Μετάβαση στο περιεχόμενο

Έμπειρα συστήματα: Διαφορά μεταξύ των αναθεωρήσεων

Από τη Βικιπαίδεια, την ελεύθερη εγκυκλοπαίδεια
Περιήγηση ιστορικού διαδραστικά
← Προηγούμενη διαφοράΕπόμενη διαφορά →
Περιεχόμενο που διαγράφηκε Περιεχόμενο που προστέθηκε
ΟπτικήΚώδικας wiki
NRK2011 (συζήτηση | συνεισφορές)
232 επεξεργασίες
E.P.E (συζήτηση | συνεισφορές)
6 επεξεργασίες
Χωρίς σύνοψη επεξεργασίας
Ετικέτα: μεγάλη προσθήκη
Γραμμή 1: Γραμμή 1:
Στην [[τεχνητή νοημοσύνη]], ένα '''έμπειρο σύστημα''' είναι ένα υπολογιστικό σύστημα το οποίο μιμείται την ικανότητα ενός ειδικού να αποφασίζει και να πράττει. <ref name="Jackson1998">{{Citation
Στην [[τεχνητή νοημοσύνη]], ένα '''έμπειρο σύστημα''' είναι ένα υπολογιστικό σύστημα το οποίο μιμείται την ικανότητα ενός εμπειρογνώμονα στη λήψη αποφάσεων. <ref name="Jackson1998">{{Citation
| title = Introduction To Expert Systems
| title = Introduction To Expert Systems
| year = 1998
| year = 1998
Γραμμή 7: Γραμμή 7:
| isbn = 978-0-201-87686-4
| isbn = 978-0-201-87686-4
| page = 2
| page = 2
}}</ref> Τα έμπειρα συστήματα σχεδιάστηκαν για να λύνουν πολύπλοκα προβλήματα με συλλογισμό γνώσης, όπως κάνει ένας ειδικός, και όχι ακολουθώντας τη [[Διαδικασία (υπολογιστές)|διαδικασία]] επίλυσης ενός [[Developer (software)|developer]] όπως είναι η περίπτωση του συμβατικού προγραμματισμού.<ref>[http://www.hrmars.com/admin/pics/261.pdf Nwigbo Stella and Agbo Okechuku Chuks], School of Science Education, Expert system: a catalyst in educational development in Nigeria: "''The ability of this system to explain the reasoning process through back-traces (...) provides an additional feature that conventional programming does not handle''"</ref><ref>[http://www.cogentex.com/papers/explanation-iwnlg98.pdf Regina Barzilay, Daryl McCullough, Owen Rambow, Jonathan DeCristofaro, Tanya Korelsky, Benoit Lavoie]: "A new approach to expert system explanations"</ref><ref>[http://www.pcmag.com/encyclopedia_term/0,2542,t=conventional+programming&i=40325,00.asp Conventional programming]</ref>. Τα πρώτα έμπειρα συστήματα δημιουργήθηκαν τη δεκαετία του ’70 και έπειτα αναπτύχθηκαν ραγδαία τη δεκαετία του ’80. <ref name="durkinhistory">{{cite book| author = Cornelius T. Leondes| title = Expert systems: the technology of knowledge management and decision making for the 21st century| year = 2002| isbn = 978-0-12-443880-4| pages = 1–22 }}</ref>.Τα έμπειρα συστήματα ήταν ανάμεσα στις πρώτες πραγματικά επιτυχημένες μορφές του λογισμικού της ΤΝ. <ref name="ReferenceA">{{Harvnb|ACM|1998|loc=I.2.1|ref=ACM1998}}</ref><ref name="Russell 2003 22−24">{{Harvnb|Russell|Norvig|2003|pp=22−24}}</ref><ref name="Luger 2004 227–331">{{Harvnb|Luger|Stubblefield|2004|pp=227–331}}</ref><ref name="Nilsson 1998 loc=chpt. 17.4">{{Harvnb|Nilsson|1998|loc=chpt. 17.4}}</ref><ref name="McCorduck 2004 327–335, 434–435">{{Harvnb|McCorduck|2004|pp=327–335, 434–435}}</ref><ref name="Crevier 1993 145–62, 197−203">{{Harvnb|Crevier|1993|pp=145–62, 197−203}}</ref>
}}</ref> Τα έμπειρα συστήματα σχεδιάστηκαν για να λύνουν πολύπλοκα προβλήματα συλλογιζόμενα με βάση την γνώση, όπως κάνει ένας εμπειρογνώμονα, και όχι ακολουθώντας τη [[Διαδικασία (υπολογιστές)|διαδικασία]] επίλυσης ενός [[Developer (software)|developer]], όπως στην περίπτωση του συμβατικού προγραμματισμού.<ref>[http://www.hrmars.com/admin/pics/261.pdf Nwigbo Stella and Agbo Okechuku Chuks], School of Science Education, Expert system: a catalyst in educational development in Nigeria: "''The ability of this system to explain the reasoning process through back-traces (...) provides an additional feature that conventional programming does not handle''"</ref><ref>[http://www.cogentex.com/papers/explanation-iwnlg98.pdf Regina Barzilay, Daryl McCullough, Owen Rambow, Jonathan DeCristofaro, Tanya Korelsky, Benoit Lavoie]: "A new approach to expert system explanations"</ref><ref>[http://www.pcmag.com/encyclopedia_term/0,2542,t=conventional+programming&i=40325,00.asp Conventional programming]</ref>. Τα πρώτα έμπειρα συστήματα δημιουργήθηκαν τη δεκαετία του ’70 και έπειτα αναπτύχθηκαν ραγδαία τη δεκαετία του ’80. <ref name="durkinhistory">{{cite book| author = Cornelius T. Leondes| title = Expert systems: the technology of knowledge management and decision making for the 21st century| year = 2002| isbn = 978-0-12-443880-4| pages = 1–22 }}</ref>.Τα έμπειρα συστήματα ήταν ανάμεσα στις πρώτες πραγματικά επιτυχημένες μορφές του λογισμικού της ΤΝ. <ref name="ReferenceA">{{Harvnb|ACM|1998|loc=I.2.1|ref=ACM1998}}</ref><ref name="Russell 2003 22−24">{{Harvnb|Russell|Norvig|2003|pp=22−24}}</ref><ref name="Luger 2004 227–331">{{Harvnb|Luger|Stubblefield|2004|pp=227–331}}</ref><ref name="Nilsson 1998 loc=chpt. 17.4">{{Harvnb|Nilsson|1998|loc=chpt. 17.4}}</ref><ref name="McCorduck 2004 327–335, 434–435">{{Harvnb|McCorduck|2004|pp=327–335, 434–435}}</ref><ref name="Crevier 1993 145–62, 197−203">{{Harvnb|Crevier|1993|pp=145–62, 197−203}}</ref>




Ένα έμπειρο σύστημα έχει μοναδική υποδομή, διαφορετική από τα παραδοσιακά [[Πρόγραμμα υπολογιστή|προγράμματα]].Διαιρείται σε δύο κομμάτια, το ένα σταθερό, ανεξάρτητο από το έμπειρο σύστημα: η συμπερασματική μηχανή, και το άλλο μεταβλητό: η βάση γνώσης. Για να τρέξει ένα έμπειρο σύστημα, η μηχανή κρίνει τη βάση γνώσης σαν άνθρωπος .<ref>[http://www.hrmars.com/admin/pics/261.pdf Nwigbo Stella and Agbo Okechuku Chuks], School of Science Education, Expert system: a catalyst in educational development in Nigeria: "''Knowledge-based systems collect the small fragments of human know-how into a knowledge-base which is used to reason through a problem, using the knowledge that is appropriated''"</ref>.Τη δεκαετία του ’80 εμφανίστηκε ένα τρίτο κομμάτι : Ένα περιβάλλον διαλόγου [[Interface (computing)|interface]] για να επικοινωνεί με τους χρήστες <ref>{{cite doi|10.1109/60.4202}}</ref> . Αυτή η ικανότητα να έρχεται σε επαφή με τους χρήστες ονομάστηκε αργότερα ¨επικοινωνιακότητα¨. <ref>{{Cite doi|10.1145/505282.505285}}</ref><ref>{{cite doi|10.1109/64.153464}}</ref>
Ένα έμπειρο σύστημα έχει μοναδική δομή, διαφορετική από τα παραδοσιακά [[Πρόγραμμα υπολογιστή|προγράμματα]].Διαιρείται σε δύο μέρη, το ένα σταθερό, ανεξάρτητο από το έμπειρο σύστημα: η μηχανή εξαγωγής συμπερασμάτων, και το άλλο μεταβλητό: η βάση γνώσης. Για να τρέξει ένα έμπειρο σύστημα, η μηχανή σκέφτεται λογικά στηριζόμενη στη βάση γνώσης όπως ο άνθρωπος .<ref>[http://www.hrmars.com/admin/pics/261.pdf Nwigbo Stella and Agbo Okechuku Chuks], School of Science Education, Expert system: a catalyst in educational development in Nigeria: "''Knowledge-based systems collect the small fragments of human know-how into a knowledge-base which is used to reason through a problem, using the knowledge that is appropriated''"</ref>.Τη δεκαετία του ’80 εμφανίστηκε ένα τρίτο μέρος: Ένα περιβάλλον διαλόγου [[Interface (computing)|interface]] για να συνδιαλέγεται με τους χρήστες <ref>{{cite doi|10.1109/60.4202}}</ref> . Αυτή η ικανότητα να έρχεται σε επαφή με τους χρήστες ονομάστηκε αργότερα ¨επικοινωνιακή¨. <ref>{{Cite doi|10.1145/505282.505285}}</ref><ref>{{cite doi|10.1109/64.153464}}</ref>




Γραμμή 20: Γραμμή 20:
* "ΑΝ είναι ζωντανό ΤΟΤΕ είναι θνητό"
* "ΑΝ είναι ζωντανό ΤΟΤΕ είναι θνητό"
* "ΑΝ η ηλικία του = γνωστή ΤΟΤΕ το έτος γεννήσεώς του = σημερινή ημερομηνία - την ηλικία του σε χρόνια"
* "ΑΝ η ηλικία του = γνωστή ΤΟΤΕ το έτος γεννήσεώς του = σημερινή ημερομηνία - την ηλικία του σε χρόνια"
* "''ΑΝ η ταυτότητα του μικροβίου δεν είναι γνωστή με βεβαιότητα ΚΑΙ το μικρόβιο είναι θετικό στη διαδικασία gram ΚΑΙ η μορφολογία του οργανισμού είναι "ρόμβος" ΚΑΙ το μικρόβιο είναι αερόβιο ΤΟΤΕ υπάρχει μία μεγάλη πιθανότητα (0.8) το μικρόβιο να είναι τύπου εντεροβακτήριο ''" <ref>[[Mycin]] rule</ref>
* "''ΑΝ η ταυτότητα του μικροβίου δεν είναι γνωστή με βεβαιότητα ΚΑΙ το μικρόβιο είναι θετικό στη διαδικασία gram ΚΑΙ η μορφολογία του οργανισμού είναι "ράβδος" ΚΑΙ το μικρόβιο είναι αερόβιο ΤΟΤΕ υπάρχει μία μεγάλη πιθανότητα (0.8) το μικρόβιο να είναι τύπου εντεροβακτήριο ''" <ref>[[Mycin]] rule</ref>






Αυτή η διατύπωση έχει το πλεονέκτημα να μιλά σε καθημερινή γλώσσα κάτι που είναι πολύ σπάνιο στην [[Επιστήμη υπολογιστών]] (ένα κλασσικό πρόγραμμα είναι κωδικοποιημένο). Οι κανόνες εκφράζουν τη γνώση που μπορεί να αξιοποιηθεί από τα έμπειρα συστήματα. Υπάρχουν κι άλλες φόρμες κανόνων, οι οποίες δεν είναι σε καθημερινή γλώσσα, αλλά είναι κατανοητές μόνο από επιστήμονες υπολογιστών. Κάθε στυλ κανόνα υιοθετείται σε μηχανικό στυλ. Το όλο πρόβλημα των εμπείρων συστημάτων είναι να συλλέξει αυτή τη γνώση, συνήθως ανεπαίσθητα από τους ειδικούς. Υπάρχουν μέθοδοι αλλά οι περισσότερες είναι χρησιμοποιήσιμες μόνο από επιστήμονες υπολογιστών.
Αυτή η διατύπωση έχει το πλεονέκτημα της ομιλίας σε καθημερινή γλώσσα κάτι που είναι πολύ σπάνιο στην [[Επιστήμη υπολογιστών]] (ένα κλασσικό πρόγραμμα είναι κωδικοποιημένο). Οι κανόνες εκφράζουν τη γνώση που μπορεί να αξιοποιηθεί από τα έμπειρα συστήματα. Υπάρχουν κι άλλες φόρμες κανόνων, οι οποίες δεν είναι σε καθημερινή γλώσσα, αλλά είναι κατανοητές μόνο από επιστήμονες υπολογιστών. Κάθε στυλ κανόνα είναι προσαρμοσμένο σε στυλ μηχανής. Το όλο πρόβλημα των εμπείρων συστημάτων είναι να συλλέξει αυτή τη γνώση, συνήθως ανεπαίσθητα από τους ειδικούς. Υπάρχουν μέθοδοι αλλά οι περισσότερες είναι χρησιμοποιήσιμες μόνο από επιστήμονες υπολογιστών.




