Documente Academic
Documente Profesional
Documente Cultură
Modularitate. Cunoaşterea care stă la baza puterii de raţionament a unui sistem expert
este divizată în reguli. În felul acesta piese elementare de cunoaştere pot fi uşor adăugate,
moficicate ori eliminate. Modularitatea reprezentării cunoaşterii asigură totodată şi posibilitatea
de menţinere la zi a bazei de cunoştinţe de către mai mulţi experţi simultan. Ea poate reprezenta
astfel opera unui colectiv de autori adesea dezvoltându-se pe o perioadă lungă de timp, simultan
cu intrarea ei in folosinţă.
Transparenţă. Un Sistem Expert poate explica soluţia pe care o dă la o anumită
problemă. Aceasta este de altfel un factor de importanţa majoră în asigurarea credibilităţii
sistemelor expert puse să furnizeze diagnostice medicale de exemplu. Pentru ca un medic să aibă
incredere într-un diagnostic furnizat de maşină, el trebuie să il inţeleagă. Cu toate acestea,
Sistemele Expert de diagnostic medicinal nu au fost foarte des folosite şi asta din principii de
etică. Dacă un astfel de sistem ar furniza un diagnostic greşit sau un tratament inadecvat pe cine
s-ar da in judecată?
Soluţii in condiţii de incertitudine. Sistemele Expert pot oferi în general soluţii
problemelor care se bazeaza pe date nesigure ori incomplete. Dintr-un anumit punct de vedere
un Sistem Expert funcţionează ca o maşină care ştie să niveleze asperitaţile, ori care poate trece
cu uşurinţă peste ele. Adesea un mecanism foarte fin este şi foarte pretenţios, el putând funcţiona
pe o condiţie pentru care a fost proiectat. Aceasta este şi cazul unui program clasic, pentru care
neputinţa de a furniza valoarea exactă a unui parametru îl poate arunca pe o condiţie de eroare.
Un Sistem Expert ştie să facă faţă fie unor cunoştinte incomplete ori incerte asupra domeniului
de expertiză, fie unor date de intrare incomplete ori incerte.
DENDRAL
Primul sistem expert a apărut în momentul în care NASA a hotarât trimiterea unui vehicul
pe Marte, având ca scop, printre altele binenţeles, cercetarea structurii chimice a solului acestei
planete. Cercetătorii de la Stanford au construit în acest scop chimiştilor în identificarea
structurii chimice a unor substanţe în funcţie de spectograma de masă.
MYCIN
MYCIN este unul dintre cele mai vechi sisteme exert iar crearea sa a influenţat foarte
mult isoria dezvoltării sistemelor expert. Sistemul, a fost dezvoltat la Stanford în anii ’70.
Misiunea lui era diagnosticarea şi recomandarea de tratament pentru diferite infecţii ale sângelui.
Aplicaţia de diagnostic a fost dezvolată in parte pentru a exploara cum fac experţii umani
estimări brute (dar importante) bazandu-se doar pe unele informaţii parţiale. Oricum, problema
este importantă şi din punct de vedere practic: există mulţi doctori începători sau nespecializati
care trebuie să facă aceste aproximări asupra diagnosticului, deci existenţa unui sistem expert ar
fi foarte utilă în acordarea unui tratament cât mai eficient. Dar MYCIN n-a fost niciodată utilizat
în practică, şi asta nu din cauza că nu a fost destul de performant sau că ar fi greşit mult în
diagnosticare, pentru că, din contra, testele au întrecut cu mult aşteptările membrilor catedrei de
medicină de la Stanford. A fost mai mult din cauze etice şi legale legate de folosirea
calculatoarelor în medicină: dacă se pune un diagnostic greşit, pe cine dăm in judecată?
MYCIN avea cunoştinţa reprezentată prin seturi de reguli IF-THEN cu diferite grade de
certitudine.
IF infecţia este primar-bacteriană
AND locul de unde s-a prelevat cultura este unul steril
AND poarta de intare suspectată este tractul gastronintestinal
THEN avem evidenţa de grad 0.7 că infecţia este bacteroidă.
Scris in Lisp, cu regulile reprezentate formal, MYCIN este un sitem direcţionat de scop,
folosind strategia de raţionament înapoi.
