Ekspertni sustav je računalni program koji znanje ljudskih stručnjaka pohranjuje u obliku pravila i činjenica te iz njih izvodi zaključke. Tipično se sastoji od baze znanja i mehanizma zaključivanja koji primjenjuje pravila. Ekspertni sustavi oblikovali su UI 1970-ih i 1980-ih, primjerice u medicinskoj dijagnostici ili konfiguriranju tehničke opreme. Njihove ideje i danas žive u provjerama temeljenima na pravilima i grafovima znanja.
Agenti, tijekovi rada i predlošci u jednom radnom prostoru – besplatna demo verzija na 24 sata.
Pokrenite demoInženjerstvo znanja obuhvaća prikupljanje, organiziranje i pripremu stručnog znanja tako da ga IT sustavi mogu koristiti. Izvorno se usredotočivalo na pravila za ekspertne sustave; danas je prioritet često dokumentirati raspršeno znanje iz priručnika, opisa procesa i ljudskih glava kako bi UI agenti na temelju njega mogli pouzdano odgovarati. To uključuje jasne strukture, ažurne izvore, definirane odgovornosti i popunjavanje utvrđenih praznina.
Heuristike su praktična pravila ili pojednostavljene strategije koje u razumnom roku vode do dobrog, premda ne zajamčeno optimalnog rješenja. U računalnoj znanosti i UI-ju pomažu suziti goleme prostore pretraživanja – primjerice pri planiranju rute, gdje zračna udaljenost do cilja služi kao procjena, ili u šahu, gdje se vrednuju pozicije. Ljudi heuristike koriste i u svakodnevnim i poslovnim odlukama, uz rizik sustavnih pogrešaka u razmišljanju.
U informatici je ontologija formalni model nekog područja koji jasno definira pojmove, njihova svojstva i odnose među njima. Tako ljudi i strojevi mogu dosljedno tumačiti podatke i iz njih izvoditi zaključke. Ontologije su temelj mnogih grafova znanja, sustava semantičkog pretraživanja i projekata integracije podataka. Primjer: ontologija proizvoda kaže da je „e-bicikl“ „bicikl“ i da ima „bateriju“.
Stablo odlučivanja je model koji odluku prikazuje kao niz jednostavnih pitanja s odgovorom da/ne: svaka grana provjerava jedno obilježje, a svaki list daje ishod. U strojnom učenju takva se stabla automatski uče iz podataka i koriste za klasifikaciju ili predviđanje. Glavna im je prednost transparentnost – primjerice, pokazuju zašto je zahtjev za kredit označen na temelju prihoda, roka i povijesti plaćanja.
