expertsystem (er) är ett av AI: s framstående forskningsområden. Det introduceras av forskarna vid Stanford University, datavetenskapsavdelningen.

Vad är expertsystem?

expertsystemen är de datorapplikationer som utvecklats för att lösa komplexa problem inom en viss domän, på nivå med extraordinär mänsklig intelligens och expertis.

egenskaper hos expertsystem

• hög prestanda
• förståelig
• pålitlig
• mycket responsiv

funktioner hos expertsystem

expertsystemen kan −

• rådgivning
• instruera och hjälpa människan i beslutsfattandet
• demonstrera
• härleda en lösning
• diagnostisering
• förklara
• tolkningsinmatning
• förutsäga resultat
• motivera slutsatsen
• föreslå alternativa alternativ till ett problem

de kan inte −

• ersätta mänskliga beslutsfattare
• som har mänskliga kapacitet
• producera exakt utgång för otillräcklig kunskapsbas
• förfina sin egen kunskap

komponenter av expertsystem

komponenterna i ES inkluderar −

• kunskapsbas
• Inferensmotor
• användargränssnitt

Låt oss se dem en efter en kortfattat −

kunskapsbas

den innehåller domänspecifik och högkvalitativ kunskap.

kunskap krävs för att uppvisa intelligens. Framgången för alla ES beror huvudsakligen på insamlingen av mycket exakt och exakt kunskap.

Vad är kunskap?

uppgifterna är insamling av fakta. Informationen är organiserad som data och fakta om uppgiftsdomänen. Data, information och tidigare erfarenheter tillsammans kallas kunskap.

komponenter i kunskapsbasen

kunskapsbasen för en ES är en butik med både faktisk och heuristisk kunskap.

• faktakunskap-det är den information som allmänt accepteras av Kunskapsingenjörer och forskare i uppgiftsdomänen.

• heuristisk kunskap − det handlar om övning, exakt bedömning, ens förmåga att utvärdera och gissa.

kunskapsrepresentation

det är metoden som används för att organisera och formalisera kunskapen i kunskapsbasen. Det är i form av IF-THEN-ELSE regler.

Knowledge Acquisition

framgången för något expertsystem beror huvudsakligen på kvaliteten, fullständigheten och noggrannheten hos den information som lagras i kunskapsbasen.

kunskapsbasen bildas av avläsningar från olika experter, forskare och Kunskapsingenjörer. Kunskapsingenjören är en person med kvaliteterna av empati, snabb inlärning och fallanalysförmåga.

han förvärvar information från ämnesexpert genom att spela in, intervjua och observera honom på jobbet etc. Han kategoriserar och organiserar sedan informationen på ett meningsfullt sätt, i form av IF-THEN-ELSE-regler, som ska användas av interference machine. Kunskapsingenjören övervakar också utvecklingen av ES.

Slutledningsmotor

användning av effektiva procedurer och regler av Slutledningsmotorn är avgörande för att dra av en korrekt, felfri lösning.

vid kunskapsbaserade ES förvärvar och manipulerar Inferensmotorn kunskapen från kunskapsbasen för att komma fram till en viss lösning.

vid regelbaserade ES tillämpar it −

• regler upprepade gånger på fakta, som erhålls från tidigare regelansökan.

• lägger till ny kunskap i kunskapsbasen om det behövs.

• löser regelkonflikt när flera regler är tillämpliga i ett visst fall.

För att rekommendera en lösning använder Inferensmotorn följande strategier −

• Framåtkedjning
• Bakåtkedjning

Framåtkedjning

det är en strategi för ett expertsystem för att svara på frågan, ”Vad kan hända härnäst?”

Här följer Inferensmotorn kedjan av förhållanden och härledningar och slutligen härleder resultatet. Den tar hänsyn till alla fakta och regler och sorterar dem innan de slutar med en lösning.

denna strategi följs för att arbeta med slutsats, resultat eller effekt. Till exempel förutsägelse av aktiemarknadsstatus som en effekt av ränteförändringar.

Bakåtkedjning

Med denna strategi hittar ett expertsystem svaret på frågan ” varför detta hände?”

På grundval av vad som redan har hänt försöker Inferensmotorn ta reda på vilka förhållanden som kunde ha hänt tidigare för detta resultat. Denna strategi följs för att ta reda på orsak eller anledning. Till exempel diagnos av blodcancer hos människor.

användargränssnitt

användargränssnitt ger interaktion mellan användare av ES och ES själv. Det är i allmänhet naturlig språkbehandling så att den används av användaren som är välkänd i uppgiftsdomänen. Användaren av ES behöver inte nödvändigtvis vara expert på artificiell intelligens.

det förklarar hur ES har kommit fram till en viss rekommendation. Förklaringen kan visas i följande former −

• naturligt språk som visas på skärmen.
• verbala berättelser i naturligt språk.
• lista över regelnummer som visas på skärmen.

användargränssnittet gör det enkelt att spåra avdragens trovärdighet.

krav på effektivt ES – användargränssnitt

• det ska hjälpa användare att uppnå sina mål på kortast möjliga sätt.