Aplicaţia raţioneaza, pe baza răspunsurilor pe care le primeşte la anumite întrebări şi pe
baza cunoştinţei pe care o posedă. Există trei stadii principale ale dialogului. La început, se
adună datele iniţiale despre caz pentru ca sistemul să producă o diagnoză largă. Apoi, se pun
întrebări mai specifice pentru a testa ipoteze specifice. În finalul acestei faze se propune un
diagnostic. Al treilea stadiu cuprinde întrebări pentru determinarea unui tratament, având in
vedere diagnosticul găsit şi informaţii despre pacient. Acesta se încheie evident cu propunerea
unui tratament. În orice moment utilizatorul poate întreba de ce i se adreseaza o anumită
întrebare sau cum s-a ajuns la concluzie, iar când se propune tratamentul poate solicita tratament
alternativ dacă primul nu este satisfacător.
Cu toate că a fost un proiect de pionerat în domeniul Sistemelor Expert, MYCIN a avut şi
câteva probleme care au fost rezolvate mai târziu prin folosirea unor taxonomii explicite a
bolilor (reprezentată ca un sistem de cadre) pentru a reprezenta adevăruri despre diferite tipuri de
boli. În acest fel, s-a rezolvat problema amestecării regulior cu domeniu de cunoştinţe.
S-au dezvoltat multe sisteme pornind de la MYCIN. De exemplu, EMYCIN a fost primul
shell de sistem exert dezvoltat din MYCIN. Un nou sistem expert numit PUFF a fost dezvoltat
pornind de la MYCIN, dar specializat pe boli de inimă. Sistemul numit NEOMYCIN a fost
dezvoltat pentru a instrui doctori, cărora li se prezintă cazuri diverse, li se verifică concluziile şi
li se explică unde au greşit.
Sistemele Expert, au fost şi sunt folosite şi în alte domenii decât cel de diagnostic
medicinal. Domeniul ecconomic şi financiar-contabil, utilizează unele dine cele mai cunoscute
aplicaţii expert.
În sistemul de audit şi control sunt folosite sistemele: FINEXPRO, FINEXPERT, GIPA,
CREDITEXPERT în cel de planificare CAPEX.
Activitatea bancară, a fost şi este un domeniu în care se folosesc frecvent sisteme
expert.
- gestiunea conturilor clienţilor: SMERTIOS, ALVIN, MATIAS;
- împrumuturi comerciale: CLASS;
- creditare şi analiza cărţii de credit: FCA, Application Expert, MOZART, CRES,
Credite Expert;
- transfer de bani: A-CLASS-ATRANS, TEXPERT;
Finanţe, asigurări, planificare impozite şi taxe sunt de asemenea ramuri ale domeniului
economic care se bucură de facilitaţile oferite de aplicaţii ale Inteligenţei Artificiale.
Compania daneză CRI A/S, specializată în aplicaţii ale noilor tehnologii informaţionale
încă din 1978, a elaborat periodic un repertoriu al sistemelor esxpert [7] .
Unele exemple pentru domeniul gestiunii, finanţelor şi contabilitaţii din ediţia 1986 sunt:
1. Contabilitate
AUTOMATED TAX – pregătire documente de impozitare;
AGGREGATE Assistant – proiectare situaţii financiare din conturi
AYMM (Finance) – selectare finanţare guverne pentru noi debuşee de
afaceri
FOLIO – determinare obiective de investiţii pentru protofoliile clienţilor;
TAXADVISOR – consiliere şi analiză în probleme de impozite pentru
Intreprinderi
TICOM – evaluarea controlului intern in auditing
ESTEAM – gestiune portofolii pentru investitii profitabile
AUDITOR – asistare la evaluarea debitorilor slabi
2. Gestiune
APEX – management vănzări
COMEX – gestiune afaceri în agricultură
CONCEPT – gestiune, modele şi planificarea marketing
MARKETER – asistenţă în decizii de marketing
Exemple de Sistemele Expert, sunt folosite cu succes şi domenii cum ar fi: reparaţii de
echipamente, analizări de investiţii, planificări de asigurări, determinarea de trasee pentru
livrare, oferte de contracte, consiliere pentru clienţi, controlul producţiei şi instruire.
Conceptele de bază ale uniu Sistem Expert sunt: expertiza şi experţii, transferul
expertizei, regulile de inferenţă şi capacitatea de a explica.
