Co jsou Expert System Shells?
V expertních systémech jsou expertními systémovými skořápkami software obsahující rozhraní, inferenční engine a formátovanou kostru znalostní základny. V zásadě je shell expertního systému prázdnou miskou, která se vyplní prvky expertních znalostí, které může inferenční motor zpracovat pro uživatele. Expertní systémy jsou počítačové aplikace, které poskytují pomoc při řešení konkrétních problémů, ke kterým může uživatel potřebovat přístup, aby vyřešil například potíže s obslužným softwarem. Znalostní technik by použil tento shell k vývoji znalostní základny a přizpůsobil ji tak, aby vyhovovala potřebám jeho konkrétní klientské základny uživatelů. Bylo by přizpůsobeno, aby uživatel vložil a interpretoval tyto informace do úložiště dat a porovnáním by nalezl odpovídající informace, které by mohly uživatele pomoci vést k řešení.
Spolu s řídícími informacemi, které jsou uloženy do znalostní báze, jsou definice pravidel a atributů, kterými se řídí zveřejňování informací uživatelům. Znalostní základna je sestavena z odborných posudků, které napodobují proces analýzy lidského experta ve snaze o dostatek znalostí k dosažení řešení. Systémové skořápky expertů musí poskytovat schopnosti pro posílení práce znalostního inženýra při vývoji znalostní základny, která může fungovat jako expertní systém v reálném čase. V takovém expertním systému může být základna v neustálé změně dat odstraněním nebo přidáním dat, protože průmyslové systémy, sítě, hardware a softwarové systémy se v průběhu času mění. Tato neustálá změna vstupu dat z jiných systémů řízení nesmí omezovat schopnost základny uvažovat na stejné expertní úrovni, bez ohledu na změny.
Skořápky expertních systémů poskytují holé kosti pro napodobování lidských expertních argumentů v metodách pravidel známých jako dopředné a zpětné řetězení. Dopředné řetězení v těchto skořepinách umožňuje odebírat data od uživatele a pomocí pravidel odvozeného motoru najít více dat vzhledem k těmto informacím, dokud není dostatek informací pro vytvoření závěru. Protože počáteční přijatá data jsou to, co řídí vyhledávání, tato metoda se nazývá metoda řízená daty. Aplikace, která ilustruje tuto metodu dopředného řetězení, by mohla prozkoumat možnosti uspořádání součástí v počítači a dosáhnout tak nejlepšího umístění součástí.
Zpětné řetězení shromažďuje data pouze v případě potřeby, když je znalostní báze dotazována na konzultaci. Jeho cílem je najít hodnotu pro C a důvody zpět, aby se zjistila hodnota A a B, které uzavírají cílovou hodnotu C. Tato metoda odůvodnění od současných dat k předchozím datům, která byla oporou současných dat, se nazývá cíl- řízená metoda. Aplikace ilustrující pravidla odvozování expertních systémů může zahrnovat lékař, který vkládá aktuální sadu symptomů pro základní informace o stejných nebo podobných symptomech do základních informací z konkrétního expertního systému lékařské diagnostiky.
Odvozené znalosti se získají zkoumáním existujících skutečností, aby se získaly pravděpodobně nové informace. Toto je proces uvažování, který obývá inferenční motor ve skořápce expertního systému. Tento proces je to, co iniciuje dopředu nebo dozadu řetězení v expertních systémech založených na pravidlech. Inferenční pravidla, která vytvářejí inferenční motory ve skořápce expertních systémů, se skládají z podmíněných klauzulí „if“ a „then“ v rozhodujících prohlášeních, která usnadňují vedení kroků. Tyto kroky by mohly být, mimo jiné, v oblasti finančních služeb, lidských zdrojů a řešení hypotečních úvěrů, aby se pokusila objevit pravidla palce jako pravděpodobná doporučení, pokud definitivní odpověď není možná.