HỆ THỐNG CHUYÊN GIA: LỊCH SỬ, ĐẶC ĐIỂM, ƯU ĐIỂM, NHƯỢC ĐIỂM - CÔNG NGHỆ

Các hệ thống chuyên gia được định nghĩa là hệ thống thi đua khả năng đưa ra quyết định của một chuyên gia về nhân lực trong một lĩnh vực cụ thể. Họ sử dụng cả các chiến lược và sự kiện kinh nghiệm để giải quyết các vấn đề ra quyết định phức tạp một cách đáng tin cậy và tương tác.

Chúng được thiết kế để giải quyết các vấn đề phức tạp cao, suy luận thông qua cơ sở kiến thức. Thay vì được biểu diễn bằng mã thủ tục, về cơ bản chúng được biểu diễn bằng các quy tắc If-Then.

Nguồn: pixabay.com

Họ có thể thể hiện bản thân và lý luận về một số lĩnh vực kiến thức, điều này cho phép họ giải quyết nhiều vấn đề mà thường đòi hỏi một chuyên gia về con người. Hệ thống chuyên gia là tiền thân của trí tuệ nhân tạo, học sâu và hệ thống máy học ngày nay.

Một hệ thống chuyên gia không thể thay thế cho hiệu suất tổng thể của nhân viên trong việc khắc phục sự cố. Tuy nhiên, chúng có thể giảm đáng kể khối lượng công việc mà cá nhân phải làm để giải quyết một vấn đề, để lại những khía cạnh sáng tạo và đổi mới của việc giải quyết vấn đề cho mọi người.

Họ đã đóng một vai trò quan trọng trong nhiều ngành, chẳng hạn như dịch vụ tài chính, viễn thông, chăm sóc sức khỏe, dịch vụ khách hàng, trò chơi điện tử và sản xuất.

Năng lực hệ thống

Một hệ thống chuyên gia kết hợp hai hệ thống con: cơ sở kiến thức, chứa các dữ kiện và kinh nghiệm tích lũy được, và động cơ suy luận, là một tập hợp các quy tắc để áp dụng cho cơ sở kiến thức hoặc các dữ kiện đã biết trong từng tình huống cụ thể, để suy ra những điều mới. hành vi.

Khả năng hệ thống có thể được nâng cao với các bổ sung vào cơ sở kiến thức hoặc bộ quy tắc.

Ví dụ, các hệ thống chuyên gia ngày nay cũng có thể có khả năng học hỏi tự động, cho phép họ cải thiện hiệu suất của mình dựa trên kinh nghiệm, giống như con người.

Ngoài ra, các hệ thống hiện đại có thể dễ dàng kết hợp kiến thức mới hơn và do đó dễ dàng cập nhật. Các hệ thống như vậy có thể khái quát hóa tốt hơn từ kiến thức hiện có và xử lý lượng lớn dữ liệu phức tạp.

Lịch sử

- Diễn biến ban đầu

Vào cuối những năm 1950, thử nghiệm bắt đầu với khả năng sử dụng công nghệ máy tính để mô phỏng quá trình ra quyết định của con người. Ví dụ, các hệ thống máy tính hỗ trợ bắt đầu được tạo ra cho các ứng dụng chẩn đoán trong y học.

Các hệ thống chẩn đoán ban đầu này nhập các triệu chứng của bệnh nhân và kết quả xét nghiệm trong phòng thí nghiệm vào hệ thống để tạo ra kết quả chẩn đoán. Đây là những hình thức đầu tiên của hệ thống chuyên gia.

- Diễn biến chính

Vào đầu những năm sáu mươi, các chương trình đã được phát triển để giải quyết các vấn đề đã được xác định rõ ràng. Ví dụ: trò chơi hoặc bản dịch máy.

Các chương trình này yêu cầu các kỹ thuật suy luận thông minh để xử lý các vấn đề logic và toán học đã được trình bày, nhưng chúng không đòi hỏi nhiều kiến thức bổ sung.

