Экспертная система это: Экспертная система (Expert system) · Loginom Wiki

Экспертная система | это… Что такое Экспертная система?

Экспе́ртная систе́ма (ЭС, англ. expert system) — компьютерная система, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации. Современные ЭС начали разрабатываться исследователями искусственного интеллекта в 1970-х годах, а в 1980-х получили коммерческое подкрепление. Предтечи экспертных систем были предложены в 1832 году С. Н. Корсаковым, создавшим механические устройства, так называемые «интеллектуальные машины», позволявшие находить решения по заданным условиям, например определять наиболее подходящие лекарства по наблюдаемым у пациента симптомам заболевания^[1].

В информатике экспертные системы рассматриваются совместно с базами знаний как модели поведения экспертов в определенной области знаний с использованием процедур логического вывода и принятия решений, а базы знаний — как совокупность фактов и правил логического вывода в выбранной предметной области деятельности.

Похожие действия выполняет такой программный инструмент как Мастер (англ. 

Wizard). Мастера применяются как в системных программах так и в прикладных для упрощения интерактивного общения с пользователем (например, при установке ПО). Главное отличие мастеров от ЭС — отсутствие базы знаний — все действия жестко запрограммированы. Это просто набор форм для заполнения пользователем.

Другие подобные программы — поисковые или справочные (энциклопедические) системы. По запросу пользователя они предоставляют наиболее подходящие (релевантные) разделы базы статей (представления об объектах областей знаний, их виртуальную модель).

Содержание 1 Структура ЭС интеллектуальных систем 2 Режимы функционирования 3 Классификация ЭС[1] 3.1 Классификация ЭС по решаемой задаче 3.2 Классификация ЭС по связи с реальным временем 4 Этапы разработки ЭС 5 Наиболее известные/распространённые ЭС 6 См. также 7 Ссылки 8 Литература

Структура ЭС интеллектуальных систем

^[2] представляет следующую структуру ЭС:

• Интерфейс пользователя
• Пользователь
• Интеллектуальный редактор базы знаний
• Эксперт
• Инженер по знаниям
• Рабочая (оперативная) память
• База знаний
• Решатель (механизм вывода)
• Подсистема объяснений

База знаний состоит из правил анализа информации от пользователя по конкретной проблеме. ЭС анализирует ситуацию и, в зависимости от направленности ЭС, дает рекомендации по разрешению проблемы.

Как правило, база знаний экспертной системы содержит факты (статические сведения о предметной области) и правила — набор инструкций, применяя которые к известным фактам можно получать новые факты.

В рамках логической модели баз данных и базы знаний записываются на языке Пролог с помощью языка предикатов для описания фактов и правил логического вывода, выражающих правила определения понятий, для описания обобщенных и конкретных сведений, а также конкретных и обобщенных запросов к базам данных и базам знаний.

Конкретные и обобщенные запросы к базам знаний на языке Пролог записываются с помощью языка предикатов, выражающих правила логического вывода и определения понятий над процедурами логического вывода, имеющихся в базе знаний, выражающих обобщенные и конкретные сведения и знания в выбранной предметной области деятельности и сфере знаний.

Обычно факты в базе знаний описывают те явления, которые являются постоянными для данной предметной области. Характеристики, значения которых зависят от условий конкретной задачи, ЭС получает от пользователя в процессе работы, и сохраняет их в рабочей памяти. Например, в медицинской ЭС факт «У здорового человека 2 ноги» хранится в базе знаний, а факт «У пациента одна нога» — в рабочей памяти.

База знаний ЭС создается при помощи трех групп людей:

1. эксперты той проблемной области, к которой относятся задачи, решаемые ЭС;
2. инженеры по знаниям, являющиеся специалистами по разработке ИИС;
3. программисты, осуществляющие реализацию ЭС.

Режимы функционирования

ЭС может функционировать в 2-х режимах.

1. Режим ввода знаний — в этом режиме эксперт с помощью инженера по знаниям посредством редактора базы знаний вводит известные ему сведения о предметной области в базу знаний ЭС.
2. Режим консультации — пользователь ведет диалог с ЭС, сообщая ей сведения о текущей задаче и получая рекомендации ЭС. Например, на основе сведений о физическом состоянии больного ЭС ставит диагноз в виде перечня заболеваний, наиболее вероятных при данных симптомах.

Классификация ЭС[1]

Классификация ЭС по решаемой задаче

• Интерпретация данных
• Диагностирование
• Мониторинг
• Проектирование
• Прогнозирование
• Сводное Планирование
• Обучение
• Управление
• Ремонт
• Отладка

Классификация ЭС по связи с реальным временем

• Статические ЭС — это ЭС, решающие задачи в условиях не изменяющихся во времени исходных данных и знаний.
• Квазидинамические ЭС интерпретируют ситуацию, которая меняется с некоторым фиксированным интервалом времени.
• Динамические ЭС — это ЭС, решающие задачи в условиях изменяющихся во времени исходных данных и знаний.

