СТРУЧНИ СИСТЕМИ: ИСТОРИЈА, КАРАКТЕРИСТИКЕ, ПРЕДНОСТИ, НЕДОСТАЦИ - ТЕХНОЛОГИЈА - 2025

У експертски системи су дефинисани као систем који симулират доношења одлука способност стручњака људског у одређеној области. Користе и хеуристичке стратегије и чињенице како би поуздано и интерактивно решили сложене проблеме доношења одлука.

Дизајнирани су за решавање врло сложених проблема, резоновање кроз базе знања. Уместо да буду представљени процедуралним кодом, они су у основи представљени правилима Иф-Онда.

Извор: пикабаи.цом

Они су у стању да изразе себе и разлоге о неком пољу знања, што им омогућава да реше многе проблеме за које је обично потребан људски стручњак. Експертски системи су били претходници данашњих система вештачке интелигенције, дубоког учења и машинског учења.

Стручни систем не може заменити укупне перформансе радника у решавању проблема. Међутим, они могу драстично смањити количину посла који појединац мора да уради да би решио проблем, креативне и иновативне аспекте решавања проблема остављајући људима.

Они су играли важну улогу у многим индустријама, попут финансијских услуга, телекомуникација, здравствене заштите, услуга за кориснике, видео игара и производње.

Капацитет система

Стручни систем садржи два подсистема: базу знања која садржи нагомилане чињенице и искуство и механизам закључивања, који је скуп правила која се примењују на базу знања или познате чињенице у свакој конкретној ситуацији, како би се извукли нови. дела.

Могућности система могу се побољшати додацима базе знања или скупа правила.

На пример, данашњи експертски системи такође могу имати могућност да аутоматски уче, омогућавајући им да побољшају своје перформансе на основу искуства, баш као што то чине и људи.

Поред тога, савремени системи могу лакше уградити нова знања и на тај начин се лако ажурирати. Такви системи се могу боље генерализовати из постојећег знања и руковати великим количинама сложених података.

Историја

- Почетни развој

Крајем 1950-их, експериментирање је почело с могућношћу коришћења рачунарске технологије за опонашање људског одлучивања. На пример, рачунарски системи су почели да се креирају за дијагностичке примене у медицини.

Ови почетни дијагностички системи су унели симптоме пацијента и резултате лабораторијских испитивања у систем да би произвели дијагнозу као резултат. То су били први облици експертних система.

- Главни догађаји

Почетком шездесетих година развијали су се програми који су решавали добро дефинисане проблеме. На пример, игре или машински превод.

Ови програми захтевали су интелигентне технике закључивања да би се носили са логичким и математичким проблемима који су представљени, али за њих није било потребно много додатних знања.

Истраживачи су почели да схватају да су за решавање многих занимљивих проблема програми не само да би могли да тумаче проблеме, већ им је потребно и основно знање да би их потпуно разумели.

То је постепено довело до развоја експертних система који су били више усмерени на знање.

Концепт стручних система званично је развио 1965. године Едвард Феигенбаум, професор са Универзитета Станфорд, САД.

Феигенбаум је објаснио да се свет кретао од обраде података до обраде знања, захваљујући новој технологији процесора и рачунарској архитектури.

Дендрал

Крајем 1960-их развијен је један од првих експертских система, Дендрал, који се бавио анализом хемијских једињења.

Дендралово знање састојало се од стотина правила која су описала интеракције хемијских једињења. Ова правила су била резултат дугогодишње сарадње хемичара и рачунарских научника.

- зрелост

Експертски системи су се почели ширити током 1980-их. Многе компаније из Фортуне 500 примењивале су ову технологију у свакодневним пословним активностима.

Током деведесетих година, многи добављачи пословних апликација, попут Орацле и САП, интегрисали су могућности експертних система у свој производни пакет као начин објашњавања пословне логике.

карактеристике

- Ниво искуства

Експертски систем мора да понуди највиши ниво стручности. Пружа ефикасност, прецизност и маштовито решавање проблема.

- Реакција на време

Корисник комуницира са експертним системом током прилично разумног временског периода. Време ове интеракције мора бити краће од времена које треба стручњаку да добије најпрецизније решење за исти проблем.

- Поузданост

Стручни систем мора имати добру поузданост. Да бисте то учинили, не смете да правите грешке.

- Ефикасан механизам

Експертски систем мора имати ефикасан механизам за управљање скупом знања која у њему постоје.

- Решавајте проблеме

Стручни систем мора бити у стању да изађе на крај са изазовним проблемима и донесе исправне одлуке за пружање решења.

- Компоненте

База знања

То је организована колекција података која одговара обиму искуства система.

Кроз интервјуе и запажања са људским стручњацима, морају се узети чињенице које чине базу знања.

Инференце мотор

Интерпретирајте и процените чињенице у бази знања путем правила како бисте дали препоруку или закључак.

Ово знање представљено је у облику производних правила Иф-тхен: "Ако је услов тачан, онда се може извршити следећи одбитак."

Закључци

Често се фактор вероватноће веже уз закључак сваког правила производње и крајњу препоруку, јер закључак који није постигнут није апсолутна сигурност.

На пример, стручни систем за дијагнозу очних болести могао би на основу датих информација показати да особа има глауком са вероватноћом од 90%.

Такође, може се приказати редослед правила кроз која је закључак донет. Надгледање овог ланца помаже у процени веродостојности препоруке и корисно је као средство за учење.

Врсте

На основу правила

У овом систему знање је представљено као скуп правила. Правило је директан и флексибилан начин изражавања знања.

Правило се састоји од два дела: део „Иф“, који се назива условом, и „тада“, који се назива дедукција. Основна синтакса правила је: Иф (услов) Онда (дедукција).

Засновано на нејасној логици

Када желите да изразите знање користећи нејасне речи попут „врло мало“, „умерено тешко“, „није оно старо“, може се користити неизразита логика.

Ова се логика користи за опис непрецизне дефиниције. Заснован је на идеји да су све ствари описане клизном скалом.

Класична логика дјелује с двије вриједности сигурности: Труе (1) и Фалсе (0). У неизразитој логици, све вредности сигурности изражене су као реални бројеви у распону од 0 до 1.

Нејасна логика представља знање засновано на степену истинитости, а не на апсолутној истинитости класичне логике.

Неуронал

Предности експертног система заснованог на правилима такође комбинују предности неуронске мреже, попут учења, генерализације, робусности и паралелне обраде информација.

Овај систем има неуронску базу знања, а не традиционалну базу знања. Знање се чува као утези у неуронима.

Ова комбинација омогућава неуронском експертском систему да оправда своје закључке.

Неуронско-дифузно

Нејасна логика и неуронске мреже су комплементарни алати за изградњу експертних система.

Фуззи системима недостаје способност учења и не могу се прилагодити новом окружењу. С друге стране, иако неуронске мреже могу да науче, њихов процес је за корисника веома компликован.

Неуро-неразумљиви системи могу да комбинују рачунарске и учење способности неуронске мреже са представом људског знања и вештинама објашњавања нејасних система.

Као резултат тога, неуронске мреже постају транспарентније, док нејасни систем постаје способан за учење.

Предност

Доступност

Експертски системи су лако доступни, било где и било када, због масовне производње софтвера.

Смањени ризик

Компанија може управљати експертним системом у окружењима опасним за људе. Могу се користити у било којој опасној средини у којој људи не могу да раде.

Пословно знање

Они могу постати средство за развој организационог знања за разлику од знања појединаца у компанији.

Одговор на објашњење

У стању су да дају адекватно објашњење свог одлучивања, детаљно исказујући образложење које је довело до одговора.

Када се користе као оруђе за тренирање, они резултирају бржом кривуљом учења за почетнике.

Брзи одговор

Помаже у добијању брзих и тачних одговора. Систем стручњака може свој део задатака испунити много брже од људског стручњака.

Ниска стопа грешке

Стопа грешака успешних експертних система је прилично ниска, понекад много нижа од стопе људске грешке за исти задатак.

Одговор без емоција

Стручни системи раде без узбуђења. Не постају напети, уморни или панични, а стабилно раде током ванредних ситуација.

Сталност знања

Стручни систем одржава значајан ниво информација. Ово садржано знање трајаће неограничено.

Брзо прототипирање

Помоћу експертног система могуће је унети нека правила и развити прототип у данима, а не месецима или годинама које су обично повезане са сложеним ИТ пројектима.

Вишеструка искуства

Стручни систем може бити дизајниран тако да садржи знање многих квалификованих стручњака и на тај начин има могућност решавања сложених проблема.

То смањује трошак консултаната са стручњацима за решавање проблема. Они су средство за добијање извора знања које је тешко добити.

Недостаци

Стицање знања

Увек је тешко добити време стручњака за поједине области за било коју апликацију софтвера, али за експертске системе је то посебно тешко, јер су стручњаци високо цењени и непрестано захтевају од организација.

Као посљедица тога, велика количина истраживања последњих година фокусирана је на алате за стицање знања, који помажу у аутоматизацији процеса дизајнирања, отклањања погрешака и одржавања правила која су дефинисали стручњаци.

Системска интеграција

Интеграција система са базама података била је тешка за прве експертске системе, јер су алати били углавном на језицима и платформама који нису познати у корпорацијском окружењу.

Као резултат тога, уложен је велики напор да се интегришу алати експертних система са наслијеђеним окружењима, претварајући се на стандардније платформе.

Ови проблеми су углавном решени променом парадигме, јер су рачунари постепено прихваћени у рачунарском окружењу као легитимна платформа за развој озбиљних пословних система.

Сложеност обраде

Повећање величине базе знања повећава сложеност обраде.

На пример, ако систем експерата има 100 милиона правила, очигледно је да би био превише сложен и нашао би се с многим рачунским проблемима.

Мотив закључивања морао би бити у могућности да обради велики број правила како би донео одлуку.

Када постоји превише правила, такође је тешко проверити да ли су та правила међусобно усклађена.

Такође је тешко дати предност правилима за ефикасније функционисање или како решити нејасноће.

Ажурирање знања

Један проблем везан за базу знања је како брзо и ефикасно ажурирати. Такође, како додати нова знања, тј. Где га додати међу толико правила.

Апликације

Дијагноза и решавање проблема

Резимира све системе који узрокују грешке и предлаже корективне радње за неисправни процес или уређај.

Једна од првих области знања где је примењена технологија експертних система била је медицинска дијагноза. Међутим, дијагностика инжењерских система брзо је надмашила медицинску дијагностику.

Дијагноза се може изразити као: с обзиром на представљене доказе, шта је основни проблем, разлог или узрок?

Планирање и заказивање

Ови експертски системи анализирају скуп циљева како би утврдили скуп акција које достижу те циљеве, пружајући детаљно наређивање тих акција током времена, узимајући у обзир материјале, особље и друга ограничења.

Примјери укључују особље авиокомпаније и планирање летова те планирање производног процеса.

Финансијске одлуке

Створени су системи финансијског савјетовања који помажу банкарима да одлуче да ли треба да дају зајмове појединцима и компанијама.

Осигуравајуће компаније користе ове експертске системе да процене ризик који клијент представља и на тај начин одређују цену осигурања.

Надгледање и контрола процеса

Они анализирају податке са физичких уређаја у реалном времену, како би уочили аномалије, предвидјели трендове и контролирали оптимизацију и исправљање грешака.

Примери ових система су у индустрији за прераду нафте и производњу челика.

Консалтинг знања

Примарна функција ове апликације је пружање смисленог увида у проблем корисника, у окружењу тог проблема.

У ову категорију припадају два експертска система који су најраспрострањенији у целом свету.

Први од ових система је саветник који саветује корисника о правилној употреби граматике у тексту.

Други је порески саветник који је везан за систем припреме пореза. Саветује корисника о стратегији и посебним пореским политикама.

Референце

1. Гуру99 (2019). Стручни систем за вештачку интелигенцију: шта је, апликације, пример. Преузето са: гуру99.цом.
2. Википедија, бесплатна енциклопедија (2019). Експерт систем. Преузето са: ен.википедиа.орг.
3. Маргарет Роусе (2019). Експерт систем. Тецхтаргет. Преузето са: сеарцхцхентерприсеаи.тецхтаргет.цом.
4. Владимир Звасс (2019). Експерт систем. Енцицлопаедиа Преузето са: британница.цом.
5. Втец (2019). Примене експертних система. Преузето са: втец.орг.
6. Вирал Нагори (2014). Врсте експертног система: Упоредни студиј. Семантички стипендиста преузет са: пдфс.семантицсцхолар.орг.
7. Ворлд оф Цомпутинг (2010). Екперт Системс. Преузето са :лигенце.ворлдофцомпутинг.нет.