====== Expertní systémy a báze znalostí ======

**Expertní systém (ES)** je počítačový program, který simuluje rozhodovací procesy člověka-experta v určité úzké oblasti (např. v medicíně, geologii nebo diagnostice strojů). Na rozdíl od běžných programů, které používají pevné algoritmy, ES používá **logické odvozování** nad souborem uložených faktů.



===== 1. Architektura expertního systému =====

Expertní systém se skládá ze tří základních, oddělených částí:

==== A. Báze znalostí (Knowledge Base) ====
Obsahuje specifické znalosti daného oboru. Nejsou to jen prostá data, ale pravidla typu „jestliže-pak“ (if-then), fakta a vztahy mezi nimi.
* **Příklad:** „Jestliže pacient má horečku A kůži má červenou, pak je pravděpodobnost spalniček 0.8.“

==== B. Inferenční mechanismus (Inference Engine) ====
To je „mozek“ systému. Tento algoritmus prochází bázi znalostí a kombinuje pravidla s aktuálními daty od uživatele, aby vyvodil závěr. Používá dvě metody:
  * **Dopředné řetězení:** Vychází z faktů a hledá, k jakému závěru vedou.
  * **Zpětné řetězení:** Vychází z hypotézy (závěru) a hledá v bázi fakta, která by ji potvrdila.

==== C. Uživatelské rozhraní a vysvětlovací modul ====
Umožňuje uživateli zadávat data a systému pokládat otázky. Unikátní vlastností ES je **vysvětlovací modul**, který dokáže odpovědět na otázku „Proč?“, tedy zobrazit logický postup, jakým k závěru došel.

===== 2. Role znalostního inženýra =====

Znalosti do systému nevkládá programátor, ale **znalostní inženýr**. Je to člověk, který vede rozhovory se skutečnými experty (lékaři, inženýry) a jejich zkušenosti a intuici přepisuje do formálního jazyka pravidel (často právě v [[it:lang:5GL|Prologu]]).



===== 3. Typy expertních systémů =====

^ Systém ^ Obor ^ Účel ^
| **MYCIN** | Medicína | Identifikace bakteriálních infekcí a doporučení antibiotik. |
| **DENDRAL** | Chemie | Analýza chemických látek na základě hmotnostní spektrometrie. |
| **PROSPECTOR** | Geologie | Předpovídání nalezišť nerostných surovin a rud. |
| **XCON** | IT | Konfigurace počítačových sestav na míru podle požadavků zákazníka. |

===== 4. Výhody a omezení =====

**Výhody:**
  * **Dostupnost:** Expertní znalosti jsou dostupné 24/7 i tam, kde fyzicky expert není.
  * **Stálost:** Systém nepodléhá únavě, stresu ani zapomínání.
  * **Vzdělávání:** Slouží jako vynikající nástroj pro trénink nových pracovníků.

**Omezení:**
  * **Úzké zaměření:** Systém „neví“, co je mimo jeho specializaci (chybí mu selský rozum).
  * **Statická povaha:** Nedokáže se sám učit z nových zkušeností (na rozdíl od moderního [[it:ml:deep_learning|Deep Learningu]]).
  * **Vkládání znalostí:** Extrakce vědomostí z lidí je extrémně časově náročná.

===== 5. Současný význam =====

Dnešní expertní systémy se často kombinují s **fuzzy logikou** (práce s neurčitostí) a pravděpodobnostními modely. Jsou základem pro:
  * Automatickou diagnostiku v automobilech.
  * Právní a daňové poradenské systémy.
  * Konfigurátory složitých průmyslových zařízení.

----
//Související články://
  * [[it:lang:5GL|Pátá generace: Logické programování]]
  * [[it:ai:fuzzy_logic|Fuzzy logika a práce s neurčitostí]]
  * [[it:ml:deep_learning|Deep Learning vs. Expertní systémy]]

//Tagy: {{tag>ai expert_systems knowledge_base prolog informatics}}//