Sistema expert a és un terme que està donant voltes al món tecnològic i per totes les bones raons. En aquest article explorarem aquest tema en detall.
En aquest article es tractaran les següents indicacions,
- Què és la intel·ligència artificial?
- Sistema expert en intel·ligència artificial
- Dominis on s’utilitzen sistemes experts
- Principals àrees d’aplicació
- Tres fases del disseny de l’ES
- Inconvenients i limitacions
Comencem, doncs, amb aquest article,
Què és la intel·ligència artificial?
Bé, normalment el nom d’Intel·ligència artificial suggereix la intel·ligència d’una màquina que és artificial. La intel·ligència que posseeix l’ésser humà es coneix com a intel·ligència humana, de la mateixa manera que la intel·ligència demostrada per una màquina es coneix com a Intel·ligència Artificial. En informàtica. Intel·ligència artificial (IA), de vegades anomenada intel·ligència de màquina. El camp d’investigació de la Intel·ligència Artificial va néixer en un taller del Dartmouth College el 1956.
Aplicacions de la intel·ligència artificial al món real:
Els chatbots com SIRI, CORTANA que han guanyat tanta popularitat en l’actualitat. Altres exemples com EVA (Electronic Virtual Assistant), un chatbot basat en IA desenvolupat pel departament d’investigació en IA dels bancs HDFC, que pot recollir coneixement de milers de fonts i proporcionar respostes senzilles en menys de 0,4 segons. Hi ha tants exemples d’aplicacions d’IA que trobareu en diferents àmbits de la nostra societat.
Seguint amb aquest sistema expert en intel·ligència artificial,
Sistema expert en intel·ligència artificial
Què és un sistema expert?
Investigadors de la Universitat de Standford, Departament de Ciències de la Computació, han introduït aquest domini de la IA i és un domini de recerca destacat de la IA. És una aplicació informàtica que pot resoldre problemes més complexos de qualsevol domini específic. Es considera al més alt nivell d’intel·ligència i expertesa humana, ja que es basa en el coneixement adquirit d’un expert. El sistema expert també es pot definir com un sistema de presa de decisions basat en ordinador que pot resoldre problemes complexos de presa de decisions utilitzant tant fets com heurístiques.
Seguint amb aquest sistema expert en intel·ligència artificial,
Dominis on s’utilitzen sistemes experts
Expert Systems avui
ssis tutorial per a principiants 2012 amb exemples
L'American Medical Association ha aprovat el primer sistema expert que era el sistema Pathfinder. Es va construir la Universitat de Standford el 1980, per al diagnòstic d’hematopatologia. Aquest sistema teòric expert de la decisió, en breu Pathfinder, pot diagnosticar malalties dels ganglis limfàtics. Al final, tracta més de 60 malalties i pot reconèixer més de 100 símptomes.
Sistema expert en negocis
Recentment s’ha desenvolupat un sistema expert ROSS, l’advocat d’IA, ROSS és un sistema d’autoaprenentatge que utilitza la mineria de dades, el reconeixement de patrons, l’aprenentatge profund i el processament del llenguatge natural per imitar la manera com funciona el cervell humà.
Seguint amb aquest sistema expert en intel·ligència artificial,
Principals àrees d’aplicació
- Interpretació: treure conclusions d’alt nivell basades en dades.
- Predicció: projectar resultats probables.
- Diagnòstic: determinar la causa de mal funcionament, malaltia, etc.
- Disseny -serla millor configuració basada en criteris.
- Planificació: proposar una sèrie d’accions per assolir un objectiu.
- Monitoratge: comparació del comportament observat amb el comportament esperat.
- Depuració i reparació: prescripció i implementació de remeis.
- Instrucció: ajudar els estudiants a aprendre.
- Control: regula el comportament d’un sistema.
Finalitat del sistema expert
L’objectiu principal d’un sistema expert és adquirir coneixements d’experts humans i replicar aquests coneixements i habilitats d’experts humans en una àrea determinada. Aleshores, el sistema utilitzarà aquests coneixements i habilitats per resoldre problemes complexos d’aquesta àrea en concret sense la participació d’experts humans.
Característiques dels sistemes experts
- Gran actuació
- Comprensible
- Fiable
- Molt sensible
Components principals d'un sistema basat en regles o d'un sistema expert
Els components principals són:
- Base de coneixements
- Memòria de treball
- Motor inferencial
- Sistema d’explicació
- Interfície d'usuari
- Editor de bases de coneixement
Seguint amb aquest sistema expert en intel·ligència artificial,
def __init __ (auto) pitó
Tres fases del disseny de l’ES
Adquisició de coneixement:
El procés d’obtenció de coneixement d’experts entrevistant o observant experts humans, llegint llibres específics, etc.
