Ekspertski sistemi (takođe,ekspertni sistemi) su inteligentniračunarski programi kojima se emulira rešavanje problema na način na koji to čineeksperti i predstavljaju jednu od najznačajnijih oblasti istraživanjaveštačke inteligencije.[1] Ekspertski sistemi rešavaju realne probleme iz različitih oblasti, koji bi inače zahtevali ljudsku ekspertizu. Cilj je da uvek računarski program daje korektne odgovore, u datoj oblasti, ne lošije od eksperta, ali je to teško dostižno. Zato se postavlja manje ambiciozan cilj, traži se da sistem pruži pomoć u odlučivanju.
Ekspertski sistemi su dizajnirani da rešavaju složene problemerasuđivanjem kroz korpus znanja, predstavljenog uglavnom kao pravila oblika„ako-onda”, a ne kroz konvencionalniproceduralni kod.[2] Prvi ekspertski sistemi su stvoreni tokom 1970-ih, a zatim su se proširili tokom 1980-ih.[3] Ekspertski sistemi su bili među prvim zaista uspešnim oblicima softvera zaveštačku inteligenciju (AI).[4][5][6][7][8] Ekspertni sistem je podeljen na dva podsistema:mehanizam zaključivanja ibazu znanja. Baza znanja predstavlja činjenice i pravila. Mehanizam zaključivanja primenjuje pravila na poznate činjenice da bi zaključio nove činjenice. Mehanizmi zaključivanja takođe mogu uključiti mogućnosti objašnjenja i otklanjanja grešaka.
Ubrzo nakon pojave modernih računara u kasnim 1940-im i ranim 1950-im, istraživači su počeli da shvataju ogroman potencijal koji su ove mašine imale za savremeno društvo. Jedan od prvih izazova bio je da se takve mašine učine sposobnim da „razmišljaju“ kao ljudi – posebno, da ove mašine budu sposobne da donose važne odluke na način na koji to ljudi čine. Oblast medicine/zdravstva predstavljala je tegoban izazov za omogućavanje ovim mašinama da donose medicinske dijagnostičke odluke.[9]
Tako su tokom kasnih 1950-ih, odmah nakon što jeinformaciono doba u potpunosti nastupilo, istraživači počeli da eksperimentišu sa mogućnošću korišćenja kompjuterske tehnologije za oponašanje ljudskog donošenja odluka. Na primer,biomedicinski istraživači su počeli da stvaraju kompjuterski potpomognute sisteme za dijagnostičke primene umedicini ibiologiji. Ovi rani dijagnostički sistemi su koristili simptome pacijenata i rezultate laboratorijskih testova kao ulazne podatke za generisanje dijagnostičkog ishoda.[10][11] Ovi sistemi su često opisivani kao rani oblici ekspertskih sistema. Međutim, istraživači su shvatili da postoje značajna ograničenja kada se koriste tradicionalne metode kao što sudijagrami toka,[12][13] statističko podudaranjeobrazaca[14] iliteorija verovatnoće.[15][16]
Ova prethodna situacija je postepeno dovela do razvoja ekspertnih sistema, koji su koristili pristupe zasnovane na znanju. Ti ekspertni sistemi u medicini bili su ekspertni sistemMYCIN,[17] ekspertski sistemInternist-I[18] i kasnije, sredinom 1980-ih,CADUCEUS.[19]
Ekspertski sistemi su formalno uvedeni oko 1965. godine[20] od straneStenfordskog projekta heurističkog programiranja koji je vodioEdvard Fajgenbaum, koji se ponekad naziva „ocem ekspertskih sistema“; drugi ključni rani saradnici bili su Brus Bjukenen i Rendal Dejvis. Istraživači sa Stanforda pokušali su da identifikuju domene u kojima je stručnost visoko cenjena i složena, kao što je dijagnostika zaraznih bolesti (Micin) i identifikacija nepoznatih organskih molekula (Dendral). Ideja da „inteligentni sistemi crpe svoju moć iz znanja koje poseduju, a ne iz specifičnih formalizama i šema zaključivanja koje koriste“[21] – kako je rekao Fajgenbaum – bila je u to vreme značajan korak napred, pošto su ranija istraživanja bila fokusirana o heurističkim računarskim metodama, što je kulminiralo u pokušajima da se razviju rešavači problema opšte namene (pre svega zajednički radAlena Njuela iHerberta Sajmona).[22] Ekspertski sistemi su postali neki od prvih zaista uspešnih oblika softveraveštačke inteligencije (AI).[4][5][6][7][8]
Ekspert je stručnjak u nekoj oblasti koji poseduje i efikasno koristi određenoznanje, razumevanje problema i zadataka, veštine i iskustva.
