Systemy ekspertowe drugiej generacji i ich budowa

Systemy ekspertowe drugiej generacji łączą wnioskowanie heurystyczne oparte na regułach oraz rozumowanie głębokie (deep reasoning)oparte na modelu dziedziny , od której zależy problem . Systemy te w odróżnieniu od poprzedników mają zaimplementowany moduł uczący się pozwalający na lepsze i skuteczniejsze pozyskiwanie wiedzy za sprawą możliwości  uczenia się nowych reguł przez egzaminowanie deep reasoning .Dzięki czemu możliwe jest generowanie głębszej przestrzeni przeszukiwań .

Możliwość zastosowania metod drążenia danych do pozyskiwania wiedzy w systemach ekspertowych w znacznym stopniu przyczyniła się do ich gwałtownego rozwoju .Tak rozbudowane systemy są zdolne do rozwiązywania wielu problemów . W systemach ekspertowych drugiej generacji istnieje rozbudowany interfejs do baz danych.

Przewaga systemów ekspertowych drugiej generacji nad poprzednimi przejawia się w następujących aspektach :

1.      W sytuacji gdy wyczerpane zostają wszystkie możliwości w regułach heurystycznych zaczyna się przeszukiwanie rozwiązania w sposób tradycyjny , nie bazujący na wiedzy. Zamiast zupełnego braku rozwiązania , jak w przypadku systemów ekspertowych pierwszej generacji ,otrzymujemy listę potencjalnych odpowiedzi uporządkowanych według trafności .

2.      Dzięki możliwości głębszego zrozumienia przestrzeni przeszukiwań systemy ekspertowe drugiej generacji są w stanie sformułować wnikliwe i bardziej przekonujące wyjaśnienia logiczności otrzymanego rozwiązania .

3.      Największą przewagą tych systemów jest umiejętność pozyskiwania wiedzy.

Systemy te zbudowane składają się  z jądra ,elementu odpowiedzialnego  za rozwiązywanie problemów oraz elementu odpowiedzialnego za uczenie się .

Reprezentacja	Rozwiązywanie problemów	Uczenie się
Model przyczynowy	Rozumowanie heurystyczne	Integrator reguł
Model faktów	Deep reasoning	Ekstraktor reguł

Tabela nr 3 Składniki systemu ekspertowego(źródło Elementy systemów ekspertowych M.L.Owca)

Jądro –składa się z dwóch elementów : jednego odpowiedzialnego za reprezentację oraz drugiego , który odpowiada zawiera fakty. Pierwszy nakreśla podstawowe obiekty , ich możliwe właściwości i relacje oraz zawiera dodatkowe informacje np. wartości domyślne ,sposoby obliczani konkretnych właściwości , sposoby komunikacji z użytkownikiem itd.

Drugi obejmuje wszystkie fakty , hipotezy i ostateczne konkluzje dla specyficznych problemów .

Moduł rozwiązywania problemu-jest wyposażony dodatkowo w kontroler , który wybiera jaką regułę zastosować , gdy jednocześnie  użytych może być ich kilka. Zdarza się że stosunkowo złożone reguły można –często należy rozbić na kilka mniej skomplikowanych. Na przykład w diagnostyce symptomy , wchodzące w skład reguł ,dzielimy na symptomy typowe ,prawdopodobne , konieczne itd.

Reguły heurystyczne –będą to reguły typu : „ Jeśli dioda telewizora nie świeci to sprawdź  , czy telewizor jest podłączony do sieci”. Łączą łatwe do  zarejestrowania zewnętrzne obserwacje z wnioskami.

„Deep reasoning” – może pozyskać nowe reguły. Bada potencjalnie  wiele zależności przyczynowych oraz pyta użytkownika o efekty wielu obserwacji .Dzięki możliwości zbadania znacznej liczby zależności , jakie występują w systemie , pozwala na wykrycie nowych reguł , które wcześniej nie zostały zaobserwowane , a następnie dołączenie ich do już istniejącego zbioru reguł. W systemach ekspertowych drugiej generacji odpowiedzialny jest za to moduł uczenia.

Obecnie kładzie się nacisk na fakt , ze system ekspertowy powinien być postrzegany jako aplikacja działająca w oparciu o dwa środowiska : rozwoju i konsultacji .(ang. development and consultation environment).