विशेषज्ञ प्रणाली: इतिहास, विशेषताओं, फायदे, नुकसान - प्रौद्योगिकी - 2025

विशेषज्ञ प्रणालियों प्रणाली है कि एक विशेष क्षेत्र में एक मानव विशेषज्ञ की निर्णय लेने की क्षमता का अनुकरण के रूप में परिभाषित कर रहे हैं। वे जटिल निर्णय लेने की समस्याओं को मज़बूती से और अंतःक्रियात्मक रूप से हल करने के लिए अनुमानी रणनीतियों और तथ्यों दोनों का उपयोग करते हैं।

उन्हें ज्ञान के आधारों के माध्यम से तर्क देते हुए अत्यधिक जटिल समस्याओं को हल करने के लिए डिज़ाइन किया गया है। प्रक्रियात्मक कोड द्वारा प्रतिनिधित्व किए जाने के बजाय, वे मूल रूप से आईएफ-तत्कालीन नियमों द्वारा दर्शाए जाते हैं।

स्रोत: pixabay.com

वे ज्ञान के कुछ क्षेत्र के बारे में खुद को और कारण व्यक्त करने में सक्षम हैं, जो उन्हें कई समस्याओं को हल करने की अनुमति देता है जो आमतौर पर एक मानव विशेषज्ञ की आवश्यकता होती है। विशेषज्ञ प्रणाली आज के कृत्रिम बुद्धिमत्ता, गहन शिक्षा और मशीन सीखने की प्रणालियों के पूर्ववर्ती थे।

समस्या निवारण में एक कार्यकर्ता के समग्र प्रदर्शन के लिए एक विशेषज्ञ प्रणाली स्थानापन्न नहीं कर सकती है। हालांकि, वे किसी समस्या को हल करने के लिए व्यक्ति द्वारा किए जाने वाले काम की मात्रा को काफी कम कर सकते हैं, जिससे लोगों को समस्या हल करने के रचनात्मक और अभिनव पहलुओं को छोड़ना होगा।

उन्होंने कई उद्योगों में महत्वपूर्ण भूमिका निभाई है, जैसे कि वित्तीय सेवाएं, दूरसंचार, स्वास्थ्य सेवा, ग्राहक सेवा, वीडियो गेम और विनिर्माण।

सिस्टम की क्षमता

एक विशेषज्ञ प्रणाली दो उप-प्रणालियों को शामिल करती है: एक ज्ञान का आधार, जिसमें संचित तथ्य और अनुभव होते हैं, और एक अनुमान इंजन, जो प्रत्येक विशेष परिस्थिति में ज्ञान आधार या ज्ञात तथ्यों पर लागू होने के लिए नियमों का एक सेट है, ताकि नए लोगों को घटाया जा सके। कार्य करता है।

सिस्टम क्षमताओं को ज्ञान के आधार या नियम सेट में परिवर्धन के साथ बढ़ाया जा सकता है।

उदाहरण के लिए, आज के विशेषज्ञ सिस्टम में स्वचालित रूप से सीखने की क्षमता भी हो सकती है, जिससे वे अनुभव के आधार पर अपने प्रदर्शन में सुधार कर सकते हैं, जैसे कि मनुष्य करते हैं।

इसके अलावा, आधुनिक सिस्टम अधिक आसानी से नए ज्ञान को शामिल कर सकते हैं और इस प्रकार आसानी से अपडेट किए जा सकते हैं। इस तरह के सिस्टम मौजूदा ज्ञान से बेहतर सामान्यीकरण कर सकते हैं और बड़ी मात्रा में जटिल डेटा को संभाल सकते हैं।

इतिहास

- प्रारंभिक घटना

1950 के दशक के उत्तरार्ध में, मानव निर्णय लेने का अनुकरण करने के लिए कंप्यूटर प्रौद्योगिकी का उपयोग करने की संभावना के साथ प्रयोग शुरू हुआ। उदाहरण के लिए, चिकित्सा में नैदानिक ​​अनुप्रयोगों के लिए कंप्यूटर एडेड सिस्टम बनाए जाने लगे।

