Экспертная система на основе неопределенности

Опубликовано 6, 4, 2020
Поделиться этим постом:

Экспертная система на основе неопределенности

Сообщество искусственного интеллекта стремилось понять человеческий интеллект, создавая компьютерные программы, которые демонстрировали интеллектуальное поведение. Интеллект воспринимался как способность решать проблемы. Большинство человеческих проблем, казалось, имели не математические, а обоснованные решения. Диагноз болезни вряд ли можно рассчитать. Если у пациентки была группа симптомов, то у нее было определенное заболевание. Но такие рассуждения требовали предварительных знаний. Программы должны были иметь «знания» о том, что болезнь проявляет определенную группу симптомов. Для сообщества IT эти смутные знания, находящиеся в умах «экспертов», превосходили знания учебников. Так они называли программы, которые решали такие проблемы, Expert Systems.

Expert Systems управляла целенаправленными задачами решения задач, включая диагностику, планирование, планирование, настройку и проектирование. Одним из способов представления знаний было использование правил «если, то ...». Когда часть правила «Если» была удовлетворена, то часть правила «Тогда» была завершена. Они стали основанными на правилах экспертными системами. Но знание иногда было фактическим, а иногда неопределенным. Фактические знания имели явную причину для того, чтобы влиять на отношения, где из конкретных правил можно сделать четкие выводы. Боль была одним из симптомов заболевания. Если болезнь всегда проявляла боль, то боль указывала на болезнь. Но смутное и осуждающее знание было названо эвристическим знанием. Это было больше искусства. Болевой симптом не мог механически указывать на заболевания, которые иногда проявлялись болью. Неопределенность не дала конкретных ответов.

Сообщество IT попыталось решить эту проблему, предложив статистический или эвристический анализ неопределенности. Возможности были представлены действительными числами или наборами вещественных векторов. Векторы оценивались с помощью различных «нечетких» концепций. Компоненты измерений были перечислены, давая основу числовых значений. Вариации были объединены, используя методы для вычисления комбинации отклонений. Объединенная неопределенность и ее составляющие были выражены в форме «стандартных отклонений». Неопределенности было дано математическое выражение, которое вряд ли было полезно при диагностике заболевания.

Человеческий разум не вычислял математические отношения для оценки неопределенности. Разум знал, что определенный симптом указывает на возможность, потому что он использовал интуицию, процесс устранения, чтобы мгновенно идентифицировать образцы. Расплывчатая информация была чрезвычайно полезна для процесса исключения, поскольку они исключали многие другие возможности. Если пациенту не хватало боли, все болезни, которые всегда проявлялись болью, можно было устранить. Заболевания, которые иногда проявляли боль, сохранялись. Дальнейшие симптомы помогли идентифицировать из значительно сокращенной базы данных. Выбор был легче из небольшой группы. Неопределенность может быть очень полезна для процесса исключения.

Интуиция была алгоритмом, который оценивал всю базу данных, исключая каждый контекст, который не подходил. Этот алгоритм работал на экспертных системах, которые действовали быстро, чтобы распознать заболевание, выявить прецедентное право или диагностировать проблемы сложной машины. Это было мгновенно, целостно и логично. Если можно было бы представить несколько параллельных ответов, как в случае нескольких параметров силовой установки, распознавание было мгновенным. Для ума, где одновременно были представлены миллионы параметров, распознавание образов в реальном времени было практичным. И устранение было ключом, который мог окончательно справиться с неопределенностью, не прибегая к сложным вычислениям.


Экспертная система на основе неопределенности
Экспертная система на основе неопределенности

Категория:
Программирование

Опубликовано:
6, 4, 2020