SZAKÉRTŐI RENDSZEREK: TÖRTÉNELEM, JELLEMZŐK, ELŐNYÖK, HÁTRÁNYOK - TECHNOLÓGIA - 2026

A szakértői rendszereket olyan rendszereknek tekintik, amelyek egy adott területen működő humán szakértő döntési képességét utánozzák. Heurisztikus stratégiákat és tényeket egyaránt használnak az összetett döntéshozatali problémák megbízható és interaktív megoldására.

Úgy tervezték, hogy rendkívül összetett problémákat oldjanak meg, tudásbázisokon keresztül érvelve. Ahelyett, hogy az eljárási kódex képviseli őket, alapvetően az if-then szabályok képviselik őket.

Forrás: pixabay.com

Képesek kifejezni magukat és érvelni valamilyen tudásterületen, ami lehetővé teszi számtalan olyan probléma megoldását, amelyek általában emberi szakértőt igényelnének. A mai mesterséges intelligencia, a mély tanulás és a gépi tanulás rendszerek elődei a szakértői rendszerek voltak.

A szakértői rendszer nem helyettesítheti a munkavállaló általános hibaelhárítási teljesítményét. Drasztikusan csökkenthetik az egyénnek a probléma megoldásához szükséges munkáját, és a problémamegoldás kreatív és innovatív aspektusait az emberekre hagyhatják.

Fontos szerepet játszottak számos iparágban, például a pénzügyi szolgáltatásokban, a telekommunikációban, az egészségügyben, az ügyfélszolgálatban, a videojátékokban és a gyártásban.

Rendszerkapacitás

A szakértői rendszer két alrendszert foglal magában: egy ismeretbázist, amely felhalmozódott tényeket és tapasztalatokat tartalmaz, és egy következtetési motort, amely egy szabálykészlet, amelyet a tudásbázisra vagy az ismert tényekre minden egyes helyzetben alkalmazni kell az újak kiszámításához. cselekszik.

A rendszer képességei tovább fejleszthetők a tudásbázis vagy a szabálykészlet kiegészítéseivel.

Például a mai szakértői rendszerek képesek lehetnek automatikus tanulásra, lehetővé téve számukra, hogy tapasztalataik alapján javítsák teljesítményüket, akárcsak az emberek.

Ezen felül a modern rendszerek könnyebben beépíthetik az új ismereteket, és így könnyen frissíthetők. Az ilyen rendszerek jobban általánosíthatják a meglévő ismereteket, és nagy mennyiségű összetett adatot kezelhetnek.

Történelem

- Kezdeti fejlesztések

Az 1950-es évek végén megkezdődött a kísérlet azzal a lehetőséggel, hogy számítógépes technológiát alkalmaznak az emberi döntéshozatal utánozására. Például elkezdték a számítógépes rendszerek létrehozását az orvostudomány diagnosztikai alkalmazásai számára.

Ezek a kezdeti diagnosztikai rendszerek bevitték a beteg tüneteit és a laboratóriumi vizsgálatok eredményeit a rendszerbe, hogy ennek eredményeként diagnózist hozzanak létre. Ezek voltak a szakértői rendszerek első formái.

- Fő fejlesztések

A hatvanas évek elején olyan programokat dolgoztak ki, amelyek jól meghatározott problémákat oldottak meg. Például játékok vagy gépi fordítások.

Ezeknek a programoknak intelligens érvelési technikákra volt szükségük a bemutatott logikai és matematikai problémák kezelésére, de nem igényeltek sok további tudást.

A kutatók rájöttek, hogy sok érdekes probléma megoldásához a programoknak nemcsak a problémák értelmezésére van szükségük, hanem alapvető ismeretekre is szükségük van a teljes megértésükhöz.

Ez fokozatosan vezetett a szakértői rendszerek fejlesztéséhez, amelyek inkább a tudásra koncentráltak.

A szakértői rendszerek fogalmát hivatalosan 1965-ben fejlesztette ki Edward Feigenbaum, a Stanford Egyetem, az Egyesült Államok professzora.

Feigenbaum kifejtette, hogy a világ az adatfeldolgozástól a tudásfeldolgozásig mozog, az új processzor technológia és a számítógépes architektúráknak köszönhetően.

