전문가 시스템 기술 세계를 돌고있는 용어입니다. 이 기사에서는이 주제를 자세히 살펴볼 것입니다.
이 기사에서는 다음 사항을 다룰 것입니다.
인공 지능이란 무엇입니까?
음, 일반적으로 인공 지능이라는 이름은 인공적인 기계의 지능을 암시합니다. 인간이 보유한 지능은 인간 지능으로 알려져 있으며, 기계가 보여주는 지능이 인공 지능으로 알려진 것과 마찬가지입니다. 컴퓨터 과학에서. 기계 지능이라고도하는 인공 지능 (AI). 인공 지능 연구 분야는 1956 년 다트머스 대학의 워크숍에서 탄생했습니다.
현실 세계에서 인공 지능의 응용 :
자바 바이너리를 십진수로 변환
요즘 많은 인기를 얻고있는 SIRI, CORTANA와 같은 챗봇. HDFC 은행의 AI 연구 부서에서 개발 한 AI 기반 챗봇 인 EVA (Electronic Virtual Assistant)와 같은 다른 예는 수천 개의 소스에서 지식을 수집하고 0.4 초 이내에 간단한 답변을 제공 할 수 있습니다. 우리 사회의 다양한 분야에서 찾을 수있는 AI 애플리케이션의 예가 너무 많습니다.
인공 지능의이 전문가 시스템으로 넘어 가서,
인공 지능의 전문가 시스템
전문가 시스템이란 무엇입니까?
Standford University의 컴퓨터 과학과 연구원은이 AI 영역을 도입했으며 AI의 저명한 연구 영역입니다. 특정 도메인의 가장 복잡한 문제를 해결할 수있는 컴퓨터 응용 프로그램입니다. 전문가로부터 습득 한 지식을 기반으로하므로 최고 수준의 인간 지능과 전문성으로 간주됩니다. 전문가 시스템은 사실과 휴리스틱을 모두 사용하여 복잡한 의사 결정 문제를 해결할 수있는 컴퓨터 기반 의사 결정 시스템으로 정의 할 수도 있습니다.
인공 지능의이 전문가 시스템으로 넘어 가서,
전문가 시스템이 사용되는 도메인
오늘날의 전문가 시스템
American Medical Association은 Pathfinder 시스템 인 최초의 전문가 시스템을 승인했습니다. 혈액 병리학 진단을 위해 1980 년에 Standford University가 설립되었습니다. Pathfinder의이 의사 결정 이론 전문가 시스템은 림프절 질환을 진단 할 수 있습니다. 결국 60 개가 넘는 질병을 다루고 100 개가 넘는 증상을 인식 할 수 있습니다.
비즈니스 전문가 시스템
최근 AI 변호사 인 ROSS 전문가 시스템을 개발 한 ROSS는 데이터 마이닝, 패턴 인식, 딥 러닝 및 자연어 처리를 사용하여 인간의 두뇌가 작동하는 방식을 모방하는자가 학습 시스템입니다.
인공 지능의이 전문가 시스템으로 넘어 가서,
주요 적용 분야
- 해석 – 데이터를 기반으로 높은 수준의 결론을 도출합니다.
- 예측 – 가능한 결과를 예상합니다.
- 진단 – 오작동, 질병 등의 원인 파악
- 디자인 –있다기준에 따라 최상의 구성을 찾습니다.
- 계획 – 목표를 달성하기위한 일련의 조치를 제안합니다.
- 모니터링 – 관찰 된 행동을 예상되는 행동과 비교합니다.
- 디버깅 및 수리 – 구제책을 처방하고 실행합니다.
- 교육 – 학생들의 학습 지원.
- 제어 – 시스템 동작을 제어합니다.
전문가 시스템의 목적
전문가 시스템의 주요 목적은 인간 전문가의 지식을 습득하고 특정 분야에서 인간 전문가의 지식과 기술을 복제하는 것입니다. 그런 다음 시스템은 해당 지식과 기술을 사용하여 인간 전문가의 참여없이 특정 영역의 복잡한 문제를 해결합니다.
전문가 시스템의 특징
- 고성능
- 이해할 수 있는
- 신뢰성
- 높은 반응성
규칙 기반 또는 전문가 시스템의 주요 구성 요소
주요 구성 요소는 다음과 같습니다.
- 지식 기반
- 작업 기억
- 추론 엔진
- 설명 시스템
- 사용자 인터페이스
- 지식 기반 편집기
인공 지능의이 전문가 시스템으로 넘어 가서,
ES 설계의 3 단계
지식 습득 :
인간 전문가를 인터뷰하거나 관찰하고 특정 책을 읽는 등 전문가로부터 지식을 얻는 과정.
지식 기반 :
지식 기반은 고품질 지식의 컨테이너입니다. 기술은 연습을 통해 발전하고 지능은 증명할 수 없거나 자신의 지능을 보여줄 수없는 지식에서 비롯됩니다. 따라서 지식은 기술을 개발하고 지능을 보여주기 위해 매우 중요합니다. 마찬가지로 기계도 지능을 발휘하려면 지식이 필요합니다. 예측의 정확성과 시스템의 성능은 완벽하고 정확하며 정확한 지식의 수집에 크게 좌우됩니다.
