ระบบผู้เชี่ยวชาญ: ประวัติลักษณะข้อดีข้อเสีย - เทคโนโลยี - 2025

ระบบผู้เชี่ยวชาญจะถูกกำหนดเป็นระบบที่เลียนแบบการตัดสินใจความสามารถของผู้เชี่ยวชาญของมนุษย์ในสาขาเฉพาะ พวกเขาใช้ทั้งกลยุทธ์การแก้ปัญหาและข้อเท็จจริงเพื่อแก้ปัญหาการตัดสินใจที่ซับซ้อนได้อย่างน่าเชื่อถือและโต้ตอบได้

ออกแบบมาเพื่อแก้ปัญหาที่ซับซ้อนสูงโดยใช้เหตุผลผ่านฐานความรู้ แทนที่จะแสดงด้วยรหัสขั้นตอนโดยพื้นฐานแล้วจะแสดงโดยกฎของ If-Then

ที่มา: pixabay.com

พวกเขาสามารถแสดงตัวเองและให้เหตุผลเกี่ยวกับความรู้บางส่วนซึ่งทำให้พวกเขาสามารถแก้ปัญหาต่างๆที่มักจะต้องอาศัยผู้เชี่ยวชาญที่เป็นมนุษย์ ระบบผู้เชี่ยวชาญเป็นรุ่นก่อนหน้าของปัญญาประดิษฐ์การเรียนรู้เชิงลึกและระบบแมชชีนเลิร์นนิงในปัจจุบัน

ระบบผู้เชี่ยวชาญไม่สามารถทดแทนประสิทธิภาพโดยรวมของพนักงานในการแก้ไขปัญหาได้ อย่างไรก็ตามพวกเขาสามารถลดปริมาณงานที่แต่ละคนต้องทำเพื่อแก้ปัญหาได้อย่างมากโดยทิ้งแง่มุมที่สร้างสรรค์และสร้างสรรค์ในการแก้ปัญหาให้กับผู้คน

พวกเขามีบทบาทสำคัญในหลายอุตสาหกรรมเช่นบริการทางการเงินโทรคมนาคมการดูแลสุขภาพการบริการลูกค้าวิดีโอเกมและการผลิต

ความจุของระบบ

ระบบผู้เชี่ยวชาญประกอบด้วยระบบย่อยสองระบบ: ฐานความรู้ซึ่งประกอบด้วยข้อเท็จจริงและประสบการณ์ที่สะสมไว้และกลไกการอนุมานซึ่งเป็นชุดของกฎที่ใช้กับฐานความรู้หรือข้อเท็จจริงที่เป็นที่รู้จักในแต่ละสถานการณ์เพื่อที่จะอนุมานข้อมูลใหม่ การกระทำ

ความสามารถของระบบสามารถปรับปรุงได้ด้วยการเพิ่มฐานความรู้หรือชุดกฎ

ตัวอย่างเช่นระบบผู้เชี่ยวชาญในปัจจุบันอาจมีความสามารถในการเรียนรู้โดยอัตโนมัติทำให้สามารถปรับปรุงประสิทธิภาพตามประสบการณ์ได้เช่นเดียวกับมนุษย์

นอกจากนี้ระบบที่ทันสมัยสามารถรวมเอาความรู้ใหม่ ๆ เข้ามาได้ง่ายขึ้นจึงสามารถปรับปรุงได้ง่าย ระบบดังกล่าวสามารถสรุปได้ดีขึ้นจากความรู้ที่มีอยู่และจัดการกับข้อมูลที่ซับซ้อนจำนวนมาก

ประวัติศาสตร์

- การพัฒนาขั้นต้น

ในช่วงปลายทศวรรษ 1950 การทดลองเริ่มจากความเป็นไปได้ในการใช้เทคโนโลยีคอมพิวเตอร์เพื่อเลียนแบบการตัดสินใจของมนุษย์ ตัวอย่างเช่นระบบคอมพิวเตอร์ช่วยเริ่มถูกสร้างขึ้นเพื่อใช้ในการวินิจฉัยทางการแพทย์

