エキスパートシステム テクノロジーの世界を巡回している用語であり、すべての正当な理由があります。この記事では、このトピックについて詳しく説明します。
この記事では、次のポイントについて説明します。
人工知能とは何ですか?
さて、通常、人工知能という名前は、人工的な機械の知能を示唆しています。人間が持つ知性は人間の知性として知られています。同じように、機械によって示される知性は人工知能として知られています。コンピュータサイエンス。人工知能(AI)。マシンインテリジェンスと呼ばれることもあります。人工知能の研究分野は、1956年にダートマス大学のワークショップで生まれました。
実世界での人工知能の応用:
SIRI、CORTANAのようなチャットボットは、最近非常に人気があります。他の例としては、HDFC銀行のAI研究部門によって開発されたAIベースのチャットボットであるEVA(Electronic Virtual Assistant)があり、数千のソースから知識を収集し、0.4秒未満で簡単な回答を提供できます。私たちの社会のさまざまな分野で見られるAIアプリケーションの例はたくさんあります。
人工知能のこのエキスパートシステムを進めて、
人工知能のエキスパートシステム
エキスパートシステムとは何ですか?
スタンドフォード大学のコンピューターサイエンス学部の研究者は、このAIのドメインを導入しており、AIの著名な研究ドメインです。これは、特定のドメインの最も複雑な問題を解決できるコンピューターアプリケーションです。それは専門家から得た知識に基づいているので、それは人間の知性と専門知識の最高レベルで考えられています。エキスパートシステムは、事実とヒューリスティックの両方を使用して複雑な意思決定の問題を解決できるコンピュータベースの意思決定システムとして定義することもできます。
人工知能のこのエキスパートシステムを進めて、
エキスパートシステムが使用されているドメイン
今日のエキスパートシステム
米国医師会は、パスファインダーシステムである最初のエキスパートシステムを承認しました。血液病理診断のために、1980年にスタンフォード大学に建設されました。短いパスファインダーのこの決定理論エキスパートシステムは、リンパ節疾患を診断することができます。最終的には60以上の病気を扱い、100以上の症状を認識することができます。
ビジネスのエキスパートシステム
最近開発されたエキスパートシステムROSS、AI弁護士、ROSSは、データマイニング、パターン認識、深層学習、自然言語処理を使用して人間の脳の働きを模倣する自己学習システムです。
人工知能のこのエキスパートシステムを進めて、
主な適用分野
- 解釈–データに基づいて高レベルの結論を導き出します。
- 予測–予想される結果の予測。
- 診断–誤動作、病気などの原因を特定します。
- 設計 -あります基準に基づいて最適な構成を見つける。
- 計画–目標を達成するための一連のアクションを提案します。
- 監視–観察された行動を期待される行動と比較します。
- デバッグと修復–救済策の処方と実装。
- 指導–生徒の学習を支援します。
- 制御–システムの動作を管理します。
エキスパートシステムの目的
エキスパートシステムの主な目的は、人間の専門家の知識を獲得し、特定の分野で人間の専門家の知識とスキルを複製することです。次に、システムはその知識とスキルを使用して、人間の専門家の参加なしにその特定の領域の複雑な問題を解決します。
エキスパートシステムの特徴
- ハイパフォーマンス
- 理解できる
- 信頼性のある
- 応答性が高い
ルールベースまたはエキスパートシステムの主要コンポーネント
主なコンポーネントは次のとおりです。
- 知識ベース
- ワーキングメモリー
- 推論エンジン
- 説明システム
- ユーザーインターフェース
- ナレッジベースエディタ
人工知能のこのエキスパートシステムを進めて、
ES設計の3つの段階
知識の獲得:
インタビューや人間の専門家の観察、特定の本の閲覧などによって専門家から知識を得るプロセス。
知識ベース:
知識ベースは、高品質の知識のコンテナです。スキルは実践を通じて発達し、知性は知識がなければ証明できない、または知性を示すことができない知識から生まれます。したがって、知識はスキルを発達させ、知性を発揮するために非常に重要です。同様に、機械がその知性を発揮するためにも知識が必要です。予測の精度とシステムのパフォーマンスは、完全で正確かつ正確な知識の収集に大きく依存しています。
さて、知識とは何ですか?