Các nhà nghiên cứu bắt đầu nhận ra rằng để giải quyết nhiều vấn đề thú vị, các chương trình không chỉ phải có khả năng giải thích các vấn đề, họ còn cần kiến thức cơ bản để hiểu đầy đủ về chúng.

Điều này dần dần dẫn đến sự phát triển của các hệ thống chuyên gia, tập trung nhiều hơn vào kiến thức.

Khái niệm về hệ chuyên gia được Edward Feigenbaum, giáo sư tại Đại học Stanford, Hoa Kỳ, chính thức phát triển vào năm 1965.

Feigenbaum giải thích rằng thế giới đang chuyển từ xử lý dữ liệu sang xử lý tri thức, nhờ vào công nghệ xử lý mới và kiến trúc máy tính.

Dendral

Vào cuối những năm 1960, một trong những hệ thống chuyên gia đầu tiên, được gọi là Dendral, đã được phát triển để giải quyết việc phân tích các hợp chất hóa học.

Kiến thức của Dendral bao gồm hàng trăm quy tắc mô tả tương tác của các hợp chất hóa học. Những quy tắc này là kết quả của nhiều năm hợp tác giữa các nhà hóa học và các nhà khoa học máy tính.

- Trưởng thành

Các hệ thống chuyên gia bắt đầu phổ biến trong những năm 1980. Nhiều công ty trong số 500 công ty thuộc danh sách Fortune đã áp dụng công nghệ này trong các hoạt động kinh doanh hàng ngày của họ.

Trong những năm 1990, nhiều nhà cung cấp ứng dụng kinh doanh, chẳng hạn như Oracle và SAP, đã tích hợp các khả năng của hệ thống chuyên gia vào bộ sản phẩm của họ như một cách giải thích logic nghiệp vụ.

nét đặc trưng

- Mức độ kinh nghiệm

Một hệ thống chuyên gia phải cung cấp trình độ chuyên môn cao nhất. Cung cấp khả năng giải quyết vấn đề hiệu quả, chính xác và giàu trí tưởng tượng.

- Phản ứng đúng lúc

Người dùng tương tác với hệ thống chuyên gia trong một khoảng thời gian khá hợp lý. Thời gian của tương tác này phải nhỏ hơn thời gian mà một chuyên gia cần để có được giải pháp chính xác nhất cho cùng một vấn đề.

- Độ tin cậy

Hệ thống chuyên gia phải có độ tin cậy tốt. Để làm được điều này, bạn không được phạm bất kỳ sai lầm nào.

- Cơ chế hiệu quả

Hệ thống chuyên gia phải có một cơ chế hiệu quả để quản lý bản tóm tắt kiến thức hiện có trong đó.

- Xử lý các vấn đề

Một hệ thống chuyên gia phải có khả năng xử lý các vấn đề thách thức và đưa ra các quyết định đúng đắn để đưa ra các giải pháp.

- Các thành phần

Kiến thức cơ bản

Nó là một tập hợp dữ liệu có tổ chức tương ứng với phạm vi trải nghiệm của hệ thống.

Thông qua các cuộc phỏng vấn và quan sát với các chuyên gia con người phải đưa ra các dữ kiện tạo nên nền tảng kiến thức.

Động cơ suy diễn

Giải thích và đánh giá các sự kiện trong cơ sở kiến thức thông qua các quy tắc, để đưa ra khuyến nghị hoặc kết luận.

Kiến thức này được biểu diễn dưới dạng quy tắc sản xuất If-Then: "Nếu một điều kiện là đúng, thì suy luận sau có thể được thực hiện."

Kết luận

Thường thì một yếu tố xác suất được gắn vào kết luận của mỗi quy tắc sản xuất và khuyến nghị cuối cùng, bởi vì kết luận đạt được không phải là một điều chắc chắn tuyệt đối.