ระบบการวินิจฉัยเบื้องต้นเหล่านี้ป้อนอาการของผู้ป่วยและผลการทดสอบในห้องปฏิบัติการเข้าสู่ระบบเพื่อสร้างผลการวินิจฉัย นี่เป็นรูปแบบแรกของระบบผู้เชี่ยวชาญ

- การพัฒนาหลัก

ในตอนต้นของอายุหกสิบเศษโปรแกรมได้รับการพัฒนาเพื่อแก้ไขปัญหาที่กำหนดไว้อย่างชัดเจน ตัวอย่างเช่นเกมหรือการแปลด้วยเครื่อง

โปรแกรมเหล่านี้จำเป็นต้องใช้เทคนิคการให้เหตุผลอย่างชาญฉลาดเพื่อจัดการกับปัญหาทางตรรกะและคณิตศาสตร์ที่นำเสนอ แต่ไม่ต้องการความรู้เพิ่มเติมมากนัก

นักวิจัยเริ่มตระหนักว่าในการแก้ปัญหาที่น่าสนใจหลายโปรแกรมไม่เพียง แต่ต้องสามารถตีความปัญหาได้ แต่พวกเขายังต้องการความรู้พื้นฐานเพื่อทำความเข้าใจอย่างถ่องแท้

สิ่งนี้ค่อยๆนำไปสู่การพัฒนาระบบผู้เชี่ยวชาญซึ่งให้ความสำคัญกับความรู้มากขึ้น

แนวคิดของระบบผู้เชี่ยวชาญได้รับการพัฒนาอย่างเป็นทางการในปี พ.ศ. 2508 โดย Edward Feigenbaum ศาสตราจารย์แห่งมหาวิทยาลัยสแตนฟอร์ดสหรัฐอเมริกา

Feigenbaum อธิบายว่าโลกกำลังเปลี่ยนจากการประมวลผลข้อมูลไปสู่การประมวลผลความรู้ด้วยเทคโนโลยีโปรเซสเซอร์ใหม่และสถาปัตยกรรมคอมพิวเตอร์

เดนดรัล

ในช่วงปลายทศวรรษ 1960 ระบบผู้เชี่ยวชาญระบบแรกที่เรียกว่า Dendral ได้รับการพัฒนาเพื่อใช้ในการวิเคราะห์สารประกอบทางเคมี

ความรู้ของเดนดรัลประกอบด้วยกฎหลายร้อยข้อที่อธิบายปฏิสัมพันธ์ของสารประกอบทางเคมี กฎเหล่านี้เป็นผลมาจากความร่วมมือกันหลายปีระหว่างนักเคมีและนักวิทยาศาสตร์คอมพิวเตอร์

- วุฒิภาวะ

ระบบผู้เชี่ยวชาญเริ่มแพร่หลายในช่วงทศวรรษที่ 1980 บริษัท ที่ติดอันดับ Fortune 500 หลายแห่งนำเทคโนโลยีนี้ไปใช้ในกิจกรรมทางธุรกิจประจำวันของตน

ในช่วงทศวรรษ 1990 ผู้จำหน่ายแอปพลิเคชันทางธุรกิจจำนวนมากเช่น Oracle และ SAP ได้รวมความสามารถของระบบผู้เชี่ยวชาญไว้ในชุดผลิตภัณฑ์เพื่ออธิบายตรรกะทางธุรกิจ

ลักษณะเฉพาะ

- ระดับประสบการณ์

ระบบผู้เชี่ยวชาญต้องนำเสนอความเชี่ยวชาญระดับสูงสุด ให้ประสิทธิภาพความแม่นยำและการแก้ปัญหาเชิงจินตนาการ

- ปฏิกิริยาตรงเวลา

ผู้ใช้โต้ตอบกับระบบผู้เชี่ยวชาญเป็นระยะเวลาพอสมควร เวลาของการโต้ตอบนี้จะต้องน้อยกว่าเวลาที่ผู้เชี่ยวชาญใช้เพื่อให้ได้วิธีการแก้ปัญหาที่แม่นยำที่สุดสำหรับปัญหาเดียวกัน

- ความน่าเชื่อถือ

ระบบผู้เชี่ยวชาญต้องมีความน่าเชื่อถือที่ดี ในการทำเช่นนี้คุณต้องไม่ทำผิดพลาดใด ๆ

- กลไกที่มีประสิทธิภาพ

ระบบผู้เชี่ยวชาญต้องมีกลไกที่มีประสิทธิภาพในการจัดการสรุปความรู้ที่มีอยู่ในนั้น

- จัดการปัญหา

ระบบผู้เชี่ยวชาญต้องสามารถจัดการกับปัญหาที่ท้าทายและตัดสินใจได้อย่างถูกต้องเพื่อนำเสนอแนวทางแก้ไข

- ส่วนประกอบ

ฐานความรู้

เป็นการรวบรวมข้อมูลที่เป็นระบบซึ่งสอดคล้องกับขอบเขตประสบการณ์ของระบบ

ผ่านการสัมภาษณ์และการสังเกตกับผู้เชี่ยวชาญที่เป็นมนุษย์ต้องใช้ข้อเท็จจริงที่ประกอบเป็นฐานความรู้

เครื่องมืออนุมาน

ตีความและประเมินข้อเท็จจริงในฐานความรู้ผ่านกฎเกณฑ์เพื่อให้ข้อเสนอแนะหรือข้อสรุป

ความรู้นี้แสดงในรูปแบบของกฎการผลิตแบบ If-Then: "ถ้าเงื่อนไขเป็นจริงสามารถทำการหักดังต่อไปนี้ได้"

ข้อสรุป

บ่อยครั้งที่ปัจจัยความน่าจะเป็นจะถูกแนบมากับข้อสรุปของกฎการผลิตแต่ละข้อและคำแนะนำสุดท้ายเนื่องจากข้อสรุปที่ได้มานั้นไม่ใช่ความแน่นอนแน่นอน

ตัวอย่างเช่นระบบผู้เชี่ยวชาญในการวินิจฉัยโรคตาสามารถบ่งชี้ได้จากข้อมูลที่ให้ไว้ว่าบุคคลนั้นเป็นโรคต้อหินโดยมีความน่าจะเป็นถึง 90%

นอกจากนี้ยังสามารถแสดงลำดับของกฎที่ได้ข้อสรุป การตรวจสอบห่วงโซ่นี้ช่วยประเมินความน่าเชื่อถือของคำแนะนำและมีประโยชน์ในฐานะเครื่องมือการเรียนรู้

ประเภท

ตามกฎ

ในระบบนี้ความรู้จะแสดงเป็นชุดของกฎ กฎเป็นวิธีการแสดงความรู้โดยตรงและยืดหยุ่น

กฎประกอบด้วยสองส่วนคือส่วน“ ถ้า” เรียกว่าเงื่อนไขและส่วน“ แล้ว” เรียกว่าการหัก ไวยากรณ์พื้นฐานของกฎคือ If (เงื่อนไข) จากนั้น (การหัก)

ขึ้นอยู่กับตรรกะที่คลุมเครือ

เมื่อคุณต้องการแสดงความรู้โดยใช้คำที่คลุมเครือเช่น "น้อยมาก" "ยากปานกลาง" "ไม่เก่าขนาดนั้น" คุณสามารถใช้ตรรกะที่คลุมเครือได้

ตรรกะนี้ใช้เพื่ออธิบายคำจำกัดความที่ไม่ชัดเจน มันขึ้นอยู่กับแนวคิดที่ว่าทุกสิ่งได้รับการอธิบายในระดับเลื่อน

ตรรกะคลาสสิกทำงานด้วยค่าความแน่นอนสองค่า: จริง (1) และเท็จ (0) ในฟัซซีลอจิกค่าความแน่นอนทั้งหมดจะแสดงเป็นจำนวนจริงในช่วง 0 ถึง 1

ฟัซซีลอจิกแสดงถึงความรู้ตามระดับของความจริงมากกว่าความจริงสัมบูรณ์ของตรรกะคลาสสิก

เซลล์ประสาท

ข้อดีของระบบผู้เชี่ยวชาญตามกฎยังรวมข้อดีของโครงข่ายประสาทเทียมเช่นการเรียนรู้ลักษณะทั่วไปความทนทานและการประมวลผลข้อมูลแบบขนาน

ระบบนี้มีฐานความรู้เชิงประสาทมากกว่าฐานความรู้แบบเดิม ความรู้จะถูกจัดเก็บเป็นน้ำหนักในเซลล์ประสาท

การรวมกันนี้ช่วยให้ระบบผู้เชี่ยวชาญด้านประสาทวิทยาสามารถสรุปข้อสรุปได้

เซลล์ประสาทแพร่กระจาย

ฟัซซีลอจิกและโครงข่ายประสาทเทียมเป็นเครื่องมือเสริมสำหรับการสร้างระบบผู้เชี่ยวชาญ

ระบบฟัซซีขาดความสามารถในการเรียนรู้และไม่สามารถปรับตัวเข้ากับสภาพแวดล้อมใหม่ได้ ในทางกลับกันแม้ว่าเครือข่ายประสาทเทียมจะสามารถเรียนรู้ได้ แต่กระบวนการของมันก็ซับซ้อนมากสำหรับผู้ใช้

ระบบประสาท - ฟัซซีสามารถรวมความสามารถในการคำนวณและการเรียนรู้ของเครือข่ายประสาทเทียมเข้ากับการแสดงความรู้ของมนุษย์และทักษะการอธิบายของระบบฟัซซี

เป็นผลให้เครือข่ายประสาทมีความโปร่งใสมากขึ้นในขณะที่ระบบฟัซซีจะสามารถเรียนรู้ได้

ความได้เปรียบ

ความพร้อมใช้งาน

ระบบผู้เชี่ยวชาญพร้อมใช้งานได้ทุกที่ทุกเวลาเนื่องจากการผลิตซอฟต์แวร์จำนวนมาก

ลดความเสี่ยง

บริษัท สามารถดำเนินการระบบผู้เชี่ยวชาญในสภาพแวดล้อมที่เป็นอันตรายต่อมนุษย์ สามารถใช้ในสภาพแวดล้อมที่เป็นอันตรายใด ๆ ที่มนุษย์ไม่สามารถทำงานได้

ความรู้ทางธุรกิจ

พวกเขาสามารถกลายเป็นเครื่องมือในการพัฒนาความรู้ขององค์กรในทางตรงกันข้ามกับความรู้ของบุคคลใน บริษัท

ตอบคำอธิบาย

พวกเขาสามารถให้คำอธิบายที่เพียงพอเกี่ยวกับการตัดสินใจโดยแสดงรายละเอียดเหตุผลที่นำไปสู่คำตอบ

เมื่อใช้เป็นเครื่องมือในการฝึกอบรมจะส่งผลให้ผู้เริ่มต้นเรียนรู้ได้เร็วขึ้น

คำตอบที่รวดเร็ว

ช่วยให้ได้รับคำตอบที่รวดเร็วและแม่นยำ ระบบผู้เชี่ยวชาญสามารถแบ่งงานได้เร็วกว่าผู้เชี่ยวชาญที่เป็นมนุษย์มาก

อัตราข้อผิดพลาดต่ำ

อัตราความผิดพลาดของระบบผู้เชี่ยวชาญที่ประสบความสำเร็จนั้นค่อนข้างต่ำบางครั้งก็ต่ำกว่าอัตราความผิดพลาดของมนุษย์สำหรับงานเดียวกัน

การตอบสนองที่ไร้อารมณ์

ระบบผู้เชี่ยวชาญทำงานโดยไม่ตื่นเต้น พวกเขาไม่ตึงเครียดเหนื่อยล้าหรือตื่นตระหนกและทำงานอย่างต่อเนื่องในสถานการณ์ฉุกเฉิน

ความคงทนของความรู้

ระบบผู้เชี่ยวชาญจะรักษาระดับข้อมูลที่สำคัญ ความรู้ที่มีอยู่นี้จะคงอยู่ไปเรื่อย ๆ

การสร้างต้นแบบอย่างรวดเร็ว

ด้วยระบบผู้เชี่ยวชาญคุณสามารถป้อนกฎเกณฑ์และพัฒนาต้นแบบได้ในไม่กี่วันแทนที่จะเป็นเดือนหรือปีที่เกี่ยวข้องกับโครงการไอทีที่ซับซ้อน

ประสบการณ์ที่หลากหลาย

ระบบผู้เชี่ยวชาญสามารถออกแบบให้มีความรู้ของผู้เชี่ยวชาญที่มีคุณสมบัติมากมายจึงมีความสามารถในการแก้ปัญหาที่ซับซ้อน

ซึ่งจะช่วยลดค่าใช้จ่ายในการปรึกษาที่ปรึกษาการแก้ปัญหาจากผู้เชี่ยวชาญ เป็นพาหนะในการแสวงหาแหล่งความรู้ที่หาได้ยาก

ข้อเสีย

การได้มาซึ่งความรู้

เป็นเรื่องยากเสมอที่จะหาเวลาของผู้เชี่ยวชาญในสาขาเฉพาะสำหรับแอปพลิเคชันซอฟต์แวร์ใด ๆ แต่สำหรับระบบผู้เชี่ยวชาญนั้นเป็นเรื่องยากโดยเฉพาะเนื่องจากผู้เชี่ยวชาญมีมูลค่าสูงและได้รับการร้องขอจากองค์กรอย่างต่อเนื่อง

ด้วยเหตุนี้งานวิจัยจำนวนมากในช่วงไม่กี่ปีที่ผ่านมาจึงมุ่งเน้นไปที่เครื่องมือสำหรับการได้มาซึ่งความรู้ซึ่งจะช่วยทำให้กระบวนการออกแบบแก้ไขจุดบกพร่องและการบำรุงรักษากฎที่กำหนดโดยผู้เชี่ยวชาญเป็นไปโดยอัตโนมัติ

ระบบบูรณาการ

การรวมระบบเข้ากับฐานข้อมูลเป็นเรื่องยากสำหรับระบบผู้เชี่ยวชาญระบบแรกเนื่องจากเครื่องมือส่วนใหญ่เป็นภาษาและแพลตฟอร์มที่ไม่รู้จักในสภาพแวดล้อมขององค์กร

ด้วยเหตุนี้จึงมีความพยายามอย่างมากในการผสานรวมเครื่องมือระบบผู้เชี่ยวชาญเข้ากับสภาพแวดล้อมเดิมทำให้การถ่ายโอนไปยังแพลตฟอร์มมาตรฐานมากขึ้น

ปัญหาเหล่านี้ส่วนใหญ่ได้รับการแก้ไขโดยการเปลี่ยนกระบวนทัศน์เนื่องจากพีซีค่อยๆได้รับการยอมรับในสภาพแวดล้อมการประมวลผลว่าเป็นแพลตฟอร์มที่ถูกต้องสำหรับการพัฒนาระบบธุรกิจที่จริงจัง

ความซับซ้อนในการประมวลผล

การเพิ่มขนาดของฐานความรู้จะเพิ่มความซับซ้อนของการประมวลผล

ตัวอย่างเช่นหากระบบผู้เชี่ยวชาญมีกฎ 100 ล้านกฎจะเห็นได้ชัดว่ามันซับซ้อนเกินไปและจะต้องเผชิญกับปัญหาในการคำนวณมากมาย

เครื่องมืออนุมานจะต้องสามารถประมวลผลกฎจำนวนมากเพื่อทำการตัดสินใจได้

เมื่อมีกฎมากเกินไปก็ยากที่จะตรวจสอบว่ากฎการตัดสินใจเหล่านี้สอดคล้องกันหรือไม่

นอกจากนี้ยังยากที่จะจัดลำดับความสำคัญของการใช้กฎเพื่อดำเนินการอย่างมีประสิทธิภาพมากขึ้นหรือวิธีแก้ไขความคลุมเครือ

อัพเดทความรู้

ปัญหาหนึ่งที่เกี่ยวข้องกับฐานความรู้คือการอัปเดตอย่างรวดเร็วและมีประสิทธิภาพ นอกจากนี้วิธีการเพิ่มความรู้ใหม่นั่นคือที่ที่จะเพิ่มมันท่ามกลางกฎมากมาย

การประยุกต์ใช้งาน

การวินิจฉัยและการแก้ไขปัญหา

สรุประบบที่อนุมานผิดพลาดทั้งหมดและแนะนำการดำเนินการแก้ไขสำหรับกระบวนการหรืออุปกรณ์ที่ทำงานผิดพลาด

หนึ่งในพื้นที่ความรู้แรกที่นำเทคโนโลยีระบบผู้เชี่ยวชาญมาใช้คือการวินิจฉัยทางการแพทย์ อย่างไรก็ตามการวินิจฉัยระบบวิศวกรรมทำได้ดีกว่าการวินิจฉัยทางการแพทย์อย่างรวดเร็ว

การวินิจฉัยสามารถแสดงเป็น: จากหลักฐานที่แสดงปัญหาสาเหตุหรือสาเหตุคืออะไร?

