- Järjestelmän kapasiteetti
- Historia
- - Alkuperäinen kehitys
- - Tärkeimmät kehityssuunnat
- Dendral
- - Kypsyys
- ominaisuudet
- - Kokemus
- - Reagointi ajoissa
- - Luotettavuus
- - Tehokas mekanismi
- - Käsittele ongelmia
- - Komponentit
- Tietopohja
- Päätelmämoottori
- johtopäätökset
- Tyypit
- Sääntöihin perustuva
- Perustuu sumeaan logiikkaan
- neuronaalinen
- Hermosolujen-diffuusi
- Etu
- Saatavuus
- Pienempi riski
- Yritystiedot
- Vastaa selitykseen
- Nopea vastaus
- Matala virhetaso
- Tunteeton vastaus
- Tietojen pysyvyys
- Nopea prototyyppien luominen
- Useita kokemuksia
- haitat
- Tietojen hankinta
- Järjestelmän integrointi
- Käsittelyn monimutkaisuus
- Tietopäivitys
- Sovellukset
- Diagnoosi ja vianetsintä
- Suunnittelu ja aikataulut
- Taloudelliset päätökset
- Prosessien seuranta ja hallinta
- Tietokonsultointi
- Viitteet
Asiantuntijajärjestelmiä määritellään järjestelmien jäljitellä päätöksentekoa kyky ihmisen asiantuntija tietyllä alalla. He käyttävät sekä heuristisia strategioita että tosiasioita ratkaistakseen monimutkaisia päätöksentekoon liittyviä ongelmia luotettavasti ja vuorovaikutteisesti.
Ne on suunniteltu ratkaisemaan erittäin monimutkaisia ongelmia, perustellen tietopohjojen avulla. Sen sijaan, että niitä edustaa menettelysääntö, niitä edustavat periaatteessa If-Sit-säännöt.

Lähde: pixabay.com
Hän kykenee ilmaisemaan itsensä ja ajattelemaan jotain tietämyksen alaa, joka antaa heille mahdollisuuden ratkaista monia ongelmia, jotka yleensä edellyttävät ihmisen asiantuntijaa. Asiantuntijajärjestelmät olivat nykypäivän tekoälyn, syvän oppimisen ja koneoppimisjärjestelmien edeltäjiä.
Asiantuntijajärjestelmä ei voi korvata työntekijän yleistä suorituskykyä vianetsinnässä. Ne voivat kuitenkin vähentää huomattavasti työn määrää, joka yksilön on tehtävä ongelman ratkaisemiseksi, jättäen ongelmanratkaisun luovat ja innovatiiviset näkökohdat ihmisille.
Heillä on ollut tärkeä rooli monilla aloilla, kuten rahoituspalveluissa, televiestinnässä, terveydenhuollossa, asiakaspalvelussa, videopeleissä ja teollisuudessa.
Järjestelmän kapasiteetti
Asiantuntijajärjestelmä käsittää kaksi osajärjestelmää: tietopohjan, joka sisältää kertyneet tosiasiat ja kokemuksen, ja päätelmämoottorin, joka on säännöstö, jota sovelletaan tietokantaan tai tunnettuihin tosiasioihin kussakin tietyssä tilanteessa uusien johtamiseksi. toimii.
Järjestelmän ominaisuuksia voidaan parantaa lisäämällä tietokantaa tai sääntöjoukkoa.
Esimerkiksi nykypäivän asiantuntijajärjestelmillä voi olla myös kyky oppia automaattisesti, jolloin heidän on mahdollista parantaa suorituskykyään kokemuksen perusteella, aivan kuten ihmisetkin.
Lisäksi nykyaikaiset järjestelmät voivat helpommin sisällyttää uutta tietoa ja siten päivittää helposti. Tällaiset järjestelmät voivat paremmin yleistää olemassa olevan tiedon perusteella ja käsitellä suuria määriä monimutkaista dataa.
Historia
- Alkuperäinen kehitys
1950-luvun lopulla kokeilu alkoi mahdollisuudesta käyttää tietotekniikkaa ihmisen päätöksenteon jäljittelemiseen. Esimerkiksi tietokoneavusteisia järjestelmiä alettiin luoda diagnostiikkasovelluksiin lääketieteessä.
Nämä alkuperäiset diagnostiikkajärjestelmät antoivat potilaalle oireet ja laboratoriotestitulokset järjestelmään diagnoosin tuottamiseksi tuloksena. Nämä olivat ensimmäisiä asiantuntijajärjestelmien muotoja.
- Tärkeimmät kehityssuunnat
Kuudennenkymmenenluvun alussa kehitettiin ohjelmia, jotka ratkaisivat hyvin määritellyt ongelmat. Esimerkiksi pelit tai konekäännökset.
Nämä ohjelmat vaativat älykkäitä päättelytekniikoita esitettyjen loogisten ja matemaattisten ongelmien käsittelemiseksi, mutta ne eivät vaatineet paljon ylimääräistä tietoa.
Tutkijat alkoivat ymmärtää, että monien mielenkiintoisten ongelmien ratkaisemiseksi ohjelmien ei tarvinnut paitsi tulkita ongelmia, vaan myös tarvittavaa perustietoa niiden ymmärtämiseksi kokonaan.
Tämä johti vähitellen asiantuntijajärjestelmien kehittämiseen, jotka olivat enemmän keskittyneet tietoon.
Asiantuntijajärjestelmien konseptin kehitti muodollisesti vuonna 1965 Edward Feigenbaum, professori Stanfordin yliopistosta, USA.
Feigenbaum selitti, että maailma oli siirtymässä tietojenkäsittelystä tiedonkäsittelyyn uuden prosessoritekniikan ja tietokonearkkitehtuurien ansiosta.
Dendral
1960-luvun lopulla kehitettiin yksi ensimmäisistä asiantuntijajärjestelmistä, nimeltään Dendral, joka käsitteli kemiallisten yhdisteiden analyysiä.
Dendralin tieto koostui satoista säännöistä, jotka kuvasivat kemiallisten yhdisteiden vuorovaikutuksia. Nämä säännöt olivat kemistien ja tietotekniikan tutkijoiden välisen vuosien yhteistyön tulosta.
- Kypsyys
Asiantuntijajärjestelmät alkoivat levitä 1980-luvulla. Monet Fortune 500 -yrityksistä käyttivät tätä tekniikkaa päivittäisessä liiketoiminnassaan.
1990-luvulla monet yrityssovellusten toimittajat, kuten Oracle ja SAP, integroivat asiantuntijajärjestelmien ominaisuudet tuotevalikoimaansa keinona selittää liiketoimintalogiikkaa.
ominaisuudet
- Kokemus
Asiantuntijajärjestelmän on tarjottava korkeimman tason asiantuntemus. Tarjoaa tehokkuuden, tarkkuuden ja kekseliäitä ongelmanratkaisuja.
- Reagointi ajoissa
Käyttäjä on vuorovaikutuksessa asiantuntijajärjestelmän kanssa melko kohtuullisen ajan. Tämän vuorovaikutuksen ajan on oltava lyhyempi kuin aika, jonka asiantuntija käyttää saadakseen tarkimman ratkaisun samaan ongelmaan.
- Luotettavuus
Asiantuntijajärjestelmän on oltava hyvä luotettavuus. Tätä varten et saa tehdä virheitä.
- Tehokas mekanismi
Asiantuntijajärjestelmässä on oltava tehokas mekanismi siinä olevan tiedon kokoelman hallitsemiseksi.
- Käsittele ongelmia
Asiantuntijajärjestelmän on kyettävä käsittelemään haastavia ongelmia ja tekemään oikeita päätöksiä ratkaisujen tarjoamiseksi.
- Komponentit
Tietopohja
Se on järjestetty tietojen keruu, joka vastaa järjestelmän kokemusta.
Ihmisasiantuntijoiden haastattelujen ja havaintojen avulla tietokannan muodostavat tosiseikat on otettava huomioon.
