebaju i osnovna znanja kako bi ih u potpunosti razumjeli.

To je postupno dovelo do razvoja stručnih sustava koji su bili više usredotočeni na znanje.

Koncept stručnih sustava službeno je razvio 1965. Edward Feigenbaum, profesor sa Sveučilišta Stanford, SAD.

Feigenbaum je objasnio da se svijet kretao od obrade podataka do obrade znanja, zahvaljujući novoj tehnologiji procesora i računalnoj arhitekturi.

dendral

Krajem 1960-ih razvijen je jedan od prvih stručnih sustava, Dendral, koji se bavio analizom kemijskih spojeva.

Dendralovo znanje sastojalo se od stotina pravila koja su opisivala interakcije kemijskih spojeva. Ta su pravila rezultat dugogodišnje suradnje kemičara i računalnih znanstvenika.

- Zrelost

Ekspertski sustavi počeli su se širiti tijekom 1980-ih. Mnoge tvrtke Fortune 500 primijenile su ovu tehnologiju u svojim svakodnevnim poslovnim aktivnostima.

U 1990-ima su mnogi dobavljači poslovnih aplikacija, poput Oracle i SAP, integrirali mogućnosti ekspertnih sustava u svoj paket proizvoda kao način objašnjenja poslovne logike.

karakteristike

- Razina iskustva

Sustav stručnjaka mora ponuditi najvišu razinu stručnosti. Pruža efikasnost, preciznost i maštovito rješavanje problema.

- Reakcija na vrijeme

Korisnik interaktivno djeluje sa ekspertnim sustavom tijekom prilično razumnog razdoblja. Vrijeme ove interakcije mora biti manje od vremena koje je potrebno stručnjaku da pronađe što preciznije rješenje za isti problem.

- Pouzdanost

Sustav stručnjaka mora imati dobru pouzdanost. Da biste to učinili, ne smijete pogriješiti.

- Učinkovit mehanizam

Sustav stručnjaka mora imati učinkovit mehanizam za upravljanje skupom znanja koja u njemu postoje.

- Riješite probleme

Sustav stručnjaka mora biti u stanju riješiti zahtjevne probleme i donijeti ispravne odluke za pružanje rješenja.

- Dijelovi

Baza znanja

To je organizirana zbirka podataka koja odgovara opsegu iskustava sustava.

Intervjui i promatranja s ljudskim stručnjacima moraju se uzeti činjenice koje čine bazu znanja.

Inference motor

Interpretirati i procjenjivati ​​činjenice u bazi znanja kroz pravila radi pružanja preporuke ili zaključka.

To je znanje predstavljeno u obliku proizvodnih pravila If-then: "Ako je uvjet istinit, tada se može izvršiti sljedeće odbitak."

Zaključci

Često se faktor vjerojatnosti veže uz zaključak svakog pravila proizvodnje i konačnu preporuku, jer zaključak koji nije postignut nije apsolutna sigurnost.

Na primjer, stručni sustav za dijagnozu očnih bolesti mogao bi na temelju pruženih informacija pokazati da osoba ima glaukom s vjerojatnošću od 90%.

Također, može se prikazati redoslijed pravila kroz koja je donesen zaključak. Praćenje ovog lanca pomaže u procjeni vjerodostojnosti preporuke i korisno je kao sredstvo učenja.

vrste

Na temelju pravila

U ovom sustavu znanje je predstavljeno kao skup pravila. Pravilo je izravan i fleksibilan način izražavanja znanja.

Pravilo se sastoji od dva dijela: dio "If", koji se naziva uvjet, i "tada", koji se naziva dedukcija. Osnovna sintaksa pravila je: If (uvjet) Onda (dedukcija).

Na temelju nejasne logike

Kad želite izraziti znanje koristeći nejasne riječi poput "vrlo malo", "umjereno teško", "nije ono staro", može se koristiti neizrazita logika.

Ova se logika koristi za opisivanje neprecizne definicije. Temelji se na ideji da su sve stvari opisane kliznom skalom.

Klasična logika djeluje s dvije vrijednosti sigurnosti: True (1) i False (0). U neizrazitoj logici, sve vrijednosti sigurnosti izražene su kao realni brojevi u rasponu od 0 do 1.

