Sistem Pakar Di adalah istilah yang membuat pusingan dunia teknologi dan untuk semua alasan yang baik. Dalam artikel ini kita akan meneroka topik ini secara terperinci.
Petunjuk berikut akan dibahas dalam artikel ini,
- Apakah Kecerdasan Buatan?
- Sistem Pakar Dalam Kecerdasan Buatan
- Domain di mana Sistem Pakar digunakan
- Bidang aplikasi utama
- Tiga peringkat merancang ES
- Kekurangan dan Batasan
Oleh itu mari kita mulakan dengan artikel ini,
Apakah Kecerdasan Buatan?
Nah, biasanya nama Artificial Intelligence menunjukkan Kecerdasan mesin yang buatan. Kecerdasan yang dimiliki oleh manusia dikenal sebagai kecerdasan manusia, seperti dengan cara yang sama kecerdasan yang ditunjukkan oleh mesin dikenali sebagai Kecerdasan Buatan. Dalam sains komputer. Kecerdasan buatan (AI), kadang-kadang disebut kecerdasan mesin. Bidang penyelidikan Kecerdasan Buatan lahir di sebuah bengkel di Dartmouth College pada tahun 1956.
Aplikasi Kecerdasan Buatan Di Dunia Sebenar:
Chatbots seperti SIRI, CORTANA yang telah mendapat banyak populariti pada masa kini. Contoh lain seperti EVA (Pembantu Maya Elektronik), chatbot berasaskan AI yang dikembangkan oleh jabatan penyelidikan AI bank HDFC yang dapat mengumpulkan pengetahuan dari ribuan sumber dan memberikan jawapan mudah dalam masa kurang dari 0.4 saat. Terdapat begitu banyak contoh aplikasi AI yang anda akan dapati dalam bidang yang berbeza dalam masyarakat kita.
Melangkah dengan Sistem Pakar Dalam Kecerdasan Buatan ini,
Sistem Pakar Dalam Kecerdasan Buatan
Apa itu sistem pakar?
Penyelidik Universiti Standford, Jabatan Sains Komputer telah memperkenalkan domain AI ini dan merupakan domain penyelidikan AI yang terkenal. Ini adalah aplikasi komputer yang dapat menyelesaikan masalah yang paling kompleks dari domain tertentu. Ia dianggap pada tahap kecerdasan dan kepakaran manusia tertinggi kerana berdasarkan pengetahuan yang diperoleh dari seorang pakar. Sistem Pakar juga boleh didefinisikan sebagai sistem pembuatan keputusan berasaskan komputer yang dapat menyelesaikan masalah membuat keputusan yang kompleks dengan menggunakan fakta dan heuristik.
Melangkah dengan Sistem Pakar Dalam Kecerdasan Buatan ini,
Domain di mana Sistem Pakar digunakan
Sistem Pakar hari ini
Persatuan Perubatan Amerika telah meluluskan sistem pakar pertama yang merupakan sistem Pathfinder. Ia dibina Universiti Standford pada tahun 1980, untuk diagnosis hematopatologi. Sistem pakar keputusan-teori ini dalam Pathfinder pendek, dapat mendiagnosis penyakit kelenjar getah bening. Pada akhirnya ia menangani lebih dari 60 penyakit dan dapat mengenali lebih dari 100 gejala.
Sistem pakar dalam perniagaan
Baru-baru ini dikembangkan sistem pakar ROSS, pengacara AI, ROSS adalah sistem pembelajaran kendiri yang menggunakan perlombongan data, pengenalan corak, pembelajaran mendalam dan pemprosesan bahasa semula jadi untuk meniru cara otak manusia berfungsi.
salinan dalam vs salinan cetek java
Melangkah dengan Sistem Pakar Dalam Kecerdasan Buatan ini,
Bidang aplikasi utama
- Tafsiran - membuat kesimpulan tahap tinggi berdasarkan data.
- Ramalan - mengunjurkan kemungkinan hasil.
