SYSTEMY EKSPERTOWE wykład nr 9

Projektowanie
Systemów Informatycznych
SYSTEMY EKSPERTOWE
wykład nr 9
Uniwersytet Zielonogórski
Instytut Informatyki i Elektroniki
Inteligencja – czyli z czym komputery mają problemy?
Zasadniczy problem stanowią codzienne zadania, które my
(ludzie) wykonujemy bez problemów, a znalezienie dla nich
algorytmów jest niezwykle trudne np.
rozpoznawanie ręcznie pisanych liter,
rozpoznawanie twarzy ... ,
Jeżeli my sobie z tym radzimy, a klasyczny komputer nie,
to może zrobić maszyny które będą bardziej podobne do nas.
Inteligencja – zdolności umysłowe człowieka (wg Cycerona).
Inteligencja – zdolność rozumienia otaczających sytuacji i znajdowania na nie właściwych reakcji
Projektowanie systemów informatycznych
2
Sztuczna Inteligencja
Sztuczna inteligencja jest nauką o maszynach realizujących
zadania, które wymagają inteligencji wówczas, gdy są wykonywane
(Minsky’ego)
przez człowieka.
Sztuczna inteligencja stanowi dziedzinę informatyki dotyczącą
metod i technik wnioskowania symbolicznego przez komputer oraz
symbolicznej reprezentacji wiedzy stosowanej podczas takiego
(Feigenbaum)
wnioskowania.
W metodach sztucznej inteligencji następuje przejście od
przetwarzania danych do przetwarzania wiedzy.
Systemy te określa się jako systemy oparte na wiedzy
(ang. knowledge-based systems).
Projektowanie systemów informatycznych
3
Definicja Systemu Ekspertowego
Systemy ekspertowe – stanowią jedną z gałęzi stosowanej
sztucznej inteligencji (ang. Artificial Inteligence) i są nazywane
także systemami doradczymi
Określenie „system ekspertowy” może być zastosowane
do dowolnego systemu, który na podstawie szczegółowej wiedzy
może wyciągać wnioski i podejmować decyzje, działając w sposób
zbliżony do procesu rozumowania człowieka
Na obecnym „etapie rozwoju technologicznego”
System Ekspertowy jest programem komputerowym,
który wykonuje złożone zadania o dużych wymaganiach
intelektualnych i robi to tak dobrze jak człowiek, będący
ekspertem w tej dziedzinie
Projektowanie systemów informatycznych
4
Postać wiedzy
Wiedza – zbiór wiadomości z określonej dziedziny, jest również symbolicznym
opisem otaczającego nas świata rzeczywistego
– Opisy (fakty) dotyczące pierwotnych cech i pojęć
– Relacje opisujące zależności i asocjacje pomiędzy faktami
np..: „W starych silnikach Diesla przy przegrzaniu dochodzi do gwałtownego
podwyższenia obrotów na skutek chwilowego spalania oleju.”
Symboliczna reprezentacja wiedzy
– Proceduralna określa zbiór procedur, działanie których reprezentuje wiedzę
o danej dziedzinie (równania i prawa: matematyczne, fizyczne)
– Deklaratywna – polegająca na określeniu zbioru specyficznych dla danej
dziedziny stwierdzeń oraz reguł.
np.:„Przed zdjęciem obudowy wyciągnąć wtyczkę.”
Niesymboliczna reprezentacja wiedzy
– Heurystyki: Obserwacje i doświadczenia zebrane z otaczającego świata
np.: „Jak nie zaskakuje, a jest iskra, to warto sprawdzić przewód paliwa”.
Teoria danej dziedziny, np. teoria działania silników samochodowych.
Realizacje za pomocą sieci neuronowych lub algorytmów genetycznych
Projektowanie systemów informatycznych
5
Przykład SE
Fakty :
F1: Andrzej ma rybki
F2: Andrzej ma grzałkę
Reguły:
R1: IF x ma rybki THEN x ma akwarium
R2: IF x ma grzałkę AND x ma akwarium
THEN x ma rybki żyjące
Wnioski:
W1: Andrzej ma akwarium.
W2: Rybki Andrzeja żyją.
Projektowanie systemów informatycznych
6
Zrozumienie istoty SE – przykłady dialogów
SYSTEM DIAGNOSTYKI SILNIKA SAMOCHODOWEGO
(Implementacja w języku CLIPS systemu edukacyjnego)
Proszę odpowiadać na pytanie tylko tak (T) lub nie (N)
Czy jest paliwo w zbiorniku ? T
Czy kranik dopływu paliwa jest zamknięty ? N
Odczekaj 5 min. Czy następna próba się powiodła ? N
Czy paliwo wypływa z przewodu doprowadzającego je do pompy ? T
MOIM ZDANIEM: Uszkodzenie pompy paliwa
EKSPERTYZA ZAKOŃCZONA
Czy chcesz następnej diagnozy ? T
Czy jest paliwo w zbiorniku ? T
Czy kranik dopływu paliwa jest zamknięty ? N
Odczekaj 5 min. Czy następna próba się powiodła ? N
Czy paliwo dopływa do gaźnika ? T
Czy ustawienie przesłony rozruchowej jest prawidłowe ? T
Czy główna dysza paliwa jest drożna ? T
MOIM ZDANIEM: Zanieczyszczona dysza biegu jałowego lub awaria w układzie
zapłonowym
EKSPERTYZA ZAKOŃCZONA
Czy chcesz następnej diagnozy ? N
Projektowanie systemów informatycznych
7
Zrozumienie istoty SE – przykłady dialogów
Zaczerpnięty z systemu SCHOLAR
Ilu stroicieli fortepianów jest w Nowym Yorku ?
Odpowiedź systemu: Ponieważ w New Hawen liczącym około 300 000
mieszkańców jest 3 lub 4 stroicieli fortepianów, co w stosunku do
liczby mieszkańców wynosi 1 na 100 000 a New York liczy 7 milionów
mieszkańców, stąd szacunkowo można określić liczbę stroicieli
fortepianów na około 70, no powiedzmy 50 lub 60 stroicieli
fortepianów jest w Nowym Yorku
Pytanie użytkownika:
Czy w Rio Grande jest uprawiana kukurydza ?
Odpowiedź systemu: Nie wiem w czy kukurydza jest uprawiana w Rio Grande,
chociaż wiem że roślinę tę uprawia się w pampasach.
Ponieważ Rio Grande ma klimat oraz warunki glebowe podobne do
pampasów, więc można się spodziewać, że na obszarze Rio Grande
kukurydza jest jedną z roślin uprawnych
Pytanie użytkownika:
Projektowanie systemów informatycznych
8
Dziedziny zastosowań Systemów Ekspertowych
Finanse
– strategie inwestycyjne, doradztwo giełdowe,
analizy aplikacji kredytowych, systemy podatkowe
Przemysł
– instrukcje naprawcze, modelowanie procesów sterowania,
monitorowanie i diagnozowanie procesów produkcyjnych,
kontrolowanie jakości produkcji
Zarządzanie
– sterowania zapasami, informowanie kierownictwa, kontrola
administracja jakości, wspomaganie podejmowania decyzji, planowanie,
inwestycje
Nauka i technika – diagnozowanie i konserwacja skomplikowanych maszyn,
projektowanie systemów komputerowych,
identyfikacja: bakterii, węglowodanów
– diagnozowanie i leczenie chorób, raporty medyczne
Medycyna
Inne, takie jak: geologia, prawo, astronautyka, robotyka, architektura
Słabo sformalizowane dziedziny, którym trudno jest przypisać teorie
oparte na matematyce oraz zastosować algorytmy dokładne,
lub gdy algorytm jest nieprzydatny, a z określonych względów lepiej sprawdza
się heurystyka – algorytmy należące do klasy NP– zupełnych)
Projektowanie systemów informatycznych
9
Korzyści i zalety stosowania SE
Koszty: w dłuższym okresie czasu SE są znacznie tańsze
zastępują ekspertów (których może brakować) w realizacji
wybranych czynności jak również pomagają w rozwiązywaniu problemów
wymagających najbardziej specjalistycznej (najdroższej) wiedzy.
