Ett expertsystem är ett datorprogram som är designat för att lösa komplexa problem och ge beslutsförmåga som en mänsklig expert. Den utför detta genom att extrahera kunskap från sin kunskapsbas med hjälp av resonemang och slutledningsregler enligt användarens frågor.
Expertsystemet är en del av AI, och den första ES utvecklades år 1970, vilket var det första framgångsrika tillvägagångssättet för artificiell intelligens. Den löser det mest komplexa problemet som expert genom att extrahera den kunskap som finns lagrad i dess kunskapsbas. Systemet hjälper till vid beslutsfattande för komsexproblem att använda både fakta och heuristik som en mänsklig expert . Det kallas så eftersom det innehåller expertkunskaper om en specifik domän och kan lösa alla komplexa problem för just den domänen. Dessa system är designade för en specifik domän, som t.ex medicin, vetenskap, etc.
bash läsa filen
Ett expertsystems prestanda baseras på expertens kunskap lagrad i dess kunskapsbas. Ju mer kunskap som lagras i KB, desto mer förbättrar systemet dess prestanda. Ett av de vanligaste exemplen på en ES är ett förslag på stavfel när du skriver i Googles sökruta.
Nedan är blockschemat som representerar hur ett expertsystem fungerar:
Notera: Det är viktigt att komma ihåg att ett expertsystem inte används för att ersätta de mänskliga experterna; istället används den för att hjälpa människan att fatta ett komplext beslut. Dessa system har inte mänsklig förmåga att tänka och arbeta utifrån kunskapsbasen för den specifika domänen.
Nedan är några populära exempel på expertsystemet:
Egenskaper för Expert System
Komponenter i expertsystemet
Ett expertsystem består huvudsakligen av tre komponenter:
variabelt globalt javascript
1. Användargränssnitt
Med hjälp av ett användargränssnitt interagerar expertsystemet med användaren, tar frågor som indata i ett läsbart format och skickar det vidare till inferensmotorn. Efter att ha fått svaret från inferensmotorn visar den utdata för användaren. Med andra ord, det är ett gränssnitt som hjälper en icke-expert användare att kommunicera med expertsystemet för att hitta en lösning .
2. Inferensmotor (motorregler)
- Slutledningsmotorn är känd som hjärnan i expertsystemet eftersom den är systemets huvudenhet. Den tillämpar slutledningsregler på kunskapsbasen för att dra en slutsats eller härleda ny information. Det hjälper till att härleda en felfri lösning av frågor som ställs av användaren.
- Med hjälp av en inferensmotor extraherar systemet kunskapen från kunskapsbasen.
- Det finns två typer av inferensmotorer:
Inferensmotorn använder nedanstående lägen för att härleda lösningarna:
3. Kunskapsbas
- Kunskapsbasen är en typ av lagring som lagrar kunskap som förvärvats från olika experter på den specifika domänen. Det anses vara en stor lagring av kunskap. Ju mer kunskapsbasen är, desto mer exakt blir Expertsystemet.
- Det liknar en databas som innehåller information och regler för en viss domän eller ämne.
- Man kan också se kunskapsbasen som samlingar av objekt och deras attribut. Som att ett lejon är ett föremål och dess egenskaper är att det är ett däggdjur, det är inte ett husdjur, etc.
Komponenter i kunskapsbasen
Kunskapsrepresentation: Den används för att formalisera kunskapen som lagras i kunskapsbasen med hjälp av If-else-reglerna.
shreya ghoshal
Kunskapsförvärv: Det är processen att extrahera, organisera och strukturera domänkunskapen, specificera reglerna för att inhämta kunskapen från olika experter och lagra den kunskapen i kunskapsbasen.
Utveckling av Expertsystem
Här kommer vi att förklara hur ett expertsystem fungerar genom att ta ett exempel på MYCIN ES. Nedan följer några steg för att bygga ett MYCIN:
- För det första bör ES matas med expertkunskap. När det gäller MYCIN ger mänskliga experter specialiserade på det medicinska området för bakterieinfektioner information om orsaker, symtom och annan kunskap inom det området.
- KB för MYCIN har uppdaterats framgångsrikt. För att testa det ger läkaren ett nytt problem till det. Problemet är att identifiera förekomsten av bakterierna genom att mata in detaljerna om en patient, inklusive symtom, nuvarande tillstånd och medicinsk historia.
- ES kommer att behöva ett frågeformulär som patienten ska fylla i för att känna till den allmänna informationen om patienten, såsom kön, ålder etc.
- Nu har systemet samlat in all information, så det kommer att hitta lösningen på problemet genom att tillämpa om-då-regler med hjälp av inferensmotorn och använda fakta som lagras i KB.
- I slutändan kommer det att ge ett svar till patienten genom att använda användargränssnittet.
Deltagare i utvecklingen av Expert System
Det finns tre primära deltagare i byggandet av Expert System:
Varför expertsystem?
Innan vi använder någon teknik måste vi ha en idé om varför vi ska använda den tekniken och därmed samma sak för ES. Även om vi har mänskliga experter inom alla områden, vad är då behovet av att utveckla ett datorbaserat system. Så nedan är punkterna som beskriver behovet av ES:
välj från flera tabeller i sql
Expertsystemets förmåga
Nedan är några funktioner hos ett expertsystem:
Fördelar med Expert System
- Dessa system är mycket reproducerbara.
- De kan användas för riskfyllda platser där den mänskliga närvaron inte är säker.
- Felmöjligheterna är mindre om KB innehåller korrekt kunskap.
- Prestandan hos dessa system förblir stabil eftersom den inte påverkas av känslor, spänningar eller trötthet.
- De ger en mycket hög hastighet att svara på en viss fråga.
Expertsystems begränsningar
- Expertsystemets svar kan bli fel om kunskapsbasen innehåller fel information.
- Liksom en människa kan den inte producera en kreativ produktion för olika scenarier.
- Dess underhålls- och utvecklingskostnader är mycket höga.
- Kunskapsinhämtning för design är mycket svårt.
- För varje domän kräver vi ett specifikt ES, vilket är en av de stora begränsningarna.
- Den kan inte lära av sig själv och kräver därför manuella uppdateringar.
Tillämpningar av expertsystem
Det kan användas i stor utsträckning för att designa och tillverka fysiska enheter som kameralinser och bilar.
Dessa system används främst för att publicera relevant kunskap till användarna. De två populära ES som används för denna domän är en rådgivare och en skatterådgivare.
Inom finansbranschen används det för att upptäcka alla typer av möjliga bedrägerier, misstänkta aktiviteter och råda bankirer att om de ska ge lån för företag eller inte.
Inom medicinsk diagnostik används ES-systemet, och det var det första området där dessa system användes.
Expertsystemen kan också användas för att planera och schemalägga vissa särskilda uppgifter för att uppnå målet med den uppgiften.