Како применити стручни систем у вештачкој интелигенцији?

Стручни систем у је појам који заобилази технолошки свет из свих добрих разлога. У овом чланку ћемо детаљно истражити ову тему.

Следећи смерници ће бити обрађени у овом чланку,

• Шта је вештачка интелигенција?
• Експертски систем у вештачкој интелигенцији
• Домене у којима се користе експертски системи
• Главна подручја примене
• Три фазе пројектовања ЕС
• Прос контра и ограничења

Па кренимо са овим чланком,

Шта је вештачка интелигенција?

Па, назив Вештачка интелигенција обично сугерише Интелигенцију машине која је вештачка. Интелигенција коју поседује човек позната је као људска интелигенција, као што је на исти начин на који је интелигенција коју демонстрира машина позната као вештачка интелигенција. У рачунарству. Вештачка интелигенција (АИ), која се понекад назива и машинска интелигенција. Подручје истраживања вештачке интелигенције рођено је у радионици на колеџу Дартмоутх 1956. године.

Примене вештачке интелигенције у стварном свету:

Цхатботови попут СИРИ, ЦОРТАНА који су у данашње време стекли толико популарности. Други примери као што је ЕВА (Елецтрониц Виртуал Ассистант), цхатбот заснован на АИ, који је развио Одељење за истраживање интелигенције у ХДФЦ банкама, а који може прикупити знање из хиљада извора и пружити једноставне одговоре за мање од 0,4 секунде. Постоји толико примера примена АИ које ћете наћи у различитим областима нашег друштва.

Настављајући са овим експертским системом у вештачкој интелигенцији,

Експертски систем у вештачкој интелигенцији

Шта је стручни систем?

како инсталирати цхеф сервер

Истраживачи Универзитета Стандфорд, Одељење за рачунарске науке представили су овај домен АИ и он је истакнути домен истраживања АИ. То је рачунарска апликација која може решити најсложеније проблеме било ког одређеног домена. Сматра се највишим нивоом људске интелигенције и стручности, јер се заснива на знању стеченом од стручњака. Експертни систем се такође може дефинисати као рачунарски заснован систем доношења одлука који може решити сложене проблеме одлучивања користећи чињенице и хеуристику.

Настављајући са овим експертским системом у вештачкој интелигенцији,

Домене у којима се користе експертски системи

Експертски системи данас

Америчко лекарско удружење одобрило је први систем стручњака који је био Патхфиндер систем. Изграђен је Универзитет Стандфорд 1980. године за дијагнозу хематопатологије. Овај теоретски стручни систем за теорије одлука, укратко Патхфиндер, може дијагностиковати болести лимфних чворова. На крају се бави преко 60 болести и може препознати преко 100 симптома.

Стручни систем у пословању

Недавно развијени стручни систем РОСС, адвокат за интелектуалну интелигенцију, РОСС је систем за самоучење који користи рударење подацима, препознавање образаца, дубоко учење и обраду природног језика да би опонашао начин на који људски мозак ради.

Настављајући са овим експертским системом у вештачкој интелигенцији,

Главна подручја примене

• Тумачење - доношење закључака на високом нивоу на основу података.
• Предвиђање - пројектовање вероватних исхода.
• Дијагноза - утврђивање узрока кварова, болести итд.
• Дизајн -битиндинг најбоља конфигурација на основу критеријума.
• Планирање - предлагање низа акција за постизање циља.
• Мониторинг - упоређивање уоченог понашања са очекиваним понашањем.
• Отклањање грешака и поправке - прописивање и примена правних лекова.
• Упутство - помоћ ученицима у учењу.
• Контрола - управљање понашањем система.

Сврха експертског система

Главна сврха експертског система је стицање знања људских стручњака и реплицирање тог знања и вештина људског стручњака у одређеној области. Тада ће систем користити то знање и вештине за решавање сложених проблема из те области без учешћа људских стручњака.

Карактеристике експертних система

• Високих перформанси
• Разумљиво
• Поуздан
• Изузетно одговара

Главне компоненте система заснованог на правилима или експерта

Главне компоненте су:

• База знања
• Ради меморија
• Машина закључивања
• Систем објашњења
• Кориснички интерфејс
• Уређивач базе знања

Настављајући са овим експертским системом у вештачкој интелигенцији,

Три фазе пројектовања ЕС

Стицање знања:

Процес добијања знања од стручњака интервјуисањем или посматрањем људских стручњака, читањем одређених књига итд.

