엑스퍼트 시스템

Expert system
Symbolics Lisp 머신: 전문가용 초기 플랫폼

인공지능에서 엑스퍼트 시스템은 인간 [1]전문가의 의사결정 능력을 모방한 컴퓨터 시스템이다.전문가 시스템은 지식 본체를 통해 추론함으로써 복잡한 문제를 해결하도록 설계되어 있으며, 이는 주로 기존의 [2]절차 코드를 통한 것이 아니라 규칙처럼 표현된다.최초의 전문가 시스템은 1970년대에 만들어졌고 1980년대에 [3]확산되었다.전문가 시스템은 인공지능([4][5][6][7][8]AI) 소프트웨어의 가장 성공적인 형태 중 하나였다.전문가 시스템은 추론 엔진과 지식 기반이라는 두 개의 하위 시스템으로 나뉩니다.지식 기반은 사실과 규칙을 나타냅니다.추론 엔진은 새로운 사실을 추론하기 위해 알려진 사실에 규칙을 적용합니다.추론 엔진에는 설명 및 디버깅 기능도 포함될 수 있습니다.

역사

초기 개발

1940년대 후반에서 1950년대 초반까지 현대 컴퓨터가 등장한 직후, 연구자들은 이러한 기계가 현대 사회에 미치는 엄청난 잠재력을 깨닫기 시작했습니다.첫 번째 도전 중 하나는 그러한 기계가 사람처럼 "생각"할 수 있게 만드는 것이었다.특히, 이러한 기계들이 인간처럼 중요한 결정을 내릴 수 있도록 만드는 것.의료/의료 분야는 이러한 기계들이 의료 진단 [9]결정을 내릴 수 있도록 하기 위한 매력적인 과제를 제시했습니다.

따라서, 정보 시대가 완전히 도래한 직후인 1950년대 후반, 연구원들은 인간의 의사결정을 모방하기 위해 컴퓨터 기술을 사용할 가능성에 대한 실험을 시작했다.예를 들어, 생물의학 연구자들은 의학 및 생물학 진단 애플리케이션을 위한 컴퓨터 지원 시스템을 만들기 시작했습니다.이러한 초기 진단 시스템은 환자의 [10][11]증상과 실험실 검사 결과를 입력으로 사용하여 진단 결과를 생성했다.이러한 시스템은 종종 전문가 시스템의 초기 형태로 설명되었습니다.그러나 연구자들은 흐름도[12] 통계 패턴 [14]매칭이나 확률 [15][16]이론과 같은 전통적인 방법을 사용할 때 상당한 한계가 있다는 것을 깨달았다.

정식 소개 및 추후 개발

이러한 이전 상황은 점차 지식 기반 접근법을 사용하는 전문가 시스템의 개발로 이어졌다.이러한 의학 전문가 시스템은 MYCIN 전문가 시스템,[17] INTERNIST-I 전문가[18] 시스템, 그리고 1980년대 중반에는 CADUCEUS였다.[19]

전문가 시스템은 "전문가 시스템의 아버지"라고 불리는 Edward Feigenbaum이 이끄는 Stanford Huristic Programming Project에 의해 1965년경에[20] 정식으로 도입되었습니다.또한 초기 기여자는 Bruce Buchananan과 Randall Davis였습니다.스탠퍼드대 연구진은 전염병(마이신) 진단과 알려지지 않은 유기분자(덴드랄) 확인 등 전문지식이 고평가되고 복잡한 영역을 식별하기 위해 노력했다.아이디어는 이전의 연구 경험적 계산 방법에 집중했던 파이겐바움으로"인공 지능 시스템 그들은 가지고 있는 지식보다는 그들이 사용하는 특정 formalisms 그리고 추론 체계에서 그들의 힘을 얻는다"[21]– – 시간 중대한 진전에,, 말했다 시도에서 매우gen.을 개발로 절정시대l-purpose 문제 해결사(대부분 Allen Newell과 Herbert [22]Simon의 결합 작업).전문가 시스템은 인공지능([4][5][6][7][8]AI) 소프트웨어의 가장 성공적인 형태 중 하나가 되었습니다.

프랑스에서도 전문가 시스템에 대한 연구가 활발했다.미국에서는 룰 베이스의 시스템에 중점을 두는 경향이 있었습니다.처음에는 LISP 프로그래밍 환경에서 하드 코드화된 시스템에 중점을 두고 다음으로 프랑스에서는 Intellicorp 등의 벤더가 개발한 전문 시스템 쉘에 중점을 두고 Prolog에서 개발한 시스템에 초점을 맞췄습니다.전문가 시스템 쉘의 장점은 비프로그래머가 사용하기 쉽다는 것입니다.Prolog 환경의 장점은 if-then 규칙에만 초점을 맞춘 것이 아니라는 것입니다.Prolog 환경은 완전한 1차 [23][24]논리 환경을 훨씬 더 잘 실현할 수 있었습니다.

1980년대에는 전문가 시스템이 확산되었다.대학들은 전문가 시스템 과정을 개설했고 Fortune 500대 기업 중 3분의 2는 일상 업무에 [3][25]이 기술을 적용했다.일본의 제5세대 컴퓨터 시스템 프로젝트와 유럽에서의 연구 자금 증액에 대한 국제적인 관심이 있었다.

1981년, PC DOS 운영 체제를 탑재한 최초의 IBM PC가 소개되었습니다.PC의 비교적 강력한 칩이 그 당시 기업의 IT 세계를 지배하고 있던 메인프레임의 처리능력에 대한 비용이 훨씬 더 많이 드는 것에 비해 가격이 저렴하기 때문에 클라이언트 서버 [26]모델이라고 불리는 새로운 유형의 기업 컴퓨팅 아키텍처가 탄생했습니다.계산과 추론은 PC를 사용하는 메인프레임 가격의 극히 일부만으로 수행할 수 있었습니다.또한 이 모델을 통해 사업부는 기업 IT 부서를 우회하여 자체 애플리케이션을 직접 구축할 수 있었습니다.그 결과 클라이언트 서버는 전문가 시스템 시장에 큰 영향을 미쳤습니다.전문가 시스템은 이미 대부분의 비즈니스 세계에서 이례적인 존재였기 때문에 많은 IT 부서가 보유하고 있지 않고 개발하고자 하지 않는 새로운 기술을 필요로 했습니다.애플리케이션 개발을 최종 사용자와 전문가의 손에 맡길 것을 약속하는 새로운 PC 기반 쉘에 매우 적합합니다.지금까지 전문가 시스템의 주요 개발 환경은 Xerox, Symbolics 및 Texas Instruments의 하이엔드 Lisp 머신이었습니다.PC와 클라이언트 서버 컴퓨팅의 발전에 따라 Intelicorp나 Inference Corporation 등의 벤더는 PC 기반 툴 개발에 우선순위를 옮겼습니다.또, 벤처 캐피털(아이온 코퍼레이션, Neuron Data, Exsys 등)에 의한 자금 조달이 많은 새로운[27][28] 벤더가 정기적으로 등장하기 시작했습니다.

대규모 제품의 설계 능력으로 사용된 최초의 전문가 시스템은 1982년에 개발된 SID(통합 설계 합성) 소프트웨어 프로그램입니다.LISP로 작성된 SID는 VAX 9000 CPU [29]로직 게이트의 93%를 생성했습니다.소프트웨어에 대한 입력은 몇몇 전문 로직 디자이너에 의해 만들어진 일련의 규칙이었다.SID는 규칙을 확장하고 규칙 자체의 몇 배 크기의 소프트웨어 로직 합성 루틴을 생성했습니다.놀랍게도, 이러한 규칙의 조합은 전문가 자신의 능력을 초과하는 전체적인 설계를 낳았으며, 많은 경우 인간의 다른 규칙보다 성능이 뛰어났다.일부 규칙이 다른 규칙과 모순되는 반면 속도와 면적에 대한 최상위 제어 매개변수가 동점자를 제공했습니다.이 프로그램은 많은 논란이 있었지만 프로젝트 예산 제약 때문에 사용되었습니다.VAX 9000 프로젝트 완료 후 로직 디자이너에 의해 종료되었습니다.

1970년대 중반 이전 몇 년 동안, 전문가 시스템이 많은 분야에서 달성할 수 있는 것은 매우 낙관적인 경향이 있었습니다.이러한 초기 연구를 시작할 때, 연구자들은 완전히 자동화된(즉, 완전히 컴퓨터화된) 전문가 시스템을 개발하기를 희망하고 있었다.컴퓨터가 무엇을 할 수 있는지에 대한 사람들의 기대는 종종 너무 이상적이었다.이 상황은 리처드 M. Karp가 1970년대 [30]초에 획기적인 논문인 "조합의 문제 감소"를 발표한 후 급격하게 변화했습니다.Karp의 연구 덕분에 컴퓨터 알고리즘을 설계할 때 특정한 한계와 가능성이 있다는 것이 명백해졌다.그의 연구결과는 컴퓨터가 무엇을 할 수 있고 무엇을 할 수 없는지를 설명한다.이러한 유형의 전문가 시스템과 관련된 많은 계산 문제에는 특정한 실용적인 한계가 있습니다.이러한 연구 결과는 그 [9]분야의 다음 발전으로 이어진 토대를 마련했다.

1990년대 이후 전문가 시스템이라는 용어와 독립형 AI 시스템의 개념은 대부분 IT 사전에서 제외되었습니다.이에 대해서는 두 가지 해석이 있다.하나는 '엑스퍼트 시스템 실패'입니다.엑스퍼트 시스템이 과대한 약속을 [31][32]이행하지 않았기 때문에 IT 세계는 변화했습니다.다른 하나는 전문가 시스템이 단순히 성공의 희생양이라는 것입니다.IT 프로페셔널은 규칙 엔진 등의 개념을 이해하고 있습니다.규칙 엔진은 특수 목적 전문가 시스템을 개발하기 위한 독립형 도구에서 많은 표준 [33]도구 중 하나로 이행된 도구입니다.많은 주요 비즈니스 애플리케이션 스위트 벤더(SAP, Siebel, Oracle 등)는 비즈니스 로직을 지정하는 방법으로 전문가 시스템 기능을 자사 제품군에 통합했습니다. 규칙 엔진은 더 이상 전문가가 사용하는 규칙을 정의하기 위한 것이 아니라 복잡하고 휘발성적이며 중요한 비즈니스 로직의 모든 유형에 적용됩니다.비즈니스 프로세스 자동화 [34][35][36]및 통합 환경과 연계되는 경우가 많습니다.

전문가 시스템에 대한 현재의 접근법

이전 유형의 전문가 시스템의 한계로 인해 연구자들은 새로운 유형의 접근방식을 개발해야 했다.이들은 인간의 의사결정 프로세스를 시뮬레이션하기 위해 보다 효율적이고 유연하며 강력한 접근 방식을 개발했습니다.연구자들이 개발한 접근법 중 일부는 새로운 인공지능(AI) 방법, 특히 피드백 [37]메커니즘이 있는 기계 학습 및 데이터 마이닝 접근법에 기초하고 있다.반복신경망은 종종 그러한 메커니즘을 이용한다.단점 부분에 대한 논의는 관련된다.

현대 시스템은 새로운 지식을 더 쉽게 통합할 수 있고 따라서 스스로 쉽게 업데이트할 수 있습니다.이러한 시스템은 기존 지식에서 더 잘 일반화하고 방대한 양의 복잡한 데이터를 처리할 수 있습니다.여기서 말하는 빅데이터의 주제는 다음과 같습니다.이러한 유형의 전문가 시스템을 "인텔리전트 시스템"[9]이라고 부르기도 합니다.

소프트웨어 아키텍처

1990년 석사학위[38] 논문의 역방향 체인의 예시

전문가 시스템은 지식 기반 시스템의 한 예입니다.전문가 시스템은 지식 기반 아키텍처를 사용한 최초의 상용 시스템입니다.일반적으로 익스퍼트 시스템은 지식기반, 추론엔진, 설명설비, 지식취득설비 및 [39]사용자인터페이스의 컴포넌트를 포함한다.[40]

지식 기반은 세계에 대한 사실을 나타냅니다.마이신 및 덴드랄과 같은 초기 전문가 시스템에서 이러한 사실은 주로 변수에 대한 평탄한 주장으로 표현되었다.상용 쉘을 사용하여 개발된 이후 전문가 시스템에서 지식 기반은 객체 지향 프로그래밍에서 더 많은 구조와 개념을 채택했습니다.월드는 클래스, 서브클래스, 인스턴스 및 어설션이 오브젝트인스턴스 값으로 대체되었습니다.규칙은 오브젝트 값을 쿼리하고 어설션함으로써 기능합니다.

추론 엔진은 지식 기반의 현재 상태를 평가하고 관련 규칙을 적용한 다음 새로운 지식을 지식 기반에 주장하는 자동화된 추론 시스템입니다.추론 엔진은 또한 설명 능력을 포함할 수 있으며,[41] 이는 주장을 초래한 규칙의 발동에 대해 역추적함으로써 특정 결론에 도달하는 데 사용되는 추론 사슬을 사용자에게 설명할 수 있다.

추론 엔진에는 주로 순방향 체인과 역방향 체인의 두 가지 모드가 있습니다.다른 접근법은 추론 엔진이 규칙의 선행(왼쪽) 또는 결과(오른쪽)에 의해 구동되는지 여부에 따라 결정된다.전진 사슬에서는 선행 사슬이 작동하여 결과를 주장합니다.예를 들어 다음 규칙을 고려합니다.

순방향 체인의 간단한 예는 시스템에 Man(Socrates)을 어설션한 다음 추론 엔진을 트리거하는 것입니다.그것은 R1과 일치하고 Motal(Socrates)을 지식 기반에 주장할 것이다.

역방향 체인은 조금 덜 직선적입니다.역방향 체인의 경우 시스템은 가능한 결론을 확인하고 그것이 사실인지 여부를 역방향으로 조사합니다.따라서 시스템이 Mortal(Socrates)이 참인지를 판단하려고 하면 R1을 찾아 기술 자료를 조회하여 Man(Socrates)이 참인지를 확인합니다.전문가 시스템 쉘의 초기 혁신 중 하나는 추론 엔진을 사용자 인터페이스와 통합하는 것이었다.이것은 역방향 체인을 사용하는 경우 특히 강력합니다.시스템이 특정 사실을 알아야 하는데 모르는 경우 입력 화면을 생성하여 사용자에게 정보를 알고 있는지 묻기만 하면 됩니다.이 예에서는 R1을 사용하여 사용자에게 소크라테스가 인간인지 묻고 그에 따라 새로운 정보를 사용할 수 있습니다.

지식을 명시적으로 나타내기 위한 규칙을 사용하는 것도 설명 능력을 가능하게 했다.위의 간단한 예에서, 시스템이 R1을 사용하여 소크라테스가 필멸적이라고 주장하고 사용자가 왜 소크라테스가 필멸적인지를 이해하고자 한다면, 그들은 시스템에 의문을 제기할 수 있고, 시스템은 그 주장을 유발하기 위해 발사된 규칙을 되돌아보고 그 규칙들을 설명으로 사용자에게 제시할 것이다.영어로 사용자가 "왜 소크라테스 모탈인가?"모든 사람은 필멸하고 소크라테스는 인간이기 때문에"라고 시스템은 대답할 것이다.연구의 중요한 영역은 단순히 더 형식적이지만 덜 직관적인 [42]규칙을 보여주는 것이 아니라 자연스러운 영어로 된 지식 기반에서 설명을 생성하는 것이었다.

전문가 시스템이 진화함에 따라, 많은 새로운 기법이 다양한 유형의 추론 [43]엔진에 통합되었다.그 중 가장 중요한 것은 다음과 같습니다.

  • 진실성 유지이러한 시스템은 사실이 변경될 때 그에 따라 의존적인 지식이 변경될 수 있도록 지식 기반에 의존성을 기록합니다.예를 들어, 시스템이 소크라테스가 더 이상 인간으로 알려져 있지 않다는 것을 알게 되면 소크라테스는 죽을 것이라는 주장을 철회할 것이다.
  • 가정적인 추론.여기서 지식 기반은 여러 가지 가능한 뷰로 나눌 수 있습니다. 즉, 세계입니다.이를 통해 추론 엔진은 여러 가능성을 동시에 탐색할 수 있습니다.예를 들어, 이 시스템은 두 주장의 결과를 탐구하기를 원할 수 있는데, 소크라테스가 인간이라면 무엇이 진실일 것이며 소크라테스가 인간이라면 무엇이 진실일 것인가?
  • 불확실성 시스템단순히 지식을 표현하기 위해 규칙을 사용하는 것의 첫 번째 확장 중 하나는 확률을 각 규칙과 연관시키는 것이었다.그래서, 소크라테스가 죽었다고 주장하는 것이 아니라, 소크라테스가 어떤 확률적 가치를 가지고 죽을 수도 있다고 주장하는 것이다.퍼지 논리와 같은 불확실한 추론을 위한 정교한 메커니즘과 확률의 조합을 가진 일부 시스템에서 단순한 확률이 확장되었다.
  • 온톨로지 분류.지식 기반에 객체 클래스를 추가함으로써 새로운 유형의 추론이 가능해졌다.단순히 객체 값에 대한 추론과 함께 시스템은 객체 구조에 대한 추론도 할 수 있습니다.이 간단한 예에서 Man은 객체 클래스를 나타낼 수 있으며 R1은 모든 남성의 클래스를 정의하는 규칙으로 재정의할 수 있습니다.이러한 유형의 특수 목적 추론 엔진을 분류기라고 한다.전문가 시스템에서는 그다지 사용되지 않았지만 분류기는 비정형 휘발성 도메인에 매우 강력하며 인터넷과 새로운 시멘틱 [44][45]웹의 핵심 기술입니다.

