Ekspertni sustav je računalni program koji je dizajniran za rješavanje složenih problema i pružanje mogućnosti donošenja odluka poput ljudskog stručnjaka. To izvodi izvlačenjem znanja iz svoje baze znanja korištenjem pravila zaključivanja i zaključivanja u skladu s upitima korisnika.

Ekspertni sustav je dio AI, a prvi ES razvijen je 1970. godine, što je bio prvi uspješan pristup umjetnoj inteligenciji. Rješava najsloženiji problem kao stručnjak izdvajanjem znanja pohranjenog u svojoj bazi znanja. Sustav pomaže u donošenju odluka za složene probleme korištenja i činjenice i heuristike poput ljudskog stručnjaka . Naziva se tako jer sadrži ekspertno znanje određenog područja i može riješiti bilo koji složeni problem tog određenog područja. Ovi sustavi su dizajnirani za određenu domenu, kao što je medicina, znanost, itd.

Performanse ekspertnog sustava temelje se na ekspertovom znanju pohranjenom u njegovoj bazi znanja. Što je više znanja pohranjeno u KB-u, to više taj sustav poboljšava svoje performanse. Jedan od uobičajenih primjera ES-a je prijedlog pravopisnih pogrešaka tijekom upisivanja u Google okvir za pretraživanje.

Ispod je blok dijagram koji predstavlja rad ekspertnog sustava:

Napomena: Važno je zapamtiti da se ekspertni sustav ne koristi da zamijeni ljudske stručnjake; umjesto toga, koristi se za pomoć čovjeku u donošenju složene odluke. Ovi sustavi nemaju ljudske sposobnosti razmišljanja i rada na temelju baze znanja određene domene.

Ispod su neki popularni primjeri ekspertnog sustava:

DENDRAL:Bio je to projekt umjetne inteligencije koji je napravljen kao ekspertni sustav za kemijsku analizu. Koristio se u organskoj kemiji za otkrivanje nepoznatih organskih molekula uz pomoć njihovih spektra mase i baze znanja iz kemije.MYCIN:Bio je to jedan od najranijih ekspertnih sustava za ulančavanje unatrag koji je dizajniran za pronalaženje bakterija koje uzrokuju infekcije poput bakterijemije i meningitisa. Također se koristio za preporuku antibiotika i dijagnozu bolesti zgrušavanja krvi.PXDES:Riječ je o ekspertnom sustavu kojim se utvrđuje vrsta i stupanj raka pluća. Da bi se utvrdila bolest, uzima se slika gornjeg dijela tijela koja izgleda kao sjena. Ova sjena identificira vrstu i stupanj oštećenja.Kadet:CaDet ekspertni sustav je sustav dijagnostičke podrške koji može otkriti rak u ranim stadijima.

Karakteristike ekspertnog sustava

Visoke performanse:Ekspertni sustav pruža visoke performanse za rješavanje bilo koje vrste složenih problema određene domene uz visoku učinkovitost i točnost.Razumljivo:Odgovara na način koji korisnik može lako razumjeti. Može primiti unos ljudskim jezikom i dati izlaz na isti način.Pouzdan:Vrlo je pouzdan za generiranje učinkovitog i preciznog rezultata.Visoko osjetljiv:ES daje rezultat za bilo koji složeni upit u vrlo kratkom vremenskom razdoblju.

Komponente ekspertnog sustava

Ekspertni sustav uglavnom se sastoji od tri komponente:

Korisničko sučelje Inference Engine Baza znanja

1. Korisničko sučelje

Uz pomoć korisničkog sučelja, ekspertni sustav komunicira s korisnikom, uzima upite kao ulaz u čitljivom formatu i prosljeđuje ga mehanizmu za zaključivanje. Nakon dobivanja odgovora od mehanizma za zaključivanje, on prikazuje izlaz korisniku. Drugim riječima, to je sučelje koje pomaže nestručnom korisniku da komunicira s ekspertnim sustavom kako bi pronašao rješenje .

2. Mašina za zaključivanje (Pravila mašine)

• Stroj za zaključivanje poznat je kao mozak ekspertnog sustava budući da je glavna procesorska jedinica sustava. Primjenjuje pravila zaključivanja na bazu znanja kako bi izveo zaključak ili izveo nove informacije. Pomaže u pronalaženju rješenja bez pogrešaka za upite koje postavlja korisnik.
• Uz pomoć mehanizma za zaključivanje, sustav izdvaja znanje iz baze znanja.
• Postoje dvije vrste mehanizama zaključivanja:
Motor determinističkog zaključivanja:Pretpostavlja se da su zaključci izvedeni iz ove vrste mehanizma zaključivanja istiniti. Temelji se na činjenice i pravila .Motor vjerojatnosnog zaključivanja:Ova vrsta mehanizma zaključivanja sadrži nesigurnost u zaključcima i na temelju vjerojatnosti.