База знања:

База знања је контејнер висококвалитетног знања. Вештине се развијају вежбом, а интелигенција долази из знања без знања које човек не може доказати или не може показати своју интелигенцију, па је знање веома важно за развијање вештине и показивање интелигенције. Као, на исти начин је потребно знање да би машина такође показала своју интелигенцију. Тачност предвиђања, као и перформансе система, у великој мери зависе од прикупљања савршених, тачних и прецизних знања.

Шта је сад знање?

Знање је податак или информација. За нас људе читајући чланке и читајући књиге или из различитих извора користили смо се за прикупљање знања ако можемо да видимо процес стицања и обогаћивања знања на минуту, тада ћемо сазнати да читањем књига, читањем чланака или из било којих извора дохватајући и вадећи податке и информације из различитих извора које смо тада користили за чување у нашем мозгу. Дакле, знање је податак, знање је информација. Знање је такође прикупљање чињеница.

Подаци, информације и прошла искуства у комбинацији заједно називају се знањем.

Заступљеност знања:

Представљање знања је метода избора најприкладнијих структура за представљање знања. То је метода организовања и формализације знања у бази знања. Ради се у облику ИФ-ТХЕН-ЕЛСЕ правила.

Провера знања:

Тестирање знања ЕС је тачно и потпуно.Читав овај процес назива се инжењеринг знања.

Инференце Енгине:

У случају ЕС заснованог на знању, Инференце Енгине стиче и манипулише знањем из базе знања да би дошао до одређеног решења.

програм серије фибонацци у јави

У случају ЕС заснованог на правилима,

• Више пута примењује правила на чињенице које су добијене из раније примјене правила.
• То је додавање новог знања у базу знања ако је потребно.
• Решава сукоб правила када се за одређени случај примењује више правила.

Инференце Енгине користи следеће стратегије & минус

• Напредни ланац
• Бацквард Цхаининг

Напредни ланац

У ланцу унапред, механизам закључивања даје исход пратећи ланац услова и извода. Шта год да се знање напаја у систему, оно пролази кроз сва та знања и чињенице и сортира их пре закључења решења. Методом ланца унапред стручни систем покушава да одговори: „Шта се може даље догодити?“

Примена терминског ланца: предвиђање цена кућа, предвиђање акција, предвиђање тржишта акција итд.

Бацквард Цхаининг

Када се нешто догодило у одређеном домену, механизам за закључивање покушава да сазна које је стање могло да се догоди у прошлости за овај резултат. Методом ланчаног ланца експертски систем покушава да одговори: „Зашто се то догодило?“. Методом ланчаног ланчаног закључивања механизам покушава да открије узрок или разлог.

На пример: дијагноза рака крви код људи.

Прос контра и ограничења

Предности експертског система

1. Поседујте огромне количине информација
2. Минимизирајте трошкове обуке запослених
3. Централизовати процес доношења одлука
4. Учините ствари ефикаснијим смањивањем времена потребног за решавање проблема
5. Комбинујте разне људске стручне интелигенције
6. Смањите број људских грешака
7. Обезбедити стратешке и упоредне предности које могу створити проблеме конкурентима
8. Прегледајте трансакције којих се људски стручњаци можда неће сјетити
9. Пружите одговоре на одлуке, процесе и задатке који се понављају

Мане експертског система:

1. Недостатак креативних одговора за које су способни људски стручњаци
2. Није способан да објасни логику и образложење одлуке
3. Није лако аутоматизовати сложене процесе
4. Не постоји флексибилност и способност прилагођавања променљивим окружењима
5. Није у стању да препозна када нема одговора
6. Нема здравог разума који се користи при доношењу одлука

Ограничења:

• Не успијева дати креативне одговоре јер је машина.
• Ако подаци који су унесени у базу знања нису тачни или тачни, даће погрешна предвиђања и погрешне резултате.
• Трошкови одржавања експертског система су високи.
• Када се појаве различити проблеми, стручњак може дати различита решења и креативне одговоре, али стручни систем не даје креативне одговоре.

Ово нас доводи до краја овог чланка о Експертним системима у вештачкој интелигенцији.

Ако желите да се упишете на комплетан курс о вештачкој интелигенцији и машинском учењу, Едурека има посебно курираног то ће вас оспособити за технике попут учења под надзором, учења без надзора и обраде природног језика. Обухвата обуку о најновијим достигнућима и техничким приступима у вештачкој интелигенцији и машинском учењу као што су дубоко учење, графички модели и учење ојачања.