Експертната система е компютърна програма, която съхранява експертния опит на специалисти като правила и факти и прави изводи от тях. Обикновено се състои от база знания и механизъм за извод, който прилага правилата. Експертните системи оформят ИИ през 70-те и 80-те години на миналия век, например при медицинска диагностика или конфигуриране на технически съоръжения. Идеите им живеят и днес в проверките, базирани на правила, и в графовете на знанията.
Агенти, потоци и шаблони в едно работно пространство – безплатна 24-часова демонстрация.
Стартирайте демотоИнженерството на знанията обхваща събирането, организирането и подготовката на експертни знания, така че ИТ системите да могат да ги използват. Първоначално акцентът е върху правила за експертни системи; днес приоритетът често е да се документират разпръснатите знания от ръководства, описания на процеси и от главите на хората, така че ИИ агентите да могат да отговарят надеждно въз основа на тях. Това включва ясни структури, актуални източници, определени отговорности и запълване на установените пропуски.
Евристиките са практически правила или опростени стратегии, които водят до добро, макар и не непременно оптимално решение за разумно време. В информатиката и ИИ те помагат за стесняване на огромни пространства за търсене – например при планиране на маршрути, където разстоянието по права линия до целта служи като приблизителна оценка, или в шаха, където се оценяват позициите. И хората използват евристики в ежедневието и в бизнес решенията, с риск от систематични грешки в мисленето.
В информатиката онтологията е формален модел на дадена предметна област, който ясно определя понятията, техните свойства и връзките между тях. Това позволява на хора и машини да тълкуват данните последователно и да правят изводи от тях. Онтологиите са в основата на много графове на знанията, системи за семантично търсене и проекти за интеграция на данни. Пример: онтология на продуктите посочва, че „електрическият велосипед“ е „велосипед“ и има „батерия“.
Дървото на решенията е модел, който представя едно решение като поредица от прости въпроси с отговор „да/не“: всеки клон проверява един признак, а всеки лист дава резултат. В машинното обучение такива дървета се учат автоматично от данни и се използват за класификация или прогнозиране. Основната им сила е прозрачността – например показват защо дадено кредитно искане е отбелязано въз основа на доход, срок и история на плащанията.
