Ekspertide süsteem sisse on termin, mis teeb tehnoloogiamaailmas ringi ja kõigil mõjuvatel põhjustel. Selles artiklis uurime seda teemat üksikasjalikult.
Järgmisi näpunäiteid käsitletakse selles artiklis,
- Mis on tehisintellekt?
- Tehisintellekti ekspertsüsteem
- Domeenid, kus kasutatakse ekspertsüsteeme
- Peamised kasutusvaldkonnad
- ES-i kujundamise kolm etappi
- Plussid miinused ja piirangud
Mis on tehisintellekt?
Noh, tavaliselt viitab nimi Tehisintellekt tehismasina intelligentsusele. Inimese intelligentsuse valdust tuntakse inimese intelligentsusena, samamoodi nimetatakse masina poolt näidatud intelligentsust tehisintellektiks. Arvutiteaduses. Tehisintellekt (AI), mida mõnikord nimetatakse ka masina intelligentsuseks. Tehisintellekti uurimisvaldkond sündis Dartmouthi kolledži töökojas 1956. aastal.
Tehisintellekti rakendused reaalses maailmas:
Juturobotid nagu SIRI, CORTANA, mis on tänapäeval nii palju populaarsust kogunud. Teised näited, nagu HDFC pankade tehisintellekti osakonna välja töötatud tehisintellektil põhinev jututuba EVA (Electronic Virtual Assistant), mis suudab koguda teadmisi tuhandetest allikatest ja anda lihtsaid vastuseid vähem kui 0,4 sekundiga. Tehisintellekti rakendustest leiate nii palju näiteid, mida leiate meie ühiskonna eri valdkondadest.
Tehisintellektis selle ekspertsüsteemiga edasi liikudes
Tehisintellekti ekspertsüsteem
Mis on ekspertsüsteem?
Standfordi ülikooli arvutiteaduse osakonna teadlased on tutvustanud seda tehisintellekti domeeni ja see on tehisintellekti silmapaistev uurimisvaldkond. See on arvutirakendus, mis suudab lahendada mis tahes konkreetse domeeni kõige keerukamaid probleeme. Seda peetakse inimese intelligentsuse ja asjatundlikkuse kõrgeimal tasemel, kuna see põhineb eksperdilt omandatud teadmistel. Ekspertsüsteemi saab määratleda ka kui arvutipõhist otsuste langetamise süsteemi, mis suudab lahendada keerukaid otsuste langetamise probleeme nii faktide kui ka heuristika abil.
Tehisintellektis selle ekspertsüsteemiga edasi liikudes
Domeenid, kus kasutatakse ekspertsüsteeme
Expert Systems täna
Ameerika meditsiiniliit kiitis heaks esimese ekspertsüsteemi, milleks oli Pathfinder süsteem. See ehitati Standfordi ülikool 1980. aastal hematopatoloogia diagnoosimiseks. See otsusteoreetiline ekspertsüsteem lühidalt Rajaleidja abil suudab diagnoosida lümfisõlmede haigusi. Lõpuks tegeleb see üle 60 haiguse ja suudab ära tunda üle 100 sümptomi.
Ekspertsüsteem äris
Hiljuti välja töötatud ekspertide süsteem ROSS, tehisintellekti advokaat, on ROSS iseõppiv süsteem, mis kasutab inimese aju töö jäljendamiseks andmekaevandamist, mustrite tuvastamist, sügavat õppimist ja loomuliku keele töötlemist.
Tehisintellektis selle ekspertsüsteemiga edasi liikudes
Peamised kasutusvaldkonnad
- Tõlgendamine - andmete põhjal kõrgetasemeliste järelduste tegemine.
- Ennustus - tõenäoliste tulemuste prognoosimine.
- Diagnoos - rikete, haiguste jms põhjuste väljaselgitamine
- Kujundus -olemaParim konfiguratsioon kriteeriumide alusel.
- Planeerimine - eesmärgi saavutamiseks tegevuste rea väljapakkumine.
- Jälgimine - täheldatud käitumise võrdlemine eeldatava käitumisega.
- Silumine ja parandamine - parandusmeetmete määramine ja rakendamine.
- Juhendamine - õpilaste abistamine õppimisel.
- Kontroll - süsteemi käitumise juhtimine.
Ekspertsüsteemi eesmärk
Ekspertsüsteemi peamine eesmärk on omandada inimekspertide teadmised ja korrata neid ekspertide teadmisi ja oskusi konkreetses valdkonnas. Siis kasutab süsteem neid teadmisi ja oskusi konkreetse piirkonna keeruliste probleemide lahendamiseks ilma inimekspertide osaluseta.
Ekspertsüsteemide omadused
- Suur jõudlus
- Arusaadav
- Usaldusväärne
- Väga reageeriv
Reeglipõhise või ekspertsüsteemi põhikomponendid
Peamised komponendid on:
- Teadmistepagas
- Töömälu
- Järelduste mootor
- Seletussüsteem
- Kasutajaliides
- Teadmistebaasi toimetaja
Tehisintellektis selle ekspertsüsteemiga edasi liikudes
ES-i kujundamise kolm etappi
Teadmiste omandamine:
Ekspertidelt teadmiste saamise protsess intervjueerides või inimeksperte jälgides, konkreetseid raamatuid lugedes jne.
