STROKOVNI SISTEMI: ZGODOVINA, ZNAČILNOSTI, PREDNOSTI, SLABOSTI - TEHNOLOGIJA - 2026

V ekspertni sistemi so opredeljeni kot sistemi, ki posnemajo sposobnost odločanju o strokovnjaka prehrano na določenem področju. Uporabljajo tako hevristične strategije kot dejstva, da zapleteno in interaktivno rešujejo zapletene težave pri odločanju.

Zasnovani so za reševanje zelo zapletenih problemov, sklepanja prek baz znanja. Namesto da bi jih predstavljal procesni kodeks, jih v osnovi predstavljajo pravila If-then.

Vir: pixabay.com

So sposobni izraziti sebe in razmišljanje o nekem področju znanja, kar jim omogoča, da rešijo številne težave, za katere bi na splošno potrebovali človeškega strokovnjaka. Strokovni sistemi so bili predhodniki današnjih sistemov umetne inteligence, globokega učenja in strojnega učenja.

Strokovni sistem ne more nadomestiti splošne uspešnosti delavca pri odpravljanju napak. Vendar pa lahko drastično zmanjšajo količino dela, ki ga mora posameznik opraviti, da reši težavo, in kreativne in inovativne vidike reševanja problemov prepusti ljudem.

Igrali so pomembno vlogo v številnih panogah, kot so finančne storitve, telekomunikacije, zdravstveno varstvo, storitve za stranke, videoigre in proizvodnja.

Zmogljivost sistema

Strokovni sistem vključuje dva podsistema: bazo znanja, ki vsebuje nabrana dejstva in izkušnje, in mehanizem sklepanja, ki je niz pravil, ki se uporabljajo za bazo znanja ali znana dejstva v vsaki posamezni situaciji, da se ugotovijo novi. deluje.

Zmogljivosti sistema je mogoče izboljšati z dodatki v zbirko znanja ali nabor pravil.

Na primer, današnji strokovni sistemi imajo lahko tudi možnost samodejnega učenja, kar jim omogoča, da izboljšajo svojo uspešnost na podlagi izkušenj, tako kot ljudje.

Poleg tega sodobni sistemi lažje vključujejo nova znanja in jih tako enostavno posodabljajo. Takšni sistemi lahko bolje posplošijo obstoječe znanje in obravnavajo velike količine zapletenih podatkov.

Zgodovina

- Začetni razvoj

V poznih petdesetih letih se je začelo eksperimentiranje z možnostjo uporabe računalniške tehnologije za posnemanje človekovega odločanja. Na primer, začeli so se ustvarjati računalniško podprti sistemi za diagnostične aplikacije v medicini.

Ti začetni diagnostični sistemi so v sistem vnesli simptome pacienta in rezultate laboratorijskih preiskav, da bi ustvarili diagnozo. To so bile prve oblike ekspertnih sistemov.

- Glavni razvoj dogodkov

Na začetku šestdesetih let so bili razviti programi, ki so reševali natančno opredeljene težave. Na primer igre ali strojni prevod.

Ti programi so potrebovali inteligentne tehnike sklepanja za obravnavanje predstavljenih logičnih in matematičnih problemov, vendar za to niso potrebovali veliko dodatnega znanja.

Raziskovalci so se začeli zavedati, da morajo programi za reševanje številnih zanimivih problemov ne le znati razlagati težave, ampak potrebujejo tudi osnovno znanje, da jih lahko popolnoma razumejo.

To je postopoma privedlo do razvoja strokovnih sistemov, ki so bili bolj osredotočeni na znanje.

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

Feigenbaum je pojasnil, da se je svet premikal od obdelave podatkov do obdelave znanja, zahvaljujoč novi procesorski tehnologiji in računalniški arhitekturi.

Dendral

V poznih šestdesetih letih prejšnjega stoletja je bil razvit eden prvih strokovnih sistemov, imenovan Dendral, ki se ukvarja z analizo kemičnih spojin.

Dendralova znanja so bila sestavljena iz sto pravil, ki so opisala interakcije kemičnih spojin. Ta pravila so bila rezultat večletnega sodelovanja med kemiki in računalničarji.

- Zrelost

Strokovni sistemi so se začeli širiti v osemdesetih letih. Mnoga podjetja Fortune 500 so to tehnologijo uporabljala v svojih vsakodnevnih poslovnih dejavnostih.

V devetdesetih letih so številni ponudniki poslovnih aplikacij, kot sta Oracle in SAP, integrirali zmogljivosti strokovnih sistemov v svoj paket izdelkov kot način razlage poslovne logike.

značilnosti

- raven izkušenj

Strokovni sistem mora nuditi najvišjo raven strokovnega znanja. Zagotavlja učinkovitost, natančnost in domiselno reševanje problemov.

- Reakcija pravočasno

Uporabnik v dokaj razumnem obdobju sodeluje s strokovnim sistemom. Čas te interakcije mora biti krajši od časa, ki ga potrebuje strokovnjak, da dobi najbolj natančno rešitev za isti problem.