Expertiza este o cunoaştere intensivă, specifică domeniului problemei, achiziţionată prin
instruire, citire sau experienţă îndelungată. Următoarele tipuri de cunoştere sunt exemple de ceea
ce se include în expertiză:
Fapte despre domeniul problemei;
Teorii din domeniul problemei;
Reguli şi proceduri privind domeniul problemei;
Reguli sau euristici despre ce trebuie făcut într-o situaţie problematică dată,
pentru soluţionarea problemei;
Startegii globale despre soluţionarea tipurilor de probleme;
Metacunoaştere.
Toate aceste tipuri e cunoaştere permit experţilor să ia decizii mai rapide şi mai bune
decât neexperţii în soluţionarea problemelor complexe. Este nevoie de ani mulţi de pregătire
pentru a deveni expert.
Expertiza este de obicei asociată cu un înalt grad de inteligenţă şi are asociată o mare
cantitate de cunoştinţe. Experţii umani au o caracteristică suplimentară în sensul că invaţă din
succesele şi greşelile făcute în trecut, iar cunoaşterea o pot memora, organiza şi regăsi rapid. Ei
pot apela structurile cunoaşterii din experienţa proprie.
Experţii sunt dificil de definit, ei pot fi persoane cu mai multe nivele sau grade de
expertiză. Întrebarea este căt de multă expertiză trebuie să posede o persoană calificată într-un
domeniu înainte de a fii considerată un expert?
Expertiza umană incluide o gamă largă de activitaţi ale expertului cum ar fi:
Recunoaşterea şi formularea problemei;
Rezolvarea problemei cu exactitate şi rapiditate;
Explicarea soluţiei;
Învăţarea din experienţă;
Restructurarea cunoaşterii;
Fragmenatrea regulilor;
Toate acestea indică capacitatea experţilor de a transforma datele unei probleme arbitrare
intr-o formă care conduce la o soluţie rapidă. Aceasta este posibil datorită capacitaţii de învăţare
din experienţă a unor lucruri noi, de fragmentare a regulilor cunoscute, de determinare a
relevanţei cunoaşterii şi a limitei acesteia in domeniu. Toate aceste activităţi trebuie desfaşurate
eficient (rapid şi cu cost redus) şi eficace (cu rezultate de calitate). Pentru a imita un expert uman
este necesar să se construiască un sistem cu toate aceste caracteristici.
Există doua motive pentru care se decide construirea unui Sistem Expert : înlocuirea unui
expert şi asistarea unui expert în activitatea sa.
Principalele raţiuni pentru înlocuirea expertului uman sunt:
a face expertiza posibilă în orice moment
automatizarea unei sarcini rutine care necesită un expert
expertul este foarte scump
expertiza este cerută in medii de lucru periculoase pentru sănătatea omului
Asistarea experţilor umani de către programe specializate este tot mai des întâlnită in
marile firme şi nu numai. Principalele motive pentru care se dezvoltă Sistemele expert capabile
să asiste experţii în munca lor sunt:
ajută expertul în executarea sarcinilor de rutină în scopul îmbunătaţirii
productivităţii sale
ajută expertul în executarea sarcinilor dificile în scopul unui mai bun control al
complexităţii
punerea la dispoziţia expertului a informaţiei dificil de procurat la momentul
oportun
Transferul expertizei constituie de fapt obiectivul unui Sistem Expert. Transferul are
loc de la expertul uman la calculator şi de aici la utilizatorii experţi sau nonexperţi. Acest proces
implica patru activitaţi:
achiziţia cunoaşterii de la experţi sau/şi din alte surse
reprezentarea cunoaşterii în calculator
inferenţierea pe baza cunoaşterii stocate
transferul cunoaşterii către utilizator
Inferenţierea (procesul de inferenţiere) o trasătură unică, dar majoră a Sistemului
Expert, este abilitatea de a raţiona. Pe baza expertizei memorate în baza de cunoştinţe şi a
programului care poate avea acces la o bază de date sau la un fişier calculatorul este programat
să facă inferenţe. Inferenţele sunt executate de către componenta numită motor de inferenţă care
posedă proceduri şi cunoaştere procedurală în legătură cu soluţionarea problemei.
