Sistema experto en es un término que está dando vueltas en el mundo de la tecnología y por buenas razones. En este artículo exploraremos este tema en detalle.
En este artículo se cubrirán los siguientes consejos,
- ¿Qué es la inteligencia artificial?
- Sistema experto en inteligencia artificial
- Dominios donde se utilizan sistemas expertos
- Principales áreas de aplicación
- Tres etapas del diseño de ES
- Pros Contras y limitaciones
Así que comencemos con este artículo,
¿Qué es la inteligencia artificial?
Bueno, normalmente el nombre de Inteligencia Artificial sugiere la inteligencia de una máquina que es artificial. La inteligencia que posee el ser humano se conoce como inteligencia humana, así como la inteligencia demostrada por una máquina se conoce como Inteligencia Artificial. En informática. Inteligencia artificial (IA), a veces llamada inteligencia de máquina. El campo de investigación de la Inteligencia Artificial nació en un taller en Dartmouth College en 1956.
Aplicaciones de la inteligencia artificial en el mundo real:
Los chatbots como SIRI, CORTANA que han ganado tanta popularidad en la actualidad. Otros ejemplos como EVA (Electronic Virtual Assistant), un chatbot basado en inteligencia artificial desarrollado por el departamento de investigación de inteligencia artificial de los bancos de HDFC que puede recopilar conocimiento de miles de fuentes y proporcionar respuestas simples en menos de 0,4 segundos. Hay tantos ejemplos de aplicaciones de IA que encontrará en diferentes campos de nuestra sociedad.
Continuando con este Sistema Experto en Inteligencia Artificial,
Sistema experto en inteligencia artificial
¿Qué es un sistema experto?
Investigadores del Departamento de Ciencias de la Computación de la Universidad de Standford han introducido este dominio de la IA y es un dominio de investigación prominente de la IA. Es una aplicación informática que puede resolver los problemas más complejos de cualquier dominio específico. Se considera al más alto nivel de inteligencia y experiencia humana, ya que se basa en el conocimiento adquirido de un experto. El sistema experto también se puede definir como un sistema de toma de decisiones basado en computadora que puede resolver problemas complejos de toma de decisiones utilizando tanto hechos como heurísticas.
Continuando con este Sistema Experto en Inteligencia Artificial,
Dominios donde se utilizan sistemas expertos
Expert Systems hoy
La Asociación Médica Estadounidense ha aprobado el primer sistema experto que fue el sistema Pathfinder. Se construyó en la Universidad de Standford en 1980 para el diagnóstico de hematopatología. Este sistema experto basado en la teoría de la decisión, abreviado Pathfinder, puede diagnosticar enfermedades de los ganglios linfáticos. Al final, se ocupa de más de 60 enfermedades y puede reconocer más de 100 síntomas.
Sistema experto en negocios
Recientemente desarrollado un sistema experto ROSS, el abogado de IA, ROSS es un sistema de autoaprendizaje que utiliza minería de datos, reconocimiento de patrones, aprendizaje profundo y procesamiento del lenguaje natural para imitar la forma en que funciona el cerebro humano.
Continuando con este Sistema Experto en Inteligencia Artificial,
Principales áreas de aplicación
- Interpretación: sacar conclusiones de alto nivel basadas en datos.
- Predicción: proyección de resultados probables.
- Diagnóstico: determinar la causa de fallas, enfermedades, etc.
- Diseño -serencontrar la mejor configuración basada en criterios.
- Planificación: proponer una serie de acciones para lograr un objetivo.
- Monitoreo: comparar el comportamiento observado con el comportamiento esperado.
- Depuración y reparación: prescripción e implementación de remedios.
- Instrucción: ayudar a los estudiantes a aprender.
- Control: gobierna el comportamiento de un sistema.
Propósito del sistema experto
El propósito principal de un sistema experto es adquirir conocimientos de expertos humanos y replicar esos conocimientos y habilidades de expertos humanos en un área en particular. Luego, el sistema utilizará ese conocimiento y habilidades para resolver problemas complejos de esa área en particular sin la participación de expertos humanos.
Características de los sistemas expertos
- Alto rendimiento
- Comprensible
- De confianza
- Altamente receptivo
Componentes principales de un sistema experto o basado en reglas
Los componentes principales son:
declaración if en la consulta SQL
- Base de conocimientos
- Memoria de trabajo
- Máquina de inferencia
- Sistema de explicación
- Interfaz de usuario
- Editor de base de conocimientos
Continuando con este Sistema Experto en Inteligencia Artificial,
Tres etapas del diseño de ES
Adquisición de conocimientos:
El proceso de obtener conocimiento de expertos entrevistando u observando a expertos humanos, leyendo libros específicos, etc.
Base de conocimientos:
La base de conocimientos es un contenedor de conocimientos de alta calidad. Las habilidades se desarrollan a través de la práctica y la inteligencia proviene del conocimiento sin conocimiento que uno no puede probar o uno no puede mostrar su inteligencia, por lo que el conocimiento es muy importante para desarrollar habilidades y exhibir inteligencia. Como, de la misma manera se requiere conocimiento para que la máquina también exhiba su inteligencia. La exactitud de la predicción y también el rendimiento del sistema depende en gran medida de la recopilación de conocimientos perfectos, exactos y precisos.