Этапы разработки ЭС

• Этап идентификации проблем — определяются задачи, которые подлежат решению, выявляются цели разработки, определяются эксперты и типы пользователей.
• Этап извлечения знаний — проводится содержательный анализ проблемной области, выявляются используемые понятия и их взаимосвязи, определяются методы решения задач.
• Этап структурирования знаний — выбираются ИС и определяются способы представления всех видов знаний, формализуются основные понятия, определяются способы интерпретации знаний, моделируется работа системы, оценивается адекватность целям системы зафиксированных понятий, методов решений, средств представления и манипулирования знаниями.
• Этап формализации — осуществляется наполнение экспертом базы знаний. В связи с тем, что основой ЭС являются знания, данный этап является наиболее важным и наиболее трудоемким этапом разработки ЭС. Процесс приобретения знаний разделяют на извлечение знаний из эксперта, организацию знаний, обеспечивающую эффективную работу системы, и представление знаний в виде, понятном ЭС. Процесс приобретения знаний осуществляется инженером по знаниям на основе анализа деятельности эксперта по решению реальных задач.
• Реализация ЭС — создается один или несколько прототипов ЭС, решающие требуемые задачи.
• Этап тестирования — производится оценка выбранного способа представления знаний в ЭС в целом.

Наиболее известные/распространённые ЭС

• CLIPS — весьма популярная оболочка для построения ЭС (public domain)
• OpenCyc — мощная динамическая ЭС с глобальной онтологической моделью и поддержкой независимых контекстов
• WolframAlpha — поисковая система, интеллектуальный «вычислительный движок знаний»
• MYCIN — наиболее известная диагностическая система, которая предназначена для диагностики и наблюдения за состоянием больного при менингите и бактериальных инфекциях.
• HASP/SIAP — интерпретирующая система, которая определяет местоположение и типы судов в Тихом океане по данным акустических систем слежения.
• Акинатор — интернет-игра. Игрок должен загадать любого персонажа, а Акинатор должен его отгадать, задавая вопросы. База знаний автоматически пополняется, поэтому программа может отгадать практически любого известного персонажа.

См. также

• Автоматизированная система управления
• База знаний
• Искусственный интеллект
• Искусственная нейронная сеть
• Логический вывод
• Система поддержки принятия решений
• Логическое программирование
• Язык Пролог
• Rete
• Вопросно-ответная система

Ссылки

• Иерархический рубрикатор интеллектуальных систем РИС2004-02.1-И (проект)
• Глава в учебнике по Прологу, посвящённая экспертным системам
• Статьи по экспертным системам: от введения до разработки
• Экспертная система выбора автомобиля
• Самоучитель по экспертным системам
• Экспертные системы (Электронный учебник по информатике)

Литература

1. ↑ Интеллектуальные машины С. Н. Корсакова
2. ↑ Гаврилова Т. А., Хорошевский В. Ф. Базы знаний интеллектуальных систем. Учебник. — СПб.: Питер, 2000.

• Субботін С. О. Подання й обробка знань у системах штучного інтелекту та підтримки прийняття рішень: Навчальний посібник. — Запоріжжя: ЗНТУ, 2008. — 341 с.
• Джозеф Джарратано, Гари Райли «Экспертные системы: принципы разработки и программирование» : Пер. с англ. — М. : Издательский дом «Вильямс», 2006. — 1152 стр. с ил.
• Питер Джексон Введение в экспертные системы = Introduction to Expert Systems. — 3-е изд. — М.: Вильямс, 2001. — С. 624. — ISBN 0-201-87686-8
• Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ: Пер. с англ. В. А. Кондратенко, С. В. Трубицына. — М.: Финансы и статистика, 1990. — 320 с.
• Уотермен Д. «Руководство по экспертным системам: Пер. с англ. под ред. В. Л. Стефанюка. — М.: «Мир», 1989: — 388 стр. с ил.

Экспертная система.

Классификация. Обзор существующих экспертных систем

Автор: Дошина Анна Дмитриевна

Рубрика: Информационные технологии

Опубликовано в Молодой учёный №21 (125) ноябрь-1 2016 г.

Дата публикации: 21.10.2016 2016-10-21

Статья просмотрена: 12952 раза

Скачать электронную версию

Скачать Часть 8 (pdf)

Библиографическое описание:

Дошина, А. Д. Экспертная система. Классификация. Обзор существующих экспертных систем / А. Д. Дошина. — Текст : непосредственный // Молодой ученый. — 2016. — № 21 (125). — С. 756-758. — URL: https://moluch.ru/archive/125/34485/ (дата обращения: 08.11.2022).