- Zanesljivost

Strokovni sistem mora imeti dobro zanesljivost. Če želite to narediti, ne smete delati napak.

- Učinkovit mehanizem

Strokovni sistem mora imeti učinkovit mehanizem za upravljanje zbranega znanja.

- Težave z roko

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

- Komponente

Baza znanja

Gre za organizirano zbiranje podatkov, ki ustreza obsegu izkušenj sistema.

Z intervjuji in opazovanji s človeškimi strokovnjaki je treba sprejeti dejstva, ki sestavljajo bazo znanja.

Inference motor

Razlaga in vrednotenje dejstev v bazi znanja s pomočjo pravil, da bi zagotovili priporočilo ali sklep.

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

Sklepi

Za zaključek vsakega proizvodnega pravila in končno priporočilo je pogosto priložen verjetnostni faktor, ker doseženi zaključek ni absolutna gotovost.

Na primer, sistem strokovnjakov za diagnozo očesnih bolezni lahko na podlagi predloženih informacij pokaže, da ima oseba glavkom z verjetnostjo 90%.

Prikazano je lahko tudi zaporedje pravil, po katerih je bil sklep dosežen. Spremljanje te verige pomaga oceniti verodostojnost priporočila in je koristno kot učno orodje.

Vrste

Temelji na pravilih

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

Pravilo je sestavljeno iz dveh delov: del "Če", ki se imenuje pogoj, in del "Nato", imenovan odbitek. Osnovna skladnja pravila je: Če (pogoj) Potem (odbitek).

Temelji na mehki logiki

Ko želite izraziti znanje z nejasnimi besedami, kot so "zelo malo", "zmerno težko", "ne tako stara", se lahko uporablja mehka logika.

Ta logika se uporablja za opis nenatančne definicije. Temelji na ideji, da so vse stvari opisane v drsni lestvici.

Klasična logika deluje z dvema vrednostma gotovosti: True (1) in False (0). V mehki logiki so vse vrednosti gotovosti izražene kot realna števila v območju od 0 do 1.

Mehka logika predstavlja znanje, ki temelji na stopnji resničnosti, ne pa na absolutni resničnosti klasične logike.

Nevronski

Prednosti ekspertnega sistema, ki temelji na pravilih, združujejo tudi prednosti nevronske mreže, kot so učenje, posploševanje, robustnost in vzporedna obdelava informacij.

Ta sistem ima nevronsko bazo znanja, ne pa tradicionalno bazo znanja. Znanje je shranjeno kot uteži v nevronih.

Ta kombinacija omogoča nevronskemu ekspertnemu sistemu, da utemelji svoje sklepe.

Nevronsko-difuzno

Mehka logika in nevronske mreže so komplementarna orodja za gradnjo strokovnih sistemov.

Nejasnim sistemom ni možnosti učenja in se ne morejo prilagoditi novemu okolju. Čeprav se nevronske mreže lahko naučijo, je njihov postopek za uporabnika zelo zapleten.

Nevrono mehki sistemi lahko združujejo računalniške in učne zmožnosti nevronske mreže s predstavitvijo človeškega znanja in razlagalnih veščin mehkih sistemov.

Posledično postanejo nevronske mreže preglednejše, mehki sistem pa se lahko uči.

Prednost

Razpoložljivost

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

Zmanjšano tveganje

Podjetje lahko upravlja strokovni sistem v okolju, ki je nevarno za ljudi. Uporabljajo se lahko v katerem koli nevarnem okolju, kjer ljudje ne morejo delati.

Poslovno znanje

V nasprotju z znanjem posameznikov v podjetju lahko postanejo sredstvo za razvoj organizacijskega znanja.

Odgovor na obrazložitev

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

Če jih uporabljamo kot orodje za trening, prinašajo hitrejšo krivuljo učenja za začetnike.

Hiter odgovor

Pomaga do hitrega in natančnega odgovora. Strokovni sistem lahko svoj delež nalog opravi veliko hitreje kot človeški strokovnjak.

Nizka stopnja napak

Stopnja napak uspešnih strokovnih sistemov je precej nizka, včasih precej nižja od stopnje napake pri isti nalogi.

Odziv brez čustev

Strokovni sistemi delujejo, ne da bi bili navdušeni. V izrednih razmerah ne postanejo napeti, utrujeni ali panični.

Stalnost znanja

Strokovni sistem vzdržuje pomembno raven informacij. To vsebovano znanje bo trajalo v nedogled.

Hitro oblikovanje prototipov

S strokovnim sistemom je mogoče vnesti nekatera pravila in razviti prototip v dnevih, ne pa mesecih ali letih, ki so običajno povezana s kompleksnimi IT-projekti.

Več izkušenj

Strokovni sistem je zasnovan tako, da vsebuje znanje številnih usposobljenih strokovnjakov in ima tako možnost reševanja zapletenih problemov.

