Szakértői rendszer
Az oldal jelenlegi verzióját még nem ellenőrizték tapasztalt közreműködők, és jelentősen eltérhet a 2022. április 27-én felülvizsgált
verziótól ; az ellenőrzések 4 szerkesztést igényelnek .
Szakértői rendszer (ES, eng. expert system ) - számítógépes rendszer, amely részben helyettesítheti a szakértőt a problémahelyzet megoldásában. A modern szakértői rendszereket a mesterséges intelligencia kutatói kezdték fejleszteni az 1970 - es években , és az 1980 -as években kaptak kereskedelmi megerősítést . A szakértői rendszerek előfutárai 1832-ben S. N. Korszakov javasolta , aki megalkotta a mechanikus eszközöket, az úgynevezett "intellektuális gépeket", amelyek lehetővé tették az adott körülményekre megoldások megtalálását, például a legmegfelelőbb gyógyszerek meghatározását az ún. a beteg betegség tünetei [1] .
A szakértői rendszer legfontosabb része a tudásbázisok, mint a szakértők viselkedési modelljei egy bizonyos tudásterületen következtetési és döntéshozatali eljárások segítségével, más szóval a tudásbázisok tények és következtetési szabályok összessége egy kiválasztott témában. tevékenységi terület.
Hasonló műveleteket hajt végre egy olyan szoftvereszköz, mint a " Master " ( Eng. Wizard ). A varázslókat rendszerprogramokban és alkalmazásokban is használják a felhasználóval való interaktív kommunikáció egyszerűsítésére (például szoftver telepítésekor ). A fő különbség a varázslók és a szakértői rendszerek között a tudásbázis hiánya – minden művelet keményen kódolt. Ez csak egy sor űrlap, amelyet a felhasználónak kell kitöltenie.
További hasonló programok a kereső vagy referencia (enciklopédikus) rendszerek. A felhasználó kérésére megadják a cikkbázis legmegfelelőbb ( releváns ) részeit (tudásterületek objektumainak ábrázolásai, azok virtuális modellje).
Jelenleg a szakértői rendszerek „klasszikus” koncepciója, amely az 1970-es és 1980-as években alakult ki, válságon megy keresztül, ami nyilvánvalóan az akkoriban általánosan elfogadott szöveges ember-gép interfész felé való mély orientációjával függ össze , amely ma már szinte a felhasználói alkalmazásokban teljesen lecserélték grafikusra.( GUI ). Ezenkívül a szakértői rendszerek felépítésének „klasszikus” megközelítése rosszul áll összhangban a relációs adatmodellel , ami lehetetlenné teszi a modern ipari DBMS hatékony használatát az ilyen rendszerek tudásbázisainak rendszerezésére.
A szakértői rendszerek gyakran marketingfogásként olyan modern szoftvertermékeket deklarálnak, amelyek a „klasszikus” értelemben nem azok (például számítógépes jogi referenciarendszerek ). A rajongók azon próbálkozásai, hogy a szakértői rendszerek fejlesztésének "klasszikus" megközelítéseit kombinálják a felhasználói felület kialakításának modern megközelítéseivel (a CLIPS Java Native Interface , CLIPS.NET projektek stb.) nem találnak támogatást a nagy szoftvercégek körében, és emiatt továbbra is megmaradnak. kísérleti szakaszban.
Az intelligens rendszerek ES-jének felépítése
A [2] könyv a következő ES-struktúrát mutatja be:
- Felhasználói felület
- Felhasználó
- Intelligens tudásbázis szerkesztő
- Szakértő
- Tudásmérnök
- Működő (véletlen hozzáférésű) memória
- Tudásbázis
- Megoldó (következtető motor (ILM))
- Magyarázat Alrendszer
A tudásbázis a felhasználótól származó információk egy adott problémával kapcsolatos elemzésére szolgáló szabályokból áll . Az ES elemzi a helyzetet, és az ES irányától függően javaslatokat tesz a probléma megoldására.
Általános szabály, hogy egy szakértői rendszer tudásbázisa tényeket (statikus információkat a tárgykörről) és szabályokat tartalmaz - olyan utasításokat, amelyek az ismert tényekre alkalmazhatók új tények megszerzése érdekében.
A tudásbázisok egy logikai modell keretein belül alapulhatnak például a Prolog programozási nyelven, amely a predikátum nyelvet használja a fogalmak meghatározásának szabályait kifejező tények és következtetési szabályok leírására, általános és specifikus információk leírására, valamint specifikus és általánosított lekérdezések adatbázisokhoz és adatbázis-ismeretekhez.
A Prolog nyelvű tudásbázisokra irányuló specifikus és általánosított lekérdezések a predikátumok nyelvén íródnak, amelyek a következtetési szabályokat és a fogalmak definícióit fejezik ki a tudásbázisban elérhető következtetési eljárások felett, általános és specifikus információkat és ismereteket fejeznek ki a kiválasztott témakörben. tevékenysége és tudásterülete.
A tudásbázisban szereplő tények általában azokat a jelenségeket írják le, amelyek egy adott témakörben állandóak. A jellemzőket, amelyek értéke egy adott feladat körülményeitől függ, az ES megkapja a felhasználótól működés közben, és a munkamemóriában tárolja. Például egy orvosi ES-ben az „Egészséges embernek 2 lába van” a tudásbázisban, a „Páciensnek egy lába van” pedig a munkamemóriában tárolódik.
