Основное свойство экспертных систем это: Экспертные системы — Свойства экспертной системы

Основные свойства

Экспертные системы

Подготовила:

БИ 1-

Экспертная система (ЭС, англ. expert system) — компьютерная система, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации.

История ЭС

Первую экспертную систему, которую назвали Dendral, разработали в Стэнфорде в конце 1960-х г.г. Эта была экспертная система, определяющая строение органических молекул по химическим формулам и спектрографическим данным о химических связях в молекулах. Ценность Dendral заключалась в следующем. Органические молекулы, как правило, очень велики и поэтому число возможных структур этих молекул также велико. Благодаря эвристическим знаниям экспертов-химиков, заложенных в экспертную систему, правильное решение из миллиона возможных находилось всего за несколько попыток. Принципы и идеи, заложенные в Dendral оказались настолько эффективными, что они до сих пор применяются в химических и фармацевтических лабораториях по всему миру.

Экспертная система Dendral одной из первых использовала эвристические знания специалистов для достижения уровня эксперта в решении задач, однако методика современных экспертных систем связана с другой разработкой – Myсin. В ней использовались знания экспертов медицины для диагностики и лечения специального менингита и бактериальных инфекций крови.

Экспертная система Mycin, разработанная в том же Стэнфорде в середине 1970-х г.г., одной из первых обратилась к проблеме принятия решений на основе ненадежной или недостаточной информации. Все рассуждения экспертной системы Mycin были основаны на принципах управляющей логики, соответствующих специфике предметной области. Многие методики разработки экспертных систем, использующиеся сегодня, были впервые разработаны в рамках проекта Mycin.

Отличие от других систем искусственного интеллекта

Экспертные системы имеют одно большое отличие от других систем искусственного интеллекта: они не предназначены для решения каких-то универсальных задач, как например нейронные сети или генетические алгоритмы. Экспертные системы предназначены для качественного решения задач в определенной разработчиками области, в редких случаях – областях.

Назначение

Как правило, экспертные системы создаются для решения практических задач в некоторых узкоспециализированных областях, где большую роль играют знания «бывалых» специалистов. Экспертные системы были первыми разработками, которые смогли привлечь большое внимание к результатам исследований в области искусственного интеллекта.

ЭС используются для решения так называемых неформализованных задач, общим для которых является то, что:

• задачи не могут быть заданы в числовой форме;

• цели нельзя выразить в терминах точно определенной целевой функции;

• не существует алгоритмического решения задачи;

• если алгоритмическое решение есть, то его нельзя использовать из-за ограниченности ресурсов (время, память).

Кроме того неформализованные задачи обладают ошибочностью, неполнотой, неоднозначностью и противоречивостью как исходных данных, так и знаний о решаемой задаче.

1) Применение для решения проблем высококачественного опыта, который представляет уровень мышления наиболее квалифицированных экспертов в данной области, что ведёт к решениям творческим, точным и эффективным.

2) Наличие прогностических возможностей, при которых ЭС выдаёт ответы не только для конкретной ситуации, но и показывает, как изменяются эти ответы в новых ситуациях, с возможностью подробного объяснения каким образом новая ситуация привела к изменениям.

3) Обеспечение такого нового качества, как институциональная память, за счёт входящей в состав ЭС базы знаний, которая разработана в ходе взаимодействий со специалистами организации, и представляет собой текущую политику этой группы людей. Этот набор знаний становится сводом квалифицированных мнений и постоянно обновляемым справочником наилучших стратегий и методов, используемых персоналом. Ведущие специалисты уходят, но их опыт остаeтся.

4) Возможность использования ЭС для обучения и тренировки руководящих работников, обеспечивая новых служащих обширным багажом опыта и стратегий, по которым можно изучать рекомендуемую политику и методы.

1) Экспертная система — это программное средство, использующее знания экспертов, для высокоэффективного решения задач в интересующей пользователя предметной области. Она называется системой, а не просто программой, так как содержит базу знаний, решатель проблемы и компоненту поддержки. Последняя из них помогает пользователю взаимодействовать с основной программой.

2)Эксперт — это человек, способный ясно выражать свои мысли и пользующийся репутацией специалиста, умеющего находить правильные решения проблем в конкретной предметной области. Эксперт использует свои приёмы и ухищрения, чтобы сделать поиск решения более эффективным, и ЭС моделирует все его стратегии.

3) Инженер знаний — человек, как правило, имеющий познания в информатике и искусственном интеллекте и знающий, как надо строить ЭС. Инженер знаний опрашивает экспертов, организует знания, решает, каким образом они должны быть представлены в ЭС, и может помочь программисту в написании программ.

4) Средство построения ЭС — это программное средство, используемое инженером знаний или программистом для построения ЭС. Этот инструмент отличается от обычных языков программирования тем, что обеспечивает удобные способы представления сложных высокоуровневых понятий.

5) Пользователь — это человек, который использует уже построенную ЭС. Так, пользователем может быть юрист, использующий её для квалификации конкретного случая; студент, которому ЭС помогает изучать информатику и т. д. Термин пользователь несколько неоднозначен. Обычно он обозначает конечного пользователя. Однако из рисунка следует, что пользователем может быть:

• создатель инструмента, отлаживающий средство построения ЭС;

• инженер знаний, уточняющий существующие в ЭС знания;

• эксперт, добавляющий в систему новые знания;

• клерк, заносящий в систему текущую информацию.

Важно различать инструмент, который используется для построения ЭС, и саму ЭС. Инструмент построения ЭС включает как язык, используемый для доступа к знаниям, содержащимся в системе, и их представления, так и поддерживающие средства — программы, которые помогают пользователям взаимодействовать с компонентой экспертной системы, решающей проблему.

Экспертная система – это не простая программа, которая пишется одним или несколькими программистами.

Экспертная система является плодом совместной работы экспертов в данной предметной области, инженеров по знаниям и программистов.

Но стоит отметить, что встречаются случаи, когда программы пишутся самими экспертами в данной области.

Эксперт предоставляет необходимые знания о тщательно отобранных примерах проблем и путей их решения. Например, при создании экспертной системы диагностики заболеваний врач рассказывает инженеру по знаниям об известных ему заболеваниях. Далее эксперт раскрывает список симптомов, которые сопровождают каждое заболевание и в заключение рассказывает об известных ему методах лечения. Инженер по знаниям, формализует всю полученную информацию в виде базы знаний и помогает программисту в написании экспертной системы.

Технология использования экспертных систем

Создание и использование экспертных систем является одним из концептуальных этапов развития информационных технологий. В основе интеллектуального решения проблем в некоторой предметной области лежит принцип воспроизведения знаний опытных специалистов — экспертов.

Исходя из собственного опыта эксперт анализирует ситуацию и распознает наиболее полезную информацию, оптимизирует принятие решений, отсекая тупиковые пути.

Экспертная система-это совокупност ьметодов и средстворга -низации, накопления и применения знаний длярешения сложных задач в некоторой предметной области. Экспертная система достигает более высокой эффективности за счет перебора большого числа альтернатив при выборе решения, опираясь на высококачественный опыт группы специалистов, анализирует влияние большого объема новых факторов, оценивая их при построении стратегий, добавляя возможности прогноза.

Основой экспертной системы является совокупность знаний (базы знаний), структурированных в целях формализации процесса принятия решений.

Экспертные системы разрабатываются с расчетом на обучение и способны обосновать логику выбора решения, т.е. обладают свойствами адаптивности и ее аргументирования. У большинства экспертных систем имеется механизм объяснения. Этот механизм использует знания, необходимые для объяснения того, каким обра зом система пришла к данному решению. Очень важным является определение области применения экспертной системы, границ ее использования и действия.

Преимущества экспертных систем по сравнению с использованием опытных специалистов состоят в следующем:

• достигнутая компетентность не утрачивается, может документироваться, передаваться, воспроизводиться и наращиваться;

• имеют место более устойчивые результаты, отсутствуют эмоциональные и другие факторы человеческой ненадежности;

• высокая стоимость разработки уравновешивается низкой стоимостью эксплуатации, возможностью копирования, а в совокупности они дешевле высококвалифицированных специалистов.

Недостатком экспертных систем, характерным для их современного состояния, является меньшая приспособляемость к обучению новым правилам и концепциям, к творчеству и изобретательству. Использование экспертных систем позволяет во многих случаях отказаться от высококвалифицированных специалистов, но предполагает оставить в системе место эксперту с более низкой квалификацией. Экспертные системы служат средством для расширения и усиления профессиональных возможностей конечного пользователя.