Podczas gdy ludzie: łatwo się męczą, zapominają i stają się opieszali,mogą
być tendencyjni lub niesubordynowani, mają ograniczone
możliwości percepcji, zapamiętywania
...
Systemy Ekspertowe: pracują szybciej, nie męczą się, są bardziej
niezawodne, konsekwentne, obiektywne, dokładne
Zawsze do dyspozycji (nie strajkują!).
Dodatkowo w SE możliwe jest zagregowanie wiedzy licznego
zespołu ekspertów, a analiza dużych ilości danych wymaga
odpowiedniego komputera.
Projektowanie systemów informatycznych
10
System Klasyczny i Ekspertowy
Podstawowe cechy systemów ekspertowych:
– dotyczą wąskiej dziedziny wiedzy
– możliwość wnioskowania z niepełnej wiedzy
– możliwość wyjaśniania łańcucha wnioskowania w sposób zrozumiały
dla użytkownika;
– rozdział mechanizmu wnioskowania od bazy wiedzy
– zastosowanie reguł wnioskowania postaci „if ... then ...".
Cech róŜniące systemy ekspertowe od klasycznych
– wykorzystanie w procesie przetwarzania mechanizmu wnioskującego
– uzasadnienia podawanych odpowiedzi za pomocą modułu objaśniającego
– wspomaganie i aktualizacja bazy wiedzy, modułu akwizycji wiedzy
Projektowanie systemów informatycznych
11
Podział Systemów Ekspertowych
Ze względu na przeznaczenie
– systemy doradcze (ang. advisery) prezentują rozwiązania, które użytkownik może
odrzucić i zażądać innego
– podejmujące decyzje bez kontroli człowieka (ang. dictorial) stosowane są do
sterowania obiektami do których dostęp człowieka jest utrudniony
– systemy krytykujące (ang. critical) analizują problem i przedstawiają rozwiązanie
wraz z wyjaśnieniem wyboru
Ze względu na to co uzyskujemy na wyjściu
– diagnozy ocena aktualnego stanu
– prognozy
przewidywanie stanu przyszłego
– planowania opis stanu, do którego należy dążyć i w jaki sposób tego dokonać.
Projektowanie systemów informatycznych
12
Podział Systemów Ekspertowych
ze względu na sposób realizacji
– systemy dedykowane tworzone od podstaw przez inŜyniera wiedzy
współpracującego z informatykiem
– systemy szkieletowe –(shells) są to systemy z pustą bazą wiedzy
W zaleŜności od tego jaką wiedzę wprowadzimy do systemu
moŜemy uzyskać system z wiedzą: eksperta-lekarza,
eksperta- inŜyniera, czy eksperta-prawnika.
ze względu na metodę prowadzenia wnioskowania:
– z logiką dwuwartościową (Boole'a)
– z logiką wielowartościową
– z logiką rozmytą.
ze względu na rodzaj przetwarzanej informacji
– systemy z wiedzą pewną (zdeterminowaną),
– z wiedzą niepewną (w przetwarzaniu wykorzystuje aparat
probabilistyczny).
Projektowanie systemów informatycznych
13
Podstawy realizacji SE
Założenia Struktury Systemu Ekspertowego:
– siła Systemu Ekspertowego zależy od bazy wiedzy (jej jakości), a potem posiadanego
oprogramowania
– baza wiedzy pozwala otrzymywać efektywne decyzje posługując się zależnościami
heurystycznymi, probabilistycznymi, eksperymentalnymi. Wiedza ma charakter
indywidualny
– dla posługiwania się wiedzą ekspert musi mieć możliwość korzystania z trybu
dialogowego
Struktura Systemu Ekspertowego:
Baza Wiedzy
Mechanizm Wnioskowania
Interfejs użytkownika
Projektowanie systemów informatycznych
- przechowuje zakodowane ekspertyzy
jednego lub wielu ekspertów
- stosuje ekspertyzę do rozwiązywania problemu w sposób
kompletny, dostarczając odpowiedzi a nie danych
-umożliwia interaktywny kontakt z użytkownikiem
dostarcza wyjaśnień jak uzyskano rozwiązanie
14
Konfiguracja Systemu Ekspertowego
Użytkownik
Ekspert
oraz
Inżynier wiedzy
Moduł Dialogowy zawiera zespół procedur i program, które
pozwalają użytkownikowi na zdefiniowanie problemu.