Nejasna logika predstavlja znanje zasnovano na stupnju istinitosti, a ne na apsolutnoj istinitosti klasične logike.

Neuronska

Prednosti ekspertnog sustava temeljenog na pravilima također kombiniraju prednosti neuronske mreže, poput učenja, generalizacije, robusnosti i paralelne obrade informacija.

Ovaj sustav ima neuronsku bazu znanja, a ne tradicionalnu bazu znanja. Znanje se pohranjuje kao utezi u neuronima.

Ova kombinacija omogućuje neurološkom stručnom sustavu da opravda svoje zaključke.

Neurona-difuzni

Nejasna logika i neuronske mreže su komplementarni alati za izgradnju ekspertnih sustava.

Nerazumljivi sustavi nemaju mogućnost učenja i ne mogu se prilagoditi novom okruženju. S druge strane, iako neuronske mreže mogu naučiti, njihov je postupak za korisnika vrlo kompliciran.

Neuro-neizraziti sustavi mogu kombinirati računalne i učenja neuronske mreže s predstavom ljudskog znanja i vještinama objašnjavanja nejasnih sustava.

Kao rezultat toga, neuronske mreže postaju transparentnije, dok neizraziti sustav postaje sposoban za učenje.

Prednost

dostupnost

Ekspertski sustavi su lako dostupni, bilo gdje i bilo kada, zbog masovne proizvodnje softvera.

Smanjeni rizik

Tvrtka može upravljati stručnim sustavom u okruženjima opasnim za ljude. Mogu se koristiti u bilo kojem opasnom okruženju u kojem ljudi ne mogu raditi.

Poslovno znanje

Mogu postati sredstvo za razvoj organizacijskog znanja za razliku od znanja pojedinaca u tvrtki.

Odgovori na objašnjenje

U stanju su dati adekvatno objašnjenje svog odlučivanja, iskazujući detaljno obrazloženje koje je dovelo do odgovora.

Ako se koriste kao alat za trening, oni rezultiraju bržom krivuljom učenja za početnike.

Brz odgovor

Pomaže u dobivanju brzih i točnih odgovora. Sustav stručnjaka može svoj dio zadataka ispuniti mnogo brže od ljudskog stručnjaka.

Niska stopa pogreške

Stopa pogreške uspješnih stručnih sustava prilično je niska, ponekad mnogo niža od stope ljudske pogreške za isti zadatak.

Odgovor bez osjećaja

Stručni sustavi rade bez uzbuđenja. Ne postaju napeti, umorni ili panični, a stabilno rade tijekom hitnih situacija.

Stalnost znanja

Stručni sustav održava značajnu razinu informacija. To sadržano znanje trajat će neograničeno.

Brza izrada prototipova

Pomoću ekspertnog sustava moguće je unijeti neka pravila i razviti prototip u danima, a ne mjesecima ili godinama obično povezanim sa složenim IT projektima.

Višestruka iskustva

Stručni sustav može se konstruirati tako da sadrži znanje mnogih kvalificiranih stručnjaka i na taj način imati mogućnost rješavanja složenih problema.

To smanjuje trošak savjetovanja sa stručnjacima za rješavanje problema. Oni su sredstvo za dobivanje izvora znanja koje je teško dobiti.

Nedostaci

Sticanje znanja

Uvijek je teško dobiti vrijeme stručnjaka za određena područja za bilo koju aplikaciju softvera, ali za stručne sustave je to posebno teško, jer su stručnjaci visoko cenjeni i neprestano ih traže organizacije.

Kao posljedica toga, velika se količina istraživanja posljednjih godina fokusirala na alate za stjecanje znanja, koji pomažu u automatizaciji procesa dizajniranja, uklanjanja pogrešaka i održavanja pravila koje definiraju stručnjaci.

Integracija sustava

Integracija sustava s bazama podataka bila je teška za prve stručne sustave, jer su se alati uglavnom nalazili na jezicima i platformama koji nisu poznati u korporacijskom okruženju.

