Expertsystem
Den aktuella versionen av sidan har ännu inte granskats av erfarna bidragsgivare och kan skilja sig väsentligt från versionen som granskades den 27 april 2022; kontroller kräver 4 redigeringar .Expertsystem (ES, eng. expertsystem ) - ett datorsystem som delvis kan ersätta en expert för att lösa en problemsituation. Moderna expertsystem började utvecklas av forskare inom artificiell intelligens på 1970-talet och fick kommersiell förstärkning på 1980 -talet. Föregångarna till expertsystem föreslogs 1832 av S. N. Korsakov , som skapade mekaniska anordningar, de så kallade "intellektuella maskinerna", som gjorde det möjligt att hitta lösningar för givna förhållanden, till exempel att bestämma de mest lämpliga läkemedlen enligt patientens symtom på sjukdomen [1] .
Den viktigaste delen av expertsystemet är kunskapsbaser som modeller av beteende hos experter inom ett visst kunskapsområde med hjälp av slutlednings- och beslutsfattande förfaranden , med andra ord är kunskapsbaser en uppsättning fakta och slutledningsregler i ett valt ämne verksamhetsområde.
Liknande åtgärder utförs av ett sådant programvaruverktyg som " Master " ( Eng. Wizard ). Wizards används både i systemprogram och i applikationer för att förenkla interaktiv kommunikation med användaren (till exempel vid installation av programvara ). Den största skillnaden mellan guider och expertsystem är frånvaron av en kunskapsbas - alla åtgärder är hårdkodade. Det är bara en uppsättning formulär för användaren att fylla i.
Andra liknande program är sök- eller referenssystem (uppslagsverk). På användarens begäran tillhandahåller de de lämpligaste ( relevanta ) delarna av artikelbasen (representationer av objekt i kunskapsområden, deras virtuella modell).
För närvarande genomgår det "klassiska" begreppet expertsystem, som utvecklades på 1970- och 1980-talen, en kris, uppenbarligen förknippat med dess djupa orientering mot det textuella gränssnittet människa-maskin som var allmänt accepterat under dessa år , vilket nu nästan är helt ersatt av grafiska i användarapplikationer ( GUI ). Dessutom är det "klassiska" tillvägagångssättet för att bygga expertsystem dåligt förenligt med den relationella datamodellen , vilket gör det omöjligt att effektivt använda modern industriell DBMS för att organisera kunskapsbaser för sådana system.
Ofta, som ett marknadsföringsknep, deklarerar expertsystem moderna mjukvaruprodukter som inte är sådana i "klassisk" mening (till exempel juridiska datorreferenssystem ). Försök som gjorts av entusiaster att kombinera "klassiska" tillvägagångssätt för att utveckla expertsystem med moderna metoder för att bygga ett användargränssnitt ( CLIPS Java Native Interface , CLIPS.NET-projekt , etc.) finner inte stöd bland stora mjukvaruföretag och finns av denna anledning kvar. i experimentstadiet.
Strukturen för ES för intelligenta system
Bok [2] presenterar följande ES-struktur:
- Användargränssnitt _
- Användare
- Intelligent Knowledge Base Editor
- Expert
- Kunskapsingenjör
- Arbetsminne (Random Access).
- Kunskapsbas
- Lösare (inferensmotor (ILM))
- Förklaring Delsystem
Kunskapsbasen består av regler för att analysera information från användaren om ett specifikt problem. ES analyserar situationen och ger, beroende på ES:s inriktning, rekommendationer för att lösa problemet.
Som regel innehåller kunskapsbasen i ett expertsystem fakta (statisk information om ämnesområdet) och regler - en uppsättning instruktioner som kan appliceras på kända fakta för att få fram nya fakta.
Inom ramen för en logisk modell kan kunskapsbaser exempelvis baseras på att programmeringsspråket Prolog använder predikatspråket för att beskriva fakta och inferensregler som uttrycker reglerna för att definiera begrepp, för att beskriva generaliserad och specifik information, samt specifika och generaliserade frågor till databaser och databaser kunskap.
Specifika och generaliserade frågor till kunskapsbaser i Prolog-språket skrivs med hjälp av predikatspråket som uttrycker reglerna för slutledning och definitioner av begrepp över inferensprocedurer som finns tillgängliga i kunskapsbasen, uttrycker generaliserad och specifik information och kunskap inom det valda ämnesområdet verksamhet och kunskapsområde.
Vanligtvis beskriver fakta i kunskapsbasen de fenomen som är konstanta för ett givet ämnesområde. Egenskaper, vars värden beror på förhållandena för en viss uppgift, tas emot av ES från användaren under drift och lagras i arbetsminnet. Till exempel, i en medicinsk ES lagras faktumet "En frisk person har 2 ben" i kunskapsbasen, och faktumet "En patient har ett ben" lagras i arbetsminnet.
ES-kunskapsbasen skapas med hjälp av tre grupper av människor:
- experter inom det problemområde som de uppgifter som ES löser hör till;
- kunskapsingenjörer som är specialister på utveckling av IIS ;
- programmerare som implementerar ES.
Funktionssätt
ES kan arbeta i 2 lägen.