이점

지식 기반 시스템의 목표는 시스템이 [46]암묵적인 것이 아니라 작동하기 위해 필요한 중요한 정보를 명시적으로 만드는 것입니다.종래의 컴퓨터 프로그램에서는, 통상, IT스페셜리스트만이 검토할 수 있는 코드에 로직이 포함되어 있었습니다.전문가 시스템에서는 IT 전문가가 아닌 도메인 전문가가 직관적이고 쉽게 이해, 검토 및 편집할 수 있는 형식으로 규칙을 지정하는 것이 목표였습니다.이러한 명시적 지식 표현의 이점은 신속한 개발과 유지보수의 용이성입니다.

유지보수의 용이성이 가장 큰 장점입니다.이것은 두 가지 방법으로 달성되었다.첫째, 기존 코드를 작성할 필요가 없어짐으로써 시스템의 작은 변경으로도 발생할 수 있는 많은 일반적인 문제를 전문가 시스템으로 방지할 수 있습니다.본질적으로, 프로그램의 논리적 흐름(최소한 최고 수준)은 단순히 시스템에 주어진 것이며, 단순히 추론 엔진을 호출한다.이는 두 번째 장점인 신속한 프로토타이핑의 이유이기도 했습니다.전문 시스템 쉘을 사용하면 복잡한 IT 프로젝트와 관련된 일반적인 월 또는 연도가 아닌 몇 가지 규칙을 입력하고 며칠 만에 프로토타입을 개발할 수 있었습니다.

전문가 시스템 쉘에 대한 주장은 숙련된 프로그래머가 필요하지 않고 전문가가 직접 시스템을 개발할 수 있다는 것이었습니다.실제로, 이것은 거의 사실이 아니었다.전문가 시스템에 대한 규칙은 일반적인 컴퓨터 코드보다 이해하기 쉬웠지만, 쉼표나 다른 문자를 잘못 사용하면 다른 컴퓨터 언어와 마찬가지로 혼란을 일으킬 수 있는 공식 구문을 가지고 있었습니다.또한, 전문가 시스템이 연구소의 프로토타입에서 비즈니스 세계의 배포로 이동함에 따라 통합과 유지보수의 문제가 훨씬 더 중요해졌다.필연적으로 대규모 레거시 데이터베이스 및 시스템과 통합하고 이를 활용하려는 요구가 대두되었습니다.이를 위해 통합에는 다른 유형의 [47]시스템과 동일한 기술이 필요했습니다.

엑스퍼트 시스템을 사용하는 것의 이점을 요약하면 다음과 같습니다.

  1. 가용성과 신뢰성 향상:모든 컴퓨터 하드웨어에 대한 전문지식을 이용할 수 있으며, 시스템은 항상 제시간에 응답을 완료합니다.
  2. 다양한 전문 지식:여러 전문가 시스템을 동시에 실행하여 문제를 해결할 수 있습니다.인간 전문가보다 더 높은 수준의 전문 지식을 얻을 수 있습니다.
  3. 설명:전문가 시스템은 항상 문제가 어떻게 해결되었는지 설명합니다.
  4. 신속한 응답:전문가 시스템은 빠르고 실시간으로 문제를 해결할 수 있습니다.
  5. 비용 절감:각 사용자의 전문지식 비용이 대폭 절감됩니다.

단점들

학술 문헌에서 전문가 제도에서 가장 많이 인용되는 단점은 지식 습득 문제이다.모든 소프트웨어 애플리케이션에 대해 도메인 전문가의 시간을 확보하는 것은 항상 어려운 일이지만, 전문가 시스템에 있어서는 전문가가 높은 평가를 받고 조직의 요구가 항상 높기 때문에 특히 어려웠습니다.이 문제의 결과, 전문가 시스템에 의해 정의된 규칙의 설계, 디버깅 및 유지 보수 프로세스를 자동화하는 데 도움이 되는 지식 습득을 위한 툴에 대한 연구가 이후 몇 년 동안 상당 부분 집중되었습니다.그러나 실제로 사용되는 전문가 시스템의 라이프 사이클을 보면 다른 문제(기본적으로 다른 대형 시스템과 동일한 문제)는 지식 습득만큼이나 중요한 것으로 보입니다.통합, 대규모 데이터베이스 접근 및 [48][49]성능입니다.

초기 전문가 시스템은 코드 식을 컴파일하지 않고 해석하는 도구(예: 이전 Lisp 버전)를 사용하여 구축되었기 때문에 성능이 특히 문제가 될 수 있습니다.이것은 강력한 개발 환경을 제공했지만, 가장 빠른 컴파일 언어(C 등)의 효율성에 필적하는 것은 사실상 불가능하다는 단점이 있었습니다.대부분의 기업 IT환경(Lisp나 Prolog 등의 프로그래밍 언어, Lisp 머신이나 퍼스널 컴퓨터 등의 하드웨어 플랫폼)에 익숙하지 않은 언어와 플랫폼이 대부분이었기 때문에 초기 전문가 시스템에서는 시스템 및 데이터베이스 통합이 어려웠습니다.그 결과 전문가 시스템 도구 개발의 후반 단계에서는 COBOL 및 대규모 데이터베이스 시스템과 같은 레거시 환경과의 통합과 보다 표준적인 플랫폼으로의 포팅에 많은 노력이 집중되었습니다.이러한 문제는 주로 클라이언트-서버 패러다임의 변화에 의해 해결되었습니다.이는 PC가 IT 환경에서 진지한 비즈니스 시스템 개발을 위한 합법적인 플랫폼으로 점차 받아들여지고 저렴한 미니 컴퓨터 서버가 AI [47]애플리케이션에 필요한 처리 능력을 제공했기 때문입니다.

