Vad är expertsystem?
Teknik har alltid handlat om att bygga bättre, snabbare och smartare maskiner. Expertssystem omfamnar detta koncept genom att använda avancerad datorlogik för att skapa programvara som verkar "tänka" och fatta beslut på egen hand. Traditionellt byggd på booleska logik - logik med bara sanna eller falska värden - använder expertsystem komplexa algoritmer för att beräkna svar från en stor databas med information. Om datorn inte kan bestämma rätt svar antas det inte att programmet är fel utan att kunskapsbasen inte innehåller tillräckligt med information om ämnet.
När en dator måste fatta ett beslut bryts det hela till en serie sanna eller falska uttalanden. Om det är programmerat för att tända när en knapp trycks in, och trycker på knappen, ställer du in den till True och inte trycker på knappen ställer in den på falskt. Falskt betyder inget ljus medan True tänder ljuset. Detta är grunden för datorlogik.
Ett expertsystem tar dessa sanna och falska svar på en ny nivå. AvGenom att kombinera en serie sanna och falska svar försöker datorn att avgöra hur man ska reagera på en viss situation. Det kan ändra sitt svar baserat på det specifika mönstret och antalet sanna och falska svar.
Idén bakom dessa system är baserad på hur människor tänker. Människor kan lagra stora mängder ny kunskap och fatta beslut baserat på tidigare kunskap. Datorn är programmerad att "tänka" och fatta beslut baserat på den kunskap som finns i dess databas och på dess tidigare erfarenheter. På ett sätt är det som om datorn "lär sig" från sina tidigare framgångar och misslyckanden.
Två huvudformer av expertsystem finns. Det traditionella expertsystemet använder booleska logik för att fatta sina beslut. Ett fuzzy logic -expertsystem gör å andra sidan inte. Det beräknar en rad värden som faller mellan enkla sanna eller falska svar för att avgöra i vilken grad ett uttalande är mer santeller mer falskt.
fuzzy expersystem är mer mänskliga än traditionella expertsystem på det sätt som de "tänker." Dessa expertsystem berättas inte specifika svar på ett problem, utan snarare med ett uttalande från vilka de drar ytterligare slutsatser. Denna process är känd som slutsats.
Till exempel, om ett uttalande läser "Alla kvinnliga katter är randiga. Fröken Kitty är en kvinnlig katt," skulle fuzzy expertsystem dra slutsatsen att eftersom alla kvinnliga katter är randiga och fröken Kitty är en kvinnlig katt, måste fröken Kitty vara randig. Fuzzy logik kan också beräkna mer komplicerade värden, såsom att bestämma sannolikheten för att en specifik kvinnlig katt är randig om bara en procentandel av kvinnliga katter har ränder. Traditionella expertsystem skulle behöva mycket mer instruktion för att nå samma slutsatser.