Keywords: expert system, structure expert system, classification of expert systems.

Экспертная система (ЭС, англ.expertsystem) — компьютерная система, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации. Современные экспертные системы взяли свое начало в 1970-х годах с трудов исследователей искусственного интеллекта, а в 1980-х получили коммерческое подкрепление. Первые подобия экспертных систем были предложены в 1832 году С. Н. Корсаковым, создавшим механические устройства, так называемые «интеллектуальные машины», позволявшие отыскать решения по некоторым условиям. Примером такой системы является система, позволяющая подбирать необходимые медицинские препараты по симптомам заболевания пациента.

В сфере информационных технологий экспертные системы рассматриваются в совокупности с базами знаний как модели поведения экспертов в определенной области знаний с использованием процедур логического вывода и принятия решений, а базы знаний — как совокупность фактов и правил логического вывода в выбранной предметной области деятельности.

Подобные задачи выполняет программный продукт, называемый «Мастер» (англ. Wizard). Мастера применяются в прикладных и системных программах для упрощения интерактивного общения с пользователем. Основным отличием данных программ — это отсутствие базы знаний — все действия запрограммированы.

Другие подобные программы — поисковые или справочные (энциклопедические) системы. Они предоставляют релевантные, т. е. подходящие запросу пользователя, разделы базы статей.

В настоящее время «классическая» концепция экспертных систем 70–80 годов переживает серьезный кризис, связанный с её сильной ориентацией на текстовый человеко-машинный интерфейс, почти полностью вытесненный графическим интерфейсом (GUI). Помимо этого, «классическая» концепция экспертных систем плохо согласуется с реляционной моделью данных, что создает сложности в работе с современными промышленными системами управления базами данных (СУБД). Время от времени энтузиастами предпринимаются попытки объединить «классический» и современный подход к построению пользовательского интерфейса, но они не находят поддержки среди крупных компаний-производителей.

Структура ЭС

В состав ЭС входят следующие элементы:

‒ Интерфейс пользователя

‒ Пользователь

‒ Интеллектуальный редактор базы знаний

‒ Эксперт

‒ Инженер по знаниям

‒ Рабочая (оперативная) память

‒ База знаний

‒ Решатель (механизм вывода)

‒ Подсистема объяснений

База знаний содержит в себе правила анализа информации по проблеме, полученной от пользователя. ЭС анализирует эту информацию и дает рекомендации по разрешению конкретной проблемы.

База знаний состоит из двух составляющих:

 факты — статические сведения о предметной области;

 правила — набор инструкций, который позволяет выводить новые факты, исходя из уже известных.

В рамках логической модели базы знаний формируются на языке Пролог с помощью предикатов для описания фактов и правил логического вывода.

Обычно факты в базе знаний описывают те явления, которые являются постоянными для данной предметной области. Данные, зависящие от условий конкретной задачи, ЭС получает от пользователя в процессе работы и сохраняет в рабочей памяти.

База знаний ЭС создается при помощи трех групп людей:

1. эксперты той проблемной области, к которой относятся задачи, решаемые ЭС;
2. инженеры по знаниям, являющиеся специалистами по разработке ИИС;
3. программисты, осуществляющие реализацию ЭС.

Режимы функционирования

ЭС может функционировать в 2-х режимах:

1. Режим ввода знаний — эксперт с помощью инженера по знаниям вводит сведения о предметной области посредством редактора базы знаний.
2. Режим консультации — пользователь ведет диалог с ЭС, сообщая ей о текущей задаче, и получает рекомендации.

Классификация ЭС

По решаемой задаче:

‒ Интерпретация данных;

‒ Диагностирование;

‒ Мониторинг;

‒ Проектирование;

‒ Прогнозирование;

‒ Сводное планирование;

‒ Оптимизация;

‒ Обучение;

‒ Управление;

‒ Ремонт;

‒ Отладка.

По связи среальным временем:

 Статические — решающие задачи в условиях, не изменяющихся во времени исходных данных и знаний.

 Квазидинамические — интерпретируют ситуацию, которая меняется с некоторым фиксированным интервалом времени.

 Динамические — решающие задачи в условиях изменяющихся во времени исходных данных и знаний.

Этапы разработки ЭС

‒ Этап идентификации проблем — определяются задачи, которые подлежат решению, выявляются цели разработки, определяются эксперты и типы пользователей.

‒ Этап извлечения знаний — проводится содержательный анализ проблемной области, выявляются используемые понятия и их взаимосвязи, определяются методы решения задач.

‒ Этап структурирования знаний — выбираются ИС и определяются способы представления всех видов знаний, формализуются основные понятия, определяются способы интерпретации знаний, моделируется работа системы, оценивается адекватность целям системы зафиксированных понятий, методов решений, средств представления и манипулирования знаниями.

