전문가 시스템 : 역사, 특성, 장점, 단점 - 과학 기술 - 2026

전문가 시스템은 특정 분야의 인간 전문가의 의사 결정 능력을 에뮬레이션 시스템으로 정의됩니다. 그들은 경험적 전략과 사실을 모두 사용하여 복잡한 의사 결정 문제를 안정적이고 대화식으로 해결합니다.

지식 기반을 통해 추론하여 매우 복잡한 문제를 해결하도록 설계되었습니다. 절차 적 코드로 표현되지 않고 기본적으로 If-Then 규칙으로 표현됩니다.

출처 : pixabay.com

그들은 자신을 표현하고 지식의 일부 영역에 대해 추론 할 수 있으므로 일반적으로 인간 전문가가 필요한 많은 문제를 해결할 수 있습니다. 전문가 시스템은 오늘날 인공 지능, 딥 러닝 및 기계 학습 시스템의 전신이었습니다.

전문가 시스템은 문제 해결에서 작업자의 전반적인 성능을 대체 할 수 없습니다. 그러나 문제 해결을 위해 개인이해야하는 일의 양을 대폭 줄여 문제 해결의 창의적이고 혁신적인 측면을 사람들에게 맡길 수 있습니다.

그들은 금융 서비스, 통신, 의료, 고객 서비스, 비디오 게임 및 제조와 같은 많은 산업에서 중요한 역할을했습니다.

시스템 용량

전문가 시스템은 축적 된 사실과 경험을 포함하는 지식 기반과 새로운 것을 추론하기 위해 각 특정 상황에서 지식 기반 또는 알려진 사실에 적용 할 규칙 집합 인 추론 엔진의 두 하위 시스템을 통합합니다. 행위.

지식 기반 또는 규칙 세트에 추가하여 시스템 기능을 향상시킬 수 있습니다.

예를 들어, 오늘날의 전문가 시스템은 자동으로 학습 할 수있는 기능을 갖추고있어 인간처럼 경험을 기반으로 성능을 향상시킬 수 있습니다.

또한 최신 시스템은 새로운 지식을보다 쉽게 ​​통합 할 수 있으므로 쉽게 업데이트 할 수 있습니다. 이러한 시스템은 기존 지식을 더 잘 일반화하고 많은 양의 복잡한 데이터를 처리 할 수 ​​있습니다.

역사

-초기 개발

1950 년대 후반, 인간의 의사 결정을 모방하기 위해 컴퓨터 기술을 사용할 수있는 가능성으로 실험이 시작되었습니다. 예를 들어, 컴퓨터 지원 시스템은 의학의 진단 애플리케이션을 위해 개발되기 시작했습니다.

이러한 초기 진단 시스템은 환자 증상과 실험실 테스트 결과를 시스템에 입력하여 그 결과 진단을 생성했습니다. 이들은 전문가 시스템의 첫 번째 형태였습니다.

-주요 개발

60 년대 초에 잘 정의 된 문제를 해결하는 프로그램이 개발되었습니다. 예 : 게임 또는 기계 번역.

이러한 프로그램은 제시된 논리적 및 수학적 문제를 처리하기 위해 지능적인 추론 기술이 필요했지만 추가 지식이 많이 필요하지는 않았습니다.

연구자들은 많은 흥미로운 문제를 해결하기 위해 프로그램이 문제를 해석 할 수 있어야 할뿐만 아니라 문제를 완전히 이해하기위한 기본 지식이 필요하다는 것을 깨닫기 시작했습니다.

이것은 점차 지식에 초점을 맞춘 전문가 시스템의 개발로 이어졌습니다.

전문가 시스템의 개념은 미국 스탠포드 대학의 교수 인 Edward Feigenbaum이 1965 년에 공식적으로 개발했습니다.

Feigenbaum은 새로운 프로세서 기술과 컴퓨터 아키텍처 덕분에 세상이 데이터 처리에서 지식 처리로 이동하고 있다고 설명했습니다.

Dendral

1960 년대 후반에 Dendral이라는 최초의 전문가 시스템 중 하나가 화학 화합물 분석을 처리하기 위해 개발되었습니다.

Dendral의 지식은 화합물의 상호 작용을 설명하는 수백 개의 규칙으로 구성되었습니다. 이 규칙은 화학자와 컴퓨터 과학자 간의 수년간의 협력의 결과였습니다.

-성숙

전문가 시스템은 1980 년대에 확산되기 시작했습니다. Fortune 500 대 기업 중 다수는 일상적인 비즈니스 활동에이 기술을 적용했습니다.

1990 년대에 Oracle 및 SAP와 같은 많은 비즈니스 애플리케이션 공급 업체는 비즈니스 로직을 설명하는 방법으로 전문가 시스템의 기능을 제품군에 통합했습니다.

형질

-경험 수준

전문가 시스템은 최고 수준의 전문성을 제공해야합니다. 효율성, 정확성 및 상상력이 풍부한 문제 해결을 제공합니다.

-시간에 대한 반응

사용자는 상당히 합리적인 기간 동안 전문가 시스템과 상호 작용합니다. 이 상호 작용 시간은 전문가가 동일한 문제에 대해 가장 정확한 솔루션을 얻는 데 걸리는 시간보다 짧아야합니다.

-신뢰성

전문가 시스템은 우수한 신뢰성을 가져야합니다. 이렇게하려면 실수를해서는 안됩니다.

-효과적인 메커니즘

전문가 시스템은 그 안에 존재하는 지식의 개요를 관리 할 수있는 효율적인 메커니즘을 가져야합니다.

-문제 처리

전문가 시스템은 까다로운 문제를 처리하고 솔루션을 제공하기위한 올바른 결정을 내릴 수 있어야합니다.

-부품

지식 기반

시스템의 경험 범위에 해당하는 조직화 된 데이터 모음입니다.

인간 전문가와의 인터뷰 및 관찰을 통해 지식 기반을 구성하는 사실을 파악해야합니다.

추론 엔진

권장 사항 또는 결론을 제공하기 위해 규칙을 통해 지식 기반의 사실을 해석하고 평가합니다.

이 지식은 If-Then 생산 규칙의 형태로 표현됩니다. "조건이 참이면 다음과 같은 추론을 할 수 있습니다."

결론

도달 한 결론이 절대적으로 확실하지 않기 때문에 종종 확률 계수가 각 생산 규칙의 결론과 최종 권장 사항에 첨부됩니다.

예를 들어, 안과 질환 진단을위한 전문가 시스템은 제공된 정보를 기반으로 한 사람이 90 % 확률로 녹내장에 걸렸다는 것을 나타낼 수 있습니다.

또한 결론에 도달 한 일련의 규칙을 표시 할 수 있습니다. 이 체인을 모니터링하면 추천의 신뢰성을 평가하는 데 도움이되며 학습 도구로 유용합니다.

종류

규칙 기반

이 시스템에서 지식은 일련의 규칙으로 표현됩니다. 규칙은 지식을 표현하는 직접적이고 유연한 방법입니다.

규칙은 조건이라고하는 "If"부분과 공제라고하는 "Then"부분의 두 부분으로 구성됩니다. 규칙의 기본 구문은 다음과 같습니다. If (조건) Then (공제).

퍼지 논리 기반

"매우 적다", "적당히 어렵다", "그렇지 않다"와 같은 모호한 단어를 사용하여 지식을 표현하려는 경우 퍼지 논리를 사용할 수 있습니다.

이 논리는 부정확 한 정의를 설명하는 데 사용됩니다. 모든 것이 슬라이딩 스케일로 설명된다는 생각에 기반합니다.

클래식 논리는 True (1) 및 False (0)의 두 가지 확실성 값으로 작동합니다. 퍼지 논리에서 모든 확실성 값은 0에서 1 사이의 실수로 표현됩니다.

퍼지 논리는 고전 논리의 절대적 진실성보다는 진실성 정도에 기반한 지식을 나타냅니다.

신경

규칙 기반 전문가 시스템의 이점은 학습, 일반화, 견고성 및 병렬 정보 처리와 같은 신경망의 이점도 결합합니다.

