systemy eksperckie (Es) są jedną z czołowych dziedzin badawczych sztucznej inteligencji. Jest wprowadzany przez naukowców z Uniwersytetu Stanforda, Wydział Informatyki.

czym są systemy eksperckie?

systemy eksperckie to aplikacje komputerowe opracowane w celu rozwiązywania złożonych problemów w danej dziedzinie, na poziomie ponadprzeciętnej ludzkiej inteligencji i wiedzy specjalistycznej.

charakterystyka systemów eksperckich

• wysoka wydajność
• zrozumiałe
• niezawodne
• wysoka responsywność

możliwości systemów eksperckich

systemy eksperckie są w stanie −

• Doradztwo
• instruowanie i wspomaganie człowieka w podejmowaniu decyzji
• demonstrowanie
• pozyskiwanie rozwiązania
• diagnozowanie
• wyjaśnianie
• interpretowanie danych wejściowych
• przewidywanie wyników
• uzasadnianie wniosku
• sugerowanie alternatywnych opcji problemu

nie są w stanie −

• zastąpienie ludzkich decydentów
• posiadanie ludzkich możliwości
• tworzenie dokładnych wyników dla niewystarczającej bazy wiedzy
• doskonalenie własnej wiedzy

komponenty systemów eksperckich

komponenty ES obejmują −

• Baza Wiedzy
• Silnik wnioskowania
• interfejs użytkownika

zobaczmy je jeden po drugim krótko −

baza wiedzy

zawiera specjalistyczną i wysokiej jakości wiedzę.

wiedza jest wymagana do wykazania inteligencji. Sukces każdej ES zależy w dużej mierze od zebrania bardzo dokładnej i precyzyjnej wiedzy.

czym jest wiedza?

dane są zbiorem faktów. Informacje są zorganizowane jako dane i fakty dotyczące domeny zadań. Dane, informacje i przeszłe doświadczenia połączone razem są określane jako wiedza.

Elementy bazy wiedzy

baza wiedzy ES jest magazynem wiedzy zarówno rzeczowej, jak i heurystycznej.

• wiedza rzeczowa − jest to informacja powszechnie akceptowana przez inżynierów wiedzy i uczonych w dziedzinie zadań.

• wiedza heurystyczna − to praktyka, trafny osąd, umiejętność oceny i zgadywania.

Reprezentacja wiedzy

jest to metoda używana do organizowania i formalizowania wiedzy w Bazie wiedzy. Jest w formie reguł IF-THEN-ELSE.

zdobywanie wiedzy

sukces każdego systemu eksperckiego zależy głównie od jakości, kompletności i dokładności informacji przechowywanych w Bazie wiedzy.

baza wiedzy jest tworzona przez odczyty różnych ekspertów, uczonych i inżynierów wiedzy. Inżynier wiedzy to osoba z cechami empatii, szybkiego uczenia się i umiejętności analizy przypadków.

pozyskuje informacje od eksperta, nagrywając, przeprowadzając wywiady, obserwując go w pracy itp. Następnie kategoryzuje i porządkuje informacje w znaczący sposób, w postaci reguł IF-THEN-ELSE, które mają być używane przez maszynę interferencyjną. Inżynier wiedzy monitoruje również rozwój ES.

Inference Engine

zastosowanie skutecznych procedur i reguł przez Inference Engine jest niezbędne w dedukcji poprawnego, bezbłędnego rozwiązania.

W przypadku ES opartych na wiedzy, Silnik wnioskowania nabywa i manipuluje wiedzą z bazy wiedzy, aby uzyskać konkretne rozwiązanie.

w przypadku reguł opartych na ES, it −

• stosuje reguły wielokrotnie do faktów, które są uzyskane z wcześniejszego zastosowania reguły.

• dodaje nową wiedzę do bazy wiedzy w razie potrzeby.

• rozwiązuje konflikt reguł, gdy do konkretnego przypadku stosuje się wiele reguł.

aby polecić rozwiązanie, Silnik Inference wykorzystuje następujące strategie −

• Forward Chaining
• Backward Chaining

Forward Chaining

jest to strategia systemu eksperckiego, aby odpowiedzieć na pytanie „co może się stać dalej?”

tutaj Silnik wnioskowania podąża za łańcuchem warunków i wyprowadzeń i ostatecznie dedukuje wynik. Bierze pod uwagę wszystkie fakty i zasady i sortuje je przed zawarciem rozwiązania.

strategia ta jest stosowana do pracy nad wnioskiem, wynikiem lub efektem. Na przykład przewidywanie statusu rynku akcji jako efektu zmian stóp procentowych.

Backward Chaining

dzięki tej strategii system ekspercki znajduje odpowiedź na pytanie „dlaczego tak się stało?”

na podstawie tego, co już się stało, Silnik wnioskowania próbuje dowiedzieć się, Które warunki mogły się wydarzyć w przeszłości dla tego wyniku. Strategia ta jest przestrzegana w celu znalezienia przyczyny lub powodu. Na przykład, diagnoza raka krwi u ludzi.

interfejs użytkownika

interfejs użytkownika zapewnia interakcję między użytkownikiem ES A samym ES. Jest to na ogół przetwarzanie języka naturalnego, aby być używane przez użytkownika, który jest dobrze zorientowany w dziedzinie zadań. Użytkownik ES niekoniecznie musi być ekspertem w dziedzinie sztucznej inteligencji.

wyjaśnia, w jaki sposób ES osiągnęło konkretne zalecenie. Wyjaśnienie może pojawić się w następujących formach −

• język naturalny wyświetlany na ekranie.
• narracje słowne w języku naturalnym.
• Lista numerów reguł wyświetlanych na ekranie.

interfejs użytkownika ułatwia prześledzenie wiarygodności odliczeń.

wymagania wydajnego interfejsu użytkownika ES

• powinien pomóc użytkownikom w osiągnięciu ich celów w możliwie najkrótszy sposób.