इन प्रारंभिक निदान प्रणालियों ने रोगी के लक्षणों और प्रयोगशाला परीक्षण परिणामों को प्रणाली में प्रवेश किया ताकि परिणामस्वरूप निदान उत्पन्न हो सके। ये विशेषज्ञ प्रणालियों के पहले रूप थे।

- मुख्य समारोह

साठ के दशक की शुरुआत में, प्रोग्राम विकसित किए गए थे जो अच्छी तरह से परिभाषित समस्याओं को हल करते थे। उदाहरण के लिए, खेल या मशीनी अनुवाद।

इन कार्यक्रमों को तार्किक और गणितीय समस्याओं को संभालने के लिए बुद्धिमान तर्क तकनीकों की आवश्यकता थी, लेकिन उन्हें बहुत अतिरिक्त ज्ञान की आवश्यकता नहीं थी।

शोधकर्ताओं ने महसूस करना शुरू किया कि कई दिलचस्प समस्याओं को हल करने के लिए, कार्यक्रमों को न केवल समस्याओं की व्याख्या करने में सक्षम होना था, बल्कि उन्हें पूरी तरह से समझने के लिए बुनियादी ज्ञान की भी आवश्यकता थी।

इससे धीरे-धीरे विशेषज्ञ प्रणालियों का विकास हुआ, जो ज्ञान पर अधिक केंद्रित थे।

विशेषज्ञ प्रणालियों की अवधारणा को औपचारिक रूप से 1965 में एडवर्ड फेगेनबौम द्वारा विकसित किया गया था, जो स्टैनफोर्ड विश्वविद्यालय, यूएसए में एक प्रोफेसर थे।

Feigenbaum ने बताया कि दुनिया डाटा प्रोसेसिंग से ज्ञान प्रसंस्करण की ओर बढ़ रही थी, नई प्रोसेसर तकनीक और कंप्यूटर आर्किटेक्चर की बदौलत।

Dendral

1960 के दशक के उत्तरार्ध में, पहले विशेषज्ञ प्रणालियों में से एक, जिसे डेंड्राल कहा जाता था, रासायनिक यौगिकों के विश्लेषण को संबोधित करते हुए विकसित किया गया था।

डेंड्राल के ज्ञान में सैकड़ों नियम शामिल थे, जो रासायनिक यौगिकों की बातचीत का वर्णन करते थे। ये नियम रसायन विज्ञानियों और कंप्यूटर वैज्ञानिकों के बीच सहयोग के वर्षों के परिणाम थे।

- परिपक्वता

1980 के दशक के दौरान विशेषज्ञ प्रणालियों का प्रसार शुरू हुआ। फॉर्च्यून 500 की कई कंपनियों ने अपनी दैनिक व्यावसायिक गतिविधियों में इस तकनीक को लागू किया।

1990 के दशक में, ओरेकल और एसएपी जैसे कई व्यावसायिक अनुप्रयोग विक्रेताओं ने व्यापार तर्क को समझाने के तरीके के रूप में विशेषज्ञ प्रणालियों की क्षमताओं को अपने उत्पादों के सूट में एकीकृत किया।

विशेषताएँ

- अनुभव का स्तर

एक विशेषज्ञ प्रणाली को उच्चतम स्तर की विशेषज्ञता प्रदान करनी चाहिए। दक्षता, सटीक और कल्पनाशील समस्या को हल करता है।

- समय पर प्रतिक्रिया

उपयोगकर्ता समय की उचित उचित अवधि के लिए विशेषज्ञ प्रणाली के साथ बातचीत करता है। इस इंटरैक्शन का समय उस समय की तुलना में कम होना चाहिए जो एक विशेषज्ञ एक ही समस्या के लिए सबसे सटीक समाधान प्राप्त करने के लिए लेता है।

- विश्वसनीयता

विशेषज्ञ प्रणाली में अच्छी विश्वसनीयता होनी चाहिए। ऐसा करने के लिए, आपको कोई गलती नहीं करनी चाहिए।