이 시스템에는 전통적인 지식 기반이 아닌 신경 지식 기반이 있습니다. 지식은 뉴런에 가중치로 저장됩니다.

이 조합을 통해 신경 전문가 시스템은 결론을 정당화 할 수 있습니다.

신경 확산

퍼지 로직과 신경망은 전문가 시스템 구축을위한 보완 도구입니다.

퍼지 시스템은 학습 능력이 부족하고 새로운 환경에 적응할 수 없습니다. 반면 신경망은 학습 할 수 있지만 그 과정은 사용자에게 매우 복잡합니다.

신경 퍼지 시스템은 신경망의 컴퓨팅 및 학습 기능과 인간 지식 표현 및 퍼지 시스템의 설명 기술을 결합 할 수 있습니다.

결과적으로 신경망은 더 투명 해지고 퍼지 시스템은 학습 할 수있게됩니다.

이점

유효성

전문가 시스템은 소프트웨어의 대량 생산으로 인해 언제 어디서나 쉽게 사용할 수 있습니다.

위험 감소

기업은 인간에게 위험한 환경에서 전문가 시스템을 운영 할 수 있습니다. 인간이 일할 수없는 위험한 환경에서 사용할 수 있습니다.

비즈니스 지식

그들은 회사의 개인에 대한 지식과 달리 조직 지식을 개발하는 수단이 될 수 있습니다.

답변 설명

그들은 자신의 의사 결정에 대한 적절한 설명을 제공 할 수 있으며 답변으로 이어진 이유를 자세히 표현할 수 있습니다.

훈련 도구로 사용하면 초보자에게 더 빠른 학습 곡선을 제공합니다.

빠른 답변

빠르고 정확한 답변을 얻을 수 있습니다. 전문가 시스템은 인간 전문가보다 훨씬 빠르게 작업 공유를 완료 할 수 있습니다.

낮은 오류율

성공적인 전문가 시스템의 오류율은 매우 낮으며 때로는 동일한 작업에 대한 인적 오류율보다 훨씬 낮습니다.

감정없는 반응

전문가 시스템은 흥분하지 않고 작동합니다. 그들은 긴장하거나 피로하거나 당황하지 않으며 비상 상황에서도 꾸준히 일합니다.

지식 영속성

전문가 시스템은 상당한 수준의 정보를 유지합니다. 이 포함 된 지식은 무기한 지속됩니다.

신속한 프로토 타입

전문가 시스템을 사용하면 복잡한 IT 프로젝트와 일반적으로 관련된 몇 달 또는 몇 년이 아닌 몇 가지 규칙을 입력하고 프로토 타입을 개발할 수 있습니다.

다양한 경험

전문가 시스템은 많은 자격을 갖춘 전문가의 지식을 포함하도록 설계 할 수 있으므로 복잡한 문제를 해결할 수 있습니다.

이것은 전문가의 문제 해결 컨설턴트 컨설팅 비용을 줄입니다. 그들은 얻기 어려운 지식의 원천을 얻는 수단입니다.

단점

지식 습득

모든 소프트웨어 응용 프로그램에 대해 특정 분야의 전문가의 시간을 확보하는 것은 항상 어렵지만 전문가 시스템의 경우 전문가가 높은 평가를 받고 조직에서 지속적으로 요청하기 때문에 특히 어렵습니다.

결과적으로 최근 몇 년 동안 많은 연구가 전문가가 정의한 규칙의 설계, 디버깅 및 유지 관리 프로세스를 자동화하는 데 도움이되는 지식 습득 도구에 초점을 맞추고 있습니다.

시스템 통합

도구가 주로 기업 환경에서 알려지지 않은 언어와 플랫폼에 있었기 때문에 최초의 전문가 시스템에서는 시스템과 데이터베이스의 통합이 어려웠습니다.

그 결과 전문 시스템 도구를 레거시 환경과 통합하기 위해 많은 노력을 기울여 더 많은 표준 플랫폼으로 이전했습니다.