Γραμμή 30: Γραμμή 30:
=== Η μηχανή συμπεράσματος ===
=== Η μηχανή συμπεράσματος ===


Η μηχανή συμπεράσματος είναι ένα πρόγραμμα του υπολογιστή το οποίο έχει σχεδιαστεί για να παράγει έναν συλλογισμό σε κανόνες .Η παραγωγή του συλλογισμού αυτού βασίζεται στην [[Λογική]]. Υπάρχουν διάφορα είδη λογικής : [[propositional logic]], [[Predicate logic|predicates of order 1]] or more, [[epistemic logic]], [[modal logic]], [[temporal logic]], [[fuzzy logic]], κ.α. Εκτός από την προτασιακή λογική ([[propositional logic]]) όλες οι άλλες είναι συγκροτημένες και μπορούν να γίνουν κατανοητές από μαθηματικούς , [[Λογική|logician]]s ή επιστήμονες υπολογιστών. Η προτασιακή λογική είναι η βασική ανθρώπινη λογική ,η οποία εκφράζεται με τον [[syllogism|συλλογισμό]]. Τα έμπειρα συστήματα τα οποία χρησιμοποιούν αυτή τη λογική ονομάζονται και [[Zeroth-order logic|zeroth-order]] έμπειρα συστήματα. Με την λογική, η μηχανή είναι σε θέση να παράγει νέες πληροφορίες από την γνώση η οποία εμπεριέχεται στην βάση κανόνα και δεδομένων προς επεξεργασία.
Η μηχανή συμπεράσματος είναι ένα πρόγραμμα του υπολογιστή το οποίο έχει σχεδιαστεί για να παράγει έναν συλλογισμό σε κανόνες .Η παραγωγή του συλλογισμού αυτού βασίζεται στην [[Λογική]]. Υπάρχουν διάφορα είδη λογικής : [[propositional logic]], [[Predicate logic|predicates of order 1]] or more, [[epistemic logic]], [[modal logic]], [[temporal logic]], [[fuzzy logic]], κ.α. Εκτός από την λογική παραγωγής συμπερασμάτων ([[propositional logic]]) όλες οι άλλες είναι πολύπλοκες και μπορούν να γίνουν κατανοητές μόνο από μαθηματικούς , [[Λογική|logician]]s ή επιστήμονες υπολογιστών. Η λογική παραγωγής συμπερασμάτων είναι η βασική ανθρώπινη λογική ,η οποία εκφράζεται με τον [[syllogism|συλλογισμό]]. Τα έμπειρα συστήματα τα οποία χρησιμοποιούν αυτή τη λογική ονομάζονται και [[Zeroth-order logic|zeroth-order]] έμπειρα συστήματα. Με την λογική, η μηχανή είναι σε θέση να παράγει νέες πληροφορίες από την γνώση η οποία εμπεριέχεται στην βάση κανόνα και δεδομένων προς επεξεργασία.




Η μηχανή τρέχει με δύο τρόπους : με διαδικασία επεξεργασίας ενός συνόλου δεδομένων ή με διάλογο.Με την διαδικασία επεξεργασίας ,το έμπειρο σύστημα έχει όλα τα απαραίτητα δεδομένα για να παραχθεί από την αρχή. Για τους χρήστες ,το πρόγραμμα δουλεύει ως ένα κλασικό πρόγραμμα: το οποίο παρέχει δεδομένα και λαμβάνει αποτελέσματα αμέσως. Ο συλλογισμός είναι αόρατος. Ο διαλογικός τρόπος γίνεται απαραίτητος όταν ο προγραμματιστής γνωρίζει ότι δεν μπορεί να ρωτήσει τον χρήστη όλα τα απαραίτητα δεδομένα από την αρχή ,για τον λόγο αυτό το πρόβλημα γίνεται πολύπλοκο. Το λογισμικό πρέπει να “εφευρίσκει” τον τρόπο να λύνει το πρόβλημα ,να ζητάει από τον χρήστη δεδομένα, σταδιακά, πλησιάζοντας στον στόχο όσο το δυνατόν γρηγορότερα. Το αποτέλεσμα δίνει την εντύπωση του διαλόγου με συντονιστή έναν ειδικό. Για να καθοδηγήσει ένα διάλογο, η μηχανή πρέπει να έχει διάφορα επίπεδα επιτήδευσης : "[[forward chaining]]", "[[backward chaining]]" and "mixed chaining". Η αλυσιδοποίηση προς τα εμπρός είναι η ερώτηση ενός ειδικού ο οποίος δεν έχει ιδέα για την λύση και την διερευνά σταδιακά (π.χ. λάθος διάγνωση). Στην αλυσιδοποίηση προς τα πίσω, η μηχανή έχει την ιδέα του στόχου (π.χ. είναι εντάξει ή όχι; Η’ υπάρχει κίνδυνος αλλά ποιο είναι το επίπεδο;). Ξεκινάει στοχεύοντας να βρεθεί η λύση όσο το δυνατόν γρηγορότερα. Στην μεικτή αλυσιδοποίηση η μηχανή έχει την ιδέα της τελικής λύσης αλλά αυτό δεν σταματάει εκεί: αυτό συνάγει στην αλυσιδοποίηση προς τα εμπρός από όλες τις πιθανές απαντήσεις προηγούμενων χρηστών, πριν κάνει την επόμενη ερώτηση. Έτσι, αρκετά συχνά το πρόγραμμαδίνει την απάντηση της επόμενης ερώτησης πριν καν αυτή ερωτηθεί.
Η μηχανή τρέχει με δύο τρόπους : με διαδικασία επεξεργασίας ενός συνόλου δεδομένων ή με διάλογο.Με την διαδικασία επεξεργασίας ,το έμπειρο σύστημα έχει όλα τα απαραίτητα δεδομένα για να παραχθεί από την αρχή. Για τους χρήστες ,το πρόγραμμα δουλεύει ως ένα κλασικό πρόγραμμα: το οποίο παρέχει δεδομένα και λαμβάνει αποτελέσματα αμέσως. Ο συλλογισμός είναι αόρατος. Ο διαλογικός τρόπος γίνεται απαραίτητος όταν ο προγραμματιστής γνωρίζει ότι δεν μπορεί να ρωτήσει τον χρήστη όλα τα απαραίτητα δεδομένα από την αρχή και για τον λόγο αυτό το πρόβλημα γίνεται πολύπλοκο. Το λογισμικό πρέπει να “εφευρίσκει” τον τρόπο να λύνει το πρόβλημα ,να ζητάει από τον χρήστη δεδομένα, σταδιακά, πλησιάζοντας στον στόχο όσο το δυνατόν γρηγορότερα. Το αποτέλεσμα δίνει την εντύπωση του διαλόγου με συντονιστή έναν ειδικό. Για να καθοδηγήσει ένα διάλογο, η μηχανή πρέπει να έχει διάφορα επίπεδα επιτήδευσης : "[[forward chaining]]", "[[backward chaining]]" and "mixed chaining". Η αλυσιδοποίηση προς τα εμπρός είναι η ερώτηση ενός ειδικού ο οποίος δεν έχει ιδέα για την λύση και την διερευνά σταδιακά (π.χ. λάθος διάγνωση). Στην αλυσιδοποίηση προς τα πίσω, η μηχανή έχει ως στόχο το αποτέλεσμα (π.χ. είναι εντάξει ή όχι; Η’ υπάρχει κίνδυνος αλλά ποιο είναι το επίπεδο;). Ξεκινάει στοχεύοντας να βρεθεί η λύση όσο το δυνατόν γρηγορότερα. Στην μεικτή αλυσιδοποίηση η μηχανή έχει την ιδέα της τελικής λύσης αλλά αυτό δεν σταματάει εκεί: αυτό συνάγει στην αλυσιδοποίηση προς τα εμπρός από όλες τις πιθανές απαντήσεις προηγούμενων χρηστών, πριν κάνει την επόμενη ερώτηση. Έτσι, αρκετά συχνά το πρόγραμμα δίνει την απάντηση της επόμενης ερώτησης πριν καν αυτή ερωτηθεί.






Μεγάλο ενδιαφέρον στη χρήση λογικής έχει το ότι αυτό το είδος λογισμικού είναι σε θέση να δίνει στο χρήστη ξεκάθαρη εξήγηση σχετικά με το τι κάνει (το “Γιατί;”)και το τι αποτέλεσμα έχει παραχθεί (το “Πώς;”).Ακόμα καλύτερα, χάρη στην λογική τα περισσότερα έμπειρα συστήματα είναι σε θέση να ανιχνεύουν αντιφάσεις <ref>[http://www.ccis2k.org/iajit/PDF/vol.4,no.1/9-Nabil.pdf Nabil Arman], Polytechnic University of Palestine, January 2007, Fault Detection in Dynamic Rule Bases Using Spanning Trees and Disjoin Sets: ""</ref> στις πληροφορίες των χρηστών ή στην παρεχόμενη γνώση, και μπορούν να τα επεξηγούν ξεκάθαρα, αποκαλύπτοντας την ίδια στιγμή την εξειδικευμένη γνώση και τον τρόπο σκέψης.
Μεγάλο ενδιαφέρον στη χρήση λογικής έχει το ότι αυτό το είδος λογισμικού είναι σε θέση να δίνει στο χρήστη ξεκάθαρη εξήγηση σχετικά με το τι κάνει (το “Γιατί;”)και το τι αποτέλεσμα έχει παραχθεί (το “Πώς;”).Ακόμα καλύτερα, χάρη στην λογική τα περισσότερα έμπειρα συστήματα είναι σε θέση να ανιχνεύουν αντιφάσεις <ref>[http://www.ccis2k.org/iajit/PDF/vol.4,no.1/9-Nabil.pdf Nabil Arman], Polytechnic University of Palestine, January 2007, Fault Detection in Dynamic Rule Bases Using Spanning Trees and Disjoin Sets: ""</ref> στις πληροφορίες των χρηστών ή στην παρεχόμενη γνώση, και μπορούν να τα επεξηγούν ξεκάθαρα, αποκαλύπτοντας την ίδια στιγμή την εξειδικευμένη γνώση και τον τρόπο σκέψης τους.


== Πλεονεκτήματα ==


Τα έμπειρα συστήματα προσφέρουν πολλά πλεονεκτήματα στους χρήστες σε σύγκριση με τα παραδοσιακά προγράμματα, επειδή λειτουργούν σαν τον ανθρώπινο εγκέφαλο.

=== Διάλογος ===

Τα έμπειρα συστήματα επιτρέπουν στους χρηστες να συνδιαλέγονται με τους υπολογιστές όπως θα έκαναν και με κάποιον άλλο άνθρωπο.Για την εισαγωγή δεδομένων στον υπολογιστή , η παραδοσιακή μέθοδος της πληροφορικής χρησιμοποιεί μία ακριβής αλληλεπίδραση ανθρώπου - μηχανής: η οθόνη [[Εισαγωγή δεδομένων|εισαγωγής δεδομένων]],η οποία είναι ένα μη - [[Διαδραστικότητα|διαδραστικό]] μέσο. Η εισαγωγή δεδομένων ωθεί τον χρήστη να προετοιμάσει ένα σετ δεδομένων χωρίς αυτό να είναι απαραίτητα κατανοητό γιατί να χρειάζεται. Συνήθως απαιτεί από τους χρήστες να καταβάλλουν μία εξάσκηση πρίν χρησιμοποιήσουν το λογισμικό αυτό. Ο χρήστης πάντα σκέφτεται μία ερώτηση τη φορά.

=== Γρήγορη διαθεσιμότητα και ευκαιρία να προγραμματιστεί ===

Καθώς η βάση γνώσης είναι σε καθημερινή γλώσσα (η μηχανή μένει άθικτη) τα έμπειρα συστήματα μπορούν να γραφτούν πολύ πιο γρήγορα από ότι ένα συμβατικό πρόγραμμα , από χρήστες ή ειδικούς, παρακάμπτοντας τους επαγγελματίες προγραμματιστές και χωρίς να χρειάζεται να επεξηγηθεί το αντικείμενο.

=== Δυνατότητα να λάβει ένα αξιοσημείωτο σύνολο γνώσης ===

Τα έμπειρα συστήματα χρησιμοποιούν μία βάση γνώσης, σε αντίθεση με τα συμβατικά προγράμματα , που σημαίνει ότι δεν χρειάζεται να έχει αρκετές γνώσεις κάποιος για να προγραμματίσει. Είτε η βάση γνώσης έχει 10 είτε 10 000 κανόνες , η λειτουργία της μηχανής είναι ίδια.

=== Αξιοπιστία ===

Η [[reliability|αξιοπιστία]] ενός έμπειρου συστήματος είναι ίδια με την αξιοπιστία μίας βάσης δεδομένων δηλαδή είναι καλύτερη και υψηλότερη από εκείνη ενός κλασσικού συστήματος.

=== Επεκτασιμότητα ===

Για να εξελιχθεί ένα έμπειρο σύστημα πρέπει, να προστεθούν, να τροποποιηθούν ή να διαγράφούν κάποιες βάσεις γνώσης .Εφόσον οι βάσεις γνώσης είναι γραμμένοι σε απλή γλώσσα, είναι εύκολο να εντοπίζει κανείς εκείνους που χρειάζεται να διαγραφούν ή να τροποποιηθούν.

=== Παιδαγωγία ===

Οι μηχανές που τρέχουν με απλή λογική είναι σε θέση να επεξηγούν στο χρήστη σε απλή γλώσσα, γιατί κάνουν μία ερώτηση και πώς καταλήγουν στο κάθε συμπέρασμα. Με τον τρόπο αυτό, εμφανίζουν τη γνώση ενός εμπειρογνώμονα που εμπεριέχεται στα έμπειρα συστήματα. Έτσι, οι χρήστες μπορούν να λαμβάνουν αυτή τη γνώση και να τη χρησιμοποιούν. Επιπλέον, μπορούν να καταλήγουν σε συμπεράσματά τους βήμα - βήμα. Έτσι οι χρήστες έχουν πληροφορία σχετικά με το πρόβλημά, πολύ νωρίτερα από την τελική απάντηση του έμπειρου συστήματος.

=== Διατήρηση και βελτίωση των γνώσεων ===

Πολύτιμες γνώσεις μπορούν να εξαφανιστούν με τον θάνατο, την παραίτηση ή την συνταξιοδότηση ενός εμπειρογνώμονα. Με το να καταχωρηθούν σε ένα έμπειρο σύστημα τις κάνει "αιώνιες". Για την ανάπτυξη ενός έμπειρου συστήματος χρειάζεται η συνέντευξη ενός εμπειρογνώμονα για να εισαχθούν στο σύστημα οι γνώσεις του. Με αυτόν τον τρόπο, το σύστημα ενισχύεται περεταίρω.

=== Νέοι τομείς που έχουν αγνοηθεί από την συμβατική πληροφορική ===

Αυτοματοποιώντας μία τεράστια γνώση, ο προγραμματιστής ενδέχεται να συναντήσει ένα κλασσικό πρόβλημα: την ”[[combinatorial explosion]]” ("συνδυαστική έκρηξη") η οποία περιπλέκει σε μεγάλο βαθμό την δουλεία του και τα αποτελέσματα, σε ένα πολύπλοκο και χρονοβόρο πρόγραμμα. Το συλλογιστικό έμπειρο σύστημα δεν αντιμετωπίζει αυτό το πρόβλημα αφού η μηχανή φορτώνει αυτόματα συνδυασμούς ανάμεσα στις βάσεις γνώσης. Αυτή η ικανότητα μπορεί να απευθύνεται σε τομείς όπου οι συνδυασμοί είναι τεράστιοι: πολύ διαδραστικές ή διαλογικές εφαρμογές, λανθασμένες διαγνώσεις, υποστήριξη αποφάσεων σε πολύπλοκα συστήματα, εκπαιδευτικό λογισμικό, λογική προσομοίωσης των μηχανών ή συστημάτων και συνεχώς εναλλασσόμενο λογισμικού.


== Μειονεκτήματα ==

Το έμπειρο σύστημα έχει ένα σημαντικό ελάττωμα το οποίο εξηγεί τη χαμηλή του επιτυχία αν και υπάρχει εδώ και 70 χρόνια.Αυτό το ελάττωμα είναι: η συλλογή γνώσης και η εξήγηση της σε βάσεις, η [[knowledge engineering|μηχανική γνώσης]]. Οι περισσότεροι προγραμματιστές δεν έχουν κάποια μέδοθο για να παρουσιάσουν αυτό το έργο. Εργάζονται «χειροκίνητα» κάτι που τους δίνει μεγάλη πιθανότητα να κάνουν λάθος. Η γνώση ενός εμπειρογνώμονα δεν είναι αρκετά κατανοητή, υπάρχει έλλειψη βάσεων γνώσης, οι οποίες είναι αντιφατικές, μερικές από τις οποίες είναι φτωχά γραμμένες και άχρηστες. Χειρότερα, οι περισσότεροι συνήθως χρησιμοποιούν μία μηχανή που δεν μπορεί να κάνει συλλογισμό. Το αποτέλεσμα είναι: το έμπειρο σύστημα λειτουργεί άσχημα και το αντικείμενο εγκαταλείπεται. <ref>Kenneth Laudon, Jane Laudon, Eric Fimbel, "Management Information Systems: Managing the Digital Firm", Business & Economics, 2010 edition, chapter 11-3.5: The implementation of a large number of expert systems requires the deployment of considerable development efforts, lengthy and expensive. Hiring and training a larger number of experts may be less expensive than building an expert system .(...) Some expert systems, particularly the largest, are so complex that over years, the costs of curative and adaptive maintenance become as high as the cost of development.</ref> Η σωστή μεθοδολογία ανάπτυξης μπορεί να μετριάσει αυτά τα προβλήματα. Υπάρχει λογισμικό που παίρνει συνέντευξη από τον ειδικό βήμα - βήμα , η οποία αυτόματα γράφει τις βάσεις γνώσης και ταυτοχρόνως τρέχει το έμπειρο σύστημα μπροστά στα μάτια του, εκτελώντας συνοχή των κανόνων ελέγχου.<ref>Systèmes Experts, April 15, 1990, Miao, authentic expert system generator of fault diagnosis: "''MIAO can explain, again in [plain] language, all of his logical approach: why he is asking such a question and how it came to such a conclusion. And that because he is constantly reasoning and not because an IT developer programmed in advance all the possible explanations.''" </ref><ref>[http://www.tree-logic.com/Articles/LMI%202001%20cf%20Maieutique.jpg Olivier Rafal], Le Monde Informatique, Programming for all (T.Rex generator): "''This software allows to develop a conversational application (...) leading to a self-learning''" (i.e. thanks to the automatic explanations)</ref><ref>[http://www.tree-logic.com/Articles/Ma%C3%AFeutica%20par%20FTS%20(91).jpg French Technology Survey], MAIEUTICA, An Expert System Generator which writes its own rules, July 1991: "''checking the coherence of the knowledge''", "''it can detect contradictions''", "''it react appropriately to changes of minds''"</ref> Έτσι ειδικοί και χρήστες μπορούν να ελέγξουν την ποιότητα του λογισμικού πριν τελειώσει.

Πολλά έμπειρα συστήματα συχνά πλαισιώνονται από τη χρήση λογικής. Πολλές από τις λογικές λειτουργούν πάνω σε " [[Variable (computer science)|μεταβλητές ]]" γεγονότων, δηλαδή αυτών των οποίων η τιμή αλλάζει πολλές φορές κατά τη διάρκεια μιάς συλλογιστικής πράξης, η οποία θεωρείται σαν ιδιοκτησία που ανήκει σε μία πιο ισχυρή λογική. Ακριβώς όπως στην κλασσική πληροφορική, ένας τρόπος προγραμματισμού όπου οι προγραμματιστές είναι όντως άνετοι. Αυτή είναι η περίπτωση του Mycin, Dendral , [[fuzzy logic]], [[predicate logic]] (Prolog), [[symbolic logic]], [[mathematical logic]] κλπ. Η προτασιακή λογική δεν χρησιμοποιεί μόνο μεταβλητά γεγονότα <ref>[http://www.comp.rgu.ac.uk/docs/info/index.php RGU: School of Computing], More Complex Inference: "''propositional logic, where variables are not allowed''".</ref>.Αποδεικνύεται ότι στο ανθρώπινο μυαλό, τα γεγονότα που χρησιμοποιούνται πρέπει να παραμένουν σταθερά εφόσον το μυαλό σκέπτεται λογικά. Αυτό καθιστά εύκολη την ανίχνευση αντιφάσεων και την παραγωγή της εξήγησης, δύο τρόποι ελέγχου της συνάφειας της γνώσης <ref>Ong K. and Lee R.M, Texas University-Austin, A logic model for maintaining consistency of bureaucratic policies, 1993: "''Inconsistencies can be detected if any of the integrity constraints is proven false, and an explanation can be provided based on the proof tree. A more general inference mechanism is presented based on the theory of abduction for checking potential inconsistency of policies''"</ref><ref>[http://people.cohums.ohio-state.edu/tennant9/hempel_oppenheim_PS1948.pdf Carl G. Hempel and Paul Oppenheim], Philosophy of Science, Studies in the Logic of Explanation, 1948: "''The sentences constituting the explanans must be true''"</ref>. Αυτός είναι ο λόγος για τον οποίο τα έμπειρα συστήματα χρησιμοποιώντας μεταβλητά γεγονότα, περισσότερο κατανοητά για τους προγραμματιστές του ΙΤ ,και τα περισσοτερα από αυτά ειναι δυσκολότερο να αναπτυχθούν, πιο δυσνόητα στους χρήστες, λιγότερο αξιόπιστα και για τον λόγο ότι δεν παράγουν εξηγήσεις ή ανίχνευση αντίφασης.


== Πεδίο εφαρμογής ==

Τα έμπειρα συστήματα απευθύνονται σε τομείς όπου η συνδυαστική ανάλυση είναι τεράστια:
* υψηλά διαδραστικές ή εφαρμογές με διάλογο, [[IVR]] , φωνή του διακομιστή, [[chatterbot]]
* [[fault diagnosis|λανθασμένη διάγνωση]], [[medical diagnosis|ιατρική διάγνωση]]
* υποστήριξη αποφάσεων σε πολύπλοκα συστήματα, [[process control|έλεγχος διαδικασίας]], διαδραστικός [[user guide|οδηγός χρήσης ]]
* εκπαιδευτικό και [[Tutorial system|tutorial software]]
* [[logic simulation|προσομοίωση λογικής]] των μηχανών ή των συστημάτων
* [[knowledge management|διαχείριση γνώσης ]]
* συνεχής αλλαγή του λογισμικού

Μπορούν επίσης να χρησιμοποιηθούν στη μηχανική του λογισμικού για γρήγορη προτυποποίηση των εφαρμογών ([[RAD]]. Πράγματι, το έμπειρο σύστημα μπορει να προβλέψει γρήγορα πριν από τον εμπειρογνώμονα και να του δείξει εάν η μελλοντική εφαρμογή πρέπει να προγραμματιστεί.

Κάθε πρόγραμμα περιλαμβάνει ειδικές γνώσεις και ο κλασσικός προγραμματισμός ξεκινά πάντα με μία συνέντευξη στον εμπειρογνώμονα. Ένα πρόγραμμα γραμμένο στη μορφή ενός έμπειρου συστήματος λαμβάνει όλα τα ειδικά πλεονεκτήματα των έμπειρων συστημάτων, και μεταξύ άλλων, μπορεί να αναπτυχθεί από τον καθένα χωρίς εκπαίδευση στην πληροφορική και χωρίς γνώση των γλώσσών προγραμματισμού. Αλλά αυτή η λύση έχει ένα ελάττωμα: το ειδικό σύστημα τρέχει πιο αργά από ένα παραδοσιακό πρόγραμμα επειδή αυτό “σκέφτεται” , ενώ στην πραγματικότητα ένα κλασικό λογισμικό, απλά ακολουθεί μονοπάτια τα οποία έχουν ανιχνευτεί από τον προγραμματιστή.


