Компьютерная экспертная система выбора
Обновлено: 03.07.2024
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.
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.
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: