Компьютерная экспертная система выбора

Обновлено: 21.11.2024

Искусственный интеллект — это часть программного обеспечения, которое имитирует поведение и суждения человека или организации, в которой есть эксперты в определенной области, известной как экспертная система. Он делает это, получая соответствующие знания из своей базы знаний и интерпретируя их в соответствии с проблемой пользователя. Данные в базу знаний добавляются людьми, являющимися экспертами в определенной области, и это программное обеспечение используется пользователем, не являющимся экспертом, для получения некоторой информации. Он широко используется во многих областях, таких как медицинская диагностика, бухгалтерский учет, кодирование, игры и т. д.

Экспертная система – это программное обеспечение ИИ, которое использует знания, хранящиеся в базе знаний, для решения проблем, для решения которых обычно требуется участие человека-эксперта, таким образом сохраняя знания человека-эксперта в своей базе знаний. Они могут консультировать пользователей, а также объяснять им, как они пришли к тому или иному выводу или совету. Инженерия знаний — это термин, используемый для определения процесса создания экспертной системы, а его специалисты называются инженерами знаний. Основная роль инженера по знаниям состоит в том, чтобы убедиться, что компьютер обладает всеми знаниями, необходимыми для решения проблемы. Инженер по знаниям должен выбрать одну или несколько форм для представления требуемых знаний в виде символического паттерна в памяти компьютера.

MYCIN –
одна из первых экспертных систем, основанная на обратной цепочке. Он может определить различные бактерии, которые могут вызывать тяжелые инфекции, а также может порекомендовать лекарства в зависимости от веса человека.
DENDRAL.
Это была экспертная система на основе искусственного интеллекта, используемая для химического анализа. Он использовал спектрографические данные вещества, чтобы предсказать его молекулярную структуру.
R1/XCON.
Он может выбрать конкретное программное обеспечение для создания компьютерной системы, желаемой пользователем.
PXDES.
Он может легко определить тип и степень рака легких у пациента на основе данных.
CaDet —
это система клинической поддержки, которая может выявлять рак у пациентов на ранних стадиях.
DXplain.
Это была также система клинической поддержки, которая могла предложить различные заболевания на основе выводов врача.

Компоненты экспертной системы:

Архитектура экспертной системы

База знаний.
База знаний представляет факты и правила. Он состоит из знаний в определенной области, а также правил для решения проблемы, процедур и внутренних данных, относящихся к области.
Подсистема логического вывода.
Функция подсистемы логического вывода состоит в том, чтобы извлекать соответствующие знания из базы знаний, интерпретировать их и находить решение, относящееся к проблеме пользователя. Механизм вывода получает правила из своей базы знаний и применяет их к известным фактам для вывода новых фактов. Механизмы логических выводов также могут включать объяснения и возможности отладки.
Модуль приобретения и обучения знаний.
Функция этого компонента состоит в том, чтобы позволить экспертной системе получать все больше и больше знаний из различных источников и сохранять их в базе знаний.
Пользовательский интерфейс.
Этот модуль позволяет пользователю, не являющемуся экспертом, взаимодействовать с экспертной системой и находить решение проблемы.
Модуль пояснений.
Этот модуль помогает экспертной системе дать пользователю объяснение того, как экспертная система пришла к определенному выводу.

Двигатель вывода обычно использует две стратегии получения знаний из базы знаний, а именно —

Прямая цепочка.
Прямая цепочка — это стратегический процесс, используемый экспертной системой для ответа на вопросы: Что произойдет дальше. Эта стратегия в основном используется для управления такими задачами, как создание заключения, результата или эффекта. Пример – прогноз или доля движения рынка.

Обратная цепочка —
Обратная цепочка — это хранилище, используемое экспертной системой для ответа на вопросы — Почему это произошло. Эта стратегия в основном используется для выяснения основной причины или причины этого, учитывая то, что уже произошло. Пример – диагностика боли в желудке, рака крови или лихорадки денге и т. д.