Ví dụ, một hệ thống chuyên gia để chẩn đoán các bệnh về mắt có thể chỉ ra rằng, dựa trên thông tin được cung cấp, một người bị bệnh tăng nhãn áp với xác suất là 90%.

Ngoài ra, trình tự các quy tắc đã đạt được kết luận có thể được hiển thị. Giám sát chuỗi này giúp đánh giá độ tin cậy của khuyến nghị và hữu ích như một công cụ học tập.

Các loại

Dựa trên quy tắc

Trong hệ thống này, kiến thức được biểu diễn như một tập hợp các quy tắc. Quy tắc là một cách thể hiện kiến thức trực tiếp và linh hoạt.

Quy tắc bao gồm hai phần: phần "Nếu", được gọi là điều kiện, và phần "Thì", được gọi là phần trừ. Cú pháp cơ bản của quy tắc là: If (điều kiện) Then (suy luận).

Dựa trên logic mờ

Khi bạn muốn diễn đạt kiến thức bằng những từ mơ hồ như "rất ít", "khó vừa phải", "không phải là cũ", bạn có thể sử dụng logic mờ.

Logic này được sử dụng để mô tả một định nghĩa không chính xác. Nó dựa trên ý tưởng rằng tất cả mọi thứ được mô tả trên thang trượt.

Logic cổ điển hoạt động với hai giá trị chắc chắn: Đúng (1) và Sai (0). Trong logic mờ, tất cả các giá trị chắc chắn được biểu thị dưới dạng số thực trong phạm vi từ 0 đến 1.

Logic mờ biểu thị kiến thức dựa trên mức độ trung thực, chứ không phải là tính trung thực tuyệt đối của logic cổ điển.

Thần kinh

Ưu điểm của hệ thống chuyên gia dựa trên quy tắc cũng kết hợp các ưu điểm của mạng nơ-ron, chẳng hạn như khả năng học hỏi, tổng quát hóa, tính mạnh mẽ và xử lý thông tin song song.

Hệ thống này có cơ sở tri thức thần kinh, thay vì cơ sở tri thức truyền thống. Kiến thức được lưu trữ dưới dạng trọng lượng trong tế bào thần kinh.

Sự kết hợp này cho phép hệ thống chuyên gia thần kinh biện minh cho kết luận của mình.

Khuếch tán thần kinh

Logic mờ và mạng nơ-ron là những công cụ bổ sung để xây dựng hệ thống chuyên gia.

Hệ thống mờ thiếu khả năng học hỏi và không thể thích ứng với môi trường mới. Mặt khác, mặc dù mạng nơ-ron có thể học hỏi, nhưng quá trình của chúng rất phức tạp đối với người dùng.

Hệ thống mờ thần kinh có thể kết hợp khả năng tính toán và học tập của mạng thần kinh với việc biểu diễn tri thức của con người và kỹ năng giải thích của hệ thống mờ.

Kết quả là, mạng nơ-ron trở nên trong suốt hơn, trong khi hệ thống mờ trở nên có khả năng học hỏi.

Lợi thế

khả dụng

Hệ thống chuyên gia luôn sẵn sàng, mọi lúc, mọi nơi, do phần mềm được sản xuất hàng loạt.

Giảm rủi ro

Một công ty có thể vận hành một hệ thống chuyên gia trong môi trường nguy hiểm cho con người. Chúng có thể được sử dụng trong bất kỳ môi trường độc hại nào mà con người không thể làm việc.

Kiến thức kinh doanh

Chúng có thể trở thành phương tiện để phát triển kiến thức của tổ chức, ngược lại với kiến thức của các cá nhân trong một công ty.

Giải thích trả lời

Họ có thể giải thích đầy đủ về việc ra quyết định của họ, diễn đạt chi tiết lý do dẫn đến câu trả lời.

Khi được sử dụng làm công cụ đào tạo, chúng dẫn đến việc học tập nhanh hơn cho người mới bắt đầu.

