Hva er ekspertsystemer?

Teknologi har alltid handlet om å bygge bedre, raskere og smartere maskiner. Ekspertsystemer omfavner dette konseptet ved å bruke avansert datalogikk for å lage programvare som ser ut til å tenke og ta beslutninger på egen hånd. Tradisjonelt bygget på boolsk logikk - logikk ved bruk av bare sanne eller falske verdier - bruker ekspertsystemer komplekse algoritmer for å beregne svar fra en stor database med informasjon. Hvis datamaskinen ikke kan bestemme riktig svar, antas det ikke at programmet er galt, men at kunnskapsbasen ikke inneholder nok informasjon om emnet.

Når en datamaskin må ta en beslutning, brytes det hele til en serie sanne eller falske uttalelser. Hvis det er programmert til å lyse opp når en knapp trykkes, trykker du på knappen, setter den til sant og ikke trykker på knappen setter den til falsk. Falske betyr ikke noe lys mens sant slår lyset på. Dette er grunnlaget for datalogikk.

Et ekspertsystem tar disse sanne og falske svarene på et nytt nivå. Ved å kombinere en serie sanne og falske svar, prøver datamaskinen å avgjøre hvordan man reagerer på en viss situasjon. Det kan endre responsen basert på det spesifikke mønsteret og antall sanne og falske svar.

Ideen bak disse systemene er basert på hvordan folk tenker. Mennesker kan lagre enorme mengder ny kunnskap og ta beslutninger basert på tidligere kunnskap. Datamaskinen er programmert til å "tenke" og ta beslutninger basert på kunnskapen som finnes i databasen og på dens tidligere erfaringer. På en måte er det som om datamaskinen lærer av sine suksesser og feil.

To hovedformer for ekspertsystemer eksisterer. Det tradisjonelle ekspertsystemet bruker boolsk logikk for å ta sine beslutninger. Et uklar logisk ekspertsystem, derimot, gjør det ikke. Den beregner en rekke verdier som faller inn mellom enkle sanne eller falske svar for å avgjøre i hvilken grad en uttalelse er mer sann eller mer falsk.

Fuzzy Expert Systems er mer menneskelignende enn tradisjonelle ekspertsystemer i måten de tror. Disse ekspertsystemene får ikke fortalt spesifikke svar på et problem, men gitt en uttalelse som de trekker ytterligere konklusjoner fra. Denne prosessen er kjent som inferens.

For eksempel, hvis en uttalelse leser alle hunnkatter er stripete. Frøken Kitty er en hunnkatt, uklar ekspertsystemer ville utlede at siden alle hunnkatter er stripete og frøken Kitty er en hunnkatt, så må frøken Kitty stripetes. Fuzzy logikk kan også beregne mer kompliserte verdier, for eksempel å bestemme sannsynligheten for at en spesifikk hunnkatt blir stripete hvis bare en prosentandel av hunnkatter har striper. Tradisjonelle ekspertsystemer vil trenge mye mer instruksjon for å komme til de samme konklusjonene.