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 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 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:

Tagy: ai expert_systems knowledge_base prolog informatics