Hvad er ekspertsystemer?

Teknologi har altid handlet om at bygge bedre, hurtigere og smartere maskiner. Ekspertsystemer omfavner dette koncept ved at bruge avanceret computerlogik til at oprette software, der ser ud til at tænke og træffe beslutninger på egen hånd. Traditionelt bygget på boolsk logik - logik ved kun at bruge sande eller falske værdier - bruger ekspertsystemer komplekse algoritmer til at beregne svar fra en stor informationsdatabase. Hvis computeren ikke kan bestemme det rigtige svar, antages det ikke, at programmet er forkert, men at videnbasen ikke indeholder nok information om emnet.

Når en computer skal tage en beslutning, bryder det hele sammen til en række sande eller falske udsagn. Hvis det er programmeret til at lyse op, når der trykkes på en knap, skal du trykke på knappen, der indstilles til sandt og ikke trykker på knappen, der indstiller den til falsk. Falsk betyder intet lys, mens ægte tænder lyset. Dette er grundlaget for computerlogik.

Et ekspertsystem tager disse sande og falske svar på et nyt niveau. Ved at kombinere en række sande og falske svar forsøger computeren at bestemme, hvordan man skal reagere på en bestemt situation. Det kan ændre sit svar baseret på det specifikke mønster og antallet af ægte og falske svar.

Ideen bag disse systemer er baseret på, hvordan folk tænker. Mennesker kan opbevare enorme mængder ny viden og træffe beslutninger baseret på tidligere viden. Computeren er programmeret til at "tænke" og træffe beslutninger baseret på den viden, der findes i sin database og på dens tidligere erfaringer. På en måde er det som om computeren lærer af sine tidligere succeser og fiaskoer.

Der findes to hovedformer for ekspertsystemer. Det traditionelle ekspertsystem bruger boolsk logik til at tage sine beslutninger. Et uklar logisk ekspertsystem gør på den anden side ikke. Det beregner en række værdier, der falder mellem enkle sandt eller falske svar for at bestemme, i hvilken grad en erklæring er mere sand eller mere falsk.

Fuzzy ekspertsystemer er mere menneskelige end traditionelle ekspertsystemer på den måde, de tænker på. Disse ekspertsystemer fortælles ikke specifikke svar på et problem, men snarere givet en erklæring, hvorfra de drager yderligere konklusioner. Denne proces er kendt som inferens.

For eksempel, hvis en erklæring læser, er alle kvindelige katte stribet. Miss Kitty er en kvindelig kat, uklar ekspertsystemer ville udlede, at da alle kvindelige katte er stribet, og Miss Kitty er en kvindelig kat, så skal Miss Kitty være stribet. Fuzzy logik kan også beregne mere komplicerede værdier, såsom bestemmelse af sandsynligheden for, at en bestemt kvindekat bliver stribet, hvis kun en procentdel af kvindelige katte har striber. Traditionelle ekspertsystemer har brug for meget mere instruktion for at nå ud til de samme konklusioner.