ЕКСПЕРТНІ СИСТЕМИ: ІСТОРІЯ, ХАРАКТЕРИСТИКИ, ПЕРЕВАГИ, НЕДОЛІКИ - ТЕХНОЛОГІЯ - 2025

У Експертні системи визначаються як системи , які імітують процес прийняття рішень здатність експерта людини в тій чи іншій області. Вони використовують як евристичні стратегії, так і факти для надійного та інтерактивного вирішення складних проблем прийняття рішень.

Вони призначені для вирішення дуже складних проблем, міркуючи за допомогою баз знань. Замість того, щоб бути представлені процедурним кодексом, вони в основному представлені правилами If-then.

Джерело: pixabay.com

Вони здатні висловити себе і міркувати про певну область знань, що дозволяє їм вирішити багато проблем, які, як правило, потребують людського експерта. Експертні системи були попередниками сучасних систем штучного інтелекту, глибокого навчання та машинного навчання.

Експертна система не може замінити загальну ефективність працівника у вирішенні проблем. Однак вони можуть різко скоротити обсяг роботи, яку повинен зробити людина, щоб вирішити проблему, залишаючи творчі та інноваційні аспекти вирішення проблем людям.

Вони відіграли важливу роль у багатьох галузях, таких як фінансові послуги, телекомунікації, охорона здоров'я, обслуговування клієнтів, відеоігри та виробництво.

Ємність системи

Експертна система включає в себе дві підсистеми: базу знань, яка містить накопичені факти та досвід, і механізм висновку, який є набором правил, що застосовуються до бази знань або відомих фактів у кожній конкретній ситуації, щоб вивести нові. актів.

Можливості системи можна покращити за допомогою доповнень до бази знань або набору правил.

Наприклад, сучасні експертні системи також можуть мати можливість навчатися автоматично, дозволяючи їм покращувати свою роботу на основі досвіду, як і люди.

Крім того, сучасні системи можуть легше включати нові знання і, таким чином, легко оновлюватися. Такі системи можуть краще узагальнити наявні знання та обробляти велику кількість складних даних.

Історія

- Початкові розробки

В кінці 1950-х років експерименти почалися з можливості використання комп’ютерних технологій для імітації прийняття рішень. Наприклад, комп'ютерні системи почали створювати для діагностичних застосувань у медицині.

Ці початкові діагностичні системи вводили в систему симптоми пацієнта та результати лабораторних досліджень, щоб в результаті генерувати діагноз. Це були перші форми експертних систем.

- Основні розробки

На початку шістдесятих років розроблялися програми, які вирішували чітко визначені проблеми. Наприклад, ігри або машинні переклади.

Ці програми вимагали розумних прийомів міркування для вирішення представлених логічних і математичних проблем, але вони не потребували особливих додаткових знань.

Дослідники почали розуміти, що для вирішення багатьох цікавих проблем програми не лише повинні мати можливість інтерпретувати проблеми, вони також потребують базових знань, щоб їх повністю зрозуміти.

Це поступово призвело до розвитку експертних систем, які були більш орієнтовані на знання.

Концепція експертних систем була офіційно розроблена в 1965 році Едвардом Фейгенбаумом, професором Стенфордського університету, США.

Фейгенбаум пояснив, що світ рухався від обробки даних до обробки знань завдяки новій процесорній технології та комп'ютерній архітектурі.

Dendral

Наприкінці 1960-х років була розроблена одна з перших експертних систем під назвою Dendral, яка займалася аналізом хімічних сполук.

Знання Дендрала складалися з сотень правил, які описували взаємодію хімічних сполук. Ці правила були результатом багаторічної співпраці хіміків та комп'ютерних науковців.

- Зрілість

Експертні системи почали поширюватися протягом 1980-х років. Багато компаній Fortune 500 застосовували цю технологію у своїй щоденній діловій діяльності.

У 90-х роках багато постачальників бізнес-додатків, такі як Oracle і SAP, інтегрували можливості експертних систем у свій набір продуктів як спосіб пояснення бізнес-логіки.

характеристики

- рівень досвіду

Експертна система повинна пропонувати найвищий рівень знань. Забезпечує ефективність, точність та образне вирішення проблем.

- Реакція вчасно

Користувач взаємодіє з експертною системою протягом досить розумного періоду часу. Час цієї взаємодії повинен бути меншим за час, який знадобиться експерту для отримання найбільш точного рішення тієї ж проблеми.

- Надійність

Експертна система повинна мати хорошу надійність. Для цього ви не повинні робити жодних помилок.

- Ефективний механізм

Експертна система повинна мати ефективний механізм управління сукупністю знань, що існують у ній.

- Справляйтеся з проблемами

Експертна система повинна вміти вирішувати складні проблеми та приймати правильні рішення для надання рішень.

- Компоненти

База знань

Це організований збір даних, що відповідає обсягу досвіду роботи системи.

Через інтерв'ю та спостереження з експертами-людьми слід приймати факти, що складають базу знань.

Двигун висновку

Інтерпретувати та оцінювати факти у базі знань за допомогою правил, щоб дати рекомендацію чи висновок.

Ці знання представлені у формі виробничих правил If-then: "Якщо умова істинна, то можна зробити наступний відрахування".

Висновки

Часто коефіцієнт ймовірності додається до висновку кожного правила виробництва та остаточної рекомендації, оскільки досягнутий висновок не є абсолютною впевненістю.

Наприклад, експертна система діагностики очних захворювань могла б вказати, виходячи з наданої інформації, що у людини є глаукома з вірогідністю 90%.

Також може бути показана послідовність правил, за допомогою яких було досягнуто висновку. Моніторинг цього ланцюга допомагає оцінити достовірність рекомендації та корисний як інструмент навчання.

Типи

На основі правил

У цій системі знання представлені як набір правил. Правило - це прямий і гнучкий спосіб вираження знань.

Правило складається з двох частин: «Якщо» частина, яка називається умовою, і частина «Тоді», яка називається дедукцією. Основний синтаксис правила: Якщо (умова) Тоді (виведення).

На основі нечіткої логіки

Коли ви хочете висловити знання, використовуючи розпливчасті слова, такі як "дуже мало", "помірно важко", "не так вже й давно", може бути використана нечітка логіка.

Ця логіка використовується для опису неточного визначення. В його основі лежить ідея, що всі речі описані в розсувному масштабі.

Класична логіка оперує двома значеннями визначеності: True (1) і False (0). У нечіткій логіці всі значення визначеності виражаються як реальні числа в діапазоні від 0 до 1.

Нечітка логіка являє собою знання, засновані на ступеня правдивості, а не абсолютної правдивості класичної логіки.

Нейронний

Переваги експертної системи на основі правил також поєднують в собі переваги нейронної мережі, такі як навчання, узагальнення, надійність та паралельна обробка інформації.

Ця система має нейронну базу знань, а не традиційну базу знань. Знання зберігаються як ваги в нейронах.

Це поєднання дозволяє нейронній експертній системі обґрунтувати свої висновки.

Нейронно-дифузний

Нечітка логіка та нейронні мережі є доповнюючими інструментами для побудови експертних систем.

Нечіткі системи не мають можливості вчитися і не можуть адаптуватися до нового середовища. З іншого боку, хоча нейронні мережі можуть навчитися, їх процес є дуже складним для користувача.

Нейронно-нечіткі системи можуть поєднувати обчислювальні та навчальні можливості нейронної мережі з поданням людських знань та навичок пояснення нечітких систем.

В результаті нейронні мережі стають більш прозорими, тоді як нечітка система стає здатною до навчання.

Перевага

Доступність

Експертні системи легко доступні в будь-якому місці та в будь-який час завдяки масовому виробництву програмного забезпечення.

Знижений ризик

Компанія може експлуатувати експертну систему в небезпечних для людини середовищах. Їх можна використовувати в будь-яких небезпечних умовах, де людина не може працювати.

Ділові знання

Вони можуть стати засобом розвитку організаційних знань, на відміну від знань людей у ​​компанії.

Відповідь пояснення

Вони здатні дати адекватне пояснення прийняття рішень, детально висловивши міркування, що призвели до відповіді.

Якщо вони використовуються як інструменти для тренувань, це призводить до швидшого вивчення кривих для початківців.

Швидка відповідь

Допомагає отримати швидкі та точні відповіді. Експертна система може виконати свою частку завдань набагато швидше, ніж людина-експерт.

Низький показник помилок

Рівень помилок в успішних експертних системах досить низький, іноді набагато нижчий, ніж рівень помилок людини для тієї ж задачі.

Емоційна реакція

Експертні системи працюють, не хвилюючись. Вони не напружуються, не стомлюються, ні панікують, і вони працюють стабільно під час надзвичайних ситуацій.

Постійність знань

Експертна система підтримує значний рівень інформації. Ці вміщені знання триватимуть нескінченно.

Швидке прототипування

За допомогою експертної системи можна вводити деякі правила та розробляти прототип за днями, а не місяцями чи роками, зазвичай пов'язаними зі складними ІТ-проектами.

Множинні переживання

Експертна система може бути розроблена таким чином, щоб містити знання багатьох кваліфікованих експертів і, таким чином, мати можливість вирішувати складні проблеми.

Це зменшує витрати на консультування експертів з вирішення проблем. Вони є засобом для отримання джерел знань, які важко отримати.

Недоліки

Набуття знань

Завжди важко отримати час експертів у певних галузях для будь-якого програмного забезпечення, але для експертних систем це особливо важко, оскільки експерти високо цінують і постійно вимагають від організацій.

Як наслідок, велика кількість досліджень в останні роки була зосереджена на засобах набуття знань, які допомагають автоматизувати процес проектування, налагодження та підтримання визначених експертами правил.

Системна інтеграція

Інтеграція систем із базами даних була складною для перших експертних систем, оскільки інструменти були переважно мовами та платформами, невідомими у корпоративних середовищах.

В результаті було докладено великих зусиль для інтеграції інструментів експертних систем із застарілими середовищами, що дозволяє перенести на більш стандартні платформи.

Ці проблеми в основному були вирішені зміною парадигми, оскільки ПК були поступово прийняті в обчислювальному середовищі як законна платформа для розвитку серйозних бізнес-систем.

Складність обробки

Збільшення розміру бази знань збільшує трудомісткість обробки.

Наприклад, якщо експертна система має 100 мільйонів правил, очевидно, що це було б занадто складно, і вона зіткнулася б з багатьма обчислювальними проблемами.

Двигун висновку повинен був мати можливість обробляти велику кількість правил для прийняття рішення.

Коли є занадто багато правил, важко також перевірити, чи ці правила рішення відповідають одна одній.

Також важко визначити пріоритетність використання правил для ефективнішої роботи або способів вирішення неясностей.

Оновлення знань

Одна з проблем, пов’язаних із базою знань, - це як швидко та ефективно робити оновлення. Також, як додати нові знання, тобто куди його додати серед такої кількості правил.

Програми

Діагностика та усунення несправностей

Він узагальнює всі системи, що спричиняють несправності та пропонує коригувальні дії щодо несправного процесу чи пристрою.

Однією з перших областей знань, де застосовувалася технологія експертних систем, була медична діагностика. Однак інженерні системи діагностики швидко перевершили медичну діагностику.

Діагноз можна виразити так: з урахуванням наведених доказів, яка основна проблема, причина чи причина?

Планування та планування

Ці експертні системи аналізують набір цілей, щоб визначити сукупність дій, які досягають цих цілей, забезпечуючи детальне впорядкування цих дій у часі, враховуючи матеріали, персонал та інші обмеження.

Приклади включають штатне обслуговування авіакомпанії та планування польотів та планування виробничих процесів.

Фінансові рішення

Створені фінансові консультаційні системи, які допомагають банкірам визначити, чи потрібно кредитувати фізичним особам та компаніям.

Страхові компанії використовують ці експертні системи для оцінки ризику, який представляє клієнт, і таким чином визначають ціну страхування.

Моніторинг та контроль процесів

Вони аналізують дані фізичних пристроїв у режимі реального часу, щоб помітити аномалії, прогнозувати тенденції та контролювати як оптимізацію, так і виправлення несправностей.

Приклади цих систем є у нафтопереробній та металургійній галузях.

Консалтинг знань

Основна функція цього додатка полягає у наданні змістовного розуміння проблеми користувача, що знаходиться в оточенні цієї проблеми.

Дві експертні системи, найбільш широко розповсюджені в усьому світі, належать до цієї категорії.

Перша з цих систем - це радник, який консультує користувача щодо правильного використання граматики в тексті.

Другий - податковий радник, який приєднаний до системи підготовки податків. Консультує користувача щодо стратегії та конкретної податкової політики.

Список літератури

1. Гуру99 (2019). Експертна система штучного інтелекту: що таке, програми, приклад. Взято з: guru99.com.
2. Вікіпедія, безкоштовна енциклопедія (2019). Експертна система. Взято з: en.wikipedia.org.
3. Маргарет Руус (2019). Експертна система. Techtarget. Взято з: searchchenterpriseai.techtarget.com.
4. Володимир Звасс (2019). Експертна система. Енциклопедія взята з: britannica.com.
5. Wtec (2019). Застосування експертних систем. Взято з: wtec.org.
6. Вірус Нагорі (2014). Типи експертної системи: порівняльне дослідження. Семантичний науковець взятий з: pdfs.semanticscholar.org.
7. Світ обчислювальної техніки (2010). Експертні системи. Взято з :ligence.worldofcomputing.net.