Σύστημα ειδικών στο είναι όρος που κάνει γύρους του κόσμου της τεχνολογίας και για όλους τους καλούς λόγους. Σε αυτό το άρθρο θα διερευνήσουμε λεπτομερώς αυτό το θέμα.
Οι ακόλουθοι δείκτες θα καλυφθούν σε αυτό το άρθρο,
- Τι είναι η Τεχνητή Νοημοσύνη;
- Ειδικό Σύστημα Τεχνητής Νοημοσύνης
- Τομείς όπου χρησιμοποιούνται τα Expert Systems
- Κύριοι τομείς εφαρμογής
- Τρία στάδια σχεδιασμού ES
- Πλεονεκτήματα και περιορισμοί
Ας ξεκινήσουμε λοιπόν με αυτό το άρθρο,
Τι είναι η Τεχνητή Νοημοσύνη;
Λοιπόν, συνήθως το όνομα Artificial Intelligence υποδηλώνει την ευφυΐα μιας μηχανής που είναι τεχνητή. Η νοημοσύνη που κατέχει ο άνθρωπος είναι γνωστή ως ανθρώπινη νοημοσύνη, όπως με τον ίδιο τρόπο που η ευφυΐα που επιδεικνύεται από μια μηχανή είναι γνωστή ως Τεχνητή Νοημοσύνη. Στην επιστήμη των υπολογιστών. Τεχνητή νοημοσύνη (AI), μερικές φορές ονομάζεται μηχανική νοημοσύνη. Ο ερευνητικός τομέας της Τεχνητής Νοημοσύνης γεννήθηκε σε εργαστήριο στο Dartmouth College το 1956.
Εφαρμογές τεχνητής νοημοσύνης στον πραγματικό κόσμο:
Τα chatbots όπως το SIRI, το CORTANA που έχουν αποκτήσει μεγάλη δημοτικότητα στις μέρες μας. Άλλα παραδείγματα όπως το EVA (Ηλεκτρονικός Εικονικός Βοηθός), ένα chatbot βασισμένο σε AI που αναπτύχθηκε από το τμήμα έρευνας AI τράπεζες HDFC, το οποίο μπορεί να συλλέξει γνώσεις από χιλιάδες πηγές και να παρέχει απλές απαντήσεις σε λιγότερο από 0,4 δευτερόλεπτα. Υπάρχουν τόσα πολλά παραδείγματα εφαρμογών AI που θα βρείτε σε διαφορετικό πεδίο της κοινωνίας μας.
Προχωρώντας με αυτό το Expert System In Artificial Intelligence,
Ειδικό Σύστημα Τεχνητής Νοημοσύνης
Τι είναι ένα ειδικό σύστημα;
Ερευνητές του Πανεπιστημίου Standford, Τμήμα Επιστήμης Υπολογιστών έχουν εισαγάγει αυτόν τον τομέα της AI και είναι ένας εξέχων τομέας έρευνας της AI. Είναι μια εφαρμογή υπολογιστή που μπορεί να λύσει τα πιο περίπλοκα προβλήματα οποιουδήποτε συγκεκριμένου τομέα. Θεωρείται στο υψηλότερο επίπεδο ανθρώπινης νοημοσύνης και εμπειρογνωμοσύνης, καθώς βασίζεται σε γνώσεις που αποκτώνται από έναν ειδικό. Το Expert System μπορεί επίσης να οριστεί ως ένα σύστημα λήψης αποφάσεων που βασίζεται στον υπολογιστή και μπορεί να λύσει πολύπλοκα προβλήματα λήψης αποφάσεων χρησιμοποιώντας τόσο γεγονότα όσο και ευρετικά.
Προχωρώντας με αυτό το Expert System In Artificial Intelligence,
Τομείς όπου χρησιμοποιούνται τα Expert Systems
Expert Systems σήμερα
Η American Medical Association ενέκρινε το πρώτο σύστημα ειδικών που ήταν το σύστημα Pathfinder. Χτίστηκε το Πανεπιστήμιο Standford το 1980, για διάγνωση αιματοπαθολογίας. Αυτό το θεωρητικό σύστημα εμπειρογνωμόνων αποφάσεων εν συντομία Pathfinder, μπορεί να διαγνώσει ασθένειες των λεμφαδένων. Στο τέλος ασχολείται με πάνω από 60 ασθένειες και μπορεί να αναγνωρίσει πάνω από 100 συμπτώματα.