- Diagnosis - menentukan punca kerosakan, penyakit, dll.
- Reka Bentuk -menjadimencari konfigurasi terbaik berdasarkan kriteria.
- Merancang - mencadangkan rangkaian tindakan untuk mencapai sesuatu tujuan.
- Pemantauan - membandingkan tingkah laku yang diperhatikan dengan tingkah laku yang diharapkan.
- Penyahpepijatan dan Pembaikan - menetapkan dan melaksanakan ubat.
- Arahan - menolong pelajar dalam pembelajaran.
- Kawalan - mengatur tingkah laku sistem.
Tujuan Sistem Pakar
Tujuan utama sistem pakar adalah untuk memperoleh pengetahuan pakar manusia dan meniru pengetahuan dan kemahiran pakar manusia dalam bidang tertentu. Kemudian sistem akan menggunakan pengetahuan dan kemahiran tersebut untuk menyelesaikan masalah kompleks di kawasan tersebut tanpa penyertaan pakar manusia.
Ciri-ciri Sistem Pakar
- Prestasi tinggi
- Boleh difahami
- Boleh dipercayai
- Sangat responsif
Komponen utama sistem berasaskan peraturan atau pakar
Komponen utama adalah:
- Asas pengetahuan
- Ingatan kerja
- Enjin inferens
- Sistem penerangan
- Antaramuka pengguna
- Penyunting pangkalan pengetahuan
Melangkah dengan Sistem Pakar Dalam Kecerdasan Buatan ini,
Tiga peringkat merancang ES
Pemerolehan pengetahuan:
Proses mendapatkan pengetahuan dari pakar dengan menemubual atau dengan memerhatikan pakar manusia, membaca buku tertentu, dll.
Asas pengetahuan:
Pangkalan pengetahuan adalah wadah pengetahuan berkualiti tinggi. Kemahiran berkembang melalui latihan dan kecerdasan berasal dari pengetahuan tanpa pengetahuan seseorang tidak dapat membuktikan atau seseorang tidak dapat menunjukkan kecerdasannya, jadi pengetahuan sangat penting untuk mengembangkan kemahiran dan untuk menunjukkan kecerdasan. Seperti, dengan cara yang sama diperlukan pengetahuan untuk mesin juga menunjukkan kecerdasannya. Ketepatan ramalan dan juga prestasi sistem sangat bergantung kepada pengumpulan pengetahuan yang sempurna, tepat dan tepat.
Sekarang apa itu pengetahuan?
tutorial langkah demi langkah tableau
Pengetahuan adalah data atau maklumat. Bagi kita manusia dengan membaca artikel dan membaca buku atau dari sumber yang berlainan, kita biasa mengumpulkan pengetahuan sekiranya kita dapat melihat proses memperoleh dan memperkaya pengetahuan secara minimum maka kita akan dapati dengan membaca buku atau membaca artikel atau dari sumber yang kita ada mengambil dan mengekstrak data dan maklumat dari pelbagai sumber yang kemudian kita simpan di otak kita. Jadi pengetahuan adalah data, pengetahuan adalah maklumat. Pengetahuan juga kumpulan fakta.
Data, maklumat dan pengalaman masa lalu digabungkan disebut sebagai pengetahuan.
Perwakilan Pengetahuan:
Perwakilan pengetahuan adalah kaedah memilih struktur yang paling sesuai untuk mewakili pengetahuan. Ini adalah kaedah mengatur dan memformalkan pengetahuan di pangkalan pengetahuan. Ia dilakukan dalam bentuk peraturan IF-THEN-ELSE.
Pengesahan Pengetahuan:
Menguji pengetahuan ES betul dan lengkap.Seluruh proses ini dipanggil pengetahuan kejuruteraan.
Enjin Inferens:
Sekiranya ES berasaskan pengetahuan, Inference Engine memperoleh dan memanipulasi pengetahuan dari pangkalan pengetahuan untuk mencari penyelesaian tertentu.