Эксперты-люди недолговечны, но экспертная система постоянна.
Это помогает распространять опыт человека.
Одна экспертная система может содержать знания более чем одного человека-эксперта, что делает решения более эффективными.
Это снижает стоимость консультации эксперта в различных областях, таких как медицинская диагностика.
Они используют базу знаний и механизм логического вывода.
Экспертные системы могут решать сложные проблемы путем вывода новых фактов из существующих фактов знаний, представленных в основном в виде правил «если-тогда», а не посредством обычного процедурного кода.
Экспертные системы были одними из первых действительно успешных форм программного обеспечения искусственного интеллекта (ИИ).

Не обладают полномочиями принимать решения, как у человека.
Не может обладать человеческими способностями.
Невозможно получить правильный результат при меньшем объеме знаний.
Требуется чрезмерное обучение.

Низкая стоимость доступа.
Быстрый ответ.
Не подвержен эмоциям, в отличие от людей.
Низкий уровень ошибок.
Способны объяснить, как они пришли к решению.

У экспертной системы нет эмоций.
Здравый смысл — главная проблема экспертной системы.
Он разработан для определенного домена.
Его необходимо обновить вручную. Он не учится сам.
Не могу объяснить логику решения.

Различные виды медицинской диагностики, такие как внутренние болезни, болезни крови и шоу.
Диагностика сложной электронной и электромеханической системы.
Диагностика проекта разработки программного обеспечения.
Планирование эксперимента по биологии, химии и молекулярной генетике.
Прогнозирование ущерба урожаю.
Диагностика дизель-электрической системы локомотива.
Идентификация структуры химического соединения.
Планирование заказов клиентов, компьютерных ресурсов и различных производственных задач.
Оценка геологической структуры по каротажу наклономера.
Оценка космической структуры с помощью спутника и робота.
Конструкция системы СБИС.
Обучение учащихся специализированным задачам.
Оценка журнала, включая оценку гражданского дела, ответственность за качество продукции и т. д.

Экспертные системы развились настолько, что вызвали различные дебаты о судьбе человечества перед лицом такого интеллекта. Такие авторы, как Ник Бостром (профессор философии в Оксфордском университете), размышляли о том, превзошла ли вычислительная мощность наши возможности. чтобы контролировать его.

MYCIN –
одна из первых экспертных систем, основанная на обратной цепочке. Он может определить различные бактерии, которые могут вызывать тяжелые инфекции, а также может порекомендовать лекарства в зависимости от веса человека.
DENDRAL.
Это была экспертная система на основе искусственного интеллекта, используемая для химического анализа. Он использовал спектрографические данные вещества, чтобы предсказать его молекулярную структуру.
R1/XCON.
Он может выбрать конкретное программное обеспечение для создания компьютерной системы, желаемой пользователем.
PXDES.
Он может легко определить тип и степень рака легких у пациента на основе данных.
CaDet —
это система клинической поддержки, которая может выявлять рак у пациентов на ранних стадиях.
DXplain.
Это была также система клинической поддержки, которая могла предложить различные заболевания на основе выводов врача.

Компоненты экспертной системы:

Архитектура экспертной системы

База знаний.
База знаний представляет факты и правила.Он состоит из знаний в определенной области, а также правил для решения проблемы, процедур и внутренних данных, относящихся к области.
Подсистема логического вывода.
Функция подсистемы логического вывода состоит в том, чтобы извлекать соответствующие знания из базы знаний, интерпретировать их и находить решение, относящееся к проблеме пользователя. Механизм вывода получает правила из своей базы знаний и применяет их к известным фактам для вывода новых фактов. Механизмы логических выводов также могут включать объяснения и возможности отладки.
Модуль приобретения и обучения знаний.
Функция этого компонента состоит в том, чтобы позволить экспертной системе получать все больше и больше знаний из различных источников и сохранять их в базе знаний.
Пользовательский интерфейс.
Этот модуль позволяет пользователю, не являющемуся экспертом, взаимодействовать с экспертной системой и находить решение проблемы.
Модуль пояснений.
Этот модуль помогает экспертной системе дать пользователю объяснение того, как экспертная система пришла к определенному выводу.