Экспертная система должна демонстрировать компетентность, т.е. достигать в конкретной предметной области того же уровня, что и специалисты-эксперты. Недостаточно находить хорошие решения, это надо делать быстро. Системы должны иметь не только глубокое, но и достаточно широкое понимание предмета. Методы нахождения решений проблем достигаются на основе рассуждений, исходящих из фундаментальных принципов в случае некор -ректных данных или неполных наборов правил. Такие свойства наименее разработаны в компьютерных экспертных системах, но именно они присущи специалистам высокого уровня.

Отличиями экспертных систем от обычных компьютерных являются:

• экспертные системы манипулируют знаниями, тогда как любые другие системы — данными;

• экспертные системы, как правило, дают эффективные оптимальные решения и способны иногда ошибаться, но в отличие от традиционных компьютерных систем они имеют потенциальную способность учиться на своих ошибках.

Категория	Решаемая проблема
Интерпретация	Описание ситуации по информации, поступающей от датчиков
Прогноз	Определение вероятных последствий заданных ситуаций
Диагностика	Выявление причин неправильного функционирования системы по результатам наблюдений
Проектирование	Построение конфигурации объектов при заданных ограничениях
Планирование	Определение последовательности действий
Наблюдение	Сравнение результатов наблюдений с ожидаемыми результатами
Отладка	Составление рецептов исправления неправильного функционирования системы
Ремонт	Выполнение последовательности предписанных исправлений
Обучение	Диагностика, отладка и исправление поведения обучаемого
Управление	Управление поведением системы как целого

Экспертные системы как инструмент в работе пользователей совершенствуют свои возможности решать трудные, неординарные задачи в ходе практической работы.

Экспертные системы создаются для решения разного рода проблем, типы которых можно сгруппировать в категории (табл. 4.4).

Ниже перечислены некоторые из предметных областей, в которых применяются экспертные системы. Из них особенно популярна медицина.

Области применения экспертных систем Военное дело Геология Инженерное дело Информатика Компьютерные системы Космическая техника Математика Медицина Наиболее уязвимы экспертные системы в распознавании границ своих возможностей и демонстрируют ненадежное функционирование вблизи границ их применимости. Дальнейший прогресс в области искусственного интеллекта со временем предложит способы выявления границ своих возможностей. Другим недостатком экспертных систем являются значительные трудозатраты, необходимые для пополнения базы знаний. Получение знаний от экспертов и внесение их в базу знаний представляет собой сложный процесс, сопряженный с значительными затратами времени и средств. Проектирование экспертных систем также имеет определенные трудности и ограничения, которые влияют на их разработку.

Зарубежный опыт показывает, что экспертные системы разрабатываются в основном в университетах, научно-исследовательских центрах и коммерческих организациях, в том числе и для финансовой индустрии. В сфере финансового обслуживания эти системы помогают страховым компаниям анализировать и оценивать коммерческий риск, устанавливать размеры ссуд при кредитовании организаций, составлять сметы проектов и т.д.

Область применения экспертных систем расширяется. Кроме охвата различных областей деятельности, одним из наиболее важных последствий разработки экспертных систем является модификация знаний. По мере того как разработчики будут строить большие, сложные базы знаний, появляется рынок знаний, независимых от компьютерных систем. Появятся средства обучения для изучающих определенную прикладную область. Коммерческим продуктом станут метазнания, т.е. знания об оптимальных стратегиях и процедурах использования предметных знаний. Развитие экспертных систем в интеллектуальные состоит в слиянии концепций оборудования, средств их создания (языков) и самих экспертных систем. Объединение интеллектуальных систем особенно эффективно в сложных инфраструктурах. Интеллектуальные системы уже разрабатываются и внедряются за рубежом для коммерческого использования.

Экспертная система FOLIO (Стенфордский университет, США) помогает консультантам по инвестициям определять цели клиентов и подбирать портфели ценных бумаг, наиболее соответствующие этим целям. Система определяет нужды клиента в ходе интервью и затем рекомендует, в каких пропорциях надо распреде лить капиталовложения между разными фондовыми инструментами, чтобы наилучшим образом удовлетворить запросы клиента. Система различает небольшое число классов ценных бумаг (например, ориентированные на дивиденды акций с невысоким уровнем риска или ориентированные на акции с высоким уровнем риска) и содержит знания о свойствах (например, годовых процентах на капитал) ценных бумаг каждого класса. В системе применена основанная на правилах схема представления знаний с прямой цепочкой рассуждений для вывода целей и схема линейного программирования для максимизации соответствия между целями и предлагаемым портфелем. Система доведена до уровня демонстрационного прототипа.

