Loading

Alison's New App is now available on iOS and Android! Download Now

Study Reminders
Support
Text Version

Set your study reminders

We will email you at these times to remind you to study.
  • Monday

    -

    7am

    +

    Tuesday

    -

    7am

    +

    Wednesday

    -

    7am

    +

    Thursday

    -

    7am

    +

    Friday

    -

    7am

    +

    Saturday

    -

    7am

    +

    Sunday

    -

    7am

    +

Management Information System Prof. Kanti Kanti Ghosh Vinod Gupta School of Management Indian Institute of Technology, Kharagpur Week - 10 Modulo - 04 Lezioni - 49 Expert Systems Hi, Benvenuti al quarto modulo della decima settimana sul nostro corso "Sistemi informativi di gestione"! L'argomento oggetto della discussione di oggi è "Expert Systems". In questa lezione vi daremo all'estero introduzione ai sistemi esperti.
(Riferimento Slide Time: 00.41) Ora, il sistema esperto è sostanzialmente un sistema informatico che emula la capacità decisionale di un esperto. Basati sull'intelligenza artificiale, questi sistemi si affidano a tecniche intelligenti per catturare soprattutto conoscenze tacite che sono conoscenze non documentate in un dominio molto specifico e limitato di competenza umana.
Questi sistemi fondamentalmente catturano la conoscenza di dipendenti qualificati sotto forma di un insieme di regole in un sistema software che può essere utilizzato da altri nell'organizzazione; principalmente questo viene utilizzato per tipo diagnostico di problemi.
(Riferimento Slide Time: 02.01) Così, il sistema esperto è fondamentalmente sistemi informativi basati sulla conoscenza, contiene alcune conoscenze su una specifica area di applicazione complessa. E, a volte questi sistemi fungono da consulente esperto per porre fine agli utenti. Devi aver sentito parlare del famoso sistema esperto MYCIN; ok.
(Riferimento Slide Time: 02.39)
Questo sistema esperto è sostanzialmente utilizzato nell'ambito dell'assistenza sanitaria, in particolare per diagnosticare che tipo di malattia ha avuto un paziente particolare. E, poi, consiglia i vari tipi di farmaci prima che il paziente venga portato in camera di un medico. Così, MYCIN è molto popolare.
Allo stesso modo, ci sono sistemi esperti che sono ampiamente utilizzati nel tipo di manutenzione delle attività.
Per esempio, si conoscono questi diversi sistemi di ascensore che ci sono, se qualcosa va storto è molto difficile per una nuova persona di manutenzione diagnosticare la colpa e rettificare il sistema entro un breve periodo di tempo. Quindi, questi sistemi esperti portano o questo addetto alla manutenzione che trasportano i loro sistemi di esperti di laptop che li aiutano sostanzialmente in base ai sintomi che osservano per diagnosticare l'effettiva colpa e rettificarlo entro poco tempo.
Ora, analizziamo anzitutto i diversi componenti di un sistema esperto. I sistemi esperti contengono fondamentalmente una base di conoscenza che è la componente principale di un sistema esperto. Che cos' è questa base di conoscenza? La knowledge base sostanzialmente contiene fatti su una specifica area tematica e contiene anche alcune regole di pollice che sono note come euristiche che esprimono le procedure di ragionamento di un esperto.
Così, nella base della conoscenza ci sono fatti su una determinata area tematica e regole di pollice o di euristica che vengono usate da esperti per risolvere problemi. Dunque, la knowledge base è al cuore di ogni sistema esperto.
(Riferimento Slide Time: 05.49) Il prossimo importante componente è la risorsa software. Ora, quando parlo di risorse software; comprende un motore di inferenza. Questo motore inferenza elabora la conoscenza e raccomanda un corso d'azione. Inoltre, questo motore di inferenza quali sono le altre risorse software? Principalmente c'è un programma di interfaccia utente.
Questo programma di interfaccia utente aiuta l'utente finale a comunicare con il sistema perché, richiede una sorta di interazione. E poi richiedono programmi di spiegazione, in sostanza per spiegare i processi di ragionamento all'utente finale. Quindi, le risorse software comprendono il motore di inferenza, i programmi di interfaccia utente e i programmi di spiegazione.
