Co jsou expertní systémy v umělé inteligenci

Expertní systémy se často používají jako alternativa při hledání řešení složitých problémů, které vyžadují určitý typ lidských dovedností. Expertní systém umělé inteligence (AI) je systém pro rozhodování pomocí počítačů. Je určen k řešení náročných problémů. Využívá k tomu znalosti, logické myšlení a dodržování norem. Jedná se o jednu z prvních praktických aplikací umělé inteligence.

Co je to expertní systém?

Expertní systémy jsou interaktivní, důvěryhodné rozhodovací nástroje založené na počítačích, které využívají data a heuristiku k řešení náročných rozhodovacích otázek. Jsou považovány za představitele vrcholu lidských znalostí a moudrosti. Úkolem expertního systému je řešit nejsložitější problémy v určité oblasti.

Charakteristika expertního systému

Následují charakteristiky expertního systému.

Lidský expert se může měnit, ale expertní systém může trvat věčně.
Usnadňuje distribuci lidských odborných znalostí.
Expertní systém může zahrnovat znalosti více lidských expertů, což zvýší efektivitu odpovědí.
Snižuje náklady na vyhledání rady odborníka v různých oblastech, včetně lékařské diagnostiky.
Namísto používání standardního procedurálního kódu mohou expertní systémy řešit složité problémy odvozováním nových skutečností ze známých faktů znalostí, které jsou obvykle reprezentovány jako pravidla typu „jestliže – pak“.

Součásti expertního systému

V umělé inteligenci existuje pět složek expertního systému:

Znalostní báze: Báze znalostí obsahuje fakta a předpisy v expertním systému. Obsahuje normy pro řešení problémů a formulování metod relevantních pro danou oblast a znalosti v konkrétních oborech.
Inferenční engine: Nejzákladnějším úkolem inferenčního enginu je shromažďovat relevantní informace ze znalostní báze, analyzovat je a identifikovat řešení problému uživatele. Inferenční enginy disponují také vysvětlovacími schopnostmi a schopností řešit problémy.
Modul pro získávání a učení znalostí: Pomocí této komponenty mohou expertní systémy shromažďovat další informace z mnoha zdrojů. Poté jsou znalosti uloženy do znalostní báze.
Uživatelské rozhraní: Pomocí tohoto prvku může uživatel, který není odborníkem, komunikovat s expertním systémem a vyvíjet řešení.
Vysvětlovací modul: Tento modul poskytuje uživateli zdůvodnění závěru.

Příklady expertních systémů

Níže jsou uvedeny některé příklady expertních systémů:

MYCIN: Dokázal rozpoznat různé bakterie, které mohou způsobit akutní infekce, a byl založen na zpětném řetězení. Kromě toho mohl navrhovat léky na základě hmotnosti pacienta. Patří mezi špičkové příklady expertního systému.
DENDRAL: Nástroj pro predikci molekulární struktury pro chemickou analýzu.
CaDet: Je jedním z nejlepších příkladů expertního systému, který dokáže odhalit rakovinu v nejranějším stadiu.
PXDES: Pomocí expertního systému PXDES se určuje druh a stadium rakoviny plic. K identifikaci stavu využívá fotografii horní části těla, která se podobá stínu. Tento stín určuje druh a závažnost.

Výhody expertních systémů

Používání expertních systémů namísto lidských expertů má několik výhod:

Přesnost: Expertní systémy jsou imunní vůči emoční nebo lidské nepřesnosti. Svá rozhodnutí zakládají na faktech a pravidlech.
Stálost: Když lidští odborníci opustí své pozice, technické informace je mohou následovat. Znalostní systémy nabízejí věčný rezervoár informací a znalostí.
Logická dedukce: Expertní systémy využívají různé principy, například pravidla „jestliže – pak“, k odvození závěrů z již známých údajů.
Kontrola nákladů: V porovnání s náklady na najímání lidských odborníků jsou expertní systémy relativně levné. Mohou pomáhat při vytváření úsudků rychleji a levněji.
Několik expertů: Znalostní základna expertního systému je rozšířena o několik expertů. To poskytuje více informací, z nichž lze čerpat, a zabraňuje ovlivňování rozhodovacího procesu jedním expertem.

Využití expertního systému

Má široké uplatnění při navrhování a výrobě hmotných předmětů, včetně navrhování a výroby automobilů a objektivů fotoaparátů.
Tyto systémy se obvykle používají v oblasti znalostí k šíření relevantních informací uživatelům. Daňoví poradci a poradci jsou dva standardní expertní systémy používané pro tuto problematiku.
Ve finančním sektoru se používá k identifikaci případných podvodů a podezřelého jednání.
Expertní systém v oblasti umělé inteligence se používá při vyhodnocování a opravách zařízení. Systém expertních systémů se využívá v lékařské diagnostice a byl první možností použití těchto systémů.

Konvenční systém vs. expertní systém

Zásadní rozdíl mezi expertními systémy a konvenčním softwarem pro řešení problémů spočívá v metodě použité k zakódování odborných znalostí souvisejících s problémem. V tradičních aplikacích se k zakódování expertízy problému používají jak datové struktury, tak programy. V expertní metodě jsou všechny expertízy související s problémem reprezentovány pouze v datových strukturách, nikoli v programech.

Konvenční systémy nejsou schopny vysvětlit konkrétní řešení problému. Cílem těchto systémů je poskytovat přímočará řešení. Expertní systémy však dokážou zdůvodnit, proč jsou v průběhu procesu vyžadovány určité informace a jak bylo dosaženo konkrétního výsledku.

Expertní systém typicky provádí své odvozování pomocí symbolických výpočtů s využitím symbolů pro znalosti, jako jsou pravidla, různé formy sítí, rámců, skriptů atd. Nicméně tyto pojmy nelze vyjádřit tradičními systémy. Příliš zjednodušují problematiku a nedokážou vyjádřit otázky „jak, proč“.

Lidský expert vs. expertní systém

Významný rozdíl mezi expertními systémy v umělé inteligenci a lidskými experty spočívá v tom, že expertní systémy zpracovávají znalosti reprezentované ve formě pravidel a používají reprezentativní uvažování v omezené oblasti, zatímco lidští experti používají k řešení problémů v omezené oblasti znalosti ve formě heuristických pravidel správného postupu.

Expertní systémy jsou vždy dostupné, na rozdíl od lidských expertů, kteří jsou k dispozici pouze v určitých denních hodinách. Expertní systémy zvládnou jakýkoli problém ve zkráceném čase, ale lidským expertům to může trvat dlouho.

Závěrem lze říci, že expertní systémy jsou interaktivní a důvěryhodné při řešení složitých problémů. Používají se v programech pro lidské zdroje, medicínu a další účely. Mezi hlavní výhody expertních systémů v oblasti umělé inteligence patří vyšší kvalita rozhodování, úspora nákladů, konzistentnost, rychlost a spolehlivost.