Dendral

Az 1960-as évek végén kifejlesztették az első szakértői rendszereket, a Dendral nevű vegyi vegyületek elemzését.

A Dendral tudása több száz szabályból állt, amelyek leírják a kémiai vegyületek kölcsönhatásait. Ezek a szabályok a vegyészek és a számítógépes tudósok közötti éves együttműködés eredményei.

- Érettség

A szakértői rendszerek elterjedése az 1980-as években kezdődött. A Fortune 500 vállalat közül sok alkalmazott ezt a technológiát mindennapi üzleti tevékenysége során.

Az 1990-es években számos üzleti alkalmazás-gyártó, mint például az Oracle és az SAP, integrálta a szakértői rendszerek képességeit termékcsaládba az üzleti logika magyarázatának egyik módjaként.

jellemzők

- A tapasztalat szintje

A szakértői rendszernek a legmagasabb szintű szakértelemmel kell rendelkeznie. Hatékonyságot, pontosságot és ötletes problémamegoldást nyújt.

- Időbeni reakció

A felhasználó meglehetősen ésszerű időn keresztül lép kapcsolatba a szakértői rendszerrel. Ennek az interakciónak az idejének kevesebbnek kell lennie, mint amennyi egy szakértő igénybe veszi ugyanazon probléma legpontosabb megoldását.

- Megbízhatóság

A szakértői rendszernek megbízhatósággal kell rendelkeznie. Ehhez nem szabad hibázni.

- Hatékony mechanizmus

A szakértői rendszernek hatékony mechanizmussal kell rendelkeznie a benne található tudás összefoglalójának kezelésére.

- Kezelje a problémákat

A szakértői rendszernek képesnek kell lennie kezelni a kihívásokkal teli problémákat és meghoznia a megfelelő döntéseket a megoldások biztosítása érdekében.

- Alkatrészek

Tudásbázis

Ez egy szervezett adatgyűjtés, amely megfelel a rendszer tapasztalatának.

Az emberi szakértőkkel folytatott interjúkon és megfigyeléseken keresztül figyelembe kell venni a tudásbázist alkotó tényeket.

Következtetés motor

Értelmezze és értékelje a tudásbázisban szereplő tényeket szabályok útján, ajánlás vagy következtetés megfogalmazása érdekében.

Ezt az ismereteket az if-then termelési szabályok formájában reprezentálják: "Ha egy feltétel igaz, akkor a következő levonást lehet levonni."

Következtetések

Az egyes gyártási szabályok következtetéseihez és a végleges ajánláshoz gyakran egy valószínűségi tényezőt csatolnak, mivel az elért következtetés nem abszolút bizonyosság.

Például a szembetegségek diagnosztizálására szolgáló szakértői rendszer a rendelkezésre álló információk alapján jelezheti, hogy egy személy glaukómában szenved 90% -os valószínűséggel.

Meg lehet mutatni a szabályok sorozatát is, amelyen keresztül a következtetés levonható. E lánc figyelemmel kísérése segít felmérni az ajánlás hitelességét, és tanulási eszközként is hasznos.

típusai

Szabály alapú

Ebben a rendszerben a tudás szabálykészletként jelenik meg. A szabály a tudás kifejezésének közvetlen és rugalmas módja.

A szabály két részből áll: a „If” részből, amelyet feltételnek hívunk, és a „majd” részből, amelyet dedukciónak hívunk. A szabály alapvető szintaxisa: Ha (feltétel) Akkor (dedukció).

Fuzzy logika alapján

Ha olyan ismeretekkel szeretne kifejezni ismereteket, mint a "nagyon kicsi", "közepesen nehéz", "nem olyan régi", mint a "nagyon kicsi", "közepesen nehéz", akkor használhatja a zavaros logikát.

Ezt a logikát használják a pontatlan meghatározás leírására. Az a gondolat épül, hogy minden dolgot csúszó skálán írnak le.

A klasszikus logika két bizonyossággal működik: igaz (1) és hamis (0). A homályos logikában az összes bizonyosságot 0 és 1 közötti valós számokkal fejezzük ki.

A homályos logika a klasszikus logika abszolút valódiságának helyett inkább az igazság fokán alapuló tudást képviseli.

Idegi

A szabályalapú szakértői rendszer előnyei kombinálják a neurális hálózat előnyeit is, például a tanulást, az általánosítást, a robusztusságot és a párhuzamos információfeldolgozást.

