Expert Systems là một chương trình máy tính được thiết kế để giải quyết các vấn đề phức tạp và cung cấp khả năng ra quyết định giống như một chuyên gia về con người. Nó thực hiện điều này bằng cách trích xuất kiến thức từ cơ sở tri thức của nó bằng cách sử dụng các quy tắc suy luận và suy luận theo các truy vấn của người dùng.
Expert Systems là một phần của AI và ES đầu tiên được phát triển vào năm 1970, đây là cách tiếp cận thành công đầu tiên của trí tuệ nhân tạo. Nó giải quyết vấn đề phức tạp nhất với tư cách là một chuyên gia bằng cách trích xuất kiến thức được lưu trữ trong cơ sở tri thức của nó. Hệ thống giúp đưa ra quyết định cho các vấn đề về giới tính bằng cách sử dụng cả dữ kiện và phương pháp phỏng đoán giống như một chuyên gia về con người. Nó được gọi như vậy vì nó chứa kiến thức chuyên môn của một miền cụ thể và có thể giải quyết bất kỳ vấn đề phức tạp nào của miền cụ thể đó. Các hệ thống này được thiết kế cho một lĩnh vực cụ thể, chẳng hạn như y học, khoa học, v.v.
Các bài viết liên quan:
Hiệu suất của Expert Systems dựa trên kiến thức của chuyên gia được lưu trữ trong cơ sở kiến thức của nó. Càng nhiều kiến thức được lưu trữ trong KB, hệ thống đó càng cải thiện hiệu suất của nó. Một trong những ví dụ phổ biến của ES là gợi ý về lỗi chính tả khi nhập vào hộp tìm kiếm của Google.
Dưới đây là sơ đồ khối thể hiện hoạt động của một Expert Systems:
Lưu ý: Điều quan trọng cần nhớ là Expert Systems không được sử dụng để thay thế các chuyên gia con người; thay vào đó, nó được sử dụng để hỗ trợ con người đưa ra một quyết định phức tạp. Những hệ thống này không có khả năng tư duy và làm việc của con người dựa trên nền tảng kiến thức của lĩnh vực cụ thể.
Dưới đây là một số ví dụ phổ biến về Expert Systems:
DENDRAL: Đó là một dự án trí tuệ nhân tạo được thực hiện như một Expert Systems phân tích hóa học. Nó được sử dụng trong hóa học hữu cơ để phát hiện các phân tử hữu cơ chưa biết với sự trợ giúp của khối phổ và cơ sở kiến thức hóa học của chúng.
MYCIN: Đây là một trong những Expert Systems xâu chuỗi lạc hậu sớm nhất được thiết kế để tìm vi khuẩn gây ra các bệnh nhiễm trùng như vi khuẩn huyết và viêm màng não. Nó cũng được sử dụng để đề xuất kháng sinh và chẩn đoán các bệnh về đông máu.
PXDES: Đây là một Expert Systems được sử dụng để xác định loại và mức độ ung thư phổi. Để xác định bệnh, cần chụp ảnh từ phần trên cơ thể, trông giống như cái bóng. Bóng này xác định loại và mức độ nguy hại.
CaDeT: Expert Systems CaDet là hệ thống hỗ trợ chẩn đoán có thể phát hiện ung thư ở giai đoạn đầu.
Đặc điểm của Expert Systems
- Hiệu suất cao: Expert Systems cung cấp hiệu suất cao để giải quyết bất kỳ loại vấn đề phức tạp nào của một lĩnh vực cụ thể với hiệu quả và độ chính xác cao.
- Dễ hiểu: Nó phản hồi theo cách mà người dùng có thể dễ hiểu. Nó có thể nhận đầu vào bằng ngôn ngữ của con người và cung cấp đầu ra theo cách tương tự.
- Đáng tin cậy: Nó rất đáng tin cậy để tạo ra một đầu ra hiệu quả và chính xác.
- Đáp ứng cao: ES cung cấp kết quả cho bất kỳ truy vấn phức tạp nào trong một khoảng thời gian rất ngắn.
Các thành phần của Expert Systems
Một Expert Systems chủ yếu bao gồm ba thành phần:
- User Interface
- Inference Engine
- Knowledge Base
User Interface
Với sự trợ giúp của giao diện người dùng, Expert Systems tương tác với người dùng, nhận các truy vấn làm đầu vào ở định dạng có thể đọc được và chuyển nó đến công cụ suy luận. Sau khi nhận được phản hồi từ công cụ suy luận, nó sẽ hiển thị kết quả đầu ra cho người dùng. Nói cách khác, nó là một giao diện giúp người dùng không phải chuyên gia giao tiếp với Expert Systems để tìm ra giải pháp.
Inference Engine
Công cụ suy luận được biết đến như bộ não của Expert Systems vì nó là đơn vị xử lý chính của hệ thống. Nó áp dụng các quy tắc suy luận vào cơ sở tri thức để đưa ra kết luận hoặc suy ra thông tin mới. Nó giúp tạo ra một giải pháp không có lỗi cho các truy vấn do người dùng yêu cầu.
Với sự trợ giúp của công cụ suy luận, hệ thống trích xuất kiến thức từ cơ sở kiến thức.
Có hai loại công cụ suy luận:
Công cụ suy luận xác định: Các kết luận rút ra từ loại công cụ suy luận này được giả định là đúng. Nó dựa trên sự kiện và quy tắc.
Công cụ suy luận xác suất: Loại công cụ suy luận này chứa đựng sự không chắc chắn trong các kết luận và dựa trên xác suất.
Công cụ suy luận sử dụng các chế độ dưới đây để tìm ra các giải pháp:
Forward Chainning: Nó bắt đầu từ các sự kiện và quy tắc đã biết, và áp dụng các quy tắc suy luận để thêm kết luận của chúng vào các sự kiện đã biết.
Backward Chaining: Là một phương pháp lập luận lạc hậu bắt đầu từ mục tiêu và hoạt động ngược lại để chứng minh các sự kiện đã biết.
Knowledge Base
Cơ sở kiến thức là một loại lưu trữ lưu trữ kiến thức thu được từ các chuyên gia khác nhau của miền cụ thể. Nó được coi là kho kiến thức lớn. Nền tảng kiến thức càng nhiều, càng chính xác sẽ là Expert Systems.
Nó tương tự như một cơ sở dữ liệu chứa thông tin và quy tắc của một miền hoặc chủ đề cụ thể.
Người ta cũng có thể xem những điều cần biết
cơ sở gờ dưới dạng tập hợp các đối tượng và thuộc tính của chúng. Chẳng hạn như Sư tử là một đồ vật và các thuộc tính của nó là nó là động vật có vú, nó không phải là động vật nuôi, v.v.
Các thành phần của Cơ sở Kiến thức
Factual Knowledge: Kiến thức dựa trên sự kiện và được các kỹ sư kiến thức chấp nhận là kiến thức thực tế.
Heuristic Knowledge: Kiến thức này dựa trên thực hành, khả năng suy đoán, đánh giá và kinh nghiệm.
Knowledge Representation: Nó được sử dụng để chính thức hóa tri thức được lưu trữ trong cơ sở tri thức bằng cách sử dụng các quy tắc If-else.
Knowledge Acquisitions: Là quá trình trích xuất, tổ chức và cấu trúc kiến thức miền, chỉ rõ các quy tắc để thu nhận kiến thức từ các chuyên gia khác nhau và lưu trữ kiến thức đó vào cơ sở kiến thức.
Phát triển Expert Systems
Ở đây, chúng tôi sẽ giải thích hoạt động của một Expert Systems bằng cách lấy một ví dụ về MYCIN ES. Dưới đây là một số bước để tạo MYCIN:
Thứ nhất, ES nên được cung cấp bằng kiến thức chuyên môn. Trong trường hợp MYCIN, các chuyên gia về con người chuyên về lĩnh vực y tế về nhiễm vi khuẩn, cung cấp thông tin về nguyên nhân, triệu chứng và các kiến thức khác trong lĩnh vực đó.
