Hvad er ekspertsystemer inden for kunstig intelligens

Ekspertsystemer bruges ofte som alternativer, når man leder efter løsninger på komplekse problemer, der kræver en bestemt type menneskelige færdigheder. Et ekspertsystem inden for kunstig intelligens (AI) er et system til at træffe beslutninger ved hjælp af computere. Det er beregnet til at løse udfordrende problemer. Det bruger viden, logisk tænkning og overholdelse af normer til at gøre dette. Det er en af de første praktiske anvendelser af kunstig intelligens.

Hvad er et ekspertsystem?

Ekspertsystemer er interaktive, pålidelige computerbaserede værktøjer til beslutningstagning, der bruger data og heuristik til at løse udfordrende beslutningsproblemer. Det anses for at repræsentere højdepunktet af menneskelig viden og visdom. Et ekspertsystems opgave er at løse de vanskeligste problemer inden for et specifikt område.

Kendetegn ved ekspertsystemer

Følgende er kendetegnene for et ekspertsystem.

• En menneskelig ekspert kan skifte, men et ekspertsystem kan vare evigt.
• Det letter distributionen af menneskelig ekspertise.
• Ekspertsystemet kan inkorporere viden fra flere menneskelige eksperter, hvilket vil øge effektiviteten af svarene.
• Det sænker omkostningerne ved at søge råd hos en specialist inden for forskellige områder, herunder medicinsk diagnose.
• I stedet for at bruge standard procedurekode kan ekspertsystemer håndtere komplekse problemer ved at udlede nye fakta fra kendte fakta, som typisk er repræsenteret som hvis-så-regler.

Komponenter i et ekspertsystem

Der er fem komponenter i ekspertsystemet inden for kunstig intelligens:

• Vidensbase: Vidensbasen indeholder fakta og regler i et ekspertsystem. Den omfatter normer for problemløsning og formuleringsmetoder, der er relevante for domænet og viden inden for specifikke discipliner.
• Inferensmotor: Inferensmotorens mest grundlæggende opgave er at indsamle relevant information fra vidensbasen, analysere den og finde en løsning på brugerens problem. Inferensmotorer har også forklarings- og fejlfindingsfærdigheder.
• Modul til vidensindsamling og læring: Ved hjælp af denne komponent kan ekspertsystemer indsamle flere oplysninger fra adskillige kilder. Derefter gemmes viden i vidensbasen.
• Brugergrænseflade: Med dette element kan en ikke-ekspert kommunikere med ekspertsystemet og udvikle løsninger.
• Forklaringsmodul: Dette modul giver brugeren en begrundelse for konklusionen.

Eksempler på ekspertsystemer

Følgende er nogle eksempler på ekspertsystemer:

• MYCIN: Det kunne genkende forskellige bakterier, der kunne forårsage akutte infektioner, og var baseret på baglæns kædning. Derudover kan det foreslå medicin baseret på patientens vægt. Det er et af de bedste eksempler på et ekspertsystem.
• DENDRAL: Et værktøj til forudsigelse af molekylære strukturer til kemisk analyse.
• CaDet: Det er et af de bedste eksempler på et ekspertsystem, der kan opdage kræft i de tidligste stadier.
• PXDES: Arten og stadiet af lungekræft identificeres ved hjælp af ekspertsystemet PXDES. Det tager et billede af overkroppen, som ligner skyggen, for at identificere tilstanden. Denne skygge bestemmer typen og sværhedsgraden.

Fordele ved ekspertsystemer

At bruge ekspertsystemer i stedet for menneskelige eksperter har flere fordele:

• Nøjagtighed: Ekspertsystemer er immune over for følelsesmæssig eller menneskelig unøjagtighed. De baserer deres valg på fakta og regler.
• Permanent: Når menneskelige specialister forlader deres stillinger, kan den tekniske information følge med. Vidensbaserede systemer tilbyder et evigt reservoir af information og viden.
• Logisk deduktion: Ekspertsystemer bruger en række principper, såsom hvis-så-regler, til at udlede konklusioner fra allerede kendte data.
• Omkostningskontrol: Sammenlignet med omkostningerne ved at ansætte menneskelige specialister er ekspertsystemer forholdsvis billige. De kan hjælpe med at foretage vurderinger hurtigere og billigere.
• Flere eksperter: Vidensbasen i et ekspertsystem udvides med flere eksperter. Det giver mere information at trække på og forhindrer en enkelt ekspert i at påvirke beslutningsprocessen.

Brug af ekspertsystemer

• Det har en bred vifte af anvendelser inden for design og fremstilling af håndgribelige objekter, herunder design og produktion af biler og kameralinser.
• Disse systemer bruges typisk i vidensdomænet til at formidle relevant information til brugerne. Skatterådgivere og rådgivere er de to standard ekspertsystemer, der bruges til dette emne.
• Det bruges i den finansielle sektor til at identificere potentiel svindel og mistænkelig adfærd.
• Ekspertsystemer inden for kunstig intelligens bruges til evaluering og reparation af udstyr. Ekspertsystemet bruges til medicinsk diagnose og var den første anvendelse af disse systemer.

Konventionelt system vs. ekspertsystem

Den afgørende forskel mellem ekspertsystemer og konventionel problemløsningssoftware er den metode, der bruges til at indkode den problemrelaterede ekspertise. I traditionelle applikationer bruges både datastrukturer og programmer til at indkode problemekspertise. I ekspertmetoden er al problemrelateret ekspertise repræsenteret i datastrukturer alene, ikke i programmer.

Konventionelle systemer er ikke i stand til at forklare en specifik løsning på et problem. Disse systemer sigter mod at give enkle løsninger. Ekspertsystemer kan dog begrunde, hvorfor visse oplysninger er nødvendige under en proces, og hvordan et bestemt resultat blev opnået.

Typisk udfører et ekspertsystem sine slutninger ved symbolske beregninger ved hjælp af symboler for viden, såsom regler, forskellige former for netværk, rammer, scripts osv. Ikke desto mindre kan disse termer ikke udtrykkes af traditionelle systemer. De oversimplificerer problemerne og kan ikke formulere “hvordan, hvorfor”-spørgsmålene.

Menneskelig ekspert vs. ekspertsystem

Den væsentligste forskel mellem ekspertsystemer inden for kunstig intelligens og menneskelige eksperter er, at ekspertsystemer behandler viden repræsenteret i form af regler og bruger repræsentationel ræsonnering inden for et begrænset område, mens menneskelige eksperter bruger viden i form af heuristik og tommelfingerregler til at løse problemer inden for et begrænset domæne.

Ekspertsystemer er altid tilgængelige i modsætning til menneskelige eksperter, som kun er tilgængelige på bestemte tidspunkter af døgnet. Ekspertsystemer håndterer ethvert problem på kort tid, mens menneskelige eksperter kan tage sig god tid.

Konklusionen er, at ekspertsystemer er interaktive og pålidelige til at løse komplicerede problemer. Det bruges i programmer til menneskelige ressourcer, medicin og andre formål. Forbedret beslutningskvalitet, omkostningsbesparelser, konsistens, hurtighed og pålidelighed er nogle af de vigtigste fordele ved ekspertsystemer inden for kunstig intelligens.