Regulile Majoritatea Sistemelor Expert în funcţiune sunt bazate pe reguli de forma
IF..THEN::ELSE memorate în baza de cunoştinţe. Mai recent reprezentarea prin cadre a devenit
un complement al reprezentării prin reguli în anumite aplicaţii.
Capacitatea explicativă este o trăsătură majoră a Sistemelor Expert în legătură cu
explicarea sfatului pe care-l dau sau a recomandărilor făcute pentru alternativele decizionale.
2.3 Arhitectura unui Sistem Expert
Inginer de
cunoştinţe
Modul de achiziţie a
cunoştinţelor
Baza de
cunoştinţe Mecanism
de
inferenţă
Baza de Modul de
fapte explicare
În cadrul unui Sistem multi-expert există două tipuri de comunicaţii: între sistem şi
utilizator şi între modulele de cunoaştere ale sistemului.
Primul tip de comunicare se face prin intermediu Interfeţei utilizator, asemeni Sistemelor
Expert clasice.
Cel de-al doilea tip de comunicare este ilustrat in Figura 2.2 reprezentată mai jos
SISTEMUL MULTI-EXPERT
Utilizator
= modul de cunoaştere
= comunicaţie
Comunicarea care se realizează într-un Sistem multi-expert poate fi de mai multe tipuri:
- comunicarea prin partajarea informaţiei
- comunicarea prin trimiterea de mesaje
- comunicarea prin cunoaşterea declarativă
Comunicarea prin partajarea informaţiei se caracterizează prin existenţa unei
structuri de date partajată în care iniţial se află datele problemei, care se modifică pe parcursul
execuţiei programului, în final obţinându-se rezultatul problemei. Acest mod ce comnunicare
este cel mai des folosit, utilizându-se în comunicarea între module.
Comunicarea prin trimiterea de mesaje constă în schimbul unor mesaje între modulele
de cunoaştere conform unui protocol dinainte stabilit. Mesajul are ataşata marca emiţătorului,
mesajul propriu-zis, si receptorul sau receptorii căruia îi este adresat. Transmiterea mesajului se
poate face direct, numai la unul sau la mai mulţi receptori identificaţi anterior, sau prin difuziune
ceea ce înseamnă că, mesajul este transmis tuturor modulelor în acelaşi timp.
Comunicarea prin cunoaşterea declarativă se bazează pe faptul că, numele
receptorilor şi conţinutul mesajelor reprezintă conţinutul unui modul de cunoaştere particular
numit modulul de cunoaştere declarativă (MCD).
Cunoaşterea declarativă a acestui modul permite constiutuirea bazei de fapte iniţiale
pentru modulul de cunoaştere activat. După soluţionarea problemei într-un modul informaţiile
comunicate de către MCD îi vor fi returnate cu eventualele modificări.
Avantajul paralelismului pe care acest mod de comunicare îl oferă, este umbrit de fapul
că, modulul principal controlează rezoluţia iar celelalte module de cunoaştere nu sunt total
independente.
Aceste două componente formează inima unui Sistem Expert în jurul lor, alte
componente realizează funcţionalitatea complexă a acestuia, cum ar fi:
- interfaţa de comunicare
- componenta de achiziţie a cunoştinţelor
- componenta explicativă
Baza de cunoştinţe, care este componenta sistemului responsabilă cu depozitarea de
informaţii asupra demeniului de expertiză şi a problemei de rezolvat, este la rândul ei formată
din:
- baza de fapte
- baza de reguli
- agenda
Sistemul de control este responsabil cu desfăşurarea proceselor de inferenţă. El codifică
una sau mai multe startegii de aplicare a regulilor.
Această metodă este cea mai folosită metodă de reprezentare a cunoaşterii Sistemelor
Expert, fiind foarte eficace pentru reprezentarea recomandărilor, directivelor sau strategiilor.
În locul reprezentării cunoştinţei într-un mod declarativ (ca o serie de lucruri care sunt
adevărate), regulile pot specifica ce ar trebui să facă sau ce se poate include în diferite situaţii.
Un sistem bazat pe reguli, conţine o serie de reguli IF-THEN, o serie de fapte şi un interpretor ce
controlează aplicarea regulilor.
