Kako uporabiti strokovni sistem v umetni inteligenci?

Strokovni sistem v je izraz, ki obkroža tehnološki svet in iz vseh dobrih razlogov. V tem članku bomo podrobno raziskovali to temo.

V tem članku bodo zajeti naslednji napotki:

• Kaj je umetna inteligenca?
• Strokovni sistem za umetno inteligenco
• Domene, kjer se uporabljajo strokovni sistemi
• Glavna področja uporabe
• Tri faze oblikovanja ES
• Prednosti Proti in omejitve

Začnimo s tem člankom,

Kaj je umetna inteligenca?

No, običajno ime umetna inteligenca nakazuje inteligenco umetnega stroja. Inteligenca, ki jo ima človek, je znana kot človeška inteligenca, tako kot je inteligenca, ki jo kaže stroj, znana kot umetna inteligenca. V računalništvu. Umetna inteligenca (AI), včasih imenovana tudi strojna inteligenca. Raziskovalno področje umetne inteligence se je rodilo v delavnici na kolidžu Dartmouth leta 1956.

Aplikacije umetne inteligence v resničnem svetu:

Klepetalnice, kot so SIRI, CORTANA, ki so danes dobile toliko popularnosti. Drugi primeri, kot je EVA (Electronic Virtual Assistant), chatbot na osnovi umetne inteligence, ki ga je razvil oddelek za raziskave umetne inteligence bank HDFC in lahko zbira znanje iz tisočih virov in v manj kot 0,4 sekunde ponuja preproste odgovore. Obstaja toliko primerov aplikacij za umetno inteligenco, ki jih boste našli na različnih področjih naše družbe.

Če nadaljujemo s tem strokovnim sistemom za umetno inteligenco,

Strokovni sistem za umetno inteligenco

Kaj je strokovni sistem?

Raziskovalci univerze Standford, oddelek za računalništvo, so predstavili to področje umetne inteligence in je pomembna raziskovalna domena umetne inteligence. To je računalniška aplikacija, ki lahko reši najbolj zapletene probleme katere koli določene domene. Šteje se na najvišji ravni človeške inteligence in strokovnega znanja, saj temelji na znanju, pridobljenem od strokovnjaka. Strokovni sistem lahko definiramo tudi kot računalniški sistem odločanja, ki lahko reši zapletene probleme odločanja z uporabo dejstev in hevristike.

Če nadaljujemo s tem strokovnim sistemom za umetno inteligenco,

Domene, kjer se uporabljajo strokovni sistemi

Strokovni sistemi danes

Ameriško zdravniško združenje je odobrilo prvi strokovni sistem, ki je bil sistem Pathfinder. Zgrajena je bila leta 1980 za univerzo Standford za diagnozo hematopatologije. Ta teoretični ekspertni sistem za teoretične odločitve na kratko Pathfinder lahko diagnosticira bolezni bezgavk. Na koncu obravnava več kot 60 bolezni in lahko prepozna več kot 100 simptomov.

Strokovni sistem v poslu

Pred kratkim razviti strokovni sistem ROSS, odvetnik za umetno inteligenco, ROSS je sistem za samostojno učenje, ki uporablja rudarjenje podatkov, prepoznavanje vzorcev, globoko učenje in obdelavo naravnega jezika, da posnema način delovanja človeških možganov.

Če nadaljujemo s tem strokovnim sistemom za umetno inteligenco,

kako uporabljati br v html -

Glavna področja uporabe

• Tolmačenje - oblikovanje zaključkov na visoki ravni na podlagi podatkov.
• Napovedovanje - predvidevanje verjetnih izidov.
• Diagnoza - ugotavljanje vzroka okvar, bolezni itd.
• Oblikovanje -bitinding najboljša konfiguracija na podlagi meril.
• Načrtovanje - predlaganje vrste ukrepov za dosego cilja.
• Spremljanje - primerjava opazovanega vedenja s pričakovanim.
• Odpravljanje napak in popravila - predpisovanje in izvajanje pravnih sredstev.
• Navodila - pomoč študentom pri učenju.
• Nadzor - upravljanje vedenja sistema.

Namen strokovnega sistema

Glavni namen strokovnega sistema je pridobiti znanje človeških strokovnjakov in kopirati to znanje in veščine človeškega strokovnjaka na določenem področju. Nato bo sistem to znanje in veščine uporabil za reševanje zapletenih problemov tega področja brez sodelovanja človekovih strokovnjakov.

Značilnosti strokovnih sistemov

• Visokozmogljivo
• Razumljivo
• Zanesljivo
• Zelo odziven

Glavne komponente sistema, ki temelji na pravilih ali strokovnjakov

Glavne komponente so:

• Baza znanja
• Delovni spomin
• Mehanizem sklepanja
• Pojasnilo
• Uporabniški vmesnik
• Urejevalnik baze znanja

Če nadaljujemo s tem strokovnim sistemom za umetno inteligenco,

Tri faze oblikovanja ES

Pridobivanje znanja:

Postopek pridobivanja znanja od strokovnjakov z intervjuji ali opazovanjem človeških strokovnjakov, branjem določenih knjig itd.

