エキスパートシステム：履歴、特性、利点、欠点 - 技術 - 2025

エキスパートシステムは、特定の分野における人間の専門家の能力を意思決定をエミュレートするシステムとして定義されています。彼らは、ヒューリスティックな戦略と事実の両方を使用して、複雑な意思決定の問題を確実かつインタラクティブに解決します。

それらは知識ベースを通して推論する非常に複雑な問題を解決するように設計されています。それらは、手続き型コードで表されるのではなく、基本的にIf-Thenルールで表されます。

出典：pixabay.com

彼らは自分自身を表現し、知識のいくつかの領域について推論することができます。これにより、一般に人間の専門家を必要とする多くの問題を解決することができます。エキスパートシステムは、今日の人工知能、ディープラーニング、機械学習システムの前身でした。

エキスパートシステムは、トラブルシューティングにおけるワーカーの全体的なパフォーマンスの代わりにはなりません。ただし、問題を解決するために個人が実行する必要がある作業量を大幅に削減し、問題解決の創造的で革新的な側面を人々に任せることができます。

彼らは、金融サービス、通信、ヘルスケア、カスタマーサービス、ビデオゲーム、製造など、多くの業界で重要な役割を果たしてきました。

システム容量

エキスパートシステムには、2つのサブシステムが組み込まれています。蓄積された事実と経験を含むナレッジベースと、新しい特定の状況でナレッジベースまたは既知のファクトに適用する一連のルールである推論エンジンです。行為。

ナレッジベースまたはルールセットへの追加により、システム機能を拡張できます。

たとえば、今日のエキスパートシステムには自動学習機能があり、人間と同じように経験に基づいてパフォーマンスを向上させることができます。

さらに、最新のシステムは新しい知識をより簡単に組み込むことができるため、簡単に更新できます。このようなシステムは、既存の知識からより一般化し、大量の複雑なデータを処理できます。

歴史

-初期開発

1950年代後半、実験はコンピュータ技術を使用して人間の意思決定をエミュレートする可能性から始まりました。たとえば、コンピュータ支援システムは、医療の診断アプリケーション用に作成され始めました。

これらの初期診断システムは、患者の症状と臨床検査結果をシステムに入力して、結果として診断を生成しました。これらはエキスパートシステムの最初の形式でした。

-主な開発

60年代の初めに、明確に定義された問題を解決するプログラムが開発されました。たとえば、ゲームや機械翻訳。

これらのプログラムは、提示された論理的および数学的問題を処理するためのインテリジェントな推論技術を必要としましたが、追加の知識はあまり必要としませんでした。

研究者たちは、多くの興味深い問題を解決するには、プログラムが問題を解釈できる必要があるだけでなく、問題を完全に理解するための基本的な知識も必要であることを認識し始めました。

これは次第に、知識に重点を置いたエキスパートシステムの開発につながりました。

エキスパートシステムの概念は、1965年に米国のスタンフォード大学の教授であるEdward Feigenbaumによって正式に開発されました。

フェイゲンバウムは、新しいプロセッサテクノロジーとコンピュータアーキテクチャのおかげで、世界はデータ処理から知識処理に移行していると説明しました。

デンドラル

1960年代後半に、Dendralと呼ばれる最初のエキスパートシステムの1つが、化学物質の分析に対処するために開発されました。

Dendralの知識は、化合物の相互作用を説明する数百のルールから構成されていました。これらのルールは、化学者とコンピューター科学者の間の長年の協力の結果でした。

-成熟度

エキスパートシステムは1980年代に急増しました。Fortune 500企業の多くは、このテクノロジーを日常のビジネス活動に適用しています。

1990年代、OracleやSAPなどの多くのビジネスアプリケーションベンダーは、ビジネスロジックを説明する方法として、エキスパートシステムの機能を製品スイートに統合しました。

特徴

-経験のレベル

エキスパートシステムは、最高レベルの専門知識を提供する必要があります。効率、精度、想像力に富んだ問題解決を提供します。

-時間通りの反応

ユーザーは、かなり妥当な期間、エキスパートシステムとやり取りします。この相互作用の時間は、同じ問題の最も正確な解決策を得るために専門家が取る時間よりも短くなければなりません。