Există două tipuri de sisteme bazate pe reguli: sisteme cu înlănţuire înainte, şi sisteme cu
înlănţuire înapoi. În primul model, se începe cu o serie de fapte iniţiale, şi se continuă să se
folosească regulile care derivează noi concluzii din acele fapte. În modelul înlănţuirii înapoi, se
porneşte cu o serie de ipoteze (goals) pe care se încearcă a fi demonstrate, şi se tot caută reguli
care ar permite să deducă acele presupuneri. Primul model, este numit şi data-driven iar al doilea
goal-driven.
Reprezentarea exactă a cunoaşterii dintr-un domeniu particular necesită un număr mare
de reguli, ca să poată fi surprinse toate detaliile. Numărul regulilor este direct proporţional cu
complexitatea cunoaşterii.
Tipologia regulilor are în vedere marea varietate a formelor cunoaşterii de reprezentat
asfel: reguli de cauzalitate, de recomandare, directivă, strategice, euristice. Regulile pot fi
clasificate în funcţie de natura funcţiei informatizate cu Sisteme Expert, asfel: reguli pentru
probleme de interpretare, de diagnostic, de planificare, de proiectare.
Pe lângă autonomia ridicată pe care o conferă acest mod de reprezentare, regulile pot fi
privite ca piese de cunoaştere independente, ele reprezintă şi o modalitate eficientă de procesare
a cunoaşterii.
Cauzele care produc diminuarea performanţelor sistemelor bazate pe reguli se pot
elimina prin măsuri de organizare a bazei de fapte, a bazei de reguli şi prin introducerea unor
măsuri de accelerare a procesului inferenţial.
Aceste reţele, au la bază un model cu structură dereţea, considerat din punct de vedere
conceptual ca mijloc important de reprezentare a cunoaşterii graful.
Reţeaua este un graf orientat în care cunoaşterea este reprezentată prin asocierea la noduri
şi arce a semnificaţiei sau semanticilor. Astfel, se ajunge la interpretarea în termeni de
obiecte/entităţi şi relaţii a domeniului problemei.
Cel mai întâlnit este modelul în care nodurile sunt asociate obiectelor din domeniu, iar
arcele sunt asociate legăturilor sau relaţiilor dintre obiecte. Două noduri care sunt legate printr-
un arc, înseamnă că sunt în legătură directă.
Caracteristica de bază a unei reţele semantice constă în aceea că oferă un formalism de
reprezentare a cunoaşterii împreună cu o structură de regăsire a cunoaşterii. În acest mod de
reprezentare, raţionamentul înseamnă căutarea unei căi dintre nodurile grafului folosind
cunoaşterea disponibilă din domeniu.
Aceste grafuri, pot fi de cauzalitate sau de dependenţă, fiind foarte utile pentru
formalizarea cunoaşterii în Sistemele Expert.
În reţelele de cauzalitate, semnificaţiile asociate nodurilor şi arcelor pot să difere în
funcţie de problema de soluţionat, ele oferind o adecvare foarte bună la achiziţia cunoaşterii
cauzale incomplete şi o imbunataţire a înţelegerii şi explicaţiilor pe care trebuie să le ofere
Sistemul Expert. Asfel că, în cazul unei informaţii incomplete, ea poate fi completată foarte
uşor, prin introducerea unui nou nod în graf.
În cazul grafurilor de dependenţă semnificaţia nodurilor este dată de obiecte, stări
psihologice, propoziţii, aserţiuni, iar legăturile reprezintă relaţiile dintre două obiecte şi pot fi: de
timp, de spaţiu, de posesie, de acţiune, de atribuire, de presupunere, de colecţie.
Metoda tripletelor obiect-atribut-valoare (OAV) au la bază metoda reţelelor semantice.
Această reprezentare este foarte convenabilă pentru listarea cunoaşterii în formă tabelară şi mai
ales pentru translatarea tabelelor prin reguli de inducţie în programare inteligente.