지식 기반 규모가 커지면 전문가 시스템의 또 다른 주요 과제가 대두됩니다.이로 인해 처리의 복잡성이 증가합니다.예를 들어, 1억 개의 규칙을 가진 전문가 시스템을 궁극적인 전문가 시스템으로 상정했을 때, 그러한 시스템은 너무 복잡하고 너무 많은 계산 [50]문제에 직면하게 될 것이 분명해졌다.추론 엔진은 결정에 도달하기 위해 엄청난 수의 규칙을 처리할 수 있어야 합니다.

규칙이 너무 많을 때는 의사결정 규칙이 서로 일치하는지 확인하는 것도 과제입니다.일반적으로 이러한 문제는 만족도([51]SAT) 공식으로 이어집니다.이것은 잘 알려진 NP-완전 문제 부울 만족도 문제입니다.바이너리 변수만 가정할 경우, 그 중 n개라고 하면 대응하는 검색 공간은 ^{ 사이즈입니다.따라서 검색 공간은 기하급수적으로 증가할 수 있습니다.

또, 보다 효율적으로 운용하기 위해서 룰의 사용의 우선 순위를 매기는 방법이나 애매함을 해소하는 방법(예를 들면, 1개의 룰내에 다른 서브 구조가 너무 많은 경우)등의 문제도 있습니다.[52]

다른 문제는 알려진 사실을 사용하고 기술 자료에서 명시적으로 설명되지 않은 다른 사례로 일반화하려고 할 때 과적합 및 과일반화 효과와 관련이 있다.이러한 문제는 기계 학습 접근법을 사용하는 방법에도 존재한다.[53][54]

지식 기반과 관련된 또 다른 문제는 지식 기반을 빠르고 효과적으로 [55][56][57]업데이트하는 방법입니다.또한 새로운 지식을 추가하는 방법(많은 규칙 중 어디에 추가할 것인가)도 어렵습니다.이와[citation needed] 관련하여 기계 학습 방법에 의존하는 현대적 접근법이 더 쉽다.

위의 과제들 때문에, 규칙 기반 기술 대신 AI에 대한 새로운 접근법이 필요하다는 것이 분명해졌다.이러한 새로운 접근법은 피드백 [9]메커니즘의 사용과 함께 기계 학습 기법의 사용에 기초하고 있다.

의학 전문가 시스템(컴퓨터 지원 진단 시스템을 최신 전문가 시스템으로 간주하는 경우) 및 기타 애플리케이션 영역에서는 빅데이터, 기존 규제, 의료 관행, 다양한 알고리즘 문제 및 시스템 [58]평가와 같은 측면과 관련된 문제가 주요 과제입니다.

마지막으로 전문가 시스템을 사용하는 경우의 다음과 같은 단점을 요약할 수 있습니다.

  1. 전문가 시스템은 피상적인 지식을 가지고 있으며, 간단한 작업은 잠재적으로 계산 비용이 많이 들 수 있습니다.
  2. 전문가 시스템에서는 지식 엔지니어가 데이터를 입력해야 하므로 데이터 수집이 매우 어렵습니다.
  3. 전문가 시스템은 특정 문제를 해결하기 위해 가장 부적절한 방법을 선택할 수 있습니다.
  4. 어떤 형태의 AI를 사용하든 윤리의 문제는 현재 매우 관련이 있다.
  5. 이 세상은 특정한 지식을 가진 폐쇄적인 세계이며, 전문가가 개념을 제공할 때까지 개념과 그 상호 관계에 대한 깊은 인식이 없다.

적용들

Hayes-Roth는 익스퍼트 시스템 애플리케이션을 다음 표에 나타낸 10개의 카테고리로 나눕니다.예시는 원래의 Hayes-Roth 테이블에 포함되지 않았으며, 그 중 일부는 훨씬 후에 생겨났습니다.각주를 달지 않은 어플리케이션은 Hayes-Roth [41]책에 설명되어 있습니다.또한 이러한 범주는 전문가 시스템 애플리케이션의 공간을 설명하는 직관적인 프레임워크를 제공하지만 엄격한 범주는 아니며 경우에 따라서는 애플리케이션이 여러 범주의 특성을 나타낼 수 있습니다.

카테고리 문제 해결 예
해석 센서 데이터에서 상황 설명 추론 소문(음성 인식), 프로스펙터
예측 주어진 상황에서 발생할 수 있는 결과 추론 출산 전 위험 평가[59]
진단. 관측 가능한 것으로부터의 시스템 오동작 CADUCEUS, MYCIN, PUFF, Mistral,[60] Eydenet,[61] Kaleidos[62]
설계. 제약 조건 하에서의 오브젝트 구성 Dendral, 모기지론 어드바이저, R1(DEC VAX 구성), SID(DEC VAX 9000 CPU)
계획. 액션 설계 자율수중선[63] 임무계획
감시 관찰을 비교하여 취약성을 계획하는 중 리액터[64]
디버깅 복잡한 문제에 대한 증분 솔루션 제공 세인트, 매스랩, MacSYMA
수리 소정의 구제책을 실행하기 위한 계획 실행 독성 유출 위기 관리
설명 학생의 행동 진단, 평가 및 수정 SMH.PAL,[65] 인텔리전트[67] 임상 트레이닝,[66] STEAM
통제 시스템 동작 해석, 예측, 복구 및 모니터링 실시간 프로세스 제어,[68] 우주왕복선 미션 제어,[69] 복합 재료의[70] 스마트 오토 클레이브 경화