Искусственная компетентность экспертных систем не заменяет полностью человека. Эксперт-человек способен реорганизовать информацию и знания и использовать их для синтеза новых знаний. В области творческой деятельности люди обладают большими способностями и возможностями по сравнению с самыми умными системами. Эксперты справляются с неожиданными поворотами событий и, используя новые подходы, способны проводить аналогии из других предметных областей. Эксперты адаптируют к изменяющимся условиям и приспосабливают свои стратегии к новым обстоятельствам в более широком диапазоне проблем и задач. Экспертные системы менее приспособлены к обучению на уровне новых концепций и новых правил. Они оказываются не столь эффективны и мало пригодны в тех случаях, когда надо учитывать всю сложность реальных задач.

Эксперты могут непосредственно воспринимать весь комплекс входной информации: символьной, визуальной, графической, текстовой, звуковой, осязательной, обонятельной. У экспертной системы есть только символы, с помощью которых представлены базы знаний, воплощающие те или иные концепции. Преобразование сенсорной информации в символьную сопровождается потерей части информации.

Но главное, что огромный объем знаний, которым обладают эксперты-специалисты (профессиональные знания и знания о мире и действующих в нем законах), не удается пока встроить в интеллектуальную систему, тем более столь специализированную, какой является любая экспертная система.

⇐Системы управления базами данных | Автоматизированные информационные технологии в экономике | Интегрированные технологии в распределенных системах обработки данных⇒

Экспертные системы в области искусственного интеллекта (ИИ) 2023

Содержание

Экспертные системы в области искусственного интеллекта являются важной областью исследований в области ИИ. Первоначально он был представлен исследователями из Стэнфордского университета и был разработан для решения сложных задач в определенной области. Этот блог об экспертных системах в искусственном интеллекте будет охватывать следующие темы.

Введение в экспертные системы в области искусственного интеллекта

Экспертная система — это область, в которой искусственный интеллект стимулирует поведение и суждения человека или организации, состоящей из экспертов. Он получает соответствующие знания из своей базы знаний и интерпретирует их в соответствии с проблемой пользователя. Данные в базу знаний в основном добавляются людьми, которые являются экспертами в определенной области. Однако программное обеспечение используется неспециалистами для получения информации. Он используется в различных медицинских диагнозах, бухгалтерском учете, кодировании, играх и других областях.

Разрушение экспертной системы, по сути, представляет собой программное обеспечение ИИ, которое использует знания, хранящиеся в базе знаний, для решения проблем. Обычно для этого требуется человек-эксперт; таким образом, он направлен на сохранение человеческих экспертных знаний в своей базе знаний. Таким образом, экспертные системы — это компьютерные приложения, разработанные для решения сложных проблем в определенной области с помощью экстраординарного уровня человеческого интеллекта и опыта.

Три элемента ES

Характеристики экспертных систем

• У них высокий уровень производительности
• Их легко понять
• Они полностью надежны
• Они очень отзывчивы

Возможности экспертных систем

Экспертные системы способны выполнять ряд действий, в том числе:

• Консультирование
• Помощь в принятии решений человеком
• Демонстрации и инструкции 
• Получение решений
• Диагноз
• Интерпретация входных данных и предоставление соответствующих выходных данных
• Прогнозирование результатов
• Обоснование выводов
• Предложения по альтернативным решениям проблемы

Компоненты/Архитектура экспертных систем

Существует 5 компонентов экспертных систем:

1. База знаний
2. Механизм логических выводов
3. Модуль приобретения и обучения знаний
4. Интерфейс пользователя
5. Модуль пояснений 

• База знаний: База знаний в экспертной системе представляет факты и правила. Он содержит знания в конкретных областях, а также правила для решения проблем и формирования процедур, имеющих отношение к предметной области.
• Механизм вывода: Самая основная функция механизма вывода — получение соответствующих данных из базы знаний, их интерпретация и поиск решения проблемы пользователя. Механизмы логического вывода также обладают объяснительными и отладочными возможностями.
• Модуль сбора и обучения знаний: Этот компонент позволяет экспертным системам получать больше данных из различных источников и сохранять их в базе знаний.
• Пользовательский интерфейс: Этот компонент необходим неопытному пользователю для взаимодействия с экспертной системой и поиска решений.
• Модуль объяснения: как следует из названия, этот модуль помогает предоставить пользователю объяснение полученного вывода.