Sekiranya ES berdasarkan peraturan,
- Ini menerapkan peraturan berulang kali pada fakta, yang diperoleh dari aplikasi peraturan sebelumnya.
- Penambahan pengetahuan baru ke dalam pangkalan pengetahuan sekiranya diperlukan.
- Ini menyelesaikan konflik aturan ketika beberapa peraturan berlaku untuk kasus tertentu.
Inference Engine menggunakan strategi & tolak berikut
- Rantai Maju
- Rantai Belakang
Rantai Maju
Dalam Forward Chaining, Inference Engine memberikan hasilnya dengan mengikuti rantai keadaan dan turunannya. Apa pun pengetahuan yang diberikan dalam sistem, ia melalui semua pengetahuan dan fakta dan menyusunnya sebelum membuat penyelesaian. Dengan kaedah rantai maju, sistem pakar mencoba menjawab, 'Apa yang dapat terjadi selanjutnya?'
java salinan cetek vs dalam
Penerapan rantai hadapan: Ramalan harga rumah, ramalan saham, ramalan pasaran saham dll.
Rantai Belakang
Apabila sesuatu berlaku dalam domain tertentu, Mesin Inferensi berusaha untuk mengetahui keadaan mana yang mungkin berlaku pada masa lalu untuk hasil ini. Dengan kaedah rantai mundur, sistem pakar berusaha menjawab, 'Mengapa ini terjadi?'. Dengan kaedah penyambungan ke belakang mesin inferensi berusaha untuk mengetahui sebab atau sebab.
Contohnya: diagnosis barah darah pada manusia.
Kekurangan dan Batasan
Kelebihan Sistem Pakar
- Menyimpan sejumlah besar maklumat
- Meminimumkan kos latihan pekerja
- Memusatkan proses membuat keputusan
- Jadikan perkara lebih cekap dengan mengurangkan masa yang diperlukan untuk menyelesaikan masalah
- Menggabungkan pelbagai kecerdasan pakar manusia
- Kurangkan jumlah kesalahan manusia
- Berikan kelebihan strategik dan perbandingan yang mungkin menimbulkan masalah bagi pesaing
- Perhatikan urus niaga yang mungkin tidak difikirkan oleh pakar manusia
- Berikan jawapan untuk keputusan, proses dan tugas yang berulang-ulang
Kekurangan sistem pakar:
- Kurangnya respons kreatif yang mampu dilakukan oleh pakar manusia
- Tidak mampu menjelaskan logik dan penalaran di sebalik sesuatu keputusan
- Tidak mudah untuk mengotomatisasi proses yang kompleks
- Tidak ada fleksibiliti dan kemampuan untuk menyesuaikan diri dengan perubahan lingkungan
- Tidak dapat mengenali bila tidak ada jawapan
- Tidak ada akal yang digunakan dalam membuat keputusan
Batasan:
- Ia gagal membuat respons kreatif kerana ia adalah mesin.
- Sekiranya data yang dimasukkan dalam pangkalan pengetahuan tidak tepat atau betul akan memberikan ramalan yang salah dan hasil yang salah.
- Kos penyelenggaraan sistem pakar adalah tinggi.
- Apabila berlainan masalah, pakar manusia dapat memberikan penyelesaian dan respons kreatif yang berbeza tetapi sistem pakar gagal memberikan respons kreatif.
Ini membawa kita ke akhir artikel ini mengenai Sistem Pakar Dalam Kecerdasan Buatan.
Sekiranya anda ingin mendaftar untuk mengikuti kursus lengkap mengenai Artificial Intelligence dan Machine Learning, Edureka mempunyai pilihan khusus yang akan menjadikan anda mahir dalam teknik seperti Pembelajaran yang Diawasi, Pembelajaran Tanpa Pengawasan, dan Pemprosesan Bahasa Semula jadi. Ia merangkumi latihan mengenai kemajuan terkini dan pendekatan teknikal dalam Artificial Intelligence & Machine Learning seperti Pembelajaran Dalam, Model Grafik dan Pembelajaran Pengukuhan.