- Kunskapsinmatningsläge - i detta läge matar en expert, med hjälp av en kunskapsingenjör, in information om ämnesområdet som han känner till i ES-kunskapsbasen genom kunskapsbasredigeraren.
- Konsultationsläge - användaren för en dialog med ES, informerar den om information om den aktuella uppgiften och tar emot ES-rekommendationer. Till exempel, baserat på information om patientens fysiska tillstånd, ställer ES en diagnos i form av en lista över sjukdomar som med största sannolikhet har dessa symtom.
ES-klassificering
Klassificering av ES enligt problemet som löses
- Datatolkning
- Diagnos
- Övervakning
- Design
- Prognoser
- Mäster planering
- Optimering
- Utbildning
- Kontrollera
- Reparera
- Felsökning
Klassificering av ES efter koppling till realtid
- Statisk - att lösa problem i förhållanden med initiala data och kunskaper som inte förändras med tiden.
- Kvasidynamisk - tolka situationen, som förändras med något fast tidsintervall.
- Dynamiskt - att lösa problem i förhållande till initiala data och kunskaper som förändras i tiden.
Stadier av utvecklingen av ES
- Problemidentifieringsstadiet - uppgifterna som ska lösas bestäms, utvecklingsmål identifieras, experter och typer av användare bestäms.
- Stadiet för kunskapsutvinning - en meningsfull analys av problemområdet genomförs, de begrepp som används och deras relationer identifieras, metoder för att lösa problem bestäms.
- Stadiet för kunskapsstrukturering - IS väljs ut och sätt att representera alla typer av kunskap bestäms, grundläggande begrepp formaliseras, metoder för att tolka kunskap bestäms, systemets funktion modelleras, adekvatheten av målen för systemet med fasta begrepp, beslutsmetoder, sätt att representera och manipulera kunskap bedöms.
- Formaliseringsstadiet — kunskapsbasen fylls av en expert. På grund av att grunden för ES är kunskap är detta steg det viktigaste och mest tidskrävande steget i utvecklingen av ES. Processen att inhämta kunskap är uppdelad i att utvinna kunskap från en expert, att organisera kunskap som säkerställer en effektiv drift av systemet och att presentera kunskap i en form som är begriplig för ES. Processen att förvärva kunskap utförs av en kunskapsingenjör baserat på en analys av en experts aktivitet för att lösa verkliga problem.
- ES-implementering - en eller flera ES-prototyper skapas som löser de uppgifter som krävs.
- Teststadiet - den valda metoden för att representera kunskap i ES som helhet utvärderas.
Den mest kända ES
- CLIPS är ett mycket populärt skal för att bygga ES ( public domain )
- OpenCyc är ett kraftfullt dynamiskt ES med en global ontologisk modell och stöd för oberoende sammanhang
- Wolfram|Alpha - kunskapsbas och uppsättning beräkningsalgoritmer, intelligent "kunskapsberäkningsmotor"
- MYCIN är det mest välkända diagnostiska systemet som är designat för att diagnostisera och övervaka patientens tillstånd vid meningit och bakterieinfektioner.
- HASP/SIAP är ett tolkningssystem som bestämmer platsen och typerna av fartyg i Stilla havet från akustisk spårningsdata.
- Akinator är ett onlinespel. Spelaren måste gissa vilken karaktär som helst, och Akinator måste gissa det genom att ställa frågor. Kunskapsbasen uppdateras automatiskt, så att programmet kan gissa nästan vilken känd karaktär som helst.
- IBM Watson är en IBM-superdator som kan förstå naturliga språkfrågor och hitta svar på dem i en databas.
Se även
- Automatiserat styrsystem
- Kunskapsbas
- Artificiell intelligens
- Artificiellt neuralt nätverk
- slutledning
- Beslutsstödssystem
- Logisk programmering
- Prolog (programmeringsspråk)
- Rete algoritm
- Fråge- och svarsystem
Anteckningar
- ↑ Uppfinningar av S. N. Korsakov
- ↑ Gavrilova T. A., Khoroshevsky V. F. Kunskapsbaser för intelligenta system. Lärobok. - St. Petersburg: Peter, 2000.
Litteratur
- Joseph Giarratano, Gary Riley Expertsystem: Designprinciper och programmering. / Per. från engelska. - M. : Williams Publishing House, 2006. - 1152 sid. från sjuk.
- Peter Jackson. Introduktion till expertsystem = Introduktion till expertsystem. - 3:e uppl. - M. : Williams, 2001. - S. 624. - ISBN 0-201-87686-8 .
- Townsend K., Foght D. Design och mjukvaruimplementering av expertsystem på persondatorer / Per. från engelska. V. A. Kondratenko, S. V. Trubitsyna. — M.: Finans och statistik, 1990. — 320 sid.
- Waterman D. En guide till expertsystem. / Per. från engelska. ed. V. L. Stefanyuk. - M .: "Mir", 1989: - 388 sidor med illustrationer.
Länkar
 Ordböcker och uppslagsverk | ||||
|---|---|---|---|---|
| ||||
| Kunskapsteknik | |
|---|---|
| Allmänna begrepp | |
| Stela modeller | |
| Mjuka metoder | |
| Ansökningar | |