Vad är expertsystemskal?

I expertsystem är expertsystemskal programvaran som innehåller ett gränssnitt, en inferensmotor och det formaterade skelettet i en kunskapsbas. I huvudsak är ett expertsystemskal en tom skål som ska fyllas med expertkunskapselement som inferensmotorn kan behandla för användare. Expertsystem är datorapplikationer som tillhandahåller problemlösningshjälp för specifika problem som en användare kan behöva komma åt för att lösa, till exempel, en svårighetsgrad i verktygsprogram. En kunskapsingenjör skulle använda detta skal för att utveckla kunskapsbasen och anpassa den för att tillgodose behoven hos den specifika kundbasen för användare. Det skulle anpassas att ta en användares inmatning och tolka den informationen till datalagret och, i jämförelse, hitta matchande information som kan hjälpa användaren till en lösning.

Tillsammans med kontrollinformationen som deponeras i en kunskapsbas finns regler och attributdefinitioner som styr utgivningen av information till användare. Kunskapsbasen är konstruerad av kompetensuttalanden som efterliknar analysprocessen för en mänsklig expert i strävan efter tillräckligt med kunskap för att uppnå en lösning. Expert system skal måste tillhandahålla funktioner för att stärka kunskapsingenjörens jobb i utvecklingen av en kunskapsbas som kan fungera som ett realtids expertsystem. I ett sådant expertsystem kan basen vara i ständig dataändring genom radering eller tillägg av data eftersom industrisystem, nätverk, hårdvara och programvarusystem förändras över tid. Denna ständiga förändring av datainmatning från andra hanteringssystem får inte vackla basens förmåga att resonera på samma expertnivå, oavsett förändringar.

Skal med expertsystem innehåller bara ben för att imitera mänskligt expert resonemang i regelmetoder kända som framåtkedjning och bakåtkedja. Framåtkedjning i dessa skal möjliggör att ta data från en användare och använda inferensmotorregler för att lokalisera mer data i förhållande till den informationen tills det finns tillräckligt med information för att göra en slutsats. Eftersom den initiala mottagna datan är det som driver den sökande kallas den här metoden en datadriven metod. En applikation som illustrerar denna framåtkedjade metod kan undersöka möjligheterna att anordna komponenter inom en dator för att nå komponenternas bästa placering.

Bakåtkedjning samlar in bara data som de behöver det när en kunskapsbas fråges på ett samråd. Det har som mål att hitta ett värde för C och skäl bakåt för att upptäcka värdet på A och B som avslutar målvärdet för C. Denna metod för resonemang från nuvarande data till tidigare data som var grunden för nuvarande data kallas mål- driven metod. En applikation som illustrerar expertsystem beskriver slutsregler kan inkludera en läkare som matar in en aktuell uppsättning symtom för bakgrundsinformation om samma eller liknande symtom i bakgrundsinformation från ett speciellt system för experter för medicinsk diagnos.

Avsedd kunskap erhålls genom granskning av befintliga fakta för att komma fram till ny information. Detta är resonemangsprocessen som bebor inferensmotorn i expertsystem-skal. Denna process är det som initierar framåt eller bakåtkedjan i regelbaserade expertsystem. Inferensregler som bygger inferensmotorerna i expertsystemskal består av villkorade "if" -klausuler och "då" -klausuler i avgörande uttalanden som underlättar vägledning för steg. Dessa steg kan vara inom områdena finansiella tjänster, mänskliga resurser och hantering av hypotekslån, bland annat för att försöka upptäcka tumreglerna som troliga rekommendationer när ett definitivt svar inte är möjligt.