‒ Этап формализации — осуществляется наполнение экспертом базы знаний. В связи с тем, что основой ЭС являются знания, данный этап является наиболее важным и наиболее трудоемким этапом разработки ЭС. Процесс приобретения знаний разделяют на извлечение знаний из эксперта, организацию знаний, обеспечивающую эффективную работу системы, и представление знаний в виде, понятном ЭС. Процесс приобретения знаний осуществляется инженером по знаниям на основе анализа деятельности эксперта по решению реальных задач.

‒ Реализация ЭС — создается один или несколько прототипов ЭС, решающие требуемые задачи.

‒ Этап тестирования — производится оценка выбранного способа представления знаний в ЭС в целом.

Наиболее известные ЭС

 CLIPS — весьма популярная оболочка для построения ЭС. CLIPS является продукционной системой. Реализация вывода использует алгоритм Rete. CLIPS является одной из наиболее широко используемых инструментальных сред для разработки экспертных систем благодаря своей скорости, эффективности и бесплатности.CLIPS разработан для применения в качестве языка прямогологического вывода(forward chaining) и в своей оригинальной версии не поддерживает обратного вывода (backward chaining). Как и другие экспертные системы, CLIPS имеет дело с правилами и фактами.

 OpenCyc — мощная динамическая ЭС с глобальной онтологической моделью и поддержкой независимых контекстов. OpenCyc является сокращенным открытый вариантомбазы знаний Cyc. В БД OpenCyc содержится 47000 понятий и 300000 фактов.

 WolframAlpha — база знаний и набор вычислительных алгоритмов, интеллектуальный «вычислительный движок знаний». Wolfram Alpha вычисляет ответы на большое количество разнообразных вопросов. Для подбора ответов механизм использует встроенные модели из разных областей знаний, заполненные данными и алгоритмами, которые и представляют собой реальные познания.

 MYCIN — наиболее известная диагностическая система, которая предназначена для диагностики и наблюдения за состоянием больного при менингите и бактериальных инфекциях. Также Mycin использовалась для диагностики заболеваний свертываемости крови. MYCIN оперировала с помощью довольно простоймашины вывода, и базы знаний из ~600 правил.

 HASP/SIAP — интерпретирующая система, которая определяет местоположение и типы судов в Тихом океане по данным акустических систем слежения. Данные имеют вид сонограмм, являющихся аналоговыми записями спектров принятой датчиками звуковой энергии. Для их интерпретации система применяет знания о характерных особенностях сонограмм различных типов кораблей.

 Акинатор — интернет-игра. Игрок должен загадать любого персонажа, а Акинатор должен его отгадать, задавая вопросы. База знаний автоматически пополняется, поэтому программа может отгадать практически любого известного персонажа. На каждом вопросе Акинатор пытается выбрать такой вопрос, который отсеет наибольшее количество вариантов. Каждый раз после вашего ответа у Акинатора «в голове» остаётся список персонажей, которые соответствуют вашим ответам.

 IBMWatson — суперкомпьютер фирмы IBM, способный понимать вопросы, сформулированные на естественном языке, и находить на них ответы в базе данных. В первую очередь Watson стали учить медицине, а конкретно, онкологии. Архитектура Watson такова, что позволяет осуществлять параллельные и распределенные вычисления, т. е. сразу работать с множеством задач в параллельном режиме. Watson способен работать с супербольшими данными, т. е. структурированной и неструктурированной информацией.

Вывод

В настоящее время экспертные системы используются во многих областях нашей жизни: банковское дело, бухгалтерский учет, медицинские обследования и т. д. Но использование экспертных систем неоднозначно. Наряду с тем, что они облегчают работу, при неумелом и не спланированном использовании экспертные системы могут только усложнить ситуацию. Это обусловлено тем, что универсальная экспертная система, не включающая в себя спецификации определенных компаний, не может дать гарантированно правильный ответ.

Несмотря на некоторые недостатки, за экспертными системами будущее. Постоянное совершенствование подобных систем неизбежно приведет к активному их использованию во всех сферах человеческой жизни. Конечно, компьютер не сможет полностью заменить человека, потому что только человек способен находить творческие, нестандартные решения, но сможет сильно облегчить работу эксперта.

