Vad är expertsystem inom artificiell intelligens

Expertsystem används ofta som alternativ när man letar efter lösningar på komplexa problem som kräver en viss typ av mänsklig kompetens. Ett expertsystem för artificiell intelligens (AI) är ett system för att fatta beslut med hjälp av datorer. Det är avsett för att hantera utmanande frågor. För att göra detta använder det kunskap, logiskt tänkande och efterlevnad av normer. Det är en av de första praktiska tillämpningarna av artificiell intelligens.

Vad är ett expertsystem?

Expertsystem är interaktiva, pålitliga datorbaserade verktyg för beslutsfattande som använder data och heuristik för att hantera svåra beslutsfrågor. Det anses representera höjden av mänsklig kunskap och visdom. Ett expertsystems uppgift är att lösa de svåraste problemen inom ett specifikt område.

Egenskaper hos ett expertsystem

Nedan följer några egenskaper hos ett expertsystem.

• En mänsklig expert kan förändras, men ett expertsystem kan vara för evigt.
• Det underlättar distributionen av mänsklig expertis.
• Expertsystemet kan införliva kunskap från flera mänskliga experter, vilket skulle öka svarens effektivitet.
• Det sänker kostnaden för att söka råd från en specialist inom olika områden, inklusive medicinsk diagnos.
• Istället för att använda standardprocedurkod kan expertsystem hantera komplexa frågor genom att härleda nya fakta från kända fakta, som vanligtvis representeras som om-så-regler.

Komponenter i ett expertsystem

Det finns fem komponenter i ett expertsystem inom artificiell intelligens:

• Kunskapsbas: Kunskapsbasen innehåller fakta och regler i ett expertsystem. Den innehåller normer för problemlösning och formuleringsmetoder som är relevanta för domänen och kunskap inom specifika discipliner.
• Slutsatsmotor: Slutsatsmotorns mest grundläggande uppgift är att samla in relevant information från kunskapsbasen, analysera den och identifiera en lösning på användarens problem. Inferensmotorer har också förmåga att förklara och felsöka.
• Modul för kunskapsinhämtning och inlärning: Med hjälp av denna komponent kan expertsystem samla in mer information från många olika källor. Därefter lagras kunskapen i kunskapsbasen.
• Användargränssnitt: Med hjälp av detta element kan en användare som inte är expert kommunicera med expertsystemet och utveckla lösningar.
• Förklaringsmodul: Denna modul ger användaren en motivering till slutsatsen.

Exempel på expertsystem

Nedan följer några exempel på expertsystem:

• MYCIN: Det kunde känna igen olika bakterier som kan orsaka akuta infektioner och baserades på baklängeskedjor. Dessutom kan det föreslå mediciner baserat på patientens vikt. Det är ett av de bästa exemplen på ett expertsystem.
• DENDRAL: Ett verktyg för förutsägelse av molekylstrukturer för kemisk analys.
• CaDet: Det är ett av de bästa exemplen på ett expertsystem som kan upptäcka cancer i dess tidigaste stadier.
• PXDES: Typ och stadium av lungcancer identifieras med hjälp av expertsystemet PXDES. Det tar ett foto av överkroppen, som liknar skuggan, för att identifiera tillståndet. Denna skugga avgör typ och allvarlighetsgrad.

Fördelar med expertsystem

Att använda expertsystem istället för mänskliga experter har flera fördelar:

• Noggrannhet: Expertsystem är immuna mot känslomässiga eller mänskliga felaktigheter. De baserar sina val på fakta och regler.
• Permanent: När mänskliga specialister lämnar sina positioner kan den tekniska informationen följa med. Kunskapsbaserade system erbjuder en evig reservoar av information och kunskap.
• Logisk slutledning: Expertsystem använder en mängd olika principer, t.ex. om-så-regler, för att dra slutsatser från redan kända data.
• Kostnadskontroll: Jämfört med kostnaden för att anställa mänskliga specialister är expertsystem jämförelsevis billiga. De kan hjälpa till att göra bedömningar snabbare och billigare.
• Flera experter: Kunskapsbasen i ett expertsystem kompletteras med flera experter. Detta ger mer information att dra nytta av och hindrar en expert från att påverka beslutsprocessen.

Användning av expertsystem

• Expertsystem har ett brett användningsområde inom design och tillverkning av materiella objekt, inklusive design och tillverkning av bilar och kameralinser.
• Dessa system används vanligtvis i kunskapsdomänen för att sprida relevant information till användarna. Skatterådgivare och rådgivare är de två standardiserade expertsystem som används för detta ämne.
• De används inom finanssektorn för att identifiera eventuella bedrägerier och misstänkta beteenden.
• Expertsystem för artificiell intelligens används för utvärdering och reparation av utrustning. Expertsystem används för medicinsk diagnostik och var den första tillämpningen av dessa system.

Konventionellt system vs. expertsystem

Den avgörande skillnaden mellan expertsystem och konventionell programvara för problemlösning är den metod som används för att koda den problemrelaterade expertisen. I traditionella tillämpningar används både datastrukturer och program för att koda problemexpertis. I expertmetoden representeras all problemrelaterad expertis enbart i datastrukturer, inte i program.

Konventionella system kan inte förklara en specifik lösning på ett problem. Dessa system syftar till att tillhandahålla enkla lösningar. Expertsystem kan dock motivera varför viss information krävs under en process och hur ett visst resultat uppnåddes.

Vanligtvis utför ett expertsystem sin slutledning genom symboliska beräkningar med hjälp av symboler för kunskap, såsom regler, olika former av nätverk, ramar, skript etc. Dessa termer kan dock inte uttryckas med traditionella system. De förenklar problemen alltför mycket och kan inte formulera frågorna ”hur, varför”.

Mänsklig expert vs. expertsystem

Den viktigaste skillnaden mellan expertsystem inom artificiell intelligens och mänskliga experter är att expertsystem bearbetar kunskap i form av regler och använder representativa resonemang inom ett begränsat område, medan mänskliga experter använder kunskap i form av heuristik eller tumregler för att lösa problem inom ett begränsat område.

Expertsystem är alltid tillgängliga, till skillnad från mänskliga experter, som bara är tillgängliga under vissa timmar på dygnet. Expertsystem hanterar alla problem på kort tid, medan mänskliga experter kan ta god tid på sig.

Sammanfattningsvis är expertsystem interaktiva och pålitliga när det gäller att lösa komplicerade problem. De används i program för mänskliga resurser, medicin och andra ändamål. Förbättrad beslutskvalitet, kostnadsbesparingar, konsekvens, snabbhet och pålitlighet är några av de främsta fördelarna med expertsystem inom artificiell intelligens.