Стратегии, используемые механизмом вывода

Механизм вывода использует следующие стратегии для рекомендации решений:

• Прямая цепочка
• Обратная цепочка

Прямая цепочка

С помощью этой стратегии экспертная система может ответить на вопрос «Что может произойти дальше?»

Следуя цепочке условий и производных, экспертная система выводит результат после рассмотрения всех фактов и правил. Затем он сортирует их, прежде чем прийти к выводу с точки зрения подходящего решения.

Эта стратегия используется при работе над заключением, результатом или эффектом. Например, прогнозирование того, как прогноз рынка акций будет реагировать на изменения процентных ставок.

Обратная цепочка

Экспертная система использует обратную цепочку для ответа на вопрос «Почему это произошло?»

В зависимости от того, что уже произошло, механизм логического вывода пытается определить условия, которые могли произойти в прошлом, чтобы вызвать окончательный результат. Эта стратегия используется для поиска причины или причины того, что происходит. Например, диагностика различных видов рака у человека.

Типы технологий экспертных систем

Экспертные системы можно разделить на пять категорий.

Существует несколько типов экспертных систем, в том числе основанные на правилах, основанные на фреймах, нечеткие, нейронные и нейро-нечеткие.

Простые экспертные системы, описывающие знания как набор правил, называются экспертными системами, основанными на правилах. Многозначная логика — это другое название экспертных систем на основе нечеткой логики, которые различают членов класса и нечленов при решении задач. Фреймы используются в основанной на фреймах экспертной системе для хранения и представления знаний. Сохраняя нейронные знания в виде весов в нейронах, нейронная экспертная система заменяет обычную базу знаний нейронными знаниями. Последний метод представляет собой нейро-нечеткую систему, которая сочетает в себе параллельные вычисления, обучение, представление знаний и навыки объяснения.

Технологии ЭС бывают разных уровней:

• Среда разработки экспертных систем: Среда разработки ЭС содержит набор аппаратных средств (рабочие станции, миникомпьютеры, мейнфреймы), языки символьного программирования высокого уровня [LISt Programming ( LISP) и PROgrammation en LOGique (PROLOG)], а также большие базы данных.
• Инструменты: Инструменты, как технология ES, помогают в значительной степени сократить усилия и затраты, связанные с разработкой экспертной системы.
• Оболочки: Оболочка — это экспертная система, функционирующая без базы знаний. Он предоставляет разработчикам сбор знаний, механизм логического вывода, пользовательский интерфейс и средства объяснения. Например — Java Expert System Shell (JESS), Vidwan и т. д.

Этапы разработки экспертной системы

Существует 6 этапов разработки экспертной системы.

Примеры экспертных систем

Существует множество примеров экспертных систем. Некоторые из них:

• MYCIN: Это была одна из первых экспертных систем, основанных на обратной цепочке. Он обладает способностью идентифицировать различные бактерии, вызывающие тяжелые инфекции. Он также может рекомендовать лекарства в зависимости от веса человека.
• DENDRAL: Это была экспертная система на основе искусственного интеллекта, используемая в основном для химического анализа. Он использует спектрографические данные вещества, чтобы предсказать его молекулярную структуру.
• R1/XCON: Этот ES имел возможность выбирать конкретное программное обеспечение для создания компьютерной системы в соответствии с предпочтениями пользователя.
• PXDES: Эта система может легко определять тип и степень рака легких у пациентов на основе ограниченных данных.
• CaDet: Эта система клинической поддержки выявляет рак на ранних стадиях.
• DXplain: Это также система клинической поддержки, которая способна предложить различные заболевания, основываясь только на выводах врача.

