Et ekspertsystem er et computerprogram, der er designet til at løse komplekse problemer og give beslutningsevne som en menneskelig ekspert. Det udfører dette ved at udtrække viden fra sin vidensbase ved hjælp af ræsonnement og slutningsregler i henhold til brugerforespørgslerne.

Ekspertsystemet er en del af kunstig intelligens, og det første ES blev udviklet i år 1970, hvilket var den første succesrige tilgang til kunstig intelligens. Det løser det mest komplekse problem som ekspert ved at udtrække den viden, der er lagret i sin videnbase. Systemet hjælper med at træffe beslutninger for compsex problemer ved at bruge både fakta og heuristik som en menneskelig ekspert . Det kaldes det, fordi det indeholder ekspertviden om et specifikt domæne og kan løse ethvert komplekst problem for det pågældende domæne. Disse systemer er designet til et specifikt domæne, som f.eks medicin, videnskab, etc.

Ydelsen af ​​et ekspertsystem er baseret på ekspertens viden, der er lagret i dets vidensbase. Jo mere viden der er lagret i KB, jo mere forbedrer systemet sin ydeevne. Et af de almindelige eksempler på en ES er et forslag om stavefejl, mens du skriver i Google-søgefeltet.

Nedenfor er blokdiagrammet, der repræsenterer arbejdet i et ekspertsystem:

Bemærk: Det er vigtigt at huske, at et ekspertsystem ikke bruges til at erstatte de menneskelige eksperter; i stedet bruges det til at hjælpe mennesket med at træffe en kompleks beslutning. Disse systemer har ikke menneskelige evner til at tænke og arbejde ud fra vidensgrundlaget for det bestemte domæne.

Nedenfor er nogle populære eksempler på ekspertsystemet:

DENDRAL:Det var et kunstig intelligens-projekt, der blev lavet som et kemisk analyseekspertsystem. Det blev brugt i organisk kemi til at detektere ukendte organiske molekyler ved hjælp af deres massespektre og videnbase om kemi.MYCIN:Det var et af de tidligste baglæns kæde-ekspertsystemer, der var designet til at finde de bakterier, der forårsagede infektioner som bakteriemi og meningitis. Det blev også brugt til anbefaling af antibiotika og diagnosticering af blodkoagulationssygdomme.PXDES:Det er et ekspertsystem, der bruges til at bestemme typen og niveauet af lungekræft. For at bestemme sygdommen tager den et billede fra overkroppen, som ligner skyggen. Denne skygge identificerer typen og graden af ​​skade.Kadet:CaDet ekspertsystemet er et diagnostisk støttesystem, der kan opdage kræft i tidlige stadier.

Ekspertsystems egenskaber

c# kode eksempler

Høj ydeevne:Ekspertsystemet giver høj ydeevne til at løse enhver form for komplekse problem i et specifikt domæne med høj effektivitet og nøjagtighed.Forståelig:Den reagerer på en måde, der let kan forstås af brugeren. Det kan tage input på menneskeligt sprog og giver output på samme måde.Pålidelig:Det er meget pålideligt til at generere et effektivt og præcist output.Meget lydhør:ES giver resultatet for enhver kompleks forespørgsel inden for en meget kort periode.

Komponenter i ekspertsystemet

Et ekspertsystem består hovedsageligt af tre komponenter:

Brugergrænseflade Inferensmotor Vidensbase

1. Brugergrænseflade

Ved hjælp af en brugergrænseflade interagerer ekspertsystemet med brugeren, tager forespørgsler som input i et læsbart format og sender det videre til inferensmotoren. Efter at have modtaget svaret fra inferensmotoren, viser den outputtet til brugeren. Med andre ord, det er en grænseflade, der hjælper en ikke-ekspert bruger med at kommunikere med ekspertsystemet for at finde en løsning .

2. Inferensmotor (motorregler)

• Inferensmotoren er kendt som hjernen i ekspertsystemet, da det er systemets vigtigste behandlingsenhed. Den anvender slutningsregler på videnbasen for at udlede en konklusion eller udlede ny information. Det hjælper med at udlede en fejlfri løsning af forespørgsler stillet af brugeren.
• Ved hjælp af en inferensmotor udtrækker systemet viden fra videnbasen.
• Der er to typer inferensmotorer:
Deterministisk inferensmotor:Konklusionerne fra denne type inferensmotorer antages at være sande. Det er baseret på fakta og regler .Probabilistisk inferensmotor:Denne type inferensmotor indeholder usikkerhed i konklusioner og baseret på sandsynligheden.

Inferensmotor bruger nedenstående tilstande til at udlede løsningerne:

Forlæns kæde:Den tager udgangspunkt i de kendte fakta og regler og anvender slutningsreglerne for at føje deres konklusion til de kendte fakta.Baglæns kæde:Det er en baglæns ræsonnement metode, der starter fra målet og arbejder baglæns for at bevise de kendte fakta.

3. Vidensbase

• Videnbasen er en type lagring, der gemmer viden erhvervet fra de forskellige eksperter på det pågældende domæne. Det betragtes som en stor oplagring af viden. Jo mere videnbasen er, jo mere præcis vil Ekspertsystemet være.
• Det ligner en database, der indeholder information og regler for et bestemt domæne eller emne.
• Man kan også se videnbasen som samlinger af objekter og deres egenskaber. Såsom en løve er en genstand, og dens egenskaber er, at den er et pattedyr, den er ikke et husdyr osv.

Komponenter i vidensbasen

Faktisk viden:Den viden, som er baseret på fakta og accepteret af vidensingeniører, falder ind under faktuel viden.Heuristisk viden:Denne viden er baseret på praksis, evnen til at gætte, evaluering og erfaringer.

Vidensrepræsentation: Det bruges til at formalisere den viden, der er lagret i videnbasen ved hjælp af If-else-reglerne.

Videnopkøb: Det er processen med at udtrække, organisere og strukturere domæneviden, specificere reglerne for at erhverve viden fra forskellige eksperter og gemme denne viden i videnbasen.

Udvikling af Ekspertsystem

Her vil vi forklare, hvordan et ekspertsystem fungerer ved at tage et eksempel på MYCIN ES. Nedenfor er nogle trin til at bygge en MYCIN:

• For det første bør ES fodres med ekspertviden. I tilfælde af MYCIN giver menneskelige eksperter specialiseret i det medicinske område af bakteriel infektion information om årsagerne, symptomerne og anden viden på dette område.
• KB for MYCIN er opdateret. For at teste det giver lægen et nyt problem til det. Problemet er at identificere tilstedeværelsen af ​​bakterierne ved at indtaste detaljerne om en patient, herunder symptomer, nuværende tilstand og sygehistorie.
• ES skal have et spørgeskema, der skal udfyldes af patienten for at kende de generelle oplysninger om patienten, såsom køn, alder osv.
• Nu har systemet samlet alle oplysningerne, så det vil finde løsningen på problemet ved at anvende hvis-så-regler ved hjælp af inferensmotoren og bruge fakta gemt i KB.
• I sidste ende vil det give et svar til patienten ved at bruge brugergrænsefladen.

Deltagere i udviklingen af ​​Expert System

Der er tre primære deltagere i opbygningen af ​​Expert System:

java til pause

Ekspert:Succesen for en ES afhænger meget af den viden, som menneskelige eksperter leverer. Disse eksperter er de personer, der er specialiserede i det specifikke domæne.Vidensingeniør:Vidensingeniør er den person, der samler viden fra domæneeksperterne og derefter kodificerer den viden til systemet i henhold til formalismen.Slutbruger:Dette er en bestemt person eller en gruppe mennesker, som måske ikke er eksperter, og som arbejder på ekspertsystemet, har brug for løsningen eller rådene til sine spørgsmål, som er komplekse.

Hvorfor ekspertsystem?

Før vi bruger nogen teknologi, skal vi have en idé om, hvorfor vi skal bruge den teknologi og dermed det samme for ES. Selvom vi har menneskelige eksperter på alle områder, hvad er så behovet for at udvikle et computerbaseret system. Så nedenfor er de punkter, der beskriver behovet for ES:

Ingen hukommelsesbegrænsninger:Det kan gemme så mange data som nødvendigt og kan huske det på tidspunktet for dets anvendelse. Men for menneskelige eksperter er der nogle begrænsninger for at huske alle ting til enhver tid.Høj effektivitet:Hvis videnbasen er opdateret med den korrekte viden, så giver den et yderst effektivt output, hvilket måske ikke er muligt for et menneske.Ekspertise inden for et domæne:Der er masser af menneskelige eksperter i hvert domæne, og de har alle forskellige færdigheder, forskellige erfaringer og forskellige færdigheder, så det er ikke nemt at få et endeligt output til forespørgslen. Men hvis vi sætter viden opnået fra menneskelige eksperter ind i ekspertsystemet, så giver det et effektivt output ved at blande alle fakta og videnIkke påvirket af følelser:Disse systemer er ikke påvirket af menneskelige følelser såsom træthed, vrede, depression, angst osv.. Derfor forbliver præstationen konstant.Høj sikkerhed:Disse systemer giver høj sikkerhed til at løse enhver forespørgsel.Overvejer alle fakta:For at svare på enhver forespørgsel kontrollerer og overvejer den alle tilgængelige fakta og giver resultatet i overensstemmelse hermed. Men det er muligt, at en menneskelig ekspert måske ikke overvejer nogle fakta af en eller anden grund.Regelmæssige opdateringer forbedrer ydeevnen:Hvis der er et problem i resultatet leveret af ekspertsystemerne, kan vi forbedre systemets ydeevne ved at opdatere videnbasen.

Ekspertsystemets evner

Nedenfor er nogle af funktionerne i et ekspertsystem:

Rådgivning:Det er i stand til at rådgive mennesket til forespørgslen på ethvert domæne fra det særlige ES.Give beslutningsevner:Det giver mulighed for beslutningstagning i ethvert domæne, såsom for at træffe enhver økonomisk beslutning, beslutninger inden for lægevidenskab osv.Demonstrer en enhed:Det er i stand til at demonstrere alle nye produkter såsom dets funktioner, specifikationer, hvordan man bruger det pågældende produkt osv.Problemløsning:Det har problemløsningsevner.Forklaring af et problem:Det er også i stand til at give en detaljeret beskrivelse af et inputproblem.Fortolkning af input:Den er i stand til at fortolke input fra brugeren.Forudsigelse af resultater:Det kan bruges til forudsigelse af et resultat.Diagnose:En ES designet til det medicinske område er i stand til at diagnosticere en sygdom uden at bruge flere komponenter, da den allerede indeholder forskellige indbyggede medicinske værktøjer.

Fordele ved Expert System

• Disse systemer er meget reproducerbare.
• De kan bruges til risikable steder, hvor den menneskelige tilstedeværelse ikke er sikker.
• Fejlmulighederne er mindre, hvis KB'en indeholder korrekt viden.
• Ydeevnen af ​​disse systemer forbliver stabil, da den ikke påvirkes af følelser, spændinger eller træthed.
• De giver en meget høj hastighed til at svare på en bestemt forespørgsel.

Ekspertsystems begrænsninger

• Ekspertsystemets svar kan blive forkert, hvis videnbasen indeholder de forkerte oplysninger.
• Ligesom et menneske kan det ikke producere et kreativt output til forskellige scenarier.
• Dens vedligeholdelses- og udviklingsomkostninger er meget høje.
• Det er meget vanskeligt at erhverve viden til design.
• For hvert domæne kræver vi et specifikt ES, hvilket er en af ​​de store begrænsninger.
• Det kan ikke lære af sig selv og kræver derfor manuelle opdateringer.

Anvendelser af ekspertsystem

I design- og fremstillingsdomæne
Det kan bruges bredt til design og fremstilling af fysiske enheder såsom kameralinser og biler.I videndomænet
Disse systemer bruges primært til at publicere den relevante viden til brugerne. De to populære ES, der bruges til dette domæne, er en rådgiver og en skatterådgiver.På økonomiområdet
I finansindustrien bruges det til at opdage enhver form for mulig svig, mistænkelig aktivitet og rådgive bankfolk, om de skal yde lån til erhvervslivet eller ej.I diagnosticering og fejlfinding af enheder
I medicinsk diagnosticering anvendes ES-systemet, og det var det første område, hvor disse systemer blev brugt.Planlægning og tidsplan
Ekspertsystemerne kan også bruges til at planlægge og planlægge nogle bestemte opgaver for at nå målet med den pågældende opgave.