== Παραδείγματα εφαρμογών ==

Τα έμπειρα συστήματα είναι σχεδιασμένα για να διευκολύνουν τα καθήκοντα των πεδίων της [[Λογιστική|λογιστικής]], της ιατρικής, [[process control]], [[financial service]], [[Παραγωγή]], [[human resources|ανθρώπινου δυναμικού]] , και πολλών άλλων. Τυπικά, ο τομέας του προβλήματος είναι αρκετά πολύπλοκος, έτσι ώστε οι περισσότεροι απλοί παραδοσιακοί αλγόριθμοι να μην μπορούν να παρέχουν την κατάλληλη λύση. Η υποδομή ενός επιτυχημένου έμπειρου συστήματος βασίζεται σε μία σειρά τεχνικών διαδικασιών και ανάπτυξης, οι οποίες μπορούν να σχεδιαστούν από τεχνικούς και σχετικούς εμπειρογνώμονες. Ως εκ τούτου, τα έμπειρα συστήματα τυπικά δεν παρέχουν οριστικές απαντήσεις , αλλά παρέχουν πιθανολογικές συστάσεις.
Ένα παράδειγμα εφαρμογής των έμπειρων συστημάτων στο οικονομικό πεδίο είναι είναι τα έμπειρα συστήματα για υποθήκες ([[expert systems for mortgages]]). Τα τμήματα δανείων ενδιαφέρονται για ειδικά συστήματα για υποθήκες([[mortgages]]) εξαιτίας του αυξανόμενου κόστους εργασίας, το οποίο κάνει τον χειρισμό και την αποδοχή σχετικά μικρών δανείων λιγότερο κερδοφόρα. Επίσης, βλέπουν την δυνατότητα για τυποποιημένο και αποτελεσματικό χειρισμό των [[mortgage loans|δανείων μέσω υποθήκης]] με την εφαρμογή έμπειρων συστημάτων, εκτιμώντας ότι για την αποδοχή των [[mortgages|δανείων]] υπάρχουν δύσκολες και γρήγορες βάσεις γνώσης οι οποίες δεν συντρέχουν πάντα με άλλους τύπους δανείων. Άλλη μία συνηθισμένη εφαρμογή στον χρηματοοικονομικό τομέα για τα έμπειρα συστήματα, είναι οι συστάσεις που κάνουν για trading σε διάφορες [[marketplaces|χρηματαγορές]]. Αυτές οι αγορές, περιλαμβάνουν πολλές μεταβλητές και ανθρώπινα συναισθήματα τα οποία μπορεί να είναι αδύνατον να χαρακτηριστούν ντετερμινιστικά. Γι' αυτό και τα έμπειρα συστήματα βασίζονται σε [[rules of thumb|εμπειρικούς κανόνες]] από ειδικούς και χρησιμοποιούν δεδομένα προσομοίωσης. Τα έμπειρα συστήματα αυτού του είδους, μπορούν να επεκτείνονται σε εκείνα που παρέχουν λιανικές συστάσεις ,όπως η [[Wishabi]] (αγορές μέσω διαδικτύου) και σε εκείνα τα οποία συνδράμουν στις νομισματικές αποφάσεις των χρηματοοικονομικών ιδρυμάτων και κυβερνήσεων.

Άλλες εφαρμογές των έμπειρων συστημάτων της δεκαετίας του 1970 και του 1980, τις οποίες σήμερα αποκαλούμε απλά τεχνητή νοημοσύνη, υπάρχουν στα [[Ηλεκτρονικό παιχνίδι|ηλεκτρονικά παιχνίδια]]. Για παράδειγμα, τα ηλεκτρονικά παιχνίδια [[baseball]] ,[[Earl Weaver Baseball]] και [[Tony La Russa Baseball]], όπου το καθένα έχει υψηλές λεπτομέρειες προσομοίωσης. Όταν ένας άνθρωπος παίζει το παιχνίδι με αντίπαλο τον υπολογιστή , ο υπολογιστής ρωτάει το Earl Weaver ή Tony La Russa έμπειρο σύστημα, για να αποφασίσει ποια στρατηγική θα ακολουθήσει. Ακόμη και αυτές οι επιλογές που μερικές είναι τυχαίες, είναι μέρος του φυσικού συστήματος (όπως το να προσποιείσαι σε ένα παίχτη baseball ότι θα του κλέψεις τη βάση) όπου αποφασίστηκαν βασιζόμενες στις παροχές πιθανοτήτων των [[Earl Weaver]] ή [[Tony La Russa]]. Σήμερα θα μπορούσαμε απλά να πούμε ότι “η τεχνητή νοημοσύνη του παιχνιδιού παρέχει στρατηγική που αντιτίθεται με αυτή του χρήστη του παιχνιδιού ”.


== Μηχανική γνώσης ==

{{Κύριο άρθρο| Μηχανική Γνώσης}}

Το χτίσιμο, η διατήρηση και η ανάπτυξη των έμπειρων συστημάτων είναι γνωστή ως μηχανική των γνώσεων.<ref>{{citation
| last = Kendal | first = S.L. | last2 = Creen | first2 = M.
| title = An introduction to knowledge engineering | year = 2007 | publisher = Springer
| location = London | isbn = 978-1-84628-475-5 | oclc = 70987401}}</ref>. Η μηχανική των γνώσεων είναι μία "ακολουθία που περιέχει ενοποιημένη [[knowledge|γνώση]] στα [[computer system|υπολογιστικά συστήματα]] με σκοπό να λύσει πολύπλοκα προβλήματα τα οποία χρειάζονται μία υψηλού επιπέδου [[expertise|ανθρώπινη εμπειρογνωμοσύνη]]" <ref name="Feigenbaum1983">{{citation
| last = Feigenbaum | first = Edward A. | last2 = McCorduck | first2 = Pamela | authorlink = Edward Feigenbaum | authorlink2 = Pamela McCorduck
| title = The fifth generation | edition = 1st | year = 1983 | publisher = [[Addison-Wesley]]
| location = [[Reading, MA]] | isbn = 978-0-201-11519-2 | oclc = 9324691}}</ref>

Υπάρχουν γενικά τρία άτομα που έχουν αλληλεπίδραση στα έμπειρα συστήματα. Ο ένας από αυτούς είναι ο [[end-user|τελικός χρήστης]], το άτομο το οποίο χρησιμοποιεί το σύστημα για να τον βοηθήσει να επιλύσει το πρόβλημά του. Στη διατήρηση και την κατασκευή του συστήματος υπάρχουν δύο άλλοι ρόλοι : ο [[problem domain expert|εμπειρογνώμονας στον τομέα μοντελοποίησης του προβλήματος]] o οποίος δημιουργεί το σύστημα και τροφοδοτεί τη βάση γνώσης, και ένας [[knowledge engineers|μηχανικος γνώσης]] ο οποίος βοηθά τον εμπειρογνώμονα να προσδιορίσει την [[knowledge representation|αναπαράσταση]] της γνώσης του, τοποθετώντας αυτή τη γνώση μέσα σε μία [[explanation module|υπομονάδα επεξήγησης]] η οποία προσδιορίζει την [[inference technique|τεχνική εξαγωγή συμπεράσματος ]] που απαιτείται για τη λύση του προβλήματος. Συνήθως, ο μηχανικός γνώσης θα παρουσιάσει τη δραστηριότητα επίλυσης του προβλήματος σε μορφή [[rule-based programming|κανόνων]]. Όταν αυτοί οι κανόνες έχουν δημιουργηθεί από τον τομέα τεχνογνωσίας, η βάση γνώσης αποθηκεύει τους κανόνες του έμπειρου συστήματος.


== Ιστορία ==

Τα έμπειρα συστήματα εισήχθηκαν από ερευνητές στο προγραμματιστικό έργο του Stanford Heuristic, συμπεριλαμβανομένου του ‘’πατέρα’’ του έμπειρου συστήματος " [[Edward Feigenbaum]] με το[[Dendral]] και το [[Mycin]] σύστημα. Οι πρωταρχικοί συνεισφέροντες σε αυτήν την τεχνολογία ήταν οι Bruce Buchanan, Edward Shortliffe, Randall Davis, William vanMelle, Carli Scott και άλλοι στο Stanford. Τα έμπειρα συστήματα ήταν μεταξύ των πρώτων πραγματικά επιτυχημένων μορφών του λογισμικού της ΤΝ.<ref name="ReferenceA"/><ref name="Russell 2003 22−24"/><ref name="Luger 2004 227–331"/><ref name="Nilsson 1998 loc=chpt. 17.4"/><ref name="McCorduck 2004 327–335, 434–435"/><ref name="Crevier 1993 145–62, 197−203"/>

Η έρευνα είναι επίσης πολύ ενεργή στη Γαλλία, όπου οι ερευνητές επικεντρώνονται στον αυτοματισμό των λογικών μηχανών. H Γαλλική συμβολική προγραμματιστική γλώσσα [[Prolog]] , σχεδιάστηκε το 1972, μαρκάρει μία πραγματική προαγωγή μέσω των έμπειρων συστημάτων όπως η Dendral ή το Mycin : είναι ένα [[Shell (computing)|κέλυφος]]<ref>George F. Luger and William A. Stubblefield, Benjamin/Cummings Publishers, Rule Based Expert System Shell: example of code using the Prolog rule based expert system shell</ref>, το οποίο ένα δομικό λογισμικό έτοιμο να λάβει οποιοδήποτε έμπειρο σύστημα και να το τρέξει. Ενοποιεί μία μηχανή χρησιμοποιώντας πρωτοβάθμια λογική, με κανόνες και γεγονότα. Είναι ένα εργαλείο για μαζική παραγωγή έμπειρων συστημάτων και ήταν η πρώτη επιχειρησιακή [[declarative language|επεξηγηματική γλώσσα]]<ref>[http://promethee.philo.ulg.ac.be/engdep1/download/prolog/htm_docs/prolog.htm A. MICHIELS], Université de Liège, Belgique: "PROLOG, the first declarative language</ref>, η οποία αργότερα έγινε η μεγαλύτερη σε πωλήσεις λώσσα στον κόσμο.<ref>[http://www.prenhall.com/divisions/bp/app/turban/dss/html/chap16.html Carnegie Mellon University's AI Web Site]: "Prolog was the most popular AI language in Japan and probably in Europe"</ref>. Παρόλο που η Prolog δεν είναι ιδιαίτερα φιλική για τον χρήστη και είναι μακρυά από την ανθρώπινη λογική.<ref>[http://www.proceedings2007.imcsit.org/pliks/33.pdf Ivana Berković, Biljana Radulović and Petar Hotomski], University of Novi Sad, 2007, Extensions of Deductive Concept in Logic Programing and Some Applications: "''the defects of PROLOG-system: the expansion concerning Horn clauses, escaping negation treatment as definite failure''"</ref><ref>"Software developed in Prolog has been criticized for having a high performance penalty compared to conventional programming languages"</ref><ref>[http://www.softpanorama.org/Lang/prolog.shtml Dr. Nikolai Bezroukov], Softpanorama: "I think that most people exposed to Prolog remember strongly the initial disappointment. Language was/is so hyped but all you can see initially are pretty trivial examples that are solved by complex, obscure notation that lacks real expressive power: some of simple examples can be expressed no less concisely is many other languages"</ref>.
Τη δεκαετία του ’80, τα έμπειρα συστήματα αναπτύχθηκαν ραγδαία καθώς αναγνωρίστηκαν ως πρακτικά εργαλεία για επίλυση των πραγματικών προβλημάτων. Τα πανεπιστήμια προσφέρουν μαθήματα για τα έμπειρα συστήματα και τα 2/3 των [[Fortune 1000]] πιο πλούσιων εταιρειών εφάρμοσαν την τεχνολογία σε καθημερινές επιχειρηματικές δραστηριότητες τους.<ref name=durkinhistory/><ref>Durkin, J. Expert Systems: Catalog of Applications. Intelligent Computer Systems, Inc., Akron, OH, 1993.</ref> . Το ενδιαφέρον ήταν παγκόσμιο με την [[Fifth Generation Computer Systems project|πέμπτη γενιά ]]του ερευνητικού προγράμματος των υπολογιστικών συστημάτων στην Ιαπωνία και αυξήθηκε το ερευνητικό κεφάλαιο στην Ευρώπη. Η ανάπτυξη στο πεδίο συνεχίστηκε μέσα στη δεκαετία του 1990.
Η ανάπτυξη των έμπειρων συστημάτων βοηθήθηκε από την ανάπτυξη των συμβολικών διαδικαστικών γλωσσών [[Lisp_(programming_language)|Lisp]] και [[Prolog]], Για να αποφευχθεί να ξαναγυρνάμε συνέχεια στην αρχή, τα κελύφη των έμπειρων συστημάτων δημιουργήθηκαν επειδή υπήρχαν περισσότερα εξειδικευμένα χαρακτηριστικά για να δημιουργηθούν μεγαλύτερα έμπειρα συστήματα <ref>page 21. Giarratano & Riley, 3rd ed.</ref> .


