Expert System In è un termine che sta facendo il giro del mondo della tecnologia e per tutte le buone ragioni. In questo articolo esploreremo questo argomento in dettaglio.
I seguenti suggerimenti saranno trattati in questo articolo,
- Cos'è l'intelligenza artificiale?
- Sistema esperto in intelligenza artificiale
- Domini in cui vengono utilizzati i sistemi esperti
- Principali aree di applicazione
- Tre fasi della progettazione di ES
- Pro Contro e limitazioni
Quindi iniziamo con questo articolo,
Cos'è l'intelligenza artificiale?
Ebbene, normalmente il nome Intelligenza Artificiale suggerisce l'intelligenza di una macchina che è artificiale. L'intelligenza posseduta dall'uomo è nota come intelligenza umana, così come l'intelligenza dimostrata da una macchina è nota come Intelligenza Artificiale. In informatica. Intelligenza artificiale (AI), a volte chiamata intelligenza artificiale. Il campo di ricerca dell'Intelligenza Artificiale è nato in un seminario al Dartmouth College nel 1956.
Applicazioni dell'intelligenza artificiale nel mondo reale:
I chatbot come SIRI, CORTANA che hanno guadagnato così tanta popolarità al giorno d'oggi. Altri esempi come EVA (Electronic Virtual Assistant), un chatbot basato su AI sviluppato dal dipartimento di ricerca AI delle banche HDFC che può raccogliere conoscenze da migliaia di fonti e fornire risposte semplici in meno di 0,4 secondi. Ci sono così tanti esempi di applicazioni AI che troverai in diversi campi della nostra società.
Andando avanti con questo sistema esperto in intelligenza artificiale,
Sistema esperto in intelligenza artificiale
Cos'è un sistema esperto?
I ricercatori della Standford University, Dipartimento di Informatica, hanno introdotto questo dominio dell'IA ed è un importante dominio di ricerca dell'IA. È un'applicazione per computer in grado di risolvere i problemi più complessi di qualsiasi dominio specifico. È considerato al più alto livello di intelligenza umana e competenza in quanto si basa sulla conoscenza acquisita da un esperto. Expert System può anche essere definito come un sistema decisionale basato su computer in grado di risolvere problemi decisionali complessi utilizzando sia i fatti che l'euristica.
Andando avanti con questo sistema esperto in intelligenza artificiale,
Domini in cui vengono utilizzati i sistemi esperti
Expert Systems oggi
L'American Medical Association ha approvato il primo sistema esperto che era il sistema Pathfinder. È stata costruita la Standford University nel 1980, per la diagnosi di ematopatologia. Questo sistema esperto di teoria delle decisioni in breve Pathfinder, può diagnosticare le malattie dei linfonodi. Alla fine si occupa di oltre 60 malattie e può riconoscere oltre 100 sintomi.
Sistema esperto nel mondo degli affari
ROSS ha sviluppato di recente un sistema esperto ROSS, l'avvocato AI, ROSS è un sistema di autoapprendimento che utilizza data mining, riconoscimento di pattern, deep learning e elaborazione del linguaggio naturale per imitare il modo in cui funziona il cervello umano.
Andando avanti con questo sistema esperto in intelligenza artificiale,
Principali aree di applicazione
- Interpretazione: trarre conclusioni di alto livello basate sui dati.
- Previsione - proiezione di risultati probabili.
- Diagnosi: determinazione della causa di malfunzionamenti, malattie, ecc.
- Design -esseretrovare la migliore configurazione in base a criteri.
- Pianificazione: proporre una serie di azioni per raggiungere un obiettivo.
- Monitoraggio: confronto del comportamento osservato con il comportamento previsto.
- Debug e riparazione: prescrizione e implementazione di rimedi.
- Istruzione - assistere gli studenti nell'apprendimento.
- Controllo: governare il comportamento di un sistema.
Scopo del sistema esperto
Lo scopo principale di un sistema esperto è acquisire la conoscenza di esperti umani e replicare quella conoscenza e abilità di esperto umano in una particolare area. Quindi il sistema utilizzerà quelle conoscenze e abilità per risolvere problemi complessi di quella particolare area senza la partecipazione di esperti umani.
Caratteristiche dei sistemi esperti
- Alte prestazioni
- Comprensibile
- Affidabile
- Altamente reattivo
Componenti principali di un sistema basato su regole o esperto
I componenti principali sono:
- Base di conoscenza
- Memoria di lavoro
- Motore di inferenza
- Sistema di spiegazione
- Interfaccia utente
- Editor della base di conoscenza
Andando avanti con questo sistema esperto in intelligenza artificiale,
Tre fasi della progettazione di ES
Acquisizione della conoscenza:
Il processo per ottenere conoscenze da esperti intervistando o osservando esperti umani, leggendo libri specifici, ecc.
sottostringa negli esempi di server sql
Base di conoscenza:
La knowledge base è un contenitore di conoscenza di alta qualità. Le abilità si sviluppano attraverso la pratica e l'intelligenza deriva dalla conoscenza senza conoscenza che non si può provare o non si può mostrare la propria intelligenza, quindi la conoscenza è molto importante per sviluppare abilità ed esibire intelligenza. Allo stesso modo, allo stesso modo è necessaria la conoscenza perché anche la macchina mostri la sua intelligenza. L'accuratezza della previsione e anche le prestazioni del sistema dipendono in gran parte dalla raccolta di conoscenze perfette, accurate e precise.