Традиционные системы в сравнении с экспертными системами

Ключевое различие между традиционной системой и экспертной системой заключается в способе кодирования связанной с проблемой экспертизы. По сути, в обычных приложениях знания о проблеме закодированы как в программах, так и в структурах данных. С другой стороны, в экспертных системах подход к проблемной экспертизе закодирован только в структурах данных. Более того, использование знаний в экспертных системах жизненно необходимо. Однако традиционные системы используют данные более эффективно, чем экспертные системы.

Одним из самых больших недостатков традиционных систем является то, что они не могут объяснить решение задачи. Это потому, что эти системы пытаются решить проблемы простым способом. Однако экспертные системы могут давать пояснения и упрощать понимание того или иного вывода.

Как правило, экспертная система использует символьные представления для выполнения вычислений. Напротив, традиционные системы не могут выразить эти термины. Они только упрощают проблемы, не имея возможности ответить на вопросы «как» и «почему». Более того, инструменты решения задач присутствуют в экспертных системах, в отличие от традиционных; следовательно, различные проблемы часто полностью решаются экспертами системы.

Человеческая система против. Expert System

Human Experts	Expert Systems
Скоропортящийся и постоянный2 908 по своей природе
Трудно передавать и документировать данные	Легко передача и документирование данных
Людские экспертные ресурсы обходятся дорого	Экспертные системы рентабельны Системы

Приложения экспертных систем 98 0214

Приложения	Роль 224 254
Design Domain	Дизайн объектива камеры Автомобильный дизайн
Medical Domain	Системы диагностики вывести причину заболевания по наблюдаемым данным о проведении медицинских операций на людях.
Системы мониторинга	Непрерывное сравнение данных с наблюдаемыми системами
Системы управления технологическими процессами	Управление физическими процессами на основе мониторинга.
Область знаний	Поиск неисправностей в транспортных средствах или компьютерах.
Коммерция	Обнаружение возможного мошенничества Подозрительные операции Торговля на фондовом рынке Планирование авиаперевозок, Планирование грузов.

Преимущества экспертных систем

• Наличие: Они легкодоступны благодаря массовому производству программного обеспечения.
• Меньше производственных затрат: Затраты на производство экспертных систем чрезвычайно разумны и доступны.
• Скорость: Они обеспечивают высокую скорость и сокращают объем работы.
• Меньше частоты ошибок: Частота ошибок намного ниже, чем человеческий фактор.
• Низкий уровень риска: Могут работать в среде, опасной для человека.
• Устойчивый ответ: Они избегают движения, напряжения и усталости.

Ограничения экспертных систем

Очевидно, что ни одна технология не может быть полностью идеальной, чтобы предлагать простые и полные решения. Более крупные системы не только дороги, но и требуют значительных затрат времени на разработку и компьютерных ресурсов. Ограничения ES включают:

• Сложное приобретение знаний
• Расходы на техническое обслуживание
• Затраты на разработку
• Придерживается только определенных доменов.
• Требует постоянного ручного обновления; оно не может учиться само по себе.
• Невозможно обеспечить логику решений.

Экспертные системы сумели развиться до такой степени, что они вызвали различные споры о судьбе человечества перед лицом такого интеллекта. Учитывая, что экспертные системы были одними из первых действительно успешных форм программного обеспечения искусственного интеллекта (ИИ), это может быть просто будущее технологий.

Если вас интересуют экспертные системы в области искусственного интеллекта, ознакомьтесь с курсами искусственного интеллекта Great Learning здесь.

Часто задаваемые вопросы

Из каких 5 компонентов состоит экспертная система?

Пять компонентов экспертной системы:

1. База знаний
2. Механизм вывода
3. Модуль сбора и обучения знаний
4. Пользовательский интерфейс
5. Модуль пояснений

Где используется экспертная система в ИИ?

Экспертная система используется во многих областях ИИ, таких как здравоохранение для медицинской диагностики, программирования, игр и многого другого. Экспертная система хранит большую часть своих знаний в базе знаний для решения проблем, которые в основном являются работой человека

Какие существуют типы экспертных систем?

Существует пять основных типов экспертных систем: экспертные системы на основе правил, экспертные системы на основе фреймов, нечеткие экспертные системы, нейронные экспертные системы и нейро-нечеткие экспертные системы.

Каковы преимущества экспертной системы?