Mehanizam za zaključivanje koristi sljedeće načine za izvođenje rješenja:

Naprijed ulančavanje:Polazi od poznatih činjenica i pravila te primjenjuje pravila zaključivanja kako bi svoje zaključke dodala poznatim činjenicama.Unazad lančano:To je metoda razmišljanja unatrag koja polazi od cilja i radi unatrag kako bi dokazala poznate činjenice.

3. Baza znanja

• Baza znanja je vrsta pohrane koja pohranjuje znanje stečeno od različitih stručnjaka određenog područja. Smatra se velikim skladištem znanja. Što je veća baza znanja, to će ekspertni sustav biti precizniji.
• Slično je bazi podataka koja sadrži informacije i pravila određene domene ili predmeta.
• Bazu znanja također možemo promatrati kao zbirke objekata i njihovih atributa. Kao što je Lav objekt i njegovi atributi su da je sisavac, da nije domaća životinja, itd.

Komponente baze znanja

Činjenično znanje:Znanje koje se temelji na činjenicama i koje su prihvatili inženjeri znanja spada pod činjenično znanje.Heurističko znanje:To se znanje temelji na praksi, sposobnosti pogađanja, procjeni i iskustvima.

Zastupljenost znanja: Koristi se za formaliziranje znanja pohranjenog u bazi znanja pomoću If-else pravila.

Stjecanje znanja: To je proces izdvajanja, organiziranja i strukturiranja znanja o domeni, određivanja pravila za stjecanje znanja od različitih stručnjaka i pohranjivanje tog znanja u bazu znanja.

Razvoj ekspertnog sustava

Ovdje ćemo objasniti rad ekspertnog sustava na primjeru MYCIN ES. Ispod je nekoliko koraka za izgradnju MYCIN-a:

• Prvo, ES treba hraniti stručnim znanjem. U slučaju MYCIN-a, ljudski stručnjaci specijalizirani za medicinsko područje bakterijskih infekcija pružaju informacije o uzrocima, simptomima i drugim znanjima u tom području.
• KB MYCIN-a je uspješno ažuriran. Kako bi ga testirao, liječnik mu daje novi problem. Problem je identificirati prisutnost bakterije unosom pojedinosti o pacijentu, uključujući simptome, trenutno stanje i povijest bolesti.
• ES će trebati upitnik koji mora ispuniti pacijent kako bi saznao opće informacije o pacijentu, kao što su spol, dob itd.
• Sada je sustav prikupio sve informacije, pa će pronaći rješenje za problem primjenom if-then pravila pomoću mehanizma za zaključivanje i korištenjem činjenica pohranjenih unutar KB-a.
• Na kraju će dati odgovor pacijentu korištenjem korisničkog sučelja.

Sudionici u razvoju ekspertnog sustava

Tri su primarna sudionika u izgradnji ekspertnog sustava:

Stručnjak:Uspjeh ES-a uvelike ovisi o znanju koje pružaju ljudski stručnjaci. Ti stručnjaci su osobe koje su specijalizirane za to specifično područje.Inženjer znanja:Inženjer znanja je osoba koja prikuplja znanje od stručnjaka iz domene, a zatim to znanje kodificira u sustav prema formalizmu.Krajnji korisnik:Radi se o određenoj osobi ili grupi ljudi koji možda nisu stručnjaci, a radeći na ekspertnom sustavu treba rješenje ili savjet za svoje upite koji su složeni.

Zašto Expert System?