Ez a rendszer a hagyományos tudásbázis helyett egy idegi tudásbázissal rendelkezik. A tudást súlyként tárolják az idegsejtek.

Ez a kombináció lehetővé teszi a neurális szakértői rendszer számára a következtetések igazolását.

A neuronális-diffúz

A fuzzy logika és az idegi hálózatok kiegészítő eszközök a szakértői rendszerek felépítéséhez.

A homályos rendszerek nem képesek megtanulni, és nem tudnak alkalmazkodni egy új környezethez. Másrészt, bár az ideghálózatok megtanulhatók, folyamatuk nagyon bonyolult a felhasználó számára.

A neurális-fuzzy rendszerek kombinálhatják a neurális hálózat számítási és tanulási képességeit az emberi ismeretek reprezentációjával és a fuzzy rendszerek magyarázó készségeivel.

Ennek eredményeként a neurális hálózatok átláthatóbbá válnak, míg a fuzzy rendszer képes tanulni.

Előny

Elérhetőség

A szakértői rendszerek bárhol és bármikor elérhetők a szoftver tömegtermelésének köszönhetően.

Csökkent kockázat

A társaság szakértői rendszert működtethet az emberekre veszélyes környezetben. Használhatók bármilyen veszélyes környezetben, ahol az emberek nem tudnak dolgozni.

Üzleti ismeretek

A szervezeti ismeretek fejlesztésének eszközévé válhatnak, szemben a társaságban az egyének ismereteivel.

Válasz magyarázat

Képesek megfelelő magyarázatot adni a döntéshozatalra, részletesen kifejtve a válaszhoz vezető érvelést.

Edzőeszközként történő felhasználásuk során gyorsabb tanulási görbét eredményeznek a kezdők számára.

Gyors válasz

Segít a gyors és pontos válaszok megszerzésében. Egy szakértői rendszer sokkal gyorsabban tudja elvégezni a feladatainak megosztását, mint egy emberi szakértő.

Alacsony hibaarány

A sikeres szakértői rendszerek hibaaránya meglehetősen alacsony, néha jóval alacsonyabb, mint ugyanazon feladat humán hibaaránya.

Érzelemmentes válasz

A szakértői rendszerek izgalom nélkül működnek. Nem feszülnek, fáradtan vagy pánikba esnek, és vészhelyzetekben folyamatosan dolgoznak.

A tudás tartóssága

A szakértői rendszer jelentős szintű információt tart fenn. Ez a tudás végtelenségig tart.

Gyors prototípuskészítés

Egy szakértői rendszer segítségével néhány szabályt bevezethet és prototípusát napokban hozhatja létre, nem pedig a bonyolult informatikai projektekhez általában társított hónapokban vagy években.

Több élmény

A szakértői rendszert úgy lehet megtervezni, hogy tartalmazzon sok képzett szakember tudását, és így képessé váljon komplex problémák megoldására.

Ez csökkenti a szakértői problémamegoldó tanácsadók tanácsadásának költségeit. Ezek a nehéz információszerzési források megszerzésének eszközei.

hátrányok

Tudásszerzés

Mindig nehéz megszerezni a szakterületek szakembereinek idejét bármilyen szoftver alkalmazáshoz, de a szakértői rendszerek esetében ez különösen nehéz, mivel a szakértőket nagyra értékelik és a szervezetek folyamatosan igénylik.

Következésképpen az utóbbi években nagyszámú kutatás koncentrált az ismeretek elsajátítására szolgáló eszközökre, amelyek elősegítik a tervezés, a hibakeresés és a szakértők által meghatározott szabályok fenntartásának folyamatát.

Rendszerintegráció

Az első szakértői rendszerek számára nehéz volt a rendszerek integrálása az adatbázisokkal, mivel az eszközök elsősorban olyan nyelveken és platformon voltak, amelyek a vállalati környezetben nem ismertek.

Ennek eredményeként nagy erőfeszítéseket tettek a szakértői rendszerek eszközeinek a régi környezetekbe történő integrálása érdekében, és így átvitele a szokásosabb platformokra.

Ezeket a problémákat elsősorban a paradigmaváltás oldotta meg, mivel a számítógépeket fokozatosan elfogadták a számítási környezetben, mint legitim platformot a komoly üzleti rendszerek fejlesztéséhez.

