Ako implementovať expertný systém v umelej inteligencii?

Expertný systém v je výraz, ktorý rozširuje svet technológií a to zo všetkých dobrých dôvodov. V tomto článku sa budeme podrobne venovať tejto téme.

V tomto článku sa budeme zaoberať nasledujúcimi ukazovateľmi,

• Čo je to umelá inteligencia?
• Expertný systém v oblasti umelej inteligencie
• Domény, kde sa používajú systémy Expert
• Hlavné oblasti použitia
• Tri etapy navrhovania ES
• Plusy Nevýhody a obmedzenia

Začnime teda týmto článkom,

Čo je to umelá inteligencia?

Názov Artificial Intelligence zvyčajne naznačuje inteligenciu stroja, ktorý je umelý. Spravodajstvo človeka je známe ako ľudská inteligencia, rovnako ako inteligencia demonštrovaná strojom je známa ako umelá inteligencia. V informatike. Umelá inteligencia (AI), niekedy nazývaná strojová inteligencia. Výskumná oblasť umelej inteligencie sa zrodila na workshope na Dartmouth College v roku 1956.

java rozdiel medzi hashmapou a hashtable

Aplikácie umelej inteligencie v reálnom svete:

Chatboti ako SIRI, CORTANA, ktorí si v dnešnej dobe získali toľko popularity. Ďalšie príklady, ako napríklad EVA (Electronic Virtual Assistant), chatbot založený na umelej inteligencii vyvinutý výskumným oddelením AI spoločností HDFC, ktorý dokáže zhromaždiť poznatky z tisícov zdrojov a poskytnúť jednoduché odpovede za menej ako 0,4 sekundy. Existuje toľko príkladov aplikácií AI, ktoré nájdete v rôznych oblastiach našej spoločnosti.

Ďalej s týmto expertným systémom v oblasti umelej inteligencie,

Expertný systém v oblasti umelej inteligencie

Čo je to expertný systém?

Vedci z Standfordskej univerzity v odbore informatiky predstavili túto doménu AI a je to popredná oblasť výskumu AI. Je to počítačová aplikácia, ktorá dokáže vyriešiť najzložitejšie problémy ktorejkoľvek konkrétnej domény. Považuje sa za najvyššiu úroveň ľudskej inteligencie a odbornosti, pretože je založená na poznatkoch získaných od odborníka. Expertný systém možno tiež definovať ako počítačový rozhodovací systém, ktorý dokáže vyriešiť zložité rozhodovacie problémy pomocou faktov aj heuristiky.

Ďalej s týmto expertným systémom v oblasti umelej inteligencie,

Domény, kde sa používajú systémy Expert

Expertné systémy dnes

Americká lekárska asociácia schválila prvý systém odborníkov, ktorým bol systém Pathfinder. Bola postavená na Standfordskej univerzite v roku 1980 na diagnostiku hematopatológie. Tento expertný systém teoreticky rozhodujúci, v skratke Pathfinder, dokáže diagnostikovať choroby lymfatických uzlín. Nakoniec sa venuje viac ako 60 chorobám a dokáže rozpoznať viac ako 100 príznakov.

Expertný systém v podnikaní

Nedávno vyvinutý expertný systém ROSS, právnik AI, je ROSS samoučiaci sa systém, ktorý využíva dolovanie dát, rozpoznávanie vzorov, hlboké učenie a spracovanie prirodzeného jazyka na napodobnenie spôsobu fungovania ľudského mozgu.

Ďalej s týmto expertným systémom v oblasti umelej inteligencie,

Hlavné oblasti použitia

• Tlmočenie - vyvodenie záverov na vysokej úrovni na základe údajov.
• Predikcia - projektovanie pravdepodobných výsledkov.
• Diagnóza - určenie príčiny porúch, chorôb atď.
• Dizajn -byťnding najlepšej konfigurácie na základe kritérií.
• Plánovanie - návrh série opatrení na dosiahnutie cieľa.
• Monitorovanie - porovnanie pozorovaného správania s očakávaným správaním.
• Ladenie a oprava - predpisovanie a implementácia nápravných opatrení.
• Inštruktáž - pomoc študentom pri učení.
• Kontrola - riadenie správania systému.

Účel expertného systému

Hlavným účelom expertného systému je získať vedomosti ľudských odborníkov a replikovať ich vedomosti a zručnosti v konkrétnej oblasti. Potom systém použije tieto vedomosti a zručnosti na riešenie zložitých problémov v konkrétnej oblasti bez účasti ľudských odborníkov.

Charakteristika expertných systémov

• Vysoký výkon
• Pochopiteľné
• Spoľahlivý
• Vysoko citlivý

Hlavné komponenty systému založeného na pravidlách alebo expertného systému

Hlavné komponenty sú:

• Vedomostná základňa
• Pracovná pamäť
• Inferenčný motor
• Vysvetľovací systém
• Používateľské rozhranie
• Editor databázy znalostí

Ďalej s týmto expertným systémom v oblasti umelej inteligencie,

Tri etapy navrhovania ES

Získavanie vedomostí:

Proces získavania poznatkov od odborníkov rozhovormi alebo pozorovaním ľudských odborníkov, čítaním konkrétnych kníh atď.

