La importancia y el uso del sistema experto en exploración geológica

El sistema experto es uno de los temas más activos y extensos en la investigación de aplicaciones de inteligencia artificial.

Un sistema experto es un sistema de programa informático inteligente que contiene una gran cantidad de conocimiento y experiencia de nivel experto en un campo determinado. Puede utilizar el conocimiento y los métodos de resolución de problemas de expertos humanos para resolver problemas. en este campo. Es decir, un sistema experto es un sistema de programa con una gran cantidad de conocimiento y experiencia especializados. Aplica tecnología de inteligencia artificial y tecnología informática para realizar razonamientos y juicios basados ​​en el conocimiento y la experiencia proporcionados por uno o más expertos en un determinado. En resumen, un sistema experto es un sistema de programa informático que simula a expertos humanos para resolver problemas de dominio.

Sistema experto

Sistema experto

Utilice la experiencia en un campo específico para simular varios problemas complejos y específicos que generalmente son resueltos por expertos humanos mediante el razonamiento. lograr un sistema de programa inteligente por computadora que tenga las mismas capacidades de resolución de problemas que los expertos. Puede explicar el proceso de toma de decisiones y tiene una función de aprendizaje, es decir, puede aumentar automáticamente el conocimiento necesario para resolver problemas.

Descripción general del desarrollo El sistema experto es el campo de aplicación más importante y activo en inteligencia artificial. Ha logrado un gran avance en la inteligencia artificial desde la investigación teórica hasta la aplicación práctica, y desde la discusión de estrategias de razonamiento general hasta la aplicación. de conocimientos especializados. A principios de la década de 1960, surgieron algunos programas generales de resolución de problemas que utilizaban la lógica y simulaban actividades mentales para demostrar teoremas y realizar razonamientos lógicos. Sin embargo, estos métodos generales no pueden resolver grandes problemas prácticos, es difícil transformar problemas prácticos en una forma adecuada para la solución informática y también es difícil manejar el enorme espacio de búsqueda requerido para resolver problemas. En 1965, F.A. Feigenbaum y otros desarrollaron el primer sistema experto dendral del mundo, que podía inferir la estructura de moléculas químicas, basándose en resumir las experiencias de éxito y fracaso de sistemas generales de resolución de problemas y combinando conocimientos especializados en el campo de la química. Durante más de 20 años, la investigación sobre la ingeniería del conocimiento, la teoría y la tecnología de los sistemas expertos han seguido desarrollándose y sus aplicaciones han penetrado en casi todos los campos, incluidos la química, las matemáticas, la física, la biología, la medicina, la agricultura, la meteorología y la geología. exploración, militar, tecnología de ingeniería, derecho. Se han desarrollado miles de sistemas expertos en muchos campos, como negocios, tecnología espacial, control automático, diseño y fabricación de computadoras, muchos de los cuales han alcanzado o incluso superado el nivel de los expertos humanos en el mismo. en términos de funcionalidad y se han producido en aplicaciones prácticas.

El desarrollo de los sistemas expertos ha pasado por tres etapas y está en transición y desarrollo hacia la cuarta generación. La primera generación de sistemas expertos (dendral, macsyma, etc.) se caracterizan por su alto grado de especialización y su gran capacidad para resolver problemas especializados. Sin embargo, existen deficiencias en la integridad y portabilidad de la estructura del sistema y su capacidad para resolver problemas es débil. El sistema experto de segunda generación (mycin, casnet, prospector, rumor, etc.) es un sistema profesional de un solo tema y orientado a aplicaciones. Su estructura del sistema es relativamente completa y su portabilidad también mejora la relación humano-computadora. Se han realizado mejoras en la tecnología de adquisición, la tecnología de razonamiento de incertidumbre, la representación mejorada del conocimiento de los sistemas expertos y la heurística y versatilidad de los métodos de razonamiento. El sistema experto de tercera generación es un sistema integral multidisciplinario que utiliza múltiples lenguajes de inteligencia artificial, adopta de manera integral varios métodos de representación del conocimiento y múltiples mecanismos de razonamiento y estrategias de control, y comienza a utilizar varios lenguajes de ingeniería del conocimiento, sistemas esqueléticos y herramientas de desarrollo de sistemas expertos. entornos para desarrollar sistemas expertos integrales a gran escala. Sobre la base de resumir los métodos de diseño y las tecnologías de implementación de las tres primeras generaciones de sistemas expertos, sistemas de colaboración multiexpertos a gran escala, múltiples representaciones de conocimiento, bases de conocimiento integrales, mecanismos autoorganizados de resolución de problemas y problemas colaborativos multidisciplinarios. -Resolución y razonamiento paralelo, herramientas y entornos de sistemas expertos, mecanismos de aprendizaje y adquisición de conocimientos de redes neuronales artificiales y otras tecnologías de inteligencia artificial más recientes se utilizan para realizar el sistema experto de cuarta generación con múltiples bases de conocimiento y múltiples agentes.