Hearsay는 전문가 시스템 접근방식을 통해 음성 인식을 해결하려는 초기 시도였습니다.대부분의 경우, 이 카테고리의 전문가 시스템은 그다지 성공적이지 않았습니다.전문 및 모든 해석 시스템은 본질적으로 패턴 인식 시스템으로서 노이즈가 많은 데이터에서 패턴을 찾습니다.Hearsay가 오디오스트림의 음소를 인식하는 경우.다른 초기 사례들은 러시아 잠수함을 탐지하기 위한 음파 탐지 데이터를 분석하는 것이었다.이러한 종류의 시스템은 규칙 기반 접근 방식보다 뉴럴 네트워크 AI 솔루션에 훨씬 적응하기 쉬운 것으로 입증되었습니다.

CADUCEUS와 MYCIN은 의료 진단 시스템이었다.사용자는 의사에게 증상을 설명하는 것처럼 컴퓨터에 증상을 설명하고 컴퓨터는 의료 진단을 반환합니다.

덴드랄은 유기 분자의 식별에 있어서 가설 형성을 연구하는 도구였다.DEC(Digital Equipment Corporation) VAX 컴퓨터를 구성하는 영업사원이나 모기지론 애플리케이션 개발 등의 비즈니스 영역에 적용된 초기 전문가 시스템의 가장 성공적인 영역 중 하나였습니다.

SMH.PAL은 다중 [65]장애를 가진 학생들을 평가하는 전문가 시스템이다.

미스트랄은 1990년대 이스메스(이탈리아)에 의해 개발된 댐의 안전성을 감시하는 전문가 시스템이다.자동 감시 시스템으로부터 데이터를 취득해, 댐의 상태를 진단합니다.1992년 이탈리아 리드라콜리 댐에 설치된 첫 번째 복사본은 여전히 24시간 365일 가동되고 있습니다.이탈리아와 해외의 여러 댐(예: 브라질의 이타이푸 댐)[61]과 아이데넷이라는 이름으로 산사태 현장에 설치되었으며,[62] 칼레이도스라는 이름으로 된 기념물에도 설치되었다.Mistral은 CESI의 등록 상표입니다.

「 」를 참조해 주세요.

