EXPERTSYSTEMEN IN KUNSTMATIGE INTELLIGENTIE

Een expertsysteem is een computerprogramma dat is ontworpen om complexe problemen op te lossen en besluitvormingsvermogen te bieden, net als een menselijke expert. Het doet dit door kennis uit de kennisbank te halen met behulp van de redeneer- en gevolgtrekkingsregels volgens de gebruikersquery's.

Het expertsysteem is een onderdeel van AI en de eerste ES werd ontwikkeld in het jaar 1970, de eerste succesvolle benadering van kunstmatige intelligentie. Het lost als expert de meest complexe problemen op door de kennis te extraheren die is opgeslagen in de kennisbank. Het systeem helpt bij het nemen van beslissingen bij het gebruik van Compsex-problemen zowel feiten als heuristieken als een menselijke expert . Het wordt zo genoemd omdat het de deskundige kennis van een specifiek domein bevat en elk complex probleem van dat specifieke domein kan oplossen. Deze systemen zijn ontworpen voor een specifiek domein, zoals geneeskunde, wetenschap, enz.

html-tags

De prestaties van een expertsysteem zijn gebaseerd op de kennis van de expert die is opgeslagen in de kennisbank. Hoe meer kennis er in de KB wordt opgeslagen, hoe meer dat systeem zijn prestaties verbetert. Een van de meest voorkomende voorbeelden van een ES is een suggestie van spelfouten tijdens het typen in het zoekvak van Google.

Hieronder ziet u het blokdiagram dat de werking van een expertsysteem weergeeft:

Opmerking: Het is belangrijk om te onthouden dat een expertsysteem niet wordt gebruikt om de menselijke experts te vervangen; in plaats daarvan wordt het gebruikt om de mens te helpen bij het nemen van een complexe beslissing. Deze systemen beschikken niet over het menselijk vermogen om te denken en te werken op basis van de kennisbasis van het betreffende domein.

Hieronder staan enkele populaire voorbeelden van het Expert Systeem:

DENDRAL:Het was een kunstmatige-intelligentieproject dat werd gemaakt als een expertsysteem voor chemische analyse. Het werd in de organische chemie gebruikt om onbekende organische moleculen te detecteren met behulp van hun massaspectra en kennisbasis van de chemie.MYCIN:Het was een van de eerste expertsystemen met achterwaartse ketens die was ontworpen om de bacteriën te vinden die infecties zoals bacteriëmie en meningitis veroorzaken. Het werd ook gebruikt voor het aanbevelen van antibiotica en de diagnose van bloedstollingsziekten.PXDES:Het is een expertsysteem dat wordt gebruikt om het type en de mate van longkanker te bepalen. Om de ziekte vast te stellen, wordt een foto van het bovenlichaam gemaakt, die op de schaduw lijkt. Deze schaduw identificeert het type en de mate van schade.Cadet:Het CaDet expertsysteem is een diagnostisch ondersteuningssysteem dat kanker in een vroeg stadium kan opsporen.

Kenmerken van expertsysteem

Hoge performantie:Het expertsysteem biedt hoge prestaties voor het met hoge efficiëntie en nauwkeurigheid oplossen van elk type complex probleem van een specifiek domein.Begrijpelijk:Het reageert op een manier die voor de gebruiker gemakkelijk te begrijpen is. Het kan input in menselijke taal aannemen en op dezelfde manier de output leveren.Betrouwbaar:Het is zeer betrouwbaar voor het genereren van een efficiënte en nauwkeurige uitvoer.Zeer responsief:ES levert binnen zeer korte tijd het resultaat voor elke complexe vraag.

Onderdelen van het expertsysteem

Een expertsysteem bestaat hoofdzakelijk uit drie componenten:

tekenreeksvergelijking java

Gebruikersomgeving Inferentiemachine Kennis basis Expertsystemen in AI

1. Gebruikersinterface

Met behulp van een gebruikersinterface communiceert het expertsysteem met de gebruiker, neemt vragen als invoer in een leesbaar formaat en geeft deze door aan de inferentie-engine. Nadat het antwoord van de inferentie-engine is ontvangen, wordt de uitvoer aan de gebruiker weergegeven. Met andere woorden, het is een interface die een niet-ervaren gebruiker helpt te communiceren met het expertsysteem om een oplossing te vinden .

