Jakie są powłoki systemu eksperckiego?
W systemach eksperckich powłokami systemu eksperckiego jest oprogramowanie zawierające interfejs, silnik wnioskowania i sformatowany szkielet bazy wiedzy. Zasadniczo powłoka systemu eksperckiego jest pustą misą, która ma być wypełniona elementami wiedzy eksperckiej, które silnik wnioskowania może przetworzyć dla użytkowników. Systemy eksperckie to aplikacje komputerowe, które zapewniają pomoc w rozwiązywaniu problemów w przypadku konkretnych problemów, do których użytkownik może potrzebować dostępu w celu rozwiązania, na przykład trudności w działaniu oprogramowania narzędziowego. Inżynier wiedzy użyłby tej powłoki do opracowania bazy wiedzy i dostosowania jej do potrzeb konkretnej bazy użytkowników. Dostosowano by wprowadzanie danych użytkownika i interpretowanie tych informacji w repozytorium danych oraz, dla porównania, wyszukiwanie pasujących informacji, które mogłyby pomóc użytkownikowi w rozwiązaniu problemu.
Wraz z informacjami kontrolnymi, które są przechowywane w bazie wiedzy, znajdują się definicje reguł i atrybutów, które regulują udostępnianie informacji użytkownikom. Baza wiedzy składa się z ekspertyz, które naśladują proces analizy ludzkiego eksperta w dążeniu do uzyskania wystarczającej wiedzy, aby osiągnąć rozwiązanie. Powłoki systemu eksperckiego muszą zapewniać zdolności do wspierania pracy inżyniera wiedzy w tworzeniu bazy wiedzy, która może działać jako system ekspercki w czasie rzeczywistym. W takim systemie eksperckim baza może podlegać ciągłej zmianie danych poprzez usuwanie lub dodawanie danych, ponieważ systemy przemysłowe, sieci, sprzęt i oprogramowanie zmieniają się w czasie. Ta ciągła zmiana danych wejściowych z innych systemów zarządzania nie może osłabić zdolności bazy do rozumowania na tym samym poziomie eksperckim, niezależnie od zmian.
Powłoki systemów eksperckich dostarczają gołe kości do naśladowania rozumowania eksperckiego człowieka metodami znanymi jako łańcuchowanie do przodu i łańcuchowanie do tyłu. Łączenie w przód w tych powłokach umożliwia pobieranie danych od użytkownika i stosowanie reguł mechanizmu wnioskowania w celu zlokalizowania większej ilości danych w stosunku do tych informacji, dopóki nie będzie wystarczającej ilości informacji do sformułowania wniosku. Ponieważ początkowe dane są tym, co napędza wyszukiwanie, ta metoda nazywa się metodą opartą na danych. Aplikacja, która ilustruje tę metodę łączenia w przód, może zbadać możliwości ułożenia komponentów w komputerze, aby osiągnąć najlepsze rozmieszczenie komponentów.
Łańcuch wsteczny gromadzi dane tylko wtedy, gdy są potrzebne, gdy baza wiedzy jest przeszukiwana podczas konsultacji. Ma na celu znalezienie wartości dla C i przyczyn wstecz, aby odkryć wartość A i B, które kończą wartość celu C. Ta metoda rozumowania z obecnych danych na wcześniejsze dane, która była podstawą obecnych danych, nazywa się celem metoda napędzana. Aplikacja ilustrująca reguły wnioskowania dotyczące systemu ekspertowego może obejmować lekarza wprowadzającego bieżący zestaw objawów w celu uzyskania informacji o tych samych lub podobnych objawach w informacji o tle z określonego systemu eksperckiego diagnozy medycznej.
Wnioskowaną wiedzę uzyskuje się poprzez badanie istniejących faktów w celu uzyskania prawdopodobnych nowych informacji. Jest to proces wnioskowania, który zamieszkuje silnik wnioskowania w powłokach systemu eksperckiego. Ten proces inicjuje tworzenie łańcuchów do przodu lub do tyłu w systemach eksperckich opartych na regułach. Reguły wnioskowania, które budują mechanizmy wnioskowania w powłokach systemu eksperckiego, składają się z warunkowych klauzul „if” i klauzul „then” w stwierdzeniach rządzących, które ułatwiają prowadzenie kroków. Kroki te mogą dotyczyć między innymi usług finansowych, zasobów ludzkich i obsługi kredytów hipotecznych, aby spróbować odkryć praktyczne zasady jako prawdopodobne rekomendacje, gdy ostateczna odpowiedź nie jest możliwa.