Το 1981 το πρώτο [[IBM PC]] εισήχθηκε, μαζί με [[MS-DOS]] λειτουργικά συστήματα. Η χαμηλή του τιμή άρχισε να πολλαπλασιάζει χρήστες και άνοιξε μία καινούργια αγορά για τους υπολογιστές και τα έμπειρα συστήματα. Τη δεκαετία του ’80 η εικόνα του ΤΝ ήταν πολύ καλή και οι άνθρωποι πίστευαν ότι θα πετύχαιναν σε μικρό διάστημα.


Πολλές εταιρίες ξεκίνησαν το εμπόριο των κελυφών των έμπειρων συστημάτων από τα πανεπιστήμια, που μετονομάστηκαν σε “γεννήτριες ” επειδή πρόσθεσαν στο κέλυφος ένα εργαλείο για το γράψιμο κανόνων σε απλή γλώσσα και έτσι, θεωρητικά, επιτρέπεται το γράψιμο έμπειρων συστημάτων χωρίς γλώσσα προγραμματισμού ούτε κάποιου άλλου λογισμικού.[16]Οι πιο γνωστοί : Guru (USA) επηρεασμένος από το Mycin [17][18], Προσωπικός Σύμβουλος Plus (USA)[19][20], Nexper Object (προγραμματισμένο από τον Neuron Data, εταιρία που ιδρύθηκε στην Καλιφόρνια από τρεις Γάλλους) [21][22],Genesia (προγραμματίστηκε από Γάλλους δημόσια εταιρία Electricité de France και βγήκε στην αγορά από την Steria)[23], VP Experts(USA)[24]. Αλλά τελικά τα εργαλεία χρησιμοποιήθηκαν μόνο σε ερευνητικά προγράμματα, Αυτοί δεν είχαν διεισδύσει στην αγορά των επιχειρήσεων, παρουσιάζοντας την ΤΝ τεχνολογία ως ανώριμη.


Το 1986, ένα νέο έμπειρο σύστημα, γεννήτρια για τους υπολογιστές εμφανίστηκε στο εμπόριο, προερχόμενο από την Γαλλική ακαδημία έρευνας: Υπηρεσία Πληροφοριών<ref>[http://cat.inist.fr/?aModele=afficheN&cpsidt=7001328 Flamant B. and Girard G]., GSI-TECSI, Intelligence Service: build your own expert system : "''Intelligence Service is a development environment for expert systems that requires no experience of classic programming that offers to everyone the opportunity to develop its own expert system''"</ref><ref>[http://www.tree-logic.com/Articles/01,%20seul%20IS%20fait%20de%20l'IA,%20par%20un%20universitaire.jpg Bertrand Savatier], Le Monde Informatique, November 23, 1987: "Expert systems accessible to all"</ref>,και σε πώληση από την εταιρία λογισμικού GSI-TECSI. Αυτό το λογισμικό παρουσίασε μία ριζοσπαστική καινοτομία: χρησιμοποιούσε προτασιακή λογική ("[[Zeroth order logic]]") για να εκτελεί το έμπειρο σύστημα, σκεπτικό της βάσης γνώσεων γραμμένο με καθημερινής γλώσσας κανόνες, παράγοντας εξηγήσεις και εντοπίζοντας αντιφάσεις μεταξύ των γεγονότων. ‘Ήταν το πρώτο εργαλείο που παρουσίαζε την ΤΝ ορισμένη από τον Edward Feigenbaum στο βιβλίο του, [http://www.atarimagazines.com/creative/v10n8/103_The_fifth_generation_Jap.php Artificial Intelligence and Japan's Computer Challenge to the World] (1983). “Τα μηχανήματα έχουν δυνατό συλλογισμό: αυτά αυτόματα μηχανοποιούν μεγάλες ποσότητες γνώσεων για να εξυπηρετήσουν οποιαδήποτε πρόταση των ανθρώπων, από ιατρικές διαγνώσεις ως την παραγωγή προϊόντων, από διοικητικές αποφάσεις ως την εκπαίδευση”, ”Ο συλλογισμός του ζώου έχει, ίσως αναπόφευκτα, διαμορφωθεί σε συλλογισμό μηχανής”, ”η δύναμη του συλλογισμού αυτών των μηχανημάτων φτάνει ή υπερβαίνει τη δύναμη του ανθρώπινου συλλογισμού ο οποίος δίνει εντολή σε αυτούς, σε μερικές περιπτώσεις , η δύναμη του συλλογισμού κάθε ανθρώπου εκτελείται σαν καθήκον”. Στην πραγματικότητα η “Pandora” ήταν Υπηρεσία Πληροφοριών.(1985)<ref>[http://www.tree-logic.com/scienceetvie.htm Jean-Philippe de Lespinay], Science et Vie, "From total zero to Zero Plus [logic]", May 1991</ref>, το λογισμικό προγραμματίστηκε από την διατριβή των δύο ακαδημαϊκών φοιτητών του Jean-Louis Laurière <ref>[http://www.lip6.fr/actualite/information-fiche.php?RECORD_KEY(informations)=id&id(informations)=18 Death of Jean-Louis Laurière]</ref>, ένα από τα πιο γνωστά και παραγωγικά Γαλλικό ΤΝ ερευνητή Δυστυχώς , αφού αυτό το λογισμικό δεν προγραμματίστηκε από τους ίδιους τους προγραμματιστές του ΙΤ , το GSI-TECSI δεν ήταν <ref>Journey "[http://www.lip6.fr/Laboratoire/2006-03-22/2006-03-22-Affiche.pdf In honor of Jean-Louis Laurière]", Université Pierre et Marie Curie in Paris (March 22, 2006)</ref>. σε θέση να το κάνει να αναπτυχθεί. Οι πωλήσεις λιγόστεψαν και το εμπόριο μετά από μερικά χρόνια σταμάτησε.




== Πηγές ==
== Πηγές ==
<references/>
{{παραπομπές|2}}


== Βιβλιογραφία ==
=== Εγχειρίδιο ===
* {{Cite book | author = Darlington, Keith | title = The Essence of Expert Systems | publisher = [[Pearson Education]] | year = 2000 | isbn = 978-0-13-022774-4}}
* {{cite book| author = Ignizio, James| title = Introduction to Expert Systems| year = 1991| publisher = McGraw-Hill Companies| isbn = 978-0-07-909785-9 }}
* {{cite book| author = Giarratano, Joseph C. and Riley, Gary| coauthors = Gary Riley| title = Expert Systems, Principles and Programming| year = 2005| publisher = Course Technology Ptr| isbn = 978-0-534-38447-0 }}
* {{cite book| author = Jackson, Peter| title = Introduction to Expert Systems| year = 1998| publisher = Addison Wesley| isbn = 978-0-201-87686-4 }}
* {{cite book| author = Walker, Adrian et al.| title = Knowledge Systems and Prolog| year = 1990| publisher = [[Addison-Wesley]]| isbn = 978-0-201-52424-6 }}

=== Ιστορία της ΤΝ ===
* {{Crevier 1993}}
* {{McCorduck 2004}}
* {{cite book| author = George F. Luger| last = Luger| first = George| coauthors = William A. Stubblefield| title = Artificial Intelligence: Structures and Strategies for Complex Problem Solving| url = http://www.cs.unm.edu/~luger/ai-final/tocfull.html| edition = 5th| year = 2004| publisher = The Benjamin/Cummings Publishing Company, Inc.| isbn = 978-0-8053-4780-7| ref = harv }}
* {{cite book| author = Nils J. Nilsson| last = Nilsson| first = Nils| title = Artificial Intelligence: A New Synthesis| date = 1998-04-01| publisher = Morgan Kaufmann Publishers| isbn = 978-1-55860-467-4| ref = harv }}
* {{Russell Norvig 2003}}
* {{cite book| author = Patrick Henry Winston| last = Winston| first = Patrick Henry| title = Artificial Intelligence| date = 1984-04| publisher = Addison-Wesley| isbn = 978-0-201-08259-3| ref = harv }}

=== Άλλα ===
* {{cite web |ref={{SfnRef|ACM|1998}}
| publisher=[[Association of Computing Machinery|ACM]]
| year=1998
| title=ACM Computing Classification System: Artificial intelligence
| url=http://www.acm.org/class/1998/I.2.html | accessdate=2007-08-30
}}
* Jean-Philippe de Lespinay, Admiroutes, December 2008: [http://www.admiroutes.asso.fr/larevue/2008/93/lespinay.htm Reasoning AI]
* Automates Intelligents, 2009: [http://www.automatesintelligents.com/interviews/2009/lespinay.html Conversational and Call centers]
* {{cite patent
| country = US
| number = 4763277
| status = patent
| title = Method for obtaining information in an expert system
| inventor = Ashford, Thomas J. ''et al.''
| pubdate = 1988-08-09
| gdate = 1988-08-09
}}

== Εξωτερικοί Σύνδεσμοι ==
* {{dmoz|Computers/Artificial_Intelligence/|Artificial Intelligence}}
* [http://www.codeproject.com/KB/recipes/ArtificialAdvice-1.aspx Expert System tutorial on Code Project]

{{DEFAULTSORT:Expert System}}
[[Category:Artificial intelligence]]
[[Category:Decision theory]]
[[Category:Expert systems|*]]
[[Category:Information systems]]

[[ar:نظم خبيرة]]
[[az:Ekspert sistemlər]]
[[bs:Ekspertni sistemi]]
[[ca:Sistema expert]]
[[cs:Expertní systém]]
[[de:Expertensystem]]
[[et:Ekspertsüsteem]]
[[es:Sistema experto]]
[[fa:سیستم خبره]]
[[fr:Système expert]]
[[ko:전문가 시스템]]
[[hy:Էքսպերտային համակարգ]]
[[hr:Ekspertni sustavi]]
[[id:Sistem pakar]]
[[it:Sistema esperto]]
[[he:מערכת מומחה]]
[[kk:Сараптау жүйесі]]
[[lv:Ekspertsistēma]]
[[lt:Ekspertinė sistema]]
[[hu:Szakértő rendszer]]
[[mk:Експертен систем]]
[[nl:Expertsysteem]]
[[ja:エキスパートシステム]]
[[pl:System ekspertowy]]
[[pt:Sistema especialista]]
[[ro:Sistem expert]]
[[ru:Экспертная система]]
[[simple:Expert system]]
[[sk:Expertný systém]]
[[sr:Ekspertski sistemi]]
[[sh:Ekspertni sistemi]]
[[sv:Expertsystem]]
[[th:ระบบผู้เชี่ยวชาญ]]
[[tr:Uzman sistemler]]
[[uk:Експертні системи]]
[[vi:Hệ chuyên gia]]
[[zh:专家系统]]

Έκδοση από την 18:15, 4 Δεκεμβρίου 2011

Στην τεχνητή νοημοσύνη, ένα έμπειρο σύστημα είναι ένα υπολογιστικό σύστημα το οποίο μιμείται την ικανότητα ενός εμπειρογνώμονα στη λήψη αποφάσεων. [1] Τα έμπειρα συστήματα σχεδιάστηκαν για να λύνουν πολύπλοκα προβλήματα συλλογιζόμενα με βάση την γνώση, όπως κάνει ένας εμπειρογνώμονα, και όχι ακολουθώντας τη διαδικασία επίλυσης ενός developer, όπως στην περίπτωση του συμβατικού προγραμματισμού.[2][3][4]. Τα πρώτα έμπειρα συστήματα δημιουργήθηκαν τη δεκαετία του ’70 και έπειτα αναπτύχθηκαν ραγδαία τη δεκαετία του ’80. [5].Τα έμπειρα συστήματα ήταν ανάμεσα στις πρώτες πραγματικά επιτυχημένες μορφές του λογισμικού της ΤΝ. [6][7][8][9][10][11]


Ένα έμπειρο σύστημα έχει μοναδική δομή, διαφορετική από τα παραδοσιακά προγράμματα.Διαιρείται σε δύο μέρη, το ένα σταθερό, ανεξάρτητο από το έμπειρο σύστημα: η μηχανή εξαγωγής συμπερασμάτων, και το άλλο μεταβλητό: η βάση γνώσης. Για να τρέξει ένα έμπειρο σύστημα, η μηχανή σκέφτεται λογικά στηριζόμενη στη βάση γνώσης όπως ο άνθρωπος .[12].Τη δεκαετία του ’80 εμφανίστηκε ένα τρίτο μέρος: Ένα περιβάλλον διαλόγου interface για να συνδιαλέγεται με τους χρήστες [13] . Αυτή η ικανότητα να έρχεται σε επαφή με τους χρήστες ονομάστηκε αργότερα ¨επικοινωνιακή¨. [14][15]


Αρχιτεκτονική του Λογισμικού

Βάση κανόνα ή βάση γνώσης

Στην τεχνολογία των έμπειρων συστημάτων, η βάση γνώσης είναι εκφρασμένη σε κανόνες φυσικής γλώσσας "ΑΝ…ΤΟΤΕ…" Για παράδειγμα:

  • "ΑΝ είναι ζωντανό ΤΟΤΕ είναι θνητό"
  • "ΑΝ η ηλικία του = γνωστή ΤΟΤΕ το έτος γεννήσεώς του = σημερινή ημερομηνία - την ηλικία του σε χρόνια"
  • "ΑΝ η ταυτότητα του μικροβίου δεν είναι γνωστή με βεβαιότητα ΚΑΙ το μικρόβιο είναι θετικό στη διαδικασία gram ΚΑΙ η μορφολογία του οργανισμού είναι "ράβδος" ΚΑΙ το μικρόβιο είναι αερόβιο ΤΟΤΕ υπάρχει μία μεγάλη πιθανότητα (0.8) το μικρόβιο να είναι τύπου εντεροβακτήριο " [16]


Αυτή η διατύπωση έχει το πλεονέκτημα της ομιλίας σε καθημερινή γλώσσα κάτι που είναι πολύ σπάνιο στην Επιστήμη υπολογιστών (ένα κλασσικό πρόγραμμα είναι κωδικοποιημένο). Οι κανόνες εκφράζουν τη γνώση που μπορεί να αξιοποιηθεί από τα έμπειρα συστήματα. Υπάρχουν κι άλλες φόρμες κανόνων, οι οποίες δεν είναι σε καθημερινή γλώσσα, αλλά είναι κατανοητές μόνο από επιστήμονες υπολογιστών. Κάθε στυλ κανόνα είναι προσαρμοσμένο σε στυλ μηχανής. Το όλο πρόβλημα των εμπείρων συστημάτων είναι να συλλέξει αυτή τη γνώση, συνήθως ανεπαίσθητα από τους ειδικούς. Υπάρχουν μέθοδοι αλλά οι περισσότερες είναι χρησιμοποιήσιμες μόνο από επιστήμονες υπολογιστών.