• den ska vara utformad för att fungera för användarens befintliga eller önskade arbetsmetoder.

• dess teknik bör anpassas till användarens krav; inte tvärtom.

• det bör göra effektiv användning av användarinmatning.

expertsystem begränsningar

ingen teknik kan erbjuda enkel och komplett lösning. Stora system är kostsamma, kräver betydande utvecklingstid och datorresurser. ESs har sina begränsningar som inkluderar-

• begränsningar av tekniken
• svårt kunskapsförvärv
• ES är svåra att upprätthålla
• höga utvecklingskostnader

tillämpningar av expertsystem

Följande tabell visar var ES kan tillämpas.

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.
övervakningssystem	jämför data kontinuerligt med observerat system eller med föreskrivet beteende som läckageövervakning i lång petroleumledning.
Processkontrollsystem	styra en fysisk process baserad på övervakning.
Kunskapsdomän	ta reda på fel i fordon, datorer.
Finans/Handel	upptäckt av eventuella bedrägerier, misstänkta transaktioner, aktiemarknadshandel, flygplanering, lastplanering.

Expert System Technology

det finns flera nivåer av ES-teknik tillgängliga. Expertsystem teknik inkluderar-

• Expert System Development Environment − ES utvecklingsmiljö innehåller hårdvara och verktyg. De är −

  • arbetsstationer, minidatorer, stordatorer.

  • symboliska programmeringsspråk på hög nivå som Listprogrammering (LISP) och programmering en LOGique (PROLOG).

  • stora databaser.

• verktyg-de minskar ansträngningen och kostnaden för att utveckla ett expertsystem i stor utsträckning.

  • kraftfulla redigerare och felsökningsverktyg med flera fönster.

  • de ger snabb prototypning

  • har inbyggda definitioner av modell, kunskapsrepresentation och inferensdesign.

• skal-ett skal är inget annat än ett expertsystem utan kunskapsbas. Ett skal ger utvecklarna med kunskapsinhämtning, slutledning motor, användargränssnitt, och förklaring anläggning. Till exempel ges några skal nedan −

  • Java Expert System Shell (JESS) som tillhandahåller fullt utvecklat Java API för att skapa ett expertsystem.

  • Vidwan, ett skal utvecklat vid National Center for Software Technology, Mumbai 1993. Det möjliggör kunskapskodning i form av IF-THEN-regler.

utveckling av expertsystem: allmänna steg

processen för ES-utveckling är iterativ. Steg i utvecklingen av ES inkluderar-

identifiera Problemdomän

• problemet måste vara lämpligt för ett expertsystem för att lösa det.
• hitta experterna i uppgiftsdomänen för ES-projektet.
• fastställa kostnadseffektiviteten i systemet.

designa systemet

• identifiera ES-tekniken

• känna till och fastställa graden av integration med andra system och databaser.

• inse hur begreppen kan representera domänkunskapen bäst.

utveckla prototypen

från kunskapsbasen: kunskapsingenjören arbetar för att –

• förvärva domänkunskap från experten.
• representerar det i form av If-THEN-ELSE-regler.

testa och förfina prototypen

• kunskapsingenjören använder provfall för att testa prototypen för eventuella brister i prestanda.

• slutanvändare testar prototyperna för ES.

utveckla och slutföra ES

• – testet och säkerställa interaktionen mellan ES och alla delar av dess miljö, inklusive slutanvändare, databaser och andra informationssystem.

• dokumentera ES-projektet väl.

• träna användaren att använda ES.

underhålla systemet

• Håll kunskapsbasen uppdaterad genom regelbunden granskning och uppdatering.

• tillgodose nya gränssnitt med andra informationssystem, eftersom dessa system utvecklas.

fördelar med expertsystem

• tillgänglighet − de är lätt tillgängliga på grund av massproduktion av programvara.

• mindre produktionskostnad-produktionskostnaden är rimlig. Detta gör dem överkomliga.

• hastighet-de erbjuder stor hastighet. De minskar mängden arbete en individ lägger in.

• mindre felfrekvens-felfrekvensen är låg jämfört med mänskliga fel.

• minska risken-de kan arbeta i miljön som är farlig för människor.

• stadigt svar – de arbetar stadigt utan att bli rörliga, spända eller trötta.