(Riferimento Slide Time: 07.13) Poi dobbiamo sapere che la knowledge base che contiene i fatti su una specifica area tematica ok, questo nella knowledge base come la conoscenza è rappresentata. Quindi, dobbiamo conoscere i vari metodi di rappresentazione della conoscenza. Tra i metodi di rappresentazione della conoscenza utilizzati popolarmente, l'ampiamente utilizzato è la rappresentazione della conoscenza basata su casi.
Cosa è la rappresentazione della conoscenza basata sul caso? Qui la conoscenza è organizzata sotto forma di casi. Che cosa è questo caso? I casi sono esempi di prestazioni passate, ricorrenze ed esperienze. Le esperienze raccolte dalle persone nella loro vita reale sono documentate attraverso i casi e questi casi sono utilizzati nel rappresentare la conoscenza.
Il prossimo metodo di rappresentazione per la conoscenza che è molto popolare è il metodo di rappresentazione della conoscenza a base di telaio. Qual è questo metodo di rappresentazione della conoscenza a base di telaio? Qui la conoscenza è organizzata in una gerarchia o in una rete di frame. Ora cos' è questa cornice?
Una cornice è in sostanza una raccolta di conoscenze relative a specifiche o a una determinata entità costituita da un complesso pacchetto di valori dati che descrive la caratteristica, le proprietà o gli attributi di tale entità. Ancora una volta ripeto, un frame è una raccolta di conoscenze su un'entità e questo frame consiste in un complesso pacchetto di dati che descrive le proprietà caratteristiche del soggetto.
(Riferimento Slide Time: 10.07) Il metodo di rappresentazione della prossima conoscenza è oggetto di ok. Qui la conoscenza è rappresentata come una rete di oggetti. Ora in contesto di programmazione orientato agli oggetti, un oggetto è un elemento di dati che include sia i dati che i metodi o le procedure che agiscono su questi dati. Un oggetto è un elemento di dati che include sia i dati che le procedure o i metodi che agiscono su questi dati per risolvere o elaborarlo.
E, la conoscenza è rappresentata attraverso una rete di tali oggetti e poi il prossimo metodo di rappresentazione per la conoscenza è basato sulla regola. Cosa è la rappresentazione della conoscenza basata sulla regola? Qui la conoscenza è rappresentata sotto forma di regole e dichiarazioni di fatto; in particolare questo se succede qualcosa allora questo è il corso d'azione.
Quindi, se poi struttura, le regole sono sostanzialmente dichiarazioni che tipicamente prendono la forma di una premessa e una conclusione basata su quella premessa se è vera. In sostanza, un set di se succede qualcosa allora questa è l'inferenza o questo è il set di azione che dovremmo intraprendere. Quindi, se poi regola è molto comunemente usato in qualsiasi tipo di linguaggio di programmazione.
(Riferimento Slide Time: 12.23) Sistemi di esperti svolgono principalmente attività molto limitate. Ad esempio, ho già accennato al tipo di attività di manutenzione per la diagnosi di colpa delle macchine quando si verifica un guasto o per trovare difetti in particolari macchine quando sono malfunzionanti. Anche i sistemi esperti sono ampiamente utilizzati nelle compagnie di assicurazione o anche nelle banche per determinare se una domanda di prestito, la domanda di prestito è da concedere o meno; determinare se concedere credito per un prestito.
(Riferirsi Slide Time: 13.37) Tuttavia, catturando le competenze umane in aree limitate i sistemi esperti forniscono molti benefici in tal modo, aiutando le organizzazioni a prendere decisioni di alta qualità con meno manodopera.
Oggi, una tale tipologia di sistemi esperti sono ampiamente utilizzati in azienda in situazioni decisionali altamente strutturate. Decisione altamente strutturata che rende le situazioni, le situazioni decisionali, dove gli obiettivi sono molto ben definiti e sono procedure ben consolidate per risolvere tali problemi.
