Zgodovina, značilnosti strokovnih sistemov, prednosti, slabosti

The Strokovni sistemi Opredeljeni so kot računalniški sistemi, ki posnemajo sposobnost človeškega strokovnjaka na določenem področju. Uporabljajo tako hevristične strategije kot dejstva za reševanje zapletenih težav pri odločanju.

Zasnovani so za reševanje velikih težav s kompleksnostjo, sklepajo skozi baze znanja. Namesto da bi bili predstavljeni s kodo, ki temelji na postopku, to v bistvu storijo s pravili Si-Then.

Vir: Pixabay.com

Lahko se izrazijo in razmišljajo o nekem področju znanja, kar jim omogoča, da rešijo številne težave, ki bi na splošno potrebovali človeškega strokovnjaka. Strokovni sistemi so bili predhodniki trenutnih sistemov umetne inteligence, globokega učenja in samodejnega učenja.

Strokovni sistem ne more nadomestiti splošne uspešnosti delavca pri nalogi reševanja problemov. Vendar lahko drastično zmanjšajo količino dela, ki ga mora posameznik narediti za reševanje problema, pri čemer ljudem pusti ustvarjalne in inovativne vidike reševanja problemov.

Igrali so pomembno vlogo v številnih panogah, kot so finančne storitve, telekomunikacije, zdravstvena oskrba, storitve za stranke, video igre in proizvodnja.

[TOC]

Sistemska zmogljivost

Strokovni sistem vključuje dva podsistema: baza znanja, ki vsebuje nakopičena dejstva in izkušnje, ter sklepni motor, ki je niz pravil, ki jih je treba uporabiti za bazo znanja ali dejstva, ki so znana v vsaki določeni situaciji, da bi lahko sklepali nova dejstva.

Sistemske zmogljivosti je mogoče izboljšati z dodatki k bazi znanja ali naboru pravil.

Na primer, današnji strokovni sistemi se lahko tudi samodejno učijo, kar omogoča izboljšanje njihove učinkovitosti na podlagi izkušenj, kot to počnejo ljudje.

Poleg tega lahko sodobni sistemi lažje vključijo novo znanje in se tako preprosto posodobijo. Takšni sistemi se lahko bolje posplošijo od obstoječega znanja in obravnavajo velike količine zapletenih podatkov.

Zgodovina

- Začetni razvoj

Konec petdesetih let prejšnjega stoletja je začela doživljati možnost uporabe računalniške tehnologije za posnemanje odločitve. Na primer, za diagnostične aplikacije v medicini so se začeli ustvarjati računalniško pomoč.

Ti začetni diagnostični sistemi so vstopili v simptome bolnikov in rezultate laboratorijskih testov, da bi ustvarili diagnozo kot rezultat. To so bile prve oblike strokovnih sistemov.

- Glavni razvoj

V zgodnjih šestdesetih so bili razviti programi, ki so rešili dobro opredeljene težave. Na primer samodejne igre ali prevodi.

Ti programi so za reševanje logičnih in matematičnih problemov, ki so bili predstavljeni, zahtevali inteligentne tehnike sklepanja, vendar niso potrebovali veliko dodatnega znanja.

Raziskovalci so začeli opozoriti, da programi za reševanje številnih zanimivih težav ne bi morali biti sposobni samo razlagati težav, ampak so tudi potrebovali osnovno znanje, da bi jih popolnoma razumeli.

To je postopoma privedlo do razvoja strokovnih sistemov, ki so se bolj osredotočili na znanje.

Koncept strokovnih sistemov je leta 1965 uradno razvil Edward Feigenbaum, profesor na univerzi Stanford, EE.Uu.

Feigenbaum je pojasnil, da svet prehaja od obdelave podatkov do obdelave znanja, zahvaljujoč novim procesorjem in tehnologijo računalniške arhitekture.

DENDRAL

Na koncu šestdesetih je bil razvit eden prvih strokovnih sistemov, imenovan Dendral, ki je obravnaval analizo kemičnih spojin.