- प्रभावी तंत्र

विशेषज्ञ प्रणाली में मौजूद ज्ञान के संकलन का प्रबंधन करने के लिए एक कुशल तंत्र होना चाहिए।

- समस्याओं को संभालना

एक विशेषज्ञ प्रणाली को चुनौतीपूर्ण समस्याओं को संभालने और समाधान प्रदान करने के लिए सही निर्णय लेने में सक्षम होना चाहिए।

- अवयव

ज्ञानधार

यह सिस्टम के अनुभव के दायरे के अनुरूप डेटा का एक संगठित संग्रह है।

मानव विशेषज्ञों के साथ साक्षात्कार और टिप्पणियों के माध्यम से, ज्ञान का आधार बनाने वाले तथ्यों को लिया जाना चाहिए।

अनुमान इंजन

अनुशंसा या निष्कर्ष प्रदान करने के लिए, नियमों के माध्यम से ज्ञान आधार में तथ्यों की व्याख्या और मूल्यांकन करें।

इस ज्ञान को इफ-तब उत्पादन नियमों के रूप में दर्शाया गया है: "यदि कोई शर्त सत्य है, तो निम्नलिखित कटौती की जा सकती है।"

निष्कर्ष

अक्सर एक प्रायिकता कारक प्रत्येक उत्पादन नियम के निष्कर्ष और अंतिम सिफारिश के साथ जुड़ा होता है, क्योंकि निष्कर्ष पर पहुंचना एक निश्चित निश्चितता नहीं है।

उदाहरण के लिए, नेत्र रोगों के निदान के लिए एक विशेषज्ञ प्रणाली प्रदान की गई जानकारी के आधार पर संकेत कर सकती है, कि किसी व्यक्ति में 90% की संभावना के साथ मोतियाबिंद है।

साथ ही, नियमों का अनुक्रम जिसके माध्यम से निष्कर्ष पर पहुंचा गया था, दिखाया जा सकता है। इस श्रृंखला की निगरानी से सिफारिश की विश्वसनीयता का आकलन करने में मदद मिलती है और यह एक शिक्षण उपकरण के रूप में उपयोगी है।

प्रकार

नियम-आधारित

इस प्रणाली में ज्ञान को नियमों के एक समूह के रूप में दर्शाया जाता है। नियम ज्ञान को व्यक्त करने का एक सीधा और लचीला तरीका है।

नियम में दो भाग होते हैं: "इफ" भाग, जिसे शर्त कहा जाता है, और "तत्पश्चात" भाग, कटौती कहलाता है। एक नियम का मूल सिंटैक्स है: यदि (स्थिति) तब (कटौती)।

फजी लॉजिक के आधार पर

जब आप "बहुत कम", "मध्यम रूप से कठिन", "इतना पुराना नहीं" जैसे अस्पष्ट शब्दों का उपयोग करके ज्ञान व्यक्त करना चाहते हैं, तो आप फ़ज़ी लॉजिक का उपयोग कर सकते हैं।

इस तर्क का उपयोग एक अभेद्य परिभाषा का वर्णन करने के लिए किया जाता है। यह इस विचार पर आधारित है कि सभी चीजें एक स्लाइडिंग पैमाने पर वर्णित हैं।

क्लासिक लॉजिक दो निश्चित मूल्यों के साथ संचालित होता है: ट्रू (1) और गलत (0)। फ़ज़ी लॉजिक में, सभी निश्चित मानों को 0 से 1 की सीमा में वास्तविक संख्या के रूप में व्यक्त किया जाता है।

फ़ज़ी लॉजिक शास्त्रीय तर्क की पूर्ण सत्यता के बजाय, सत्यता की एक डिग्री के आधार पर ज्ञान का प्रतिनिधित्व करता है।

neuronal

नियम-आधारित विशेषज्ञ प्रणाली के लाभ तंत्रिका नेटवर्क के लाभों को भी जोड़ते हैं, जैसे कि सीखने, सामान्यीकरण, मजबूती, और समानांतर विकास प्रक्रिया।

