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:
Kenmerken van expertsysteem
Onderdelen van het expertsysteem
Een expertsysteem bestaat hoofdzakelijk uit drie componenten:
tekenreeksvergelijking java
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:
De inferentie-engine gebruikt de onderstaande modi om de oplossingen af te leiden:
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
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:
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
Mogelijkheden van het expertsysteem
Hieronder staan enkele mogelijkheden van een Expert Systeem:
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.
Toepassingen van Expertsysteem
Het kan breed worden gebruikt voor het ontwerpen en vervaardigen van fysieke apparaten zoals cameralenzen en auto's.
Deze systemen worden vooral gebruikt voor het publiceren van de relevante kennis naar de gebruikers. De twee populaire ES die voor dit domein worden gebruikt, zijn een adviseur en een belastingadviseur.
In de financiële sector wordt het gebruikt om elke vorm van mogelijke fraude en verdachte activiteiten op te sporen en bankiers te adviseren of ze zakelijke leningen moeten verstrekken of niet.
Bij medische diagnoses wordt het ES-systeem gebruikt, en dit was het eerste gebied waar deze systemen werden gebruikt.
De expertsystemen kunnen ook worden gebruikt voor het plannen en plannen van bepaalde taken om het doel van die taak te bereiken.