SISTEME DE EXPERȚI: ISTORIC, CARACTERISTICI, AVANTAJE, DEZAVANTAJE - TEHNOLOGIE - 2025

Sistemele expert sunt definite ca sisteme care imită capacitatea de luare a deciziilor unui expert uman într-un anumit domeniu. Ei folosesc atât strategii euristice cât și fapte pentru a rezolva problemele complexe de luare a deciziilor în mod fiabil și interactiv.

Sunt concepute pentru a rezolva probleme extrem de complexe, raționând prin baze de cunoștințe. În loc să fie reprezentate prin cod procedural, ele sunt reprezentate practic de reguli If-Then.

Sursa: pixabay.com

Aceștia sunt capabili să se exprime și să raționeze cu privire la anumite domenii de cunoaștere, ceea ce le permite să rezolve multe probleme care ar necesita în general un expert uman. Sistemele de experți au fost predecesorii sistemelor de inteligență artificială, învățare profundă și sisteme de învățare automată.

Un sistem expert nu poate înlocui performanțele generale ale lucrătorului în soluționarea problemelor. Cu toate acestea, pot reduce drastic cantitatea de muncă pe care individul trebuie să o facă pentru a rezolva o problemă, lăsând oamenilor aspecte creative și inovatoare ale soluționării problemelor.

Au jucat un rol important în multe industrii, cum ar fi serviciile financiare, telecomunicațiile, asistența medicală, serviciul pentru clienți, jocurile video și producția.

Capacitatea sistemului

Un sistem de expertiză include două subsisteme: o bază de cunoștințe, care conține fapte și experiență acumulate, și un motor de inferență, care este un set de reguli care trebuie aplicate bazei de cunoștințe sau faptelor cunoscute din fiecare situație particulară, pentru a deduce altele noi. acte.

Capacitățile sistemului pot fi îmbunătățite cu adăugări la baza de cunoștințe sau setul de reguli.

De exemplu, sistemele de experți de astăzi pot avea, de asemenea, capacitatea de a învăța automat, permițându-le să își îmbunătățească performanța pe baza experienței, la fel cum o fac oamenii.

În plus, sistemele moderne pot încorpora mai ușor cunoștințe noi și astfel pot fi ușor actualizate. Astfel de sisteme pot generaliza mai bine din cunoștințele existente și pot gestiona cantități mari de date complexe.

Istorie

- Evoluții inițiale

La sfârșitul anilor '50, experimentarea a început cu posibilitatea utilizării tehnologiei computerizate pentru a imita procesul decizional uman. De exemplu, sistemele asistate de calculator au început să fie create pentru aplicații de diagnostic în medicină.

Aceste sisteme de diagnostic inițiale au introdus în sistem simptomele pacientului și rezultatele testelor de laborator pentru a genera un diagnostic ca urmare. Acestea au fost primele forme de sisteme expert.

- Principalele evoluții

La începutul anilor șaizeci, au fost dezvoltate programe care rezolvau probleme bine definite. De exemplu, jocuri sau traduceri automate.

Aceste programe au necesitat tehnici de raționament inteligent pentru a trata problemele logice și matematice prezentate, dar nu au necesitat prea multe cunoștințe suplimentare.

Cercetătorii au început să realizeze că pentru a rezolva multe probleme interesante, programele nu numai că trebuiau să poată interpreta aceste probleme, ci aveau nevoie și de cunoștințe de bază pentru a le înțelege pe deplin.

Acest lucru a dus treptat la dezvoltarea de sisteme de experți, care erau mai mult concentrate pe cunoaștere.

Conceptul de sisteme expert a fost dezvoltat formal în 1965 de către Edward Feigenbaum, profesor la Universitatea Stanford, SUA.

Feigenbaum a explicat că lumea a trecut de la procesarea datelor la procesarea cunoștințelor, datorită noilor tehnologii de procesare și arhitecturi de calculatoare.

Dendral

La sfârșitul anilor '60, a fost dezvoltat unul dintre primele sisteme expert, numit Dendral, care se adresează analizei compușilor chimici.