इस प्रणाली में पारंपरिक ज्ञान आधार के बजाय एक तंत्रिका ज्ञान आधार है। ज्ञान को न्यूरॉन्स में भार के रूप में संग्रहीत किया जाता है।

यह संयोजन तंत्रिका विशेषज्ञ प्रणाली को इसके निष्कर्ष को सही ठहराने की अनुमति देता है।

Neuronal-फैलाना

फ़ज़ी लॉजिक और न्यूरल नेटवर्क विशेषज्ञ प्रणालियों के निर्माण के पूरक उपकरण हैं।

फ़ज़ी सिस्टम में सीखने की क्षमता का अभाव होता है और यह नए वातावरण के अनुकूल नहीं हो सकता। दूसरी ओर, हालांकि तंत्रिका नेटवर्क सीख सकते हैं, उनकी प्रक्रिया उपयोगकर्ता के लिए बहुत जटिल है।

तंत्रिका-फ़ज़ी सिस्टम तंत्रिका नेटवर्क की कम्प्यूटेशनल और सीखने की क्षमताओं को मानव ज्ञान के प्रतिनिधित्व और फ़ज़ी सिस्टम के स्पष्टीकरण कौशल के साथ जोड़ सकते हैं।

नतीजतन, तंत्रिका नेटवर्क अधिक पारदर्शी हो जाते हैं, जबकि फ़ज़ी सिस्टम सीखने में सक्षम हो जाता है।

फायदा

उपलब्धता

सॉफ्टवेयर के बड़े पैमाने पर उत्पादन के कारण विशेषज्ञ प्रणाली आसानी से, कहीं भी, कभी भी उपलब्ध हैं।

जोखिम कम किया

एक कंपनी वातावरण में एक विशेषज्ञ प्रणाली संचालित कर सकती है जो मनुष्यों के लिए खतरनाक है। उनका उपयोग किसी भी खतरनाक वातावरण में किया जा सकता है जहां मनुष्य काम नहीं कर सकते हैं।

व्यापार ज्ञान

वे एक कंपनी में व्यक्तियों के ज्ञान के विपरीत, संगठनात्मक ज्ञान को विकसित करने के लिए एक वाहन बन सकते हैं।

उत्तर की व्याख्या

वे अपने निर्णय लेने का पर्याप्त विवरण देने में सक्षम हैं, विस्तार से उस तर्क को व्यक्त करते हैं जिसके कारण उत्तर मिला।

जब उन्हें प्रशिक्षण उपकरण के रूप में उपयोग किया जाता है, तो वे शुरुआती लोगों के लिए तेजी से सीखने की अवस्था में परिणत होते हैं।

तेजी से जवाब

तेज़ और सटीक उत्तर प्राप्त करने में मदद करता है। एक विशेषज्ञ प्रणाली मानव विशेषज्ञ की तुलना में बहुत तेजी से अपने कार्यों को पूरा कर सकती है।

कम त्रुटि दर

सफल विशेषज्ञ प्रणालियों की त्रुटि दर काफी कम है, कभी-कभी एक ही कार्य के लिए मानव त्रुटि दर की तुलना में बहुत कम है।

भावहीन प्रतिक्रिया

एक्सपर्ट सिस्टम बिना उत्तेजित हुए काम करते हैं। उन्हें तनाव, थकान या घबराहट नहीं होती है, और वे आपातकालीन परिस्थितियों में लगातार काम करते हैं।

ज्ञान स्थायित्व

विशेषज्ञ प्रणाली सूचना के एक महत्वपूर्ण स्तर को बनाए रखती है। यह निहित ज्ञान अनिश्चित काल तक चलेगा।

तिव्र प्रतिकृति

विशेषज्ञ प्रणाली के साथ, आमतौर पर जटिल आईटी परियोजनाओं के साथ जुड़े महीनों या वर्षों के बजाय, कुछ नियमों में प्रवेश करना और दिनों में एक प्रोटोटाइप विकसित करना संभव है।