이러한 문제는 PC가 심각한 비즈니스 시스템 개발을위한 합법적 인 플랫폼으로 컴퓨팅 환경에서 점차적으로 수용되면서 패러다임 전환으로 해결되었습니다.

처리 복잡성

지식 기반의 크기를 늘리면 처리가 복잡해집니다.

예를 들어, 전문가 시스템에 1 억 개의 규칙이있는 경우 너무 복잡하고 많은 계산 문제에 직면 할 것임이 분명합니다.

추론 엔진은 결정을 내리기 위해 많은 수의 규칙을 처리 할 수 ​​있어야합니다.

규칙이 너무 많으면 이러한 결정 규칙이 서로 일치하는지 확인하는 것도 어렵습니다.

또한보다 효율적으로 운영하거나 모호성을 해결하기 위해 규칙 사용의 우선 순위를 정하는 것도 어렵습니다.

지식 업데이트

지식 기반과 관련된 한 가지 문제는 신속하고 효과적으로 업데이트하는 방법입니다. 또한 새로운 지식을 추가하는 방법, 즉 수많은 규칙 중 추가 할 위치입니다.

응용

진단 및 문제 해결

모든 오류 추론 시스템을 요약하고 오작동하는 프로세스 또는 장치에 대한 수정 조치를 제안합니다.

전문 시스템 기술이 적용된 최초의 지식 영역 중 하나는 의료 진단이었습니다. 그러나 엔지니어링 시스템 진단은 의료 진단보다 빠르게 성능이 뛰어났습니다.

진단은 다음과 같이 표현할 수 있습니다. 제시된 증거가 주어지면 근본적인 문제, 이유 또는 원인은 무엇입니까?

계획 및 일정

이러한 전문가 시스템은 일련의 목표를 분석하여 해당 목표를 달성하는 일련의 조치를 결정하고, 재료, 인력 및 기타 제한 사항을 고려하여 시간 경과에 따른 조치의 자세한 순서를 제공합니다.

예를 들어 항공사 인력 및 비행 일정, 제조 공정 계획 등이 있습니다.

재정적 결정

금융 자문 시스템은 은행가가 개인 및 기업에 대출을 할 것인지 여부를 결정하는 데 도움을주기 위해 만들어졌습니다.

보험 회사는 이러한 전문가 시스템을 사용하여 고객이 제시하는 위험을 평가하고 이에 따라 보험 가격을 결정합니다.

공정 모니터링 및 제어

이상을 발견하고 추세를 예측하며 최적화와 오류 수정을 모두 제어하기 위해 물리적 장치의 데이터를 실시간으로 분석합니다.

이러한 시스템의 예로는 정유 및 제강 산업이 있습니다.

지식 컨설팅

이 응용 프로그램의 주요 기능은 해당 문제의 환경 내에서 사용자의 문제에 대한 의미있는 통찰력을 제공하는 것입니다.

전 세계적으로 가장 널리 배포되는 두 가지 전문가 시스템이이 범주에 속합니다.

이러한 시스템 중 첫 번째는 텍스트에서 올바른 문법 사용에 대해 사용자에게 조언하는 조언자입니다.

두 번째는 세금 준비 시스템에 연결된 세무사입니다. 사용자에게 전략 및 특정 세금 정책에 대해 조언합니다.

참고 문헌

1. Guru99 (2019). 인공 지능의 전문가 시스템 : 무엇입니까, 응용 프로그램, 예. 출처 : guru99.com.
2. 무료 백과 사전, Wikipedia (2019). 전문가 시스템. 출처 : en.wikipedia.org.
3. 마가렛 라 우즈 (2019). 전문가 시스템. Techtarget. 출처 : searchenterpriseai.techtarget.com.
4. Vladimir Zwass (2019). 전문가 시스템. 백과 사전 출처 : britannica.com.
5. Wtec (2019). 전문가 시스템의 응용. 출처 : wtec.org.
6. 바이러스 나 고리 (2014). 전문가 시스템의 유형 : 비교 연구. Semantic Scholar 출처 : pdfs.semanticscholar.org.
7. World of Computing (2010). 전문가 시스템. 출처 : intelligence.worldofcomputing.net.