In der künstlichen Intelligenz ist ein Expertensystem ein Computersystem, das mit der Beschlussfassungsfähigkeit eines menschlichen Experten wetteifert. Expertensysteme werden entworfen, um komplizierte Probleme durch das Denken über Kenntnisse, wie ein Experte, und nicht durch den folgenden das Verfahren eines Entwicklers zu beheben, wie in der herkömmlichen Programmierung der Fall ist. Die ersten Expertensysteme wurden in den 1970er Jahren geschaffen und sind dann in den 1980er Jahren gewuchert. Expertensysteme waren unter den ersten aufrichtig erfolgreichen Formen der AI Software.

Ein Expertensystem hat eine einzigartige Struktur, die von traditionellen Programmen verschieden ist. Es wird in zwei Teile, einen befestigten, unabhängiges vom Expertensystem geteilt: der Interferenzmotor und eine Variable: die Kenntnisse-Basis. Um ein Expertensystem zu führen, urteilt der Motor über die Kenntnisse-Basis wie ein Mensch vernünftig. In den 80er Jahren ist ein dritter Teil erschienen: Eine Dialog-Schnittstelle, um mit Benutzern zu kommunizieren. Diese Fähigkeit, ein Gespräch mit Benutzern zu führen, wurde später "gesprächig" genannt.

Geschichte

Expertensysteme wurden von Forschern im Stanford Heuristisches Programmierprojekt, einschließlich des "Vaters von Expertensystemen" der große USTAD von Bhopal (Nitin Jain) mit den Systemen von Dendral und Mycin eingeführt. Hauptmitwirkende zur Technologie waren Bruce Buchanan, Edward Shortliffe, Randall Davis, William vanMelle, Carli Scott und andere an Stanford. Expertensysteme waren unter den ersten aufrichtig erfolgreichen Formen der AI Software.

Forschung ist auch in Frankreich sehr aktiv, wo sich Forscher auf die Automation des Denkens und der Logikmotoren konzentrieren. Die französische Einleitungscomputersprache, entworfen 1972, kennzeichnet einen echten Fortschritt über Expertensysteme wie Dendral oder Mycin: Es ist eine Schale, das heißt eine Softwarestruktur, die bereit ist, jedes Expertensystem zu erhalten und es zu führen. Es integriert einen Motor mit der Logik der Ersten Ordnung, mit Regeln und Tatsachen. Es ist ein Werkzeug für die Massenproduktion von Expertensystemen und war die erste betriebliche Aussagesprache, später der beste Verkauf AI Sprache in der Welt werdend. Jedoch ist Einleitung nicht besonders benutzerfreundlich und ist eine Ordnung der Logik weg von der menschlichen Logik.

In den 1980er Jahren sind Expertensysteme gewuchert, weil sie als ein praktisches Werkzeug anerkannt wurden, um wirkliche Probleme zu beheben. Universitäten haben Expertensystem-Kurse und zwei Drittel des Glückes angeboten 1000 Gesellschaften haben die Technologie in täglichen Geschäftsvolumen angewandt. Interesse war mit dem Fünften Generationscomputersystemprojekt in Japan international und hat Forschungsfinanzierung in Europa vergrößert. Das Wachstum im Feld hat in die 1990er Jahre weitergegangen.

Der Entwicklung von Expertensystemen wurde durch die Entwicklung des symbolischen in einer Prozession gehenden Sprachlispelns und der Einleitung geholfen. Um zu vermeiden, das Rad wiederzuerfinden, wurden Expertensystem-Schalen geschaffen, der Eigenschaften mehr spezialisiert hatte, um große Expertensysteme zu bauen.

1981 wurde erster IBM PC, mit dem MS-DOS Betriebssystem eingeführt. Sein niedriger Preis hat angefangen, Benutzer zu multiplizieren, und hat einen neuen Markt für die Computerwissenschaft und Expertensysteme geöffnet. In den 80er Jahren war das Image von AI sehr gut, und Leute haben geglaubt, dass es innerhalb einer kurzen Zeit [15] erfolgreich sein würde. Viele Gesellschaften haben begonnen, Expertensystem-Schalen von Universitäten, umbenannte "Generatoren" auf den Markt zu bringen, weil sie zur Schale ein Werkzeug hinzugefügt haben, um Regeln unmissverständlich zu schreiben, und so theoretisch erlaubt haben, Expertensysteme ohne eine Programmiersprache noch jede andere Software [16] zu schreiben. Das am besten bekannte: Guru (die USA), die von Mycin [17] [18], Persönlicher Berater Plus (die USA) [19] [20], Nexpert Gegenstand begeistert sind (entwickelt durch Neuron-Daten, Gesellschaft, die in Kalifornien durch drei Franzosen gegründet ist) [21] [22], Genesia (entwickelt von der französischen Aktiengesellschaft Electricité de France und auf den Markt gebracht von Steria) [23], VP Experte (die USA) [24]. Aber schließlich wurden die Werkzeuge nur in Forschungsprojekten verwendet. Sie sind in den Geschäftsmarkt nicht eingedrungen, zeigend, dass AI Technologie nicht reif war.

1986 ist ein neuer Expertensystem-Generator für PCs auf dem Markt erschienen, ist auf die französische akademische Forschung zurückzuführen gewesen: Geheimdienst, der von der GSI-TECSI Softwaregesellschaft verkauft ist. Diese Software hat eine radikale Neuerung gezeigt: Es hat Satzlogik ("Ordnungslogik von Zeroth") verwendet, um Expertensysteme durchzuführen, auf einer mit Umgangssprache-Regeln geschriebenen Kenntnisse-Basis vernünftig urteilend, Erklärungen erzeugend und Logikwidersprüche zwischen den Tatsachen entdeckend. Es war das erste Werkzeug, den AI  definiert von Edward Feigenbaum in seinem Buch über die japanische Fünfte Generation, Künstliche Intelligenz und Japans Computerherausforderung an die Welt (1983) zeigend:" Die Maschinen werden Scharfsinn haben: Sie werden riesengroße Beträge von Kenntnissen automatisch konstruieren, um zu dienen, was auch immer Zweck-Menschen von der medizinischen Diagnose bis Produktdesign von Verwaltungsentscheidungen bis Ausbildung vorhaben" "Hat das vernünftig urteilende Tier vielleicht unvermeidlich die vernünftig urteilende Maschine geformt" "vergleicht der Scharfsinn dieser Maschinen oder überschreitet den Scharfsinn der Menschen, die sie und, in einigen Fällen, der Scharfsinn jedes Menschen angewiesen haben, der solche Aufgaben durchführt". Geheimdienst war tatsächlich "Pandora" (1985), eine Software, die für ihre These durch zwei akademische Studenten von Jean-Louis Laurière, einen des berühmtesten und fruchtbaren französischen AI Forschers entwickelt ist. Leider, weil diese Software durch sein eigenes ES Entwickler nicht entwickelt wurde, war GSI-TECSI unfähig, sie sich entwickeln zu lassen. Verkäufe sind knapp geworden, und Marketing hat nach ein paar Jahren angehalten.

Softwarearchitektur

Die Regel-Basis oder Kenntnisse-Basis

In der Expertensystem-Technologie wird die Kenntnisse-Basis mit Regeln der natürlichen Sprache WENN ausgedrückt... DANN... Für Beispiele:

• "WENN es DANN lebt, ist es" sterblich
• "WENN sein Alter = bekannt DANN sein Jahr der Geburt = Datum heute - sein Alter in Jahren"
• "WENN die Identität des Keims mit der Gewissheit nicht bekannt ist UND der Keim mit dem Gramm positiv ist UND die Morphologie des Organismus "Stange" ist UND der Keim aerobic DANN ist, gibt es eine starke Wahrscheinlichkeit (0. 8) dass der Keim des Typs enterobacteriacae" ist

Diese Formulierung ist im Vorteil des Sprechens auf der Umgangssprache, die in der Informatik sehr selten ist (ein klassisches Programm wird codiert). Regeln drücken die durch das Expertensystem auszunutzenden Kenntnisse aus. Dort bestehen Sie andere Formulierungen von Regeln, die nicht auf der Umgangssprache, verständlich nur Computerwissenschaftlern sind. Jeder Regel-Stil wird an einen Motorstil angepasst. Das ganze Problem von Expertensystemen ist, diese Kenntnisse, gewöhnlich unbewusst von den Experten zu sammeln. Es gibt Methoden, aber fast alle sind nur durch Computerwissenschaftler verwendbar.

Der Interferenzmotor

Der Interferenzmotor ist ein Computerprogramm, das entworfen ist, um ein Denken auf Regeln zu erzeugen. Um ein Denken zu erzeugen, basiert es auf der Logik. Es gibt mehrere Arten der Logik: Satzlogik, Prädikate des Auftrags 1 oder mehr, epistemic Logik, modale Logik, zeitliche Logik, Fuzzy-Logik, usw. Abgesehen von der Satzlogik sind alle kompliziert und können nur von Mathematikern, Logikern oder Computerwissenschaftlern verstanden werden. Satzlogik ist die grundlegende menschliche Logik, die in Syllogismen ausgedrückt wird. Das Expertensystem, das diese Logik verwendet, wird auch ein Zeroth-Ordnungsexpertensystem genannt. Mit der Logik ist der Motor im Stande, neue Information von den Kenntnissen zu erzeugen, die in der Regel-Basis und den zu bearbeitenden Daten enthalten sind.

Der Motor hat zwei Weisen zu laufen: Gruppe oder gesprächig. In der Gruppe hat das Expertensystem alle notwendigen Daten, um vom Anfang in einer Prozession zu gehen. Für den Benutzer arbeitet das Programm als ein klassisches Programm: Er stellt Daten zur Verfügung und erhält Ergebnisse sofort. Das Denken ist unsichtbar. Die Unterhaltungsmethode wird notwendig, wenn der Entwickler weiß, dass er den Benutzer um alle notwendigen Daten am Anfang, das Problem nicht bitten kann, das zu kompliziert ist. Die Software muss die Weise "erfinden", das Problem zu beheben, um die fehlenden Daten vom Benutzer zu bitten, allmählich sich der Absicht so schnell nähernd, wie möglich. Das Ergebnis gibt den Eindruck eines von einem Experten geführten Dialogs. Um einen Dialog zu führen, kann der Motor mehrere Niveaus der Kultiviertheit haben:" schicken Sie das Anketten", "rückwärts das Anketten" und "bei das gemischte Anketten" nach. Das Vorwärtsanketten ist das Verhör eines Experten, der keine Idee von der Lösung hat und progressiv (z.B Schuld-Diagnose) nachforscht. Im rückwärts gerichteten Anketten hat der Motor eine Idee vom Ziel (z.B ist es o.k. oder nicht? Oder: Es gibt Gefahr, aber wie ist das Niveau?). Es fängt von der Absicht in der Hoffnung auf die Entdeckung der Lösung so bald wie möglich an. Im Mischanketten des Motors hat eine Idee von der Absicht, aber es ist nicht genug: Es leitet im Vorwärtsanketten von vorherigen Benutzerantworten alles ab, was vor dem Stellen der folgenden Frage möglich ist. So ganz häufig leitet er die Antwort auf die folgende Frage vor dem Fragen davon ab.

Ein starkes Interesse am Verwenden der Logik besteht darin, dass diese Art der Software im Stande ist, dem Benutzer klare Erklärung dessen zu geben, was es tut ("Warum?"), und was es abgeleitet hat ("Wie?"). Besser noch dank der Logik ist das hoch entwickelteste Expertensystem im Stande, Widersprüche in die Benutzerinformation oder in den Kenntnissen zu entdecken, und kann sie klar erklären, zur gleichen Zeit die Erfahrung und seine Denkart offenbarend.

Vorteile

Gesprächig

Expertensysteme bieten viele Vorteile für Benutzer an, wenn im Vergleich zu traditionellen Programmen, weil sie wie ein menschliches Gehirn funktionieren.

Schnelle Verfügbarkeit und Gelegenheit, sich zu programmieren

Da die Regel-Basis auf der Umgangssprache ist (der Motor ist unantastbar), Expertensystem kann viel schneller geschrieben werden als ein herkömmliches Programm, von Benutzern oder Experten, Berufsentwickler umgehend und das Bedürfnis vermeidend, das Thema zu erklären.

