I sistemi esperti

I sistemi esperti sono software intelligenti che rispondono alle domande degli utenti, li aiutano a risolvere un problema o prendere una decisione su un particolare campo della conoscenza.

Ogni sistema esperto è esperto in un particolare campo del sapere detto dominio della conoscenza. Ad esempio gli expert system ( ES ) molto diffusi sono i programmi diagnostici in medicina.

Come funziona un sistema esperto

I sistemi esperti sono composti dalle seguenti parti fondamentali.

  • La base di conoscenza
    E' il database in cui sono memorizzate le regole di produzione, ossia le regole deduttive che consentono al sistema di seguire un ragionamento logico su una particolare branca del sapere. E' spesso indicata con il termine inglese Knowledge Base ( KB ).
  • Il motore inferenziale
    E' la componente del software che elabora la conoscenza contenuta nella knowledge base, interpreta l'esigenza dell'utente e fornisce una soluzione al problema. Il ragionamento si basa sulla deduzione, le euristiche e la logica fuzzy approssimata.
  • L'interfaccia utente
    E' l'elemento intermedio tra l'utente e il motore inferenziale. Può trattarsi di una semplice interfaccia input/output in cui l'utente digita la domanda con la tastiera e visualizza le risposte sullo schermo, oppure un sistema più avanzato basato sul riconoscimento vocale e l'interpretazione del linguaggio naturale.

il funzionamento di un sistema esperto

Le tipologie di sistemi esperti

I primi sistemi esperti erano costruiti su un modello di regole condizione-azione e progettati per rispondere a domande in uno specifico dominio di conoscenza.

Esempio. Un expert system medico considera i sintomi dichiarati dal paziente e li confronta con una base di conoscenza per individuare la possibile malattia e la terapia più idonea.

Si basavano su regole di produzione oggettive per risolvere problemi strutturati ( problemi di cui è nota la soluzione a priori ) senza considerare le preferenze dell'utente.

I sistemi esperti di prima generazione

I primi sistemi esperti nacquero negli anni '70.

Utilizzavano le reti neurali, la logica booleana ( vero / falso ) e il ragionamento logico in condizioni di certezza tramite un modello deterministico ( causa→effetto ).

il modello deterministico delle decisioni

La rappresentazione della conoscenza era però limitata, perché il ragionamento artificiale si bloccava a causa dei conflitti logici.

I sistemi esperti di seconda generazione

Per superare i conflitti logici nei sistemi esperti di seconda generazione venne introdotto il modello probabilistico ( causa→probabili effetti ).

un esempio di modello probabilistico

I modelli probabilistici riuscirono a rappresentare meglio la complessità della realtà e i risultati migliorarono.

C'era però un limite, i sistemi restituivano la risposta più probabile senza considerare l'utilità.

Esempio. In base ai sintomi sono associate due malattie A e B nella base di conoscenza. La malattia A è la più probabile (97%) ed è un comune raffreddore. La seconda malattia B è poco probabile ma ha conseguenze mortali. Il sistema esperto fornisce la diagnosi A ed esclude B a priori. In realtà, considerando le gravi conseguenze dovrebbe prescrivere degli accertamenti per scongiurare l'ipotesi B.
i limiti del sistema esperto

Per questo motivo, nei sistemi esperti venne introdotta anche l'utilità dell'utente ( preferenze ).

Negli anni '80 e '90 i processi inferenziali furono ulteriormente migliorati nei sistemi esperti di terza generazione con l'adozione della logica sfumata e approssimata ( fuzzy logic ).

Nota. Negli anni '90 i sistemi esperti beneficiarono indirettamente anche del continuo miglioramento delle performance computazionali dell'hardware dei computer ( processori più veloci, memoria più ampia, ecc. ) a costi più accessibili rispetto al passato.

Tuttavia, non erano ancora dei modelli decisionali perché non fornivano decisioni ma semplici risposte.

Si trattava perlopiù di sistemi diagnostici avanzati.

Nel corso del tempo i sistemi esperti si trasformarono in veri e propri sistemi di supporto alle decisioni ( DSS ) grazie all'utilizzo delle reti bayesiane e delle reti di decisione.

Qual è la differenza tra ES e DSS?I sistemi esperti di supporto alle decisioni ( DSS ) forniscono un'opinione su problemi non strutturati di cui non è nota a priori la soluzione, tramite inferenze probabilistiche, considerando sia le prove disponibili ( osservazioni ) che le preferenze dell'utente ( utilità attesa ). I vecchi sistemi esperti ( ES ) erano, invece, in grado di fornire delle risposte a domande specifiche esclusivamente per problemi strutturati di cui si conosce a priori la soluzione. Non consideravano l'utilità soggettiva dell'utente ( preferenze ).



Per scrivere un commento

knowledge base