Существует множество преимуществ экспертной системы, некоторые из которых:

▪ Обращаются к повторяющимся решениям, процедурам и задачам
▪ Переносят невероятно большие объемы данных
▪ Сокращает расходы на обучение сотрудников
▪ Консолидирует процесс принятия решений
▪ Сокращает время, необходимое для решения проблем для повышения эффективности
▪ Уменьшает вероятность человеческих ошибок

Дополнительная литература

1. Где будет Искусственный интеллект против. Гонка человеческого интеллекта забрала нас?
2. 10 самых популярных технологий искусственного интеллекта (ИИ) в 2020 году, которые меняют правила игры
3. Лучшие компании в области искусственного интеллекта в 2019 году и их истории успеха
4. Бизнес-приложения для искусственного интеллекта и машинного обучения
5. Что такое искусственный интеллект? Как работает ИИ, его типы и будущее?

Характеристики экспертной системы

Обычно экспертная система имеет следующие общие характеристики.

ХАРАКТЕРИСТИКИ ЭКСПЕРТА СИСТЕМА

 

Ожидается, что рост экспертной системы продолжится в течение нескольких лет. С продолжающимся ростом появится много новых интересных приложений. Ан экспертная система работает как интерактивная система, отвечающая на вопросы, просит разъяснений, дает рекомендации и в целом помогает принять решение процесс изготовления. Экспертная система предоставляет экспертные консультации и рекомендации по широкому кругу вопросов. различные виды деятельности от компьютерной диагностики до деликатной медицинской хирургии.

 

Экспертная система обычно проектируется так, чтобы иметь следующие общие характеристики.

 

1. Высокая производительность: система должна быть способна реагировать на уровне компетентности, равном или лучше, чем экспертная система в поле. Качество рекомендаций, выдаваемых системой, должно быть на высоком уровне. целостности и для которых коэффициент производительности также должен быть очень высоким.

 

2. Специфика домена: Экспертные системы обычно очень специфичный для домена. Например, диагностический эксперт системы для устранения неполадок компьютеров должен фактически выполнять все необходимые манипуляции с данными, как это сделал бы эксперт-человек. Разработчик такой система должна ограничивать его или ее масштаб системы только тем, что необходимо для решить целевую задачу. Часто используются специальные инструменты или языки программирования. необходимо для достижения конкретных целей системы.

 

3. Хорошая Надежность: Экспертная система должна быть надежен как эксперт-человек.

 

4. Понятно: Система должна быть понятным т.е. быть в состоянии объяснить этапы рассуждения при выполнении. Экспертная система должен иметь способность к объяснению, подобную способности рассуждения человека эксперты.

 

5. Адекватное время отклика: система должна быть спроектирована таким образом, чтобы она могла выполнять за небольшой промежуток времени, сопоставимо или лучше, чем время, затрачиваемое человеком-экспертом на достижение точка принятия решения. Экспертная система, которой требуется год, чтобы принять решение по сравнению с для эксперта-человека время в один час было бы бесполезным.

 

6. Использовать символические представления: Эксперт система использует символические представления для знаний (правила, сети или кадры) и выполняет их вывод через символические вычисления, которые очень напоминают манипуляции с естественным языком.

7. Связано с метазнанием: Эксперт системы часто рассуждают с помощью метазнания, т. е. они рассуждают со знанием о себе и своих собственных пределах знания и возможности. Использование метазнания достаточно интерактивно и просто для различные представления данных.

 

8. Экспертное знание: Реальный специалисты не только производят хорошие решения, но и быстро их находят. Итак, экспертная система должна уметь применяя свои знания для создания решений как эффективно, так и результативно, с помощью разведывательных человеческих экспертов.

 

9. Обоснованное рассуждение: Это позволяет пользователям попросить экспертную систему обосновать решение или дать совет предоставлено им. Как правило, эксперт системы оправдывают свои ответы или советы, объясняя свои рассуждения. Если система основана на правилах, она предоставляет пользователю все правила и факты он использовал для достижения своего ответа.

 

10. Возможность объяснения: Эксперт системы способны объяснить, как был сделан тот или иной вывод и почему запрошена информация необходимо во время консультации. Это очень важно, так как дает пользователю возможность получить доступ и понять способность рассуждения системы, тем самым повышение доверия пользователя к системе.

 

11. Специальные языки программирования: эксперт системы обычно пишутся на специальных языках программирования . Использование таких языков, как LISP и PROLOG, в разработка экспертной системы упрощает процесс кодирования.