Двигатель вывода обычно использует две стратегии получения знаний из базы знаний, а именно —

Эксперты-люди недолговечны, но экспертная система постоянна.
Это помогает распространять опыт человека.
Одна экспертная система может содержать знания более чем одного человека-эксперта, что делает решения более эффективными.
Это снижает стоимость консультации эксперта в различных областях, таких как медицинская диагностика.
Они используют базу знаний и механизм логического вывода.
Экспертные системы могут решать сложные проблемы путем вывода новых фактов из существующих фактов знаний, представленных в основном в виде правил «если-тогда», а не посредством обычного процедурного кода.
Экспертные системы были одними из первых действительно успешных форм программного обеспечения искусственного интеллекта (ИИ).

Не обладают полномочиями принимать решения, как у человека.
Не может обладать человеческими способностями.
Невозможно получить правильный результат при меньшем объеме знаний.
Требуется чрезмерное обучение.

Низкая стоимость доступа.
Быстрый ответ.
Не подвержен эмоциям, в отличие от людей.
Низкий уровень ошибок.
Способны объяснить, как они пришли к решению.

У экспертной системы нет эмоций.
Здравый смысл — главная проблема экспертной системы.
Он разработан для определенного домена.
Его необходимо обновить вручную. Он не учится сам.
Не могу объяснить логику решения.

Различные виды медицинской диагностики, такие как внутренние болезни, болезни крови и шоу.
Диагностика сложной электронной и электромеханической системы.
Диагностика проекта разработки программного обеспечения.
Планирование эксперимента по биологии, химии и молекулярной генетике.
Прогнозирование ущерба урожаю.
Диагностика дизель-электрической системы локомотива.
Идентификация структуры химического соединения.
Планирование заказов клиентов, компьютерных ресурсов и различных производственных задач.
Оценка геологической структуры по каротажу наклономера.
Оценка космической структуры с помощью спутника и робота.
Конструкция системы СБИС.
Обучение учащихся специализированным задачам.
Оценка журнала, включая оценку гражданского дела, ответственность за качество продукции и т. д.

Несмотря на то, что были приложены все усилия для соблюдения правил стиля цитирования, могут быть некоторые расхождения. Если у вас есть какие-либо вопросы, обратитесь к соответствующему руководству по стилю или другим источникам.

Наши редакторы рассмотрят то, что вы отправили, и решат, нужно ли пересматривать статью.

экспертная система, компьютерная программа, использующая методы искусственного интеллекта для решения проблем в специализированной области, которая обычно требует человеческого опыта. Первая экспертная система была разработана в 1965 году Эдвардом Фейгенбаумом и Джошуа Ледербергом из Стэнфордского университета в Калифорнии, США. Dendral, как позже назвали их экспертную систему, была разработана для анализа химических соединений. Экспертные системы теперь находят коммерческое применение в самых разных областях, таких 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.

Компьютеры размещают веб-сайты, состоящие из HTML, и отправляют текстовые сообщения так же просто, как. РЖУ НЕ МОГУ. Взломайте этот тест, и пусть какая-нибудь технология подсчитает ваш результат и раскроет вам его содержание.

Факты для базы знаний должны быть получены от экспертов-людей 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 указывать на основе предоставленной ей информации 90-процентную вероятность того, что у человека глаукома, а также может перечислять заключения 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.

Эксперты-люди часто используют эвристические правила, или «эмпирические правила», в дополнение к простым производственным правилам, таким как те, которые 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. Экспертные системы включают такие эвристические правила и все больше способны учиться на собственном опыте. Экспертные системы остаются помощниками, а не заменой экспертов-людей.

Читайте также: