Что такое экспертная система: Экспертная система — Википедия. Что такое Экспертная система

Экспертная система — Википедия. Что такое Экспертная система

Экспе́ртная систе́ма (ЭС, англ. expert system) — компьютерная система, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации. Современные экспертные системы начали разрабатываться исследователями искусственного интеллекта в 1970-х годах, а в 1980-х годах получили коммерческое подкрепление. Предшественники экспертных систем были предложены в 1832 году С. Н. Корсаковым, создавшим механические устройства, так называемые «интеллектуальные машины», позволявшие находить решения по заданным условиям, например, определять наиболее подходящие лекарства по наблюдаемым у пациента симптомам заболевания^[1].

В информатике экспертные системы рассматриваются совместно с базами знаний как модели поведения экспертов в определённой области знаний с использованием процедур логического вывода и принятия решений, а базы знаний — как совокупность фактов и правил логического вывода в выбранной предметной области деятельности.

Похожие действия выполняет такой программный инструмент как «Мастер» (англ. Wizard). Мастера применяются как в системных программах, так и в прикладных для упрощения интерактивного общения с пользователем (например, при установке ПО). Главное отличие мастеров от экспертных систем — отсутствие базы знаний — все действия жёстко запрограммированы. Это просто набор форм для заполнения пользователем.

Другие подобные программы — поисковые или справочные (энциклопедические) системы. По запросу пользователя они предоставляют наиболее подходящие (релевантные) разделы базы статей (представления об объектах областей знаний, их виртуальную модель).

В настоящее время «классическая» концепция экспертных систем, сложившаяся в 1970-1980 годах, переживает серьёзный кризис, по всей видимости связанный с её глубокой ориентацией на общепринятый в те годы текстовый человеко-машинный интерфейс, который в настоящее время в пользовательских приложениях почти полностью вытеснен графическим (GUI). Кроме того, «классический» подход к построению экспертных систем плохо согласуется с реляционной моделью данных, что делает невозможным эффективное использование современных промышленных СУБД для организации баз знаний таких систем.

Нередко в качестве маркетингового хода экспертными системами объявляются современные программные продукты, в «классическом» понимании таковыми не являющиеся (например, компьютерные справочно-правовые системы). Предпринимаемые энтузиастами попытки объединить «классические» подходы к разработке экспертных систем с современными подходами к построению пользовательского интерфейса (проекты CLIPS Java Native Interface, CLIPS.NET и др.) не находят поддержки среди крупных компаний-производителей программного обеспечения и по этой причине остаются пока в экспериментальной стадии.

Структура ЭС интеллектуальных систем

Книга^[2] представляет следующую структуру ЭС:

База знаний состоит из правил анализа информации от пользователя по конкретной проблеме.
ЭС анализирует ситуацию и, в зависимости от направленности ЭС, даёт рекомендации по разрешению проблемы.

Как правило, база знаний экспертной системы содержит факты (статические сведения о предметной области) и правила — набор инструкций, применяя которые к известным фактам можно получать новые факты.

В рамках логической модели баз данных и базы знаний записываются на языке Пролог с помощью языка предикатов для описания фактов и правил логического вывода, выражающих правила определения понятий, для описания обобщённых и конкретных сведений, а также конкретных и обобщённых запросов к базам данных и базам знаний.

Конкретные и обобщённые запросы к базам знаний на языке Пролог записываются с помощью языка предикатов, выражающих правила логического вывода и определения понятий над процедурами логического вывода, имеющихся в базе знаний, выражающих обобщённые и конкретные сведения и знания в выбранной предметной области деятельности и сфере знаний.

Обычно факты в базе знаний описывают те явления, которые являются постоянными
для данной предметной области. Характеристики, значения которых зависят от условий конкретной
задачи, ЭС получает от пользователя в процессе работы, и сохраняет их в рабочей памяти.
Например, в медицинской ЭС факт «У здорового человека 2 ноги» хранится в базе знаний, а факт «У пациента одна нога»
— в рабочей памяти.

База знаний ЭС создаётся при помощи трёх групп людей:

1. эксперты той проблемной области, к которой относятся задачи, решаемые ЭС;
2. инженеры по знаниям, являющиеся специалистами по разработке ИИС;
3. программисты, осуществляющие реализацию ЭС.

Режимы функционирования

ЭС может функционировать в 2-х режимах.

1. Режим ввода знаний — в этом режиме эксперт с помощью инженера по знаниям посредством редактора базы знаний вводит известные ему сведения о предметной области в базу знаний ЭС.
2. Режим консультации — пользователь ведет диалог с ЭС, сообщая ей сведения о текущей задаче и получая рекомендации ЭС. Например, на основе сведений о физическом состоянии больного ЭС ставит диагноз в виде перечня заболеваний, наиболее вероятных при данных симптомах.

Классификация ЭС

Классификация ЭС по решаемой задаче

Классификация ЭС по связи с реальным временем

• Статические — решающие задачи в условиях не изменяющихся во времени исходных данных и знаний.
• Квазидинамические — интерпретируют ситуацию, которая меняется с некоторым фиксированным интервалом времени.
• Динамические — решающие задачи в условиях изменяющихся во времени исходных данных и знаний.

Этапы разработки ЭС

• Этап идентификации проблем — определяются задачи, которые подлежат решению, выявляются цели разработки, определяются эксперты и типы пользователей.
• Этап извлечения знаний — проводится содержательный анализ проблемной области, выявляются используемые понятия и их взаимосвязи, определяются методы решения задач.
• Этап структурирования знаний — выбираются ИС и определяются способы представления всех видов знаний, формализуются основные понятия, определяются способы интерпретации знаний, моделируется работа системы, оценивается адекватность целям системы зафиксированных понятий, методов решений, средств представления и манипулирования знаниями.
• Этап формализации — осуществляется наполнение экспертом базы знаний. В связи с тем, что основой ЭС являются знания, данный этап является наиболее важным и наиболее трудоёмким этапом разработки ЭС. Процесс приобретения знаний разделяют на извлечение знаний из эксперта, организацию знаний, обеспечивающую эффективную работу системы, и представление знаний в виде, понятном ЭС. Процесс приобретения знаний осуществляется инженером по знаниям на основе анализа деятельности эксперта по решению реальных задач.
• Реализация ЭС — создаётся один или несколько прототипов ЭС, решающие требуемые задачи.
• Этап тестирования — производится оценка выбранного способа представления знаний в ЭС в целом.

Наиболее известные ЭС

• CLIPS — весьма популярная оболочка для построения ЭС (public domain)
• OpenCyc — мощная динамическая ЭС с глобальной онтологической моделью и поддержкой независимых контекстов
• WolframAlpha — база знаний и набор вычислительных алгоритмов, интеллектуальный «вычислительный движок знаний»
• MYCIN — наиболее известная диагностическая система, которая предназначена для диагностики и наблюдения за состоянием больного при менингите и бактериальных инфекциях.
• HASP/SIAP — интерпретирующая система, которая определяет местоположение и типы судов в Тихом океане по данным акустических систем слежения.
• Акинатор — интернет-игра. Игрок должен загадать любого персонажа, а Акинатор должен его отгадать, задавая вопросы. База знаний автоматически пополняется, поэтому программа может отгадать практически любого известного персонажа.
• IBM Watson — суперкомпьютер фирмы IBM, способный понимать вопросы, сформулированные на естественном языке, и находить на них ответы в базе данных.

См. также

Ссылки

Литература

Экспертная система — Википедия. Что такое Экспертная система

Экспе́ртная систе́ма (ЭС, англ. expert system) — компьютерная система, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации. Современные экспертные системы начали разрабатываться исследователями искусственного интеллекта в 1970-х годах, а в 1980-х годах получили коммерческое подкрепление. Предшественники экспертных систем были предложены в 1832 году С. Н. Корсаковым, создавшим механические устройства, так называемые «интеллектуальные машины», позволявшие находить решения по заданным условиям, например, определять наиболее подходящие лекарства по наблюдаемым у пациента симптомам заболевания^[1].

В информатике экспертные системы рассматриваются совместно с базами знаний как модели поведения экспертов в определённой области знаний с использованием процедур логического вывода и принятия решений, а базы знаний — как совокупность фактов и правил логического вывода в выбранной предметной области деятельности.

Похожие действия выполняет такой программный инструмент как «Мастер» (англ. Wizard). Мастера применяются как в системных программах, так и в прикладных для упрощения интерактивного общения с пользователем (например, при установке ПО). Главное отличие мастеров от экспертных систем — отсутствие базы знаний — все действия жёстко запрограммированы. Это просто набор форм для заполнения пользователем.

Другие подобные программы — поисковые или справочные (энциклопедические) системы. По запросу пользователя они предоставляют наиболее подходящие (релевантные) разделы базы статей (представления об объектах областей знаний, их виртуальную модель).

В настоящее время «классическая» концепция экспертных систем, сложившаяся в 1970-1980 годах, переживает серьёзный кризис, по всей видимости связанный с её глубокой ориентацией на общепринятый в те годы текстовый человеко-машинный интерфейс, который в настоящее время в пользовательских приложениях почти полностью вытеснен графическим (GUI). Кроме того, «классический» подход к построению экспертных систем плохо согласуется с реляционной моделью данных, что делает невозможным эффективное использование современных промышленных СУБД для организации баз знаний таких систем.

Нередко в качестве маркетингового хода экспертными системами объявляются современные программные продукты, в «классическом» понимании таковыми не являющиеся (например, компьютерные справочно-правовые системы). Предпринимаемые энтузиастами попытки объединить «классические» подходы к разработке экспертных систем с современными подходами к построению пользовательского интерфейса (проекты CLIPS Java Native Interface, CLIPS.NET и др.) не находят поддержки среди крупных компаний-производителей программного обеспечения и по этой причине остаются пока в экспериментальной стадии.

Структура ЭС интеллектуальных систем

Книга^[2] представляет следующую структуру ЭС:

База знаний состоит из правил анализа информации от пользователя по конкретной проблеме.
ЭС анализирует ситуацию и, в зависимости от направленности ЭС, даёт рекомендации по разрешению проблемы.

Как правило, база знаний экспертной системы содержит факты (статические сведения о предметной области) и правила — набор инструкций, применяя которые к известным фактам можно получать новые факты.

В рамках логической модели баз данных и базы знаний записываются на языке Пролог с помощью языка предикатов для описания фактов и правил логического вывода, выражающих правила определения понятий, для описания обобщённых и конкретных сведений, а также конкретных и обобщённых запросов к базам данных и базам знаний.

Конкретные и обобщённые запросы к базам знаний на языке Пролог записываются с помощью языка предикатов, выражающих правила логического вывода и определения понятий над процедурами логического вывода, имеющихся в базе знаний, выражающих обобщённые и конкретные сведения и знания в выбранной предметной области деятельности и сфере знаний.

Обычно факты в базе знаний описывают те явления, которые являются постоянными
для данной предметной области. Характеристики, значения которых зависят от условий конкретной
задачи, ЭС получает от пользователя в процессе работы, и сохраняет их в рабочей памяти.
Например, в медицинской ЭС факт «У здорового человека 2 ноги» хранится в базе знаний, а факт «У пациента одна нога»
— в рабочей памяти.

База знаний ЭС создаётся при помощи трёх групп людей:

1. эксперты той проблемной области, к которой относятся задачи, решаемые ЭС;
2. инженеры по знаниям, являющиеся специалистами по разработке ИИС;
3. программисты, осуществляющие реализацию ЭС.

Режимы функционирования

ЭС может функционировать в 2-х режимах.

1. Режим ввода знаний — в этом режиме эксперт с помощью инженера по знаниям посредством редактора базы знаний вводит известные ему сведения о предметной области в базу знаний ЭС.
2. Режим консультации — пользователь ведет диалог с ЭС, сообщая ей сведения о текущей задаче и получая рекомендации ЭС. Например, на основе сведений о физическом состоянии больного ЭС ставит диагноз в виде перечня заболеваний, наиболее вероятных при данных симптомах.

Классификация ЭС

Классификация ЭС по решаемой задаче

Классификация ЭС по связи с реальным временем

• Статические — решающие задачи в условиях не изменяющихся во времени исходных данных и знаний.
• Квазидинамические — интерпретируют ситуацию, которая меняется с некоторым фиксированным интервалом времени.
• Динамические — решающие задачи в условиях изменяющихся во времени исходных данных и знаний.

Этапы разработки ЭС

• Этап идентификации проблем — определяются задачи, которые подлежат решению, выявляются цели разработки, определяются эксперты и типы пользователей.
• Этап извлечения знаний — проводится содержательный анализ проблемной области, выявляются используемые понятия и их взаимосвязи, определяются методы решения задач.
• Этап структурирования знаний — выбираются ИС и определяются способы представления всех видов знаний, формализуются основные понятия, определяются способы интерпретации знаний, моделируется работа системы, оценивается адекватность целям системы зафиксированных понятий, методов решений, средств представления и манипулирования знаниями.
• Этап формализации — осуществляется наполнение экспертом базы знаний. В связи с тем, что основой ЭС являются знания, данный этап является наиболее важным и наиболее трудоёмким этапом разработки ЭС. Процесс приобретения знаний разделяют на извлечение знаний из эксперта, организацию знаний, обеспечивающую эффективную работу системы, и представление знаний в виде, понятном ЭС. Процесс приобретения знаний осуществляется инженером по знаниям на основе анализа деятельности эксперта по решению реальных задач.
• Реализация ЭС — создаётся один или несколько прототипов ЭС, решающие требуемые задачи.
• Этап тестирования — производится оценка выбранного способа представления знаний в ЭС в целом.

Наиболее известные ЭС

• CLIPS — весьма популярная оболочка для построения ЭС (public domain)
• OpenCyc — мощная динамическая ЭС с глобальной онтологической моделью и поддержкой независимых контекстов
• WolframAlpha — база знаний и набор вычислительных алгоритмов, интеллектуальный «вычислительный движок знаний»
• MYCIN — наиболее известная диагностическая система, которая предназначена для диагностики и наблюдения за состоянием больного при менингите и бактериальных инфекциях.
• HASP/SIAP — интерпретирующая система, которая определяет местоположение и типы судов в Тихом океане по данным акустических систем слежения.
• Акинатор — интернет-игра. Игрок должен загадать любого персонажа, а Акинатор должен его отгадать, задавая вопросы. База знаний автоматически пополняется, поэтому программа может отгадать практически любого известного персонажа.
• IBM Watson — суперкомпьютер фирмы IBM, способный понимать вопросы, сформулированные на естественном языке, и находить на них ответы в базе данных.

См. также

Ссылки

Литература

Экспертная система — Википедия. Что такое Экспертная система

Экспе́ртная систе́ма (ЭС, англ. expert system) — компьютерная система, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации. Современные экспертные системы начали разрабатываться исследователями искусственного интеллекта в 1970-х годах, а в 1980-х годах получили коммерческое подкрепление. Предшественники экспертных систем были предложены в 1832 году С. Н. Корсаковым, создавшим механические устройства, так называемые «интеллектуальные машины», позволявшие находить решения по заданным условиям, например, определять наиболее подходящие лекарства по наблюдаемым у пациента симптомам заболевания^[1].

В информатике экспертные системы рассматриваются совместно с базами знаний как модели поведения экспертов в определённой области знаний с использованием процедур логического вывода и принятия решений, а базы знаний — как совокупность фактов и правил логического вывода в выбранной предметной области деятельности.

Похожие действия выполняет такой программный инструмент как «Мастер» (англ. Wizard). Мастера применяются как в системных программах, так и в прикладных для упрощения интерактивного общения с пользователем (например, при установке ПО). Главное отличие мастеров от экспертных систем — отсутствие базы знаний — все действия жёстко запрограммированы. Это просто набор форм для заполнения пользователем.

Другие подобные программы — поисковые или справочные (энциклопедические) системы. По запросу пользователя они предоставляют наиболее подходящие (релевантные) разделы базы статей (представления об объектах областей знаний, их виртуальную модель).

В настоящее время «классическая» концепция экспертных систем, сложившаяся в 1970-1980 годах, переживает серьёзный кризис, по всей видимости связанный с её глубокой ориентацией на общепринятый в те годы текстовый человеко-машинный интерфейс, который в настоящее время в пользовательских приложениях почти полностью вытеснен графическим (GUI). Кроме того, «классический» подход к построению экспертных систем плохо согласуется с реляционной моделью данных, что делает невозможным эффективное использование современных промышленных СУБД для организации баз знаний таких систем.

Нередко в качестве маркетингового хода экспертными системами объявляются современные программные продукты, в «классическом» понимании таковыми не являющиеся (например, компьютерные справочно-правовые системы). Предпринимаемые энтузиастами попытки объединить «классические» подходы к разработке экспертных систем с современными подходами к построению пользовательского интерфейса (проекты CLIPS Java Native Interface, CLIPS.NET и др.) не находят поддержки среди крупных компаний-производителей программного обеспечения и по этой причине остаются пока в экспериментальной стадии.

Структура ЭС интеллектуальных систем

Книга^[2] представляет следующую структуру ЭС:

База знаний состоит из правил анализа информации от пользователя по конкретной проблеме.
ЭС анализирует ситуацию и, в зависимости от направленности ЭС, даёт рекомендации по разрешению проблемы.

Как правило, база знаний экспертной системы содержит факты (статические сведения о предметной области) и правила — набор инструкций, применяя которые к известным фактам можно получать новые факты.

В рамках логической модели баз данных и базы знаний записываются на языке Пролог с помощью языка предикатов для описания фактов и правил логического вывода, выражающих правила определения понятий, для описания обобщённых и конкретных сведений, а также конкретных и обобщённых запросов к базам данных и базам знаний.

Конкретные и обобщённые запросы к базам знаний на языке Пролог записываются с помощью языка предикатов, выражающих правила логического вывода и определения понятий над процедурами логического вывода, имеющихся в базе знаний, выражающих обобщённые и конкретные сведения и знания в выбранной предметной области деятельности и сфере знаний.

Обычно факты в базе знаний описывают те явления, которые являются постоянными
для данной предметной области. Характеристики, значения которых зависят от условий конкретной
задачи, ЭС получает от пользователя в процессе работы, и сохраняет их в рабочей памяти.
Например, в медицинской ЭС факт «У здорового человека 2 ноги» хранится в базе знаний, а факт «У пациента одна нога»
— в рабочей памяти.

База знаний ЭС создаётся при помощи трёх групп людей:

1. эксперты той проблемной области, к которой относятся задачи, решаемые ЭС;
2. инженеры по знаниям, являющиеся специалистами по разработке ИИС;
3. программисты, осуществляющие реализацию ЭС.

Режимы функционирования

ЭС может функционировать в 2-х режимах.

1. Режим ввода знаний — в этом режиме эксперт с помощью инженера по знаниям посредством редактора базы знаний вводит известные ему сведения о предметной области в базу знаний ЭС.
2. Режим консультации — пользователь ведет диалог с ЭС, сообщая ей сведения о текущей задаче и получая рекомендации ЭС. Например, на основе сведений о физическом состоянии больного ЭС ставит диагноз в виде перечня заболеваний, наиболее вероятных при данных симптомах.

Классификация ЭС

Классификация ЭС по решаемой задаче

Классификация ЭС по связи с реальным временем

• Статические — решающие задачи в условиях не изменяющихся во времени исходных данных и знаний.
• Квазидинамические — интерпретируют ситуацию, которая меняется с некоторым фиксированным интервалом времени.
• Динамические — решающие задачи в условиях изменяющихся во времени исходных данных и знаний.

Этапы разработки ЭС

• Этап идентификации проблем — определяются задачи, которые подлежат решению, выявляются цели разработки, определяются эксперты и типы пользователей.
• Этап извлечения знаний — проводится содержательный анализ проблемной области, выявляются используемые понятия и их взаимосвязи, определяются методы решения задач.
• Этап структурирования знаний — выбираются ИС и определяются способы представления всех видов знаний, формализуются основные понятия, определяются способы интерпретации знаний, моделируется работа системы, оценивается адекватность целям системы зафиксированных понятий, методов решений, средств представления и манипулирования знаниями.
• Этап формализации — осуществляется наполнение экспертом базы знаний. В связи с тем, что основой ЭС являются знания, данный этап является наиболее важным и наиболее трудоёмким этапом разработки ЭС. Процесс приобретения знаний разделяют на извлечение знаний из эксперта, организацию знаний, обеспечивающую эффективную работу системы, и представление знаний в виде, понятном ЭС. Процесс приобретения знаний осуществляется инженером по знаниям на основе анализа деятельности эксперта по решению реальных задач.
• Реализация ЭС — создаётся один или несколько прототипов ЭС, решающие требуемые задачи.
• Этап тестирования — производится оценка выбранного способа представления знаний в ЭС в целом.

Наиболее известные ЭС

• CLIPS — весьма популярная оболочка для построения ЭС (public domain)
• OpenCyc — мощная динамическая ЭС с глобальной онтологической моделью и поддержкой независимых контекстов
• WolframAlpha — база знаний и набор вычислительных алгоритмов, интеллектуальный «вычислительный движок знаний»
• MYCIN — наиболее известная диагностическая система, которая предназначена для диагностики и наблюдения за состоянием больного при менингите и бактериальных инфекциях.
• HASP/SIAP — интерпретирующая система, которая определяет местоположение и типы судов в Тихом океане по данным акустических систем слежения.
• Акинатор — интернет-игра. Игрок должен загадать любого персонажа, а Акинатор должен его отгадать, задавая вопросы. База знаний автоматически пополняется, поэтому программа может отгадать практически любого известного персонажа.
• IBM Watson — суперкомпьютер фирмы IBM, способный понимать вопросы, сформулированные на естественном языке, и находить на них ответы в базе данных.

См. также

Ссылки

Литература

Экспертные системы — это… Что такое Экспертные системы?

компьютерные системы, аккумулирующие знания экспертов, а также некоторые фундаментальные знания в той или иной проблемной области, обладающие способностью к логическим выводам и выступающие в качестве электронного консультанта для лиц, принимающих решения. Идея создания Э. с. берет свое начало в работах по искусственному интеллекту (интенсивно развивающейся области информатики). Эти работы являются междисциплинарными и имеют своей целью имитацию интеллектуальной деятельности человека для передачи ЭВМ сложноформализуемых, рутинных и трудоемких процессов, связанных с обработкой и преобразованием информации. Создаваемые в рамках искусственного интеллекта компьютерные программы получили название систем искусегаенного интеллекга. Системами такого рода, основанными на знаниях, являются и экспертные системы. Решение интеллектуальных задач связано с нетривиальными логическими умозаключениями, и поиск результата, как правило, требует перебора и анализа огромного количества возможных вариантов.

Известно, однако, что человек в подобных ситуациях проявляет способность отбрасывать наименее перспективные направления поиска, сужая область перебора. В Э. с. делается попытка моделировать именно эту способность человеческого мышления. Такой подход получил название эвристического и используется в описываемых системах наряду с алгоритмическими методами. Если в системе имеется необходимая совокупность фундаментальных и эвристических знаний эксперта о проблемной области, то ее поведение при решении задач может достигать уровня эксперта. Благодаря этому обращение к экспертной системе при необходимости выбора рационального решения способно во многих случаях заменить использование метода экспертных оценок. В Э. с. знания о проблемной области, формализованные определенным образом, хранятся отдельно от остальных программ, что позволяет модифицировать работу системы, изменяя лишь набор знаний и не затрагивая иных ее элементов. Такая совокупность знаний представляет собой независимый блок системы и называется базой знаний.

Функционирование экспертной системы осуществляется следующим образом. Получив на входе некоторый запрос, система производит его логическую обработку, выбирая в базе знаний те или иные знания, связанные с этим запросом, и выдает в качестве ответа конкретные рекомендации. Важной характеристикой экспертной системы является то, что она может объяснить, каким образом она пришла к данным результатам, т. е. воспроизвести цепочку своих логических «рассуждений». Кроме того, успех практической работы Э. с. в значительной степени определяется их способностью к саморазвитию и обучению (в некоторых из них предусмотрена возможность самостоятельно отбрасывать устаревшие и совершенствовать используемые правила логического вывода), а также доступностью для лиц, несведущих в программировании. Положительные результаты может принести использование Э. с. в сфере социального управления. Накопление в базе знаний экспертной информации об эффективных методах проведения социальной политики, рекомендаций экспертов относительно разрешения сложных ситуаций, возникающих при управлении социальными процессами в различных социальных обшностях, позволит в случае необходимости отыскать оптимальные решения конкретных социальных проблем.

Довольно часто сложность и многогранность социальных объектов не позволяют разрабатывать модели, адекватно отображающие их структуру и процессы функционирования. Однако исследователи, как правило, располагают определенными совокупностями знаний об указанных объектах: результатами эмпирических исследований данного или подобных объектов, наборами фактов или гипотез, возникших в ходе работы, теоретическими обобщениями. Важное место в такой информации могут занимать знания, полученные от экспертов по рассматриваемым вопросам. Для изучения подобных сложных социальных явлений и разработки эффективных управленческих решений следует ввести указанные знания в подходящую экспертную систему, построив тем самым модель не самого объекта, а знаний о нем. При этом задача социологов предложить приемлемый способ представления и структурирования информации в базе знаний экспертной системы, учитывая те логические средства, которыми она обладает и с помощью которых будет построена внутрисистемная модель, являющаяся образом уже самого исследуемого социального объекта. В процессе дальнейшей работы с этой моделью средствами экспертной системы можно получить сведения о функционировании рассматриваемого явления в настоящий момент, вернуться к его прошлым состояниям и получить прогноз будущих, а также оценить возможности и пути управления его развитием. Еще одно применение Э. с. обусловлено тем, что их базы знаний могут хранить большой объем социологической информации, например эмпирических данных социологических исследований, проведенных различными организациями, информационно-справочные разделы и программы для обработки эмпирических данных на ЭВМ. Социологи получат возможность извлекать информацию о существующих методиках исследования, опыте их применения, а логический аппарат системы поможет выбрать наилучшую методику с учетом требований исследователей. Кроме того, по вводимым начальным данным система сможет автоматически определить размеры оптимальной выборочной совокупности, репрезентативной для Проводимого исследования, произвести поиск систематических и случайных ошибок статистического наблюдения и др. На основании различных процедур обработки и анализа социологической информации, содержащихся в базе знаний, и данных о характере и структуре собранных исследователями материалов, экспертная система может предложить социологам оптимальный метод анализа полученных результатов и помочь провести его.

Социологический справочник. — К.: Политиздат Украины.
Под ред. В. И. Воловича.
1990.

Системы экспертные — это… Что такое Системы экспертные?



Системы экспертные

— компьютерные системы, аккумулирующие знания экспертов, а также некоторые фундаментальные знания в той или иной проблемной области, обладающие способностью к логическим выводам и выступающие в качестве электронного консультанта для лиц, принимающих решения. Идея создания экспертных систем берет свое начало в рабо­тах по искусственному интеллекту (интенсивно развивающейся области информатики). Эти работы являются междисциплинарными и имеют своей целью имитацию интеллектуальной дея­тельности человека для передачи ЭВМ сложноформализуемых, рутинных и трудоемких про­цессов, связанных с обработкой и преобразованием информации. Создаваемые в рамках ис­кусственного интеллекта компьютерные программы получили название систем искусствен­ного интеллекта.

Системами такого рода, основанными на знаниях, являются и экспертные системы.

Решение интеллектуальных задач связано с нетривиальными логическими умозаключе­ниями, и поиск результата, как правило, требует перебора и анализа огромного количества возможных вариантов. Известно, однако, что человек в подобных ситуациях проявляет спо­собность отбрасывать наименее перспективные направления поиска, сужая область перебора. В экспертных системах делается попытка моделировать именно эту способность человеческого мышления. Такой подход получил название эвристического и используется в описываемых системах наряду с алгоритмическими методами. Если в системе имеется необходимая совокуп­ность фундаментальных и эвристических знаний эксперта о проблемной области, то ее пове­дение при решении задач может достигнуть уровня эксперта. Благодаря этому обращение к экспертной системе при необходимости выбора рационального решения способно во многих случаях заменить использование метода экспертных оценок.

В экспертных системах знания о проблемной области, формализованные определенным образом, хранятся отдельно от остальных программ, что позволяет модифицировать работу системы, изменяя лишь набор знаний и не затрагивая иных ее элементов. Такая совокупность знаний представляет собой независимый блок системы и называется базой знаний.

Функционирование экспертной системы осуществляется следующим образом. Получив на входе некоторый запрос, система производит его логическую обработку, выбирая в базе знаний те или иные знания, связанные с этим запросом, и выдает в качестве ответа конкретные рекомендации. Важной характеристикой экспертной системы является то, что она может объ­яснить, каким образом она пришла к данным результатам, т. е. воспроизвести цепочку своих логических «рассуждений».

Кроме того, успех практической работы экспертной системы в значительной степени оп­ределяется их способностью к саморазвитию и обучению (в некоторых из них предусмотрена возможность самостоятельно отбрасывать устаревшие и совершенствовать используемые пра­вила логического вывода), а также доступность для лиц, несведущих в программировании.

Экология человека. Понятийно-терминологический словарь. — Ростов-на-Дону.
Б.Б. Прохоров.
2005.

• Системы жизнеобеспечения
• Ситуация проблемная экологическая

Смотреть что такое «Системы экспертные» в других словарях:

• Экспертные системы — (см. Системы экспертные) …   Экология человека

• экспертные системы —         ЭКСПЕРТНЫЕ СИСТЕМЫ компьютерные системы, принимающие решения, имитирующие решения задач квалифицированными экспертами. Фактически Э. с. являются интеллектуальными системами первого поколения с Решателями задач, реализующими правила вывода …   Энциклопедия эпистемологии и философии науки

• Экспертные учреждения органов юстиции СНГ —    системы судебно экспертных учреждений независимых государств, входящих в Содружество. Подразделяются на две группы: имеющие в своем составе научно исследовательские институты судебных экспертиз (Украина, Белоруссия, Казахстан, Узбекистан,… …   Криминалистическая энциклопедия

• экспертные системы — — [http://www.iks media.ru/glossary/index.html?glossid=2400324] Тематики электросвязь, основные понятия EN expert systems …   Справочник технического переводчика

• ЭКСПЕРТНЫЕ СИСТЕМЫ — системы, обеспечивающие результаты посредством применения правил к информации, которая хранится независимо от программы, и обладающие любым из следующих свойств: а) автоматической модификацией текста программы, введенной пользователем; б)… …   Словарь понятий и терминов, сформулированных в нормативных документах российского законодательства

• Экспертные системы — Экспертная система (ЭС, expert system)  компьютерная программа, способная заменить специалиста эксперта в разрешении проблемной ситуации. ЭС начали разрабатываться исследователями искусственного интеллекта в 1970 х годах, а в 1980 х получили… …   Википедия

• Экспертные системы — компьютерные системы, аккумулирующие знания экспертов, а также некоторые фундаментальные знания в той или иной проблемной области, обладающие способностью к логическим выводам и выступающие в качестве электронного консультанта для лиц,… …   Социологический справочник

• экспертные системы — Экспертная система это пример Системы. Построенной на Знании. Системы, построенные на Знании, хранят не только данные, но и правила, которые можно использовать для управления этими данными, чтобы получить информацию касательно них самих. Это… …   Словарь технической реальности: Культурная интеллигенция социальный контроль

• Экспертные учреждения органов юстиции России —    система экспертных учреждений Министерства юстиции РФ, выполняющих экспертизы и исследования для органов прокуратуры, суда, арбитража и др. Исторически ведут свое происхождение от первой государственной российской судебно фотографической… …   Криминалистическая энциклопедия

• Экспертные системы — 188) экспертные системы системы, обеспечивающие результаты посредством применения правил к данным, которые хранятся независимо от программы, и обладающие любой из следующих характеристик: а) автоматической модификацией текста программы, введенной …   Официальная терминология

Экспертные системы | Статья в журнале «Молодой ученый»



Экспертная система — это программное средство, использующее знания эксперта для обеспечения эффективного решения неформализованных задач в узкой предметной области. Основу экспертных систем составляет база знаний о предметной области, которая накапливается в процессе построения и эксплуатации экспертных систем.

База знаний хранит множество фактов и набор правил, полученных от экспертов, из специальной литературы. База знаний отличается от базы данных тем, что в базе данных единицы информации представляют собой не связанные друг с другом сведения, формулы, теоремы, аксиомы. В базе знаний те же элементы уже связаны как между собой, так и с понятиями внешнего мира. Информация в базе знаний — это все необходимое для понимания, формирования и решения проблемы. Она содержит два основных элемента: факты из предметной области и специальные эвристики или правила, которые управляют использованием фактов при решении проблемы. Знания могут быть представлены несколькими способами, называемыми моделями представления знаний:

− Логические модели представления знаний — реализуются средствами логики предикатов. Предикатом называется функция, принимающая только два значения — истина и ложь — и предназначенная для выражения свойств объектов или связей между ними. Выражение, в котором утверждается или отрицается наличие каких-либо свойств у объекта, называется высказыванием. Наиболее простым языком логики является исчисление высказываний, в котором отсутствуют переменные. Любому высказыванию можно приписать значение истинно или ложно. Отдельные высказывания могут соединяться связками И, ИЛИ, НЕ, которые называются булевыми операторами.

− Продукционные модели, или модели, основанные на правилах, позволяет представить знания в виде предложений типа: Если (условие), то (действие). Под условием понимается некоторое предложение-образец, по которому осуществляется поиск в базе знаний, а под действием — действия, выполняемые при успешном исходе поиска (они могут быть промежуточными, выступающими далее, как условия, и терминальными или целевыми, завершающими работу системы).

− Семантические сети Семантическая сеть — это ориентированный граф, вершины которого — понятия, а дуги — отношения между ними. Семантическая сеть описывает знания в виде сетевых структур. Например, «программист сел за компьютер и отладил программу». Объектами являются: программист (А1), компьютер (А2), программа (А3). Объекты связаны отношениями: сел за компьютер (р1), отладил (р2), загружена в компьютер программа (р3).

− Фреймовые модели. Фреймовые модели представляют собой систематизированную в виде единой теории технологическую модель памяти человека и его сознания. Под фреймом понимают минимальные структуры информации, необходимые для представления класса объектов, явлений или процессов. Фрейм можно представить в виде сети, состоящей из вершин и дуг (отношений), в которых нижние уровни фрейма заканчиваются слотами (переменными), которые заполняются конкретной информацией при вызове фрейма. Значением слота может быть любая информация: текст, числа, математические соотношения, программы, ссылки на другие фреймы. На заполнение слотов могут быть наложены ограничения, например, цена не может быть отрицательной.

Главным в экспертной системе является машина логического вывода, осуществляющая поиск в базе знаний для получения решения. Она манипулирует информацией из базы знаний, определяя в каком порядке следует выявлять взаимосвязи и делать выводы. Машины логического вывода используются для моделирования рассуждений, обработки вопросов и подготовки ответов.

При создании экспертных систем можно выделить следующие этапы:

− Этап идентификации проблем — определяются задачи, которые подлежат решению, выявляются цели разработки, определяются эксперты и типы пользователей.

− Этап извлечения знаний — проводится содержательный анализ проблемной области, выявляются используемые понятия и их взаимосвязи, определяются методы решения задач.

− Этап структурирования знаний — выбираются ИС и определяются способы представления всех видов знаний, формализуются основные понятия, определяются способы интерпретации знаний, моделируется работа системы, оценивается адекватность целям системы зафиксированных понятий, методов решений, средств представления и манипулирования знаниями.

− Этап формализации — осуществляется наполнение экспертом базы знаний. В связи с тем, что основой ЭС являются знания, данный этап является наиболее важным и наиболее трудоемким этапом разработки ЭС. Процесс приобретения знаний разделяют на извлечение знаний из эксперта, организацию знаний, обеспечивающую эффективную работу системы, и представление знаний в виде, понятном ЭС. Процесс приобретения знаний осуществляется инженером по знаниям на основе анализа деятельности эксперта по решению реальных задач.

− Реализация ЭС — создается один или несколько прототипов ЭС, решающие требуемые задачи.

− Этап тестирования — производится оценка выбранного способа представления знаний в ЭС в целом.

Анализ предметной области ипостановка задачи.

Теория игр — математический метод изучения оптимальных стратегий в играх. Под игрой понимается процесс, в котором участвуют две и более сторон, ведущих борьбу за реализацию своих интересов. Каждая из сторон имеет свою цель и использует некоторую стратегию, которая может вести к выигрышу или проигрышу — в зависимости от поведения других игроков. Теория игр помогает выбрать лучшие стратегии с учётом представлений о других участниках, их ресурсах и их возможных поступках.

Чаще всего методы теории игр применяются в экономике, чуть реже в других общественных науках — социологии, политологии, психологии, этике и других. Очень важное значение она имеет для искусственного интеллекта и кибернетики, особенно с проявлением интереса к интеллектуальным агентам. В искусственном интеллекте, «интеллектуальный агент» — это разумные сущности, наблюдающие за окружающей средой и действующие в ней, при этом их поведение рационально в том смысле, что они способны к пониманию и их действия всегда направлены на достижение какой-либо цели. Об интеллектуальности агента можно говорить, если он взаимодействует с окружающей средой и другими сущностями примерно так же, как действовал бы человек. По сути, игра это и есть совокупность объектов (сущностей), обладающих какими-либо ресурсами, и с помощью их взаимодействующие с окружающей средой и с другими объектами. Помимо объектов и их ресурсов в игре присутствуют игроки, которые могут быть как человеком, так и компьютером, а если быть точнее, то программой, принимающей решение о том, как каждому объекту, принадлежащему ей, или их совокупности вести себя в конкретной ситуации и идти на достижение поставленной перед ней цели. Данная программа и есть экспертная система, выступающая в качестве игрока и заменяющая человека.

Из всех классов существующих игровых приложений был выбран класс пошаговым стратегий. Пошаговая стратегия — класс игр, основной особенностью которого является то, что игроки совершают ходы по очереди. В игровых приложениях класса пошаговых стратегий у игрока гораздо больше времени на размышление, во время совершения хода его ничто не торопит, это даёт ему возможность проявить способности к логическому мышлению.

В более широкой трактовке к пошаговым стратегиям относят вообще все пошаговые игры, так как все без исключения игры содержат стратегическую составляющую. В этой трактовке в число пошаговых стратегий попадают, например, такие известные большинству людей игры, как шахматы, шашки, преферанс и т. д.

Из всего многообразия пошаговых стратегий в качестве практического примера я выбрал EmpireDeluxe. EmpireDeluxe подходит под описание «пошаговой стратегии», а также имеет удобство для представления результатов и разнообразные правила.

Общие цели игры для данного класса:

В n-мерной среде (n равен 2 или 3) неоднородной среде существуют заданное множество разнообразных объектов, разделенных между несколькими игроками. Объекты, находящиеся в данной среде, подразделяются на юниты и города. Юниты — это подвижные объекты, которые управляются игроком, владеющим им. Города — стационарные объекты, которые могут находится как под управлением игрока, так и быть “нейтральными”, то есть не иметь владельца и быть неактивными, пока один из игроков не станет владельцем этого города. Общая задача каждого игрока — получить полный контроль, то есть такую ситуацию, что все объекты, находящиеся в пространстве игре принадлежат только этому игроку. Каждый ход все игроки совершают действия для достижения этой задачи, управляя объектами, которыми владеют.

Общий порядок игры.

Игроки совершают ходы поочередно. За ход каждый игрок может осуществить действие или перемещение каждым юнитом, которым он владеет, а также выбрать производство в каждом городе, которым владеет игрок. Изменение состояния объектов, ресурсов и среды происходят во времени дискретно. Координатная сетка имеет дискретную структуру (шаг дискретизации задается), и перемещение объектов может осуществляться только по узлам этой сетки. Допустимость нахождения различных объектов в одной точке среды регламентируется отдельно. Размерность и геометрия единой системы координат определяются параметрами игры.

С точки зрения доступности (для каждого из игроков) информации об общей ситуации возможны следующие режимы игры:

1. игрок имеет только ту информацию, которая была предоставлена ему его собственными объектами;
2. игрок имеет только информацию о среде и своих объектах;
3. игрок имеет всю информацию о среде, своих объектах и статических объектах противников;
4. игрок имеет всю полноту информации.

При любом из режимов объем предоставляемой игроку информации о не принадлежащих ему объектах и о не контролируемых им областях среды может варьироваться параметрами игры.

Таким образом, экспертная система должна принимать верное решение каждый ход, на основании данных базы знаний, включающей правила конкретной игры, а также входных данных, поступающих от игрока. Причем, решение, выдаваемое экспертной системой должно быть не только верным в условия одного конкретного хода, но и всей игры в целом, то есть решение должно приближать игрока, под управлением системы к выполнению общей задачи. Создание такой системы является довольно сложной задачей, решение которой требует тщательного осмысления предметной области и обобщения механизмов взаимодействия объектов между собой и окружающей их средой и спецификации ресурсов, которыми данные объекты обладают и используют для достижения поставленных целей.

Основная задача — разработка инструментария экспертных систем соответствующего функционального профиля.

Обобщенная архитектура среды представлена на рисунках 1 и 2.

Машина игры осуществляет сам игровой процесс. Она выводит на экран игровые данные, доступные игроку, а также все средства управления для игрока-человека. Также каждый ход машина игры передает управление поочередно каждому из игроков, будь то человек или экспертная система и считывает действия, которые они выполняют. Считав их, машина игры изменяет данные, которые были изменены в результате этих действий, и затем выводит эти результаты. Все данные, в свою очередь, хранятся в хранилище данных, в базе данных игры.

Язык описания ЭС — это язык, с помощью которого программист совместно с экспертом будут описывать правила игры. Язык описания в достаточной мере открыт для того, чтобы программы, написанные на этом языке могли подходить под любые частные случаи игры класса “пошаговая стратегия”.

В функции языка входят:

− описание основных параметров юнитов;

− описание основных параметров городов;

− описание основных параметров игроков;

− описание основных параметров игры;

− продукции, которые описывают поведение ЭС по правилам игры для победы.

Результатом трансляции языка будет код на C++, который в свою очередь будет передаваться в машину игры как действия игрока под управлением ЭС.

База знаний — это база данных, в которой хранятся все данные, которыми обладает экспертная система, как игрок. То есть, описания всех юнитов и городов, которыми обладает ЭС, а также описания всех юнитов, городов и клеток, которые находятся в зоне видимости юнитов, принадлежащих ЭС.

Игрок — это человек или экспертная система, которые осуществляют игровые действия. Человек выполняет их, используя интерфейс игрока. Экспертная система же, принимает решения с помощью машины вывода. Решения машины вывода основываются на продукциях, которые создает программист с помощью эксперта, используя язык описания ЭС.

Основные термины (генерируются автоматически): экспертная система, игрок, баз знаний, база знаний, машина игры, предметная область, действие, игра, информация, окружающая среда.

Глава 1. Что такое экспертная система?

• 1.1.
  Смысл экспертного анализа

• 1.2.
  Характеристики экспертных систем

• 1.3.
  Базовые функции экспертных систем

  • 1.3.1.
    Приобретение знаний

  • 1.3.2.
    Представление знаний

  • 1.3.3.
    Управление процессом поиска решения
    

  • 1.3.4.
    Разъяснение принятого решения

• 1.4.
  Резюме и структура книги

• Рекомендуемая
  литература

• Упражнения

ГЛАВА
1. Что
такое экспертная система?

• 1.1. Смысл экспертного
  анализа

• 1.2. Характеристики
  экспертных систем

• 1.3. Базовые функции
  экспертных систем

• 1.4. Резюме и
  структура книги

• Рекомендуемая
  литература

• Упражнения

День
сегодня с утра не задался. Вы только что
установили новую версию текстового
редактора, к которому давно привыкли,
но после щелчка на его ярлыке компьютер
реагирует совсем не так, как хотелось
бы, — выводится сообщение вроде этого:

Call
to Undefined Link (Вызов неопределенной связи).

Как
и большинство сообщений об ошибках, это
помогает не больше, чем предсказания
судьбы по состоянию Марса. Вы применяете
крайнюю меру — удаляете целый каталог
и переинсталлируете программу, но
результат от этого не меняется. Вы
начинаете менять настройки в разных
файлах инициализации, но это тоже не
помогает.

Наконец,
устав от безнадежных попыток, вы набираете
номер сервисной службы поддержки
пользователей. И только после этого
фортуна поворачивается к вам лицом —
на помощь приходит человек, который
знает, о чем говорит. Он советует вам
выбросить с полдюжины устаревших
DLL-модулей в системном каталоге и вновь
переустановить программу. Последовав
его совету, вы.уже через десяток минут
можете нормально работать, и подскочившее
недавно кровяное давление вновь
возвращается к норме.

Какой
бы уровень экспертного анализа не
требовался в данной области, ясно, что
специалист из сервисной службы способен
его сделать, а вы — нет. Хотя в ящике
стола у вас лежит диплом доктора философии
по специальности «Информатика», и
вы, возможно, прекрасно программируете
задачи в своей области, но, не имея
определенного опыта и подготовки,
проблему устранения неисправности
решить не смогли. Таким образом,
способность выполнить экспертный анализ
— это не только вопрос наличия определенных
знаний и уровня квалификации. Для этого
нужно обладать и очень специфическими
навыками и умением разобраться в
конкретной ситуации в данной предметной
области. Таким образом, быть экспертом
и иметь общее образование — это далеко
не одно и то же.

1.1. Смысл экспертного анализа

Задумайтесь
над таким вопросом: «При выполнении
каких условий компьютерную программу
можно назвать экспертом?»

• Вполне логично
  потребовать, чтобы такая программа
  обладала
  знаниями. Просто
  способность выполнять некоторый
  алгоритм, например производить анализ
  списка элементов на наличие какого-либо
  свойства, явно не отвечает этому
  требованию. Это все равно, что дать
  первому случайному прохожему список
  вопросов и ответов и ожидать от него
  успешного выполнения поиска и устранения
  неисправностей в системах определенного
  типа. Раньше или позже, но он обязательно
  столкнется с ситуацией, не предусмотренной
  в том списке, которым его снабдили.

• Знания, которыми
  обладает программа, должны быть
  сконцентрированы на определенную
  предметную область. Случайный
  набор имен, дат и мест событий, сентенций
  из классиков и т.п. — это отнюдь не те
  знания, которые могут послужить основой
  для программы, претендующей на способность
  выполнить экспертный анализ. Знания
  предполагают определенную организацию
  и интеграцию — то есть отдельные
  сведения должны соотноситься друг с
  другом и образовывать нечто вроде
  цепочки, в которой одно звено «тащит»
  за собой следующее.

• И, наконец, из этих
  знаний должно непосредственно вытекать
  решение
  проблем. Просто
  продемонстрировать свои знания,
  касающиеся, например, технического
  обслуживания компьютеров, — это далеко
  не то же самое, что привести компьютер
  в «чувство». Точно так же, получить
  доступ к оперативной документации —
  это совсем не то же самое, что заполучить
  в свое распоряжение специалиста (или
  программу), способного справиться с
  возникшими проблемами.

Теперь
попробуем подытожить эти рассуждения
в следующем формальном определении
экспертной системы.

Экспертная
система — это программа для компьютера,
которая оперирует со знаниями в
определенной предметной области с целью
выработки рекомендаций или решения
проблем.

Экспертная
система может полностью взять на себя
функции, выполнение которых обычно
требует привлечения опыта
человека-специалиста, или играть роль
ассистента для человека, принимающего
решение. Другими словами, система
(техническая или социальная), требующая
принятия решения, может получить его
непосредственно от программы или через
промежуточное звено — человека, который
общается с программой. Тот, кто принимает
решение, может быть экспертом со своими
собственными правами, и в этом случае
программа может «оправдать» свое
существование, повышая эффективность
его работы. Альтернативный вариант —
человек, работающий в сотрудничестве
с такой программой, может добиться с ее
помощью результатов более высокого
качества. Вообще говоря, правильное
распределение функций между человеком
и машиной является одним из ключевых
условий высокой эффективности внедрения
экспертных систем.

Технология
экспертных систем является одним из
направлений новой области исследования,
которая получила наименование
искусственного
интеллекта (Artificial
Intelligence — AI). Исследования в этой области
сконцентрированы на разработке и
внедрении компьютерных программ,
способных
эмулировать (имитировать, воспроизводить)
те области деятельности человека,
которые требуют мышления, определенного
мастерства и накопленного опыта. К ним
относятся задачи принятия решений,
распознавания образов и понимания
человеческого языка. Эта технология
уже успешно применяется в некоторых
областях техники и жизни общества —
органической химии, поиске полезных
ископаемых, медицинской диагностике.
Перечень типовых задач, решаемых
экспертными системами, включает:

экспертных систем в области искусственного интеллекта | Что такое экспертная система

Экспертная система в искусственном интеллекте — это термин, который широко используется в мире технологий и по всем уважительным причинам. В этой статье мы подробно исследуем эту тему.

В этой статье будут рассмотрены следующие указатели,

Итак, давайте начнем с этой статьи,

Что такое искусственный интеллект?

Ну, обычно название «искусственный интеллект» предполагает интеллект машины, который является искусственным.Интеллект, которым обладает человек, известен как человеческий интеллект, точно так же, как интеллект, демонстрируемый машиной, известен как искусственный интеллект. В информатике. Искусственный интеллект (ИИ), иногда называемый машинным интеллектом. Область исследований искусственного интеллекта зародилась в мастерской в ​​Дартмутском колледже в 1956 году.

Приложения искусственного интеллекта в реальном мире:

Чат-боты, такие как SIRI, CORTANA, которые приобрели такую ​​большую популярность в настоящее время.Другие примеры, такие как EVA (электронный виртуальный помощник), чат-бот на основе ИИ, разработанный отделом исследований ИИ банков HDFC, который может собирать знания из тысяч источников и предоставлять простые ответы менее чем за 0,4 секунды. Есть так много примеров приложений искусственного интеллекта, которые вы найдете в разных сферах нашего общества.

Продолжение работы с этой экспертной системой в области искусственного интеллекта,

Экспертная система в области искусственного интеллекта

Что такое экспертная система?

Ученые из Стэндфордского университета, факультет компьютерных наук, представили эту область искусственного интеллекта, которая является важной областью исследований искусственного интеллекта.Это компьютерное приложение, которое может решить самые сложные проблемы любой конкретной области. Он считается на самом высоком уровне человеческого интеллекта и опыта, поскольку основан на знаниях, полученных от эксперта. Экспертную систему также можно определить как компьютерную систему принятия решений, которая может решать сложные задачи принятия решений, используя как факты, так и эвристику.

Переход к этой экспертной системе в области искусственного интеллекта,

Области применения экспертных систем

Экспертные системы сегодня

Американская медицинская ассоциация утвердила первую экспертную систему, которая была системой Pathfinder.Он был построен в Стэндфордском университете в 1980 году для гематопатологической диагностики. Эта экспертная система, ориентированная на принятие решений, сокращенно Pathfinder, может диагностировать заболевания лимфатических узлов. В итоге он борется с более чем 60 заболеваниями и может распознать более 100 симптомов.

Экспертная система в бизнесе

Недавно разработанная экспертная система РОСС, адвокат по ИИ, РОСС представляет собой самообучающуюся систему, которая использует интеллектуальный анализ данных, распознавание образов, глубокое обучение и обработку естественного языка для имитации работы человеческого мозга. .

Продолжение работы с этой экспертной системой в области искусственного интеллекта,

Основные области применения

• Интерпретация — создание выводов высокого уровня на основе данных.
• Прогнозирование — прогнозирование возможных результатов.
• Диагностика — определение причины неисправностей, болезней и т. Д.
• Дизайн — поиск наилучшей конфигурации на основе критериев.
• Планирование — предложение ряда действий для достижения цели.
• Мониторинг — сравнение наблюдаемого поведения с ожидаемым.
• Debugging and Repair — назначение и применение средств защиты.
• Обучение — помощь студентам в учебе.
• Контроль — управление поведением системы.

Назначение экспертной системы

Основная цель экспертной системы состоит в том, чтобы приобрести знания людей-экспертов и воспроизвести эти знания и навыки человека-эксперта в определенной области. Затем система будет использовать эти знания и навыки для решения сложных проблем в этой конкретной области без участия специалистов.

Характеристики экспертных систем

• Высокая производительность
• Понятная
• Надежная
• Высокая скорость реакции

Основные компоненты основанной на правилах или экспертной системы

Основными компонентами являются:

• База знаний
• Рабочая память
• Механизм вывода
• Система объяснений
• Пользовательский интерфейс
• Редактор базы знаний

Продолжение работы с экспертной системой в области искусственного интеллекта,

Три этапа проектирования ES

Знания приобретение:

Процесс получения знаний от экспертов путем собеседования или наблюдения за экспертами-людьми, чтения конкретных книг и т. д.

База знаний:

База знаний — это вместилище высококачественных знаний. Навыки развиваются через практику, а интеллект приходит из знаний без знаний, которые нельзя доказать или нельзя показать свой интеллект, поэтому знания очень важны для развития навыков и проявления интеллекта. Точно так же знания требуются от машины, чтобы проявлять свой интеллект. Точность прогнозов, а также производительность системы в значительной степени зависят от совокупности совершенных, точных и точных знаний.

Что такое знания?

Знание — это данные или информация. Для нас, людей, читающих статьи и книги или из различных ресурсов, которые мы использовали для сбора знаний, если мы можем увидеть процесс получения и обогащения знаний за мгновение, то мы обнаружим, что, читая книги, или читая статьи, или из любых ресурсов, которые мы получение и извлечение данных и информации из разных источников, которые мы затем использовали для хранения в нашем мозгу. Итак, знание — это данные, знание — это информация.Знание — это также собрание фактов.

Данные, информация и прошлый опыт, объединенные вместе, называются знаниями.

Представление знаний:

Представление знаний — это метод выбора наиболее подходящих структур для представления знаний. Это метод организации и формализации знаний в базе знаний. Это делается в виде правил IF-THEN-ELSE.

Проверка знаний:

Проверка знаний ES является правильной и полной.Весь этот процесс называется инженерией знаний.

Механизм вывода:

В случае ES, основанного на знаниях, механизм вывода получает и управляет знаниями из базы знаний, чтобы прийти к конкретному решению.

В случае ES, основанного на правилах,

• Он повторно применяет правила к фактам, полученным из более раннего применения правил.
• При необходимости добавление новых знаний в базу знаний.
• Устраняет конфликт правил, когда несколько правил применимы к конкретному случаю.

Механизм вывода использует следующие стратегии —

• Прямая цепочка
• Обратная цепочка

Прямая цепочка

В прямой цепочке механизм вывода дает результат, следуя цепочке условий и производных. Какие бы знания ни передавались в системе, она просматривает все эти знания и факты и сортирует их, прежде чем прийти к решению. Методом прямой цепочки экспертная система пытается ответить: «Что может случиться дальше?»

Применение форвардной цепи: прогнозирование цен на жилье, прогнозирование акций, прогнозирование рынка акций и т. Д.

Обратное объединение

Когда что-то произошло в определенном домене, механизм вывода пытается выяснить, какое условие могло произойти в прошлом для этого результата. Методом обратной цепочки экспертная система пытается ответить: «Почему это произошло?». С помощью метода обратной цепочки механизм вывода пытается выяснить причину или причину.

Например: диагностика рака крови у человека.

Плюсы Минусы и ограничения

Преимущества экспертной системы

1. Хранение огромных объемов информации
2. Минимизация затрат на обучение сотрудников
3. Централизация процесса принятия решений
4. Повышение эффективности за счет сокращения времени, необходимого для решения проблемы
5. Объедините различные человеческие экспертные знания
6. Уменьшите количество человеческих ошибок
7. Обеспечьте стратегические и сравнительные преимущества, которые могут создать проблемы для конкурентов
8. Просмотрите транзакции, о которых эксперты-люди могут не думать
9. Предоставить ответы на решения, процессы и повторяющиеся задачи

Недостатки экспертной системы:

1. Отсутствие творческих ответов, на которые способны эксперты-люди
2. Не могут объяснить логику и аргументы, лежащие в основе решения
3. Непросто автоматизировать сложные процессы 9 0060
4. Нет гибкости и способности адаптироваться к изменяющимся условиям
5. Невозможно распознать, когда нет ответа
6. При принятии решений не используется здравый смысл

Ограничения:

• Он не может давать творческие ответы, как это машина.
• Если данные, которые были загружены в базу знаний, неточны или верны, это даст неправильные прогнозы и неправильные результаты.
• Стоимость обслуживания экспертной системы высока.
• Когда возникают разные проблемы, человек-эксперт может давать разные решения и творческие ответы, но экспертная система не дает творческих ответов.

На этом мы подошли к концу статьи, посвященной экспертным системам в искусственном интеллекте.

Если вы хотите записаться на полный курс по искусственному интеллекту и машинному обучению, Edureka предлагает специально подобранную магистерскую программу для инженеров машинного обучения , которая поможет вам овладеть такими методами, как контролируемое обучение, неконтролируемое обучение и обработка естественного языка.Он включает в себя обучение последним достижениям и техническим подходам в области искусственного интеллекта и машинного обучения, таких как глубокое обучение, графические модели и обучение с подкреплением.

.

Что такое обработка естественного языка?

Обработка естественного языка (NLP) — это взаимосвязь между компьютерами и человеческим языком . В частности, обработка естественного языка — это компьютерное понимание, анализ, манипулирование и / или генерация естественного языка (согласно dictionary.com).

Естественный язык относится к анализу речи как в слышимой речи , так и в тексте на языке. Системы НЛП улавливают значение вводимых слов (предложений, абзацев, страниц и т. Д.).) в виде структурированного вывода (который сильно различается в зависимости от приложения). Обработка естественного языка — фундаментальный элемент искусственного интеллекта .

Обработка естественного языка

Однако обработка естественного языка — это больше, чем просто анализ речи. Существует множество подходов к обработке человеческого языка. К ним относятся:

Символьный подход : Символьный подход к обработке естественного языка основан на правилах и лексиконах , разработанных человеком.Другими словами, в основе этого подхода лежат общепринятые правила речи в пределах данного языка, которые материализуются и записываются лингвистическими экспертами для компьютерных систем.

Статистический подход: Статистический подход к обработке естественного языка основан на наблюдаемых и повторяющихся примерах языковых явлений. Модели, основанные на статистике, распознают повторяющиеся темы посредством математического анализа больших корпусов текстов. Выявляя тенденции в больших выборках текста, компьютерная система может разработать свои собственные лингвистические правила, которые она будет использовать для анализа будущего ввода и / или генерации языкового вывода.

Коннекционистский подход : Коннекционистский подход к обработке естественного языка представляет собой комбинацию символического и статистического подходов. Этот подход начинается с общепринятых правил языка и адаптируется к конкретным приложениям на основе входных данных, полученных на основе статистических выводов.

Как системы интерпретируют язык

Морфологический уровень : Морфемы — это наименьшие единицы значения в словах, и этот уровень имеет дело с морфемами в их роли как частей, составляющих слово.

Лексический уровень : Этот уровень анализа речи изучает, как части слов (морфемы) объединяются, чтобы образовать слова, и как небольшие различия могут резко изменить значение последнего слова.

Синтаксический уровень : Этот уровень фокусируется на тексте на уровне предложения. Синтаксис основан на идее, что в большинстве языков значение предложения зависит от порядка слов и зависимости.

Семантический уровень: Семантика фокусируется на том, как контекст слов в предложении помогает определять значение слов на индивидуальном уровне.

Уровень дискурса : Как предложения соотносятся друг с другом. Порядок и расположение предложений могут повлиять на смысл предложений.

Прагматический уровень : Значение слов или предложений основывается на ситуационной осведомленности и знании мира. В принципе, какой смысл наиболее вероятен и имеет наибольший смысл.

Конечная цель

Конечная цель обработки естественного языка заключается в том, чтобы компьютеры достигли понимания текстов / языков , как человек.Когда это будет достигнуто, компьютерные системы смогут понимать, делать выводы, обобщать, переводить и генерировать точный и естественный человеческий текст и язык .

.

Что такое когнитивная аналитика? — Экспертная система

большинства данных , с которыми имеют дело организации, — это неструктурированных . Осмысление этого — сделать его доступным для ваших бизнес-приоритетов, а именно для принятия решений — выходит за рамки наших человеческих возможностей сделать это в масштабе нашей информации. Когнитивные вычисления объединяет несколько приложений • o раскрывает контекст и находит ответы, скрытые в больших объемах информации. Если вы хотите применить интеллектуальные технологии в своем бизнесе, когнитивная аналитика — отличное место для начала.В этом посте мы отвечаем на вопрос: что такое когнитивная аналитика?

После печально известной конференции по искусственному интеллекту в Дартмутском колледже в 1956 году интеллектуальные технологии постепенно набирали силу. По прогнозам IDC, к 2019 году мировой рынок платформ и приложений для когнитивного программного обеспечения вырастет примерно до 16,5 млрд долларов по сравнению с 1,6 млрд долларов в 2015 году.

Интеллектуальные технологии имеют уникальные возможности для соответствия новой реальности корпоративных данных, связанной с большими объемами, множественными источниками, в основном текстовой информацией.Согласно отчету IDG « Большие данные и аналитика : анализ инициатив и стратегий , стимулирующий инвестиции в данные , 2015», предприятия, внедряющие проекты, основанные на данных, используют в основном неструктурированные источники данных, такие как базы данных клиентов, электронная почта, транзакционные данные, рабочие таблицы и Microsoft. Документы Word.

Однако для многих организаций это лишь верхушка айсберга с точки зрения доступных ресурсов. Информация из открытых источников , доступная в Интернете, такая как нормативная и патентная информация, данные переписи населения и сообщения в социальных сетях, являются важной частью информационной экосистемы.Добавьте в Интернет вещей данные с датчиков, и вы получите уровень сложности, который является одновременно проблемой и возможностью.

Риск оставить эту информацию на столе слишком велик; Благодаря сегодняшнему обилию быстрых и дешевых вычислительных мощностей применение интеллектуальных технологий, таких как когнитивная аналитика, более доступно и доступно, чем когда-либо прежде.

Что такое когнитивная аналитика?

Когнитивная аналитика использует интеллектуальные технологии, чтобы сделать все эти источники данных доступными для аналитических процессов для принятия решений и бизнес-аналитики.Вот как:

Что такое когнитивная аналитика? Интеллектуальная аналитика

Когнитивная аналитика применяет человеческий интеллект к определенным задачам, таким как понимание не только слов в тексте , но и полный контекст того, что пишется или произносится , или распознавание объектов на изображении в большом объеме информации . Когнитивная аналитика объединяет ряд интеллектуальных технологий для достижения этой цели, включая семантику, алгоритмы искусственного интеллекта и ряд методов обучения, таких как глубокое обучение и машинное обучение.Применяя такие методы, когнитивное приложение может со временем стать умнее и эффективнее , извлекая уроки из своего взаимодействия с данными и с людьми.

Что такое когнитивная аналитика? Аналитика, ставящая данные на первое место

Когнитивная аналитика — это метод передачи данных, который начинается и заканчивается тем, что содержится в информации. Этот уникальный способ доступа ко всей информации (всех типов и в любом масштабе) выявляет связи, шаблоны и сочетания, которые позволяют получить беспрецедентное, даже неожиданное понимание.

Когнитивная аналитика, применяемая на предприятии, может использоваться для преодоления важного разрыва между большими объемами информации и необходимостью принимать решения в режиме реального времени. Глубокое понимание информации помогает компаниям использовать широкий спектр источников информации в вашей базе знаний для улучшения качества корпоративных знаний, повышения конкурентоспособности и обеспечения глубокого и индивидуального подхода к обслуживанию клиентов.

.