कई अनुभव

विशेषज्ञ प्रणाली को कई योग्य विशेषज्ञों के ज्ञान को शामिल करने के लिए डिज़ाइन किया जा सकता है और इस प्रकार जटिल समस्याओं को हल करने की क्षमता होती है।

यह परामर्शदाताओं को सलाह देने वाली विशेषज्ञ समस्या से निपटने के खर्च को कम करता है। वे ज्ञान के स्रोतों को प्राप्त करने के लिए एक वाहन हैं जिन्हें प्राप्त करना मुश्किल है।

नुकसान

ज्ञान अर्जन

किसी भी सॉफ़्टवेयर एप्लिकेशन के लिए विशेष क्षेत्रों में विशेषज्ञों का समय प्राप्त करना हमेशा मुश्किल होता है, लेकिन विशेषज्ञ प्रणालियों के लिए यह विशेष रूप से कठिन होता है, क्योंकि विशेषज्ञों द्वारा अत्यधिक मूल्यवान और लगातार संगठनों द्वारा अनुरोध किया जाता है।

परिणामस्वरूप, हाल के वर्षों में अनुसंधान की एक बड़ी मात्रा ने ज्ञान के अधिग्रहण के लिए साधनों पर ध्यान केंद्रित किया है, जो डिजाइन, डिबगिंग की प्रक्रिया को स्वचालित करने और विशेषज्ञों द्वारा परिभाषित नियमों को बनाए रखने में मदद करते हैं।

प्रणाली एकीकरण

डेटाबेस के साथ सिस्टम का एकीकरण पहले विशेषज्ञ प्रणालियों के लिए मुश्किल था, क्योंकि उपकरण मुख्य रूप से उन भाषाओं और प्लेटफार्मों में थे जिन्हें कॉर्पोरेट वातावरण में नहीं जाना जाता था।

नतीजतन, विरासत के वातावरण के साथ विशेषज्ञ प्रणालियों के उपकरणों को एकीकृत करने का एक बड़ा प्रयास किया गया, जिससे अधिक मानक प्लेटफार्मों पर स्थानांतरण हो सके।

इन समस्याओं को मुख्य रूप से प्रतिमान बदलाव द्वारा हल किया गया था, क्योंकि पीसी को कंप्यूटिंग वातावरण में धीरे-धीरे गंभीर व्यावसायिक प्रणालियों के विकास के लिए एक वैध मंच के रूप में स्वीकार किया गया था।

प्रसंस्करण जटिलता

ज्ञान के आधार का आकार बढ़ने से प्रसंस्करण की जटिलता बढ़ जाती है।

उदाहरण के लिए, यदि किसी विशेषज्ञ प्रणाली में 100 मिलियन नियम हैं, तो यह स्पष्ट है कि यह बहुत जटिल होगा, और यह कई कम्प्यूटेशनल समस्याओं का सामना करेगा।

एक अनुमान इंजन को निर्णय लेने के लिए बड़ी संख्या में नियमों को संसाधित करने में सक्षम होना चाहिए।

जब बहुत अधिक नियम होते हैं, तो यह सत्यापित करना भी मुश्किल है कि ये निर्णय नियम एक-दूसरे के अनुरूप हैं।

अधिक कुशलता से संचालित करने के लिए, या अस्पष्टताओं को कैसे हल किया जाए, नियमों के उपयोग को प्राथमिकता देना भी मुश्किल है।

ज्ञान अद्यतन

ज्ञान के आधार से संबंधित एक समस्या यह है कि कैसे जल्दी और प्रभावी रूप से अपडेट किया जाए। साथ ही, नए ज्ञान को कैसे जोड़ा जाए, यानी इतने नियमों के बीच इसे कहां जोड़ा जाए।

अनुप्रयोग

निदान और समस्या निवारण

यह सभी फॉल्ट-इनफ़ायरिंग सिस्टम को सारांशित करता है और एक खराबी प्रक्रिया या डिवाइस के लिए सुधारात्मक कार्रवाई का सुझाव देता है।

पहले ज्ञान क्षेत्रों में से एक जहां विशेषज्ञ प्रणाली प्रौद्योगिकी लागू की गई थी, चिकित्सा निदान था। हालांकि, इंजीनियरिंग सिस्टम डायग्नॉस्टिक्स ने मेडिकल डायग्नोस्टिक्स को जल्दी से बेहतर बना दिया है।

निदान के रूप में व्यक्त किया जा सकता है: प्रस्तुत साक्ष्य, अंतर्निहित समस्या, कारण या कारण क्या है?