Ahora bien, ¿qué es el conocimiento?
El conocimiento son datos o información. Para nosotros, los seres humanos, al leer artículos y al leer libros o de diferentes recursos que usamos para recopilar conocimiento, si podemos ver el proceso de obtener y enriquecer el conocimiento al mínimo, entonces lo encontraremos leyendo libros o leyendo artículos o de cualquier recurso que estemos. buscar y extraer datos e información de diferentes fuentes que luego usamos para almacenar en nuestro cerebro. Entonces el conocimiento es datos, el conocimiento es información. El conocimiento también es una colección de hechos.
Los datos, la información y la experiencia pasada combinados se denominan conocimiento.
Representación del conocimiento:
La representación del conocimiento es el método de seleccionar las estructuras más apropiadas para representar el conocimiento. Es el método de organizar y formalizar el conocimiento en la base de conocimientos. Se realiza en forma de reglas IF-THEN-ELSE.
Validación de conocimientos:
Probar el conocimiento de ES es correcto y completo.Todo este proceso se llama ingeniería del conocimiento.
¿Cuáles son las razones para crear una instancia de la clase de archivo?
Máquina de inferencia:
En el caso de los ES basados en el conocimiento, el motor de inferencia adquiere y manipula el conocimiento de la base de conocimiento para llegar a una solución particular.
En caso de ES basado en reglas,
- Aplica reglas repetidamente a los hechos, que se obtienen de la aplicación de reglas anterior.
- Agrega nuevos conocimientos a la base de conocimientos si es necesario.
- Resuelve el conflicto de reglas cuando se aplican múltiples reglas a un caso particular.
El motor de inferencia utiliza las siguientes estrategias y menos
- Encadenamiento directo
- Encadenamiento hacia atrás
Encadenamiento directo
En Forward Chaining, el motor de inferencia da el resultado siguiendo la cadena de condiciones y derivaciones. Cualquiera que sea el conocimiento que se alimenta en el sistema, pasa por todos esos conocimientos y hechos y los clasifica antes de llegar a una solución. Mediante el método de encadenamiento hacia adelante, el sistema experto intenta responder: '¿Qué puede suceder a continuación?'
Aplicación del encadenamiento hacia adelante: predicción del precio de la vivienda, predicción de acciones, predicción del mercado de acciones, etc.
Encadenamiento hacia atrás
Cuando algo ha sucedido en un dominio particular, el motor de inferencia intenta averiguar qué condición pudo haber sucedido en el pasado para este resultado. Mediante el método de encadenamiento hacia atrás, el sistema experto intenta responder: '¿Por qué sucedió esto?'. Mediante el método de encadenamiento hacia atrás, el motor de inferencia intenta averiguar la causa o el motivo.
Por ejemplo: diagnóstico de cáncer de sangre en humanos.
Pros Contras y limitaciones
Ventajas del sistema experto
- Guarda grandes cantidades de información
- Minimice los costes de formación de los empleados
- Centralizar el proceso de toma de decisiones
- Haga las cosas más eficientes reduciendo el tiempo necesario para resolver problemas
- Combinar varias inteligencias humanas expertas
- Reducir la cantidad de errores humanos
- Proporcionar ventajas estratégicas y comparativas que pueden crear problemas a los competidores.
- Revise transacciones en las que los expertos humanos pueden no pensar
- Brindar respuestas a decisiones, procesos y tareas repetitivas.
Desventajas del sistema experto:
- Falta de respuestas creativas que los expertos humanos sean capaces de dar
- No es capaz de explicar la lógica y el razonamiento detrás de una decisión.
- No es fácil automatizar procesos complejos
- No hay flexibilidad ni capacidad para adaptarse a entornos cambiantes.
- No puedo reconocer cuando no hay respuesta
- No se usa el sentido común para tomar decisiones
Limitaciones:
- No logra dar respuestas creativas porque es una máquina.
- Si los datos que se ingresaron en la base de conocimientos no son precisos o correctos, darán predicciones y resultados incorrectos.
- El costo de mantenimiento del sistema experto es alto.
- Cuando surgen diferentes problemas, el experto humano puede dar diferentes soluciones y respuestas creativas, pero el sistema experto no da respuestas creativas.
Esto nos lleva al final de este artículo sobre Sistemas Expertos en Inteligencia Artificial.
Si desea inscribirse en un curso completo sobre Inteligencia Artificial y Aprendizaje Automático, Edureka cuenta con un que le permitirá dominar técnicas como el aprendizaje supervisado, el aprendizaje no supervisado y el procesamiento del lenguaje natural. Incluye capacitación sobre los últimos avances y enfoques técnicos en inteligencia artificial y aprendizaje automático, como aprendizaje profundo, modelos gráficos y aprendizaje por refuerzo.