EKSPERTU SISTĒMAS: VĒSTURE, RAKSTUROJUMS, PRIEKŠROCĪBAS, TRŪKUMI - TEHNOLOĢIJAS - 2025

Ar ekspertu sistēmas tiek definētas kā sistēmas, kas sacensties ar lēmumu pieņemšanas spēju cilvēka eksperta konkrētā nozarē. Viņi izmanto gan heiristiskās stratēģijas, gan faktus, lai ticami un interaktīvi atrisinātu sarežģītas lēmumu pieņemšanas problēmas.

Tie ir izstrādāti ļoti sarežģītu problēmu risināšanai, spriežot caur zināšanu bāzēm. Tā vietā, lai tos pārstāvētu procesuālais kods, tos galvenokārt pārstāv If-Tad noteikumi.

Avots: pixabay.com

Viņi spēj izteikt savu viedokli un domāt par kādu zināšanu jomu, kas ļauj viņiem atrisināt daudzas problēmas, kurām parasti būtu nepieciešams cilvēku eksperts. Ekspertu sistēmas bija mūsdienu mākslīgā intelekta, dziļās mācīšanās un mašīnmācīšanās sistēmu priekšgājējas.

Ekspertu sistēma nevar aizstāt darbinieka vispārējo sniegumu problēmu novēršanā. Tomēr tie var krasi samazināt darba apjomu, kas indivīdam jāveic problēmas risināšanai, atstājot radošus un novatoriskus problēmu risināšanas aspektus cilvēkiem.

Viņiem ir bijusi nozīmīga loma daudzās nozarēs, piemēram, finanšu pakalpojumos, telekomunikācijās, veselības aprūpē, klientu apkalpošanā, videospēlēs un ražošanā.

Sistēmas ietilpība

Ekspertu sistēma ietver divas apakšsistēmas: zināšanu bāzi, kurā ir uzkrāti fakti un pieredze, un secinājumu motoru, kas ir noteikumu kopums, kas jāpiemēro zināšanu bāzei vai zināmajiem faktiem katrā konkrētajā situācijā, lai atvasinātu jaunas. akti.

Sistēmas iespējas var uzlabot, papildinot zināšanu bāzi vai noteikumu kopu.

Piemēram, mūsdienu ekspertu sistēmām var būt arī iespēja mācīties automātiski, ļaujot tām uzlabot savu sniegumu, balstoties uz pieredzi, tāpat kā cilvēki.

Turklāt modernās sistēmās ir vieglāk iekļaut jaunas zināšanas un tādējādi tās var viegli atjaunināt. Šādas sistēmas var labāk vispārināt no esošajām zināšanām un apstrādāt lielu daudzumu sarežģītu datu.

Vēsture

- Sākotnējā attīstība

50. gadu beigās sākās eksperimenti ar iespēju izmantot datoru tehnoloģijas, lai līdzinātu cilvēku lēmumu pieņemšanu. Piemēram, diagnostikas lietojumiem medicīnā sāka radīt datorizētas sistēmas.

Šīs sākotnējās diagnostikas sistēmas ievadīja sistēmā pacienta simptomus un laboratorisko izmeklējumu rezultātus, lai rezultātā izveidotu diagnozi. Šīs bija pirmās ekspertu sistēmu formas.

- Galvenās norises

Sešdesmito gadu sākumā tika izstrādātas programmas, kas risināja precīzi noteiktas problēmas. Piemēram, spēles vai mašīntulkojumi.

Šīm programmām bija vajadzīgas saprātīgas spriešanas metodes, lai apstrādātu uzdotās loģiskās un matemātiskās problēmas, taču tām nebija vajadzīgas lielas papildu zināšanas.

Pētnieki sāka saprast, ka daudzu interesantu problēmu risināšanai programmām bija ne tikai jāspēj izskaidrot problēmas, bet arī vajadzīgas pamatzināšanas, lai tās pilnībā izprastu.

Tas pakāpeniski noveda pie tādu ekspertu sistēmu izstrādes, kuras vairāk bija vērstas uz zināšanām.

Ekspertu sistēmu koncepciju oficiāli izstrādāja 1965. gadā Edvards Feigenbaums, ASV Stenfordas universitātes profesors.

Feigenbaums paskaidroja, ka pasaule pāreja no datu apstrādes uz zināšanu apstrādi, pateicoties jaunajai procesora tehnoloģijai un datoru arhitektūrai.

Dendral

Sešdesmito gadu beigās tika izstrādāta viena no pirmajām ekspertu sistēmām ar nosaukumu Dendral, kas pievērsās ķīmisko savienojumu analīzei.

