Expert systeem in is een term die de technologische wereld doorkruist en om alle goede redenen. In dit artikel zullen we dit onderwerp in detail onderzoeken.
De volgende tips komen in dit artikel aan bod:
- Wat is kunstmatige intelligentie?
- Expertsysteem in kunstmatige intelligentie
- Domeinen waar Expert Systems wordt gebruikt
- Belangrijkste toepassingsgebieden
- Drie fasen van het ontwerpen van ES
- Voordelen nadelen en beperkingen
Dus laten we aan de slag gaan met dit artikel,
Wat is kunstmatige intelligentie?
Normaal gesproken suggereert de naam Artificial Intelligence de intelligentie van een machine die kunstmatig is. De intelligentie die de mens bezit, staat bekend als menselijke intelligentie, zoals op dezelfde manier de intelligentie die door een machine wordt getoond, bekend staat als kunstmatige intelligentie. In de informatica. Kunstmatige intelligentie (AI), ook wel machine-intelligentie genoemd. Het onderzoeksgebied van kunstmatige intelligentie werd geboren tijdens een workshop op Dartmouth College in 1956.
Toepassingen van kunstmatige intelligentie in de echte wereld:
De chatbots zoals SIRI, CORTANA die tegenwoordig zo populair zijn geworden. Andere voorbeelden zijn EVA (Electronic Virtual Assistant), een op AI gebaseerde chatbot ontwikkeld door de AI-onderzoeksafdeling van HDFC banken die kennis uit duizenden bronnen kan verzamelen en eenvoudige antwoorden kan geven in minder dan 0,4 seconden. Er zijn zoveel voorbeelden van AI-toepassingen die u op verschillende gebieden van onze samenleving zult vinden.
Verder gaan met dit expertsysteem in kunstmatige intelligentie,
Expertsysteem in kunstmatige intelligentie
Wat is een expertsysteem?
hoe je visuele studio leert
Onderzoekers van Standford University, Computer Science Department hebben dit domein van AI geïntroduceerd en het is een prominent onderzoeksdomein van AI. Het is een computertoepassing die de meest complexe problemen van elk specifiek domein kan oplossen. Het wordt beschouwd op het hoogste niveau van menselijke intelligentie en expertise, aangezien het is gebaseerd op kennis die is opgedaan door een expert. Expertsysteem kan ook worden gedefinieerd als een computergebaseerd besluitvormingssysteem dat complexe besluitvormingsproblemen kan oplossen door gebruik te maken van zowel feiten als heuristieken.
Verder gaan met dit expertsysteem in kunstmatige intelligentie,
Domeinen waar Expert Systems wordt gebruikt
Expert Systems vandaag
De American Medical Association heeft het eerste expertsysteem goedgekeurd, het Pathfinder-systeem. Het werd in 1980 gebouwd aan de Standford University voor de diagnose van hematopathologie. Dit beslissingstheoretische expertsysteem, kortweg Pathfinder, kan lymfeklieraandoeningen diagnosticeren. Het behandelt uiteindelijk meer dan 60 ziekten en kan meer dan 100 symptomen herkennen.
Expertsysteem in het bedrijfsleven
Onlangs ontwikkelde een expertsysteem ROSS, de AI-advocaat, ROSS is een zelflerend systeem dat gebruikmaakt van datamining, patroonherkenning, diep leren en natuurlijke taalverwerking om de werking van het menselijk brein na te bootsen.
Verder gaan met dit expertsysteem in kunstmatige intelligentie,
Belangrijkste toepassingsgebieden
- Interpretatie - conclusies trekken op hoog niveau op basis van gegevens.
- Voorspelling - waarschijnlijke uitkomsten projecteren.
- Diagnose - bepalen van de oorzaak van storingen, ziekte, enz.
- Ontwerp -wordende beste configuratie vinden op basis van criteria.
- Planning - een reeks acties voorstellen om een doel te bereiken.
- Monitoring - het vergelijken van waargenomen gedrag met het verwachte gedrag.
- Foutopsporing en reparatie - remedies voorschrijven en implementeren.
- Instructie - studenten helpen bij het leren.
- Controle - het gedrag van een systeem regelen.
Doel van Expert System
Het belangrijkste doel van een expertsysteem is om kennis te verwerven van menselijke experts en om die kennis en vaardigheden van menselijke experts op een bepaald gebied te repliceren. Vervolgens zal het systeem die kennis en vaardigheden gebruiken om complexe problemen op dat specifieke gebied op te lossen zonder deelname van menselijke experts.
Kenmerken van Expert Systems
- Hoge performantie
- Begrijpelijk
- Betrouwbaar
- Zeer responsief
Hoofdcomponenten van een rule-based of expertsysteem
De belangrijkste componenten zijn:
- Kennis basis
- Werkgeheugen
- Inferentiemachine
- Uitleg systeem
- Gebruikersomgeving
- Kennisbank-editor
Verder gaan met dit expertsysteem in kunstmatige intelligentie,
Drie fasen van het ontwerpen van ES
Kennisverwerving:
Het proces van het verkrijgen van kennis van experts door middel van interviews of door het observeren van menselijke experts, het lezen van specifieke boeken, etc.
Kennis basis:
De kennisbank is een container met hoogwaardige kennis. Vaardigheden ontwikkelen zich door oefening en intelligentie komt voort uit kennis zonder kennis die men niet kan bewijzen of men kan zijn of haar intelligentie niet tonen, dus kennis is erg belangrijk om vaardigheid te ontwikkelen en intelligentie te tonen. Op dezelfde manier is kennis vereist opdat de machine ook zijn intelligentie tentoonspreidt. De nauwkeurigheid van de voorspelling en ook de prestaties van het systeem zijn sterk en grotendeels afhankelijk van het verzamelen van perfecte, nauwkeurige en precieze kennis.
Wat is nu kennis?
Kennis is data of informatie. Voor ons mensen door artikelen te lezen en door boeken te lezen of uit verschillende bronnen die we gebruikten om kennis te vergaren, als we het proces van het verwerven en verrijken van kennis minutieus kunnen zien, dan zullen we ontdekken dat we door boeken te lezen of door artikelen te lezen of uit welke bronnen dan ook het ophalen en extraheren van gegevens en informatie uit verschillende bronnen die we vervolgens gebruikten om in onze hersenen op te slaan. Dus kennis is data, kennis is informatie. Kennis is ook een verzameling feiten.
Gegevens, informatie en ervaringen uit het verleden worden gecombineerd genoemd als kennis.
Kennisrepresentatie:
Kennisrepresentatie is de methode om de meest geschikte structuren te selecteren om de kennis weer te geven. Het is de methode om kennis in de kennisbank te organiseren en te formaliseren. Het wordt gedaan in de vorm van IF-THEN-ELSE-regels.
Kennisvalidatie:
Het testen van de kennis van ES is correct en volledig.Dit hele proces wordt kennistechniek genoemd.
Inferentiemachine:
In het geval van op kennis gebaseerde ES, verwerft en manipuleert de Inference Engine de kennis uit de kennisbank om tot een bepaalde oplossing te komen.
In het geval van op regels gebaseerde ES,
- Het past regels herhaaldelijk toe op de feiten, die zijn ontleend aan eerdere toepassing van regels.
- Het voegt indien nodig nieuwe kennis toe aan de kennisbank.
- Het lost regelconflicten op wanneer meerdere regels van toepassing zijn op een bepaald geval.
Inference Engine gebruikt de volgende strategieën & minus
- Vooruit koppelen
- Achterwaarts ketenen
Vooruit koppelen
In Forward Chaining geeft de Inference Engine het resultaat door de reeks voorwaarden en afleidingen te volgen. Wat de kennis ook in het systeem wordt ingevoerd, het doorloopt al die kennis en feiten en sorteert ze voordat er een oplossing wordt gevonden. Door middel van een voorwaartse kettingmethode probeert het expertsysteem te antwoorden: 'Wat kan er hierna gebeuren?'
Toepassing van forward chaining: voorspelling van huizenprijzen, voorspelling van aandelen, voorspelling van aandelenmarkt enz.
Achterwaarts ketenen
Als er iets is gebeurd in een bepaald domein, probeert de Inference Engine uit te zoeken welke toestand in het verleden voor dit resultaat zou kunnen zijn opgetreden. Door achterwaartse kettingmethode probeert het expertsysteem te antwoorden: 'Waarom is dit gebeurd?'. Door middel van een achterwaartse kettingmethode probeert de inferentie-engine de oorzaak of reden te achterhalen.
Bijvoorbeeld: diagnose van bloedkanker bij mensen.
Voordelen nadelen en beperkingen
Voordelen van Expert System
- Houd enorme hoeveelheden informatie vast
- Minimaliseer opleidingskosten voor medewerkers
- Centraliseer het besluitvormingsproces
- Maak dingen efficiënter door de tijd te verkorten die nodig is om problemen op te lossen
- Combineer verschillende menselijke deskundige intelligenties
- Verminder het aantal menselijke fouten
- Bied strategische en comparatieve voordelen die problemen kunnen opleveren voor concurrenten
- Bekijk transacties waar menselijke experts misschien niet aan denken
- Geef antwoorden op beslissingen, processen en taken die repetitief zijn
Nadelen van expertsysteem:
- Gebrek aan creatieve reacties waartoe menselijke experts in staat zijn
- Niet in staat om de logica en redenering achter een beslissing uit te leggen
- Het is niet eenvoudig om complexe processen te automatiseren
- Er is geen flexibiliteit en het vermogen om zich aan te passen aan veranderende omgevingen
- Niet kunnen herkennen wanneer er geen antwoord is
- Geen gezond verstand gebruikt bij het nemen van beslissingen
Beperkingen:
- Het geeft geen creatieve reacties omdat het een machine is.
- Als de gegevens die in de kennisbank zijn ingevoerd niet nauwkeurig of correct zijn, geeft dit verkeerde voorspellingen en verkeerde resultaten.
- De onderhoudskosten van een expertsysteem zijn hoog.
- Als er verschillende problemen komen, kan de menselijke expert verschillende oplossingen en creatieve reacties geven, maar het expertsysteem geeft geen creatieve reacties.
Dit brengt ons bij het einde van dit artikel over expertsystemen in kunstmatige intelligentie.
Als u zich wilt inschrijven voor een complete cursus over kunstmatige intelligentie en machine learning, heeft Edureka een speciaal samengesteld dat zal je bekwaam maken in technieken zoals begeleid leren, onbewaakt leren en natuurlijke taalverwerking. Het omvat training over de nieuwste ontwikkelingen en technische benaderingen op het gebied van kunstmatige intelligentie en machine learning, zoals diep leren, grafische modellen en versterkend leren.