To zmanjšuje stroške svetovanja s strokovnjaki za reševanje problemov. So sredstvo za pridobivanje virov, ki jih je težko dobiti.

Slabosti

Pridobitev znanja

Vedno je težko dobiti čas strokovnjakov na določenih področjih za katero koli programsko aplikacijo, za strokovne sisteme pa je to še posebej težko, saj strokovnjaki zelo cenijo in jih organizacije nenehno zahtevajo.

Posledično se je v zadnjih letih velika količina raziskav osredotočila na orodja za pridobivanje znanja, ki pomagajo avtomatizirati postopek načrtovanja, odpravljanja napak in vzdrževanja pravil, ki jih določijo strokovnjaki.

Sistemska integracija

Integracija sistemov z bazami podatkov je bila za prve strokovne sisteme težavna, saj so bila orodja večinoma v jezikih in platformah, ki jih v podjetjih ni poznalo.

Kot rezultat, smo si močno prizadevali za integracijo orodij strokovnih sistemov s starejšimi okolji in s tem prenos na bolj standardne platforme.

Te težave so reševali predvsem premiki paradigme, saj so bili računalniki postopoma sprejeti v računalniškem okolju kot legitimna platforma za razvoj resnih poslovnih sistemov.

Kompleksnost obdelave

Povečanje velikosti baze znanja povečuje zapletenost obdelave.

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

Za sklepanje bi moralo biti mogoče obdelati veliko število pravil.

Kadar je preveč pravil, je tudi težko preveriti, ali so ta pravila odločitve med seboj skladna.

Prav tako je težko določiti prednost uporabe pravil za učinkovitejše delovanje ali kako razrešiti nejasnosti.

Posodobitev znanja

Ena težava, povezana z bazo znanja, je, kako posodobitve hitro in učinkovito posodobiti. Tudi kako dodati novo znanje, torej kam dodati med toliko pravili.

Prijave

Diagnoza in odpravljanje težav

Povzema vse sisteme, ki povzročajo napake, in predlaga korektivne ukrepe za okvarjen postopek ali napravo.

Eno prvih področij znanja, kjer se je uporabljala tehnologija strokovnih sistemov, je bila medicinska diagnoza. Vendar je diagnostika inženirskih sistemov hitro presegla medicinsko diagnostiko.

Diagnozo lahko izrazimo kot: glede na predložene dokaze, kaj je osnovni problem, razlog ali vzrok?

Načrtovanje in načrtovanje

Ti strokovni sistemi analizirajo niz ciljev, da določijo niz ukrepov, ki dosegajo te cilje, in podrobno razvrstijo te ukrepe sčasoma, upoštevajoč materiale, osebje in druge omejitve.

Primeri vključujejo osebje letalskih prevoznikov in načrtovanje letov ter načrtovanje proizvodnih procesov.

Finančne odločitve

Ustvarjeni so bili sistemi finančnega svetovanja, ki bankirjem pomagajo določiti, ali bodo dajali posojila posameznikom in podjetjem.

Zavarovalnice uporabljajo te strokovne sisteme za oceno tveganja, ki ga stranka predstavlja, in s tem določitev cene zavarovanja.

Spremljanje in nadzor procesov

V realnem času analizirajo podatke fizičnih naprav, da bi opazili nepravilnosti, napovedali trende in nadzirali tako optimizacijo kot odpravo napak.

Primeri teh sistemov so v industriji za predelavo nafte in jeklarstvu.

Svetovalno znanje

Primarna funkcija te aplikacije je zagotoviti smiseln vpogled v uporabnikov problem, v okolju te težave.

V to kategorijo spadata dva strokovna sistema, ki sta najbolj razširjena po vsem svetu.

Prvi od teh sistemov je svetovalec, ki uporabniku svetuje glede pravilne uporabe slovnice v besedilu.

Drugi je davčni svetovalec, ki je vezan na sistem priprave davkov. Uporabnika svetuje glede strategije in določenih davčnih politik.

Reference

1. Guru99 (2019). Strokovni sistem za umetno inteligenco: Kaj je, aplikacije, primer. Vzeto iz: guru99.com.
2. Wikipedija, brezplačna enciklopedija (2019). Strokovni sistem. Izvedeno iz: en.wikipedia.org.
3. Margaret Rouse (2019). Strokovni sistem. Techtarget. Vzeto iz: searchchenterpriseai.techtarget.com.
4. Vladimir Zwass (2019). Strokovni sistem. Enciklopedija Vzeto iz: britannica.com.
5. Wtec (2019). Uporaba strokovnih sistemov. Vzeto iz: wtec.org.
6. Virus Nagori (2014). Vrste strokovnega sistema: primerjalni študij. Semantični učenjak Vzpostavljeno s: pdfs.semanticscholar.org.
7. Svet računalništva (2010). Strokovni sistemi. Izvedeno iz: inteligencije.worldofcomputing.net.