Asiantuntijajärjestelmien historia, ominaisuudet, edut, haitat

Se asiantuntijajärjestelmät Ne määritellään tietokonejärjestelmiksi, jotka jäljittelevät ihmisen asiantuntijan päätöksentekoa tietyllä alueella. He käyttävät sekä heuristisia strategioita että tosiasioita monimutkaisten päätöksenteon aiheuttamisongelmien ratkaisemiseksi luotettavasti ja vuorovaikutteisesti.

Ne on suunniteltu ratkaisemaan korkean monimutkaisen ongelman, päättelyn tietokantojen kautta. Sen sijaan, että heitä esitetään menettelytapapohjaisella koodilla, he tekevät sen periaatteessa si-tuket-sääntöjen kanssa.

Lähde: Pixabay.com

He kykenevät ilmaisemaan itseään ja syyttämään jonkin tiedon alaa, mikä antaa heille mahdollisuuden ratkaista monia ongelmia, jotka yleensä vaativat ihmisen asiantuntijaa. Asiantuntijajärjestelmät olivat nykyisten tekoälyjärjestelmien, syvän oppimisen ja automaattisen oppimisen edeltäjät.

Asiantuntijajärjestelmä ei voi korvata työntekijän yleistä suorituskykyä ongelmanratkaisutehtävässä. Ne voivat kuitenkin vähentää dramaattisesti työn määrää, joka yksilön on tehtävä ongelman ratkaisemiseksi, jättäen ihmiset ongelmanratkaisun luovat ja innovatiiviset näkökohdat.

Heillä on ollut tärkeä rooli monilla teollisuudenaloilla, kuten rahoituspalvelut, televiestintä, lääketieteellinen hoito, asiakaspalvelu, videopelit ja valmistus.

[TOC]

Järjestelmäkapasiteetti

Asiantuntijajärjestelmä sisältää kaksi osajärjestelmää: tietokanta, joka sisältää kertyneet tosiasiat ja kokemukset, sekä päätelmämoottorin, joka on joukko sääntöjä, joita sovelletaan tietokantaan tai kussakin tilanteessa tunnetuissa tosiasioissa, uusien tosiasioiden päätelemiseksi.

Järjestelmäominaisuuksia voidaan parantaa lisäysten tietokantaan tai sääntöjen joukkoon.

Esimerkiksi nykypäivän asiantuntijajärjestelmillä voi myös olla kyky oppia automaattisesti, mikä mahdollistaa heidän suorituskykynsä parantamisen kokemuksen perusteella, kuten ihmiset tekevät.

Lisäksi nykyaikaiset järjestelmät voivat sisällyttää uuden tiedon helpommin ja siten päivittää yksinkertaisesti. Tällaiset järjestelmät voivat paremmin yleistyä olemassa olevasta tiedosta ja käsitellä suuria määriä monimutkaista tietoa.

Historia

- Alkuperäinen kehitys

1950 -luvun lopulla tietotekniikkaa käyttää ihmisten päätöksenteon jäljittelemistä -alkoi kokea. Esimerkiksi tietokoneavusteisia järjestelmiä aloitettiin lääketieteen diagnostisovelluksiin.

Nämä alkuperäiset diagnostiikkajärjestelmät tulivat potilaiden oireisiin ja laboratoriotestien tuloksiin diagnoosin tuottamiseksi seurauksena. Nämä olivat asiantuntijajärjestelmien ensimmäiset muodot.

- Pääkehitys

Kuusikymmentäluvun alkupuolella kehitettiin ohjelmia, jotka ratkaisivat hyvin määriteltyjä ongelmia. Esimerkiksi automaattiset pelit tai käännökset.

Nämä ohjelmat vaativat älykkäitä päättelytekniikoita esitettyjen loogisten ja matemaattisten ongelmien käsittelemiseksi, mutta eivät vaatineet paljon lisätietoa.

Tutkijat alkoivat varoittaa, että monien mielenkiintoisten ongelmien ratkaisemiseksi ohjelmien ei tarvitse vain pystyä tulkitsemaan ongelmia, vaan myös tarvittavat perustiedot niiden ymmärtämiseksi täysin.

Tämä johti vähitellen asiantuntijajärjestelmien kehittämiseen, jotka keskittyivät enemmän tietoon.

Asiantuntijajärjestelmien käsitteen kehitti virallisesti vuonna 1965 Stanfordin yliopiston professori Edward Feigenbaum, EE.Uu.

Feigenbaum selitti, että maailma oli siirtynyt tietojenkäsittelystä tiedonkäsittelyyn uusien prosessorien ja tietokonearkkitehtuuritekniikan ansiosta.