Trả lời nhanh

Giúp nhận được câu trả lời nhanh chóng và chính xác. Một hệ thống chuyên gia có thể hoàn thành phần công việc của mình nhanh hơn nhiều so với một chuyên gia về con người.

Tỷ lệ lỗi thấp

Tỷ lệ lỗi của hệ thống chuyên gia thành công là khá thấp, đôi khi thấp hơn nhiều so với tỷ lệ lỗi của con người cho cùng một nhiệm vụ.

Phản hồi vô cảm

Hệ thống chuyên gia hoạt động mà không bị kích thích. Họ không căng thẳng, mệt mỏi hoặc hoảng sợ và họ hoạt động ổn định trong các tình huống khẩn cấp.

Kiến thức lâu dài

Hệ thống chuyên gia duy trì một mức độ thông tin đáng kể. Kiến thức chứa đựng này sẽ tồn tại vô thời hạn.

Tạo mẫu nhanh

Với một hệ thống chuyên gia, có thể nhập một số quy tắc và phát triển một nguyên mẫu trong vài ngày, thay vì các tháng hoặc năm thường được liên kết với các dự án CNTT phức tạp.

Nhiều trải nghiệm

Hệ thống chuyên gia có thể được thiết kế để chứa đựng kiến thức của nhiều chuyên gia có trình độ và do đó có khả năng giải quyết các vấn đề phức tạp.

Điều này làm giảm chi phí tư vấn của các chuyên gia tư vấn giải quyết vấn đề. Chúng là một phương tiện để thu thập những nguồn kiến thức khó có được.

Nhược điểm

Thu nhận kiến thức

Luôn luôn khó khăn để có được thời gian của các chuyên gia trong các lĩnh vực cụ thể cho bất kỳ ứng dụng phần mềm nào, nhưng đối với hệ thống chuyên gia thì đặc biệt khó khăn, bởi vì các chuyên gia được đánh giá cao và liên tục được các tổ chức yêu cầu.

Kết quả là, một lượng lớn nghiên cứu trong những năm gần đây đã tập trung vào các công cụ để thu thập kiến thức, giúp tự động hóa quá trình thiết kế, gỡ lỗi và duy trì các quy tắc do các chuyên gia xác định.

Hệ thống tích hợp

Việc tích hợp hệ thống với cơ sở dữ liệu là khó khăn đối với các hệ thống chuyên gia đầu tiên, vì các công cụ chủ yếu là ngôn ngữ và nền tảng không được biết đến trong môi trường doanh nghiệp.

Kết quả là, một nỗ lực lớn đã được thực hiện để tích hợp các công cụ hệ thống chuyên gia với các môi trường kế thừa, giúp chuyển sang các nền tảng tiêu chuẩn hơn.

Những vấn đề này chủ yếu được giải quyết nhờ sự thay đổi mô hình, vì PC dần dần được chấp nhận trong môi trường máy tính như một nền tảng hợp pháp để phát triển các hệ thống kinh doanh nghiêm túc.

Xử lý phức tạp

Tăng kích thước của cơ sở tri thức làm tăng độ phức tạp của quá trình xử lý.

Ví dụ, nếu một hệ thống chuyên gia có 100 triệu quy tắc, rõ ràng là nó sẽ quá phức tạp và nó sẽ gặp phải nhiều vấn đề tính toán.

Một công cụ suy luận sẽ phải có khả năng xử lý một số lượng lớn các quy tắc để đưa ra quyết định.

Khi có quá nhiều quy tắc, cũng khó xác minh rằng các quy tắc quyết định này có nhất quán với nhau hay không.

Việc ưu tiên sử dụng các quy tắc để hoạt động hiệu quả hơn hoặc cách giải quyết những điều không rõ ràng cũng rất khó.

Cập nhật kiến thức

Một vấn đề liên quan đến nền tảng kiến thức là làm thế nào để cập nhật nhanh chóng và hiệu quả. Ngoài ra, làm thế nào để bổ sung kiến thức mới, tức là thêm nó vào đâu trong số rất nhiều quy tắc.