Tot mai mulţi specialişti prezintă metoda obiectelor structurate ca o metodă bazată pe
cadre deoarece, în esenţă, reprezentarea cunoaşterii prin cadre face referinţe la programarea
orientată obiecte în construirea bazei de cunoştinţe. Metoda obiectelor structurate este din ce în
ce mai utilizată în Sistemele Expert deoarece:
- reflectă multe idei ale paradigmei reprezentării cunoaşterii cu cadre şi se înscrie în
rândul metodelor cu transfer succesorial
- cunoaşterea declarativă se menţine separată de cunoaşterea procedurală
- toată cunoaşterea este concentrată într-o singură structură numită obiect
- suportă moştenirea
- este modularizată prin mecanisme de transmitere a mesajelor şi încapsulare
- unele limbaje, suportă vizualizarea a obiectelor ( C++, Java...)
Conceptele acestei metode sunt: obiect, încapsulare, transmiterea mesajelor, legarea
dinamică şi moştenirea.
Abordările care urmăresc modul în care lucrează creierul uman se concretizează în aşa-
numitele reţele neuronale şi maşini care învaţă. Maşinile care învaţă se referă la tehnologii
ultramoderne capabile să realizeze învăţarea din experienţă. Cercetările au scos la iveală mai
multe asemenea metode, precum şi algoritmi speciali, toate în faza de laborator: reţele
neuronale, învăţare inductivă, raţionament bazat pe cazuri, algoritmi genetici, metode statistice
folosite în achiziţia cunoaşterii şi soluţionarea problemelor, învăţatrea bazată pe explicaţii.
Componenta de control a unui Sistem Expert mai este numită şi motorul de inferenţă
pentru că, în cursul execuţiei la fel ca într-un proces inferenţial, sistemul este capabil să genereze
fapte noi din cele cunoscute, aplicând reguli.
Un mecanism elementar de aprindere a regulilor lucrează conform următorului algoritm:
- faza de filtrare: acum, se determină mulţimea tuturor instanţelor de reguli filtrate
(MIRF) corespunzătoare regulilor din baza de reguli (BR) care pot satisface condiţiile
pe faptele din baza de fapte (BF). În cazul în care nici o regulă nu a putut fi filtrată
atunci motorul se opreşte, în caz contrat se trece la următorul pas
- faza de selecţie: se alege o instanţă de regulă R € MIRF. Dacă MIRF conţine mai mult
de o singură instanţă, atunci se selectează regulă urmând strategia de conflict
- faza de execuţie: se execută partea de acţiuni a regulii R, cu rezultatul asupra bazei de
fapte. Se revine apoi la faza de filtrare. La unele Sisteme Expert, mai apare o subfază a
fazei de filtrare numită faza de restricţie, aici se aleg o serie de reguli care a prioro
merită să particile la acest ciclu inferenţial.
Motoarele de inferenţă implementează o proprietate numită refractibililatea, care se
manifestă în faza de filtare: o regulă nu este filtrată mai mult de o singură dată pe un set
anume de fapte. Fără această proprietate, sistemele expert ar fi antrenate în bucle triviale ce ar
apărea ori de câte ori acţiunile părţii drepte ale unei reguli nu ar produce modificări în bază.
Faza de selecţie, se mai poate numi, şi strategia de control a unui Sistem Expert,
deoarece, ea este legătura de trecere de la o stare la alta în procesul de raţionament, pentru
rezolvarea problemelor. Ea determină cum o căutare să fie direcţionată în scopul atingerii stării
finale. Cele mai folosite strategii de control, sunt cele înainte (forward-chaining) şi înapoi
(backward-chaining).
Strategia de control înainte este bazată pe fapte, deoarece, se porneşte de la un set de
fapte iniţiale şi se caută ”înainte ” până se ajunge la scop. Regulile, sunt folosite ”spre înainte”,
ele generând fapte noi, şi tot asa pană când se ajunge la starea scop, sau până când nu mai sunt
reguli care pot fi utilizate.
Strategia de control înapoi, se mai numeşte şi strategia bazată pe scop. În acest caz, ne
depalasăm înapoi, de la scop înspre faptele iniţiale cunoscute. Prima dată, se caută in baza de
fapte dacă scopul se gaseşte acolo în cazul în care nu se găseşte, se caută dacă nu se află printre
concluziile unei reguli. Dacă se găseşte, ea se numeşte stare de scop, apoi se verifică daca
premizele acestei noi stări, se află în baza de fapte. Dacă nu există, atunci acestea devin noi
scopuri şi se continuă procesul până se găseşte o premiză care nu este suportată de nici o regulă.
Această metodă este similară cu demonstrarea ipotezelor de către experţii umani.