-信頼性

エキスパートシステムには信頼性が必要です。これを行うには、間違いをしてはいけません。

-効果的なメカニズム

エキスパートシステムには、そこに存在する知識の概要を管理するための効率的なメカニズムが必要です。

-問題を処理する

エキスパートシステムは、困難な問題を処理し、解決策を提供するための正しい決定を行うことができなければなりません。

-コンポーネント

知識ベース

これは、システムの経験の範囲に対応するデータの整理されたコレクションです。

人間の専門家へのインタビューと観察を通じて、知識ベースを構成する事実を理解する必要があります。

推論エンジン

推奨事項または結論を提供するために、知識ベースの事実をルールを通じて解釈および評価します。

この知識は、If-Thenプロダクションルールの形式で表されます。「条件が真の場合、次の控除を行うことができます。」

結論

多くの場合、到達した結論が絶対的な確実性ではないため、各生産ルールの結論と最終的な推奨には確率係数が付加されます。

たとえば、眼疾患の診断のためのエキスパートシステムは、提供された情報に基づいて、人が90％の確率で緑内障を患っていることを示すことができます。

また、結論に達した一連のルールを表示できます。このチェーンの監視は、推奨事項の信頼性を評価するのに役立ち、学習ツールとして役立ちます。

タイプ

ルールベース

このシステムでは、知識は一連のルールとして表されます。ルールは、知識を表現するための直接的かつ柔軟な方法です。

ルールは、条件と呼ばれる「If」部分と控除と呼ばれる「Then」部分の2つの部分で構成されています。ルールの基本的な構文は、If（条件）Then（演繹）です。

ファジーロジックに基づく

「ごくわずか」、「やや難しい」、「それほど古くない」などのあいまいな言葉で知識を表現したい場合は、ファジーロジックを使用できます。

このロジックは、不明確な定義を記述するために使用されます。それはすべてのものがスライディングスケールで記述されるという考えに基づいています。

クラシックロジックは、True（1）とFalse（0）の2つの確実性値で動作します。ファジーロジックでは、すべての確実性の値は0から1の範囲の実数として表現されます。

ファジーロジックは、古典的なロジックの絶対的な真実性ではなく、ある程度の真実性に基づいて知識を表します。

神経細胞

ルールベースのエキスパートシステムの利点は、学習、一般化、堅牢性、並列情報処理などのニューラルネットワークの利点も兼ね備えています。

このシステムには、従来の知識ベースではなく、ニューラル知識ベースがあります。知識はニューロンに重みとして保存されます。

この組み合わせにより、神経エキスパートシステムはその結論を正当化できます。

神経びまん性

ファジーロジックとニューラルネットワークは、エキスパートシステムを構築するための補完的なツールです。

ファジーシステムは学習する能力がなく、新しい環境に適応できません。一方、ニューラルネットワークは学習できますが、そのプロセスはユーザーにとって非常に複雑です。

ニューラルファジーシステムは、ニューラルネットワークの計算機能と学習機能を、人間の知識の表現およびファジーシステムの説明スキルと組み合わせることができます。

その結果、ニューラルネットワークはより透過的になり、ファジーシステムは学習が可能になります。

利点

可用性

ソフトウェアの大量生産により、エキスパートシステムはいつでも、どこでも、いつでも利用できます。

リスクの軽減

企業は、人間にとって危険な環境でエキスパートシステムを運用できます。それらは人間が働くことができないあらゆる危険な環境で使用することができます。

ビジネス知識

彼らは、企業内の個人の知識とは対照的に、組織の知識を開発するための媒体になることができます。

回答の説明

彼らは自分の意思決定について適切な説明をすることができ、回答に至った理由を詳細に表現します。

トレーニングツールとして使用すると、初心者の学習曲線が速くなります。

速い答え

迅速かつ正確な回答を得るのに役立ちます。エキスパートシステムは、人間のエキスパートよりもはるかに速くタスクのシェアを完了することができます。

エラー率が低い

成功したエキスパートシステムのエラー率は非常に低く、同じタスクの人的エラー率よりもはるかに低い場合があります。

無感情な反応

エキスパートシステムは興奮することなく機能します。彼らは緊張したり、疲労したり、パニックになったりせず、緊急事態の間に着実に働きます。

知識の永続性

エキスパートシステムは、重要なレベルの情報を維持します。この含まれている知識は無期限に続きます。

ラピッドプロトタイピング

エキスパートシステムを使用すると、複雑なITプロジェクトに通常関連する月または年ではなく、いくつかのルールを入力してプロトタイプを開発することができます。

複数の経験

エキスパートシステムは、多くの有資格エキスパートの知識を含むように設計できるため、複雑な問題を解決することができます。

これにより、専門家の問題解決コンサルタントに相談する費用が削減されます。それらは、入手するのが難しい知識の源を入手するための手段です。

短所

知識の獲得

ソフトウェアアプリケーションの特定の分野のエキスパートの時間を確保することは常に困難ですが、エキスパートシステムはエキスパートが非常に高く評価され、組織から絶えず要求されているため、特に困難です。