Dendralovo znanje je bilo sestavljeno iz sto pravil, ki so opisala interakcije kemijskih spojin. Ta pravila so bila posledica leta sodelovanja med kemikalijami in računalnikom.

Vam lahko služi: geometrijske tolerance: simboli, datum in primeri

- Zrelost

Strokovni sistemi so se v osemdesetih začeli širiti. Veliko število podjetij Fortune 500 je to tehnologijo uporabljalo v svojih dnevnih komercialnih dejavnostih.

V devetdesetih letih so številni dobavitelji poslovnih aplikacij, kot sta Oracle in SAP, v svoje izdelke vključili zmogljivosti strokovnih sistemov kot način razlage poslovne logike.

Značilnosti

- Raven izkušenj

Strokovni sistem mora ponuditi najvišjo raven izkušenj. Zagotavlja učinkovitost, natančnost in domiselno reševanje težav.

- Reakcija na čas

Uporabnik za dokaj previdno sodeluje s strokovnim sistemom. Čas te interakcije mora biti manjši od časa, da se za isti problem sprejme strokovnjak za dosego najbolj natančne rešitve.

- Zanesljivost

Strokovni sistem mora imeti dobro zanesljivost. Če želite to narediti, ne smete narediti nobene napake.

- Učinkovit mehanizem

Strokovni sistem mora imeti učinkovit mehanizem za upravljanje zbirke obstoječega znanja v njem.

- Obvladati težave

Strokovni sistem mora biti sposoben rešiti zahtevne težave in sprejemati prave odločitve za zagotavljanje rešitev.

- Komponente

Baza znanja

Gre za organizirano zbiranje podatkov, ki ustreza sistemu sistemske izkušnje.

S pomočjo intervjujev in opazovanj človeških strokovnjakov je treba vzeti dejstva, ki sestavljajo bazo znanja.

Motor sklepanja

Razlagati in oceniti dejstva v bazi znanja s pravili, da bi zagotovili priporočilo ali zaključek.

To znanje je predstavljeno v obliki proizvodnih pravil SI-Even: "Če je pogoj resničen, potem je mogoče narediti naslednji odbitek".

Zaključki

Verjetnostni faktor je pogosto pritrjen na zaključek vsakega pravila in končnega priporočila, ker dosežen zaključek ni absolutna gotovost.

Na primer, strokovni sistem za diagnozo očesnih bolezni lahko po predloženih informacijah kaže, da ima oseba glavkom z 90 -odstotno verjetnostjo.

Poleg tega se lahko pokaže zaporedje pravil, s katerim je bil dosežen zaključek. Spremljanje te verige pomaga oceniti verodostojnost priporočila in je uporabno kot učno orodje.

Fantje

Na podlagi pravil

V tem sistemu je znanje predstavljeno kot niz pravil. Pravilo je neposreden in prilagodljiv način izražanja znanja.

Pravilo je sestavljeno iz dveh delov: del "da", imenovan pogoj, in "takratni" del, imenovan odbitek. Osnovna skladnja pravila je: da (pogoj) potem (odbitek).

Na podlagi razpršene logike

Ko želite izraziti znanje z nejasnimi besedami kot "zelo majhne", "zmerno težko", "ne tako stara", je mogoče uporabiti razpršeno logiko.

Ta logika se uporablja za opis napačne definicije. Temelji na ideji, da so vse stvari opisane na spremenljivi lestvici.

Klasična logika deluje z dvema vrednostima gotovosti: true (1) in false (0). V difuzni logiki so vse vrednosti gotovosti izražene z resničnimi številkami v intervalu med 0 in 1.

Razpršena logika predstavlja znanje, ki temelji na stopnji resničnosti, namesto na absolutno resničnost klasične logike.

Nevron

S prednosti strokovnega sistema, ki temelji na pravilih, so združene tudi prednosti nevronske mreže, kot so učenje, posploševanje, trdnost in vzporedna obdelava informacij.

