Hva er regelbaserte ekspertsystemer?

Regelbaserte ekspertsystemer løser problemer ved å bruke et sett med programmerte regler for tilgjengelig informasjon. Disse har generelt form av betingede setninger datamaskinen kan bruke for å logisk sjekke data for å komme til en konklusjon. Programmering av slike systemer krever et høyt ferdighetsnivå og inkorporering av et stort kunnskapsgrunnlag. Konklusjoner oppnådd av systemet er ikke alltid nøyaktige, selv om det kan gi informasjon om deres statistiske sannsynlighet for referanse til teknikere og operatører.

I databehandling er ekspertsystemer designet for å fungere som menneskelige eksperter for å anvende logikk på problemer. I stedet for å følge stive programmeringsregler, er de mer fleksible i naturen, og kan etterligne noen veier for menneskelig erkjennelse. Systemet kan brukes til aktiviteter som å gjennomgå medisinske avbildningsstudier, analysere feil i et datanettverk eller identifisere mikroorganismer. For å fungere nøyaktig trenger det en logisk underbygging, og regler er et vanlig valg.

ProgrammetR bruker kunnskapsgrunnlaget for å lage et sett med regler i form av IF-da-uttalelser. Ettersom regelbaserte ekspertsystemer møter problemer, kan de bruke disse reglene for å begrense årsakene og utvikle løsninger. For eksempel kan et system overvåke et elektrisk rutenett, i hvilket tilfelle det vil ha en rekke regler for å bestemme årsaken til en feil, slik at det kan anbefale en handling. Disse regelbaserte ekspertsystemene bruker logikk som kan være kjent for menneskelige eksperter som bruker lignende Treed-beslutningstaking i evalueringen av problemer.

Denne formen for kunstig intelligens er imidlertid ikke perfekt. Regelbaserte ekspertsystemer vet ikke hvordan de skal håndtere situasjoner som faller utenfor kunnskapsbasen og erfaringene. De kan samle informasjon over tid, men den første forekomsten av en unormal hendelse kan være forvirrende for systemet. Det kan gi en falsk konklusjon, som krever at operatøren gir INSTruction slik at det ikke gjør den samme feilen igjen. Noen ganger ville et menneske ha vært i stand til å unngå den samme feilen, og illustrerer manglene i kunstig erkjennelse.

Logiske grensesnitt i regelbaserte ekspertsystemer hjelper dem med å komme med svar, men de trenger også en kommunikasjonsmetode. Data må føres inn i systemet for analyse, og det må ha en måte å samhandle med operatører for å gi et svar. Dette kan kreve ytterligere programmering for å hjelpe systemet med å presentere informasjon på vanlig, forståelig språk. Hvis den returnerer gibberish eller uklare data, er det ikke nyttig for operatøren; Noe språkbehandling og kunstig talekapasitet kan da være nødvendig i programmering og utvikling av regelbaserte ekspertsystemer.