Szakértői és képzési rendszerek
Adatbázis-kezelő rendszerek és szakértői rendszerek
2.4. Adatbázis-kezelő rendszerek és szakértői rendszerek
2.4.10. Szakértői és tanulási rendszerek
A szakértői rendszerek a mesterséges intelligencia egyik fő alkalmazási területei. A mesterséges intelligencia az informatika egyik szakasza, amely az emberi tevékenység ilyen jellegű, szellemi értelemben vett hardver- és szoftvermodellezésével foglalkozik.
A mesterséges intelligencia kutatásának eredményeit olyan intelligens rendszerekben használják, amelyek képesek megoldani egy adott tématerülethez tartozó kreatív problémákat, amelyek ismerete a rendszer memóriájában (tudásbázis) van tárolva. A mesterséges intelligencia rendszerek a nagyszámú probléma megoldására irányulnak, amely részlegesen strukturált vagy strukturálatlan feladatokat (gyengén formalizált vagy informális feladatokat) tartalmaz.
A részben strukturált feladatok megoldására használt információs rendszerek kétféleképpen oszlanak meg:
- Kezelési jelentések készítése (adatfeldolgozás végrehajtása: keresés, válogatás, szűrés). A döntés az e jelentésekben szereplő információk alapján történik.
- A megoldás lehetséges alternatíváinak kidolgozása. A döntés az egyik javasolt alternatíva megválasztására korlátozódik.
Az alternatív megoldásokat fejlesztő információs rendszerek lehetnek modellek vagy szakértők:
- A modellinformációs rendszerek biztosítják a felhasználói modelleket (matematikai, statisztikai, pénzügyi stb.), Amelyek segítenek a megoldás alternatíváinak kidolgozásában és értékelésében.
- A szakértői információs rendszerek lehetővé teszik a felhasználók számára a lehetséges alternatívák kidolgozását és értékelését a szakértői szakértők által megszerzett tudásalapú rendszerek létrehozásával.
A szakértői rendszerek olyan számítógépekre vonatkozó programok, amelyek felhalmozzák a szakértők ismeretét - szakterületen dolgozó szakemberek, amelyek célja az elfogadható megoldások megszerzése az információfeldolgozás folyamatában. A szakértői rendszerek a tudás bármely területén a szakértők tapasztalatait a heurisztikus szabályok egyik formájává alakítják át, és a kevésbé képzett szakemberek tanácsadására szánják.
Ismeretes, hogy a tudás kétféle formában létezik: kollektív tapasztalat, személyes tapasztalat. Ha a tématerületet kollektív élmény (pl. Magasabb matematika) képviseli, akkor erre a tématerületre nincs szükség szakértői rendszerekre. Ha a témában a tudás nagy része a magas szintű szakemberek személyes tapasztalata, és ez a tudás gyengén strukturált, akkor egy ilyen régiónak szakértői rendszernek szüksége van. A modern szakértői rendszerek széles körben alkalmazhatóak a gazdaság minden területén.
A tudásbázis a szakértői rendszer magja. Az adatok és a tudás közötti átmenet az információs rendszerek fejlesztésének következménye. Az adatbázist az adatok tárolására használják, és a tudásbázisokat a tudás tárolására használják. Az adatbázisban általában nagy adatkészleteket visznek viszonylag alacsony költséggel, és a tudásbázisok kis méretű, de drága információs tömböket tárolnak.
A tudásbázis olyan ismeretek egy csoportja, amelyet bemutatásuk kiválasztott formájával írnak le. A tudásbázis feltöltése az egyik legnehezebb feladat, amely a tudás formalizálással és értelmezéssel történő megválasztásával jár.
A szakértői rendszer a következőkből áll:
- Tudásbázis (a munkamemória és a jogállamiság alapja), tárolására nyers és közbenső tényeket a munkamemória (más néven az adatbázis) és tárolására modellek és szabályok manipulálni modellek a szabály alap;
- feladat-megoldó (tolmács), amely az adatbázisokban és tudásbázisokban tárolt tények és szabályok alapján egy adott probléma megoldására szolgáló szabályok sorozatát biztosítja;
- alrendszer magyarázatai lehetővé teszik a felhasználó számára, hogy választ kapjon a kérdésre: "Miért hozta ezt a döntést a rendszer?";
- olyan tudás-felvételi alrendszer, amely új szabályokat kíván hozzáadni a tudásbázishoz, valamint módosítja a meglévő szabályokat;
- felhasználói felület, olyan programok halmaza, amelyek az információ bevitelének szakaszában végrehajtják a felhasználó párbeszédét a rendszerrel, és eredményeket érnek el.
A szakértői rendszerek eltérnek a hagyományos adatfeldolgozó rendszerektől, mivel általában szimbolikus ábrázolási módszert, szimbolikus kimenetet és heurisztikus megoldást keresnek. A rosszul formalizált vagy informális feladatok megoldása érdekében a neurális hálózatok vagy a neurokomputerek ígéretesek.
Az alapot neurokom-puterek tartalmazhat neurális hálózatok - hierarchikus szervezett párhuzamos kapcsolatok adaptív elemek - neuronok, amelyek kölcsönhatás valós tárgyak, valamint a biológiai idegrendszert.
A neurális hálózatok használatában jelentős sikert értek el öntanuló szakértői rendszerek létrehozásakor. A hálózat konfigurálása, azaz vonat, haladjon át minden ismert megoldáson és megkapja a szükséges válaszokat a kimeneten. A beállítás az neuron paramétereinek kiválasztását jelenti. Gyakran használjon speciális képzési programot, amely részt vesz a hálózati képzésben. Edzés után a rendszer készen áll a használatra.
Ha a szakértői rendszer korábban feküdt alkotók ismeretek egy bizonyos formában, a neurális hálózat nem is ismert fejlesztők, mint a tudás szerkezete alakult a tanulási folyamat és az önálló tanulás, azaz a hálózat egy "fekete doboz".
A neurokomponensek, mint mesterséges intelligencia rendszerek, nagyon ígéretesek és végtelenül javíthatók fejlesztésük során.
Jelenleg a szakértői rendszerek és a neurális hálózatok formájában mesterséges intelligencia-rendszereket széles körben használják a pénzügyi és gazdasági problémák megoldásához.