Päätelmämoottori
Tulkitse ja arvioi tietokannan tosiasioita sääntöjen avulla suosituksen tai johtopäätöksen antamiseksi.
Tämä tieto esitetään If-then-tuotantosääntöjen muodossa: "Jos ehto on totta, seuraava vähennys voidaan tehdä."
johtopäätökset
Usein kunkin tuotesäännön päätelmiin ja lopulliseen suositukseen liitetään todennäköisyyskerroin, koska päätelmä ei ole ehdoton varmuus.
Esimerkiksi silmäsairauksien diagnosointiin tarkoitettu asiantuntijajärjestelmä voisi toimitettujen tietojen perusteella osoittaa, että henkilöllä on glaukooma todennäköisyydellä 90%.
Myös sääntöjärjestys, jonka kautta johtopäätös on tehty, voidaan näyttää. Tämän ketjun seuranta auttaa arvioimaan suosituksen uskottavuutta ja on hyödyllinen oppimisvälineenä.
Tyypit
Sääntöihin perustuva
Tässä järjestelmässä tiedot esitetään sääntöjen kokonaisuutena. Sääntö on suora ja joustava tapa ilmaista tietoa.
Sääntö koostuu kahdesta osasta: ”Jos” -osa, jota kutsutaan ehdoksi, ja ”Sitten” -osa, jota kutsutaan deduktioksi. Säännön perussintaksi on: Jos (ehto) Sitten (deduktio).
Perustuu sumeaan logiikkaan
Kun haluat ilmaista tietämystä epämääräisillä sanoilla, kuten "hyvin vähän", "kohtalaisen vaikea", "ei niin vanha", voidaan käyttää sumeaa logiikkaa.
Tätä logiikkaa käytetään kuvaamaan epätarkka määritelmä. Se perustuu ajatukseen, että kaikki asiat kuvataan liukuvassa mittakaavassa.
Klassinen logiikka toimii kahdella varmuusarvolla: True (1) ja False (0). Summassa logiikassa kaikki varmuusarvot ilmaistaan todellisina lukuina välillä 0 - 1.
Sumuinen logiikka edustaa tietoa, joka perustuu totuudenmukaisuuteen, eikä klassisen logiikan absoluuttiseen totuudenmukaisuuteen.
neuronaalinen
Sääntöpohjaisen asiantuntijajärjestelmän hyödyt yhdistävät myös hermoverkon edut, kuten oppimisen, yleistämisen, tukevuuden ja rinnakkaisen tietojenkäsittelyn.
Tässä järjestelmässä on hermo tietopohja perinteisen tietopohjan sijaan. Tiedot tallennetaan painoina neuroneihin.
Tämän yhdistelmän avulla hermoasiantuntijajärjestelmä voi perustella päätelmänsä.
Hermosolujen-diffuusi
Sumuinen logiikka ja hermostoverkot ovat toisiaan täydentäviä työkaluja asiantuntijajärjestelmien rakentamiseen.
Sumuisissa järjestelmissä ei ole kykyä oppia, eivätkä ne pysty sopeutumaan uuteen ympäristöön. Toisaalta, vaikka hermoverkot voivat oppia, niiden prosessi on käyttäjän kannalta erittäin monimutkainen.
Neuraaliset-sumetut järjestelmät voivat yhdistää neuroverkon laskenta- ja oppimisominaisuudet ihmisen tiedon esittämiseen ja sumeiden järjestelmien selitystaidoihin.
Seurauksena on, että hermoverkot tulevat läpinäkyvämmiksi, kun sumea järjestelmä muuttuu oppimiskykyiseksi.
Etu
Saatavuus
Asiantuntijajärjestelmät ovat helposti saatavissa missä tahansa, milloin tahansa, johtuen ohjelmiston massatuotannosta.
Pienempi riski
Yritys voi käyttää asiantuntijajärjestelmää ihmisille vaarallisissa ympäristöissä. Niitä voidaan käyttää missä tahansa vaarallisessa ympäristössä, jossa ihmiset eivät voi työskennellä.
