Heurystyki to reguły kciuka lub uproszczone strategie, które prowadzą do dobrego, choć niekoniecznie optymalnego rozwiązania w rozsądnym czasie. W informatyce i AI pomagają zawężać ogromne przestrzenie poszukiwań – na przykład w planowaniu trasy, gdzie odległość w linii prostej do celu służy za oszacowanie, albo w szachach, gdzie ocenia się pozycje. Ludzie stosują heurystyki także w codziennych i biznesowych decyzjach, co niesie ryzyko systematycznych błędów w myśleniu.
Agenci, przepływy i szablony w jednym obszarze roboczym – bezpłatne demo na 24 godziny.
Uruchom demoSystem ekspertowy to program komputerowy, który przechowuje wiedzę fachową ludzi-specjalistów w postaci reguł i faktów i wyciąga z nich wnioski. Zwykle składa się z bazy wiedzy oraz silnika wnioskowania, który stosuje reguły. Systemy ekspertowe kształtowały AI w latach 70. i 80., na przykład w diagnostyce medycznej lub konfigurowaniu urządzeń technicznych. Ich idee żyją dziś w kontrolach opartych na regułach i grafach wiedzy.
Drzewo decyzyjne to model, który przedstawia decyzję jako ciąg prostych pytań tak/nie: każda gałąź sprawdza jedną cechę, a każdy liść podaje wynik. W uczeniu maszynowym takie drzewa są uczone automatycznie na podstawie danych i wykorzystywane do klasyfikacji lub prognozowania. Ich główną zaletą jest przejrzystość – na przykład pokazują, dlaczego wniosek kredytowy został oznaczony na podstawie dochodu, okresu kredytowania i historii spłat.
Metody Monte Carlo to techniki obliczeniowe, które wykorzystują bardzo dużą liczbę losowych prób do przybliżania wyników trudnych do obliczenia analitycznie. System jest symulowany tysiące razy przy losowo zmienianych założeniach, a następnie analizuje się rozkład wyników. Organizacje stosują je do analizy ryzyka, harmonogramowania projektów lub wyceny portfeli. W AI metody te są wykorzystywane między innymi w uczeniu ze wzmocnieniem i w przeszukiwaniu drzew w grach.
Inżynieria wiedzy obejmuje pozyskiwanie, porządkowanie i przygotowywanie wiedzy eksperckiej tak, aby systemy IT mogły z niej korzystać. Pierwotnie koncentrowała się na regułach dla systemów eksperckich; dziś priorytetem jest często udokumentowanie rozproszonej wiedzy z instrukcji, opisów procesów i głów ludzi, aby agenci AI mogli na jej podstawie niezawodnie odpowiadać. Wymaga to jasnych struktur, aktualnych źródeł, określonych odpowiedzialności i uzupełniania zidentyfikowanych luk.