I sistemi esperti hanno dei limiti certi; non può essere utilizzato per problemi non strutturati o semi - strutturati. In caso di problemi non strutturati, il manager deve decidere cosa si deve fare in base alla sua esperienza, intuizione, giudizio, saggezza. E, avete già notato che per i gestori di problemi semi - strutturati prendono l'aiuto dei sistemi di supporto alle decisioni su cui abbiamo già discusso.
Ma, nel contesto dei sistemi esperti l'area dei problemi ampiamente utilizzata è sostanzialmente un problema di decisione strutturata.
(Riferimento Slide Time: 15.59) Ora, vediamo come funzionano questi sistemi esperti. Ora, se i sistemi esperti devono lavorare allora abbiamo già detto che cattureremo le conoscenze sulla sua particolare area nella knowledge base e questa conoscenza viene catturata da esperti o esseri umani. Quindi, questa conoscenza umana deve essere modellata o questa conoscenza umana deve essere rappresentata in un modo che un sistema informatico possa elaborare.
Quindi, i sistemi esperti modellano la conoscenza umana principalmente come un insieme di regole, che sono collettivamente l'essenza di una base di conoscenza. Queste regole che vengono catturate e mantenute nella knowledge base sono raccolte intervistando attentamente uno o diversi esperti che hanno un comando approfondito della base di conoscenze per il sistema.
Oppure, a volte queste regole vengono catturate attraverso la documentazione di regole aziendali che si trovano nei libri, vari rapporti, manuali che arrivano con le macchine. Tutte queste regole che sono documentate laggiù, sono tradotte e catturate nella base della conoscenza.
(Riferimento Slide Time: 18.36) Sistema esperto ha migliaia di regole a un estremo, dall'altra può avere detto anche 20 o 100 regole, a seconda della complessità del problema. Queste regole sono interconnesse e possono essere rappresentate sotto forma di rappresentazione nidificata. La strategia che viene utilizzata per cercare attraverso la knowledge base è in sostanza quello che è noto come motore di inferenza.
Questo motore di inferenza ricerca sostanzialmente la base di conoscenze per arrivare a una conclusione. Ci sono principalmente due strategie comunemente utilizzate per arrivare a una conclusione. Queste due strategie sono il metodo di colorazione in avanti e il metodo di colorazione all'indietro.
(Riferimento Slide Time: 20.21) Nel metodo di colorazione in avanti, il motore di inferenza inizia con le informazioni che vengono inserite dall'utente. Dopo che l'utente è entrato nelle alcune informazioni come input, il motore di inferenza del sistema ricerca la knowledge base o la base di regole per arrivare a una conclusione. La strategia è sostanzialmente quella di effettuare determinate azioni quando la base dell'input che l'utente ha messo in una condizione particolare diventa vera.
(Riferimento Slide Time: 21.34) Vediamo la figura nella slide successiva. Vedere qui l'utente dà un input. E se il reddito dell'utente è maggiore di duemila, allora una serie di regole si attivano in base a ciò che è vero o no. Ad esempio: in questa figura ok, se il reddito dell'utente è maggiore di 50.000 allora il sistema chiederà all'utente alcuni pagamenti relativi alla sua auto.
Si attiva una catena di regole, si vede se questa condizione è vera A poi porta alla condizione B; dove dice che se il pagamento relativo all'auto è inferiore al 10% del suo reddito allora il sistema chiederà domande sul suo pagamento ipotecario; altrimenti uscirà, uscita. Poi questa regola viene modificata, viene modificata con la regola C, B viene modificata in C, C viene modificata in D.
Cos' è la regola C? Regola C chiede che il pagamento ipotecario sia inferiore al 20% del suo reddito? Se questa è la situazione allora il credito viene concesso, come questa la catena di eventi si svolge in base ad alcune condizioni che diventano vere o meno.
(Riferimento Slide Time: 23.45) Nel sistema concatenato all'indietro, la strategia per la ricerca della regola inizia con un'assunzione e poi procede chiedendo all'utente domande su fatti selezionati; fino a quella assunzione è confermata o smentita, di nuovo, se si fa riferimento al, si sa, il diagramma che c'è in questa prossima slide; ok.
