Een expertsysteem is een computerprogramma dat de kennis van menselijke specialisten als regels en feiten opslaat en daaruit conclusies trekt. Het bestaat doorgaans uit een kennisbank en een inferentiemotor die de regels toepast. Expertsystemen bepaalden in de jaren zeventig en tachtig het gezicht van AI, bijvoorbeeld bij medische diagnoses of het configureren van technische apparatuur. Hun ideeën leven vandaag voort in regelgebaseerde controles en kennisgrafen.
Agents, workflows en sjablonen in één werkruimte – gratis demo van 24 uur.
Demo startenKennisengineering omvat het vastleggen, ordenen en voorbereiden van expertkennis zodat IT-systemen die kunnen gebruiken. Oorspronkelijk draaide het om regels voor expertsystemen; tegenwoordig gaat het er vaak om verspreide kennis uit handleidingen, procesbeschrijvingen en hoofden van mensen te documenteren, zodat AI-agents er betrouwbaar uit kunnen antwoorden. Daarbij horen duidelijke structuren, actuele bronnen, vastgelegde verantwoordelijkheden en het dichten van vastgestelde hiaten.
Heuristieken zijn vuistregels of vereenvoudigde strategieën die binnen redelijke tijd tot een goede, maar niet gegarandeerd optimale oplossing leiden. In de informatica en AI helpen ze enorme zoekruimten af te bakenen – bijvoorbeeld bij routeplanning, waar de hemelsbrede afstand tot de bestemming als schatting dient, of bij schaken, waar stellingen worden gewaardeerd. Ook mensen gebruiken heuristieken in het dagelijks leven en bij zakelijke beslissingen, met het risico van systematische denkfouten.
In de informatica is een ontologie een formeel model van een vakgebied dat begrippen, hun eigenschappen en de relaties daartussen eenduidig definieert. Zo kunnen mensen en machines gegevens op dezelfde manier interpreteren en er conclusies uit trekken. Ontologieën vormen de basis van veel kennisgrafen, semantische zoeksystemen en dataintegratieprojecten. Voorbeeld: een productontologie legt vast dat een “e-bike” een “fiets” is en een “accu” heeft.
Een beslisboom is een model dat een beslissing weergeeft als een reeks eenvoudige ja/nee-vragen: elke tak toetst één kenmerk en elk blad geeft een uitkomst. Bij machine learning worden zulke bomen automatisch uit data geleerd en gebruikt voor classificatie of voorspelling. Hun grote kracht is transparantie – ze laten bijvoorbeeld zien waarom een kredietaanvraag is gemarkeerd op basis van inkomen, looptijd en betalingsverleden.