योजना और समय-निर्धारण

ये विशेषज्ञ प्रणालियां उन उद्देश्यों को प्राप्त करने के लिए उद्देश्यों का एक सेट का विश्लेषण करती हैं, जो उन उद्देश्यों को प्राप्त करते हैं, जो सामग्री, कर्मियों और अन्य प्रतिबंधों पर विचार करते हुए समय के साथ उन कार्यों का विस्तृत आदेश प्रदान करते हैं।

उदाहरणों में एयरलाइन स्टाफिंग और फ़्लाइट शेड्यूलिंग और विनिर्माण प्रक्रिया नियोजन शामिल हैं।

वित्तीय निर्णय

वित्तीय सलाहकार प्रणाली बैंकरों को यह निर्धारित करने में मदद करने के लिए बनाई गई है कि क्या व्यक्तियों और कंपनियों को ऋण दिया जाए।

बीमा कंपनियां इन विशेषज्ञ प्रणालियों का उपयोग उस जोखिम का आकलन करने के लिए करती हैं जो ग्राहक प्रस्तुत करता है और इस प्रकार बीमा की कीमत निर्धारित करता है।

प्रक्रिया की निगरानी और नियंत्रण

वे वास्तविक समय में भौतिक उपकरणों से डेटा का विश्लेषण करते हैं, ताकि विसंगतियों पर ध्यान दिया जा सके, रुझानों की भविष्यवाणी की जा सके और अनुकूलन और दोष सुधार दोनों को नियंत्रित किया जा सके।

इन प्रणालियों के उदाहरण तेल शोधन और इस्पात निर्माण उद्योग में हैं।

ज्ञान परामर्श

इस एप्लिकेशन का प्राथमिक कार्य उस समस्या के वातावरण में, उपयोगकर्ता की समस्या में सार्थक जानकारी प्रदान करना है।

दो विशेषज्ञ प्रणालियां जो दुनिया भर में सबसे अधिक व्यापक रूप से वितरित की जाती हैं, इस श्रेणी से संबंधित हैं।

इनमें से पहला सिस्टम एक सलाहकार है जो एक पाठ में व्याकरण के सही उपयोग पर उपयोगकर्ता को सलाह देता है।

दूसरा एक कर सलाहकार है जो करों को तैयार करने के लिए एक प्रणाली से जुड़ा हुआ है। उपयोगकर्ता को रणनीति और विशेष कर नीतियों पर सलाह देता है।

संदर्भ

1. गुरु 99 (2019)। आर्टिफिशियल इंटेलिजेंस में विशेषज्ञ प्रणाली: आवेदन, उदाहरण क्या है। से लिया गया: guru99.com
2. विकिपीडिया, मुक्त विश्वकोश (2019)। विशेषज्ञ प्रणाली। से लिया गया: en.wikipedia.org
3. मार्गरेट राउज़ (2019)। विशेषज्ञ प्रणाली। Techtarget। से लिया गया: searchenterpriseai.techtarget.com
4. व्लादिमीर ज़वास (2019)। विशेषज्ञ प्रणाली। इनसाइक्लोपीडिया से लिया गया: britannica.com
5. डब्ल्यूटीई (2019)। विशेषज्ञ प्रणालियों के अनुप्रयोग। से लिया गया: wtec.org
6. वायरल नागोरी (2014)। विशेषज्ञ प्रणाली के प्रकार: तुलनात्मक अध्ययन। शब्दार्थ विद्वान से लिया गया: pdfs.semanticscholar.org
7. कम्प्यूटिंग की दुनिया (2010)। विशेषज्ञ प्रणालियां। से लिया गया: Intellig.worldofcomputing.net