Expert systems (ES) sono uno dei domini di ricerca di primo piano di AI. È introdotto dai ricercatori della Stanford University, Dipartimento di Informatica.

Cosa sono i sistemi esperti?

I sistemi expert sono le applicazioni informatiche sviluppate per risolvere problemi complessi in un particolare dominio, a livello di intelligenza e competenza umana extra-ordinaria.

Caratteristiche di Sistemi Esperti

• ad Alte prestazioni
• Comprensibile
• Affidabile
• Altamente reattivo

le Funzionalità di Sistemi Esperti

I sistemi esperti sono in grado di

• Consulenza
• Istruire e assistere umana nel processo decisionale
• Dimostrando
• la Derivazione di una soluzione
• Diagnosi
• Spiegando
• l’Interpretazione di input
• la Previsione dei risultati
• Giustificare la conclusione
• Suggerendo soluzioni alternative ad un problema

non sono in grado di −

• Sostituendo umana decisori
• in Possesso di capacità umane
• la Produzione di uscita precisa per insufficiente conoscenza di base
• affinando le proprie conoscenze

Componenti di Sistemi Esperti

I componenti di ES comprendono: −

• Conoscenza di Base
• Motore di Inferenza
• Interfaccia Utente

vediamo uno per uno brevemente −

Conoscenza di Base

contiene dominio-specifici e di alta qualità di conoscenza.

La conoscenza è necessaria per esibire intelligenza. Il successo di qualsiasi ES dipende principalmente dalla raccolta di conoscenze altamente accurate e precise.

Che cos’è la conoscenza?

I dati sono la raccolta di fatti. Le informazioni sono organizzate come dati e fatti sul dominio dell’attività. I dati, le informazioni e l’esperienza passata combinati insieme sono definiti come conoscenza.

Componenti della Knowledge Base

La knowledge base di un ES è un archivio di conoscenze sia fattuali che euristiche.

• Conoscenza fattuale-È l’informazione ampiamente accettata dagli ingegneri della conoscenza e dagli studiosi nel dominio delle attività.

• Conoscenza euristica-Si tratta di pratica, giudizio accurato, la propria capacità di valutazione, e indovinare.

Rappresentazione della conoscenza

È il metodo utilizzato per organizzare e formalizzare la conoscenza nella knowledge base. È sotto forma di regole IF-THEN-ELSE.

Acquisizione della conoscenza

Il successo di qualsiasi sistema esperto dipende principalmente dalla qualità, dalla completezza e dall’accuratezza delle informazioni memorizzate nella knowledge base.

La knowledge base è formata da letture di vari esperti, studiosi e ingegneri della conoscenza. L’ingegnere della conoscenza è una persona con le qualità di empatia, apprendimento rapido e capacità di analisi dei casi.

Acquisisce informazioni dall’esperto del soggetto registrandolo,intervistandolo e osservandolo al lavoro, ecc. Quindi categorizza e organizza le informazioni in modo significativo, sotto forma di regole IF-THEN-ELSE, per essere utilizzate da interference machine. L’ingegnere della conoscenza monitora anche lo sviluppo dell’ES.

Inference Engine

L’uso di procedure e regole efficienti da parte del Motore di Inferenza è essenziale per dedurre una soluzione corretta e impeccabile.

In caso di ES basati sulla conoscenza, il Motore di Inferenza acquisisce e manipola la conoscenza dalla knowledge base per arrivare a una particolare soluzione.

In caso di ES basate su regole, it −

• Applica ripetutamente le regole ai fatti, che sono ottenuti dall’applicazione precedente delle regole.

• Aggiunge nuove conoscenze nella knowledge base, se necessario.

• Risolve il conflitto di regole quando più regole sono applicabili a un caso particolare.

Per raccomandare una soluzione, il Motore di Inferenza utilizza le seguenti strategie:

• Forward Chaining
• Backward Chaining

Forward Chaining

È una strategia di un sistema esperto per rispondere alla domanda: “Cosa può accadere dopo?”

Qui, il Motore di Inferenza segue la catena di condizioni e derivazioni e infine deduce il risultato. Considera tutti i fatti e le regole e li ordina prima di concludere una soluzione.

Questa strategia viene seguita per lavorare su conclusione, risultato o effetto. Ad esempio, la previsione dello stato del mercato azionario come effetto delle variazioni dei tassi di interesse.

Backward Chaining

Con questa strategia, un sistema esperto trova la risposta alla domanda: “Perché è successo?”

Sulla base di ciò che è già accaduto, il Motore di Inferenza cerca di scoprire quali condizioni potrebbero essere accadute in passato per questo risultato. Questa strategia è seguita per scoprire causa o ragione. Ad esempio, la diagnosi di cancro del sangue negli esseri umani.

Interfaccia utente

L’interfaccia utente fornisce l’interazione tra l’utente dell’ES e l’ES stesso. È generalmente l’elaborazione del linguaggio naturale in modo da essere utilizzato dall’utente che è esperto nel dominio dell’attività. L’utente del ES non deve essere necessariamente un esperto in Intelligenza artificiale.

Spiega come l’ES è arrivato a una particolare raccomandazione. La spiegazione può apparire nelle seguenti forme-

• Linguaggio naturale visualizzato sullo schermo.
• Narrazioni verbali in linguaggio naturale.
• Elenco dei numeri di regola visualizzati sullo schermo.