Η μηχανή συμπεράσματος

Η μηχανή συμπεράσματος είναι ένα πρόγραμμα του υπολογιστή το οποίο έχει σχεδιαστεί για να παράγει έναν συλλογισμό σε κανόνες .Η παραγωγή του συλλογισμού αυτού βασίζεται στην Λογική. Υπάρχουν διάφορα είδη λογικής : propositional logic, predicates of order 1 or more, epistemic logic, modal logic, temporal logic, fuzzy logic, κ.α. Εκτός από την λογική παραγωγής συμπερασμάτων (propositional logic) όλες οι άλλες είναι πολύπλοκες και μπορούν να γίνουν κατανοητές μόνο από μαθηματικούς , logicians ή επιστήμονες υπολογιστών. Η λογική παραγωγής συμπερασμάτων είναι η βασική ανθρώπινη λογική ,η οποία εκφράζεται με τον συλλογισμό. Τα έμπειρα συστήματα τα οποία χρησιμοποιούν αυτή τη λογική ονομάζονται και zeroth-order έμπειρα συστήματα. Με την λογική, η μηχανή είναι σε θέση να παράγει νέες πληροφορίες από την γνώση η οποία εμπεριέχεται στην βάση κανόνα και δεδομένων προς επεξεργασία.


Η μηχανή τρέχει με δύο τρόπους : με διαδικασία επεξεργασίας ενός συνόλου δεδομένων ή με διάλογο.Με την διαδικασία επεξεργασίας ,το έμπειρο σύστημα έχει όλα τα απαραίτητα δεδομένα για να παραχθεί από την αρχή. Για τους χρήστες ,το πρόγραμμα δουλεύει ως ένα κλασικό πρόγραμμα: το οποίο παρέχει δεδομένα και λαμβάνει αποτελέσματα αμέσως. Ο συλλογισμός είναι αόρατος. Ο διαλογικός τρόπος γίνεται απαραίτητος όταν ο προγραμματιστής γνωρίζει ότι δεν μπορεί να ρωτήσει τον χρήστη όλα τα απαραίτητα δεδομένα από την αρχή και για τον λόγο αυτό το πρόβλημα γίνεται πολύπλοκο. Το λογισμικό πρέπει να “εφευρίσκει” τον τρόπο να λύνει το πρόβλημα ,να ζητάει από τον χρήστη δεδομένα, σταδιακά, πλησιάζοντας στον στόχο όσο το δυνατόν γρηγορότερα. Το αποτέλεσμα δίνει την εντύπωση του διαλόγου με συντονιστή έναν ειδικό. Για να καθοδηγήσει ένα διάλογο, η μηχανή πρέπει να έχει διάφορα επίπεδα επιτήδευσης : "forward chaining", "backward chaining" and "mixed chaining". Η αλυσιδοποίηση προς τα εμπρός είναι η ερώτηση ενός ειδικού ο οποίος δεν έχει ιδέα για την λύση και την διερευνά σταδιακά (π.χ. λάθος διάγνωση). Στην αλυσιδοποίηση προς τα πίσω, η μηχανή έχει ως στόχο το αποτέλεσμα (π.χ. είναι εντάξει ή όχι; Η’ υπάρχει κίνδυνος αλλά ποιο είναι το επίπεδο;). Ξεκινάει στοχεύοντας να βρεθεί η λύση όσο το δυνατόν γρηγορότερα. Στην μεικτή αλυσιδοποίηση η μηχανή έχει την ιδέα της τελικής λύσης αλλά αυτό δεν σταματάει εκεί: αυτό συνάγει στην αλυσιδοποίηση προς τα εμπρός από όλες τις πιθανές απαντήσεις προηγούμενων χρηστών, πριν κάνει την επόμενη ερώτηση. Έτσι, αρκετά συχνά το πρόγραμμα δίνει την απάντηση της επόμενης ερώτησης πριν καν αυτή ερωτηθεί.


Μεγάλο ενδιαφέρον στη χρήση λογικής έχει το ότι αυτό το είδος λογισμικού είναι σε θέση να δίνει στο χρήστη ξεκάθαρη εξήγηση σχετικά με το τι κάνει (το “Γιατί;”)και το τι αποτέλεσμα έχει παραχθεί (το “Πώς;”).Ακόμα καλύτερα, χάρη στην λογική τα περισσότερα έμπειρα συστήματα είναι σε θέση να ανιχνεύουν αντιφάσεις [17] στις πληροφορίες των χρηστών ή στην παρεχόμενη γνώση, και μπορούν να τα επεξηγούν ξεκάθαρα, αποκαλύπτοντας την ίδια στιγμή την εξειδικευμένη γνώση και τον τρόπο σκέψης τους.


Πλεονεκτήματα

Τα έμπειρα συστήματα προσφέρουν πολλά πλεονεκτήματα στους χρήστες σε σύγκριση με τα παραδοσιακά προγράμματα, επειδή λειτουργούν σαν τον ανθρώπινο εγκέφαλο.

Διάλογος

Τα έμπειρα συστήματα επιτρέπουν στους χρηστες να συνδιαλέγονται με τους υπολογιστές όπως θα έκαναν και με κάποιον άλλο άνθρωπο.Για την εισαγωγή δεδομένων στον υπολογιστή , η παραδοσιακή μέθοδος της πληροφορικής χρησιμοποιεί μία ακριβής αλληλεπίδραση ανθρώπου - μηχανής: η οθόνη εισαγωγής δεδομένων,η οποία είναι ένα μη - διαδραστικό μέσο. Η εισαγωγή δεδομένων ωθεί τον χρήστη να προετοιμάσει ένα σετ δεδομένων χωρίς αυτό να είναι απαραίτητα κατανοητό γιατί να χρειάζεται. Συνήθως απαιτεί από τους χρήστες να καταβάλλουν μία εξάσκηση πρίν χρησιμοποιήσουν το λογισμικό αυτό. Ο χρήστης πάντα σκέφτεται μία ερώτηση τη φορά.

Γρήγορη διαθεσιμότητα και ευκαιρία να προγραμματιστεί

Καθώς η βάση γνώσης είναι σε καθημερινή γλώσσα (η μηχανή μένει άθικτη) τα έμπειρα συστήματα μπορούν να γραφτούν πολύ πιο γρήγορα από ότι ένα συμβατικό πρόγραμμα , από χρήστες ή ειδικούς, παρακάμπτοντας τους επαγγελματίες προγραμματιστές και χωρίς να χρειάζεται να επεξηγηθεί το αντικείμενο.

Δυνατότητα να λάβει ένα αξιοσημείωτο σύνολο γνώσης

Τα έμπειρα συστήματα χρησιμοποιούν μία βάση γνώσης, σε αντίθεση με τα συμβατικά προγράμματα , που σημαίνει ότι δεν χρειάζεται να έχει αρκετές γνώσεις κάποιος για να προγραμματίσει. Είτε η βάση γνώσης έχει 10 είτε 10 000 κανόνες , η λειτουργία της μηχανής είναι ίδια.

Αξιοπιστία

Η αξιοπιστία ενός έμπειρου συστήματος είναι ίδια με την αξιοπιστία μίας βάσης δεδομένων δηλαδή είναι καλύτερη και υψηλότερη από εκείνη ενός κλασσικού συστήματος.

Επεκτασιμότητα

Για να εξελιχθεί ένα έμπειρο σύστημα πρέπει, να προστεθούν, να τροποποιηθούν ή να διαγράφούν κάποιες βάσεις γνώσης .Εφόσον οι βάσεις γνώσης είναι γραμμένοι σε απλή γλώσσα, είναι εύκολο να εντοπίζει κανείς εκείνους που χρειάζεται να διαγραφούν ή να τροποποιηθούν.

Παιδαγωγία

Οι μηχανές που τρέχουν με απλή λογική είναι σε θέση να επεξηγούν στο χρήστη σε απλή γλώσσα, γιατί κάνουν μία ερώτηση και πώς καταλήγουν στο κάθε συμπέρασμα. Με τον τρόπο αυτό, εμφανίζουν τη γνώση ενός εμπειρογνώμονα που εμπεριέχεται στα έμπειρα συστήματα. Έτσι, οι χρήστες μπορούν να λαμβάνουν αυτή τη γνώση και να τη χρησιμοποιούν. Επιπλέον, μπορούν να καταλήγουν σε συμπεράσματά τους βήμα - βήμα. Έτσι οι χρήστες έχουν πληροφορία σχετικά με το πρόβλημά, πολύ νωρίτερα από την τελική απάντηση του έμπειρου συστήματος.

Διατήρηση και βελτίωση των γνώσεων

Πολύτιμες γνώσεις μπορούν να εξαφανιστούν με τον θάνατο, την παραίτηση ή την συνταξιοδότηση ενός εμπειρογνώμονα. Με το να καταχωρηθούν σε ένα έμπειρο σύστημα τις κάνει "αιώνιες". Για την ανάπτυξη ενός έμπειρου συστήματος χρειάζεται η συνέντευξη ενός εμπειρογνώμονα για να εισαχθούν στο σύστημα οι γνώσεις του. Με αυτόν τον τρόπο, το σύστημα ενισχύεται περεταίρω.

Νέοι τομείς που έχουν αγνοηθεί από την συμβατική πληροφορική

Αυτοματοποιώντας μία τεράστια γνώση, ο προγραμματιστής ενδέχεται να συναντήσει ένα κλασσικό πρόβλημα: την ”combinatorial explosion” ("συνδυαστική έκρηξη") η οποία περιπλέκει σε μεγάλο βαθμό την δουλεία του και τα αποτελέσματα, σε ένα πολύπλοκο και χρονοβόρο πρόγραμμα. Το συλλογιστικό έμπειρο σύστημα δεν αντιμετωπίζει αυτό το πρόβλημα αφού η μηχανή φορτώνει αυτόματα συνδυασμούς ανάμεσα στις βάσεις γνώσης. Αυτή η ικανότητα μπορεί να απευθύνεται σε τομείς όπου οι συνδυασμοί είναι τεράστιοι: πολύ διαδραστικές ή διαλογικές εφαρμογές, λανθασμένες διαγνώσεις, υποστήριξη αποφάσεων σε πολύπλοκα συστήματα, εκπαιδευτικό λογισμικό, λογική προσομοίωσης των μηχανών ή συστημάτων και συνεχώς εναλλασσόμενο λογισμικού.


