Künstliche Intelligenz – Expertensysteme

Werbung

Expertensysteme (ES) sind eine der herausragenden Forschungsdomänen der KI. Es wird von den Forschern an der Stanford University, Informatik-Abteilung eingeführt.

Was sind Expertensysteme?

Die Expertensysteme sind die Computeranwendungen, die entwickelt wurden, um komplexe Probleme in einem bestimmten Bereich auf der Ebene außergewöhnlicher menschlicher Intelligenz und Expertise zu lösen.

Eigenschaften von Expertensystemen

  • Hohe Leistung
  • Verständlich
  • Zuverlässig
  • Sehr reaktionsschnell

Fähigkeiten von Expertensystemen

Die Expertensysteme sind in der Lage −

  • Beratung
  • Anleitung und Unterstützung des Menschen bei der Entscheidungsfindung
  • Demonstration
  • Ableitung einer Lösung
  • Diagnostizieren
  • Erklären
  • Interpretieren von Eingaben
  • Vorhersagen von Ergebnissen
  • Begründen der Schlussfolgerung
  • Vorschlagen alternativer Optionen für ein Problem

Sie sind nicht in der Lage −

  • Menschliche Entscheidungsträger ersetzen
  • Menschliche Fähigkeiten besitzen
  • Genaue Ausgabe für unzureichende Wissensbasis erzeugen
  • Ihr eigenes Wissen verfeinern

Komponenten von Expertensystemen

Zu den Komponenten von ES gehören −

  • Wissensdatenbank
  • Inferenzmaschine
  • Benutzeroberfläche

Lassen Sie uns sie nacheinander kurz sehen −

Expertensystem

Wissensdatenbank

Es enthält domänenspezifisches und qualitativ hochwertiges Wissen.

Wissen ist erforderlich, um Intelligenz zu zeigen. Der Erfolg eines Unternehmens hängt in erster Linie von der Sammlung hochpräziser und präziser Kenntnisse ab.

Was ist Wissen?

Die Daten sind eine Sammlung von Fakten. Die Informationen werden als Daten und Fakten über die Aufgabendomäne organisiert. Daten, Informationen und Erfahrungen aus der Vergangenheit werden als Wissen bezeichnet.

Komponenten der Wissensdatenbank

Die Wissensdatenbank eines ES ist ein Speicher für faktisches und heuristisches Wissen.

  • Faktenwissen − Es ist die Information, die von den Wissensingenieuren und Wissenschaftlern im Aufgabenbereich allgemein akzeptiert wird.

  • Heuristisches Wissen − Es geht um Übung, genaues Urteilsvermögen, die Fähigkeit zur Bewertung und zum Raten.

Wissensrepräsentation

Es ist die Methode, mit der das Wissen in der Wissensdatenbank organisiert und formalisiert wird. Es ist in Form von WENN-DANN-SONST-Regeln.

Wissenserwerb

Der Erfolg eines Expertensystems hängt maßgeblich von der Qualität, Vollständigkeit und Genauigkeit der in der Knowledge Base gespeicherten Informationen ab.

Die Wissensbasis wird durch Lesungen von verschiedenen Experten, Wissenschaftlern und Knowledge Engineers gebildet. Der Knowledge Engineer ist eine Person mit den Eigenschaften Empathie, schnellem Lernen und Fallanalysefähigkeiten.

Er erhält Informationen von Fachexperten, indem er ihn aufzeichnet, interviewt und bei der Arbeit beobachtet usw. Anschließend kategorisiert und organisiert er die Informationen auf sinnvolle Weise in Form von WENN-DANN-SONST-Regeln, die von der Maschine verwendet werden. Der Knowledge Engineer überwacht auch die Entwicklung des ES.

Inferenz-Engine

Die Verwendung effizienter Verfahren und Regeln durch die Inferenz-Engine ist unerlässlich, um eine korrekte, fehlerfreie Lösung abzuleiten.

Im Falle von wissensbasierten Lösungen erfasst und manipuliert die Inferenz-Engine das Wissen aus der Wissensdatenbank, um zu einer bestimmten Lösung zu gelangen.

Bei regelbasierten ES Wendet it −

  • Regeln wiederholt auf die Fakten an, die aus früheren Regelanwendungen stammen.

  • Fügt bei Bedarf neues Wissen in die Wissensdatenbank ein.

  • Löst Regelkonflikte, wenn mehrere Regeln auf einen bestimmten Fall anwendbar sind.

Um eine Lösung zu empfehlen, verwendet die Inferenz-Engine die folgenden Strategien –

  • Vorwärtsketten
  • Rückwärtsketten

Vorwärtsketten

Es ist eine Strategie eines Expertensystems, die Frage zu beantworten: „Was kann als nächstes passieren?“

Hier folgt die Inferenz-Engine der Kette von Bedingungen und Ableitungen und leitet schließlich das Ergebnis ab. Es berücksichtigt alle Fakten und Regeln und sortiert sie, bevor es zu einer Lösung kommt.

Diese Strategie wird befolgt, um an Schlussfolgerung, Ergebnis oder Effekt zu arbeiten. Zum Beispiel die Vorhersage des Aktienmarktstatus als Folge von Zinsänderungen.

Vorwärts-Verkettung

Rückwärts-Verkettung

Mit dieser Strategie findet ein Expertensystem die Antwort auf die Frage „Warum ist das passiert?“

Auf der Grundlage dessen, was bereits geschehen ist, versucht die Inferenz-Engine herauszufinden, welche Bedingungen in der Vergangenheit für dieses Ergebnis eingetreten sein könnten. Diese Strategie wird befolgt, um Ursache oder Grund herauszufinden. Zum Beispiel die Diagnose von Blutkrebs beim Menschen.

Backward Chaining

Benutzeroberfläche

Die Benutzeroberfläche ermöglicht die Interaktion zwischen dem Benutzer der ES und der ES selbst. Es handelt sich im Allgemeinen um die Verarbeitung natürlicher Sprache, um von dem Benutzer verwendet zu werden, der sich mit der Aufgabendomäne auskennt. Der Benutzer der ES muss nicht unbedingt ein Experte für künstliche Intelligenz sein.

Es erklärt, wie die ES zu einer bestimmten Empfehlung gekommen ist. Die Erklärung kann in den folgenden Formen erscheinen –

  • Natürliche Sprache auf dem Bildschirm angezeigt.
  • Verbale Erzählungen in natürlicher Sprache.
  • Auflistung der auf dem Bildschirm angezeigten Regelnummern.

Die Benutzeroberfläche macht es einfach, die Glaubwürdigkeit der Abzüge zu verfolgen.

Anforderungen an eine effiziente ES-Benutzeroberfläche

  • Es soll Benutzern helfen, ihre Ziele auf kürzestem Weg zu erreichen.

  • Es sollte so konzipiert sein, dass es für die vorhandenen oder gewünschten Arbeitspraktiken des Benutzers funktioniert.

  • Seine Technologie sollte an die Anforderungen des Benutzers anpassbar sein; nicht umgekehrt.

  • Es sollte die Benutzereingaben effizient nutzen.

Einschränkungen von Expertensystemen

Keine Technologie kann eine einfache und vollständige Lösung bieten. Große Systeme sind kostspielig, erfordern erhebliche Entwicklungszeit und Computerressourcen. ESs haben ihre Grenzen, zu denen gehören –

  • Einschränkungen der Technologie
  • Schwieriger Wissenserwerb
  • ES sind schwer zu warten
  • Hohe Entwicklungskosten

Anwendungen des Expertensystems

Die folgende Tabelle zeigt, wo ES angewendet werden kann.

Application Description
Design Domain Camera lens design, automobile design.
Medical Domain Diagnosis Systems to deduce cause of disease from observed data, conduction medical operations on humans.
Überwachungssysteme Kontinuierlicher Vergleich der Daten mit dem beobachteten System oder mit vorgeschriebenem Verhalten, z. B. Leckageüberwachung in einer langen Erdölpipeline.
Prozessleitsysteme Steuerung eines physikalischen Prozesses basierend auf Überwachung.
Wissensdomäne Fehler in Fahrzeugen und Computern ermitteln.
Finanzen / Handel Erkennung von möglichem Betrug, verdächtigen Transaktionen, Börsenhandel, Flugplanung, Frachtplanung.

Expertensystemtechnologie

Es stehen mehrere Ebenen von ES-Technologien zur Verfügung. Expertensystemtechnologien umfassen −

  • Entwicklungsumgebung für Expertensysteme – Die ES-Entwicklungsumgebung umfasst Hardware und Tools. Sie sind –

    • Workstations, Minicomputer, Mainframes.

    • Hohe symbolische Programmiersprachen wie LISt Programming (LISP) und PROgrammation en LOGique (PROLOG).

    • Große Datenbanken.

  • Tools − Sie reduzieren den Aufwand und die Kosten für die Entwicklung eines Expertensystems erheblich.

    • Leistungsstarke Editoren und Debugging-Tools mit Multi-Windows.

    • Sie bieten Rapid Prototyping

    • Haben eingebaute Definitionen von Modell, Wissensrepräsentation und Inferenzdesign.

  • Shells − Eine Shell ist nichts anderes als ein Expertensystem ohne Wissensbasis. Eine Shell bietet den Entwicklern Wissenserwerb, Inferenz-Engine, Benutzeroberfläche und Erklärungsmöglichkeiten. Im Folgenden werden beispielsweise einige Shells angegeben –

    • Java Expert System Shell (JESS), die eine vollständig entwickelte Java-API zum Erstellen eines Expertensystems bereitstellt.

    • Vidwan, eine Shell, die 1993 am National Centre for Software Technology in Mumbai entwickelt wurde. Es ermöglicht die Wissenscodierung in Form von WENN-DANN-Regeln.

Entwicklung von Expertensystemen: Allgemeine Schritte

Der Prozess der ES-Entwicklung ist iterativ. Schritte bei der Entwicklung des ES umfassen –

Problemdomäne identifizieren

  • Das Problem muss für ein Expertensystem geeignet sein, um es zu lösen.
  • Hier finden Sie die Experten im Aufgabenbereich für das ES-Projekt.
  • Ermittlung der Wirtschaftlichkeit des Systems.

Entwerfen Sie das System

  • Identifizieren Sie die ES-Technologie

  • Kennen und stellen Sie den Grad der Integration mit den anderen Systemen und Datenbanken fest.

  • Erkenne, wie die Konzepte das Domänenwissen am besten darstellen können.

Entwicklung des Prototyps

Aus der Knowledge Base: Der Knowledge Engineer arbeitet daran, −

  • Domänenwissen vom Experten zu erwerben.
  • Stellen Sie es in Form von If-THEN-ELSE-Regeln dar.

Testen und Verfeinern des Prototyps

  • Der Knowledge Engineer verwendet Beispielfälle, um den Prototyp auf Leistungsmängel zu testen.

  • Endbenutzer testen die Prototypen des ES.

Entwicklung und Vervollständigung des ES

  • Testen und stellen Sie die Interaktion des ES mit allen Elementen seiner Umgebung sicher, einschließlich Endbenutzern, Datenbanken und anderen Informationssystemen.

  • Dokumentieren Sie das ES-Projekt gut.

  • Trainieren Sie den Benutzer, ES zu verwenden.

Wartung des Systems

  • Halten Sie die Wissensdatenbank durch regelmäßige Überprüfung und Aktualisierung auf dem neuesten Stand.

  • Sorgen Sie für neue Schnittstellen zu anderen Informationssystemen, wenn sich diese Systeme weiterentwickeln.

Vorteile von Expertensystemen

  • Verfügbarkeit − Sie sind aufgrund der Massenproduktion von Software leicht verfügbar.

  • Weniger Produktionskosten – Die Produktionskosten sind angemessen. Das macht sie erschwinglich.

  • Geschwindigkeit – Sie bieten große Geschwindigkeit. Sie reduzieren den Arbeitsaufwand einer Person.

  • Geringere Fehlerquote – Die Fehlerquote ist im Vergleich zu menschlichen Fehlern gering.

  • Verringerung des Risikos – Sie können in der für den Menschen gefährlichen Umwelt arbeiten.

  • Stetige Reaktion – Sie arbeiten stetig, ohne sich zu bewegen, anzuspannen oder zu ermüden.

Werbung

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht.