Cosa sono le shell di sistema Expert?

Nei sistemi esperti, le shell di sistema esperti sono il software che contiene un'interfaccia, un motore di inferenza e lo scheletro formattato di una base di conoscenza. In sostanza, una shell di sistema esperto è una ciotola vuota da riempire con gli elementi di conoscenza degli esperti che il motore dell'inferenza può elaborare per gli utenti. I sistemi esperti sono applicazioni informatiche che forniscono assistenza per la risoluzione di problemi specifici a cui un utente potrebbe dover accedere per risolvere, ad esempio, una difficoltà del software di utilità durante il funzionamento. Un tecnico della conoscenza userebbe questa shell per sviluppare la knowledge base e personalizzarla per soddisfare le esigenze della sua particolare base di utenti. Sarebbe personalizzato per accettare l'input di un utente e interpretare tali informazioni nel repository di dati e, al confronto, individuare le informazioni di corrispondenza che potrebbero aiutare l'utente a trovare una soluzione.

Insieme alle informazioni di controllo che vengono depositate in una knowledge base, ci sono regole e definizioni di attributi che regolano il rilascio di informazioni agli utenti. La base di conoscenza è costituita da dichiarazioni di competenza che imitano il processo di analisi di un esperto umano alla ricerca di conoscenze sufficienti per ottenere una soluzione. Le shell di sistemi esperti devono fornire capacità per rafforzare il lavoro dell'ingegnere della conoscenza nello sviluppo di una base di conoscenza che può operare come un sistema esperto in tempo reale. In un tale sistema esperto, la base può essere in costante cambiamento di dati mediante eliminazioni o aggiunte di dati perché i sistemi industriali, le reti, i sistemi hardware e software cambiano nel tempo. Questo costante cambiamento di input di dati da altri sistemi di gestione non deve vacillare la capacità della base di ragionare allo stesso livello di esperti, indipendentemente dai cambiamenti.

I gusci di sistemi esperti forniscono le ossa nude per l'imitazione del ragionamento di esperti umani nei metodi delle regole noti come concatenamento in avanti e concatenamento all'indietro. Il concatenamento in avanti in queste shell consente di prelevare dati da un utente e utilizzare le regole del motore di inferenza per individuare più dati relativi a tali informazioni fino a quando non ci sono abbastanza informazioni per formare una conclusione. Poiché i dati iniziali ricevuti sono ciò che guida la ricerca, questo metodo è chiamato metodo guidato dai dati. Un'applicazione che illustra questo metodo di concatenamento in avanti potrebbe esplorare le possibilità di disposizione dei componenti all'interno di un computer per arrivare al miglior posizionamento dei componenti.

Il concatenamento all'indietro raccoglie i dati solo quando ne hanno bisogno quando si richiede una base di conoscenza durante una consultazione. Ha l'obiettivo di trovare un valore per C e ragioni all'indietro per scoprire il valore di A e B che concludono il valore obiettivo di C. Questo metodo di ragionamento da dati attuali a dati precedenti che era alla base di dati attuali è chiamato obiettivo- metodo guidato. Un'applicazione che illustra le regole di inferenza delle shell di sistemi esperti potrebbe includere un medico che inserisce una serie attuale di sintomi per informazioni di base sugli stessi sintomi o simili nelle informazioni di base da un particolare sistema di diagnosi medica.

Le conoscenze dedotte vengono acquisite dall'esame di fatti esistenti per giungere a probabili nuove informazioni. Questo è il processo di ragionamento che abita il motore di inferenza in shell di sistemi esperti. Questo processo è ciò che avvia il concatenamento in avanti o indietro nei sistemi esperti basati su regole. Le regole di inferenza che costruiscono i motori di inferenza in shell di sistemi esperti sono costituite da clausole "if" condizionali e clausole "then" nelle dichiarazioni di governo che facilitano la guida dei passaggi. Questi passaggi potrebbero riguardare, tra gli altri, i settori dei servizi finanziari, delle risorse umane e della gestione dei prestiti ipotecari per cercare di scoprire le regole empiriche come probabili raccomandazioni quando non è possibile una risposta definitiva.