Dendrāla zināšanas sastāvēja no simtiem noteikumu, kas aprakstīja ķīmisko savienojumu mijiedarbību. Šie noteikumi bija gadu ķīmiķu un datorzinātnieku sadarbības rezultāts.

- briedums

Ekspertu sistēmas sāka izplatīties 80. gados. Daudzi no Fortune 500 uzņēmumiem izmantoja šo tehnoloģiju ikdienas uzņēmējdarbībā.

Deviņdesmitajos gados daudzi biznesa lietojumprogrammu pārdevēji, piemēram, Oracle un SAP, savā produktu komplektā integrēja ekspertu sistēmu iespējas, lai izskaidrotu biznesa loģiku.

raksturojums

- Pieredzes līmenis

Ekspertu sistēmai jāpiedāvā augstākā līmeņa zināšanas. Nodrošina efektivitāti, precizitāti un radošu problēmu risināšanu.

- Reaģēšana laikā

Lietotājs mijiedarbojas ar ekspertu sistēmu diezgan saprātīgā laika posmā. Šīs mijiedarbības laikam jābūt mazākam par laiku, kas vajadzīgs ekspertam, lai iegūtu visprecīzāko risinājumu tai pašai problēmai.

- uzticamība

Ekspertu sistēmai jābūt labai uzticamai. Lai to izdarītu, jūs nedrīkstat pieļaut kļūdas.

- Efektīvs mehānisms

Ekspertu sistēmai jābūt efektīvam mehānismam, lai pārvaldītu tajā esošo zināšanu apkopojumu.

- Rīkoties ar problēmām

Ekspertu sistēmai jāspēj tikt galā ar izaicinošām problēmām un pieņemt pareizos lēmumus, lai sniegtu risinājumus.

- komponenti

Zināšanu pamats

Tas ir organizēts datu apkopojums, kas atbilst sistēmas pieredzes apjomam.

Intervijās un novērojumos ar cilvēku ekspertiem ir jāņem vērā fakti, kas veido zināšanu bāzi.

Secinājumu motors

Ar noteikumu palīdzību interpretējiet un novērtējiet faktus zināšanu bāzē, lai sniegtu ieteikumu vai secinājumu.

Šīs zināšanas tiek attēlotas ražošanas kārtulu veidā: "Ja nosacījums ir taisnība, tad var izdarīt šādu atskaitījumu."

Secinājumi

Bieži vien katra ražošanas noteikuma secinājumam un galīgajam ieteikumam tiek pievienots varbūtības faktors, jo izdarītais secinājums nav absolūta noteiktība.

Piemēram, acu slimību diagnostikas ekspertu sistēma, pamatojoties uz sniegto informāciju, varētu norādīt, ka cilvēkam ir glaukoma ar 90% varbūtību.

Var parādīt arī noteikumu secību, caur kuru tika izdarīts secinājums. Šīs ķēdes uzraudzība palīdz novērtēt ieteikuma ticamību un ir noderīga kā mācību līdzeklis.

Veidi

Uz noteikumiem balstīta

Šajā sistēmā zināšanas tiek attēlotas kā noteikumu kopums. Noteikums ir tiešs un elastīgs zināšanu izteikšanas veids.

Noteikums sastāv no divām daļām: “Ja” daļas, ko sauc par nosacījumu, un “Tad” daļas, ko sauc par atskaitījumu. Noteikuma pamata sintakse ir: Ja (nosacījums) Tad (dedukcija).

Balstās uz izplūdušo loģiku

Ja vēlaties izteikt zināšanas, izmantojot neskaidrus vārdus, piemēram, "ļoti maz", "mēreni grūti", "ne tik vecs", var izmantot izplūdušo loģiku.

Šī loģika tiek izmantota, lai aprakstītu neprecīzu definīciju. Tas ir balstīts uz ideju, ka visas lietas ir aprakstītas slīdošā mērogā.

Klasiskā loģika darbojas ar divām noteiktības vērtībām: True (1) un False (0). Izplūdušajā loģikā visas noteiktības vērtības izsaka kā reālos skaitļus diapazonā no 0 līdz 1.

Izplūdušā loģika atspoguļo zināšanas, kuru pamatā ir zināma patiesuma pakāpe, nevis klasiskās loģikas absolūtā patiesība.

Neironāls

Uz noteikumiem balstītas ekspertu sistēmas priekšrocības apvieno arī neironu tīkla priekšrocības, piemēram, mācīšanos, vispārināšanu, robustumu un paralēlu informācijas apstrādi.

