Экспертная система, компьютерная программа, использующая методы искусственного интеллекта для решения проблем в специализированной области, которая обычно требует человеческих знаний. Первая экспертная система была разработана в 1965 году Эдвардом Фейгенбаумом и Джошуа Ледербергом из Стэнфордского университета в Калифорнии (США). Dendral, как позже стала называться их экспертная система, была предназначена для анализа химических соединений. В настоящее время экспертные системы находят коммерческое применение в таких различных областях, как медицинская диагностика, нефтедобыча и финансовое инвестирование.
Для того чтобы совершать подвиги очевидного интеллекта, экспертная система опирается на два компонента: базу знаний и механизм вывода. База знаний — это организованная коллекция фактов об области, в которой работает система. Механизм вывода интерпретирует и оценивает факты, содержащиеся в базе знаний, чтобы дать ответ. Типичными задачами для экспертных систем являются классификация, диагностика, мониторинг, проектирование, составление графиков и планирование специализированных работ.
Факты для базы знаний должны быть получены от людей-экспертов путем опросов и наблюдений. Затем эти знания обычно представляются в виде правил «если — то» (продукционных правил): «Если некоторое условие истинно, то можно сделать следующий вывод (или предпринять некоторое действие)». База знаний крупной экспертной системы включает тысячи правил. К выводу каждого производственного правила и к конечной рекомендации часто добавляется коэффициент вероятности, поскольку вывод не является однозначным. Например, система для диагностики глазных заболеваний может указать на основе предоставленной ей информации 90-процентную вероятность того, что у человека глаукома, а также перечислить выводы с меньшей вероятностью. Экспертная система может отображать последовательность правил, с помощью которых она пришла к своему заключению; прослеживание этого потока помогает пользователю оценить достоверность ее рекомендаций и полезно в качестве инструмента обучения для студентов.
Люди-эксперты часто используют эвристические правила, или «правила большого пальца», в дополнение к простым производственным правилам, например, почерпнутым из инженерных справочников. Так, кредитный менеджер может знать, что соискатель с плохой кредитной историей, но с чистой историей после получения новой работы, на самом деле может быть хорошим кредитным риском. Экспертные системы включают в себя такие эвристические правила и все чаще обладают способностью учиться на опыте. Экспертные системы остаются скорее дополнением к экспертам-людям, чем их заменой.
