Sistema esperto
Un sistema esperto è un software informatico in grado di dedurre nuove informazioni a partire da un insieme di dati di partenza ( base di conoscenza ), rispondere alle domande degli utenti e di risolvere autonomamente dei problemi in un campo specifico. È un programma informatico in grado di riprodurre le performance di una persona esperta in una determinata attività.
Come funziona un sistema esperto
A partire da una domanda dell'utente, il sistema esperto consulta la propria base di conoscenza e restituisce in output una risposta. Ad esempio, una soluzione a un problema oppure una spiegazione.
Il sistema esperto comunica all'utente anche il ragionamento logico seguito per giungere alla soluzione e spiega i motivi per cui le altre soluzioni alternative sono state scartate.
Un sistema esperto non si limita a cercare la soluzione migliore tra quelle pre-registrate nel database ma matura anche esperienza durante il funzionamento e modifica la base di conoscenza iniziale ( apprendimento / inferenza ).
Inoltre, può elaborare simboli, regole e concetti anziché numeri, seguendo un processo molto simile al ragionamento qualitativo.
Quali sono le applicazioni dei sistemi esperti
Un sistema esperto può essere utilizzato sia in campo operativo che in campo decisionale. I sistemi esperti eseguono procedure di inferenza per la soluzione dei problemi ( problem solving ). Sono utilizzati prevalentemente in campo diagnostico. Ad esempio, in campo medico.
Sono utilizzati anche nei sistemi basati sull'intelligenza artificiale.
Le componenti di un sistema esperto
Un sistema esperto è composto da tre elementi:
- Base di conoscenza. Le conoscenze su una materia e le regole deduttive e procedurali per il loro utilizzo, registrate in una base dati. È detto anche dominio. Le informazioni iniziali nella base di conoscenza sono fornite da un gruppo di esperti in materia. Successivamente, durante il funzionamento, il sistema esperto aggiunge altre informazioni per esperienza. L'aggiornamento della base di conoscenza non avviene per sostituzione ( upgrade ) ma, al contrario, è un processo continuo di aggiunte successive.
- Motore inferenziale. Il software in grado di elaborare le nozioni della base di conoscenza. Si tratta di procedure deduttive in grado di dedurre delle conclusioni a partire dalle premesse ( dati, regole, esperienza ). Un motore inferenziale si basa sull'euristica e sul ragionamento approssimato della fuzzy logic.
- Interfaccia utente. In alcuni casi è importante anche l'interfaccia input/output tra il soggetto umano e il sistema esperto. Ad esempio, i sistemi che elaborano il linguaggio naturale e la robotica. Si tratta comunque di un componente non sempre indispensabile.
La storia dei sistemi esperti
La storia dei sistemi esperti è riassunta in tre diverse generazioni di sistemi.
- Sistemi di prima generazione. Negli anni '70 del Novecento sono sviluppati i primi sistemi esperti. Si tratta di sistemi basati sulla logica booleana e sul ragionamento logico in condizioni di certezza. Questa prima generazione di sistemi esperti non riesce a fornire una valida rappresentazione della realtà.
- Sistemi di seconda generazione. La seconda generazione di sistemi esperti viene sviluppata sul calcolo probabilistico. Questi sistemi riescono a rappresentare la complessità della realtà. Si scontrano però con la complessità computazionale dovuti al calcolo delle distribuzioni di probabilità su tutti gli eventi possibili. Sono poco scalari verso l'alto.
- Sistemi di terza generazione. La terza generazione di sistemi esperti viene realizzata a partire dagli anni '80 e '90 utilizzando dei processi inferenziali più avanzati e la logica fuzzy. Grazie ai miglioramenti tecnologici e computazionali, questi sistemi riescono a ottenere buoni risultati ( efficacia ) con un minore dispendio di risorse e tempo ( efficienza ).
- Qual è la differenza tra un sistema esperto e l'intelligenza artificiale? A differenza dei sistemi di intelligenza artificiale un sistema esperto riconduce ogni scelta ad una logica, seppure sfumata e riconducibile a logiche a più valori. Pur utilizzando tecniche probabilistiche e fuzzy logic un sistema esperto è sempre in grado di spiegare logicamente le sue decisioni. Ciò non accade nell'intelligenza artificiale dove le decisioni possono anche non essere determinate da una logica ricostruibile.