Kao rezultat toga, uložen je veliki napor da se integriraju alati ekspertnih sustava s naslijeđenim okruženjima, prenoseći se na više standardnih platformi.

Ti su se problemi uglavnom rješavali pomakom paradigme, jer su računari postupno prihvaćeni u računalnom okruženju kao legitimna platforma za razvoj ozbiljnih poslovnih sustava.

Složenost obrade

Povećanje veličine baze znanja povećava složenost obrade.

Na primjer, ako ekspertni sustav ima 100 milijuna pravila, očito je da bi bio previše složen i bio bi suočen s mnogim računskim problemima.

Motori zaključivanja morali bi biti u mogućnosti obraditi veliki broj pravila za donošenje odluke.

Kada postoji previše pravila, također je teško provjeriti jesu li ta pravila odluke međusobno usklađena.

Također je teško dati prednost pravilima za djelotvornije djelovanje ili kako riješiti nejasnoće.

Ažuriranje znanja

Jedan od problema povezanih sa bazom znanja je kako ažurirati brzo i učinkovito. Također, kako dodati nova znanja, tj. Gdje ga dodati među toliko pravila.

Prijave

Dijagnoza i rješavanje problema

On sažima sve sustave koji uzrokuju greške i predlaže korektivne radnje za neispravni postupak ili uređaj.

Jedno od prvih područja znanja gdje je primijenjena tehnologija ekspertnih sustava bila je medicinska dijagnoza. Međutim, dijagnostika inženjerskih sustava brzo je nadmašila medicinsku dijagnostiku.

Dijagnoza se može izraziti kao: s obzirom na predstavljene dokaze, koji je temeljni problem, razlog ili uzrok?

Planiranje i planiranje

Ti stručni sustavi analiziraju skup ciljeva kako bi utvrdili skup radnji kojima se postižu ti ciljevi, pružajući detaljno naređivanje tih radnji tijekom vremena, uzimajući u obzir materijale, osoblje i druga ograničenja.

Primjeri uključuju zrakoplovno osoblje i planiranje letova te planiranje proizvodnog procesa.

Financijske odluke

Stvoreni su sustavi financijskog savjetovanja koji pomažu bankarima da odluče hoće li davati zajmove pojedincima i tvrtkama.

Osiguravajuća društva koriste ove ekspertne sustave za procjenu rizika koji klijent predstavlja i na taj način određuju cijenu osiguranja.

Nadgledanje i kontrola procesa

Oni analiziraju podatke s fizičkih uređaja u stvarnom vremenu, kako bi primijetili nepravilnosti, predvidjeli trendove i kontrolirali optimizaciju i ispravljanje grešaka.

Primjeri ovih sustava su u industriji za preradu nafte i proizvodnju čelika.

Savjetovanje u znanju

Primarna funkcija ove aplikacije je pružiti smisleni uvid u problem korisnika, u okruženju tog problema.

U ovu kategoriju pripadaju dva stručna sustava koji su najrasprostranjeniji u cijelom svijetu.

Prvi od tih sustava je savjetnik koji korisnika savjetuje o pravilnoj upotrebi gramatike u tekstu.

Drugi je porezni savjetnik koji je priključen na sustav pripreme poreza. Savjetuje korisnika o strategiji i posebnim poreznim politikama.

Reference

1. Guru99 (2019). Stručni sustav umjetne inteligencije: Što je, aplikacije, primjer. Preuzeto sa: guru99.com.
2. Wikipedija, besplatna enciklopedija (2019). Sustav stručnjaka. Preuzeto sa: en.wikipedia.org.
3. Margaret Rouse (2019). Sustav stručnjaka. Techtarget. Preuzeto sa: searchchenterpriseai.techtarget.com.
4. Vladimir Zwass (2019.). Sustav stručnjaka. Enciklopedija Preuzeto sa: britannica.com.
5. Wtec (2019). Primjene ekspertnih sustava. Preuzeto iz: wtec.org.
6. Viral Nagori (2014). Vrste stručnog sustava: komparativni studij. Semantički stipendist preuzet sa: pdfs.semanticscholar.org.
7. Svijet računalstva (2010). Stručni sustavi. Preuzeto sa:ligence.worldofcomputing.net.