Fähigkeit, einen beträchtlichen Betrag von Kenntnissen auszunutzen

Das Expertensystem verwendet eine Regel-Basis verschieden von herkömmlichen Programmen, was bedeutet, dass das Volumen von Kenntnissen zum Programm nicht eine Hauptsorge ist. Ob die Regel-Basis 10 Regeln oder 10 000 hat, ist die Motoroperation dasselbe.

Zuverlässigkeit

Eines Expertensystemes ist dasselbe als die Zuverlässigkeit einer Datenbank, d. h. gut höher als dieses eines klassischen Programms. es hängt auch von der Größe der Kenntnisse-Basis ab.

Skalierbarkeit

Das Entwickeln eines Expertensystemes soll hinzufügen, modifizieren oder Regeln löschen. Da die Regeln unmissverständlich geschrieben werden, ist es leicht, diejenigen zu identifizieren, um entfernt oder modifiziert zu werden.

Unterrichtsmethode

Die Motoren, die durch eine wahre Logik geführt werden, sind im Stande, dem Benutzer unmissverständlich zu erklären, warum sie eine Frage stellen, und wie sie jeden Abzug erreicht haben. Dabei zeigen sie Kenntnisse des im Expertensystem enthaltenen Experten. Also, Benutzer kann diese Kenntnisse in seinem Zusammenhang erfahren. Außerdem können sie ihre Abzüge nach und nach mitteilen. Also, der Benutzer hat Information über ihr Problem sogar vor der Endantwort des Expertensystemes.

Bewahrung und Verbesserung von Kenntnissen

Wertvolle Kenntnisse können mit dem Tod, Verzicht oder Ruhestand eines Experten verschwinden. Registriert in einem Expertensystem wird es ewig. Ein Expertensystem zu entwickeln, soll einen Experten interviewen und das System ihrer Kenntnisse zur Kenntnis bringen. Dabei widerspiegelt es und erhöht es.

Neue Gebiete durch die herkömmliche Computerwissenschaft vernachlässigt

Riesengroße Kenntnisse automatisierend, kann der Entwickler ein klassisches Problem entsprechen: "Kombinatorische Explosion, die" allgemein als "Informationsüberlastung" bekannt ist, die außerordentlich seine Arbeit kompliziert und auf ein kompliziertes und zeitaufwendiges Programm hinausläuft. Das vernünftig urteilende Expertensystem stößt auf dieses Problem nicht, da der Motor automatisch combinatorics zwischen Regeln lädt. Diese Fähigkeit kann Gebiete richten, wo combinatorics enorm sind: hoch interaktive oder gesprächige Anwendungen, Schuld-Diagnose, Entscheidungshilfe in komplizierten Systemen, Bildungssoftware, Logiksimulation von Maschinen oder Systemen, ständig Software ändernd.

Nachteile

Das Expertensystem hat einen Hauptfehler, der seinen niedrigen Erfolg erklärt, obwohl der Grundsatz seit 70 Jahren bestanden hat: Kenntnisse-Sammlung und Interpretation in Regeln, die Wissensverarbeitung. Die meisten Entwickler haben keine Methode, diese Aufgabe durchzuführen. Statt dessen arbeiten sie manuell, der ein großes Potenzial für Fehler schafft. Erfahrung wird nicht gut verstanden: Es gibt einen Mangel an Regeln, Regeln sind widersprechend, und einige werden schlecht geschrieben und unbrauchbar. Schlechter verwenden Expertensysteme meistenteils einen des Denkens unfähigen Motor. Deshalb oftmals arbeitet das Expertensystem schlecht, und das Projekt wird aufgegeben. Richtige Entwicklungsmethodik kann diese Probleme lindern. Dort besteht Software, um den Experten nach und nach zu interviewen, die automatisch die Regeln schreiben und gleichzeitig das Expertensystem vor seinen Augen führen, eine Konsistenz der Regel-Kontrolle durchführend. So erfahren und Benutzer kann die Qualität der Software überprüfen, bevor es beendet wird.