KB của MYCIN được cập nhật thành công. Để kiểm tra nó, bác sĩ đưa ra một vấn đề mới cho nó. Vấn đề là xác định sự hiện diện của vi khuẩn bằng cách nhập thông tin chi tiết của bệnh nhân, bao gồm các triệu chứng, tình trạng hiện tại và tiền sử bệnh.
ES sẽ cần bệnh nhân điền vào một bảng câu hỏi để biết thông tin chung về bệnh nhân, chẳng hạn như giới tính, tuổi tác, v.v.
Bây giờ hệ thống đã thu thập tất cả thông tin, vì vậy nó sẽ tìm ra giải pháp cho vấn đề bằng cách áp dụng các quy tắc if-then bằng cách sử dụng công cụ suy luận và sử dụng các dữ kiện được lưu trữ trong KB.
Cuối cùng, nó sẽ cung cấp phản hồi cho bệnh nhân bằng cách sử dụng giao diện người dùng.
Những người tham gia phát triển Expert Systems
Có ba người tham gia chính trong việc xây dựng Expert Systems:
Expert: Sự thành công của một ES phụ thuộc nhiều vào kiến thức được cung cấp bởi các chuyên gia về con người. Các chuyên gia này là những người chuyên về lĩnh vực cụ thể đó.
Knowledge Engineer: Kỹ sư tri thức là người tập hợp kiến thức từ các chuyên gia lĩnh vực và sau đó hệ thống hóa kiến thức đó thành hệ thống theo chính thể.
End-User: Đây là một người cụ thể hoặc một nhóm người có thể không phải là chuyên gia và làm việc trên Expert Systems cần giải pháp hoặc lời khuyên cho các truy vấn phức tạp của họ.
Tại sao Expert Systems?
Trước khi sử dụng bất kỳ công nghệ nào, chúng ta phải có ý tưởng về lý do tại sao sử dụng công nghệ đó và do đó, ES cũng vậy. Mặc dù chúng ta có các chuyên gia về con người trong mọi lĩnh vực, vậy thì cần gì để phát triển một hệ thống dựa trên máy tính. Vì vậy, dưới đây là những điểm mô tả nhu cầu của ES:
- Không có bộ nhớ Hạn chế: Nó có thể lưu trữ nhiều dữ liệu theo yêu cầu và có thể ghi nhớ nó tại thời điểm ứng dụng của nó. Nhưng đối với các chuyên gia về con người, có một số hạn chế để ghi nhớ tất cả mọi thứ tại mọi thời điểm.
- Hiệu quả cao: Nếu cơ sở kiến thức được cập nhật với kiến thức chính xác thì nó sẽ mang lại kết quả đầu ra hiệu quả cao, điều mà con người có thể không làm được.
- Chuyên môn trong một lĩnh vực: Có rất nhiều chuyên gia về con người trong mỗi lĩnh vực và họ đều có các kỹ năng khác nhau, kinh nghiệm khác nhau và các kỹ năng khác nhau, vì vậy không dễ dàng để có được kết quả cuối cùng cho truy vấn. Nhưng nếu chúng ta đưa kiến thức thu được từ các chuyên gia con người vào Expert Systems, thì nó sẽ cung cấp một đầu ra hiệu quả bằng cách trộn tất cả các dữ kiện và kiến thức
- Không bị ảnh hưởng bởi cảm xúc: Các hệ thống này không bị ảnh hưởng bởi các cảm xúc của con người như mệt mỏi, tức giận, trầm cảm, lo lắng, vv .. Do đó hiệu suất không đổi.
- Bảo mật cao: Các hệ thống này cung cấp tính bảo mật cao để giải quyết bất kỳ truy vấn nào.
- Xem xét tất cả các dữ kiện: Để trả lời bất kỳ truy vấn nào, nó sẽ kiểm tra và xem xét tất cả các dữ kiện có sẵn và đưa ra kết quả tương ứng. Nhưng có thể một chuyên gia về con người có thể không xem xét một số sự kiện do bất kỳ lý do gì.
