Ekspertinė sistema – tai kompiuterinė programa, kuri žmonių specialistų žinias saugo kaip taisykles ir faktus ir iš jų daro išvadas. Ją paprastai sudaro žinių bazė ir taisykles taikantis išvadų variklis. Ekspertinės sistemos formavo DI 1970–1980 m., pavyzdžiui, medicininėje diagnostikoje ar techninės įrangos konfigūravime. Jų idėjos gyvuoja ir šiandien taisyklėmis grįstose patikrose bei žinių grafuose.
Agentai, srautai ir šablonai vienoje darbo srityje – nemokama 24 valandų demonstracinė versija.
Pradėti demonstracijąŽinių inžinerija apima ekspertų žinių fiksavimą, tvarkymą ir paruošimą, kad IT sistemos galėtų jomis naudotis. Iš pradžių ji daugiausia buvo skirta ekspertinių sistemų taisyklėms; šiandien dažnai svarbiausia – dokumentuoti išsklaidytas žinias iš instrukcijų, procesų aprašymų ir žmonių galvų, kad DI agentai galėtų jomis remdamiesi patikimai atsakyti. Tam reikia aiškių struktūrų, aktualių šaltinių, apibrėžtų atsakomybių ir nustatytų spragų užpildymo.
Euristika – tai orientacinės taisyklės arba supaprastintos strategijos, kurios per pagrįstą laiką leidžia rasti gerą, nors ir nebūtinai optimalų sprendimą. Informatikoje ir DI jos padeda susiaurinti milžiniškas paieškos erdves – pavyzdžiui, maršrutų planavime, kur atstumas tiesia linija iki tikslo naudojamas kaip įvertis, arba šachmatuose, kur vertinamos pozicijos. Žmonės euristiką taiko ir kasdieniame gyvenime bei verslo sprendimuose, rizikuodami padaryti sistemingų mąstymo klaidų.
Informatikoje ontologija yra formalus dalykinės srities modelis, aiškiai apibrėžiantis sąvokas, jų savybes ir ryšius tarp jų. Tai leidžia žmonėms ir mašinoms nuosekliai interpretuoti duomenis ir daryti iš jų išvadas. Ontologijos yra daugelio žinių grafų, semantinės paieškos sistemų ir duomenų integravimo projektų pagrindas. Pavyzdys: produktų ontologija nurodo, kad „elektrinis dviratis“ yra „dviratis“ ir turi „bateriją“.
Sprendimų medis – tai modelis, vaizduojantis sprendimą kaip paprastų klausimų „taip / ne“ seką: kiekviena šaka tikrina vieną požymį, o kiekvienas lapas pateikia rezultatą. Mašininiame mokymesi tokie medžiai išmokstami automatiškai iš duomenų ir naudojami klasifikavimui ar prognozavimui. Pagrindinis jų privalumas – skaidrumas, pavyzdžiui, parodoma, kodėl paskolos paraiška buvo pažymėta pagal pajamas, terminą ir mokėjimų istoriją.