Cunoștințele lui Dendral au constat în sute de reguli care descriau interacțiunile compușilor chimici. Aceste reguli au fost rezultatul anilor de colaborare între chimiști și informaticieni.

- Maturitate

Sistemele de experți au început să prolifereze în anii '80. Multe dintre companiile Fortune 500 au aplicat această tehnologie în activitățile lor de zi cu zi.

În anii 90, mulți furnizori de aplicații de afaceri, precum Oracle și SAP, au integrat capacitățile sistemelor de experți în suita lor de produse, ca o modalitate de explicare a logicii de afaceri.

caracteristici

- Nivel de experiență

Un sistem de experți trebuie să ofere cel mai înalt nivel de expertiză. Oferă eficiență, precizie și rezolvarea imaginativă a problemelor.

- Reacția la timp

Utilizatorul interacționează cu sistemul expert pentru o perioadă de timp destul de rezonabilă. Timpul acestei interacțiuni trebuie să fie mai mic decât timpul necesar unui expert pentru a obține cea mai precisă soluție pentru aceeași problemă.

- Fiabilitate

Sistemul expert trebuie să aibă o fiabilitate bună. Pentru a face acest lucru, nu trebuie să faceți greșeli.

- Mecanism eficient

Sistemul de experți trebuie să aibă un mecanism eficient pentru a gestiona compendiul de cunoștințe existente în el.

- Probleme de manipulare

Un sistem de experți trebuie să poată face față problemelor provocatoare și să ia decizii corecte pentru a oferi soluții.

- Componente

Bază de cunoștințe

Este o colecție organizată de date corespunzătoare domeniului de experiență al sistemului.

Prin interviuri și observații cu experți umani, trebuie luate în evidență faptele care alcătuiesc baza de cunoștințe.

Motor de inferență

Interpretați și evaluați faptele din baza de cunoștințe prin reguli, pentru a oferi o recomandare sau o concluzie.

Această cunoaștere este reprezentată sub forma regulilor de producție If-Atunci: „Dacă o condiție este adevărată, atunci se poate face deducerea următoare”.

concluzii

Adesea, un factor de probabilitate este atașat la încheierea fiecărei reguli de producție și la recomandarea finală, deoarece concluzia la care a ajuns nu este o certitudine absolută.

De exemplu, un sistem expert pentru diagnosticul bolilor oculare ar putea indica, pe baza informațiilor furnizate, că o persoană are glaucom cu o probabilitate de 90%.

De asemenea, se poate arăta succesiunea regulilor prin care s-a ajuns la concluzie. Monitorizarea acestui lanț ajută la evaluarea credibilității recomandării și este utilă ca instrument de învățare.

Tipuri

Bazat pe reguli

În acest sistem cunoașterea este reprezentată ca un set de reguli. Regula este un mod direct și flexibil de exprimare a cunoștințelor.

Regula este formată din două părți: partea „Dacă”, numită condiție și partea „Atunci”, numită deducție. Sintaxa de bază a unei reguli este: Dacă (condiție) Atunci (deducție).

Bazat pe logica fuzzy

Când doriți să exprimați cunoștințe folosind cuvinte vagi precum „foarte puțin”, „moderat dificil”, „nu atât de vechi”, poate fi folosită logica nebună.

Această logică este utilizată pentru a descrie o definiție imprecisă. Se bazează pe ideea că toate lucrurile sunt descrise pe o scară glisantă.

Logica clasică funcționează cu două valori de certitudine: True (1) și False (0). În logica fuzzy, toate valorile de certitudine sunt exprimate ca numere reale în intervalul 0 până la 1.

Logica fuzzy reprezintă cunoașterea bazată pe un anumit grad de veridicitate, mai degrabă decât pe veridicitatea absolută a logicii clasice.

Neuronale

Avantajele sistemului expert bazat pe reguli combină, de asemenea, avantajele rețelei neuronale, precum învățarea, generalizarea, robustetea și procesarea informațiilor paralele.