Teadmistepagas:
Teadmistebaas on kvaliteetsete teadmiste mahuti. Oskused arenevad läbi praktika ja intelligentsus tuleneb teadmistest ilma teadmisteta, mida ei saa tõestada või kes ei suuda oma intelligentsust näidata, seega on teadmised oskuste arendamiseks ja intelligentsuse näitamiseks väga olulised. Sarnaselt nõutakse teadmisi, et masin ka oma intelligentsust näitaks. Ennustamise täpsus ja ka süsteemi jõudlus sõltuvad suuresti täiuslike, täpsete ja täpsete teadmiste kogumisest.
Mis on teadmine?
Teadmised on andmed või teave. Meile inimestele, lugedes artikleid ja lugedes raamatuid või erinevatest ressurssidest, mida me teadmiste kogumiseks kasutasime, kui näeme teadmiste omandamise ja rikastamise protsessi minutiga, leiame, et raamatuid lugedes, artikleid lugedes või mis tahes ressurssidest oleme andmete hankimine ja väljavõtmine erinevatest allikatest, mida me siis ajusse salvestasime. Nii et teadmised on andmed, teadmised on andmed. Teadmised on ka faktide kogumine.
Andmeid, teavet ja varasemaid kogemusi koos nimetatakse teadmisteks.
Teadmiste esindatus:
Teadmiste esitamine on meetod teadmiste esitamiseks kõige sobivamate struktuuride valimiseks. See on meetod teadmiste korrastamiseks ja vormistamiseks teadmistebaasis. Seda tehakse IF-THEN-MUU reeglite kujul.
Teadmiste kinnitamine:
ES-i teadmiste testimine on õige ja täielik.Kogu seda protsessi nimetatakse teadmistehnikaks.
Järeldusmootor:
Teadmistepõhise ES-i puhul omandab ja järeldab Mootor teadmusbaasist saadud teadmisi konkreetse lahenduse leidmiseks.
Reeglipõhise ES korral
- See rakendab reegleid korduvalt faktide kohta, mis on saadud reeglite varasemast rakendamisest.
- See lisab vajaduse korral teadmistesse uusi teadmisi.
- See lahendab reeglite vastuolu, kui konkreetsele juhtumile kohaldatakse mitut reeglit.
Inference Engine kasutab järgmisi strateegiaid ja miinus
- Edasi aheldamine
- Tagurpidi aheldamine
Edasi aheldamine
Edasikettimisel annab järelduste mootor tulemuse tingimuste ja tuletiste ahelat järgides. Ükskõik, milliseid teadmisi süsteemis toidetakse, läbib see kõik need teadmised ja faktid ning sorteerib need enne lahenduse sõlmimist. Edasise aheldamise meetodi abil püüab ekspertsüsteem vastata: 'Mis saab edasi?'
Edasise aheldamise rakendus: majahinna prognoos, aktsiaennustus, aktsiaturu prognoos jne.
Tagurpidi aheldamine
Kui konkreetses domeenis on midagi juhtunud, püüab Inference Engine välja selgitada, milline tingimus selle tulemuse jaoks varem olla võis. Tagurpidi aheldamise meetodil püüab ekspertsüsteem vastata: 'Miks see juhtus?'. Tagurpidi aheldamise meetodil püüab järeldusmootor välja selgitada põhjuse või põhjuse.
Näiteks: verevähi diagnoosimine inimestel.
kuidas dünaamilist massiivi deklareerida javas
Plussid miinused ja piirangud
Ekspertsüsteemi eelised
- Hoidke tohutult teavet
- Minimeerige töötajate koolituskulud
- Tsentraliseeri otsustusprotsess
- Tehke asjad tõhusamaks, vähendades probleemide lahendamiseks vajalikku aega
- Kombineeri erinevaid inimekspertide intelligentsusi
- Vähendage inimlike vigade arvu
- Pakkuge strateegilisi ja suhtelisi eeliseid, mis võivad konkurentidele probleeme tekitada
- Vaadake tehinguid, millele inimeksperdid ei pruugi mõelda
- Andke vastused korduvate otsuste, protsesside ja ülesannete kohta
Ekspertsüsteemi puudused:
- Loovate vastuste puudumine, milleks inimeksperdid on võimelised
- Ei suuda selgitada otsuse loogikat ja põhjendusi
- Keerulisi protsesse pole lihtne automatiseerida
- Puudub paindlikkus ja võime kohaneda muutuvate keskkondadega
- Ei suuda ära tunda, kui vastust pole
- Otsustamisel ei kasutata tervet mõistust
Piirangud:
- See ei suuda loovalt reageerida, kuna see on masin.
- Kui teadmusbaasi sisestatud andmed pole täpsed või õiged, annavad need valed ennustused ja valed tulemused.
- Ekspertsüsteemi hoolduskulud on kõrged.
- Erinevate probleemide ilmnemisel võib inimekspert anda erinevaid lahendusi ja loomingulisi vastuseid, kuid ekspertsüsteem ei anna loomingulisi vastuseid.
See viib meid tehisintellekti ekspertsüsteemide artikli lõpuni.
Kui soovite registreeruda tehisintellekti ja masinõppe kursusele, on Edurekal spetsiaalselt kureeritud mis aitab teil omandada selliseid tehnikaid nagu juhendatud õppimine, järelevalveta õppimine ja loomuliku keele töötlemine. See hõlmab koolitust tehisintellekti ja masinõppe uusimate edusammude ja tehniliste lähenemisviiside kohta, nagu sügavõpe, graafilised mudelid ja tugevdav õppimine.