(Riferimento Slide Time: 24:20) Si vedrà qui la lavorazione inizia da destra, qui si chiedono di chiedersi se il nome della persona debba essere aggiunto nel proprio database oppure no? (Fare Slide Time: 24:40) Così, chiede domande e procede da destra. Se l'utente dice in questo caso cosa sta accadendo che è certo se il reddito è maggiore di qualcosa, poi se l'assicurazione vita invia rappresentante delle vendite o se viene dato un legale di vendita o un termine di consulenza finanziaria, quindi cerca i database. Come questa la base di regola viene elaborata.
Se l'utente quindi immette informazioni indicanti che lo stesso client possiede uno stato reale, allora si svolge un'altra parte della rule base. Se lo stato reale allora sostanzialmente l'azienda invierà advisor finanziario e se verrà dato un consiglio finanziario preparerà poi il kit di vendita per quel cliente. Quindi, se si guarda allo scivolo nei dettagli si arriverà a sapere cosa sta accadendo nel metodo di colorazione all'indietro.
(Riferimento Slide Time: 25:54) Quindi, quali sono i vantaggi del sistema esperto? I sistemi esperti catturano la competenza di un esperto o di un gruppo di esperti in un sistema informativo basato su computer. Il vantaggio qui è che la lavorazione è veloce rispetto a un esperto. E la cosa più importante non è solo più veloce, ma più coerente. Contiene la conoscenza di più esperti in modo che non ci sia bias; ok.
Un'altra cosa importante è che il sistema non si stanca o si è disteso o distratto anche e c'è la consistenza. Ogni volta e ogni volta si consiglierà lo stesso corso d'azione e il sistema aiuta a preservare e riprodurre la conoscenza di più esperti umani.
(Riferimento Slide Time: 27:42) I vantaggi aziendali che arrivano da sistemi esperti comprendono di te conoscono errori ridotti, costi ridotti. Riduce il tempo totale impiegato per impartire la formazione e garantisce un elevato livello di servizio per una determinata area tematica.
(Riferimento Slide Time: 28:23) Certo, ci sono certi limiti. Anche se questi sistemi esperti mancano all'intelligenza generale degli esseri umani, ma se comprendiamo i suoi limiti allora le organizzazioni possono davvero trarre molto beneficio. Prima di tutto dobbiamo capire che i sistemi esperti possono risolvere solo certe classi di problemi, non tutto e in particolare quei problemi devono essere strutturati.
La prossima limitazione è che tutti i sistemi esperti di successo, si occupano di problemi di classificazione in domini limitati di conoscenza; dove ci sono relativamente pochi esiti alternativi. E, questi possibili esiti sono già noti in anticipo perché queste conoscenze vengono catturate dagli esperti.
(Riferimento Slide Time: 29:48) Sistemi di esperti sono molto meno utili per affrontare problemi non strutturati, in particolare quei problemi che i manager devono affrontare nel risolvere dire strategia. Molti sistemi esperti, richiedono molto tempo e gli sforzi di sviluppo associati a questi sistemi esperti sono anche molto costosi; è anche una cosa da tenere a mente.
(Riferirsi Slide Time: 30:28) L'impianto di cablaggio e formazione più esperti possono essere meno costosi che costruire un sistema esperto a volte. In genere, l'ambiente in cui opera un sistema esperto sta continuamente cambiando. Quindi, che se il sistema esperto deve dare o suggerire una soluzione di vita reale pratica allora quei sistemi esperti devono essere continuamente aggiornati con le mutevoli condizioni.
Alcuni sistemi esperti appositamente, quelli più grandi sono talmente complessi che in pochi anni i costi di manutenzione per queste graduatorie e cambiando le regole sono talmente costose da poter egualare il costo di sviluppo di quei sistemi. Quindi, in quel caso, si sa che mantenere questo tipo di sistemi esperti potrebbe non essere di alcun beneficio reale.
(Riferimento Slide Time: 32:24)
Questi sono i riferimenti che abbiamo utilizzato nella compilazione di questa particolare lezione. Puoi passare attraverso questi libri come riferimenti che ti dà una spiegazione molto dettagliata sui "sistemi esperti".
Grazie a tutti per la pazienza!