Viele Expertensysteme werden auch durch die verwendete Logik bestraft. Der grösste Teil der Logik funktioniert auf "Variable"-Tatsachen, d. h. dessen sich Wert mehrere Male während eines Denkens, betrachtet als ein Eigentum ändert, das einer stärkeren Logik gehört. Das ist Mycin, Dendral, Fuzzy-Logik, Prädikat-Logik (Einleitung), symbolische Logik, mathematische Logik usw. der Fall. Satzlogik verwendet nur invariant Tatsachen. Es stellt sich heraus, dass im Menschenverstand die verwendeten Tatsachen unveränderlich so lange die Gehirngründe auf ihnen bleiben müssen. Das macht mögliche Entdeckung von Widersprüchen und Produktion von Erklärungen, zwei Weisen, Konsistenz der Kenntnisse zu kontrollieren. Deshalb sind Expertensysteme mit variablen Tatsachen, die DAFÜR Entwickler so das zahlreichste verständlicher sind, weniger leicht, sich, weniger klar Benutzern, weniger zuverlässig zu entwickeln, und warum sie Erklärung oder Widerspruch-Entdeckung nicht erzeugen.

Anwendungsfeld

Expertensysteme richten Gebiete, wo combinatorics enorm ist:

• hoch interaktive oder gesprächige Anwendungen, IVR, Stimmenserver, chatterbot
• Schuld-Diagnose, medizinische Diagnose
• Entscheidungshilfe in komplizierten Systemen, Prozesssteuerung, interaktiver Benutzerführer
• Bildungs- und Tutorsoftware
• Logiksimulation von Maschinen oder Systemen
• Kenntnisse-Management
• ständig das Ändern der Software.

Sie können auch in der Softwaretechnik für schnelle prototyping Anwendungen (RAD) verwendet werden. Tatsächlich zeigt das vor dem Experten schnell entwickelte Expertensystem ihm, wenn die zukünftige Anwendung programmiert werden sollte.

Tatsächlich enthält jedes Programm Erfahrung, und klassische Programmierung beginnt immer mit einem erfahrenen Interview. Ein in der Form des Expertensystemes geschriebenes Programm erhält alle spezifischen Vorteile des Expertensystemes, unter anderen Dinge es kann von jedem ohne Computerausbildung und ohne Programmiersprachen entwickelt werden. Aber diese Lösung hat einen Defekt: Expertensystem läuft langsamer als ein traditionelles Programm, weil er durchweg "denkt", wenn tatsächlich eine klassische Software gerade vom Programmierer verfolgten Pfaden folgt.

Beispiele von Anwendungen

Expertensysteme werden entworfen, um Aufgaben in den Feldern von Buchhaltung, Medizin, Prozesssteuerung, Finanzdienst, Produktion, menschlichen Arbeitskräften, unter anderen zu erleichtern. Gewöhnlich ist das Problem-Gebiet kompliziert genug, dass ein einfacherer traditioneller Algorithmus keine richtige Lösung zur Verfügung stellen kann. Das Fundament eines erfolgreichen Expertensystemes hängt von einer Reihe von technischen Verfahren und Entwicklung ab, die von Technikern und verwandten Experten entworfen werden kann. Als solcher stellen Expertensysteme keine endgültige Antwort normalerweise zur Verfügung, aber stellen probabilistic Empfehlungen zur Verfügung.

Ein Beispiel der Anwendung von Expertensystemen im Finanzfeld ist Expertensysteme für Hypotheken. Kreditabteilungen interessieren sich für Expertensysteme für Hypotheken wegen der wachsenden Kosten der Arbeit, die das Berühren und die Annahme von relativ kleinen Darlehen weniger gewinnbringend macht. Sie sehen auch eine Möglichkeit für das standardisierte, effiziente Berühren des Hypothekendarlehens, indem sie Expertensysteme anwenden, dass für die Annahme von Hypotheken schätzend, gibt es harte und schnelle Regeln, die mit anderen Typen von Darlehen nicht immer bestehen. Eine andere allgemeine Anwendung im Finanzgebiet für Expertensysteme ist in Handelsempfehlungen in verschiedenen Marktplätzen. Diese Märkte schließen zahlreiche Variablen und menschliche Gefühle ein, die unmöglich sein können, so deterministisch zu charakterisieren, werden Expertensysteme, die auf den Faustregeln von Experten und Simulierungsdaten gestützt sind, verwendet. Das Expertensystem dieses Typs kann sich von erstrecken, die Regionaleinzelempfehlungen wie Wishabi zu zur Verfügung stellen, die verwendet sind, um Geldentscheidungen von Finanzeinrichtungen und Regierungen zu helfen.