Ειδικό σύστημα στην επιχείρηση
Πρόσφατα ανέπτυξε ένα εξειδικευμένο σύστημα ROSS, τον πληρεξούσιο AI, το ROSS είναι ένα σύστημα αυτο-μάθησης που χρησιμοποιεί εξόρυξη δεδομένων, αναγνώριση προτύπων, βαθιά μάθηση και επεξεργασία φυσικής γλώσσας για να μιμηθεί τον τρόπο λειτουργίας του ανθρώπινου εγκεφάλου.
Προχωρώντας με αυτό το Expert System In Artificial Intelligence,
Κύριοι τομείς εφαρμογής
- Ερμηνεία - εξαγωγή συμπερασμάτων υψηλού επιπέδου βάσει δεδομένων.
- Πρόβλεψη - προβολή πιθανών αποτελεσμάτων.
- Διάγνωση - προσδιορισμός της αιτίας δυσλειτουργιών, ασθενειών κ.λπ.
- Σχέδιο -είναιΒρίσκοντας την καλύτερη διαμόρφωση βάσει κριτηρίων.
- Προγραμματισμός - πρόταση μιας σειράς δράσεων για την επίτευξη ενός στόχου.
- Παρακολούθηση - σύγκριση της παρατηρούμενης συμπεριφοράς με την αναμενόμενη συμπεριφορά.
- Εντοπισμός σφαλμάτων και επισκευή - συνταγογράφηση και εφαρμογή διορθωτικών μέτρων.
- Οδηγίες - βοηθώντας τους μαθητές στη μάθηση.
- Έλεγχος - που διέπει τη συμπεριφορά ενός συστήματος.
Σκοπός του ειδικού συστήματος
Ο κύριος σκοπός ενός συστήματος εμπειρογνωμόνων είναι η απόκτηση γνώσεων ανθρώπινων εμπειρογνωμόνων και η αναπαραγωγή αυτών των γνώσεων και δεξιοτήτων του ανθρώπινου εμπειρογνώμονα σε μια συγκεκριμένη περιοχή. Στη συνέχεια, το σύστημα θα χρησιμοποιήσει αυτές τις γνώσεις και τις δεξιότητες για να λύσει πολύπλοκα προβλήματα του συγκεκριμένου τομέα χωρίς τη συμμετοχή των εμπειρογνωμόνων του ανθρώπου.
Χαρακτηριστικά των ειδικών συστημάτων
- Υψηλή απόδοση
- Κατανοητός
- Αξιόπιστος
- Υψηλή ανταπόκριση
Κύρια συστατικά ενός συστήματος που βασίζεται σε κανόνες ή ενός ειδικού
Τα κύρια συστατικά είναι:
- Βάση γνώσεων
- Μνήμη εργασίας
- Κινητήρας συμπερασμάτων
- Σύστημα επεξήγησης
- Διεπαφή χρήστη
- Πρόγραμμα επεξεργασίας βάσης γνώσεων
Προχωρώντας με αυτό το Expert System In Artificial Intelligence,
Τρία στάδια σχεδιασμού ES
Απόκτηση γνώσης:
Η διαδικασία απόκτησης γνώσεων από εμπειρογνώμονες με συνέντευξη ή με παρατήρηση ανθρώπινων εμπειρογνωμόνων, ανάγνωση συγκεκριμένων βιβλίων κ.λπ.