Eksperti poseduju i sposobnost da u konkretnom problemu koji rešavaju prepoznaju tipski zadatak. Poseduju i nekelične osobine poput snalažljivosti, što činiheurističko znanje. Na osnovu ovog znanja mogu da prepoznaju najbrži način dolaska do rešenja, kao i ispravan pristup u rešavanju problema, čak i ako su podaci nekompletni.
Ekspertni sistemi iz pojedinih oblasti se povezuju čineći na taj način bazu znanja šire namene, koja je veliki potencijal za pomoć u odlučivanju.
Pomoć u odlučivanju je neophodna zbog:
Razlog za primenu ekspertskih sistema je težnja daznanje, iz raznih specifičnih oblasti ljudske delatnosti, postane dostupnije kroz primenuračunarskih programa. Omogućeno je da u svakom trenutkuzaključivanja bude na raspolaganju celokupno znanje iz određene oblasti. Zahvaljujući velikoj brziniračunara iz tog znanja za kratko vreme je moguće izvućizaključke.
Razlike između konvencionalnog programa i ekspertnog sistema se sastoje u tome što, ekspertski sistem ima sposobnost zaključivanja i objašnjavanja, može da objasni svoje akcije, opravda svoje zaključke i obezbedi korisnikuinformacije o znanju koje poseduje.
Čovek ne može potpuno biti zamenjen, naročito u pogledukreativnosti i korišćenja opšteg znanja. Prednost ekspertskih sistema nad ljudima je što se ljudsko znanje vremenom gubi naročito ako se često ne koristi.
Ekspertski sistemi omogućavaju korisnicima da odgovore na specifična ili hipotetička pitanja koja eventualno rezultuju dobijanjem specifičnih, relevantnih informacija. Na višem nivou mogu planiratibudžetenacija,simulirati ratne situacije, anticipirati promene u prirodnom okruženju i slično, kao "asistenti" ljudskim ekspertima.
Ekspertski sistemi imaju tri komponente:
Postupak prikupljanja znanje počinje tako štoinženjer znanja nastoji da od eksperta dobije heurističko znanje, da ga kodira i unese u ekspertski sistem. Korisnik sa ekspertskim sistemom komunicira preko terminala.
Osnovni elementi ekspertskog sistema pored baze znanja, mehanizam zaključivanja, su iradna memorija iinterfejs prema korisniku, kao i pomoćnimoduli: podsistemi za prikupljanje znanja, posebni interfejsi, sistem za objašnjenja.
Baza znanja je specijalizovana i jedinstvena za konkretni sistem koji sadrži znanje eksperata iz određene oblasti a koje je uneto putem sistema za prikupljanje znanja i ne menja se tokom vremena.Radna memorija sadrži trenutne podatke o problemu koji se rešava. Oni su promenljivi i odražavaju trenutno stanje u procesu rešavanja.Mehanizam zaključivanja na osnovu tih promenljivih podataka i fiksnog znanja iz baze znanja rešava problem. Preko interfejsa prema korisniku odvija sekomunikacija.
Učesnici u razvoju ES su:
Konvencionalni programi se uglavnom upotrebljavaju za obradu velikih količinapodatakanumeričkog tipa, koja se vrši prema unapred definisanimalgoritmima.
Ekspertski sistemi manipulišusimboličkim podacima i ne rade po unapred zadatim algoritmima. Problemi koje rešavaju su slabo strukturirani i ne podležumatematičkom modeliranju iformalizmu.
Razlike između konvencionalnih programa i ekspertskih sistema su u tome što
Istorijat razvoja ekspertnih sistema
(5th изд.). Benjamin/Cummings.ISBN 978-0-8053-4780-7. Приступљено17. 12. 2019. CS1 одржавање: Формат датума (веза). Morgan Kaufmann.ISBN 978-1-55860-467-4. Приступљено18. 11. 2019. CS1 одржавање: Формат датума (веза)| Međunarodne | |
|---|---|
| Državne | |