Baza znanja:

Baza znanja je vsebnik visokokakovostnega znanja. Spretnosti se razvijajo s prakso, inteligenca pa izvira iz znanja, ki ga ni mogoče dokazati ali ne moremo pokazati svoje inteligence, zato je znanje zelo pomembno za razvoj spretnosti in razkazovanje inteligence. Tako kot na enak način je potrebno tudi stroj, da pokaže svojo inteligenco. Natančnost napovedovanja in tudi uspešnost sistema je v veliki meri odvisna od zbiranja popolnega, natančnega in natančnega znanja.

Kaj je zdaj znanje?

Znanje je podatek ali informacija. Za nas človeka smo z branjem člankov in branjem knjig ali iz različnih virov zbirali znanje, če lahko vsako minuto vidimo postopek pridobivanja in obogatitve znanja, potem bomo z branjem knjig ali branjem člankov ali iz kakršnih koli virov pridobivanje in pridobivanje podatkov in informacij iz različnih virov, ki smo jih nato shranili v možgane. Znanje je torej podatek, znanje je informacija. Znanje je tudi zbiranje dejstev.

Podatki, informacije in pretekle izkušnje v kombinaciji se imenujejo znanje.

Predstavitev znanja:

Predstavitev znanja je metoda izbire najprimernejših struktur, ki predstavljajo znanje. Je metoda organiziranja in formalizacije znanja v bazi znanja. Izvaja se v obliki pravil IF-THEN-ELSE.

Preverjanje znanja:

Testiranje znanja ES je pravilno in popolno.Celoten ta proces se imenuje inženiring znanja.

Mehanizem sklepanja:

V primeru ES, ki temelji na znanju, Inference Engine pridobi in manipulira znanje iz baze znanja, da pride do določene rešitve.

V primeru ES, ki temelji na pravilih,

• Pravila večkrat uporablja za dejstva, pridobljena s prejšnjo uporabo pravil.
• Po potrebi dodajanje novega znanja v bazo znanja.
• Odpravlja navzkrižje pravil, kadar je v določenem primeru uporabljenih več pravil.

Inference Engine uporablja naslednje strategije & minus

• Posredovanje verige
• Povratno veriženje

Posredovanje verige

Pri pospeševanju verig posreduje mehanizem sklepanja rezultat tako, da sledi verigi pogojev in izpeljav. Ne glede na to, kakšno znanje se hrani v sistemu, preide skozi vsa ta znanja in dejstva ter jih razvrsti, preden sklene rešitev. Z metodo veriženja naprej poskuša strokovni sistem odgovoriti: 'Kaj se lahko zgodi naprej?'

Uporaba terminske verige: napoved cene hiše, napoved delnic, napoved delniškega trga itd.

Povratno veriženje

Ko se nekaj zgodi v določeni domeni, Inference Engine poskuša ugotoviti, kateri pogoj bi se lahko zgodil v preteklosti za ta rezultat. Z metodo povratnega veriženja poskuša strokovni sistem odgovoriti: 'Zakaj se je to zgodilo?'. Z metodo vzpostavljanja verig nazaj mehanizem sklepanja poskuša ugotoviti vzrok ali razlog.

Na primer: diagnoza raka krvi pri ljudeh.

Prednosti Proti in omejitve

Prednosti strokovnega sistema

1. Hranite ogromno informacij
2. Zmanjšajte stroške usposabljanja zaposlenih
3. Centralizirajte postopek odločanja
4. Naredite stvari bolj učinkovite, tako da zmanjšate čas, potreben za reševanje težav
5. Združite različne človeške strokovne inteligence
6. Zmanjšajte število človeških napak
7. Zagotovite strateške in primerjalne prednosti, ki lahko povzročijo težave konkurentom
8. Preglejte transakcije, na katere človeški strokovnjaki morda ne bodo pomislili
9. Zagotovite odgovore na ponavljajoče se odločitve, procese in naloge

Slabosti strokovnega sistema:

1. Pomanjkanje kreativnih odzivov, ki so jih zmožni človeški strokovnjaki
2. Ni sposoben razložiti logike in utemeljitve odločitve
3. Avtomatizirati zapletene procese ni enostavno
4. Ni prilagodljivosti in sposobnosti prilagajanja spreminjajočim se okoljem
5. Ne morem prepoznati, ko ni odgovora
6. Nobena zdrava pamet se ne uporablja pri odločanju

Omejitve:

• Kreativno se ne odziva, saj gre za stroj.
• Če podatki, ki so bili vneseni v bazo znanja, niso točni ali pravilni, bodo dali napačne napovedi in napačne rezultate.
• Stroški vzdrževanja strokovnega sistema so visoki.
• Kadar pride do različnih težav, lahko strokovnjak da različne rešitve in kreativne odzive, vendar strokovni sistem ne da kreativnih odzivov.

S tem smo na koncu članka o strokovnih sistemih v umetni inteligenci.

Če se želite vpisati na celoten tečaj o umetni inteligenci in strojnem učenju, ima Edureka posebej kurirano s tem boste usposobljeni za tehnike, kot so nadzorovano učenje, nenadzorovano učenje in obdelava naravnega jezika. Vključuje usposabljanje o najnovejših dosežkih in tehničnih pristopih na področju umetne inteligence in strojnega učenja, kot so globoko učenje, grafični modeli in učenje okrepitve.