Acest sistem are o bază de cunoaștere neurală, mai degrabă decât baza de cunoștințe tradiționale. Cunoștințele sunt stocate ca greutăți în neuroni.

Această combinație permite sistemului expert neuronal să își justifice concluziile.

Neuronali difuze

Rețelele logice și neuronale fuzzy sunt instrumente complementare pentru construirea sistemelor de experți.

Sistemele fuzzy nu au capacitatea de a învăța și nu se pot adapta la un nou mediu. Pe de altă parte, deși rețelele neuronale pot învăța, procesul lor este foarte complicat pentru utilizator.

Sistemele nevralgice pot combina capacitățile de calcul și de învățare ale rețelei neuronale cu reprezentarea cunoștințelor umane și abilitățile de explicare a sistemelor neplăcute.

Drept urmare, rețelele neuronale devin mai transparente, în timp ce sistemul fuzzy devine capabil să învețe.

Avantaj

Disponibilitate

Sistemele de expertiză sunt disponibile cu ușurință, oriunde și oricând, datorită producției în masă a software-ului.

Risc redus

O companie poate opera un sistem expert în medii periculoase pentru oameni. Ele pot fi utilizate în orice mediu periculos în care oamenii nu pot lucra.

Cunostinte de afaceri

Ele pot deveni un vehicul pentru dezvoltarea cunoștințelor organizaționale, în contrast cu cunoștințele persoanelor fizice dintr-o companie.

Raspuns explicatie

Aceștia sunt capabili să ofere o explicație adecvată a luării deciziilor lor, exprimând în detaliu raționamentul care a dus la un răspuns.

Atunci când sunt utilizate ca instrumente de formare, acestea au ca rezultat o curbă de învățare mai rapidă pentru începători.

Răspuns rapid

Ajută la obținerea de răspunsuri rapide și precise. Un sistem de experți își poate finaliza ponderea sarcinilor sale mult mai rapid decât un expert uman.

Rata de eroare scăzută

Rata de eroare a sistemelor experților de succes este destul de mică, uneori mult mai mică decât rata de eroare umană pentru aceeași sarcină.

Răspuns emoțional

Sistemele expert funcționează fără a fi excitați. Ei nu se încordează, obosesc sau nu se panică și lucrează constant în situații de urgență.

Permanența cunoștințelor

Sistemul expert menține un nivel semnificativ de informații. Această cunoaștere conținută va dura la nesfârșit.

Prototipuri rapide

Cu un sistem expert, este posibil să introduceți câteva reguli și să dezvoltați un prototip în zile, mai degrabă decât în ​​lunile sau anii asociați în mod obișnuit cu proiecte IT complexe.

Experiențe multiple

Sistemul de experți poate fi proiectat astfel încât să conțină cunoștințele multor experți calificați și astfel să aibă capacitatea de a rezolva probleme complexe.

Acest lucru reduce cheltuielile consultanților experți în soluționarea problemelor. Ele sunt un vehicul pentru obținerea de surse de cunoștințe dificil de obținut.

Dezavantaje

Dobândirea de cunoștințe

Este întotdeauna dificil să obții timpul experților în anumite domenii pentru orice aplicație software, dar pentru sistemele de experți este deosebit de dificil, deoarece experții sunt foarte apreciați și solicitați în mod constant de organizații.

În consecință, o mare cantitate de cercetări din ultimii ani s-a concentrat pe instrumente pentru dobândirea de cunoștințe, care ajută la automatizarea procesului de proiectare, depanare și menținere a regulilor definite de experți.

Integrare sistem

Integrarea sistemelor cu bazele de date a fost dificilă pentru primele sisteme de expertiză, deoarece instrumentele erau în principal în limbi și platforme necunoscute în mediile corporative.

Drept urmare, s-a depus un efort deosebit pentru integrarea instrumentelor de sisteme de expertiză în medii vechi, făcând transferul către platforme mai standard.

Aceste probleme au fost rezolvate în principal prin schimbarea paradigmei, deoarece PC-urile au fost acceptate treptat în mediul de calcul ca o platformă legitimă pentru dezvoltarea sistemelor de afaceri serioase.

Complexitatea procesării

Creșterea dimensiunii bazei de cunoștințe crește complexitatea procesării.

De exemplu, dacă un sistem expert are 100 de milioane de reguli, este evident că acesta ar fi prea complex și s-ar confrunta cu multe probleme de calcul.

Un motor de inferență ar trebui să poată prelucra un număr mare de reguli pentru a lua o decizie.

Când există prea multe reguli, este, de asemenea, greu de verificat dacă aceste reguli de decizie sunt în concordanță între ele.

De asemenea, este dificil să se acorde prioritate folosirii regulilor pentru a funcționa mai eficient sau pentru a rezolva ambiguitățile.

Actualizare de cunoștințe

O problemă legată de baza de cunoștințe este modul de a face actualizări rapide și eficiente. De asemenea, cum să adăugați cunoștințe noi, adică unde să o adăugați printre atâtea reguli.

Aplicații

Diagnostic și depanare

Rezumă toate sistemele care defecționează erorile și sugerează acțiuni corective pentru un proces sau dispozitiv defect.

Unul dintre primele domenii de cunoștințe în care s-a aplicat tehnologia sistemelor expert a fost diagnosticul medical. Cu toate acestea, diagnosticul sistemelor de inginerie a depășit rapid diagnosticul medical.

Diagnosticul poate fi exprimat astfel: având în vedere dovezile prezentate, care este problema, motivul sau cauza de bază?

Planificare și programare

Aceste sisteme de expertiză analizează un set de obiective pentru a determina un set de acțiuni care ating aceste obiective, oferind o ordonare detaliată a acțiunilor în timp, luând în considerare materiale, personal și alte restricții.

Exemple includ personalul companiei aeriene și programarea zborurilor și planificarea proceselor de fabricație.

Decizii financiare

Au fost create sisteme de consultanță financiară pentru a ajuta bancherii să stabilească dacă pot acorda împrumuturi persoanelor fizice și companiilor.

Companiile de asigurări utilizează aceste sisteme de expertiză pentru a evalua riscul pe care îl prezintă clientul și astfel determină prețul asigurării.

Monitorizarea și controlul proceselor

Ei analizează datele de pe dispozitivele fizice în timp real, pentru a observa anomalii, a prezice tendințele și a controla atât optimizarea, cât și corectarea erorilor.

Exemple de aceste sisteme sunt în industria rafinării și a oțelului.

Consultanta in cunostinte

Funcția principală a acestei aplicații este de a oferi o informație semnificativă asupra problemei utilizatorului, în mediul respectiv.

Cele două sisteme de experți care sunt distribuite cel mai larg în întreaga lume aparțin acestei categorii.

Primul dintre aceste sisteme este un consilier care sfătuiește utilizatorul cu privire la utilizarea corectă a gramaticii într-un text.

Al doilea este un consilier fiscal care este atașat la un sistem de pregătire a impozitelor. Sfătuiește utilizatorul cu privire la strategia și politicile fiscale specifice.

Referințe

1. Guru99 (2019). Sistem expert în inteligență artificială: Ce este, aplicații, exemplu. Luat de la: guru99.com.
2. Wikipedia, enciclopedia gratuită (2019). Sistem expert. Preluat de la: en.wikipedia.org.
3. Margaret Rouse (2019). Sistem expert. TechTarget. Preluat de la: searchchenterpriseai.techtarget.com.
4. Vladimir Zwass (2019). Sistem expert. Enciclopedie preluată de la: britannica.com.
5. Wtec (2019). Aplicațiile sistemelor expert. Luat de la: wtec.org.
6. Viral Nagori (2014). Tipuri de sistem de experți: studiu comparativ. Savant semantic preluat de la: pdfs.semanticscholar.org.
7. World of Computing (2010). Sistem expert. Luat de la: intelligence.worldofcomputing.net.