Systemy
ekspertowe drugiej generacji łączą wnioskowanie heurystyczne oparte na regułach
oraz rozumowanie głębokie (deep
reasoning)oparte na modelu dziedziny , od której zależy problem . Systemy
te w odróżnieniu od poprzedników mają zaimplementowany moduł uczący się
pozwalający na lepsze i skuteczniejsze pozyskiwanie wiedzy za sprawą
możliwości uczenia się nowych reguł
przez egzaminowanie deep reasoning .Dzięki
czemu możliwe jest generowanie głębszej przestrzeni przeszukiwań .
Możliwość
zastosowania metod drążenia danych do pozyskiwania wiedzy w systemach
ekspertowych w znacznym stopniu przyczyniła się do ich gwałtownego rozwoju .Tak
rozbudowane systemy są zdolne do rozwiązywania wielu problemów . W systemach
ekspertowych drugiej generacji istnieje rozbudowany interfejs do baz danych.
Przewaga
systemów ekspertowych drugiej generacji nad poprzednimi przejawia się w
następujących aspektach :
1. W
sytuacji gdy wyczerpane zostają wszystkie możliwości w regułach heurystycznych
zaczyna się przeszukiwanie rozwiązania w sposób tradycyjny , nie bazujący na
wiedzy. Zamiast zupełnego braku rozwiązania , jak w przypadku systemów
ekspertowych pierwszej generacji ,otrzymujemy listę potencjalnych odpowiedzi
uporządkowanych według trafności .
2. Dzięki
możliwości głębszego zrozumienia przestrzeni przeszukiwań systemy ekspertowe
drugiej generacji są w stanie sformułować wnikliwe i bardziej przekonujące
wyjaśnienia logiczności otrzymanego rozwiązania .
3. Największą
przewagą tych systemów jest umiejętność pozyskiwania wiedzy.
Systemy
te zbudowane składają się z jądra
,elementu odpowiedzialnego za
rozwiązywanie problemów oraz elementu odpowiedzialnego za uczenie się .
Reprezentacja
|
Rozwiązywanie
problemów
|
Uczenie się
|
Model przyczynowy
|
Rozumowanie
heurystyczne
|
Integrator reguł
|
Model faktów
|
Deep
reasoning
|
Ekstraktor reguł
|
Tabela nr 3 Składniki systemu
ekspertowego(źródło Elementy systemów ekspertowych M.L.Owca)
Jądro –składa
się z dwóch elementów : jednego odpowiedzialnego za reprezentację oraz drugiego
, który odpowiada zawiera fakty. Pierwszy nakreśla podstawowe obiekty , ich
możliwe właściwości i relacje oraz zawiera dodatkowe informacje np. wartości
domyślne ,sposoby obliczani konkretnych właściwości , sposoby komunikacji z
użytkownikiem itd.
Drugi
obejmuje wszystkie fakty , hipotezy i ostateczne konkluzje dla specyficznych
problemów .
Moduł rozwiązywania problemu-jest
wyposażony dodatkowo w kontroler , który wybiera jaką regułę zastosować , gdy
jednocześnie użytych może być ich kilka.
Zdarza się że stosunkowo złożone reguły można –często należy rozbić na kilka
mniej skomplikowanych. Na przykład w diagnostyce symptomy , wchodzące w skład
reguł ,dzielimy na symptomy typowe ,prawdopodobne , konieczne itd.
Reguły heurystyczne –będą
to reguły typu : „ Jeśli dioda telewizora nie świeci to sprawdź , czy telewizor jest podłączony do sieci”.
Łączą łatwe do zarejestrowania
zewnętrzne obserwacje z wnioskami.
„Deep reasoning” – może
pozyskać nowe reguły. Bada potencjalnie
wiele zależności przyczynowych oraz pyta użytkownika o efekty wielu
obserwacji .Dzięki możliwości zbadania znacznej liczby zależności , jakie
występują w systemie , pozwala na wykrycie nowych reguł , które wcześniej nie
zostały zaobserwowane , a następnie dołączenie ich do już istniejącego zbioru
reguł. W systemach ekspertowych drugiej generacji odpowiedzialny jest za to
moduł uczenia.
Obecnie
kładzie się nacisk na fakt , ze system ekspertowy powinien być postrzegany jako
aplikacja działająca w oparciu o dwa środowiska : rozwoju i konsultacji .(ang. development and consultation
environment).
Brak komentarzy:
Prześlij komentarz