Hva er ekspertsystemer innen kunstig intelligens

Ekspertsystemer brukes ofte som et alternativ når man leter etter løsninger på komplekse problemer som krever en bestemt type menneskelig kompetanse. Et ekspertsystem innen kunstig intelligens (AI) er et system for å ta beslutninger ved hjelp av datamaskiner. Det er beregnet på å løse utfordrende problemstillinger. Det bruker kunnskap, logisk tenkning og overholdelse av normer for å gjøre dette. Det er en av de første praktiske anvendelsene av kunstig intelligens.

Hva er et ekspertsystem?

Ekspertsystemer er interaktive, pålitelige, databaserte beslutningsverktøy som bruker data og heuristikk for å løse utfordrende beslutningsproblemer. De anses å representere det ypperste av menneskelig kunnskap og visdom. Oppgaven til et ekspertsystem er å løse de vanskeligste problemene på et bestemt område.

Kjennetegn ved ekspertsystemer

Her følger noen kjennetegn ved et ekspertsystem.

En menneskelig ekspert kan forandre seg, men et ekspertsystem kan vare evig.
Det gjør det enklere å distribuere menneskelig ekspertise.
Ekspertsystemet kan inkorporere kunnskap fra flere menneskelige eksperter, noe som vil gjøre svarene mer effektive.
Det reduserer kostnadene ved å søke råd hos en spesialist på ulike områder, inkludert medisinske diagnoser.
I stedet for å bruke standard prosedyrekode kan ekspertsystemer håndtere komplekse problemstillinger ved å utlede nye fakta fra kjente kunnskapsfakta, som vanligvis representeres som hvis-så-regler.

Komponenter i et ekspertsystem

Det er fem komponenter i et ekspertsystem innen kunstig intelligens:

Kunnskapsbase: Kunnskapsbasen inneholder fakta og regler i et ekspertsystem. Den inneholder normer for problemløsning og formulering av metoder som er relevante for domenet, samt kunnskap om spesifikke fagområder.
Inferensmotor: Inferensmotorens viktigste oppgave er å samle inn relevant informasjon fra kunnskapsbasen, analysere den og finne en løsning på brukerens problem. Inferensmotorer har også evne til å forklare og feilsøke.
Modul for kunnskapsinnhenting og læring: Ved hjelp av denne komponenten kan ekspertsystemer samle inn mer informasjon fra en rekke kilder. Deretter lagres kunnskapen i kunnskapsbasen.
Brukergrensesnitt: Med dette elementet kan en ikke-ekspert kommunisere med ekspertsystemet og utvikle løsninger.
Forklaringsmodul: Denne modulen gir brukeren en begrunnelse for konklusjonen.

Eksempler på ekspertsystemer

Her følger noen eksempler på ekspertsystemer:

MYCIN: Det kunne gjenkjenne ulike bakterier som kan forårsake akutte infeksjoner, og var basert på bakoverkjeding. I tillegg kunne det foreslå medisiner basert på pasientens vekt. Det er blant de beste eksemplene på et ekspertsystem.
DENDRAL: Et verktøy for prediksjon av molekylstrukturer for kjemisk analyse.
CaDet: Et av de beste eksemplene på et ekspertsystem som kan oppdage kreft i de tidligste stadiene.
PXDES: Type og stadium av lungekreft identifiseres ved hjelp av ekspertsystemet PXDES. Det tar et bilde av overkroppen, som ligner skyggen, for å identifisere tilstanden. Denne skyggen bestemmer type og alvorlighetsgrad.

Fordelene med ekspertsystemer

Å bruke ekspertsystemer i stedet for menneskelige eksperter har flere fordeler:

Nøyaktighet: Ekspertsystemer er immune mot emosjonell eller menneskelig unøyaktighet. De baserer valgene sine på fakta og regler.
Permanente: Når menneskelige spesialister forlater sine stillinger, kan den tekniske informasjonen følge med. Kunnskapsbaserte systemer tilbyr et evigvarende reservoar av informasjon og kunnskap.
Logisk deduksjon: Ekspertsystemer bruker en rekke prinsipper, for eksempel hvis-så-regler, for å utlede konklusjoner fra allerede kjente data.
Kostnadskontroll: Sammenlignet med kostnadene ved å ansette menneskelige spesialister er ekspertsystemer relativt billige. De kan bidra til å gjøre vurderinger raskere og rimeligere.
Flere eksperter: Kunnskapsbasen i et ekspertsystem suppleres av flere eksperter. Dette gir mer informasjon å trekke på og hindrer at én ekspert påvirker beslutningsprosessen.

Bruk av ekspertsystemer

Ekspertsystemer har en rekke bruksområder innen design og produksjon av håndgripelige gjenstander, blant annet design og produksjon av biler og kameralinser.
Disse systemene brukes vanligvis i kunnskapsdomenet for å formidle relevant informasjon til brukerne. Skatterådgivere og rådgivere er to standard ekspertsystemer som brukes til dette formålet.
Det brukes i finanssektoren for å identifisere eventuell svindel og mistenkelig atferd.
Ekspertsystemer innen kunstig intelligens brukes til evaluering og reparasjon av utstyr. Ekspertsystemer brukes i medisinsk diagnostikk og var den første anvendelsen av slike systemer.

Konvensjonelle systemer vs. ekspertsystemer

Den avgjørende forskjellen mellom ekspertsystemer og konvensjonell programvare for problemløsning er metoden som brukes til å kode den problemrelaterte ekspertisen. I tradisjonelle applikasjoner brukes både datastrukturer og programmer til å kode problemrelatert ekspertise. I ekspertmetoden representeres all problemrelatert ekspertise kun i datastrukturer, ikke i programmer.

Konvensjonelle systemer er ikke i stand til å forklare en spesifikk løsning på et problem. Disse systemene tar sikte på å gi enkle løsninger. Ekspertsystemer kan imidlertid begrunne hvorfor en bestemt informasjon er nødvendig i en prosess, og hvordan et bestemt resultat ble oppnådd.

Et ekspertsystem utfører vanligvis sine slutninger ved hjelp av symbolske beregninger ved hjelp av symboler for kunnskap, for eksempel regler, ulike former for nettverk, rammer, skript osv. Disse begrepene kan imidlertid ikke uttrykkes med tradisjonelle systemer. De forenkler problemene og kan ikke formulere «hvordan og hvorfor»-spørsmålene.

Menneskelig ekspert vs. ekspertsystem

Det viktigste skillet mellom ekspertsystemer innen kunstig intelligens og menneskelige eksperter er at ekspertsystemer behandler kunnskap representert i form av regler og bruker representasjonelle resonnementer på et begrenset område, mens menneskelige eksperter bruker kunnskap i form av heuristikker og tommelfingerregler for å løse problemer på et begrenset område.

Ekspertsystemer er alltid tilgjengelige, i motsetning til menneskelige eksperter, som bare er tilgjengelige på bestemte tider av døgnet. Ekspertsystemer håndterer ethvert problem på kort tid, mens menneskelige eksperter kan ta seg god tid.

Konklusjonen er at ekspertsystemer er interaktive og pålitelige når det gjelder å løse kompliserte problemer. De brukes i programmer for menneskelige ressurser, medisin og andre formål. Forbedret beslutningskvalitet, kostnadsbesparelser, konsistens, hurtighet og pålitelighet er noen av de viktigste fordelene med ekspertsystemer innen kunstig intelligens.