The history of artificial intelligence - The history of artificial intelligence, or from the 'Dark Ages' to knowledge-based systems - The technology of expert systems, or the key to success (early 1970s-mid-1980s)

6 belangrijke vragen over The history of artificial intelligence - The history of artificial intelligence, or from the 'Dark Ages' to knowledge-based systems - The technology of expert systems, or the key to success (early 1970s-mid-1980s)

Wat was de belangrijkste ontwikkeling in AI-onderzoek in de jaren '70?

De (volgens sommigen) belangrijkste ontwikkeling in AI-onderzoek was dat men zich realiseerde dat de domeinen van op te lossen problemen moeten worden beperkt om tot praktische resultaten te kunnen komen.

Welke drie dingen betekende DENDRAL voor het AI-onderzoek?

* DENDRAL was de paradigma-verandering van zwakke, brede systemen naar domein-specifieke systemen met veel kennis over het domein.
* Door de vuistregels van menselijke experts over te nemen kon DENDRAL als eerste presteren op het niveau van een menselijke expert (in een beperkt domein).
* De ontwikkelmethode van DENDRAL was de eerste stap in knowledge engineering: het omzetten van de kennis van een expert in regels die een computer kan volgen.

Wat was de belangrijkste nieuwe feature van MYCIN?

MYCIN kon bij zijn adviezen onzekerheden aangeven en redeneren met onzekerheden.
  • Hogere cijfers + sneller leren
  • Niets twee keer studeren
  • 100% zeker alles onthouden
Ontdek Study Smart

Welke twee nieuwe dingen deed PROSPECTOR?

PROSPECTOR vroeg de gebruiker om specifieke informatie als hij meer moest weten, en gebruikte Bayesiaanse logica om onzekerheden te berekenen.

Wat was de primaire beperkende factor waardoor de eerste expert systems maar op een klein aantal plekken gebruikt werd?

Hardware.

Wat zijn de fundamentele tekortkomingen van expert systems? (6)

* Het domein is beperkt. Een systeem kan correct een bloedziekte identificeren, maar tegelijkertijd een andere ziekte missen. De voorgestelde therapie kan dan schadelijk zijn.
* Grenzen zijn soms niet duidelijk. Als een expertsysteem niet herkent dat iets buiten zijn domein valt zijn de resultaten onvoorspelbaar.
* Een expertsysteem kan de gevolgde regels laten zien, maar niet uitleggen.
* Compleetheid en consistentie zijn niet of moeilijk te bewijzen.
* Expertsystemen kunnen niet of nauwelijks leren en kosten mede daardoor zeer veel inspanning om te bouwen.

De vragen op deze pagina komen uit de samenvatting van het volgende studiemateriaal:

  • Een unieke studie- en oefentool
  • Nooit meer iets twee keer studeren
  • Haal de cijfers waar je op hoopt
  • 100% zeker alles onthouden
Onthoud sneller, leer beter. Wetenschappelijk bewezen.
Trustpilot-logo