A feldolgozás összetettsége

A tudásbázis méretének növekedése megnöveli a feldolgozás bonyolultságát.

Például, ha egy szakértői rendszer 100 millió szabályt tartalmaz, akkor nyilvánvaló, hogy túl bonyolult lenne, és számos számítási problémával szembesülne.

A következtetési motornak nagyszámú szabályt kell képesnek lennie a döntéshozatalra.

Ha túl sok szabály van, nehéz ellenőrizni, hogy ezek a döntési szabályok összhangban vannak-e egymással.

Ugyancsak nehéz a rangsorolása a szabályok hatékonyabb működése érdekében történő felhasználása, vagy a kétértelműségek megoldásának módja szempontjából.

Tudásfrissítés

A tudásbázissal kapcsolatos egyik probléma az, hogy hogyan lehet gyorsan és hatékonyan frissíteni. Emellett, hogyan lehet új tudást hozzáadni, vagyis hol kell hozzátenni olyan sok szabály között.

Alkalmazások

Diagnózis és hibaelhárítás

Összefoglalja az összes hibát bevezető rendszert, és korrekciós lépéseket javasol egy hibásan működő folyamathoz vagy eszközhöz.

Az egyik első tudásterület, ahol a szakértői rendszerek technológiáját alkalmazták, az orvosi diagnózis volt. A mérnöki rendszerek diagnosztikája azonban gyorsan felülmúlja az orvosi diagnosztikát.

A diagnózist úgy lehet kifejezni, hogy: a bemutatott bizonyítékok alapján mi a mögöttes probléma, ok vagy ok?

Tervezés és ütemezés

Ezek a szakértői rendszerek elemzik a célkitűzéseket, hogy meghatározzák az e célkitűzéseket elérő cselekvési sorozatot, megadva az intézkedések időbeli elrendezését, figyelembe véve az anyagokat, a személyzetet és az egyéb korlátozásokat.

Ilyenek például a légitársaságok személyzete és a repülési ütemterv, valamint a gyártási folyamat tervezése.

Pénzügyi döntések

Pénzügyi tanácsadási rendszereket hoztak létre annak érdekében, hogy a bankárok eldönthessék, nyújtanak-e hitelt magánszemélyeknek és társaságoknak.

A biztosítótársaságok ezeket a szakértői rendszereket használják az ügyfél által jelentett kockázat felmérésére és ezáltal a biztosítás árának meghatározására.

A folyamat felügyelete és irányítása

Valós időben elemezik a fizikai eszközök adatait a rendellenességek észlelésére, a trendek előrejelzésére, valamint az optimalizálás és a hibajavítás irányítására.

Ezekre a rendszerekre példa az olajfinomítás és az acélgyártás.

Tudáskonzultáció

Ennek az alkalmazásnak az elsődleges funkciója, hogy értelmes betekintést nyújtson a felhasználó problémájába, a probléma környezetében.

A világon a legszélesebb körben elterjedt két szakértői rendszer ebbe a kategóriába tartozik.

Ezek közül az első olyan tanácsadó, amely tanácsot ad a felhasználónak a nyelvtan helyes használatáról a szövegben.

A második adóügyi tanácsadó, aki csatlakozik az adók előkészítésének rendszeréhez. Tanácsadást ad a felhasználónak a stratégiáról és az adószabályokról.

Irodalom

1. Guru99 (2019). Mesterséges intelligencia szakértői rendszere: Mi az, alkalmazások, példa. Forrás: guru99.com.
2. Wikipedia, a szabad enciklopédia (2019). Szakértői rendszer. Forrás: en.wikipedia.org.
3. Margaret Rouse (2019). Szakértői rendszer. TechTarget. Feltöltve: searchenterpriseai.techtarget.com.
4. Vladimir Zwass (2019). Szakértői rendszer. Enciklopédia Készítette: britannica.com.
5. Wtec (2019). A szakértői rendszerek alkalmazása. Forrás: wtec.org.
6. Naral Vírus (2014). Szakértői rendszer típusai: összehasonlító tanulmány. Szemantikus tudósító Készítette: pdfs.semanticscholar.org.
7. A számítástechnika világa (2010). Szakértői rendszerek. Feltöltve: intelligencia.worldofcomputing.net.