Strategia de control mixă combină cele două strategii pentru ca în timpul căutării prin
baza de cunoştinţe să înlăture inconveninetele acestora, reţinând numai cele care ar putea fi
folosite cu succes.
Metaregulile se referă la reguli care conţin starea procesului deductive şi modifică
dinamic ordinea priorităţii regulilor de declanşare.
3.3 Agenda
Agenda este structura de date care memorează la fiecare moment instanţele regulilor.
Aceste instanţe sunt dispuse într-o listă, instanţa de regulă aflată pe prima poziţie fiind aceea ce
va fi apoi utilizată.
Există două criterii care dictează ordinea instanţelor regulilor din agendă. Primul este
prioritatea declarată a regulilor, al doilea strategia de rezoluţie a conflictelor. Folosind aceste
doua criterii, insantele sunt ordonate în agendă în mod descrescător priorităţilor declarate, iar
cele cu priorităţi egale în ordinea dată de strategia de rezoluţie a conflictelor.
Unele dintre cunoştinţele conţinute într-un Sistem Expert au un caracter euristic. Din acest
motiv soluţia furnizată de sistem nu este în mod necesar optimă. Este chiar posibil ca această soluţie
să nu fie nici măcar corectă. Rezultă de aici necesitatea ca Sistemul Expert să îşi explice modul în
care a ajuns la o anumită concluzie. De acest lucru se ocupă modulul de explicaţii, care permite
trasarea drumului urmat în raţionament de către sistemul rezolutiv şi emiterea justificărilor pentru
soluţiile obţinute, evidenţiindu-se în acest mod cauza greşelilor sau motivul eşecului. El ajută
expertul să verifice consistenţa bazei de cunoştinţe.
IV. METODE DE REALIZARE A SISTEMELOR EXPERT
Realizarea unui Sistem Expert implică mule ore de muncă şi o anumită sumă de bani.
Pentru a evita costurile şi eşecurile ruşinoase, cercetaătorii, au dezvoltat o serie de reguli de
ghidare care ne ajută să determinăm dacă o problemă este potrivită pentru ca o problema să fie
rezolvată cu ajutorul unui sistem expert: [12]
Trebuie să fie clar că doar o clasă destul de redusă de probleme sunt potrivite pentru
sistemele expert. Cu toate acestea, dată o anumită problemă sistemele expert pot aduce beneficii
enorme. Sisteme au fost dezvoltate spre exemplu pentru a folosi la analiza unor mostre de petrol,
la configurarea unui sistem de calculator. Ambele siteme sunt (sau au fost) folosite scutind sume
enorme de bani.
4.3 Generatoare de Sisteme Expert
Alte module
Interfaţa
procedeu
Este de remarcat faptul că fiecare modul poate fi dotat cu propria interfaţă de dialog cu
observaţia că pentru sistemele industriale este neapărat nevoie de interfaţă de procedeu, pentru a
achiziţiona în mod automat datele care provin de la captatoare şi automate. De exemplu, în
domeniul gestiunii interfeţele sunt destinate, de cele mai multe ori, extragerii datelor din bazele
de date şi să înscrie în ele noi informaţii.
Cel mai celebru dintre sistemele expert din generaţia veche este sistemul MYCIN. El a
făcut să apară numeroase aplicaţii şi a dat naştere motorului de elaborare EMZCIN. Acesta
conţine celebrul modul de achiziţie a cunoştinţelor, cunoscut sub numele de TEIRESIAS.
Tot în aceeaşi perioadă de dezvoltare, s-a născut sistemul CASNET, un alt sistem expert
medical, destinat pentru stabilirea diagnosticului şi a terapiei glaucomului. Sistemul CASNET a
dat naştere sistemului EXPERT.
Un alt reprezentatnt de seamă din rândul sistemelor expert este sistemul PROSPECTOR.
Acesta este destinat detectării zăcămintelor de minerale şi a fost dezvoltat dând naştere unui
sistem de elaborare numit KAS. Sistemul OPSS a provenit dintr-o familie de limbaje ale
inteligenţei artificiale, momentat fiind inclus în sistemul KNOWLEDGE CRAFT. Un sistem
destinat analizei limbajului natural, care a adus multe idei noi care mai târziu au fost reluate este
HEARSAZ-III.