Prije korištenja bilo koje tehnologije, moramo imati ideju o tome zašto koristiti tu tehnologiju, a time i za ES. Iako imamo ljudske stručnjake u svakom području, koja je onda potreba za razvojem računalnog sustava. Dakle, ispod su točke koje opisuju potrebu za ES-om:

Nema ograničenja memorije:Može pohraniti onoliko podataka koliko je potrebno i može ih zapamtiti u trenutku primjene. Ali za ljudske stručnjake postoje neka ograničenja za pamćenje svih stvari u svakom trenutku.Visoka efikasnost:Ako je baza znanja ažurirana ispravnim znanjem, tada daje visoko učinkovit izlaz, što možda nije moguće za čovjeka.Stručnost u domeni:Postoji mnogo ljudskih stručnjaka u svakoj domeni i svi oni imaju različite vještine, različita iskustva i različite vještine, tako da nije lako dobiti konačni rezultat za upit. Ali ako stavimo znanje stečeno od ljudskih stručnjaka u ekspertni sustav, tada on daje učinkovit rezultat miješanjem svih činjenica i znanjaNe pod utjecajem emocija:Na ove sustave ne utječu ljudske emocije kao što su umor, ljutnja, depresija, tjeskoba itd. Stoga izvedba ostaje konstantna.Visoka sigurnost:Ovi sustavi pružaju visoku sigurnost za rješavanje bilo kojeg upita.Razmatra sve činjenice:Kako bi odgovorio na bilo koji upit, provjerava i razmatra sve dostupne činjenice i daje rezultat u skladu s tim. Ali moguće je da ljudski stručnjak iz bilo kojeg razloga neće uzeti u obzir neke činjenice.Redovita ažuriranja poboljšavaju izvedbu:Ako postoji problem u rezultatu koji pružaju ekspertni sustavi, možemo poboljšati performanse sustava ažuriranjem baze znanja.

Mogućnosti ekspertnog sustava

Ispod su neke mogućnosti ekspertnog sustava:

Savjetovanje:Sposoban je savjetovati ljudsko biće za upit bilo koje domene iz određenog ES-a.Pružite mogućnosti donošenja odluka:Pruža mogućnost donošenja odluka u bilo kojoj domeni, poput donošenja bilo koje financijske odluke, odluke u medicinskoj znanosti itd.Demonstrirajte uređaj:Sposoban je demonstrirati sve nove proizvode poput njegovih značajki, specifikacija, načina korištenja tog proizvoda itd.Rješavanje problema:Ima mogućnosti rješavanja problema.Objašnjavanje problema:Također je sposoban dati detaljan opis problema s unosom.Tumačenje unosa:Sposoban je interpretirati unos koji daje korisnik.Predviđanje rezultata:Može se koristiti za predviđanje rezultata.Dijagnoza:ES dizajniran za medicinsko područje sposoban je dijagnosticirati bolest bez upotrebe više komponenti budući da već sadrži različite ugrađene medicinske alate.

Prednosti ekspertnog sustava

• Ovi sustavi su vrlo ponovljivi.
• Mogu se koristiti za rizična mjesta gdje ljudska prisutnost nije sigurna.
• Mogućnosti pogreške su manje ako KB sadrži točna znanja.
• Učinkovitost ovih sustava ostaje stabilna budući da na nju ne utječu emocije, napetost ili umor.
• Omogućuju vrlo veliku brzinu odgovora na određeni upit.

Ograničenja ekspertnog sustava

• Odgovor ekspertnog sustava može biti pogrešan ako baza znanja sadrži pogrešne informacije.
• Poput ljudskog bića, ne može proizvesti kreativan rezultat za različite scenarije.
• Njegovi troškovi održavanja i razvoja vrlo su visoki.
• Stjecanje znanja za projektiranje vrlo je teško.
• Za svaku domenu zahtijevamo poseban ES, što je jedno od velikih ograničenja.
• Ne može učiti sam od sebe i stoga zahtijeva ručna ažuriranja.

Primjene ekspertnog sustava

U domeni projektiranja i proizvodnje
Može se široko koristiti za projektiranje i proizvodnju fizičkih uređaja kao što su objektivi fotoaparata i automobili.U domeni znanja
Ovi sustavi prvenstveno se koriste za objavljivanje relevantnog znanja korisnicima. Dva popularna ES-a koja se koriste za ovu domenu su savjetnik i porezni savjetnik.U domeni financija
U financijskim industrijama koristi se za otkrivanje bilo koje vrste moguće prijevare, sumnjivih aktivnosti i savjetovanje bankara trebaju li dati zajmove za poslovanje ili ne.U dijagnostici i otklanjanju kvarova na uređajima
U medicinskoj dijagnostici koristi se ES sustav i to je bilo prvo područje u kojem su ovi sustavi korišteni.Planiranje i raspored
Ekspertni sustavi također se mogu koristiti za planiranje i raspoređivanje pojedinih zadataka za postizanje cilja tog zadatka.