Βάση γνώσεων:
Η βάση γνώσεων είναι ένα δοχείο γνώσεων υψηλής ποιότητας. Οι δεξιότητες αναπτύσσονται μέσω της πρακτικής και η νοημοσύνη προέρχεται από τη γνώση χωρίς γνώση που δεν μπορεί να αποδείξει ή δεν μπορεί να δείξει τη νοημοσύνη του, επομένως η γνώση είναι πολύ σημαντική για την ανάπτυξη δεξιοτήτων και την εμφάνιση νοημοσύνης. Όπως, με τον ίδιο τρόπο απαιτείται η γνώση για τη μηχανή να επιδεικνύει τη νοημοσύνη της. Η ακρίβεια της πρόβλεψης και επίσης η απόδοση του συστήματος εξαρτάται σε μεγάλο και μεγάλο βαθμό από τη συλλογή τέλειων, ακριβών και ακριβών γνώσεων.
Τώρα τι είναι η γνώση;
Η γνώση είναι δεδομένα ή πληροφορίες. Για εμάς τον άνθρωπο διαβάζοντας άρθρα και διαβάζοντας βιβλία ή από διαφορετικούς πόρους συνηθίζαμε να μαζεύουμε γνώσεις αν μπορούμε να δούμε τη διαδικασία απόκτησης και εμπλουτισμού της γνώσης ελάχιστα τότε θα το βρούμε διαβάζοντας βιβλία ή διαβάζοντας άρθρα ή από οποιονδήποτε πόρο είμαστε ανάκτηση και εξαγωγή δεδομένων και πληροφοριών από διαφορετικές πηγές που στη συνέχεια χρησιμοποιήσαμε για να αποθηκεύσουμε στον εγκέφαλό μας. Έτσι η γνώση είναι δεδομένα, η γνώση είναι πληροφορία. Η γνώση είναι επίσης συλλογή γεγονότων.
java c ++ python
Τα δεδομένα, οι πληροφορίες και η εμπειρία του παρελθόντος συνδυάζονται μαζί ως γνώση.
Αναπαράσταση γνώσης:
Η αναπαράσταση της γνώσης είναι η μέθοδος επιλογής των καταλληλότερων δομών για την αναπαράσταση της γνώσης. Είναι η μέθοδος οργάνωσης και τυποποίησης της γνώσης στη βάση γνώσεων. Γίνεται με τη μορφή κανόνων IF-THEN-ELSE.
Επικύρωση γνώσης:
Ο έλεγχος της γνώσης του ES είναι σωστός και πλήρης.Αυτή η όλη διαδικασία ονομάζεται γνώση της μηχανικής.
Μηχανή συμπερασμάτων:
Σε περίπτωση ES που βασίζεται στη γνώση, ο Inference Engine αποκτά και χειρίζεται τη γνώση από τη βάση γνώσεων για να βρει μια συγκεκριμένη λύση.
Σε περίπτωση ES βάσει κανόνα,
- Εφαρμόζει κανόνες επανειλημμένα στα γεγονότα, τα οποία λαμβάνονται από προηγούμενη εφαρμογή κανόνων.
- Προσθέτει νέα γνώση στη βάση γνώσεων, εάν απαιτείται.
- Επιλύει τη διένεξη κανόνων όταν ισχύουν πολλοί κανόνες σε μια συγκεκριμένη περίπτωση.
Το Inference Engine χρησιμοποιεί τις ακόλουθες στρατηγικές & μείον
- Εμπρός αλυσίδα
- Πίσω αλυσίδα
Εμπρός αλυσίδα
Στο Forward Chaining, ο Inference Engine δίνει το αποτέλεσμα ακολουθώντας την αλυσίδα συνθηκών και παραγώγων. Όποια και αν είναι η γνώση τροφοδοτείται στο σύστημα, περνά από όλες αυτές τις γνώσεις και τα γεγονότα και τα ταξινομεί πριν καταλήξει σε μια λύση. Με τη μέθοδο της αλυσίδας προς τα εμπρός, το ειδικό σύστημα προσπαθεί να απαντήσει, 'Τι μπορεί να συμβεί στη συνέχεια;'
Εφαρμογή προθεσμιακής αλυσίδας: Πρόβλεψη τιμής κατοικίας, πρόβλεψη μετοχών, πρόβλεψη μετοχικής αγοράς κ.λπ.