Lahko vam služi: omrežne topologije: koncept, vrste in njihove značilnosti, primeri

Ta sistem ima nevronsko bazo znanja, namesto tradicionalne baze znanja. Znanje je shranjeno kot pesos v nevronih.

Ta kombinacija omogoča nevronskemu strokovnemu sistemu, da upraviči svoje sklepe.

Nevronski difuso

Razpršena logična in nevronska omrežja so dopolnilna orodja za izgradnjo strokovnih sistemov.

Razpršeni sistemi nimajo sposobnosti učenja in se ne morejo prilagoditi novemu okolju. Po drugi strani, čeprav se nevronske mreže lahko naučijo, je njihov postopek zelo zapleten za uporabnika.

Sistemi nevronskih difuz lahko združijo zmogljivosti računalništva in učenja nevronske mreže z reprezentacijo človeškega znanja in razlagalnimi veščinami razpršenih sistemov.

Kot rezultat, nevronske mreže postanejo bolj pregledne, medtem ko se difuzni sistem lahko nauči.

Prednosti

Razpoložljivost

Strokovni sistemi so enostavno na voljo, kjer koli in kadar koli, zaradi množične proizvodnje programske opreme.

Zmanjšano tveganje

Podjetje lahko upravlja strokovnjaka v okoljih, ki so nevarni za ljudi. Uporabljajo jih lahko v katerem koli tveganem okolju, kjer ljudje ne morejo delati.

Poslovno znanje

Lahko postanejo vozilo za razvoj organizacijskega znanja, v nasprotju z znanjem posameznikov v podjetju.

Pojasnilo odziva

Lahko dajo ustrezno razlago svojega odločanja in podrobno izrazijo utemeljitev, ki jih je privedla do odgovora.

Ko se uporabljajo kot orodja za usposabljanje, imajo za posledico hitrejšo učno krivuljo za začetnike.

Hiter odgovor

Pomagajte pri hitri in natančni odgovori. Strokovni sistem lahko svoj del nalog zaključi veliko hitreje kot človeški strokovnjak.

Nizka stopnja napak

Stopnja napak uspešnih strokovnih sistemov je precej nizka, včasih precej nižja od stopnje napak človeka za isto nalogo.

Odgovor brez čustev

Strokovni sistemi delujejo, ne da bi bili navdušeni. Ne postavljajo napetih, utrujenih ali paničnih in nenehno delajo v izrednih razmerah.

Stalnost znanja

Strokovni sistem ohranja pomembno raven informacij. Ta vsebina znanja bo trajala v nedogled.

Hitro ustvarjanje prototipov

S strokovnim sistemom je mogoče vnesti nekatera pravila in razviti prototip v dneh, namesto mesecev ali let, ki so običajno povezani s kompleksnimi računalniškimi projekti.

Več izkušenj

Strokovni sistem je lahko zasnovan tako, da vsebuje znanje številnih kvalificiranih strokovnjakov in tako lahko rešuje zapletene težave.

To zmanjšuje stroške, da se za reševanje problemov zatečejo k strokovnim svetovalcem. So vozilo za pridobivanje virov znanja, ki jih je težko dobiti.

Slabosti

Pridobitev znanja

Vedno je težko pridobiti čas strokovnjakov na določenih področjih za vsako programsko aplikacijo, za strokovne sisteme.

Posledično se je velika količina raziskav v zadnjih letih osredotočila na orodja za pridobitev znanja, ki pomagajo avtomatizirati proces načrtovanja, čiščenja in vzdrževanja pravil, ki jih določajo strokovnjaki.

Sistemska integracija

Vključitev sistemov z bazami podatkov je bila za prve strokovne sisteme težko, saj so bila orodja predvsem v neznanih jezikih in platformah v podjetniških okoljih.

Vam lahko služi: tehnični izdelek

Kot rezultat tega smo si prizadevali za vključitev orodij strokovnih sistemov z podedovanimi okolji, s čimer je bil prenos na bolj standardne platforme.