2. Inferentie-engine (engine-regels)

De inferentie-engine staat bekend als het brein van het expertsysteem, omdat het de belangrijkste verwerkingseenheid van het systeem is. Het past gevolgtrekkingsregels toe op de kennisbasis om een conclusie af te leiden of nieuwe informatie af te leiden. Het helpt bij het afleiden van een foutloze oplossing van vragen van de gebruiker.
Met behulp van een inferentie-engine haalt het systeem de kennis uit de kennisbank.
Er zijn twee typen inferentie-engines:

feiten

reglement

De inferentie-engine gebruikt de onderstaande modi om de oplossingen af te leiden:

Voorwaartse ketening:Het gaat uit van de bekende feiten en regels en past de gevolgtrekkingsregels toe om hun conclusie aan de bekende feiten toe te voegen.Achterwaartse ketening:Het is een achterwaartse redeneermethode die vertrekt vanuit het doel en achteruit werkt om de bekende feiten te bewijzen.

3. Kennisbank

De kennisbank is een soort opslag waarin kennis wordt opgeslagen die is verkregen van de verschillende experts van het specifieke domein. Het wordt beschouwd als een grote opslag van kennis. Hoe meer kennis er is, hoe nauwkeuriger het Expert Systeem zal zijn.
Het is vergelijkbaar met een database die informatie en regels van een bepaald domein of onderwerp bevat.
Je kunt de kennisbank ook zien als verzamelingen objecten en hun attributen. Een leeuw is bijvoorbeeld een object en zijn eigenschappen zijn: het is een zoogdier, het is geen huisdier, enz.

Onderdelen van de kennisbank

Feitelijke kennis:De kennis die op feiten is gebaseerd en door kennisingenieurs wordt geaccepteerd, valt onder feitelijke kennis.Heuristische kennis:Deze kennis is gebaseerd op de praktijk, het vermogen om te raden, evaluatie en ervaringen.

Kennisrepresentatie: Het wordt gebruikt om de kennis die is opgeslagen in de kennisbank te formaliseren met behulp van de If-else-regels.

prioriteitswachtrij c++

Kennis acquisitie: Het is het proces van het extraheren, organiseren en structureren van de domeinkennis, het specificeren van de regels om de kennis van verschillende experts te verwerven, en het opslaan van die kennis in de kennisbasis.

Ontwikkeling van een expertsysteem

Hier zullen we de werking van een expertsysteem uitleggen aan de hand van een voorbeeld van MYCIN ES. Hieronder volgen enkele stappen om een MYCIN te bouwen:

Ten eerste moet ES worden gevoed met deskundige kennis. In het geval van MYCIN verstrekken menselijke experts, gespecialiseerd op het medische gebied van bacteriële infecties, informatie over de oorzaken, symptomen en andere kennis op dat gebied.
De KB van MYCIN is succesvol bijgewerkt. Om het te testen, geeft de dokter er een nieuw probleem aan. Het probleem is om de aanwezigheid van de bacterie te identificeren door de details van een patiënt in te voeren, inclusief de symptomen, de huidige toestand en de medische geschiedenis.
De ES heeft een vragenlijst nodig die door de patiënt moet worden ingevuld om de algemene informatie over de patiënt te kennen, zoals geslacht, leeftijd, enz.
Nu heeft het systeem alle informatie verzameld, zodat het de oplossing voor het probleem zal vinden door als-dan-regels toe te passen met behulp van de inferentie-engine en de feiten te gebruiken die zijn opgeslagen in de KB.
Uiteindelijk zal het een antwoord bieden aan de patiënt door gebruik te maken van de gebruikersinterface.

Deelnemers aan de ontwikkeling van Expert System

Er zijn drie primaire deelnemers aan het bouwen van Expert System:

Deskundige:Het succes van een ES hangt voor een groot deel af van de kennis die door menselijke experts wordt aangeleverd. Deze deskundigen zijn de personen die gespecialiseerd zijn in dat specifieke domein.Kennisingenieur:Kennisingenieur is de persoon die de kennis van de domeinexperts verzamelt en die kennis vervolgens volgens het formalisme codificeert in het systeem.Eindgebruiker:Dit is een bepaalde persoon of een groep mensen die misschien geen experts zijn, en het werken aan het expertsysteem heeft de oplossing of het advies nodig voor zijn vragen, die complex zijn.