System Ekspertowy nie może istnieć bez Modułu Dialogowego.
Moduł
Pozyskiwania
Wiedzy
Moduł
Wnioskowania
Moduł
Objaśniający
Baza Wiedzy zawiera dziedzinową wiedzę systemu
zbiór: definicji, faktów, pojęć i relacji między nimi,
reguły wnioskowania
MODUŁ POZYSKIWANIA WIEDZY – zespół rozkazów (procedur programu), umożliwiających nabywanie
wiedzy, która zostaje zapisana w Bazie Wiedzy w postaci reguł i faktów
MODUŁ WNIOSKOWANIA – rozkazy, procedury, programy, które wykorzystują i prezentują zawarte w
Bazie Wiedzy reguły i fakty. Łączy fakty z regułami aby sformułować
odpowiedź dla użytkownika.
MODUŁ OBJAŚNIAJĄCY – oprogramowanie do interpretacji uzyskanych wyników. Nie zawsze istnieje,
zależy od wielkości Systemu Ekspertowego.
Projektowanie systemów informatycznych
15
Etapy tworzenia SE
Analizy problemu
Czy budowa SE dla danego problem ma sens ?
Specyfikacji systemu
Szczegółowego określenia funkcji i oczekiwań
Wyboór metody reprezentacji wiedzy i narzędzi do budowy SE
Wybór sposobów reprezentacji wiedzy oraz mechanizmów wnioskowania
Konstrukcji systemu
utworzenia bazy wiedzy, reguł wnioskowania, systemu
wyjaśniającego rozumowanie i prowadzenia dialogu
Akwizycji wiedzy
zgromadzenia, wydobycia z ekspertów i organizacja
Weryfikacja i testowania systemu
Projektowanie systemów informatycznych
16
Najczęściej stosowane metody reprezentowania wiedzy
Reguły wnioskowania
Sieci semantyczne
jeżeli (m1 i m2 i ... ) to (d1 i d2 ... dn)
określają relacje pomiędzy elementami dziedziny
Węzły – zdarzenia, obiekty fizyczne, czynności , (cechy obiektów)
Łuki – łączą obiekty
Trójki lub czwórki
Ramki
<obiekt, atrybut, wartość, (poziom ufności) >
grupują dane i procedury w obiekty, z zachowaniem
hierarchicznej struktury dziedziczenia w dół .
Rozmyta reprezentacja wiedzy Zastosowanie zbiorów rozmytych i
zmiennych lingwistycznych
Projektowanie systemów informatycznych
17
Pozyskiwanie wiedzy do Bazy wiedzy
„Wąskie gardło” SE – Problem Ekstrahowania wiedzy
Metody pozyskiwania wiedzy
Manualne
Pośrednie
Bezpośrednie
Wspomagane komputerowo
Automatyczne
uczenie maszynowe
Półautomatyczne
dialogowe
Metody manualne: wywiady, obserwacje, dyskusje z ekspertem,
kwestionariusze, raport eksperta, „burza mózgów”
Metody półautomatyczne – metody „dialogowe” lub trenowanie systemu.
Dotyczy również zdobywania w czasie eksploatacji
Metody automatyczne –
bez udziału inżyniera wiedzy. Wiedza zdobywana jest na
bieżąco i na bieżąco wykorzystywana.
