Un sistema esperto è un programma che conserva le conoscenze di specialisti umani sotto forma di regole e fatti e ne ricava conclusioni. In genere è composto da una base di conoscenza e da un motore inferenziale che applica le regole. I sistemi esperti hanno segnato l’IA degli anni Settanta e Ottanta, ad esempio nella diagnosi medica o nella configurazione di impianti tecnici. Le loro idee sopravvivono oggi nei controlli basati su regole e nei grafi della conoscenza.
Agenti, flussi e modelli in un’unica area di lavoro – demo gratuita di 24 ore.
Avvia demoL'ingegneria della conoscenza (knowledge engineering) comprende la raccolta, l'organizzazione e la preparazione del sapere specialistico affinché i sistemi informatici possano usarlo. In origine riguardava le regole dei sistemi esperti; oggi spesso l'obiettivo è documentare il sapere sparso in manuali, descrizioni di processo e nella testa delle persone, in modo che gli agenti IA possano rispondere in modo affidabile. Servono strutture chiare, fonti aggiornate, responsabilità definite e la chiusura delle lacune individuate.
Le euristiche sono regole pratiche o strategie semplificate che portano in tempi ragionevoli a una soluzione buona, anche se non necessariamente ottimale. In informatica e nell’IA aiutano a restringere spazi di ricerca enormi, ad esempio nella pianificazione dei percorsi, dove la distanza in linea d’aria dalla meta serve da stima, o negli scacchi, dove si valutano le posizioni. Anche nella vita quotidiana e nelle decisioni aziendali si usano euristiche, con il rischio di errori sistematici di ragionamento.
In informatica un’ontologia è un modello formale di un dominio: definisce in modo univoco concetti, proprietà e relazioni tra di essi. Ciò consente a persone e macchine di interpretare i dati in modo coerente e di trarne conclusioni. Le ontologie sono alla base di molti grafi della conoscenza, ricerche semantiche e integrazioni di dati. Esempio: in un’ontologia di prodotto si stabilisce che una “e-bike” è una “bicicletta” e possiede una “batteria”.
Un albero decisionale è un modello che rappresenta una decisione come una sequenza di semplici domande sì/no: ogni ramo verifica una caratteristica, ogni foglia fornisce un risultato. Nel machine learning questi alberi vengono appresi automaticamente dai dati e usati per classificazioni o previsioni. Il loro punto di forza è la leggibilità, ad esempio per capire perché una richiesta di credito è stata segnalata in base a reddito, durata e storico dei pagamenti.