Μειονεκτήματα

Το έμπειρο σύστημα έχει ένα σημαντικό ελάττωμα το οποίο εξηγεί τη χαμηλή του επιτυχία αν και υπάρχει εδώ και 70 χρόνια.Αυτό το ελάττωμα είναι: η συλλογή γνώσης και η εξήγηση της σε βάσεις, η μηχανική γνώσης. Οι περισσότεροι προγραμματιστές δεν έχουν κάποια μέδοθο για να παρουσιάσουν αυτό το έργο. Εργάζονται «χειροκίνητα» κάτι που τους δίνει μεγάλη πιθανότητα να κάνουν λάθος. Η γνώση ενός εμπειρογνώμονα δεν είναι αρκετά κατανοητή, υπάρχει έλλειψη βάσεων γνώσης, οι οποίες είναι αντιφατικές, μερικές από τις οποίες είναι φτωχά γραμμένες και άχρηστες. Χειρότερα, οι περισσότεροι συνήθως χρησιμοποιούν μία μηχανή που δεν μπορεί να κάνει συλλογισμό. Το αποτέλεσμα είναι: το έμπειρο σύστημα λειτουργεί άσχημα και το αντικείμενο εγκαταλείπεται. [18] Η σωστή μεθοδολογία ανάπτυξης μπορεί να μετριάσει αυτά τα προβλήματα. Υπάρχει λογισμικό που παίρνει συνέντευξη από τον ειδικό βήμα - βήμα , η οποία αυτόματα γράφει τις βάσεις γνώσης και ταυτοχρόνως τρέχει το έμπειρο σύστημα μπροστά στα μάτια του, εκτελώντας συνοχή των κανόνων ελέγχου.[19][20][21] Έτσι ειδικοί και χρήστες μπορούν να ελέγξουν την ποιότητα του λογισμικού πριν τελειώσει.

Πολλά έμπειρα συστήματα συχνά πλαισιώνονται από τη χρήση λογικής. Πολλές από τις λογικές λειτουργούν πάνω σε " μεταβλητές " γεγονότων, δηλαδή αυτών των οποίων η τιμή αλλάζει πολλές φορές κατά τη διάρκεια μιάς συλλογιστικής πράξης, η οποία θεωρείται σαν ιδιοκτησία που ανήκει σε μία πιο ισχυρή λογική. Ακριβώς όπως στην κλασσική πληροφορική, ένας τρόπος προγραμματισμού όπου οι προγραμματιστές είναι όντως άνετοι. Αυτή είναι η περίπτωση του Mycin, Dendral , fuzzy logic, predicate logic (Prolog), symbolic logic, mathematical logic κλπ. Η προτασιακή λογική δεν χρησιμοποιεί μόνο μεταβλητά γεγονότα [22].Αποδεικνύεται ότι στο ανθρώπινο μυαλό, τα γεγονότα που χρησιμοποιούνται πρέπει να παραμένουν σταθερά εφόσον το μυαλό σκέπτεται λογικά. Αυτό καθιστά εύκολη την ανίχνευση αντιφάσεων και την παραγωγή της εξήγησης, δύο τρόποι ελέγχου της συνάφειας της γνώσης [23][24]. Αυτός είναι ο λόγος για τον οποίο τα έμπειρα συστήματα χρησιμοποιώντας μεταβλητά γεγονότα, περισσότερο κατανοητά για τους προγραμματιστές του ΙΤ ,και τα περισσοτερα από αυτά ειναι δυσκολότερο να αναπτυχθούν, πιο δυσνόητα στους χρήστες, λιγότερο αξιόπιστα και για τον λόγο ότι δεν παράγουν εξηγήσεις ή ανίχνευση αντίφασης.


Πεδίο εφαρμογής

Τα έμπειρα συστήματα απευθύνονται σε τομείς όπου η συνδυαστική ανάλυση είναι τεράστια:

Μπορούν επίσης να χρησιμοποιηθούν στη μηχανική του λογισμικού για γρήγορη προτυποποίηση των εφαρμογών (RAD. Πράγματι, το έμπειρο σύστημα μπορει να προβλέψει γρήγορα πριν από τον εμπειρογνώμονα και να του δείξει εάν η μελλοντική εφαρμογή πρέπει να προγραμματιστεί.

Κάθε πρόγραμμα περιλαμβάνει ειδικές γνώσεις και ο κλασσικός προγραμματισμός ξεκινά πάντα με μία συνέντευξη στον εμπειρογνώμονα. Ένα πρόγραμμα γραμμένο στη μορφή ενός έμπειρου συστήματος λαμβάνει όλα τα ειδικά πλεονεκτήματα των έμπειρων συστημάτων, και μεταξύ άλλων, μπορεί να αναπτυχθεί από τον καθένα χωρίς εκπαίδευση στην πληροφορική και χωρίς γνώση των γλώσσών προγραμματισμού. Αλλά αυτή η λύση έχει ένα ελάττωμα: το ειδικό σύστημα τρέχει πιο αργά από ένα παραδοσιακό πρόγραμμα επειδή αυτό “σκέφτεται” , ενώ στην πραγματικότητα ένα κλασικό λογισμικό, απλά ακολουθεί μονοπάτια τα οποία έχουν ανιχνευτεί από τον προγραμματιστή.


Παραδείγματα εφαρμογών

Τα έμπειρα συστήματα είναι σχεδιασμένα για να διευκολύνουν τα καθήκοντα των πεδίων της λογιστικής, της ιατρικής, process control, financial service, Παραγωγή, ανθρώπινου δυναμικού , και πολλών άλλων. Τυπικά, ο τομέας του προβλήματος είναι αρκετά πολύπλοκος, έτσι ώστε οι περισσότεροι απλοί παραδοσιακοί αλγόριθμοι να μην μπορούν να παρέχουν την κατάλληλη λύση. Η υποδομή ενός επιτυχημένου έμπειρου συστήματος βασίζεται σε μία σειρά τεχνικών διαδικασιών και ανάπτυξης, οι οποίες μπορούν να σχεδιαστούν από τεχνικούς και σχετικούς εμπειρογνώμονες. Ως εκ τούτου, τα έμπειρα συστήματα τυπικά δεν παρέχουν οριστικές απαντήσεις , αλλά παρέχουν πιθανολογικές συστάσεις.

Ένα παράδειγμα εφαρμογής των έμπειρων συστημάτων στο οικονομικό πεδίο είναι είναι τα έμπειρα συστήματα για υποθήκες (expert systems for mortgages). Τα τμήματα δανείων ενδιαφέρονται για ειδικά συστήματα για υποθήκες(mortgages) εξαιτίας του αυξανόμενου κόστους εργασίας, το οποίο κάνει τον χειρισμό και την αποδοχή σχετικά μικρών δανείων λιγότερο κερδοφόρα. Επίσης, βλέπουν την δυνατότητα για τυποποιημένο και αποτελεσματικό χειρισμό των δανείων μέσω υποθήκης με την εφαρμογή έμπειρων συστημάτων, εκτιμώντας ότι για την αποδοχή των δανείων υπάρχουν δύσκολες και γρήγορες βάσεις γνώσης οι οποίες δεν συντρέχουν πάντα με άλλους τύπους δανείων. Άλλη μία συνηθισμένη εφαρμογή στον χρηματοοικονομικό τομέα για τα έμπειρα συστήματα, είναι οι συστάσεις που κάνουν για trading σε διάφορες χρηματαγορές. Αυτές οι αγορές, περιλαμβάνουν πολλές μεταβλητές και ανθρώπινα συναισθήματα τα οποία μπορεί να είναι αδύνατον να χαρακτηριστούν ντετερμινιστικά. Γι' αυτό και τα έμπειρα συστήματα βασίζονται σε εμπειρικούς κανόνες από ειδικούς και χρησιμοποιούν δεδομένα προσομοίωσης. Τα έμπειρα συστήματα αυτού του είδους, μπορούν να επεκτείνονται σε εκείνα που παρέχουν λιανικές συστάσεις ,όπως η Wishabi (αγορές μέσω διαδικτύου) και σε εκείνα τα οποία συνδράμουν στις νομισματικές αποφάσεις των χρηματοοικονομικών ιδρυμάτων και κυβερνήσεων.

Άλλες εφαρμογές των έμπειρων συστημάτων της δεκαετίας του 1970 και του 1980, τις οποίες σήμερα αποκαλούμε απλά τεχνητή νοημοσύνη, υπάρχουν στα ηλεκτρονικά παιχνίδια. Για παράδειγμα, τα ηλεκτρονικά παιχνίδια baseball ,Earl Weaver Baseball και Tony La Russa Baseball, όπου το καθένα έχει υψηλές λεπτομέρειες προσομοίωσης. Όταν ένας άνθρωπος παίζει το παιχνίδι με αντίπαλο τον υπολογιστή , ο υπολογιστής ρωτάει το Earl Weaver ή Tony La Russa έμπειρο σύστημα, για να αποφασίσει ποια στρατηγική θα ακολουθήσει. Ακόμη και αυτές οι επιλογές που μερικές είναι τυχαίες, είναι μέρος του φυσικού συστήματος (όπως το να προσποιείσαι σε ένα παίχτη baseball ότι θα του κλέψεις τη βάση) όπου αποφασίστηκαν βασιζόμενες στις παροχές πιθανοτήτων των Earl Weaver ή Tony La Russa. Σήμερα θα μπορούσαμε απλά να πούμε ότι “η τεχνητή νοημοσύνη του παιχνιδιού παρέχει στρατηγική που αντιτίθεται με αυτή του χρήστη του παιχνιδιού ”.


Μηχανική γνώσης

Κύριο λήμμα: Μηχανική Γνώσης

Το χτίσιμο, η διατήρηση και η ανάπτυξη των έμπειρων συστημάτων είναι γνωστή ως μηχανική των γνώσεων.[25]. Η μηχανική των γνώσεων είναι μία "ακολουθία που περιέχει ενοποιημένη γνώση στα υπολογιστικά συστήματα με σκοπό να λύσει πολύπλοκα προβλήματα τα οποία χρειάζονται μία υψηλού επιπέδου ανθρώπινη εμπειρογνωμοσύνη" [26]

Υπάρχουν γενικά τρία άτομα που έχουν αλληλεπίδραση στα έμπειρα συστήματα. Ο ένας από αυτούς είναι ο τελικός χρήστης, το άτομο το οποίο χρησιμοποιεί το σύστημα για να τον βοηθήσει να επιλύσει το πρόβλημά του. Στη διατήρηση και την κατασκευή του συστήματος υπάρχουν δύο άλλοι ρόλοι : ο εμπειρογνώμονας στον τομέα μοντελοποίησης του προβλήματος o οποίος δημιουργεί το σύστημα και τροφοδοτεί τη βάση γνώσης, και ένας μηχανικος γνώσης ο οποίος βοηθά τον εμπειρογνώμονα να προσδιορίσει την αναπαράσταση της γνώσης του, τοποθετώντας αυτή τη γνώση μέσα σε μία υπομονάδα επεξήγησης η οποία προσδιορίζει την τεχνική εξαγωγή συμπεράσματος που απαιτείται για τη λύση του προβλήματος. Συνήθως, ο μηχανικός γνώσης θα παρουσιάσει τη δραστηριότητα επίλυσης του προβλήματος σε μορφή κανόνων. Όταν αυτοί οι κανόνες έχουν δημιουργηθεί από τον τομέα τεχνογνωσίας, η βάση γνώσης αποθηκεύει τους κανόνες του έμπειρου συστήματος.


Ιστορία

Τα έμπειρα συστήματα εισήχθηκαν από ερευνητές στο προγραμματιστικό έργο του Stanford Heuristic, συμπεριλαμβανομένου του ‘’πατέρα’’ του έμπειρου συστήματος " Edward Feigenbaum με τοDendral και το Mycin σύστημα. Οι πρωταρχικοί συνεισφέροντες σε αυτήν την τεχνολογία ήταν οι Bruce Buchanan, Edward Shortliffe, Randall Davis, William vanMelle, Carli Scott και άλλοι στο Stanford. Τα έμπειρα συστήματα ήταν μεταξύ των πρώτων πραγματικά επιτυχημένων μορφών του λογισμικού της ΤΝ.[6][7][8][9][10][11]

Η έρευνα είναι επίσης πολύ ενεργή στη Γαλλία, όπου οι ερευνητές επικεντρώνονται στον αυτοματισμό των λογικών μηχανών. H Γαλλική συμβολική προγραμματιστική γλώσσα Prolog , σχεδιάστηκε το 1972, μαρκάρει μία πραγματική προαγωγή μέσω των έμπειρων συστημάτων όπως η Dendral ή το Mycin : είναι ένα κέλυφος[27], το οποίο ένα δομικό λογισμικό έτοιμο να λάβει οποιοδήποτε έμπειρο σύστημα και να το τρέξει. Ενοποιεί μία μηχανή χρησιμοποιώντας πρωτοβάθμια λογική, με κανόνες και γεγονότα. Είναι ένα εργαλείο για μαζική παραγωγή έμπειρων συστημάτων και ήταν η πρώτη επιχειρησιακή επεξηγηματική γλώσσα[28], η οποία αργότερα έγινε η μεγαλύτερη σε πωλήσεις λώσσα στον κόσμο.[29]. Παρόλο που η Prolog δεν είναι ιδιαίτερα φιλική για τον χρήστη και είναι μακρυά από την ανθρώπινη λογική.[30][31][32].