L’interfaccia utente rende facile tracciare la credibilità delle deduzioni.

Requisiti di interfaccia utente ES efficiente

• Dovrebbe aiutare gli utenti a raggiungere i loro obiettivi nel modo più breve possibile.

• Dovrebbe essere progettato per funzionare per le pratiche di lavoro esistenti o desiderate dell’utente.

• La sua tecnologia dovrebbe essere adattabile alle esigenze dell’utente; non il contrario.

• Dovrebbe fare un uso efficiente dell’input dell’utente.

Expert Systems Limitations

Nessuna tecnologia può offrire una soluzione semplice e completa. I sistemi di grandi dimensioni sono costosi, richiedono tempi di sviluppo significativi e risorse informatiche. Le ESS hanno i loro limiti che includono −

• Limitazioni della tecnologia
• Acquisizione di conoscenze difficili
• Le ES sono difficili da mantenere
• Alti costi di sviluppo

Applicazioni del sistema esperto

La seguente tabella mostra dove le ES possono essere applicate.

Application	Description
Design Domain	Camera lens design, automobile design.
Medical Domain	Diagnosis Systems to deduce cause of disease from observed data, conduction medical operations on humans.
Sistemi di monitoraggio	Confronto continuo dei dati con il sistema osservato o con comportamenti prescritti come il monitoraggio delle perdite in un lungo oleodotto.
Sistemi di controllo di processo	Controllo di un processo fisico basato sul monitoraggio.
Dominio di conoscenza	Scoprire i guasti nei veicoli, computer.
Finanza/Commercio	Rilevamento di possibili frodi, transazioni sospette, trading sul mercato azionario, pianificazione delle compagnie aeree, pianificazione delle merci.

Expert System Technology

Sono disponibili diversi livelli di tecnologie ES. Le tecnologie Expert Systems includono −

• Expert System Development Environment-L’ambiente di sviluppo ES include hardware e strumenti. Sono –

  • Workstation, minicomputer, mainframe.

  • Linguaggi di programmazione simbolici di alto livello come LISt Programming (LISP) e PROgrammation en LOGique (PROLOG).

  • Database di grandi dimensioni.

• Strumenti: riducono in larga misura lo sforzo e i costi connessi allo sviluppo di un sistema esperto.

  • Potenti editor e strumenti di debug con multi-windows.

  • Forniscono la prototipazione rapida

  • Hanno definizioni integrate di modello, rappresentazione della conoscenza e progettazione dell’inferenza.

• Shell − Una shell non è altro che un sistema esperto senza knowledge base. Una shell fornisce agli sviluppatori l’acquisizione della conoscenza, il motore di inferenza, l’interfaccia utente e la funzione di spiegazione. Ad esempio, di seguito sono riportate alcune shell:

  • Java Expert System Shell (JESS) che fornisce API Java completamente sviluppate per la creazione di un sistema esperto.

  • Vidwan, una shell sviluppata presso il National Centre for Software Technology di Mumbai nel 1993. Consente la codifica della conoscenza sotto forma di regole IF-THEN.

Sviluppo di sistemi esperti: Passi generali

Il processo di sviluppo ES è iterativo. I passaggi nello sviluppo di ES includono –

Identifica il dominio del problema

• Il problema deve essere adatto a un sistema esperto per risolverlo.
• Trova gli esperti nel dominio delle attività per il progetto ES.
• Stabilire il rapporto costo-efficacia del sistema.

Progettare il Sistema

• Identificare la tecnologia ES

• Conoscere e stabilire il grado di integrazione con gli altri sistemi e database.

• Realizza come i concetti possono rappresentare al meglio la conoscenza del dominio.

Sviluppare il prototipo

Dalla Knowledge Base: Il knowledge engineer lavora a −

• Acquisire conoscenze di dominio dall’esperto.
• Lo rappresentano sotto forma di regole If-THEN-ELSE.

Testare e perfezionare il prototipo

• L’ingegnere della conoscenza utilizza casi campione per testare il prototipo per eventuali carenze nelle prestazioni.

• Gli utenti finali testano i prototipi di ES.

Sviluppare e completare il test ES

• e garantire l’interazione di ES con tutti gli elementi del suo ambiente, inclusi gli utenti finali, i database e altri sistemi informativi.

• Documenta bene il progetto ES.

• Addestrare l’utente a utilizzare ES.

Mantenere il sistema

• Mantenere la knowledge base up-to-date da revisione regolare e aggiornamento.

• Soddisfare nuove interfacce con altri sistemi di informazione, come questi sistemi evolvono.

Vantaggi dei sistemi esperti

• Disponibilità-Sono facilmente disponibili grazie alla produzione di massa di software.

• Meno costi di produzione-Il costo di produzione è ragionevole. Questo li rende accessibili.

• Velocità-Offrono grande velocità. Riducono la quantità di lavoro che un individuo mette in.

• Meno tasso di errore − Il tasso di errore è basso rispetto agli errori umani.

• Ridurre il rischio-Possono lavorare in un ambiente pericoloso per l’uomo.

• Risposta costante-Lavorano costantemente senza ottenere motional, teso o affaticato.