Wat zijn expertsystemen in kunstmatige intelligentie

Expert systemen worden vaak gebruikt als alternatief bij het zoeken naar oplossingen voor complexe problemen die een bepaald type menselijke vaardigheid vereisen. Een expertsysteem voor kunstmatige intelligentie (AI) is een systeem voor het nemen van beslissingen met behulp van computers. Het is bedoeld om uitdagende problemen aan te pakken. Het gebruikt kennis, logisch denken en het naleven van normen om dit te doen. Het is een van de eerste praktische toepassingen van kunstmatige intelligentie.

Wat is een expertsysteem?

Expert systemen zijn interactieve, betrouwbare computergebaseerde besluitvormingshulpmiddelen die gebruik maken van gegevens en heuristieken om uitdagende besluitvormingsproblemen aan te pakken. Het wordt beschouwd als het toppunt van menselijke kennis en wijsheid. Het is de taak van een expertsysteem om de lastigste problemen op een specifiek gebied op te lossen.

Kenmerken van expertsystemen

Hieronder volgen de kenmerken van een expertsysteem.

Een menselijke expert kan veranderen, maar een expertsysteem kan eeuwig blijven bestaan.
Het vergemakkelijkt de verspreiding van menselijke expertise.
Het expertsysteem kan kennis van meerdere menselijke experts bevatten, wat de effectiviteit van de antwoorden zou verhogen.
Het verlaagt de kosten om advies te vragen aan een specialist op verschillende gebieden, waaronder medische diagnose.
In plaats van standaard procedurele code te gebruiken, kunnen expertsystemen complexe problemen oplossen door nieuwe feiten af te leiden uit bekende kennisfeiten, die typisch worden weergegeven als als-dan regels.

Onderdelen van expertsystemen

Er zijn vijf componenten van het expertsysteem in kunstmatige intelligentie:

Kennisbank: De kennisbank bevat feiten en regels in een expertsysteem. Het bevat normen voor het oplossen van problemen en het formuleren van methoden die relevant zijn voor het domein en kennis in specifieke disciplines.
Inference engine: De meest fundamentele taak van de inference engine is het verzamelen van relevante informatie uit de kennisbank, deze te analyseren en een oplossing te vinden voor het probleem van de gebruiker. Inferentie-engines hebben ook vaardigheden op het gebied van uitleg en probleemoplossing.
Kennisverwerving en leermodule: Met behulp van deze component kunnen expertsystemen meer informatie uit talrijke bronnen verzamelen. Daarna wordt de kennis opgeslagen in de kennisbank.
Gebruikersinterface: Met dit onderdeel kan een niet-deskundige gebruiker communiceren met het expertsysteem en oplossingen ontwikkelen.
Uitlegmodule: Deze module geeft de gebruiker een rechtvaardiging voor de conclusie.

Voorbeelden van expertsystemen

Hieronder volgen enkele voorbeelden van expertsystemen:

MYCIN: Het kon verschillende bacteriën herkennen die acute infecties zouden kunnen veroorzaken en was gebaseerd op backward chaining. Daarnaast kan het medicijnen voorstellen op basis van het gewicht van de patiënt. Het is een van de beste voorbeelden van een expertsysteem.
DENDRAL: Een hulpmiddel voor het voorspellen van moleculaire structuren voor chemische analyse.
CaDet: Dit is een van de beste voorbeelden van een expertsysteem dat kanker in een vroeg stadium kan opsporen.
PXDES: De soort en het stadium van longkanker worden geïdentificeerd met behulp van het PXDES-expertsysteem. Het maakt een foto van het bovenlichaam, die lijkt op de schaduw, om de aandoening te identificeren. Deze schaduw bepaalt het soort en de ernst.