Cos'è la conoscenza?
La conoscenza è dati o informazioni. Per noi esseri umani leggendo articoli e leggendo libri o da diverse risorse abbiamo usato per raccogliere conoscenza se possiamo vedere il processo di acquisizione e arricchimento della conoscenza minuziosamente, scopriremo che leggendo libri o leggendo articoli o da qualsiasi risorsa che siamo recuperare ed estrarre dati e informazioni da diverse fonti che abbiamo poi utilizzato per memorizzare nel nostro cervello. Quindi la conoscenza è dati, la conoscenza è informazione. La conoscenza è anche raccolta di fatti.
Dati, informazioni ed esperienza passata combinati insieme sono definiti come conoscenza.
Rappresentazione della conoscenza:
La rappresentazione della conoscenza è il metodo per selezionare le strutture più appropriate per rappresentare la conoscenza. È il metodo per organizzare e formalizzare la conoscenza nella knowledge base. È fatto sotto forma di regole IF-THEN-ELSE.
Convalida della conoscenza:
Testare la conoscenza di ES è corretto e completo.L'intero processo è chiamato ingegneria della conoscenza.
Motore di inferenza:
In caso di ES basato sulla conoscenza, il motore di inferenza acquisisce e manipola la conoscenza dalla base di conoscenza per arrivare a una particolare soluzione.
In caso di ES basato su regole,
- Applica le regole ripetutamente ai fatti, che sono ottenute dalla precedente applicazione della regola.
- Se necessario, aggiunge nuove conoscenze alla knowledge base.
- Risolve i conflitti di regole quando più regole sono applicabili a un caso particolare.
Inference Engine utilizza le seguenti strategie e meno
- Concatenamento in avanti
- Concatenamento all'indietro
Concatenamento in avanti
In Forward Chaining, il motore di inferenza fornisce il risultato seguendo la catena di condizioni e derivazioni. Qualunque sia la conoscenza che viene alimentata nel sistema, essa passa attraverso tutte quelle conoscenze e fatti e li ordina prima di concludere una soluzione. Con il metodo del concatenamento in avanti, il sistema esperto cerca di rispondere: 'Cosa può succedere dopo?'
Applicazione del concatenamento a termine: previsione dei prezzi delle abitazioni, previsione delle azioni, previsione del mercato azionario ecc.
Concatenamento all'indietro
Quando è accaduto qualcosa in un particolare dominio, il motore di inferenza cerca di scoprire quale condizione potrebbe essersi verificata in passato per questo risultato. Con il metodo del concatenamento all'indietro, il sistema esperto cerca di rispondere: 'Perché è successo?'. Con il metodo del concatenamento all'indietro, il motore di inferenza cerca di scoprire la causa o il motivo.
Ad esempio: diagnosi di cancro del sangue negli esseri umani.
Pro Contro e limitazioni
Vantaggi di Expert System
- Conserva enormi quantità di informazioni
- Riduci al minimo i costi di formazione dei dipendenti
- Centralizza il processo decisionale
- Rendi le cose più efficienti riducendo il tempo necessario per risolvere i problemi
- Combina varie intelligenze umane esperte
- Riduci il numero di errori umani
- Fornire vantaggi strategici e comparativi che possono creare problemi ai concorrenti
- Esamina le transazioni a cui gli esperti umani potrebbero non pensare
- Fornire risposte per decisioni, processi e attività ripetitive
Svantaggi del sistema esperto:
tutorial su sql server per principianti
- Mancanza di risposte creative di cui sono capaci gli esperti umani
- Non in grado di spiegare la logica e il ragionamento alla base di una decisione
- Non è facile automatizzare processi complessi
- Non c'è flessibilità e capacità di adattarsi ai mutevoli ambienti
- Non in grado di riconoscere quando non c'è risposta
- Nessun buon senso usato nel prendere decisioni
Limitazioni:
- Non riesce a dare risposte creative in quanto è una macchina.
- Se i dati forniti nella knowledge base non sono accurati o corretti, verranno fornite previsioni errate e risultati errati.
- Il costo di manutenzione del sistema esperto è elevato.
- Quando emergono problemi diversi, l'esperto umano può fornire diverse soluzioni e risposte creative, ma il sistema esperto non riesce a fornire risposte creative.
Questo ci porta alla fine di questo articolo su Expert Systems In Artificial Intelligence.
Se desideri iscriverti a un corso completo su Intelligenza Artificiale e Machine Learning, Edureka ha un che ti renderà esperto in tecniche come l'apprendimento supervisionato, l'apprendimento non supervisionato e l'elaborazione del linguaggio naturale. Include la formazione sugli ultimi progressi e approcci tecnici in Intelligenza Artificiale e Machine Learning come Deep Learning, Modelli grafici e Reinforcement Learning.