Πίσω αλυσίδα
Όταν κάτι έχει συμβεί σε έναν συγκεκριμένο τομέα, η μηχανή Inference προσπαθεί να ανακαλύψει ποια κατάσταση θα μπορούσε να είχε συμβεί στο παρελθόν για αυτό το αποτέλεσμα. Με τη μέθοδο της αλυσίδας προς τα πίσω, το ειδικό σύστημα προσπαθεί να απαντήσει, 'Γιατί συνέβη αυτό;'. Με τη μέθοδο της αλυσοδεσμένης οπισθοδρόμησης ο κινητήρας προσπαθεί να ανακαλύψει την αιτία ή τον λόγο.
Για παράδειγμα: διάγνωση καρκίνου του αίματος σε ανθρώπους.
Πλεονεκτήματα και περιορισμοί
Πλεονεκτήματα του Expert System
- Κρατήστε τεράστιες ποσότητες πληροφοριών
- Ελαχιστοποιήστε το κόστος εκπαίδευσης των εργαζομένων
- Συγκεντρώστε τη διαδικασία λήψης αποφάσεων
- Κάντε τα πράγματα πιο αποτελεσματικά μειώνοντας το χρόνο που απαιτείται για την επίλυση προβλημάτων
- Συνδυάστε διάφορες εξειδικευμένες γνώσεις ανθρώπων
- Μειώστε τον αριθμό των ανθρώπινων σφαλμάτων
- Παρέχετε στρατηγικά και συγκριτικά πλεονεκτήματα που μπορεί να δημιουργήσουν προβλήματα για τους ανταγωνιστές
- Κοιτάξτε τις συναλλαγές που οι ειδικοί του ανθρώπου μπορεί να μην σκέφτονται
- Δώστε απαντήσεις για αποφάσεις, διαδικασίες και εργασίες που είναι επαναλαμβανόμενες
Μειονεκτήματα του ειδικού συστήματος:
- Έλλειψη δημιουργικών απαντήσεων για τις οποίες είναι ικανοί οι ειδικοί του ανθρώπου
- Δεν είναι ικανό να εξηγήσει τη λογική και το σκεπτικό πίσω από μια απόφαση
- Δεν είναι εύκολο να αυτοματοποιηθούν πολύπλοκες διαδικασίες
- Δεν υπάρχει ευελιξία και ικανότητα προσαρμογής σε μεταβαλλόμενα περιβάλλοντα
- Δεν μπορώ να αναγνωρίσω όταν δεν υπάρχει απάντηση
- Δεν χρησιμοποιείται κοινή λογική για τη λήψη αποφάσεων
Περιορισμοί:
- Αποτυγχάνει να κάνει δημιουργικές απαντήσεις καθώς είναι μια μηχανή.
- Εάν τα δεδομένα που τροφοδοτήθηκαν στη βάση γνώσεων δεν είναι ακριβή ή σωστά, θα δώσει λανθασμένες προβλέψεις και λανθασμένα αποτελέσματα.
- Το κόστος συντήρησης του ειδικού συστήματος είναι υψηλό.
- Όταν έρχονται διαφορετικά προβλήματα, ο ανθρώπινος εμπειρογνώμονας μπορεί να δώσει διαφορετικές διαφορετικές λύσεις και δημιουργικές απαντήσεις, αλλά το σύστημα των εμπειρογνωμόνων δεν δίνει δημιουργικές απαντήσεις.
Αυτό μας φέρνει στο τέλος αυτού του άρθρου σχετικά με τα Expert Systems In Artificial Intelligence.
Εάν επιθυμείτε να εγγραφείτε για ένα πλήρες μάθημα Τεχνητής Νοημοσύνης και Μηχανικής Μάθησης, η Edureka διαθέτει μια ειδικά επιμελημένη που θα σας κάνει ικανό σε τεχνικές όπως η εποπτευόμενη μάθηση, η μη εποπτευόμενη εκμάθηση και η επεξεργασία φυσικής γλώσσας. Περιλαμβάνει εκπαίδευση σχετικά με τις τελευταίες εξελίξεις και τεχνικές προσεγγίσεις στην Τεχνητή Νοημοσύνη & Μηχανική Μάθηση όπως η Βαθιά Μάθηση, τα Γραφικά Μοντέλα και η Ενίσχυση Μάθησης.