Šai sistēmai ir neironu zināšanu bāze, nevis tradicionālā zināšanu bāze. Zināšanas tiek glabātas kā svari neironos.

Šī kombinācija ļauj neironu ekspertu sistēmai pamatot savus secinājumus.

Neironu difūzs

Izplūdušā loģika un neironu tīkli ir papildinstrumenti ekspertu sistēmu veidošanai.

Izplūdušajām sistēmām trūkst spēju mācīties un tās nevar pielāgoties jaunai videi. No otras puses, kaut arī neironu tīkli var mācīties, to process lietotājam ir ļoti sarežģīts.

Neironu-izplūdušās sistēmas var apvienot neironu tīkla skaitļošanas un mācīšanās spējas ar cilvēku zināšanu attēlojumu un izplūdušo sistēmu skaidrošanas prasmēm.

Tā rezultātā neironu tīkli kļūst caurspīdīgāki, savukārt izplūdušā sistēma kļūst spējīga mācīties.

Priekšrocība

Pieejamība

Ekspertu sistēmas ir viegli pieejamas jebkurā vietā un laikā, pateicoties programmatūras masveida ražošanai.

Samazināts risks

Uzņēmums var izmantot ekspertu sistēmu vidē, kas ir bīstama cilvēkiem. Tos var izmantot jebkurā bīstamā vidē, kur cilvēki nevar strādāt.

Biznesa zināšanas

Tie var kļūt par līdzekli organizatorisko zināšanu pilnveidošanai pretstatā indivīdu zināšanām uzņēmumā.

Atbildes skaidrojums

Viņi spēj sniegt adekvātu skaidrojumu par lēmumu pieņemšanu, detalizēti izklāsta pamatojumu, kas noveda pie atbildes.

Ja tos izmanto kā mācību līdzekļus, tie rada ātrāku mācīšanās līkni iesācējiem.

Ātra atbilde

Palīdz iegūt ātras un precīzas atbildes. Ekspertu sistēma savu uzdevumu daļu var pabeigt daudz ātrāk nekā cilvēku eksperts.

Zems kļūdu līmenis

Veiksmīgu ekspertu sistēmu kļūdu līmenis ir diezgan zems, dažreiz daudz zemāks nekā cilvēku kļūdu līmenis tajā pašā uzdevumā.

Emocionāla reakcija

Ekspertu sistēmas darbojas bez satraukuma. Viņi nesaņem saspringumu, nogurumu un paniku, un ārkārtas situācijās viņi strādā stabili.

Zināšanu pastāvība

Ekspertu sistēma uztur ievērojamu informācijas līmeni. Šīs ietvertās zināšanas ilgs bezgalīgi.

Ātra prototipu izstrāde

Izmantojot ekspertu sistēmu, ir iespējams ievadīt dažus noteikumus un izstrādāt prototipu dienās, nevis mēnešos vai gados, kas parasti saistīti ar sarežģītiem IT projektiem.

Daudzveidīga pieredze

Ekspertu sistēmu var izveidot tā, lai tajā būtu daudzu kvalificētu ekspertu zināšanas un tādējādi spēja atrisināt sarežģītas problēmas.

Tas samazina izdevumus, kas saistīti ar konsultēšanu ar ekspertu problēmu risināšanas konsultantiem. Tie ir līdzeklis, lai iegūtu grūti pieejamus zināšanu avotus.

Trūkumi

Zināšanu iegūšana

Vienmēr ir grūti iegūt ekspertu laiku konkrētām jomām jebkurai programmatūras lietojumprogrammai, bet ekspertu sistēmām tas ir īpaši grūti, jo eksperti tiek augstu novērtēti un pastāvīgi pieprasīti no organizācijām.

Tā rezultātā pēdējos gados liels pētījumu apjoms ir vērsts uz zināšanu iegūšanas rīkiem, kas palīdz automatizēt ekspertu noteikto noteikumu izstrādes, atkļūdošanas un uzturēšanas procesu.

Sistēmas integrācija

Pirmajām ekspertu sistēmām bija grūti integrēt sistēmas ar datu bāzēm, jo ​​rīki galvenokārt bija valodās un platformās, kas korporatīvajā vidē nebija zināmas.

Tā rezultātā tika pieliktas lielas pūles, lai integrētu ekspertu sistēmu rīkus ar mantoto vidi, padarot pāreju uz standarta platformām.

Šīs problēmas galvenokārt tika atrisinātas, mainoties paradigmai, jo datori pamazām tika pieņemti skaitļošanas vidē kā likumīga platforma nopietnu biznesa sistēmu attīstībai.