이제 지식이란 무엇입니까?
지식은 데이터 또는 정보입니다. 우리 인간은 기사를 읽고 책을 읽거나 지식을 조금씩 얻고 풍부하게하는 과정을 볼 수 있다면 지식을 수집하는 데 사용했던 다른 자원에서 책을 읽거나 기사를 읽거나 어떤 자원에서 다른 소스에서 데이터와 정보를 가져오고 추출하여 뇌에 저장했습니다. 그래서 지식은 데이터이고 지식은 정보입니다. 지식은 사실의 모음이기도합니다.
함께 결합 된 데이터, 정보 및 과거 경험을 지식이라고합니다.
지식 표현 :
지식 표현은 지식을 표현하는 데 가장 적합한 구조를 선택하는 방법입니다. 지식 기반에서 지식을 구성하고 형식화하는 방법입니다. IF-THEN-ELSE 규칙의 형태로 수행됩니다.
지식 검증 :
ES에 대한 지식을 테스트하는 것은 정확하고 완전합니다.이 모든 과정을 지식 공학이라고합니다.
추론 엔진 :
지식 기반 ES의 경우 추론 엔진은 특정 솔루션에 도달하기 위해 지식 기반에서 지식을 획득하고 조작합니다.
규칙 기반 ES의 경우,
- 이전 규칙 적용에서 얻은 사실에 규칙을 반복적으로 적용합니다.
- 필요한 경우 지식 기반에 새로운 지식을 추가합니다.
- 특정 사례에 여러 규칙을 적용 할 때 규칙 충돌을 해결합니다.
추론 엔진은 다음 전략을 사용합니다.
- 포워드 체인
- 역방향 체인
포워드 체인
포워드 체인에서 추론 엔진은 조건 및 파생 체인을 따라 결과를 제공합니다. 시스템에 어떤 지식이 공급 되든간에 모든 지식과 사실을 살펴보고 해결책을 결정하기 전에 분류합니다. 전문 시스템은 포워드 체인 방식을 통해“다음에 무슨 일이 일어날 수 있습니까?”라고 대답하려고합니다.
포워드 체인 적용 : 주택 가격 예측, 주식 예측, 주식 시장 예측 등
역방향 체인
특정 도메인에서 어떤 일이 발생하면 추론 엔진은이 결과에 대해 과거에 어떤 조건이 발생했을 수 있는지 알아 내려고합니다. 역 연쇄 방식으로 전문가 시스템은“왜 이런 일이 발생 했습니까?”라고 대답하려고합니다. 역 연쇄 방식으로 추론 엔진은 원인이나 이유를 찾으려고합니다.
예 : 인간의 혈액 암 진단.
장점 단점 및 제한
전문가 시스템의 장점
- 방대한 정보 보유
- 직원 교육 비용 최소화
- 의사 결정 프로세스를 중앙 집중화
- 문제를 해결하는 데 필요한 시간을 줄여 작업 효율성을 높입니다.
- 다양한 인간 전문가 지능 결합
- 인적 오류 수 감소
- 경쟁사에게 문제를 일으킬 수있는 전략적 및 비교 우위 제공
- 인간 전문가가 생각할 수없는 거래를 살펴보십시오.
- 반복적 인 결정, 프로세스 및 작업에 대한 답변 제공
전문가 시스템의 단점 :
- 인간 전문가가 할 수있는 창의적인 반응 부족
- 결정의 논리와 추론을 설명 할 수 없음
- 복잡한 프로세스를 자동화하는 것은 쉽지 않습니다.
- 변화하는 환경에 적응할 수있는 유연성과 능력이 없습니다.
- 답이 없을 때 인식하지 못함
- 의사 결정에 사용되는 상식 없음
제한 사항 :
- 기계 답게 창의적인 반응을하지 못합니다.
- 지식 기반에 제공된 데이터가 정확하지 않거나 정확하지 않으면 잘못된 예측 및 잘못된 결과를 제공합니다.
- 전문가 시스템의 유지 보수 비용이 높습니다.
- 다른 문제가 생기면 인간 전문가는 다른 해결책과 창의적인 반응을 줄 수 있지만 전문가 시스템은 창의적인 반응을하지 못합니다.
이것으로 인공 지능의 전문가 시스템에 대한이 기사의 끝으로 이동합니다.
인공 지능 및 기계 학습에 대한 전체 과정에 등록하려는 경우 Edureka는 특별히 선별 된 지도 학습, 비지도 학습 및 자연어 처리와 같은 기술에 능숙하게 만들 것입니다. 여기에는 딥 러닝, 그래픽 모델 및 강화 학습과 같은 인공 지능 및 기계 학습의 최신 발전 및 기술적 접근에 대한 교육이 포함됩니다.