Các ứng dụng

Chẩn đoán và khắc phục sự cố

Nó tóm tắt tất cả các hệ thống suy ra lỗi và đề xuất các hành động sửa chữa cho một quy trình hoặc thiết bị bị trục trặc.

Một trong những lĩnh vực kiến thức đầu tiên mà công nghệ hệ thống chuyên gia được áp dụng là chẩn đoán y tế. Tuy nhiên, chẩn đoán hệ thống kỹ thuật nhanh chóng vượt trội hơn chẩn đoán y tế.

Chẩn đoán có thể được thể hiện như: với bằng chứng được trình bày, vấn đề cơ bản, lý do hoặc nguyên nhân là gì?

Lập kế hoạch và lập lịch trình

Các hệ thống chuyên gia này phân tích một tập hợp các mục tiêu để xác định một tập hợp các hành động đạt được các mục tiêu đó, cung cấp thứ tự chi tiết của các hành động đó theo thời gian, xem xét nguyên vật liệu, nhân sự và các hạn chế khác.

Ví dụ bao gồm nhân viên hàng không và lên lịch bay, và lập kế hoạch quy trình sản xuất.

Quyết định tài chính

Hệ thống tư vấn tài chính đã được tạo ra để giúp các chủ ngân hàng xác định xem có nên cho các cá nhân và công ty vay hay không.

Các công ty bảo hiểm sử dụng các hệ thống chuyên gia này để đánh giá rủi ro mà khách hàng phải chịu và do đó xác định giá bảo hiểm.

Giám sát và kiểm soát quy trình

Họ phân tích dữ liệu từ các thiết bị vật lý trong thời gian thực, để nhận thấy sự bất thường, dự đoán xu hướng và kiểm soát cả tối ưu hóa và sửa lỗi.

Ví dụ về các hệ thống này là trong các ngành công nghiệp lọc dầu và luyện thép.

Tư vấn kiến thức

Chức năng chính của ứng dụng này là cung cấp cái nhìn sâu sắc có ý nghĩa về vấn đề của người dùng, trong môi trường của vấn đề đó.

Hai hệ thống chuyên gia được phân bố rộng rãi nhất trên toàn thế giới thuộc về loại này.

Hệ thống đầu tiên trong số những hệ thống này là một cố vấn tư vấn cho người dùng về việc sử dụng đúng ngữ pháp trong một văn bản.

Thứ hai là một cố vấn thuế gắn với một hệ thống chuẩn bị thuế. Tư vấn cho người dùng về chiến lược và các chính sách thuế cụ thể.

Người giới thiệu

Guru99 (2019). Hệ thống chuyên gia trong trí tuệ nhân tạo: Ví dụ, Ứng dụng là gì. Lấy từ: guru99.com.
Wikipedia, bách khoa toàn thư miễn phí (2019). Hệ thống chuyên gia. Lấy từ: en.wikipedia.org.
Margaret Rouse (2019). Hệ thống chuyên gia. Mục tiêu công nghệ. Lấy từ: searchhenterpriseai.techtarget.com.
Vladimir Zwass (2019). Hệ thống chuyên gia. Bách khoa toàn thư Lấy từ: britannica.com.
Wtec (2019). Các ứng dụng của hệ thống chuyên gia. Lấy từ: wtec.org.
Viral Nagori (2014). Các loại hệ thống chuyên gia: Nghiên cứu so sánh. Semantic Scholar Lấy từ: pdfs.semanticscholar.org.
World of Computing (2010). Những hệ thống chuyên gia. Lấy từ: Intelligence.worldofcomputing.net.

HỆ THỐNG CHUYÊN GIA: LỊCH SỬ, ĐẶC ĐIỂM, ƯU ĐIỂM, NHƯỢC ĐIỂM - CÔNG NGHỆ - 2025