레퍼런스

  1. ^ Jackson, Peter (1998). Introduction To Expert Systems (3 ed.). Addison Wesley. p. 2. ISBN 978-0-201-87686-4.
  2. ^ "Conventional programming". Pcmag.com. Archived from the original on 2012-10-14. Retrieved 2013-09-15.
  3. ^ a b Leondes, Cornelius T. (2002). Expert systems: the technology of knowledge management and decision making for the 21st century. pp. 1–22. ISBN 978-0-12-443880-4.
  4. ^ a b Russell, Stuart; Norvig, Peter (1995). Artificial Intelligence: A Modern Approach (PDF). Simon & Schuster. pp. 22–23. ISBN 978-0-13-103805-9. Archived from the original (PDF) on 5 May 2014. Retrieved 14 June 2014.
  5. ^ a b Luger & Stubblefield 2004, 페이지 227 – 331. 오류:: 2004
  6. ^ a b Nilsson 1998, 17.4장 오류:: 1998
  7. ^ a b McCorduck 2004, 페이지 327–335, 434–435. 오류:: CITREFMc (도움말
  8. ^ a b Crevier 1993, 페이지 145–62, 197-203. 오류::
  9. ^ a b c d Yanase J, Triantaphyllou E (2019). "A Systematic Survey of Computer-Aided Diagnosis in Medicine: Past and Present Developments". Expert Systems with Applications. 138: 112821. doi:10.1016/j.eswa.2019.112821. S2CID 199019309.
  10. ^ Ledley RS, and Lusted LB (1959). "Reasoning foundations of medical diagnosis". Science. 130 (3366): 9–21. Bibcode:1959Sci...130....9L. doi:10.1126/science.130.3366.9. PMID 13668531.
  11. ^ Weiss SM, Kulikowski CA, Amarel S, Safir A (1978). "A model-based method for computer-aided medical decision-making". Artificial Intelligence. 11 (1–2): 145–172. doi:10.1016/0004-3702(78)90015-2.
  12. ^ Schwartz WB (1970). "Medicine and the computer: the promise and problems of change". New England Journal of Medicine. 283 (23): 1257–1264. doi:10.1056/NEJM197012032832305. PMID 4920342.
  13. ^ Bleich HL (1972). "Computer-based consultation: Electrolyte and acid-base disorders". The American Journal of Medicine. 53 (3): 285–291. doi:10.1016/0002-9343(72)90170-2. PMID 4559984.
  14. ^ Rosati RA, McNeer JF, Starmer CF, Mittler BS, Morris JJ, and Wallace AG (1975). "A new information system for medical practice". Archives of Internal Medicine. 135 (8): 1017–1024. doi:10.1001/archinte.1975.00330080019003. PMID 1156062.
  15. ^ Gorry GA, Kassirer JP, Essig A, and Schwartz WB (1973). "Decision analysis as the basis for computer-aided management of acute renal failure". The American Journal of Medicine. 55 (4): 473–484. doi:10.1016/0002-9343(73)90204-0. PMID 4582702.
  16. ^ Szolovits P, Patil RS, and Schwartz WB (1988). "Artificial intelligence in medical diagnosis". Annals of Internal Medicine. 108 (1): 80–87. doi:10.7326/0003-4819-108-1-80. PMID 3276267.
  17. ^ Shortliffe EH, and Buchanan BG (1975). "A model of inexact reasoning in medicine". Mathematical Biosciences. 23 (3–4): 351–379. doi:10.1016/0025-5564(75)90047-4.
  18. ^ Miller RA, Pople Jr HE, and Myers JD (1982). "Internist-I, an experimental computer-based diagnostic consultant for general internal medicine". New England Journal of Medicine. 307 (8): 468–476. doi:10.1056/NEJM198208193070803. PMID 7048091.
  19. ^ Feigenbaum, Edward; McCorduck, Pamela (1984). The fifth generation. Addison-Wesley. pp. 1–275. ISBN 978-0451152640.
  20. ^ kenyon.edu: AI 타임라인, 2018년 10월 27일 취득
  21. ^ 에드워드 파이겐바움, 1977년Hayes-Roth 등에 의해 옮김
  22. ^ Hayes-Roth, Frederick; Waterman, Donald; Lenat, Douglas (1983). Building Expert Systems. Addison-Wesley. pp. 6–7. ISBN 978-0-201-10686-2.
  23. ^ 조지 F.루거와 윌리엄 A.Stubblefield, Benjamin/Cummings Publishers, Rule Based Expert System Shell: Prolog 규칙 기반 Expert 시스템셸을 사용한 코드 예시
  24. ^ A. Michels Archived 2012-04-02년 벨기크 대학교 리에주 웨이백 머신: "PROLOG, 최초의 선언어입니다.
  25. ^ Durkin, J. Expert Systems: 응용 프로그램 카탈로그Intelligent Computer Systems, Inc.,애크런, 오, 1993년
  26. ^ Orfali, Robert (1996). The Essential Client/Server Survival Guide. New York: Wiley Computer Publishing. pp. 1–10. ISBN 978-0-471-15325-2.
  27. ^ Hurwitz, Judith (2011). Smart or Lucky: How Technology Leaders Turn Chance into Success. John Wiley & Son. p. 164. ISBN 978-1118033784. Retrieved 29 November 2013.
  28. ^ Dunn, Robert J. (September 30, 1985). "Expandable Expertise for Everyday Users". InfoWorld. 7 (39): 30. Retrieved 2011-03-13.
  29. ^ Carl S. Gibson, et al, VAX 9000 Series, Digital Equipment Corporation의 디지털 기술 저널, 제2권, 넘버 4, 1990년 가을, pp118-129.
  30. ^ Richard M. Karp (1972). "Reducibility Among Combinatorial Problems" (PDF). In R. E. Miller; J. W. Thatcher (eds.). Complexity of Computer Computations. New York: Plenum. pp. 85–103.
  31. ^ "AI Expert Newsletter: W is for Winter". Archived from the original on 2013-11-09. Retrieved 2013-11-29.
  32. ^ "Leith P., "The rise and fall of the legal expert system", in European Journal of Law and Technology, Vol 1, Issue 1, 2010".
  33. ^ Haskin, David (January 16, 2003). "Years After Hype, 'Expert Systems' Paying Off For Some". Datamation. Retrieved 29 November 2013.
  34. ^ SAP News Desk. "SAP News Desk IntelliCorp Announces Participation in SAP EcoHub". laszlo.sys-con.com. LaszloTrack. Retrieved 29 November 2013.
  35. ^ Pegasystems. "Smart BPM Requires Smart Business Rules". pega.com. Retrieved 29 November 2013.
  36. ^ Zhao, Kai; Ying, Shi; Zhang, Linlin; Hu, Luokai (9–10 Oct 2010). "Achieving business process and business rules integration using SPL". Future Information Technology and Management Engineering (FITME). Vol. 2. Changzhou, China: IEEE. pp. 329–332. doi:10.1109/fitme.2010.5656297. ISBN 978-1-4244-9087-5.
  37. ^ Chung, Junyoung; Gulcehre, Caglar; Cho, Kyunghyun; Bengio, Yoshua (2015-06-01). "Gated Feedback Recurrent Neural Networks". International Conference on Machine Learning. PMLR: 2067–2075. arXiv:1502.02367.
  38. ^ David C. England (Jun 1990). An Expert System for the Management of Hazardous Materials at a Naval Supply Center (PDF) (Master's thesis). Naval Postgraduate School Monterey/CA. 여기: 페이지 21
  39. ^ a b c Kiryanov, Denis Aleksandrovich (2021-12-21). "Hybrid categorical expert system for use in content aggregation". Software Systems and Computational Methods (4): 1–22. doi:10.7256/2454-0714.2021.4.37019. ISSN 2454-0714. S2CID 245498498.
