Експертна система — це комп’ютерна програма, призначена для вирішення складних проблем і надання можливості приймати рішення, як і людина-експерт. Він виконує це, витягуючи знання зі своєї бази знань, використовуючи правила міркувань і висновків відповідно до запитів користувачів.

Експертна система є частиною штучного інтелекту, а перша ES була розроблена в 1970 році, що стало першим успішним підходом до штучного інтелекту. Він вирішує найскладнішу проблему як експерт, витягуючи знання, що зберігаються в його базі знань. Система допомагає приймати рішення щодо використання комплексних задач і факти, і евристики, як людина-експерт . Він називається так тому, що містить експертні знання певної області та може вирішити будь-яку складну проблему цієї конкретної області. Ці системи розроблені для конкретної області, наприклад медицина, наука, тощо

Продуктивність експертної системи базується на знаннях експерта, які зберігаються в його базі знань. Чим більше знань зберігається в KB, тим більше ця система покращує свою продуктивність. Одним із поширених прикладів ES є пропозиція орфографічних помилок під час введення тексту у вікні пошуку Google.

Нижче наведено блок-схему, яка представляє роботу експертної системи:

ddl проти dml

Примітка. Важливо пам’ятати, що експертна система не використовується для заміни експертів-людей; замість цього він використовується, щоб допомогти людині прийняти складне рішення. Ці системи не мають людських можливостей мислити і працювати на основі бази знань конкретної області.

Нижче наведено кілька популярних прикладів експертної системи:

DENDRAL:Це був проект штучного інтелекту, створений як експертна система хімічного аналізу. Його використовували в органічній хімії для виявлення невідомих органічних молекул за допомогою їх мас-спектрів і бази знань з хімії.MYCIN:Це була одна з найперших експертних систем зворотного зв’язку, яка була розроблена для пошуку бактерій, що викликають інфекції, такі як бактеріємія та менінгіт. Його також використовували для рекомендації антибіотиків і діагностики захворювань згортання крові.PXDES:Це експертна система, яка використовується для визначення типу та ступеня раку легенів. Для визначення захворювання робиться знімок верхньої частини тіла, який виглядає як тінь. Ця тінь визначає тип і ступінь пошкодження.CaDeT:Експертна система CaDet – це система діагностичної підтримки, яка дозволяє виявити рак на ранніх стадіях.

Характеристика експертної системи

Висока ефективність:Експертна система забезпечує високу продуктивність для вирішення будь-якого типу складної задачі конкретної області з високою ефективністю і точністю.Зрозуміло:Він відповідає у спосіб, який може бути зрозумілим користувачеві. Він може приймати вхідні дані людською мовою та надавати вихідні дані таким же чином.Надійний:Це дуже надійно для створення ефективних і точних результатів.Висока чутливість:ES надає результат для будь-якого складного запиту за дуже короткий проміжок часу.

Компоненти експертної системи

Експертна система в основному складається з трьох компонентів:

Інтерфейс користувача Механізм висновків База знань

1. Інтерфейс користувача

За допомогою інтерфейсу користувача експертна система взаємодіє з користувачем, приймає запити як вхідні дані в зручному для читання форматі та передає їх механізму логічного висновку. Отримавши відповідь від механізму логічного висновку, він відображає результат для користувача. Іншими словами, це інтерфейс, який допомагає неексперту спілкуватися з експертною системою для пошуку рішення .

2. Механізм висновків (Правила механізму)

• Механізм логічного висновку відомий як мозок експертної системи, оскільки він є основним процесором системи. Він застосовує правила логічного висновку до бази знань, щоб зробити висновок або вивести нову інформацію. Це допомагає отримати безпомилкове рішення для запитів, заданих користувачем.
• За допомогою механізму логічного висновку система витягує знання з бази знань.
• Існує два типи механізму логічного висновку:
Механізм детермінованого висновку:Висновки, зроблені за допомогою цього типу механізму логічного висновку, вважаються істинними. В її основі лежить факти і правил .Механізм імовірнісного висновку:Цей тип механізму висновків містить невизначеність у висновках і ґрунтується на ймовірності.

Механізм висновків використовує наведені нижче режими для отримання рішень:

Прямий ланцюг:Він починається з відомих фактів і правил і застосовує правила висновку, щоб додати свій висновок до відомих фактів.Зворотне ланцюжок:Це метод ретроспективних міркувань, який починається з мети і працює назад, щоб довести відомі факти.

3. База знань

• База знань — це тип сховища, у якому зберігаються знання, отримані від різних експертів певної області. Це вважається великим сховищем знань. Чим більше буде база знань, тим точнішою буде експертна система.
• Це схоже на базу даних, яка містить інформацію та правила певної області чи теми.
• Можна також розглядати базу знань як колекцію об’єктів та їхніх атрибутів. Наприклад, Лев є об’єктом і його атрибутами є ссавець, не домашня тварина тощо.

Компоненти бази знань

Фактичні знання:Знання, які базуються на фактах і прийняті інженерами знань, підпадають під знання фактів.Евристичні знання:Ці знання ґрунтуються на практиці, вмінні здогадуватися, оцінці та досвіді.

Представлення знань: Він використовується для формалізації знань, що зберігаються в базі знань, за допомогою правил If-else.

Придбання знань: Це процес вилучення, організації та структурування знань предметної області, визначення правил для отримання знань від різних експертів і збереження цих знань у базі знань.

Розробка експертної системи

Тут ми пояснимо роботу експертної системи на прикладі MYCIN ES. Нижче наведено кілька кроків для створення MYCIN:

• По-перше, ES слід підживлювати експертними знаннями. У випадку MYCIN експерти-людини, що спеціалізуються на медичній галузі бактеріальних інфекцій, надають інформацію про причини, симптоми та інші знання в цій галузі.
• KB MYCIN успішно оновлено. Щоб перевірити це, лікар пропонує йому нову проблему. Проблема полягає в тому, щоб визначити наявність бактерій, ввівши дані про пацієнта, включаючи симптоми, поточний стан та історію хвороби.
• ES знадобиться анкета, яку має заповнити пацієнт, щоб отримати загальну інформацію про пацієнта, таку як стать, вік тощо.
• Тепер система зібрала всю інформацію, тому вона знайде рішення проблеми, застосовуючи правила «якщо-тоді» за допомогою механізму логічного висновку та використовуючи факти, що зберігаються в базі знань.
• Зрештою, він надасть відповідь пацієнту за допомогою інтерфейсу користувача.

Учасники розробки Експертної системи

Є три основні учасники побудови Експертної системи:

алгоритми бінарного пошуку

Експерт:Успіх ES багато в чому залежить від знань, наданих людьми-експертами. Ці експерти є особами, які спеціалізуються в цій конкретній галузі.Інженер знань:Інженер знань — це особа, яка збирає знання від експертів предметної області, а потім кодифікує ці знання в системі відповідно до формалізму.Кінцевий користувач:Це конкретна особа або група людей, які можуть не бути експертами, і для роботи над експертною системою потрібні рішення або поради для його запитів, які є складними.

Чому експертна система?

Перш ніж використовувати будь-яку технологію, ми повинні мати уявлення про те, навіщо використовувати цю технологію, а отже, те саме для ES. Хоча у нас є спеціалісти в кожній галузі, яка тоді потреба в розробці комп’ютерної системи. Отже, нижче наведено пункти, які описують потребу в ES:

Немає обмежень пам'яті:Він може зберігати необхідну кількість даних і запам’ятовувати їх під час застосування. Але для людей-експертів існують певні обмеження щодо запам’ятовування всього в будь-який час.Висока ефективність:Якщо база знань оновлюється правильними знаннями, це забезпечує високоефективний вихід, який може бути неможливим для людини.Експертиза в області:У кожній області є багато експертів-людей, і всі вони мають різні навички, різний досвід і різні навички, тому отримати остаточний результат для запиту нелегко. Але якщо ми помістимо знання, отримані від експертів-людей, в експертну систему, то це забезпечить ефективний результат шляхом змішування всіх фактів і знаньНе піддається впливу емоцій:На ці системи не впливають людські емоції, такі як втома, гнів, депресія, тривога тощо. Тому продуктивність залишається постійною.Високий рівень безпеки:Ці системи забезпечують високий рівень безпеки для вирішення будь-яких запитів.Розглядає всі факти:Щоб відповісти на будь-який запит, він перевіряє та розглядає всі наявні факти та надає відповідний результат. Але не виключено, що людина-експерт з будь-яких причин може не врахувати деякі факти.Регулярні оновлення покращують продуктивність:Якщо в результатах, наданих експертними системами, є проблема, ми можемо покращити продуктивність системи, оновивши базу знань.

Можливості експертної системи

Нижче наведено деякі можливості експертної системи:

консультування:Він здатний порадити людині для запиту будь-якого домену з конкретної ES.Забезпечити здатність приймати рішення:Він надає можливість приймати рішення в будь-якій сфері, наприклад для прийняття будь-яких фінансових рішень, рішень у медичній науці тощо.Продемонструйте пристрій:Він здатний демонструвати будь-які нові продукти, такі як його функції, технічні характеристики, способи використання цього продукту тощо.Вирішення проблем:Він має здатність вирішувати проблеми.Пояснення проблеми:Він також здатний надати детальний опис проблеми введення.Інтерпретація введення:Він здатний інтерпретувати введені користувачем дані.Прогнозування результатів:Його можна використовувати для прогнозування результату.Діагноз:ES, розроблений для галузі медицини, здатний діагностувати захворювання без використання багатьох компонентів, оскільки він уже містить різноманітні вбудовані медичні інструменти.

Переваги експертної системи

• Ці системи мають високу відтворюваність.
• Їх можна використовувати для небезпечних місць, де присутність людини небезпечна.
• Можливості помилок менші, якщо KB містить правильні знання.
• Робота цих систем залишається стабільною, оскільки на неї не впливають емоції, напруга чи втома.
• Вони забезпечують дуже високу швидкість відповіді на конкретний запит.

Обмеження експертної системи

• Відповідь експертної системи може бути неправильною, якщо база знань містить неправильну інформацію.
• Як і людина, він не може створювати творчі результати для різних сценаріїв.
• Витрати на його утримання та розвиток дуже високі.
• Здобути знання для проектування дуже складно.
• Для кожного домену нам потрібен окремий ES, що є одним із великих обмежень.
• Він не може навчатися сам по собі, тому потребує оновлень вручну.

Застосування експертної системи

У сфері проектування та виробництва
Його можна широко використовувати для проектування та виробництва фізичних пристроїв, таких як об’єктиви камер і автомобілі.У сфері знань
Ці системи в основному використовуються для публікації відповідних знань користувачам. Дві популярні ES, які використовуються для цього домену, – радник і податковий радник.У сфері фінансів
У фінансовій індустрії він використовується для виявлення будь-якого типу можливого шахрайства, підозрілої діяльності та надання порад банкірам, чи варто їм надавати кредити для бізнесу чи ні.У діагностиці та усуненні несправностей приладів
У медичній діагностиці використовується система ЕС, і це була перша область, де ці системи були використані.Планування та планування
Експертні системи також можна використовувати для планування та планування деяких конкретних завдань для досягнення мети цього завдання.