Yritystiedot
Niistä voi tulla väline kehittää organisaatiotietoa toisin kuin yksilöiden tietämys yrityksessä.
Vastaa selitykseen
Hän osaa antaa riittävän selityksen päätöksenteostaan ja ilmaista yksityiskohtaisesti vastauksen johtaneet päättelyt.
Harjoitteluvälineinä käytettäessä ne johtavat nopeampaan oppimiskäyrään aloittelijoille.
Nopea vastaus
Auttaa saamaan nopeita ja tarkkoja vastauksia. Asiantuntijajärjestelmä pystyy suorittamaan osuutensa tehtävistä paljon nopeammin kuin ihmisen asiantuntija.
Matala virhetaso
Menestyneiden asiantuntijajärjestelmien virhetaso on melko alhainen, joskus paljon pienempi kuin saman tehtävän ihmisten virhetaso.
Tunteeton vastaus
Asiantuntevat järjestelmät toimivat ilman innostumista. He eivät ole jännittyneitä, väsyneitä tai paniikkisia ja työskentelevät tasaisesti hätätilanteissa.
Tietojen pysyvyys
Asiantuntijajärjestelmä ylläpitää merkittävää tietoa. Tämä sisälsi tietoa kestämään loputtomiin.
Nopea prototyyppien luominen
Asiantuntijajärjestelmän avulla on mahdollista antaa joitain sääntöjä ja kehittää prototyyppi päivissä, ei kuukausien tai vuosien sijasta, jotka yleensä liittyvät monimutkaisiin IT-hankkeisiin.
Useita kokemuksia
Asiantuntijajärjestelmä voidaan suunnitella sisältämään monien pätevien asiantuntijoiden tiedot ja siten kyky ratkaista monimutkaisia ongelmia.
Tämä vähentää asiantuntijoiden ongelmanratkaisukonsulttien kuulemisen kustannuksia. Ne ovat väline vaikeasti hankittavien tietolähteiden hankkimiseen.
haitat
Tietojen hankinta
Tietyn alan asiantuntijoilta on aina vaikea saada aikaan ohjelmistosovelluksia, mutta asiantuntijajärjestelmille se on erityisen vaikeaa, koska organisaatiot arvostavat asiantuntijoita ja vaativat niitä jatkuvasti.
Tämän seurauksena suuri määrä tutkimusta on viime vuosina keskittynyt tiedon hankkimisen välineisiin, jotka auttavat automatisoimaan suunnitteluprosessin, virheenkorjauksen ja asiantuntijoiden määrittelemien sääntöjen ylläpitämisen.
Järjestelmän integrointi
Järjestelmien integrointi tietokantoihin oli vaikeaa ensimmäisille asiantuntijajärjestelmille, koska työkalut olivat pääasiassa kielillä ja alustoilla, joita ei tunneta yritysympäristöissä.
Seurauksena oli, että asiantuntijajärjestelmien työkalujen integrointi vanhoihin ympäristöihin tehtiin paljon, jolloin siirrot tapahtuvat enemmän standardiympäristöihin.
Nämä ongelmat ratkaistaan pääasiassa paradigmamuutoksen myötä, kun tietokoneet hyväksyttiin vähitellen tietokoneympäristössä laillisena alustana vakavien yritysjärjestelmien kehittämiselle.
Käsittelyn monimutkaisuus
Tietokannan koon lisääminen lisää käsittelyn monimutkaisuutta.
Esimerkiksi, jos asiantuntijajärjestelmässä on 100 miljoonaa sääntöä, on selvää, että se olisi liian monimutkainen ja että se kohtaa monia laskentaongelmia.
Päätelmäkoneen olisi kyettävä käsittelemään suuri määrä sääntöjä päätöksen tekemiseksi.
Kun sääntöjä on liian paljon, on myös vaikea varmistaa, että nämä päätössäännöt ovat johdonmukaisia keskenään.