Base de coneixements:
La base de coneixement és un contenidor de coneixement d’alta qualitat. Les habilitats es desenvolupen a través de la pràctica i la intel·ligència prové del coneixement que no es pot demostrar o que no es pot demostrar la seva intel·ligència, de manera que el coneixement és molt important per desenvolupar habilitats i mostrar intel·ligència. De la mateixa manera, es requereix coneixement perquè la màquina també mostri la seva intel·ligència. La precisió de la predicció i el rendiment del sistema depenen en gran mesura de la recopilació de coneixements perfectes, precisos i precisos.
Ara què és el coneixement?
El coneixement són dades o informació. Per a nosaltres, l’ésser humà llegint articles i llegint llibres o de diferents recursos, solíem recollir coneixement si veiem el procés d’obtenir i enriquir coneixement minuciosament, i veurem que llegint llibres o llegint articles o des de qualsevol altre recurs. obtenir i extreure dades i informació de diferents fonts que després solíem emmagatzemar al nostre cervell. Així doncs, el coneixement són dades, el coneixement és informació. El coneixement també és una col·lecció de fets.
Les dades, la informació i l’experiència passada combinades es denominen coneixement.
Representació del coneixement:
La representació del coneixement és el mètode per seleccionar les estructures més adequades per representar el coneixement. És el mètode per organitzar i formalitzar el coneixement a la base de coneixement. Es fa en forma de regles IF-THEN-ELSE.
Validació del coneixement:
Posar a prova els coneixements d’ES és correcte i complet.Tot aquest procés s’anomena enginyeria del coneixement.
Motor d'inferència:
En cas d’ES basat en el coneixement, el motor d’inferència adquireix i manipula el coneixement de la base de coneixement per arribar a una solució particular.
En cas d’ES basat en regles,
- Aplica regles repetidament als fets, que s’obtenen a partir d’una aplicació anterior de la norma.
- Inclou nous coneixements a la base de coneixement si és necessari.
- Resol el conflicte de regles quan s’apliquen múltiples regles a un cas concret.
Inference Engine utilitza les següents estratègies i menys
- Encadenament cap endavant
- Encadenament cap enrere
Encadenament cap endavant
A Forward Chaining, el motor d’inferència dóna el resultat seguint la cadena de condicions i derivacions. Qualsevol que sigui el coneixement que s’alimenta en el sistema, passa per tots aquests coneixements i fets i els ordena abans de concloure una solució. Mitjançant el mètode d’encadenament directe, el sistema expert tracta de respondre: 'Què pot passar després?'
conversió de tipus c ++
Aplicació de l'encadenament a termini: predicció de preus de l'habitatge, predicció de valors, predicció de mercat d'accions, etc.
Encadenament cap enrere
Quan ha passat alguna cosa en un domini concret, l'Inference Engine intenta esbrinar quina condició podria haver passat en el passat per obtenir aquest resultat. Mitjançant un mètode de cadena cap enrere, el sistema expert intenta respondre: 'Per què va passar això?'. Mitjançant un mètode d’encadenament cap enrere el motor d’inferència intenta esbrinar la causa o la raó.
Per exemple: diagnòstic de càncer de sang en humans.
Inconvenients i limitacions
Avantatges del sistema expert
- Conserveu una gran quantitat d'informació
- Minimitzar els costos de formació dels empleats
- Centralitzar el procés de presa de decisions
- Feu les coses més eficients reduint el temps necessari per resoldre problemes
- Combineu diverses intel·ligències expertes en humans
- Reduir el nombre d’errors humans
- Proporcioneu avantatges estratègics i comparatius que puguin crear problemes per als competidors
- Consulteu les transaccions que potser no pensen els experts humans
- Proporcionar respostes a decisions, processos i tasques que siguin repetitives
Inconvenients del sistema expert:
- Manca de respostes creatives de què són capaços els experts humans
- No és capaç d’explicar la lògica i el raonament darrere d’una decisió
- No és fàcil automatitzar processos complexos
- No hi ha flexibilitat ni capacitat per adaptar-se a entorns canviants
- No puc reconèixer quan no hi ha resposta
- No s’utilitza cap sentit comú per prendre decisions
Limitacions:
- No aconsegueix respostes creatives, ja que és una màquina.
- Si les dades que s’han introduït a la base de coneixement no són exactes o correctes, donaran prediccions i resultats equivocats.
- El cost de manteniment del sistema expert és elevat.
- Quan apareixen diferents problemes, els experts humans poden donar solucions i respostes creatives diferents, però el sistema expert no dóna respostes creatives.
Això ens porta al final d’aquest article sobre Sistemes experts en intel·ligència artificial.
Si voleu inscriure-us a un curs complet d’Intel·ligència Artificial i Aprenentatge Automàtic, Edureka disposa d’un programa especialitzat que us farà dominar tècniques com l'aprenentatge supervisat, l'aprenentatge no supervisat i el processament del llenguatge natural. Inclou formació sobre els darrers avenços i enfocaments tècnics en intel·ligència artificial i aprenentatge automàtic, com ara aprenentatge profund, models gràfics i aprenentatge de reforç.