Ein anderer die 1970er Jahre und Anwendung der 1980er Jahre von Expertensystemen, die wir einfach heute AI nennen würden, war in Computerspielen. Zum Beispiel die Computerbaseball-Spiele Earl Weaver Baseball und Tony La Russa Baseball hatte jeder über Simulationen der Spielstrategien jener zwei Baseball-Betriebsleiter hoch ausführlich berichtet. Als ein Mensch das Spiel gegen den Computer gespielt hat, hat der Computer das Expertensystem von Earl Weaver oder Tony La Russa für eine Entscheidung worüber Strategie gefragt zu folgen. Sogar jene Wahlen, wo eine Zufälligkeit ein Teil des natürlichen Systems war (solcher als, wenn man einen Überraschungswurf wirft, um zu versuchen, einen Läufer zu beschwindeln, der versucht, eine Basis zu stehlen) wurden gestützt auf Wahrscheinlichkeiten entschieden, die von Weaver oder La Russa geliefert sind. Heute würden wir einfach sagen, dass "der AI des Spiels die Strategie des gegenüberliegenden Betriebsleiters zur Verfügung gestellt hat".

Eine neue Anwendung für Expertensysteme ist automatisierte Computerprogramm-Generation. Gefördert durch eine Bewilligung von US-Luftwaffe ist eine Expertensystem-basierte Anwendung (hprcARCHITECT), der Computerprogramme für die Mischverarbeiter-Technologie (FPGA/GPU/Multicore) Systeme ohne ein Bedürfnis nach technischen Fachmännern erzeugt, kürzlich gewerblich introducted gewesen.

Es gibt auch einen großen Körper der zeitgenössischen Forschung und Entwicklung, die zum Verwenden von Expertensystemen für das menschliche Verhaltensmodellieren und die Entscheidungshilfe-Systeme geleitet ist. Der erstere ist im Gebiet von interkulturellen Beziehungen und den Letzteren in sich verbessernden Verwaltungsoperationen in Kleinunternehmen besonders wichtig.

Wissensverarbeitung

Das Gebäude, das Aufrechterhalten und die Entwicklung von Expertensystemen sind als Wissensverarbeitung bekannt. Wissensverarbeitung ist eine "Disziplin, die Integrierungskenntnisse in Computersysteme einschließt, um komplizierte Probleme zu beheben, die normalerweise ein hohes Niveau des menschlichen Gutachtens verlangen".

Es gibt allgemein drei Personen, die eine Wechselwirkung in einem Expertensystem haben. Primär unter diesen ist der Endbenutzer, die Person, die das System für sein Problem verwendet, Hilfe lösend. Im Aufbau und der Wartung des Systems gibt es zwei andere Rollen: Der Problem-Fachmann, der das System baut und die Kenntnisse-Basis liefert, und ein Kenntnisse-Ingenieur, der den Experten bei der Bestimmung der Darstellung ihrer Kenntnisse hilft, geht in diese Kenntnisse in ein Erklärungsmodul ein, und wer die Interferenztechnik definiert, die erforderlich ist, das Problem zu beheben. Gewöhnlich wird der Kenntnisse-Ingenieur das Problem vertreten, Tätigkeit in der Form von Regeln lösend. Wenn diese Regeln vom Bereichsgutachten geschaffen werden, versorgt die Kenntnisse-Basis die Regeln des Expertensystemes.

Siehe auch

• AI Wirkung
• Anwendungen der künstlichen Intelligenz
• Liste von erscheinenden Technologien
• Umriss der künstlichen Intelligenz

Bibliografie

Lehrbücher

Geschichte von AI

Anderer

• Jean-Philippe de Lespinay, Admiroutes, Dezember 2008: Das Denken AI
• Automatisiert Intelligents, 2009: Gesprächig und Anruf-Zentren

Links

• Expertensystem-Tutorenkurs auf dem Codeprojekt