その結果、近年の多くの研究は、専門家によって定義されたルールの設計、デバッグ、およびメンテナンスのプロセスを自動化するのに役立つ知識を獲得するためのツールに焦点を当てています。

システム統合

最初のエキスパートシステムでは、システムとデータベースの統合は困難でした。これは、ツールが主に言語であり、プラットフォームが企業環境で知られていないためです。

その結果、エキスパートシステムツールをレガシー環境と統合し、より標準的なプラットフォームに移行するために多大な努力が払われました。

これらの問題は主にパラダイムシフトによって解決されました。PCは、本格的なビジネスシステムを開発するための正当なプラットフォームとして、コンピューティング環境で徐々に受け入れられてきたからです。

処理の複雑さ

知識ベースのサイズを大きくすると、処理が複雑になります。

たとえば、エキスパートシステムに1億のルールがある場合、複雑すぎることは明らかであり、多くの計算上の問題に直面します。

推論エンジンは、決定を行うために多数のルールを処理できる必要があります。

ルールが多すぎる場合、これらの決定ルールが互いに整合していることを確認することも困難です。

また、より効率的に運用するためのルールの使用や、あいまいさを解決する方法を優先することも困難です。

知識の更新

知識ベースに関連する1つの問題は、更新を迅速かつ効果的に行う方法です。また、新しい知識を追加する方法、つまり、非常に多くのルールのどこに追加するか。

用途

診断とトラブルシューティング

すべての障害推定システムを要約し、誤動作しているプロセスまたはデバイスの修正措置を提案します。

エキスパートシステムテクノロジーが適用された最初の知識分野の1つは、医療診断でした。ただし、エンジニアリングシステムの診断はすぐに医療診断を上回りました。

診断は次のように表すことができます。提示された証拠から、根本的な問題、理由、または原因は何ですか？

計画とスケジューリング

これらのエキスパートシステムは、一連の目標を分析して、それらの目標を達成する一連のアクションを決定し、資料、人事、およびその他の制限を考慮して、それらのアクションの詳細な順序付けを提供します。

例としては、航空会社の人員配置とフライトのスケジューリング、製造プロセスの計画などがあります。

財務上の決定

金融顧問システムは、銀行家が個人や企業に融資を行うかどうかを判断できるように作成されています。

保険会社はこれらのエキスパートシステムを使用して、クライアントが提示するリスクを評価し、保険の価格を決定します。

プロセスの監視と制御

物理デバイスからのデータをリアルタイムで分析して、異常に気づき、傾向を予測し、最適化と障害修正の両方を制御します。

これらのシステムの例は、石油精製および製鋼業界にあります。

知識コンサルティング

このアプリケーションの主な機能は、ユーザーの問題について、その問題の環境内で意味のある洞察を提供することです。

世界中で最も広く配布されている2つのエキスパートシステムがこのカテゴリに属します。

これらのシステムの1つ目は、文章内での文法の正しい使用についてユーザーに助言するアドバイザーです。

もう1つは、税を準備するシステムに付属している税理士です。戦略と特定の税制についてユーザーにアドバイスします。

参考文献

1. Guru99（2019）。人工知能のエキスパートシステム：アプリケーション、例とは。取得元：guru99.com。
2. ウィキペディア、無料​​の百科事典（2019）。エキスパートシステム。取得元：en.wikipedia.org。
3. マーガレット・ラウズ（2019）。エキスパートシステム。Techtarget。取得元：searchenterpriseai.techtarget.com。
4. ウラジミールズワス（2019）。エキスパートシステム。百科事典引用元：britannica.com。
5. Wtec（2019）。エキスパートシステムのアプリケーション。取得元：wtec.org。
6. Viral Nagori（2014）。エキスパートシステムのタイプ：比較研究。セマンティックスカラーpdfs.semanticscholar.orgから取得。
7. コンピューティングの世界（2010）。エキスパートシステム。取得元：Intelligence.worldofcomputing.net。