知識はデータまたは情報です。私たち人間にとって、記事を読んだり、本を読んだり、知識を収集するために使用したさまざまなリソースから、知識を細かく取得して充実させるプロセスを見ることができれば、本を読んだり、記事を読んだり、私たちがいるあらゆるリソースからそれを見つけることができますさまざまなソースからデータと情報をフェッチして抽出し、それを使用して脳に保存しました。つまり、知識はデータであり、知識は情報です。知識は事実の集まりでもあります。
データ、情報、過去の経験を組み合わせたものを知識と呼びます。
知識表現:
Javaで関係があります
知識表現は、知識を表現するために最も適切な構造を選択する方法です。これは、知識ベースで知識を編成および形式化する方法です。これは、IF-THEN-ELSEルールの形式で実行されます。
知識の検証:
ESの知識のテストは正しく完全です。このプロセス全体は知識工学と呼ばれます。
推論エンジン:
知識ベースのESの場合、推論エンジンは知識ベースから知識を取得して操作し、特定のソリューションに到達します。
ルールベースのESの場合、
- 以前のルール適用から取得したファクトにルールを繰り返し適用します。
- 必要に応じて、知識ベースに新しい知識を追加します。
- 複数のルールが特定のケースに適用できる場合に、ルールの競合を解決します。
推論エンジンは次の戦略を使用します&マイナス
- 前向き連鎖
- 後向き連鎖
前向き連鎖
前向き連鎖では、推論エンジンは条件と派生の連鎖をたどることによって結果を出します。知識がシステムに供給されるものは何でも、それはそれらすべての知識と事実を調べ、解決策を結論付ける前にそれらを分類します。前向き連鎖法により、エキスパートシステムは「次に何が起こり得るか」と答えようとします。
前向き連鎖の適用:住宅価格予測、株式予測、株式市場の予測など。
後向き連鎖
特定のドメインで何かが発生した場合、推論エンジンは、この結果に対して過去に発生した可能性のある状態を見つけようとします。エキスパートシステムは、後向き連鎖法により、「なぜこれが起こったのか」と答えようとします。後向き連鎖法により、推論エンジンは原因または理由を見つけようとします。
例:ヒトの血液がんの診断。
長所短所と制限
エキスパートシステムの利点
- 膨大な量の情報を保持する
- 従業員のトレーニングコストを最小限に抑える
- 意思決定プロセスを一元化する
- 問題の解決に必要な時間を短縮して、物事をより効率的にします
- さまざまな人間の専門家の知性を組み合わせる
- ヒューマンエラーの数を減らす
- 競合他社に問題を引き起こす可能性のある戦略的および比較優位を提供する
- 人間の専門家が考えていないかもしれない取引に目を向ける
- 反復的な意思決定、プロセス、およびタスクに対する回答を提供する
エキスパートシステムのデメリット:
- 人間の専門家ができる創造的な反応の欠如
- 決定の背後にある論理と推論を説明することができません
- 複雑なプロセスを自動化するのは簡単ではありません
- 変化する環境に適応する柔軟性と能力はありません
- 答えがないときに認識できない
- 意思決定に使用される常識はありません
制限:
- 機械なのでクリエイティブな反応はできません。
- ナレッジベースに入力されたデータが正確または正しくない場合、誤った予測と誤った結果が得られます。
- エキスパートシステムの維持費は高い。
- さまざまな問題が発生すると、人間の専門家はさまざまな解決策と創造的な応答を与えることができますが、エキスパートシステムは創造的な応答を与えることができません。
これで、人工知能のエキスパートシステムに関するこの記事は終わりです。
人工知能と機械学習の完全なコースに登録したい場合は、Edurekaが特別にキュレーションします これにより、教師あり学習、教師なし学習、自然言語処理などのテクニックに習熟できます。これには、ディープラーニング、グラフィカルモデル、強化学習など、人工知能と機械学習の最新の進歩と技術的アプローチに関するトレーニングが含まれます。