Τη δεκαετία του ’80, τα έμπειρα συστήματα αναπτύχθηκαν ραγδαία καθώς αναγνωρίστηκαν ως πρακτικά εργαλεία για επίλυση των πραγματικών προβλημάτων. Τα πανεπιστήμια προσφέρουν μαθήματα για τα έμπειρα συστήματα και τα 2/3 των Fortune 1000 πιο πλούσιων εταιρειών εφάρμοσαν την τεχνολογία σε καθημερινές επιχειρηματικές δραστηριότητες τους.[5][33] . Το ενδιαφέρον ήταν παγκόσμιο με την πέμπτη γενιά του ερευνητικού προγράμματος των υπολογιστικών συστημάτων στην Ιαπωνία και αυξήθηκε το ερευνητικό κεφάλαιο στην Ευρώπη. Η ανάπτυξη στο πεδίο συνεχίστηκε μέσα στη δεκαετία του 1990.

Η ανάπτυξη των έμπειρων συστημάτων βοηθήθηκε από την ανάπτυξη των συμβολικών διαδικαστικών γλωσσών Lisp και Prolog, Για να αποφευχθεί να ξαναγυρνάμε συνέχεια στην αρχή, τα κελύφη των έμπειρων συστημάτων δημιουργήθηκαν επειδή υπήρχαν περισσότερα εξειδικευμένα χαρακτηριστικά για να δημιουργηθούν μεγαλύτερα έμπειρα συστήματα [34] .


Το 1981 το πρώτο IBM PC εισήχθηκε, μαζί με MS-DOS λειτουργικά συστήματα. Η χαμηλή του τιμή άρχισε να πολλαπλασιάζει χρήστες και άνοιξε μία καινούργια αγορά για τους υπολογιστές και τα έμπειρα συστήματα. Τη δεκαετία του ’80 η εικόνα του ΤΝ ήταν πολύ καλή και οι άνθρωποι πίστευαν ότι θα πετύχαιναν σε μικρό διάστημα.


Πολλές εταιρίες ξεκίνησαν το εμπόριο των κελυφών των έμπειρων συστημάτων από τα πανεπιστήμια, που μετονομάστηκαν σε “γεννήτριες ” επειδή πρόσθεσαν στο κέλυφος ένα εργαλείο για το γράψιμο κανόνων σε απλή γλώσσα και έτσι, θεωρητικά, επιτρέπεται το γράψιμο έμπειρων συστημάτων χωρίς γλώσσα προγραμματισμού ούτε κάποιου άλλου λογισμικού.[16]Οι πιο γνωστοί : Guru (USA) επηρεασμένος από το Mycin [17][18], Προσωπικός Σύμβουλος Plus (USA)[19][20], Nexper Object (προγραμματισμένο από τον Neuron Data, εταιρία που ιδρύθηκε στην Καλιφόρνια από τρεις Γάλλους) [21][22],Genesia (προγραμματίστηκε από Γάλλους δημόσια εταιρία Electricité de France και βγήκε στην αγορά από την Steria)[23], VP Experts(USA)[24]. Αλλά τελικά τα εργαλεία χρησιμοποιήθηκαν μόνο σε ερευνητικά προγράμματα, Αυτοί δεν είχαν διεισδύσει στην αγορά των επιχειρήσεων, παρουσιάζοντας την ΤΝ τεχνολογία ως ανώριμη.


Το 1986, ένα νέο έμπειρο σύστημα, γεννήτρια για τους υπολογιστές εμφανίστηκε στο εμπόριο, προερχόμενο από την Γαλλική ακαδημία έρευνας: Υπηρεσία Πληροφοριών[35][36],και σε πώληση από την εταιρία λογισμικού GSI-TECSI. Αυτό το λογισμικό παρουσίασε μία ριζοσπαστική καινοτομία: χρησιμοποιούσε προτασιακή λογική ("Zeroth order logic") για να εκτελεί το έμπειρο σύστημα, σκεπτικό της βάσης γνώσεων γραμμένο με καθημερινής γλώσσας κανόνες, παράγοντας εξηγήσεις και εντοπίζοντας αντιφάσεις μεταξύ των γεγονότων. ‘Ήταν το πρώτο εργαλείο που παρουσίαζε την ΤΝ ορισμένη από τον Edward Feigenbaum στο βιβλίο του, Artificial Intelligence and Japan's Computer Challenge to the World (1983). “Τα μηχανήματα έχουν δυνατό συλλογισμό: αυτά αυτόματα μηχανοποιούν μεγάλες ποσότητες γνώσεων για να εξυπηρετήσουν οποιαδήποτε πρόταση των ανθρώπων, από ιατρικές διαγνώσεις ως την παραγωγή προϊόντων, από διοικητικές αποφάσεις ως την εκπαίδευση”, ”Ο συλλογισμός του ζώου έχει, ίσως αναπόφευκτα, διαμορφωθεί σε συλλογισμό μηχανής”, ”η δύναμη του συλλογισμού αυτών των μηχανημάτων φτάνει ή υπερβαίνει τη δύναμη του ανθρώπινου συλλογισμού ο οποίος δίνει εντολή σε αυτούς, σε μερικές περιπτώσεις , η δύναμη του συλλογισμού κάθε ανθρώπου εκτελείται σαν καθήκον”. Στην πραγματικότητα η “Pandora” ήταν Υπηρεσία Πληροφοριών.(1985)[37], το λογισμικό προγραμματίστηκε από την διατριβή των δύο ακαδημαϊκών φοιτητών του Jean-Louis Laurière [38], ένα από τα πιο γνωστά και παραγωγικά Γαλλικό ΤΝ ερευνητή Δυστυχώς , αφού αυτό το λογισμικό δεν προγραμματίστηκε από τους ίδιους τους προγραμματιστές του ΙΤ , το GSI-TECSI δεν ήταν [39]. σε θέση να το κάνει να αναπτυχθεί. Οι πωλήσεις λιγόστεψαν και το εμπόριο μετά από μερικά χρόνια σταμάτησε.


Πηγές

  1. ↑ Jackson, Peter (1998), Introduction To Expert Systems (3 έκδοση), Addison Wesley, σελ. 2, ISBN 978-0-201-87686-4 
  2. ↑ Nwigbo Stella and Agbo Okechuku Chuks, School of Science Education, Expert system: a catalyst in educational development in Nigeria: "The ability of this system to explain the reasoning process through back-traces (...) provides an additional feature that conventional programming does not handle"
  3. ↑ Regina Barzilay, Daryl McCullough, Owen Rambow, Jonathan DeCristofaro, Tanya Korelsky, Benoit Lavoie: "A new approach to expert system explanations"
  4. ↑ Conventional programming
  5. ↑ 5,0 5,1 Cornelius T. Leondes (2002). Expert systems: the technology of knowledge management and decision making for the 21st century. σελίδες 1–22. ISBN 978-0-12-443880-4. 
  6. ↑ 6,0 6,1 ACM 1998, I.2.1
  7. ↑ 7,0 7,1 Russell & Norvig 2003, σελίδες 22−24
  8. ↑ 8,0 8,1 Luger & Stubblefield 2004, σελίδες 227–331
  9. ↑ 9,0 9,1 Nilsson 1998, chpt. 17.4
  10. ↑ 10,0 10,1 McCorduck 2004, σελίδες 327–335, 434–435
  11. ↑ 11,0 11,1 Crevier 1993, σελίδες 145–62, 197−203
  12. ↑ Nwigbo Stella and Agbo Okechuku Chuks, School of Science Education, Expert system: a catalyst in educational development in Nigeria: "Knowledge-based systems collect the small fragments of human know-how into a knowledge-base which is used to reason through a problem, using the knowledge that is appropriated"
  13. ↑ doi:10.1109/60.4202
  14. ↑ doi:10.1145/505282.505285
  15. ↑ doi:10.1109/64.153464
  16. ↑ Mycin rule
  17. ↑ Nabil Arman, Polytechnic University of Palestine, January 2007, Fault Detection in Dynamic Rule Bases Using Spanning Trees and Disjoin Sets: ""
  18. ↑ Kenneth Laudon, Jane Laudon, Eric Fimbel, "Management Information Systems: Managing the Digital Firm", Business & Economics, 2010 edition, chapter 11-3.5: The implementation of a large number of expert systems requires the deployment of considerable development efforts, lengthy and expensive. Hiring and training a larger number of experts may be less expensive than building an expert system .(...) Some expert systems, particularly the largest, are so complex that over years, the costs of curative and adaptive maintenance become as high as the cost of development.
  19. ↑ Systèmes Experts, April 15, 1990, Miao, authentic expert system generator of fault diagnosis: "MIAO can explain, again in [plain] language, all of his logical approach: why he is asking such a question and how it came to such a conclusion. And that because he is constantly reasoning and not because an IT developer programmed in advance all the possible explanations."
  20. ↑ Olivier Rafal, Le Monde Informatique, Programming for all (T.Rex generator): "This software allows to develop a conversational application (...) leading to a self-learning" (i.e. thanks to the automatic explanations)
  21. ↑ French Technology Survey, MAIEUTICA, An Expert System Generator which writes its own rules, July 1991: "checking the coherence of the knowledge", "it can detect contradictions", "it react appropriately to changes of minds"
  22. ↑ RGU: School of Computing, More Complex Inference: "propositional logic, where variables are not allowed".
  23. ↑ Ong K. and Lee R.M, Texas University-Austin, A logic model for maintaining consistency of bureaucratic policies, 1993: "Inconsistencies can be detected if any of the integrity constraints is proven false, and an explanation can be provided based on the proof tree. A more general inference mechanism is presented based on the theory of abduction for checking potential inconsistency of policies"
  24. ↑ Carl G. Hempel and Paul Oppenheim, Philosophy of Science, Studies in the Logic of Explanation, 1948: "The sentences constituting the explanans must be true"
  25. ↑ Kendal, S.L.; Creen, M. (2007), An introduction to knowledge engineering, London: Springer, ISBN 978-1-84628-475-5, OCLC 70987401 
  26. ↑ Feigenbaum, Edward A.; McCorduck, Pamela (1983), The fifth generation (1st έκδοση), Reading, MA: Addison-Wesley, ISBN 978-0-201-11519-2, OCLC 9324691 
  27. ↑ George F. Luger and William A. Stubblefield, Benjamin/Cummings Publishers, Rule Based Expert System Shell: example of code using the Prolog rule based expert system shell
  28. ↑ A. MICHIELS, Université de Liège, Belgique: "PROLOG, the first declarative language
  29. ↑ Carnegie Mellon University's AI Web Site: "Prolog was the most popular AI language in Japan and probably in Europe"
  30. ↑ Ivana Berković, Biljana Radulović and Petar Hotomski, University of Novi Sad, 2007, Extensions of Deductive Concept in Logic Programing and Some Applications: "the defects of PROLOG-system: the expansion concerning Horn clauses, escaping negation treatment as definite failure"
  31. ↑ "Software developed in Prolog has been criticized for having a high performance penalty compared to conventional programming languages"
  32. ↑ Dr. Nikolai Bezroukov, Softpanorama: "I think that most people exposed to Prolog remember strongly the initial disappointment. Language was/is so hyped but all you can see initially are pretty trivial examples that are solved by complex, obscure notation that lacks real expressive power: some of simple examples can be expressed no less concisely is many other languages"
  33. ↑ Durkin, J. Expert Systems: Catalog of Applications. Intelligent Computer Systems, Inc., Akron, OH, 1993.
  34. ↑ page 21. Giarratano & Riley, 3rd ed.
  35. ↑ Flamant B. and Girard G., GSI-TECSI, Intelligence Service: build your own expert system : "Intelligence Service is a development environment for expert systems that requires no experience of classic programming that offers to everyone the opportunity to develop its own expert system"
  36. ↑ Bertrand Savatier, Le Monde Informatique, November 23, 1987: "Expert systems accessible to all"
  37. ↑ Jean-Philippe de Lespinay, Science et Vie, "From total zero to Zero Plus [logic]", May 1991
  38. ↑ Death of Jean-Louis Laurière
  39. ↑ Journey "In honor of Jean-Louis Laurière", Université Pierre et Marie Curie in Paris (March 22, 2006)


Βιβλιογραφία

Εγχειρίδιο

Ιστορία της ΤΝ

Άλλα

Εξωτερικοί Σύνδεσμοι

Ανακτήθηκε από "https://el.wikipedia.org/w/index.php?title=Έμπειρα_συστήματα&oldid=3003604"