On myös vaikea priorisoida sääntöjen käyttöä tehokkaamman toiminnan kannalta tai epäselvyyksien ratkaisemista.
Tietopäivitys
Yksi tietopohjaan liittyvä ongelma on kuinka päivitykset tehdään nopeasti ja tehokkaasti. Lisäksi kuinka lisätä uutta tietoa, ts. Missä siihen lisätään niin monien sääntöjen joukossa.
Sovellukset
Diagnoosi ja vianetsintä
Siinä on yhteenveto kaikista vikaa päättävistä järjestelmistä ja ehdotettu korjaavia toimenpiteitä toimintahäiriöiden tai laitteiden toimintahäiriöille.
Yksi ensimmäisistä tietoalueista, jolla asiantuntijajärjestelmätekniikkaa sovellettiin, oli lääketieteellinen diagnoosi. Suunnittelujärjestelmien diagnostiikka kuitenkin ylitti nopeasti lääketieteellisen diagnoosin.
Diagnoosi voidaan ilmaista seuraavasti: mikä on esitetty todiste, mikä on taustalla oleva ongelma, syy tai syy?
Suunnittelu ja aikataulut
Nämä asiantuntijajärjestelmät analysoivat joukko tavoitteita määritelläkseen joukon toimenpiteitä, joilla nämä tavoitteet saavutetaan, tarjoamalla yksityiskohtaisen järjestyksen näille toimille ajan myötä, ottaen huomioon materiaalit, henkilöstö ja muut rajoitukset.
Esimerkkejä ovat lentoyhtiöiden henkilöstö ja lentojen aikataulut sekä valmistusprosessien suunnittelu.
Taloudelliset päätökset
Talousneuvontajärjestelmät on luotu auttamaan pankkiirit päättämään, antavatko lainaa yksityisille ja yrityksille.
Vakuutusyhtiöt käyttävät näitä asiantuntijajärjestelmiä arvioidakseen asiakkaan aiheuttaman riskin ja määrittääkseen siten vakuutuksen hinnan.
Prosessien seuranta ja hallinta
He analysoivat fyysisten laitteiden tietoja reaaliajassa havaitakseen poikkeamia, ennustaa suuntauksia ja hallita sekä optimointia että vikojen korjaamista.
Esimerkkejä näistä järjestelmistä ovat öljynjalostus- ja terästeollisuus.
Tietokonsultointi
Tämän sovelluksen ensisijainen tehtävä on tarjota mielekästä tietoa käyttäjän ongelmasta kyseisen ongelman ympäristössä.
Kaksi asiantuntijajärjestelmää, jotka ovat levinneimpiä kaikkialla maailmassa, kuuluvat tähän luokkaan.
Ensimmäinen näistä järjestelmistä on neuvonantaja, joka neuvoo käyttäjää oikein käyttämään kielioppia tekstissä.
Toinen on veroneuvoja, joka on liittynyt verojen valmistelujärjestelmään. Neuvoo käyttäjää strategiasta ja erityisistä veropolitiikoista.
Viitteet
- Guru99 (2019). Keinotekoisen älykkyyden asiantuntijajärjestelmä: Mikä on, sovellukset, esimerkki. Otettu: guru99.com.
- Wikipedia, ilmainen tietosanakirja (2019). Asiantuntijajärjestelmä. Kuvannut: en.wikipedia.org.
- Margaret Rouse (2019). Asiantuntijajärjestelmä. TechTarget. Ostettu: searchenterpriseai.techtarget.com.
- Vladimir Zwass (2019). Asiantuntijajärjestelmä. Tietosanakirjan kuvaus: britannica.com.
- Wtec (2019). Asiantuntijajärjestelmien sovellukset. Otettu: wtec.org.
- Viral Nagori (2014). Asiantuntijajärjestelmän tyypit: Vertaileva tutkimus. Semanttinen tutkija otettu: pdfs.semanticscholar.org.
- Tietotekniikan maailma (2010). Asiantuntijajärjestelmät. Kuvannut: intelligence.worldofcomputing.net.