• powinien być zaprojektowany tak, aby działał zgodnie z istniejącymi lub pożądanymi praktykami pracy użytkownika.

• jego technologia powinna być dostosowana do wymagań użytkownika, a nie odwrotnie.

• powinien efektywnie wykorzystywać dane wejściowe użytkownika.

ograniczenia systemów eksperckich

żadna technologia nie może zaoferować łatwego i kompletnego rozwiązania. Duże systemy są kosztowne, wymagają znacznego czasu rozwoju i zasobów komputerowych. ESs mają swoje ograniczenia, które obejmują –

• ograniczenia technologii
• trudne zdobywanie wiedzy
• ES są trudne do utrzymania
• wysokie koszty rozwoju

zastosowania systemu eksperckiego

poniższa tabela pokazuje, gdzie można zastosować ES.

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.
systemy monitorowania	porównywanie danych w sposób ciągły z obserwowanym systemem lub z zalecanym zachowaniem, takim jak monitorowanie wycieków w długim rurociągu naftowym.
Systemy sterowania procesami	sterowanie procesem fizycznym w oparciu o monitorowanie.
domena wiedzy	wykrywanie usterek w pojazdach, komputerach.
finanse/handel	wykrywanie możliwych oszustw, podejrzanych transakcji, obrotu giełdowego, planowania linii lotniczych, planowania ładunków.

Technologia systemu eksperckiego

dostępnych jest kilka poziomów technologii ES. Technologie systemów eksperckich obejmują-

• Expert System Development Environment − środowisko programistyczne ES obejmuje sprzęt i narzędzia. Są to –

  • stacje robocze, minikomputery, mainframe.

  • symboliczne języki programowania wysokiego poziomu, takie jak programowanie LISt (LISP) i programowanie en LOGique (PROLOG).

  • Duże bazy danych.

• narzędzia − w dużym stopniu zmniejszają wysiłek i koszty związane z opracowaniem systemu eksperckiego.

  • potężne Edytory i narzędzia do debugowania z wieloma oknami.

  • zapewniają szybkie prototypowanie

  • mają wbudowane definicje modelu, reprezentacji wiedzy i projektowania wnioskowania.

• powłoki − powłoka to nic innego jak system ekspercki bez bazy wiedzy. Powłoka zapewnia programistom nabywanie wiedzy, silnik wnioskowania, interfejs użytkownika i funkcję wyjaśniania. Na przykład poniżej podano kilka powłok –

  • Java Expert System Shell (JESS), która zapewnia w pełni rozwinięte Java API do tworzenia systemu expert.

  • Vidwan, powłoka opracowana w National Centre for Software Technology w Bombaju w 1993 roku. Umożliwia kodowanie wiedzy w postaci reguł IF-THEN.

rozwój systemów eksperckich: etapy ogólne

proces rozwoju ES jest iteracyjny. Kroki w rozwijaniu ES obejmują –

Identyfikacja domeny problemu

• problem musi być odpowiedni dla systemu eksperckiego, aby go rozwiązać.
• Znajdź ekspertów w dziedzinie zadań dla projektu ES.
• ustalenie opłacalności systemu.

Zaprojektuj System

• Zidentyfikuj technologię ES

• Poznaj i określ stopień integracji z innymi systemami i bazami danych.

opracowanie prototypu

Z Bazy wiedzy: inżynier wiedzy pracuje, aby −

• zdobyć wiedzę z dziedziny od eksperta.
• reprezentuje go w formie reguł If-THEN-ELSE.

Przetestuj i udoskonal prototyp

• inżynier wiedzy wykorzystuje przykładowe przypadki, aby przetestować prototyp pod kątem braków w wydajności.

• użytkownicy końcowi testują prototypy ES.

opracowanie i ukończenie testu ES

• i zapewnienie interakcji ES ze wszystkimi elementami środowiska, w tym użytkownikami końcowymi, bazami danych i innymi systemami informatycznymi.

• dobrze udokumentuj projekt ES.

• trenuj użytkownika do używania ES.

utrzymanie systemu

• aktualizowanie bazy wiedzy poprzez regularne przeglądy i aktualizacje.

zalety systemów eksperckich

• dostępność − są łatwo dostępne dzięki masowej produkcji oprogramowania.

• mniejsze koszty produkcji − koszt produkcji jest rozsądny. To sprawia, że są niedrogie.

• Speed − oferują dużą prędkość. Zmniejszają ilość pracy, którą wkłada osoba.

• Less Error Rate − wskaźnik błędu jest niski w porównaniu do błędów ludzkich.

• zmniejszenie ryzyka − mogą pracować w środowisku niebezpiecznym dla człowieka.

• stabilna reakcja − pracują stabilnie, nie ulegając ruchom, napięciom lub zmęczeniu.