Az ES tudásbázis három embercsoport segítségével jön létre:
- annak a problématerületnek a szakértői, amelyhez az ES által megoldott feladatok tartoznak;
- tudásmérnökök, akik az IIS fejlesztésének szakértői ;
- az ES-t megvalósító programozók.
Üzemmódok
Az ES 2 üzemmódban működhet.
- Tudásbeviteli mód - ebben a módban a szakértő a tudásmérnök segítségével az általa ismert tárgykörről információkat visz be az ES tudásbázisba a tudásbázis-szerkesztőn keresztül.
- Konzultációs mód - a felhasználó párbeszédet folytat az ES-vel, tájékoztatja őt az aktuális feladatról és megkapja az ES ajánlásait. Például a páciens fizikai állapotára vonatkozó információk alapján az ES diagnózist készít azon betegségek listája formájában, amelyeknél a legvalószínűbbek ezek a tünetek.
ES osztályozás
ES osztályozása a megoldandó probléma szerint
ES osztályozása valós idejű kapcsolat alapján
- Statikus - problémák megoldása olyan kezdeti adatok és ismeretek körülményei között, amelyek időben nem változnak.
- Kvázi-dinamikus - értelmezi a helyzetet, amely bizonyos fix időintervallumban változik.
- Dinamikus - problémák megoldása a kezdeti adatok és ismeretek időben változó körülményei között.
Az ES fejlődésének szakaszai
- Probléma azonosítási szakasz - meghatározzák a megoldandó feladatokat, meghatározzák a fejlesztési célokat, meghatározzák a szakértőket és a felhasználók típusait.
- A tudáskinyerés szakasza - a problématerület értelmes elemzése, a használt fogalmak és azok kapcsolatainak meghatározása, a problémák megoldásának módszerei meghatározása.
- A tudásstrukturálás szakasza - az IS kiválasztásra kerül, és meghatározzák az összes tudástípus ábrázolásának módjait, formalizálják az alapfogalmakat, meghatározzák a tudás értelmezésének módszereit, modellezik a rendszer működését, a rögzített rendszer céljainak megfelelőségét. fogalmak, döntési módszerek, ismeretek megjelenítésének és manipulálásának eszközei kerülnek felmérésre.
- A formalizálás szakasza – a tudásbázist szakértő tölti ki. Tekintettel arra, hogy az ES alapja a tudás, ez a szakasz az ES fejlesztésének legfontosabb és legidőigényesebb szakasza. Az ismeretszerzés folyamata a szakértőtől való tudáskivonásra, a rendszer hatékony működését biztosító ismeretek rendszerezésére, valamint a tudás ES számára érthető formában történő bemutatására oszlik. Az ismeretszerzés folyamatát a tudásmérnök valós problémák megoldásában végzett szakértői tevékenység elemzése alapján végzi.
- ES megvalósítás - egy vagy több ES prototípus jön létre, amelyek megoldják a szükséges feladatokat.
- Tesztelési szakasz - a tudásnak az ES egészében történő megjelenítésének kiválasztott módszerét értékelik.
A leghíresebb ES
- A CLIPS egy nagyon népszerű shell az ES ( public domain ) építéséhez.
- Az OpenCyc egy erőteljes dinamikus ES globális ontológiai modellel és független kontextusok támogatásával
- Wolfram|Alpha – tudásbázis és számítási algoritmusok halmaza, intelligens „tudásszámítási motor”
- A MYCIN a legismertebb diagnosztikai rendszer, amelyet agyhártyagyulladás és bakteriális fertőzések esetén a páciens állapotának diagnosztizálására és monitorozására terveztek.
- A HASP/SIAP egy értelmező rendszer, amely akusztikus nyomkövetési adatok alapján határozza meg a hajók elhelyezkedését és típusait a Csendes-óceánon.
- Az Akinator egy online játék. A játékosnak ki kell tippelnie bármely karaktert, Akinatornak pedig kérdésekkel. A tudásbázis automatikusan frissül, így a program szinte minden híres karaktert kitalál.
- Az IBM Watson egy IBM szuperszámítógép, amely képes megérteni a természetes nyelvi kérdéseket és választ találni rájuk egy adatbázisban.
Lásd még
Jegyzetek
- ↑ S. N. Korszakov találmányai
- ↑ Gavrilova T. A., Khoroshevsky V. F. Intelligens rendszerek tudásbázisai. Tankönyv. - Szentpétervár: Péter, 2000.
Irodalom
- Joseph Giarratano, Gary Riley Expert Systems: Tervezési alapelvek és programozás. / Per. angolról. - M. : Williams Publishing House, 2006. - 1152 p. betegtől.
- Peter Jackson. Bevezetés a szakértői rendszerekbe = Introduction to Expert Systems. - 3. kiadás - M. : Williams, 2001. - S. 624. - ISBN 0-201-87686-8 .
- Townsend K., Foght D. Szakértői rendszerek tervezése és szoftveres megvalósítása személyi számítógépeken / Per. angolról. V. A. Kondratenko, S. V. Trubitsyna. — M.: Pénzügy és statisztika, 1990. — 320 p.
- Waterman D. Útmutató a szakértői rendszerekhez. / Per. angolról. szerk. V. L. Stefanyuk. - M .: "Mir", 1989: - 388 oldal illusztrációkkal.
Linkek
Szótárak és enciklopédiák |
|
---|
Bibliográfiai katalógusokban |
---|
|
|