Apstrādes sarežģītība

Zināšanu bāzes palielināšana palielina apstrādes sarežģītību.

Piemēram, ja ekspertu sistēmai ir 100 miljoni noteikumu, ir acīmredzami, ka tā būtu pārāk sarežģīta un tai būtu jāsaskaras ar daudzām skaitļošanas problēmām.

Secinājumu motoram būtu jāspēj apstrādāt liels skaits noteikumu, lai pieņemtu lēmumu.

Ja ir pārāk daudz noteikumu, ir arī grūti pārbaudīt, vai šie lēmumu noteikumi ir savstarpēji saskaņoti.

Ir arī grūti noteikt prioritāti noteikumu izmantošanai, lai tie darbotos efektīvāk, vai kā novērst neskaidrības.

Zināšanu atjaunošana

Viena problēma, kas saistīta ar zināšanu bāzi, ir tas, kā ātri un efektīvi veikt atjauninājumus. Kā arī pievienot jaunas zināšanas, tas ir, kur tās pievienot starp tik daudziem noteikumiem.

Lietojumprogrammas

Diagnostika un traucējummeklēšana

Tas apkopo visas kļūdas identificējošās sistēmas un ierosina koriģējošas darbības nepareizi funkcionējošam procesam vai ierīcei.

Viena no pirmajām zināšanu jomām, kurā tika pielietota ekspertu sistēmu tehnoloģija, bija medicīniskā diagnostika. Tomēr inženierijas sistēmu diagnostika ātri pārspēja medicīnisko diagnostiku.

Diagnozi var izteikt šādi: ņemot vērā iesniegtos pierādījumus, kāda ir pamatā esošā problēma, iemesls vai iemesls?

Plānošana un plānošana

Šīs ekspertu sistēmas analizē mērķu kopumu, lai noteiktu darbību kopumu, ar kuru palīdzību tiek sasniegti šie mērķi, nodrošinot detalizētu šo darbību noteikšanu laika gaitā, ņemot vērā materiālus, personālu un citus ierobežojumus.

Kā piemērus var minēt aviosabiedrību personālu un lidojumu plānošanu, kā arī ražošanas procesa plānošanu.

Finanšu lēmumi

Ir izveidotas finanšu konsultāciju sistēmas, lai palīdzētu baņķieriem noteikt, vai veikt aizdevumus privātpersonām un uzņēmumiem.

Apdrošināšanas kompānijas izmanto šīs ekspertu sistēmas, lai novērtētu risku, ko klients rada, un tādējādi noteiktu apdrošināšanas cenu.

Procesa uzraudzība un kontrole

Viņi reālā laikā analizē datus no fiziskām ierīcēm, lai pamanītu novirzes, prognozētu tendences un kontrolētu gan optimizāciju, gan kļūdu novēršanu.

Šo sistēmu piemēri ir naftas pārstrāde un tērauda rūpniecība.

Zināšanu konsultēšana

Šīs lietojumprogrammas galvenā funkcija ir sniegt jēgpilnu ieskatu lietotāja problēmās šīs problēmas vidē.

Šajā kategorijā ietilpst divas ekspertu sistēmas, kuras ir visplašāk izplatītas visā pasaulē.

Pirmā no šīm sistēmām ir padomdevējs, kas konsultē lietotāju par gramatikas pareizu izmantošanu tekstā.

Otrais ir nodokļu konsultants, kurš ir pievienots nodokļu sagatavošanas sistēmai. Konsultē lietotāju par stratēģiju un īpašu nodokļu politiku.

Atsauces

1. Guru99 (2019). Mākslīgā intelekta ekspertu sistēma: Kas ir, lietojumprogrammas, piemērs. Paņemts no: guru99.com.
2. Wikipedia, bezmaksas enciklopēdija (2019). Ekspertu sistēma. Iegūts no: en.wikipedia.org.
3. Margareta Rouse (2019). Ekspertu sistēma. Tehniskais mērķis. Paņemts no: searchenterpriseai.techtarget.com.
4. Vladimirs Zvāss (2019). Ekspertu sistēma. Enciklopēdija Iegūts no: britannica.com.
5. Wtec (2019). Ekspertu sistēmu pielietojumi. Paņemts no: wtec.org.
6. Vīruss Nagori (2014). Ekspertu sistēmas veidi: salīdzinošais pētījums. Semantiskais zinātnieks, ņemts no: pdfs.semanticscholar.org.
7. Datoru pasaule (2010). Ekspertu sistēmas. Paņemts no: intelligence.worldofcomputing.net.