Литература:

1. Сложносистемное мышление: Материя, разум, человечество. Майнцер, Клаус. Серия:Синергетика: от прошлого к будущему
2. 2009 г.; Изд-во: М.: Книжный дом «Либроком»
3. Интеллектуальные системы управления организационно-техническими системами. Антамошин, А.Н.; Близнова, О.В.; Большаков, А.А. и др. 2016 г.; Изд-во: М.: Горячая линия — Телеком.
4. Принятие решений. Интегрированные интеллектуальные системы. Арсеньев, Ю.Н.; Шелобаев, С.И.; Давыдова, Т.Ю. 2003 г.; Изд-во: М.: Юнити-Дана
5. Искусственный интеллект. Стратегии и методы решения сложных проблем. Люгер, Джордж Ф. 2003 г.; Изд-во: М.: Вильямс.
6. Масленникова, О.Е.; Попова, И. В. Основы искусственного интеллекта. 2008 г.; Изд-во: Магнитогорск: Магнитогорский государственный университет

Основные термины (генерируются автоматически): CLIPS, баз знаний, база знаний, система, MYCIN, задача, знание, логический вывод, предметная область, проблемная область.

Ключевые слова

экспертная система, состав экспертной система, классификация экспертных систем

экспертная система, состав экспертной система, классификация экспертных систем

Похожие статьи

Экспертные

системы | Статья в журнале «Молодой ученый»

Другие примеры таких систем: MYCIN (для диагностики инфекционных заболеваний) и PROSPECTOR (используется для разведки полезных ископаемых).

− режим консультации. Три группы людей, которые создают базы знаний экспертной системы

Экспертные

системы | Статья в журнале «Молодой ученый»

Экспертная система — это программное средство, использующее знания эксперта для обеспечения эффективного решения неформализованных задач в узкой предметной области. Основу экспертных систем составляет база знаний о предметной области…

Обзор методов формирования

баз знаний | Статья в сборнике…

Системы баз знаний давно признаны одним из самых эффективных инструментов в проектировании информационных систем. Качество функционирования системы существенно зависит от содержимого его базы знаний.

Анализ методов искусственного интеллекта САПР технологических…

экспертная система, CLIPS, система, предметная область, баз знаний, работа, логический вывод, навигационная модель ЭС, уровень декомпозиции, формализация знаний.

Применение экспертных

систем для анализа и оценки…

информационная безопасность, экспертная система, система, эксперт, искусственный интеллект, математический аппарат, нечеткая логика, предметная область, алгоритм действий, баз знаний.

Знания и системы, основанные на знаниях | Статья в журнале…

фрейм, семантическая сеть, предметная область, продукционная модель, знание, система, формальная логическая модель, наследование свойств, сеть фреймов, баз знаний.

Исследование методов применения СППР в

задаче…

Представление знаний, знание, предметная область, нечеткая логика, интеллектуальная система, вычислительная сеть, иерархическое представление, баз знаний, текущее состояние, сеть.

Экспертные

системы: элективный курс (электронное учебное…)

Экспертные системы — это прикладные системы ИИ, в которых база знаний представляет собой формализованные эмпирические знания высококвалифицированных специалистов (экспертов) в какой либо узкой предметной области.

Использование нечетких экспертных

систем для мониторинга…

система, нечеткий вывод, железнодорожный транспорт, нечеткая логика, Рисунок, переменная, правило, терм, нечеткий логический вывод, предметная область.

Похожие статьи

Экспертные

системы | Статья в журнале «Молодой ученый»

Другие примеры таких систем: MYCIN (для диагностики инфекционных заболеваний) и PROSPECTOR (используется для разведки полезных ископаемых).

− режим консультации. Три группы людей, которые создают базы знаний экспертной системы

Экспертные

системы | Статья в журнале «Молодой ученый»

Экспертная система — это программное средство, использующее знания эксперта для обеспечения эффективного решения неформализованных задач в узкой предметной области. Основу экспертных систем составляет база знаний о предметной области…

Обзор методов формирования

баз знаний | Статья в сборнике…

Системы баз знаний давно признаны одним из самых эффективных инструментов в проектировании информационных систем. Качество функционирования системы существенно зависит от содержимого его базы знаний.

Анализ методов искусственного интеллекта САПР технологических…

экспертная система, CLIPS, система, предметная область, баз знаний, работа, логический вывод, навигационная модель ЭС, уровень декомпозиции, формализация знаний.

Применение экспертных

систем для анализа и оценки…

информационная безопасность, экспертная система, система, эксперт, искусственный интеллект, математический аппарат, нечеткая логика, предметная область, алгоритм действий, баз знаний.

Знания и системы, основанные на знаниях | Статья в журнале…

фрейм, семантическая сеть, предметная область, продукционная модель, знание, система, формальная логическая модель, наследование свойств, сеть фреймов, баз знаний.

Исследование методов применения СППР в

задаче…

Представление знаний, знание, предметная область, нечеткая логика, интеллектуальная система, вычислительная сеть, иерархическое представление, баз знаний, текущее состояние, сеть.