Voordelen van expertsystemen

Het gebruik van expertsystemen in plaats van menselijke experts heeft verschillende voordelen:

Nauwkeurigheid: Expertsystemen zijn immuun voor emotionele of menselijke onnauwkeurigheid. Ze baseren hun keuzes op feiten en regels.
Permanent: Wanneer menselijke specialisten hun functie verlaten, kan de technische informatie volgen. Kennisgebaseerde systemen bieden een eeuwig reservoir van informatie en kennis.
Logische deductie: Expertsystemen gebruiken verschillende principes, zoals als-dan-regels, om conclusies te trekken uit gegevens die al bekend zijn.
Kostenbeheersing: Vergeleken met de kosten van het inhuren van menselijke specialisten, zijn expertsystemen relatief goedkoop. Ze kunnen helpen om sneller en goedkoper tot een oordeel te komen.
Meerdere experts: De kennisbank van een expertsysteem wordt uitgebreid met meerdere experts. Dit geeft meer informatie om uit te putten en voorkomt dat één expert het besluitvormingsproces beïnvloedt.

Gebruik van expertsystemen

Het heeft een breed scala aan toepassingen in het ontwerpen en produceren van tastbare objecten, waaronder het ontwerpen en produceren van auto’s en cameralenzen.
Deze systemen worden meestal gebruikt in het kennisdomein om relevante informatie te verspreiden onder gebruikers. Belastingadviseurs en adviseurs zijn de twee standaard expertsystemen die voor dit onderwerp worden gebruikt.
Het wordt gebruikt in de financiële sector om mogelijke fraude en verdacht gedrag te identificeren.
Expert systeem in kunstmatige intelligentie wordt gebruikt bij de evaluatie en reparatie van apparatuur. Het expertsysteem wordt gebruikt bij medische diagnoses en was de eerste toepassing van deze systemen.

Conventioneel systeem versus expertsysteem

Het cruciale verschil tussen expertsystemen en conventionele software voor probleemoplossing is de methode die wordt gebruikt om de probleemgerelateerde expertise te coderen. In traditionele toepassingen worden zowel datastructuren als programma’s gebruikt om probleemexpertise te coderen. Bij de expertmethode wordt alle probleemgerelateerde expertise alleen in datastructuren weergegeven en niet in programma’s.

Conventionele systemen zijn niet in staat om een specifieke oplossing voor een probleem uit te leggen. Deze systemen zijn gericht op het bieden van eenvoudige oplossingen. Expertsystemen kunnen echter wel verklaren waarom bepaalde informatie nodig is tijdens een proces en hoe een specifiek resultaat is bereikt.

Typisch voert een expertsysteem zijn gevolgtrekkingen uit door symbolische berekeningen met behulp van de symbolen voor kennis, zoals de regels, verschillende vormen van netwerken, frames, scripts, enz. Toch kunnen deze termen niet worden uitgedrukt door traditionele systemen. Ze simplificeren de problemen en kunnen de “hoe, waarom” vragen niet verwoorden.

Menselijke expert vs. expertsysteem

Het significante onderscheid tussen expertsystemen in kunstmatige intelligentie en menselijke experts is dat expertsystemen kennis verwerken die wordt gerepresenteerd in de vorm van regels en representatief redeneren gebruiken in een beperkt domein, terwijl menselijke experts kennis gebruiken in de vorm van heuristieken of vuistregels om problemen in een beperkt domein op te lossen.

Expertsystemen zijn altijd toegankelijk, in tegenstelling tot menselijke experts, die alleen tijdens bepaalde uren van de dag beschikbaar zijn. Expertsystemen kunnen elk probleem in korte tijd oplossen, terwijl menselijke experts daar de tijd voor kunnen nemen.

Kortom, expertsystemen zijn interactief en betrouwbaar bij het oplossen van ingewikkelde problemen. Het wordt gebruikt in programma’s voor human resources, geneeskunde en andere doeleinden. Verbeterde beslissingskwaliteit, kostenbesparingen, consistentie, snelheid en betrouwbaarheid zijn enkele van de belangrijkste voordelen van expertsystemen in kunstmatige intelligentie.