- Cập nhật thường xuyên cải thiện hiệu suất: Nếu có vấn đề trong kết quả do Expert Systems cung cấp, chúng tôi có thể cải thiện hiệu suất của hệ thống bằng cách cập nhật cơ sở kiến thức.
Khả năng của Expert Systems
Dưới đây là một số khả năng của Expert Systems:
- Tư vấn: Nó có khả năng tư vấn cho con người về truy vấn của bất kỳ miền nào từ ES cụ thể.
- Cung cấp khả năng ra quyết định: Nó cung cấp khả năng ra quyết định trong bất kỳ lĩnh vực nào, chẳng hạn như đưa ra bất kỳ quyết định tài chính nào, các quyết định trong khoa học y tế, v.v.
- Trình diễn thiết bị: Nó có khả năng trình diễn bất kỳ sản phẩm mới nào như tính năng, thông số kỹ thuật, cách sử dụng sản phẩm đó, v.v.
- Giải quyết vấn đề: Nó có khả năng giải quyết vấn đề.
- Giải thích một vấn đề: Nó cũng có khả năng cung cấp một mô tả chi tiết của một vấn đề đầu vào.
- Thông dịch đầu vào: Nó có khả năng thông dịch đầu vào do người dùng đưa ra.
- Dự đoán kết quả: Nó có thể được sử dụng để dự đoán kết quả.
- Chẩn đoán: Một ES được thiết kế cho lĩnh vực y tế của ông có khả năng chẩn đoán bệnh mà không cần sử dụng nhiều thành phần vì nó đã chứa nhiều công cụ y tế sẵn có.
Ưu điểm của Expert Systems
- Các hệ thống này có khả năng tái tạo cao.
- Chúng có thể được sử dụng cho những nơi rủi ro, nơi không an toàn cho sự hiện diện của con người.
- Khả năng xảy ra lỗi sẽ ít hơn nếu KB chứa kiến thức đúng.
- Hiệu suất của các hệ thống này vẫn ổn định vì nó không bị ảnh hưởng bởi cảm xúc, căng thẳng hoặc mệt mỏi.
- Chúng cung cấp tốc độ rất cao để phản hồi một truy vấn cụ thể.
Hạn chế của Expert Systems
- Phản hồi của Expert Systems có thể sai nếu cơ sở tri thức chứa thông tin sai.
- Giống như một con người, nó không thể tạo ra đầu ra sáng tạo cho các tình huống khác nhau.
- Chi phí bảo trì và phát triển của nó rất cao.
- Việc tiếp thu kiến thức để thiết kế là rất khó.
- Đối với mỗi miền, chúng tôi yêu cầu một ES cụ thể, đây là một trong những hạn chế lớn.
- Nó không thể học hỏi từ chính nó và do đó yêu cầu cập nhật thủ công.
Các ứng dụng của Expert Systems
- Trong lĩnh vực thiết kế và sản xuất
- Nó có thể được sử dụng rộng rãi để thiết kế và sản xuất các thiết bị vật lý như ống kính máy ảnh và ô tô.
- Trong miền tri thức
- Các hệ thống này chủ yếu được sử dụng để xuất bản kiến thức có liên quan cho người dùng. Hai ES phổ biến được sử dụng cho miền này là cố vấn và cố vấn thuế.
- Trong lĩnh vực tài chính
- Trong ngành tài chính, nó được sử dụng để phát hiện bất kỳ hình thức gian lận, hoạt động đáng ngờ nào có thể xảy ra và tư vấn cho các chủ ngân hàng rằng liệu họ có nên cung cấp các khoản vay để kinh doanh hay không.
- Trong chẩn đoán và khắc phục sự cố thiết bị
- Trong chẩn đoán y tế, hệ thống ES được sử dụng, và đó là lĩnh vực đầu tiên mà các hệ thống này được sử dụng.
- Lập kế hoạch và Lập lịch trình
- Expert Systems cũng có thể được sử dụng để lập kế hoạch và lên lịch cho một số nhiệm vụ cụ thể nhằm đạt được mục tiêu của nhiệm vụ đó.