  40. ^ Smith, Reid (May 8, 1985). "Knowledge-Based Systems Concepts, Techniques, Examples" (PDF). Reid G. Smith. Retrieved 9 November 2013.
  41. ^ a b Hayes-Roth, Frederick; Waterman, Donald; Lenat, Douglas (1983). Building Expert Systems. Addison-Wesley. ISBN 978-0-201-10686-2.
  42. ^ Nabil Arman, Palestine Technical University, 2007년 1월, 스패닝 트리 및 Disjoin 세트를 사용한 동적 규칙 기반에서의 결함 검출: "
  43. ^ Mettrey, William (1987). "An Assessment of Tools for Building Large Knowledge-Based Systems". AI Magazine. 8 (4). Archived from the original on 2013-11-10. Retrieved 2013-11-29.
  44. ^ MacGregor, Robert (June 1991). "Using a description classifier to enhance knowledge representation". IEEE Expert. 6 (3): 41–46. doi:10.1109/64.87683. S2CID 29575443.
  45. ^ Berners-Lee, Tim; Hendler, James; Lassila, Ora (May 17, 2001). "The Semantic Web A new form of Web content that is meaningful to computers will unleash a revolution of new possibilities". Scientific American. 284 (5): 34–43. doi:10.1038/scientificamerican0501-34. Archived from the original on April 24, 2013.
  46. ^ Hayes-Roth, Frederick; Waterman, Donald; Lenat, Douglas (1983). Building Expert Systems. Addison-Wesley. p. 6. ISBN 978-0-201-10686-2.
  47. ^ a b Wong, Bo K.; Monaco, John A.; Monaco (September 1995). "Expert system applications in business: a review and analysis of the literature". Information and Management. 29 (3): 141–152. doi:10.1016/0378-7206(95)00023-p. Retrieved 29 November 2013.
  48. ^ Kendal, S.L.; Creen, M. (2007). An introduction to knowledge engineering. London: Springer. ISBN 978-1-84628-475-5. OCLC 70987401.
  49. ^ Feigenbaum, Edward A.; McCorduck, Pamela (1983). The fifth generation (1st ed.). Reading, MA: Addison-Wesley. ISBN 978-0-201-11519-2. OCLC 9324691.
  50. ^ Douglas B. Lenat (1992). "On the thresholds of knowledge". In David Kirsh (ed.). Foundations Of Artificial Intelligence. MIT Press. pp. 185–250.
  51. ^ Bezem M (1988). "Consistency of rule-based expert systems". In International Conference on Automated Deduction. Lecture Notes in Computer Science. 310: 151–161. doi:10.1007/BFb0012830. ISBN 3-540-19343-X.
  52. ^ Mak B, Schmitt BH, and Lyytinen K (1997). "User participation in knowledge update of expert systems". Information & Management. 32 (2): 55–63. doi:10.1016/S0378-7206(96)00010-9.
  53. ^ Pham HN, Triantaphyllou E (2008). "The Impact of Overfitting and Overgeneralization on the Classification Accuracy in Data Mining". Soft Computing for Knowledge Discovery and Data Mining: 391–431.
  54. ^ Pham HN, Triantaphyllou E (2008). "Prediction of diabetes by employing a new data mining approach which balances fitting and generalization". Computer and Inf. Science G: 11–26.
  55. ^ Shan N, and Ziarko W (1995). "Data-based acquisition and incremental modification of classification rules". Computational Intelligence. 11 (2): 357–370. doi:10.1111/j.1467-8640.1995.tb00038.x. S2CID 38974914.
  56. ^ Coats PK (1988). "Why expert systems fail". Financial Management. 17 (3): 77–86. doi:10.2307/3666074. JSTOR 3666074.
  57. ^ Hendriks PH, and Vriens DJ (1999). "Knowledge-based systems and knowledge management: friends or foes?". Information & Management. 35 (2): 113–125. doi:10.1016/S0378-7206(98)00080-9.
  58. ^ Yanase J, Triantaphyllou E (2019). "The Seven Key Challenges for the Future of Computer-Aided Diagnosis in Medicine". International Journal of Medical Informatics. 129: 413–422. doi:10.1016/j.ijmedinf.2019.06.017. PMID 31445285. S2CID 198287435.
  59. ^ Woolery, L.K.; Grzymala-Busse, J (1994). "Machine learning for an expert system to predict preterm birth risk". Journal of the American Medical Informatics Association. 1 (6): 439–446. doi:10.1136/jamia.1994.95153433. PMC 116227. PMID 7850569.
  60. ^ a b Salvaneschi, Paolo; Cadei, Mauro; Lazzari, Marco (1996). "Applying AI to structural safety monitoring and evaluation". IEEE Expert. 11 (4): 24–34. doi:10.1109/64.511774. Retrieved 5 March 2014.
  61. ^ a b Lazzari, Marco; Salvaneschi, Paolo (1999). "Embedding a geographic information system in a decision support system for landslide hazard monitoring" (PDF). International Journal of Natural Hazards. 20 (2–3): 185–195. doi:10.1023/A:1008187024768. S2CID 1746570.
  62. ^ a b Lancini, Stefano; Lazzari, Marco; Masera, Alberto; Salvaneschi, Paolo (1997). "Diagnosing Ancient Monuments with Expert Software" (PDF). Structural Engineering International. 7 (4): 288–291. doi:10.2749/101686697780494392.
  63. ^ Kwak, S.. H. (1990). "A mission planning expert system for an autonomous underwater vehicle". Proceedings of the 1990 Symposium on Autonomous Underwater Vehicle Technology: 123–128. doi:10.1109/AUV.1990.110446. S2CID 60476847.
  64. ^ Nelson, W. R. (1982). "REACTOR: An Expert System for Diagnosis and Treatment of Nuclear Reactors". {{cite journal}}:Cite 저널 요구 사항 journal=(도움말)
  65. ^ a b Hofmeister, Alan (1994). "SMH.PAL: an expert system for identifying treatment procedures for students with severe disabilities". Exceptional Children. 61 (2). Archived from the original on 3 December 2013. Retrieved 30 November 2013.
  66. ^ Haddawy, P; Suebnukarn, S. (2010). "Intelligent Clinical Training Systems". Methods Inf Med. 49 (4): 388–9. CiteSeerX 10.1.1.172.60. doi:10.1055/s-0038-1625342. PMID 20686730.
  67. ^ Hollan, J.; Hutchins, E.; Weitzman, L. (1984). "STEAMER: An interactive inspectable simulation-based training system". AI Magazine.
  68. ^ Stanley, G.M. (July 15–17, 1991). "Experience Using Knowledge-Based Reasoning in Real Time Process Control" (PDF). Plenary Paper Presented at: International Federation of Automatic Control (IFAC) Symposium on Compute R Aided Design in Control Systems. Retrieved 3 December 2013.
  69. ^ Rasmussen, Arthur; Muratore, John F.; Heindel, Troy A. (February 1990). "The INCO Expert System Project: CLIPS in Shuttle mission control". NTRS. Retrieved 30 November 2013.
  70. ^ Ciriscioli, P. R., and G. S. Springer (1990). "Smart Autoclave Cure of Composites". ISBN 9781003209010.{{cite book}}: CS1 maint: 여러 이름: 작성자 목록(링크)

외부 링크