Vedomostná základňa:

Znalostná základňa je kontajnerom vysoko kvalitných znalostí. Zručnosti sa rozvíjajú praxou a inteligencia pochádza z poznatkov bez vedomostí, ktoré človek nemôže dokázať alebo nemôže preukázať svoju inteligenciu, takže vedomosti sú veľmi dôležité pre rozvoj schopností a prejavenie inteligencie. Rovnakým spôsobom sa vyžaduje, aby aj stroj vykazoval svoju inteligenciu. Presnosť predikcie a tiež výkonnosť systému veľmi a do veľkej miery závisí od zhromažďovania dokonalých, presných a presných poznatkov.

Čo sú to vedomosti?

Vedomosti sú údaje alebo informácie. Pre nás, človeka, čítaním článkov a čítaním kníh alebo z rôznych zdrojov, ktoré sme používali na zhromažďovanie vedomostí, ak proces procesu získavania a obohacovania poznatkov vidíme minútu, potom zistíme, že čítaním kníh, čítaním článkov alebo z akýchkoľvek zdrojov sme načítanie a extrakcia údajov a informácií z rôznych zdrojov, ktoré sme potom používali na ukladanie do nášho mozgu. Takže vedomosti sú údaje, vedomosti sú informácie. Vedomosti sú tiež zbierkou faktov.

Kombinované údaje, informácie a minulé skúsenosti sa nazývajú vedomosti.

Reprezentácia znalostí:

Reprezentácia znalostí je metóda výberu najvhodnejších štruktúr na reprezentáciu znalostí. Je to metóda organizácie a formalizovania poznatkov v znalostnej databáze. Robí sa to vo forme pravidiel IF-THEN-ELSE.

Validácia znalostí:

Testovanie znalostí o ES je správne a úplné.Celý tento proces sa nazýva znalostné inžinierstvo.

Inferenčný engine:

V prípade ES založeného na vedomostiach Inference Engine získava a manipuluje s poznatkami zo znalostnej bázy, aby dospel k konkrétnemu riešeniu.

V prípade ES založeného na pravidle

• Pravidlá opakovane uplatňuje na skutočnosti, ktoré vychádzajú z predchádzajúcej aplikácie pravidiel.
• V prípade potreby doplnenie nových poznatkov do znalostnej bázy.
• Rieši konflikt pravidiel, keď sa na konkrétny prípad vzťahuje viac pravidiel.

Inference Engine používa nasledujúce stratégie a mínus

• Dopredné reťazenie
• Spätné reťazenie

Dopredné reťazenie

final konečne finalizovať v jave

V prípade Forward Chaining dáva Inference Engine výsledok sledovaním reťazca podmienok a odvodení. Nech sú poznatky v systéme prenesené akokoľvek, prejdú všetky tieto znalosti a fakty a pred dosiahnutím riešenia ich triedia. Metódou forward chaining sa expertný systém snaží odpovedať: „Čo sa môže stať ďalej?“

Aplikácia forwardového reťazenia: predikcia cien nehnuteľností, predikcia akcií, predikcia akciového trhu atď.

Spätné reťazenie

Keď sa niečo stalo v konkrétnej doméne, Inference Engine sa pokúsi zistiť, ktorá podmienka sa pre tento výsledok mohla stať v minulosti. Metódou spätného reťazenia sa expertný systém snaží odpovedať: „Prečo sa to stalo?“. Metódou spätného reťazenia sa odvodzovací modul snaží zistiť príčinu alebo dôvod.

Napríklad: diagnóza rakoviny krvi u ľudí.

Plusy Nevýhody a obmedzenia

Výhody systému Expert

1. Uchovávajte obrovské množstvo informácií
2. Minimalizujte náklady na školenie zamestnancov
3. Centralizujte rozhodovací proces
4. Zefektívnite veci tým, že znížite čas potrebný na riešenie problémov
5. Kombinujte rôzne ľudské expertné inteligencie
6. Znížte počet ľudských chýb
7. Poskytnite strategické a komparatívne výhody, ktoré môžu konkurentom spôsobiť problémy
8. Prezrite si transakcie, na ktoré ľudskí odborníci nemusia myslieť
9. Poskytnite odpovede na rozhodnutia, procesy a úlohy, ktoré sa opakujú

Nevýhody expertného systému:

1. Nedostatok tvorivých reakcií, ktorých sú schopní ľudskí odborníci
2. Nie je schopný vysvetliť logiku a odôvodnenie rozhodnutia
3. Nie je ľahké automatizovať zložité procesy
4. Neexistuje žiadna flexibilita a schopnosť prispôsobiť sa meniacemu sa prostrediu
5. Nie je schopný rozpoznať, keď nie je odpoveď
6. Pri rozhodovaní sa nepoužíva zdravý sedliacky rozum

Obmedzenia:

• Nedokáže tvorivo reagovať, pretože ide o stroj.
• Ak údaje vložené do znalostnej databázy nie sú presné alebo správne, poskytnú nesprávne predpovede a nesprávne výsledky.
• Náklady na údržbu odborného systému sú vysoké.
• Keď prídu rôzne problémy, ľudský expert môže dať rôzne odlišné riešenia a kreatívne reakcie, ale expertný systém nedokáže poskytnúť kreatívne odpovede.

Týmto sa dostávame na koniec tohto článku o Expertných systémoch v umelej inteligencii.

Ak sa chcete prihlásiť na úplný kurz umelej inteligencie a strojového učenia, má Edureka špeciálne kurátora vďaka čomu ovládate techniky, ako je supervidované učenie, nekontrolované učenie a spracovanie prirodzeného jazyka. Zahŕňa školenie o najnovších pokrokoch a technických prístupoch v oblasti umelej inteligencie a strojového učenia, ako sú napríklad Deep Learning, Graphical Models a Reinforcement Learning.