Экспертные

системы: элективный курс (электронное учебное…)

Экспертные системы — это прикладные системы ИИ, в которых база знаний представляет собой формализованные эмпирические знания высококвалифицированных специалистов (экспертов) в какой либо узкой предметной области.

Использование нечетких экспертных

систем для мониторинга…

система, нечеткий вывод, железнодорожный транспорт, нечеткая логика, Рисунок, переменная, правило, терм, нечеткий логический вывод, предметная область.

Что такое экспертная система?

По

• Бен Луткевич, Технический писатель

Что такое экспертная система?

Экспертная система — это компьютерная программа, использующая технологии искусственного интеллекта (ИИ) для имитации суждений и поведения человека или организации, обладающих знаниями и опытом в определенной области.

Экспертные системы обычно предназначены для дополнения, а не замены экспертов-людей.

Концепция экспертных систем была разработана в 1970-х годах ученым-компьютерщиком Эдвардом Фейгенбаумом, профессором компьютерных наук Стэнфордского университета и основателем Стэнфордской лаборатории систем знаний. Мир переходил от обработки данных к «обработке знаний», сказал Фейгенбаум в рукописи 1988 года. Это означало, что компьютеры могли выполнять больше, чем простые вычисления, и были способны решать сложные задачи благодаря новой процессорной технологии и компьютерной архитектуре, пояснил он.

Как работает экспертная система?

Современные системы экспертных знаний используют машинное обучение и искусственный интеллект для имитации поведения или суждений экспертов в предметной области. Эти системы могут улучшать свою производительность с течением времени по мере накопления опыта, как и люди.

Экспертные системы накапливают опыт и факты в базе знаний и объединяют их с механизмом вывода или правил — набором правил для применения базы знаний к ситуациям, предоставляемым программе.

Механизм вывода использует один из двух методов получения информации из базы знаний:

1. Прямая цепочка считывает и обрабатывает набор фактов, чтобы сделать логический прогноз того, что произойдет дальше. Примером форвардной цепочки могут быть предсказания движения фондового рынка.
2. Обратная цепочка считывает и обрабатывает набор фактов, чтобы прийти к логическому заключению о том, почему что-то произошло. Примером обратной цепочки может быть изучение набора симптомов для постановки медицинского диагноза.

Экспертная система зависит от наличия хорошей базы знаний. Эксперты добавляют информацию в базу знаний, а неспециалисты используют систему для решения сложных проблем, для решения которых обычно требуется участие человека-эксперта.

Процесс создания и обслуживания экспертной системы называется инженерией знаний. Инженеры по знаниям гарантируют, что экспертные системы имеют всю необходимую информацию для решения проблемы. Для этого они используют различные методологии представления знаний, такие как символические шаблоны. Возможности системы можно расширить за счет расширения базы знаний или создания новых наборов правил.

Какие компоненты экспертной системы?

Экспертная система состоит из трех основных компонентов:

• База знаний. Здесь хранится информация, которую использует экспертная система. Эксперты-люди предоставляют факты о конкретной области или предметной области экспертной системы, которые организованы в базе знаний. База знаний часто содержит модуль сбора знаний, который позволяет системе собирать знания из внешних источников и сохранять их в базе знаний.
• Механизм логического вывода. Эта часть системы извлекает необходимую информацию из базы знаний для решения проблемы пользователя. Это система, основанная на правилах, которая отображает известную информацию из базы знаний в набор правил и принимает решения на основе этих входных данных. Механизмы логического вывода часто включают модуль объяснения, который показывает пользователям, как система пришла к такому выводу.
• Пользовательский интерфейс . Это часть экспертной системы, с которой взаимодействуют конечные пользователи, чтобы получить ответ на свой вопрос или проблему.

Знания начинаются с человека-эксперта (в правой части блок-схемы) и проходят через экспертную систему, где они обрабатываются, чтобы неопытный пользователь (слева) мог запросить систему и получить ответ.

Применение экспертных систем

Экспертные системы могут быть эффективными в определенных областях или предметных областях, где от экспертов требуется ставить диагнозы, суждения или прогнозы.

Эти системы сыграли большую роль во многих отраслях, включая следующие:

• Финансовые услуги, , где они принимают решения об управлении активами, выступают в роли роботов-консультантов и делают прогнозы поведения различных рынков и других финансовых показателей.
• Машиностроение, где устраняют неисправности сложных электромеханических машин.
• Телекоммуникации, , где они используются для принятия решений об используемых сетевых технологиях и обслуживании существующих сетей.
• Здравоохранение, , где они помогают с медицинскими диагнозами.
• Сельское хозяйство, , где прогнозируют ущерб урожаю.
• Служба поддержки клиентов, , где они помогают планировать заказы, направлять запросы клиентов и решать проблемы.
• Транспорт, , где они вносят свой вклад в ряде областей, включая состояние дорожного покрытия, управление светофорами, проектирование дорог, планирование и техническое обслуживание автобусов и поездов, а также схемы авиационных полетов и управление воздушным движением.
• Law, , где автоматизация начинает использоваться для оказания юридических услуг, а также для оценки гражданских дел и оценки ответственности за качество продукции.

Примеры экспертных систем

Используемые экспертные системы включают следующие примеры:

• CaDet (Инструмент поддержки принятия решений по раку) используется для выявления рака на самых ранних стадиях.
• DENDRAL помогает химикам идентифицировать неизвестные органические молекулы.
• DXplain — это система клинической поддержки, которая диагностирует различные заболевания.
• MYCIN идентифицирует бактерии, такие как бактериемия и менингит, и рекомендует антибиотики и дозы.
• PXDES определяет тип и тяжесть рака легких у человека.
• R1/XCON — это экспертная система раннего производства, которая автоматически выбирает и заказывает компьютерные компоненты на основе спецификаций заказчика.

Преимущества экспертных систем

Экспертные системы имеют несколько преимуществ по сравнению с использованием экспертов-людей:

• Точность . Экспертные системы не подвержены человеческим ошибкам или эмоциональному влиянию. Они принимают решения на основе определенных правил и фактов.
• Постоянство. Люди-эксперты со временем уходят со своей должности, и вместе с ними может уйти много специфических знаний. Системы, основанные на знаниях, обеспечивают постоянное хранилище знаний и информации.
• Логическая дедукция. Экспертные системы делают выводы из существующих фактов, используя различные типы правил, например правила «если-то».
• Контроль затрат. Экспертные системы относительно недороги по сравнению со стоимостью найма экспертов. Они могут помочь принимать решения более эффективно, что экономит время и сокращает расходы.
• Несколько экспертов. Несколько экспертов вносят свой вклад в базу знаний экспертной системы. Это дает больше информации, из которой можно извлечь информацию, и не позволяет какому-либо одному эксперту исказить процесс принятия решений.

Проблемы экспертных систем

Среди недостатков экспертных систем можно отметить следующие:

• Линейное мышление. Экспертным системам не хватает реальной способности решать проблемы. Одно из преимуществ человеческого интеллекта состоит в том, что он может рассуждать нелинейно и использовать дополнительную информацию, чтобы делать выводы.
• Отсутствие интуиции. Человеческая интуиция позволяет людям использовать здравый смысл и интуицию для решения проблем. У машин нет интуиции. И имитация принятия решений на основе интуиции с использованием механической логики может занять гораздо больше времени, чем эксперт, использующий внутренние эвристические знания, чтобы прийти к быстрому выводу.
• Отсутствие эмоций.  В некоторых случаях — например, при медицинских диагнозах — человеческие эмоции полезны и необходимы. Например, раскрытие конфиденциальной медицинской информации пациенту требует эмоционального интеллекта, которого может не быть у экспертной системы.
• Точки отказа. Экспертные системы хороши ровно настолько, насколько хороша их база знаний. Если им предоставить неточную информацию, это может поставить под угрозу их решения.

Экспертные системы требуют использования ИИ для удовлетворения постоянно растущих требований к обработке данных. Из этого полного руководства вы узнаете о хостинге и внедрении ИИ на предприятии .

Последнее обновление: июль 2022 г.

Продолжить чтение Об экспертной системе

• Как стать инженером по искусственному интеллекту

• Нейросимволический ИИ становится новым мощным подходом

• Системы искусственного интеллекта нуждаются в рейтинге Energy Star, говорит эксперт по политике

• Базы знаний полезны для обслуживания клиентов, обучения колл-центра

• Чем отличается управление информацией от управления знаниями?

Копайте глубже на платформах машинного обучения

• Примеры гибридного ИИ демонстрируют его ценность для бизнеса

  Автор: Лиза Морган

• инженерия знаний

  Автор: Бен Луткевич

• искусственный общий интеллект (AGI)

  Автор: Бен Луткевич

• Использование корпоративного гибридного ИИ будет расти

  Автор: Лиза Морган

ПоискБизнесАналитика

• Qlik запускает новую облачную платформу для интеграции данных

  Новая интеграционная платформа как услуга объединяет возможности подготовки и каталогизации данных в одном месте, позволяя организациям. ..

• Избирательные кампании признают необходимость аналитики в политике

  В настоящее время кандидаты используют данные для создания профилей потенциальных избирателей и охвата их информационно-просветительской работы почти так же, как предприятия …

• Модернизация талантов — один из ключей к успеху в аналитике

  Добавление главного сотрудника по данным, найм инженеров по данным и внедрение программы грамотности в отношении данных являются важными аспектами достижения …

ПоискCIO

• Мышление венчурного капитала помогает ИТ-директорам справляться с технологическим потоком

  По мере того, как ИТ-директора и директора по информационной безопасности стремятся к инновациям, может потребоваться изменение мышления. Они могут брать пример с венчурных капиталистов и думать о своих идеях…

• Модерация контента под руководством Маска не приведет к правовой реформе

  Хотя Маск сталкивается с юридическими и деловыми проблемами с момента захвата Twitter, маловероятно, что модерация его контента. ..

• 4 совета по лидерству в области устойчивого развития от основателя Impossible Foods

  Патрик Браун из Impossible Foods является доказательством того, что акцент на борьбе с изменением климата может способствовать успеху на рынке. Вот четыре устойчивости …

SearchDataManagement

• Momento ускоряет работу баз данных с помощью бессерверного кэширования данных

  Стартап создал новую платформу, которая позволяет организациям легче масштабировать и ускорять запросы к базам данных в облаке …

• Aerospike Cloud расширяет возможности службы баз данных в режиме реального времени

  В 2022 году поставщик базы данных неуклонно совершенствовал свою основную технологию базы данных с поддержкой JSON и Trino и в настоящее время создает …

• Alation собирается улучшить интеллектуальный анализ данных с новыми $ 123 млн.

  Поставщик аналитики данных, который стремится помочь предприятиям организовать данные с помощью технологии каталога данных, видит успех в сборе средств…

ПоискERP

• Почему RFID для управления цепочками поставок по-прежнему актуален

  RFID — сравнительно старая технология, но она все еще актуальна для управления цепочками поставок. Узнайте о некоторых потенциальных возможностях использования в логистике…

• В последней презентации Oracle ERP партнерство с облачными технологиями признано необходимым

  Редакторы TechTarget обсуждают новости корпоративных приложений с Oracle CloudWorld 2022 и упор Oracle на партнерские …

• Проекты устойчивого развития бизнеса требуют грамотного анализа данных

  В этом вопросе и ответе Стивен Киз из IFS обсуждает, почему проекты устойчивого развития для организаций являются сложными задачами, но данные . ..

экспертная система | информатика

Ключевые люди:

Эдвард Альберт Фейгенбаум Джошуа Ледерберг

Связанные темы:

МИЦИН ДЕНДРАЛ экспертная система на основе правил производственное правило база знаний

Просмотреть весь связанный контент →

экспертная система , компьютерная программа, которая использует методы искусственного интеллекта для решения проблем в специализированной области, которая обычно требует человеческого опыта. Первая экспертная система была разработана в 1965 Эдварда Фейгенбаума и Джошуа Ледерберга из Стэнфордского университета в Калифорнии, США. Dendral, как позже была известна их экспертная система, была разработана для анализа химических соединений. В настоящее время экспертные системы имеют коммерческое применение в таких разнообразных областях, как медицинская диагностика, нефтегазовая инженерия и финансовые инвестиции.

Для достижения очевидного интеллекта экспертная система опирается на два компонента: базу знаний и механизм логического вывода. База знаний — это организованный набор фактов о предметной области системы. Механизм логического вывода интерпретирует и оценивает факты в базе знаний, чтобы дать ответ. Типичные задачи для экспертных систем включают классификацию, диагностику, мониторинг, проектирование, планирование и планирование специализированных мероприятий.

Викторина «Британника»

Викторина «Компьютеры и технологии»

Компьютеры размещают веб-сайты, состоящие из HTML, и отправляют текстовые сообщения, такие простые, как… LOL. Взломайте эту викторину, и пусть какая-то технология подсчитает ваш результат и раскроет вам ее содержание.

Факты для базы знаний должны быть получены от людей-экспертов посредством интервью и наблюдений. Затем это знание обычно представляется в виде правил «если-то» (продукционных правил): «Если какое-то условие истинно, то можно сделать следующий вывод (или предпринять какое-то действие)». База знаний крупной экспертной системы включает в себя тысячи правил. Фактор вероятности часто присоединяется к выводу каждого правила производства и окончательной рекомендации, потому что вывод не является определенным. Например, система диагностики глазных заболеваний может указать на основании предоставленной ей информации 90 процентов вероятности того, что у человека глаукома, а также могут быть перечислены выводы с меньшей вероятностью. Экспертная система может отображать последовательность правил, с помощью которых она пришла к своему заключению; отслеживание этого потока помогает пользователю оценить достоверность его рекомендации и полезно в качестве учебного пособия для студентов.

Специалисты-люди часто используют эвристические правила, или «эмпирические правила», в дополнение к простым производственным правилам, таким как те, что взяты из инженерных справочников. Таким образом, кредитный менеджер может знать, что соискатель с плохой кредитной историей, но с чистой репутацией после получения новой работы, может на самом деле быть хорошим кредитным риском.