Waarom Expertsysteem?

Voordat we welke technologie dan ook gebruiken, moeten we een idee hebben waarom we die technologie moeten gebruiken, en dus hetzelfde voor de ES. Ook al hebben we menselijke experts op elk gebied, wat is dan de noodzaak om een computergebaseerd systeem te ontwikkelen? Hieronder staan de punten die de behoefte van de ES beschrijven:

verschil inkorten en verwijderen

Geen geheugenbeperkingen:Het kan zoveel gegevens opslaan als nodig is en kan deze onthouden op het moment dat het wordt toegepast. Maar voor menselijke experts zijn er enkele beperkingen om alle dingen op elk moment te onthouden.Hoge efficiëntie:Als de kennisbank wordt bijgewerkt met de juiste kennis, levert deze een zeer efficiënte output op, wat voor een mens misschien niet mogelijk is.Expertise in een domein:Er zijn veel menselijke experts in elk domein, en ze hebben allemaal verschillende vaardigheden, verschillende ervaringen en verschillende vaardigheden, dus het is niet eenvoudig om een uiteindelijke uitkomst voor de vraag te krijgen. Maar als we de kennis van menselijke experts in het expertsysteem stoppen, levert dat een efficiënt resultaat op door alle feiten en kennis met elkaar te vermengen.Niet beïnvloed door emoties:Deze systemen worden niet beïnvloed door menselijke emoties zoals vermoeidheid, woede, depressie, angst, enz.. De prestaties blijven dus constant.Hoge beveiliging:Deze systemen bieden een hoge beveiliging om elke vraag op te lossen.Houdt rekening met alle feiten:Om op elke vraag te reageren, controleert en overweegt het alle beschikbare feiten en levert het dienovereenkomstig het resultaat. Maar het is mogelijk dat een menselijke expert sommige feiten om welke reden dan ook niet in overweging neemt.Regelmatige updates verbeteren de prestaties:Als er een probleem is met de resultaten van de expertsystemen, kunnen we de prestaties van het systeem verbeteren door de kennisbank bij te werken.

Mogelijkheden van het expertsysteem

Hieronder staan enkele mogelijkheden van een Expert Systeem:

Adviseren:Het is in staat de mens te adviseren voor de vraag van elk domein uit de betreffende ES.Bied besluitvormingsmogelijkheden:Het biedt de mogelijkheid tot besluitvorming op elk domein, zoals het nemen van financiële beslissingen, beslissingen in de medische wetenschap, enz.Demonstreer een apparaat:Het is in staat om nieuwe producten te demonstreren, zoals de kenmerken, specificaties, hoe het product te gebruiken, enz.Probleemoplossing:Het heeft probleemoplossend vermogen.Een probleem uitleggen:Het is ook in staat een gedetailleerde beschrijving van een invoerprobleem te geven.De invoer interpreteren:Het is in staat de invoer van de gebruiker te interpreteren.Resultaten voorspellen:Het kan worden gebruikt voor het voorspellen van een resultaat.Diagnose:Een ES die voor de medische sector is ontworpen, kan een ziekte diagnosticeren zonder gebruik te maken van meerdere componenten, omdat deze al verschillende ingebouwde medische hulpmiddelen bevat.

Voordelen van Expert Systeem

Deze systemen zijn zeer reproduceerbaar.
Ze kunnen worden gebruikt op risicovolle plaatsen waar de menselijke aanwezigheid niet veilig is.
De foutmogelijkheden zijn kleiner als de KB de juiste kennis bevat.
De prestaties van deze systemen blijven stabiel omdat ze niet worden beïnvloed door emoties, spanning of vermoeidheid.
Ze bieden een zeer hoge snelheid om op een bepaalde vraag te reageren.

Beperkingen van het expertsysteem

De reactie van het expertsysteem kan verkeerd zijn als de kennisbank de verkeerde informatie bevat.
Net als een mens kan het geen creatieve output produceren voor verschillende scenario's.
De onderhouds- en ontwikkelingskosten zijn zeer hoog.
Kennisverwerving voor ontwerpen is veel lastiger.
Voor elk domein hebben we een specifieke ES nodig, wat een van de grote beperkingen is.
Het kan niet van zichzelf leren en vereist daarom handmatige updates.

TechCodeview

Wat is een expertsysteem?