Tipos Los sistemas expertos se pueden clasificar de diferentes formas.

Generalmente, se puede clasificar por campos de aplicación, métodos de representación del conocimiento, estrategias de control, tipos de tareas, etc. Si se dividen por tipo de tarea, las más comunes incluyen explicación, predicción, diagnóstico, depuración, mantenimiento, planificación, diseño, supervisión, control, educación, etc.

La arquitectura del sistema experto tiene una arquitectura completamente diferente a la de los sistemas de programas informáticos tradicionales. Por lo general, consta de varios componentes básicos, como una base de conocimientos, un motor de inferencia, una base de datos completa, un mecanismo de adquisición de conocimientos, un mecanismo de explicación y una interfaz hombre-computadora. Está compuesto por partes independientes e independientes, especialmente la base de conocimiento y el motor de inferencia están separados entre sí y son únicos. La arquitectura de los sistemas expertos varía según el tipo, función y escala del sistema experto.

Para que la computadora pueda utilizar el conocimiento del dominio del experto, debe utilizar una determinada forma de representar el conocimiento. Los métodos de representación del conocimiento más utilizados actualmente incluyen reglas de producción, redes semánticas, marcos, espacios de estado, patrones lógicos, scripts, procesos, orientados a objetos, etc. Los sistemas de producción basados ​​en reglas son actualmente el método más básico para realizar la aplicación del conocimiento. El sistema de producción consta de tres partes principales: una base de datos completa, una base de conocimientos y un motor de inferencia. La base de datos completa contiene hechos y afirmaciones de todo el mundo que resuelven problemas. La base de conocimiento contiene todas las reglas de conocimiento expresadas en forma de "si: , entonces: ". La tarea del motor de inferencia (también conocido como intérprete de reglas) es encontrar reglas aplicables utilizando estrategias de control. La estrategia de cadena directa es encontrar aquellas reglas cuyas premisas puedan coincidir con los hechos o afirmaciones en la base de datos y utilizar la estrategia de eliminación de conflictos para seleccionar una de estas reglas satisfactorias para su ejecución, cambiando así el contenido de la base de datos original. Esta búsqueda se repite hasta que los hechos en la base de datos sean consistentes con el objetivo, es decir, se encuentre la solución, o hasta que no exista ninguna regla que pueda igualarla. La estrategia del encadenamiento inverso es comenzar desde el objetivo seleccionado y buscar reglas cuyas consecuencias de ejecución puedan lograr el objetivo; si la premisa de esta regla coincide con los hechos en la base de datos, el problema se resuelve; de ​​lo contrario, la premisa de esta regla es; utilizado como nuevos subobjetivos, y buscar reglas que se puedan aplicar a los nuevos subobjetivos, y ejecutar las premisas de la secuencia inversa hasta que las premisas de la última regla aplicada puedan coincidir con los hechos en la base de datos, o hasta que no Las reglas ya no se pueden aplicar, el sistema iniciará un diálogo. El formulario le pide al usuario que responda e ingrese los datos requeridos.

Los primeros sistemas expertos utilizaban lenguajes de programación comunes (como fortran, pascal, basic, etc.) y lenguajes de inteligencia artificial (como lisp, prolog, smalltalk, etc.). de expertos en inteligencia artificial y expertos en el dominio, implementado directamente a través de la programación. Su ciclo de desarrollo es largo y difícil, pero es flexible y práctico y todavía lo utilizan los expertos en inteligencia artificial. La mayor parte del trabajo de desarrollo de sistemas expertos se ha implementado utilizando entornos de desarrollo de sistemas expertos o herramientas de desarrollo de sistemas expertos. Los expertos en el campo pueden elegir las herramientas adecuadas para desarrollar sus propios sistemas expertos, lo que acorta en gran medida el ciclo de desarrollo de los sistemas expertos y, por lo tanto, brinda oportunidades para los sistemas expertos. en diversos campos. Proporcionar condiciones para una amplia aplicación.