Dendraalinen

Kuudennenkymmenenluvun lopussa kehitettiin yksi ensimmäisistä asiantuntijajärjestelmistä, nimeltään Dendral, käsittelemällä kemiallisten yhdisteiden analysointia.

Dendralin tieto koostui sadoista säännöistä, jotka kuvasivat kemiallisten yhdisteiden vuorovaikutusta. Nämä säännöt olivat seurausta vuosien yhteistyöstä kemikaalien ja tietokoneen välillä.

Voi palvella sinua: geometriset toleranssit: symbolit, perustiedot ja esimerkit

- Kypsyys

Asiantuntijajärjestelmät alkoivat lisääntyä kahdeksankymmenenluvun aikana. Suuri joukko Fortune 500 -yrityksiä sovelsi tätä tekniikkaa päivittäisessä kaupallisessa toiminnassaan.

1990 -luvulla monet liiketoiminnan sovellustoimittajat, kuten Oracle ja SAP, integroivat tuotteisiinsa asiantuntijajärjestelmien kapasiteetit, keinona selittää liiketoimintalogiikkaa.

Ominaisuudet

- Kokemuksen taso

Asiantuntijajärjestelmän on tarjottava korkein kokemustaso. Tarjoaa ongelmien tehokkuuden, tarkkuuden ja mielikuvituksellisen ratkaisun.

- Reaktio ajoissa

Käyttäjä on vuorovaikutuksessa asiantuntijajärjestelmän kanssa melko varovainen ajanjakso. Tämän vuorovaikutuksen ajan on oltava pienempi kuin aika, jolloin saman ongelman kannalta asiantuntija otetaan tarkimman ratkaisun saavuttamiseksi.

- Luotettavuus

Asiantuntijajärjestelmällä on oltava hyvä luotettavuus. Tätä varten sinun ei pitäisi tehdä virheitä.

- Tehokas mekanismi

Asiantuntijajärjestelmällä on oltava tehokas mekanismi IT -tietokokouksen hallinnoimiseksi.

- Käsitellä ongelmia

Asiantuntijajärjestelmän on kyettävä käsittelemään haastavia ongelmia ja tekemään oikeita päätöksiä ratkaisujen tarjoamiseksi.

- Komponentit

Tietopohja

Se on järjestelmäkokemuksen järjestelmää vastaava tiedonkeruu.

Ihmisten asiantuntijoille haastattelujen ja havaintojen avulla tietokannan muodostavat tosiasiat on otettava.

Päätelmämoottori

Tulkitse ja arvioi tietokannan tosiasiat sääntöjen kautta suosituksen tai johtopäätöksen antamiseksi.

Tämä tieto on esitetty tuotantosääntöjen muodossa Si-jopa: "Jos ehto on totta, seuraava vähennys voidaan tehdä".

Päätelmät

Todennäköisyyskerroin liittyy usein kunkin tuotantosäännön ja lopullisen suosituksen päätteeseen, koska päätelmä ei ole ehdoton varmuus.

Esimerkiksi silmäsairauksien diagnosoimiseksi tarkoitettu asiantuntijajärjestelmä voisi osoittaa annettujen tietojen mukaan, että henkilöllä on glaukooma 90%: n todennäköisyydellä.

Lisäksi voidaan näyttää sääntöjakson, jonka kautta johtopäätös tehtiin. Tämän ketjun seuranta auttaa arvioimaan suosituksen uskottavuutta ja on hyödyllinen oppimisvälineenä.

Kaverit

Sääntöjen perusteella

Tässä järjestelmätieto on esitetty joukko sääntöjä. Sääntö on suora ja joustava tapa ilmaista tietoa.

Sääntö koostuu kahdesta osasta: "Kyllä" -osa, nimeltään Ehto ja "silloin", nimeltään vähennys. Säännön perussyntaksi on: kyllä ​​(ehto) sitten (vähennys).

Perustuu diffuusi logiikkaan

Kun haluat ilmaista tietoa epämääräisistä sanoista "hyvin pieninä", "kohtalaisen vaikeasti", "ei niin vanha", hajalogiikkaa voidaan käyttää.

Tätä logiikkaa käytetään kuvaamaan epätarkka määritelmä. Se perustuu ajatukseen, että kaikki asiat on kuvattu muuttuvassa mittakaavassa.

Klassinen logiikka toimii kahdella varmuuden arvolla: totta (1) ja False (0). Hajalogiikassa kaikki varmuuden arvot ilmaistaan ​​reaalilukulla välillä 0 ja 1.

Diffuusi logiikka edustaa tietoa, joka perustuu totuudenmukaisuuteen klassisen logiikan absoluuttisen todenmukaisuuden sijasta.

Hermosolu

Sääntöihin perustuvan asiantuntijajärjestelmän eduilla yhdistetään myös hermosoluverkon edut, kuten oppiminen, yleistys, vakaus ja rinnakkaiset tietojenkäsittelyt.

Se voi palvella sinua: Verkkotopologiat: konsepti, tyypit ja niiden ominaisuudet, esimerkit

Tällä järjestelmällä on neuronaalinen tietopohja perinteisen tietopohjan sijasta. Tieto säilytetään pesoina neuroneissa.

Tämä yhdistelmä antaa hermosolujen asiantuntijajärjestelmälle perustella päätelmänsä.

Neuronaali-difuso

Haja logiikka ja hermoverkot ovat täydentäviä työkaluja asiantuntijajärjestelmien rakentamiseen.

Hajajärjestelmissä ei ole kykyä oppia, eikä ne voi sopeutua uuteen ympäristöön. Toisaalta, vaikka hermoverkot voivat oppia, niiden prosessi on erittäin monimutkainen käyttäjälle.

Neuronaaliset diffusejärjestelmät voivat yhdistää hermosoluverkon laskenta- ja oppimisominaisuudet ihmisen tiedon esittämiseen ja diffuusijärjestelmien selitystaitoihin.

Seurauksena hermoverkot muuttuvat läpinäkyvemmiksi, kun taas hajajärjestelmä pystyy oppimaan.

Edut

Saatavuus

Asiantuntijajärjestelmät ovat helposti saatavilla, missä tahansa ja milloin tahansa, ohjelmiston massatuotannon vuoksi.

Vähentynyt riski

Yritys voi ylläpitää ihmisille vaarallisia ympäristöjä. Niitä voidaan käyttää missä tahansa riskiympäristössä, jossa ihmiset eivät voi toimia.

Yritystieto

Heistä voi tulla väline organisaation tiedon kehittämiseksi, toisin kuin yrityksen yksilöiden tuntemus.

Selitys vastauksesta

He kykenevät antamaan riittävän selityksen päätöksenteosta ja ilmaisevat yksityiskohtaisesti perusteet, jotka johtivat heidät vastaukseen.

Kun niitä käytetään koulutusvälineinä, ne johtavat nopeampaan oppimiskäyrään aloittelijoille.

Nopea vastaus

Auta saada nopeita ja tarkkoja vastauksia. Asiantuntijajärjestelmä voi suorittaa osan tehtävistä paljon nopeammin kuin ihmisen asiantuntija.

Alhainen virhetaso

Onnistuneiden asiantuntijajärjestelmien virhesuhde on melko alhainen, joskus paljon alhaisempi kuin ihmisen virheaste samaan tehtävään.

Vastaa ilman tunteita

Asiantuntijajärjestelmät työskentelevät innostumatta. Ne eivät laita kiriä, väsyneitä tai paniikkia, ja työskentelevät jatkuvasti hätätilanteissa.

Tiedon pysyvyys

Asiantuntijajärjestelmä ylläpitää merkittävää tietoa. Tämä tietosisältö kestää loputtomiin.

Nopea prototyypin luominen

Asiantuntijajärjestelmän kanssa on mahdollista antaa joitain sääntöjä ja kehittää prototyyppi päivinä, sen sijaan.

Useita kokemuksia

Asiantuntijajärjestelmä voidaan suunnitella sisältämään monien pätevien asiantuntijoiden tuntemus, ja siten kyky ratkaista monimutkaiset ongelmat.

Tämä vähentää kustannuksia turvautua asiantuntijakonsultteihin ongelmanratkaisua varten. Ne ovat väline saadaksesi tietolähteitä vaikeasti.

Haitat

Tiedon hankkiminen

Tietyillä ohjelmistosovelluksilla on aina vaikeaa saada asiantuntijoiden aikaa tietyillä alueilla, mutta asiantuntijajärjestelmille se on erityisen vaikeaa, koska asiantuntijoita arvostetaan ja pyytävät jatkuvasti organisaatioita.

Seurauksena on, että suuri määrä tutkimusta viime vuosina on keskittynyt tiedon hankkimiseen liittyviin työkaluihin, jotka auttavat automatisoimaan asiantuntijoiden määrittelemien sääntöjen suunnittelu-, puhdistamis- ja ylläpitoprosessia.

Järjestelmän integraatio

Järjestelmien integrointi tietokantoihin oli vaikeaa ensimmäisille asiantuntijajärjestelmille, koska työkalut olivat pääasiassa tuntemattomilla kielillä ja alustoilla yritysympäristöissä.

Voi palvella sinua: tekninen tuote

Seurauksena oli, että perinnöllisten ympäristöjen asiantuntijajärjestelmien työkalujen integroimiseksi pyrittiin integroimaan siirron vakioalustoihin.

Nämä ongelmat ratkaisivat pääasiassa paradigman muutos, koska tietokoneet hyväksyttiin vähitellen tietokoneympäristössä laillisena alustana vakavien kaupallisten järjestelmien kehittämiselle.

Käsittely monimutkaisuus

Lisäämällä tietokannan kokoa prosessoinnin monimutkaisuus kasvaa.

Esimerkiksi, jos asiantuntijajärjestelmässä on 100 miljoonaa sääntöä, on selvää, että se olisi liian monimutkainen ja kohtaa monia laskennallisia ongelmia.

Päätelmämoottorin tulisi pystyä käsittelemään suuri joukko sääntöjä päätöksen tekemiseksi.

Kun sääntöjä on liian paljon, on myös monimutkaista, että nämä päätöksentekosäännöt ovat yhdenmukaisia ​​keskenään.

Sääntöjen käytön priorisointi on myös monimutkaista toimimaan tehokkaammin tai kuinka ratkaista epäselvyydet.

Tietopäivitys

Tietokantaan liittyvä ongelma on, miten päivitykset voidaan tehdä nopeasti ja tehokkaasti. Lisäksi kuinka lisätä uusi tieto, toisin sanoen, mihin se lisätä niin monien sääntöjen joukkoon.

Sovellukset

Diagnoosi ja ongelmanratkaisu

Se on yhteenveto kaikista järjestelmistä, jotka päättelevät viat ja ehdottavat korjaavia toimia prosessin tai laitteen kanssa, joka toimii huonosti.

Yksi ensimmäisistä tietoalueista, joissa asiantuntijajärjestelmiä tekniikkaa sovellettiin, oli lääketieteellinen diagnoosi. Tekniikkajärjestelmien diagnoosi ylitti kuitenkin nopeasti lääketieteellisen diagnoosin.

Diagnoosi voidaan ilmaista seuraavasti:?

Suunnittelu ja ohjelmointi

Nämä asiantuntijajärjestelmät analysoivat joukon tavoitteita määrittääkseen joukon toimenpiteitä, jotka saavuttavat nämä tavoitteet, tarjoamalla näiden toimien yksityiskohtaisen järjestyksen ajan myötä ottaen huomioon materiaalit, henkilökunta ja muut rajoitukset.

Esimerkkejä ovat lentojen ja lentoyhtiön henkilöstön ohjelmointi ja valmistusprosessisuunnittelu.

Taloudelliset päätökset

Taloudellisia neuvontajärjestelmiä on luotu auttamaan pankkiireita selvittämään, ovatko lainat yksityishenkilöille ja yrityksille.

Vakuutusyhtiöt käyttävät näitä asiantuntijajärjestelmiä arvioidakseen asiakkaan esittämää riskiä ja siten määrittämään vakuutushinnan.

Prosessin seuranta ja hallinta

He analysoivat reaaliajassa fyysisten laitteiden tiedot poikkeavuuksien huomion huomistamiseksi ja sekä optimoinnin että viankorjauksen hallitsemiseksi ja valvontaan.

Esimerkkejä näistä järjestelmistä ovat öljy- ja teräksen valmistusteollisuudessa.

Tietoneuvonta

Tämän sovelluksen ensisijainen tehtävä on tarjota merkittävää tietoa käyttäjän ongelmasta tämän ongelman ympäristössä.

Tähän luokkaan kuuluvat kaksi asiantuntijajärjestelmää, jotka jakautuvat suuremmalla amplitudilla ympäri maailmaa.

Ensimmäinen näistä järjestelmistä on neuvonantaja, joka neuvoo käyttäjää kieliopin oikeasta käytöstä tekstissä.

Toinen on veroneuvoja, joka on liitetty järjestelmään verojen valmistelemiseksi. Neuvonantaja käyttäjä tietyistä verostrategiasta ja politiikoista.

Viitteet

1. Guru99 (2019). Älykkyys keinotekoisessa asiantuntijajärjestelmässä: Mikä on, sovellukset, esimerkki. Otettu: Guru99.com.
2. Wikipedia, ilmainen tietosanakirja (2019). Asiantuntijajärjestelmä. Otettu: sisään.Wikipedia.org.
3. Margaret Rouse (2019). Asiantuntijajärjestelmä. TechTarget. Otettu: SearchenterPriseai.TechTarget.com.
4. Vladimir Zwass (2019). Asiantuntijajärjestelmä. Tietosanakirja, joka on otettu: Britannica.com.
5. WTEC (2019). Asiantuntijajärjestelmien sovellukset. Otettu: WTEC.org.
6. Virus Nagori (2014). Asiantuntijajärjestelmän tyypit: Vertaileva tutkimus. Semanttinen tutkija.Otettu: pdfs.Semanticscholar.org.
7. Laskentamaailma (2010). Asiantuntijajärjestelmät. Otettu: Älykkyys.Maailmanlaajuinen.netto.