¿Qué son los sistemas expertos en inteligencia artificial?

La mayoría de los programas de computadora son sistemas expertos. Es simplemente una tarea muy especializada que debe hacer que una computadora intente completar, y usted mide el éxito del programa o algoritmo en relación con los mejores en el campo.

Por ejemplo, Deep Blue, el programa de computadora que venció al campeón mundial de ajedrez hace un año, es un sistema experto. Fue diseñado para hacer una tarea especializada muy bien. Alpha Go y Watson son otros ejemplos más famosos.

Pero la mayoría de los programas son sistemas expertos, ya que en marcado contraste con el tipo opuesto (sistemas generales), solo pueden hacer la tarea que fueron programados. También nos hemos vuelto muy buenos en esto, hasta el punto de que si configuramos nuestros sitios en alguna categoría, entonces podemos construir un sistema para hacerlo mejor. Y es bueno que podamos, porque al controlar las redes eléctricas para el tráfico aéreo, las computadoras están haciendo cosas con las que nunca podríamos soñar. Este es el ámbito de la automatización, y cualquiera que haya llamado a un centro de ayuda para que salga de una tienda de comestibles ha visto el resultado. Todo, desde autos sin conductor hasta impuestos turbo y el robot de pago, son sistemas expertos. El reciente aprendizaje automático está tratando de expandir este enfoque limitado, sin embargo, todavía son sistemas expertos. Si entrena una red neuronal para identificar rostros, entonces tiene un sistema experto en reconocimiento de rostros.

Hoy en día, el diseño de sistemas expertos sigue en auge, sin embargo, el verdadero premio es todo lo contrario, un sistema que puede convertirse en un experto en múltiples campos. Ahí es cuando las cosas se pondrán realmente interesantes.

En un ciclo exagerado de IA anterior, el concepto de un sistema basado en conocimiento (KBS) con nombres alternativos IKBS – KBS inteligente y un poco antes de esto el sistema experto. La idea era codificar un cuerpo de conocimiento en un tipo de base de datos de tal manera que pudiera proporcionar todas las respuestas implícitas en ese dominio. Hubo varias representaciones: redes semánticas, redes de transición aumentada, creencias bayesianas, lenguajes lógicos, reglas de producción, relaciones, objetos (smalltalk) objetos (genéricos), objetos kee / Art, clos, sabores, bucles, etc. El punto, no siempre Los practicantes entendieron claramente que el conocimiento es persistente y probado. (Es por eso que el término IKBS es una contradicción en términos: si sabe que no necesita inteligencia, simplemente identifique la respuesta correcta a una consulta y devuélvala). Los sistemas expertos estaban destinados a reemplazar a los expertos en dominios: podrían devolver la respuesta correcta Pero incluso los expertos en dominios no pueden hacer eso, a veces necesitan encontrar la respuesta más cercana, por lo que algunos sistemas expertos trataron de usar técnicas que utilizan funciones de creencias … probabilidad y, en particular, mejoras bayesianas a medida que se agregaban más pruebas. El problema con este concepto es simplemente que la comprensión (lingüísticamente del conocimiento del dominio y la pregunta del usuario de ese dominio tenía que programarse, por lo que la mayoría de los sistemas expertos eran realmente una nueva forma de programar un sistema informático. Dado que las computadoras se programan anticipando todos los casos – la complejidad de un sistema experto tendía a estar restringida a dominios de alcance más bien limitado. En otras palabras, era más de lo que ya teníamos. La mayoría de los sistemas expertos podían verse como un modelo informático detallado. Había cientos de (no particularmente comerciales ) productos producidos para la comunidad de “IA”, pero la mayoría no han sobrevivido. De nuevo, se esperaba que se adelantara a la realización de esta clase de sistema que eventualmente acabó con el ímpetu. El apogeo de los sistemas Expert fue alrededor de mediados de 1980 a principios 90s.

Hoy en día, los sistemas expertos pueden considerarse herramientas de modelado específicas, creadas para un dominio específico, no genérico.

Definición de, por ejemplo, (página 158, Van Gigch, 1991):

• Un sistema experto es un programa de computadora diseñado para hacer preguntas sobre la variedad si-entonces y, en teoría, debe conducir al mismo curso de acción que el experto mismo elegiría.

Puede encontrar una buena explicación en el sistema Expert: Wikipedia.

No conozco ninguna compañía específica que tenga esto como su producto principal, es más bien parte de otros productos / servicios. Por ejemplo, para admitir la configuración de software complejo.

Van Gigch, JP 1991, Modelado de diseño de sistemas y metamodelado , Plenum Press, Nueva York.

Un ejemplo que me impresionó es el sistema de cebra para la detección de enfermedades raras:

FindZebra

Tómese su tiempo para leer la historia de por qué el sistema se llama Find Zebra .

Estos pueden ser vistos como los indicadores de falla o reparación de algo como la aviónica. Como el cohete que lanzó la IA. O pueden monitorear transacciones en la banca. Como su nombre lo indica, se supone que debe actuar como alguien que sabe cómo manejar las cosas y que puede responder preguntas y brindar soluciones. Esto se basa en el conocimiento. Pueden incluir probabilidades. Si no saben algo, pueden tener que dirigirse a un usuario o administrador.

Una ilustración puede ser un árbol de decisión o un gráfico del juego. Tienen esquemas de reconocimiento simples y pueden buscar a través o por caminos. Es más fácil demostrar cosas sobre ellos matemáticamente. La mayoría de estos eran sistemas cerrados como las instituciones que representaban antes de internet.

Si se debe digitalizar algún modelo organizativo o comercial, entonces este podría ser un paso de procedimiento. Infieren condiciones y causas a partir de las reglas, lo que significa que deben conocer las categorías, pero les es más fácil explicar el razonamiento a los humanos. Tienden a estar dedicados a dominios particulares como los bots. Estos conocen la rutina y pueden actuar como guías.

Inicialmente, los investigadores esperaban que los sistemas fueran más inteligentes que ellos mismos, ya que los datos podrían agregarse y formalizarse. Esta sigue siendo una característica definitoria de los dispositivos inteligentes, aunque ahora agregan todos los demás campos de inteligencia, incluida la traducción, el aprendizaje y el equilibrio. Puede ser una metáfora para la regulación entre algoritmos y redes neuronales. Hay una historia y una tradición, por lo que también podrían experimentar un gran avance como el de los vehículos autónomos.

Esto ya ha sido respondido. Por favor haz una búsqueda.