การวางแผนและกำหนดเวลา

ระบบผู้เชี่ยวชาญเหล่านี้วิเคราะห์ชุดของวัตถุประสงค์เพื่อกำหนดชุดของการดำเนินการที่บรรลุวัตถุประสงค์เหล่านั้นจัดลำดับรายละเอียดของการดำเนินการเหล่านั้นตลอดเวลาพิจารณาวัสดุบุคลากรและข้อ จำกัด อื่น ๆ

ตัวอย่าง ได้แก่ การจัดหาพนักงานของสายการบินและการจัดตารางเที่ยวบินและการวางแผนกระบวนการผลิต

การตัดสินใจทางการเงิน

ระบบที่ปรึกษาทางการเงินถูกสร้างขึ้นเพื่อช่วยให้นายธนาคารตัดสินใจว่าจะให้กู้ยืมเงินแก่บุคคลและ บริษัท ต่างๆ

บริษัท ประกันภัยใช้ระบบผู้เชี่ยวชาญเหล่านี้เพื่อประเมินความเสี่ยงที่ลูกค้านำเสนอและกำหนดราคาประกัน

การตรวจสอบและควบคุมกระบวนการ

พวกเขาวิเคราะห์ข้อมูลจากอุปกรณ์ทางกายภาพแบบเรียลไทม์เพื่อสังเกตเห็นความผิดปกติทำนายแนวโน้มและควบคุมทั้งการเพิ่มประสิทธิภาพและการแก้ไขข้อบกพร่อง

ตัวอย่างของระบบเหล่านี้อยู่ในอุตสาหกรรมการกลั่นน้ำมันและการผลิตเหล็ก

ให้คำปรึกษาด้านความรู้

หน้าที่หลักของแอปพลิเคชันนี้คือการให้ข้อมูลเชิงลึกที่มีความหมายเกี่ยวกับปัญหาของผู้ใช้ภายในสภาพแวดล้อมของปัญหานั้น

ระบบผู้เชี่ยวชาญสองระบบที่เผยแพร่อย่างกว้างขวางที่สุดทั่วโลกอยู่ในหมวดหมู่นี้

ระบบแรกเหล่านี้คือที่ปรึกษาที่ให้คำแนะนำแก่ผู้ใช้เกี่ยวกับการใช้ไวยากรณ์ที่ถูกต้องในข้อความ

ประการที่สองคือที่ปรึกษาด้านภาษีที่ติดอยู่กับระบบในการจัดทำภาษี ให้คำแนะนำผู้ใช้เกี่ยวกับกลยุทธ์และนโยบายภาษีเฉพาะ

อ้างอิง

1. Guru99 (2019). ระบบผู้เชี่ยวชาญด้านปัญญาประดิษฐ์คืออะไรแอปพลิเคชันตัวอย่าง นำมาจาก: guru99.com.
2. Wikipedia สารานุกรมเสรี (2019) ระบบผู้เชี่ยวชาญ นำมาจาก: en.wikipedia.org.
3. Margaret Rouse (2019). ระบบผู้เชี่ยวชาญ Techtarget นำมาจาก: Searchenterpriseai.techtarget.com.
4. วลาดิเมียร์ซวาส (2019). ระบบผู้เชี่ยวชาญ สารานุกรมนำมาจาก: britannica.com.
5. Wtec (2019). การประยุกต์ใช้ระบบผู้เชี่ยวชาญ นำมาจาก: wtec.org.
6. ไวรัสนาโกริ (2014) ประเภทของระบบผู้เชี่ยวชาญ: การศึกษาเปรียบเทียบ. Semantic Scholar นำมาจาก: pdfs.semanticscholar.org.
7. โลกแห่งคอมพิวเตอร์ (2010). ระบบผู้เชี่ยวชาญ นำมาจาก: intelligence.worldofcomputing.net.