Te težave so bile rešene predvsem s spremembo paradigme, saj so bili osebni računalniki v računalniškem okolju postopoma sprejeti kot legitimna platforma za razvoj resnih komercialnih sistemov.

Kompleksnost obdelave

S povečanjem velikosti baze znanja se kompleksnost obdelave poveča.

Na primer, če ima strokovni sistem 100 milijonov pravil, je očitno, da bi bil preveč zapleten in bi se soočil s številnimi računskimi težavami.

Motor za sklepanje mora biti sposoben obdelati veliko število pravil za odločitev.

Ko je preveč pravil, je tudi zapleteno, da so ta pravila odločanja skladna med seboj.

Prav tako je zapleteno prednostno določiti uporabo pravil za učinkovitejše delovanje ali kako rešiti nejasnosti.

Posodobitev znanja

Težava, povezana z bazo znanja, je, kako hitro in učinkovito posodobitve. Poleg tega, kako dodati novo znanje, to je, kje ga dodati med toliko pravil.

Prijave

Diagnoza in reševanje problemov

Povzema vse sisteme, ki sklepajo na napake in predlagajo korektivne ukrepe za postopek ali napravo, ki slabo deluje.

Eno prvih področij znanja, kjer je bila uporabljena tehnologija strokovnih sistemov, je bila medicinska diagnoza. Vendar je diagnoza inženirskih sistemov hitro presegla medicinsko diagnozo.

Diagnoza je mogoče izraziti kot: glede na dokaze, ki se pojavijo, kaj je osnovni problem, razlog ali vzrok?

Načrtovanje in programiranje

Ti strokovni sistemi analizirajo nabor ciljev za določitev niza dejanj, ki dosegajo te cilje, in zagotavljajo podroben vrstni red teh dejanj sčasoma, če upoštevamo gradivo, osebje in druge omejitve.

Primeri vključujejo programiranje letov in osebja letalskih prevoznikov ter načrtovanje proizvodnih procesov.

Finančne odločitve

Sistemi finančnih nasvetov so bili ustvarjeni za pomoč bankirjem ugotoviti, ali posojila posameznikom in podjetjem.

Zavarovalnice uporabljajo te strokovne sisteme za oceno tveganja, ki ga stranka predstavi, in tako določi ceno zavarovanja.

Spremljanje in nadzor obdelave

V realnem času analizirajo podatke fizičnih naprav, da bi opazili nepravilnosti, napovedovali trende in nadzorovali tako optimizacijo kot popravljanje napak.

Primeri teh sistemov so v industriji proizvodnje nafte in jekla.

Nasvet znanja

Glavna funkcija te aplikacije je zagotoviti pomembno znanje za uporabnikov problem v okolju tega problema.

V to kategorijo pripadata dvema strokovnjama, ki sta razporejeni z večjo amplitudo po vsem svetu.

Prvi od teh sistemov je svetovalec, ki uporabniku svetuje pravilno uporabo slovnice v besedilu.

Drugi je fiskalni svetovalec, ki je pritrjen na sistem za pripravo davkov. Svetovalec uporabnika o določeni davčni strategiji in politikah.

Reference

1. Guru99 (2019). Inteligenca v sistemu umetnega strokovnega strokovnega sistema: kaj je, aplikacije, primer. Vzeto od: Guru99.com.
2. Wikipedia, brezplačna enciklopedija (2019). Strokovni sistem. Vzeto od: v.Wikipedija.org.
3. Margaret Rouse (2019). Strokovni sistem. TechTarget. Vzeto od: SearchenterPriseai.TechTarget.com.
4. Vladimir Zwass (2019). Strokovni sistem. Enciklopedija, vzeta iz: Britannica.com.
5. WTEC (2019). Aplikacije strokovnih sistemov. Vzet iz: wtec.org.
6. Virus Nagori (2014). Vrste strokovnega sistema: primerjalna študija. Semantični učenjak.Vzeti iz: pdfs.SemanticsCholar.org.
7. Svet računalništva (2010). Strokovni sistemi. Vzeti iz: inteligenca.WorldOfcomputing.mreža.