Uczenie maszynowe na podstawie wyjaśnień (ang. explanation – based learning)
oraz uczenie maszynowe na podstawie przykładów (ang. empirical learning)
Projektowanie systemów informatycznych
18
Metody wnioskowania
Wnioskowanie w przód – wnioskowanie progresywne, dedukcyjne
Podejście sterowane danymi, zaczyna się od faktów przesuwając się w kierunku konkluzji.
Umożliwia generowanie nowych reguł, dołączenie ich do już istniejących i wyprowadzenie konkluzji.
Początkowe fakty: A, B, C, D, E
4 reguły:
R1. jeżeli A i B to F
R2. jeżeli C i D to G
R3. jeżeli F i G to H
R4. jeżeli E i H to koniec
Krok 1. Ponieważ znane są A i B reguła pozwala wywnioskować F i dołączyć go do znanych faktów.
Ponieważ znane są A
Krok 2. Ponieważ znane są F i G ...
Schematy wnioskowania progresywnego
R4
R1
P1
R3
R2
P2
P3
R4
P4
Wnioskowanie w głąb
CEL
P4
R3
R1
P1
P3
R2
P2
CEL
Wnioskowanie w szerz
Projektowanie systemów informatycznych
19
Metody wnioskowania
Wnioskowanie wstecz – wnioskowanie regresywne
Podejście odwrotne niż w metodzie wnioskowania w przód. Podejście sterowania celem, w którym
zaczyna się od hipotezy (celu), poszukuje się argumentów (przesłanek), które mogłyby tę hipotezę
potwierdzić lub obalić. W przypadku nieokreślonej wartości logicznej badanej przesłanki traktuje się ją
jako nową hipotezę i próbuje wykazać jej prawdziwość.
Schemat wnioskowania wstecz
Początkowe fakty: A, B, C, D, E
Fakt 4
4 reguły:
R1. jeżeli A i B to F
R2. jeżeli C i D to G
CEL
Fakt 1
Fakt 3
R3. jeżeli F i G to H
R4. jeżeli E i H to koniec
Fakt 2
system może zapytać użytkownika
sam spróbować poszukiwać informacji w bazie wiedzy.
Schemat wnioskowania wstecz z nawrotem
Fakt 4
Rozumując wstecz zaczynamy od przyjęcia hipotezy.
Aby konkludować koniec reguły R4.
trzeba poznać fakty E i H. E jest dany,
Fakt 1
Fakt 3
H trzeba znaleźć. F i G są potrzebne do H.
F i G aby poznać – trzeba poznać A i B z reguły R1,
C i D z reguły R2 – a one są dane z założenia.
Fakt 2
Można potwierdzić hipotezę, że rozwiązaniem problemu jest fakt koniec.
Projektowanie systemów informatycznych
CEL
20
Metody wnioskowania
Wnioskowanie mieszane
Obejmuje dwa omówione sposoby wnioskowania.
Część reguł podejście wnioskowania w przód, część wnioskowanie wstecz .
P2
CEL
Fakt 4
Fakt 1
P3
Fakt 3
CEL
Fakt 2
P4
Projektowanie systemów informatycznych
21
Metody wnioskowania
Wnioskowanie rozmyte
Maszyna wnioskowania rozmytego działa na podstawie wnioskowania rozmytego,
które można przeprowadzić w dzięki odpowiedniej reprezentacji wiedzy opisującej dany problem
za pomocą zbiorów rozmytych.
Jeżeli N jest duże wtedy K jest uszkodzony
Zmienne
ilościowe
Blok fuzyfikacji
Rozmywanie
Blok inferencji
Rozmywanie
Blok defuzyfikacji
Wnioskowanie
Diagnoza
Relacje rozmyte
Blok reguł
rozmytych
Obszar zmiennych lingwistycznych jakościowych
Zmienna lingwistyczna – wielkość którą chcemy opisać (wartością ) lingwistyczną
Wartość lingwistyczna – słowna ocena zmiennej lingwistycznej ( słaby, duży, fałszywy, ...)
Projektowanie systemów informatycznych
22
Hybrydowe systemy ekspertowe
Połączeniem omówionych systemów ekspertowych
z systemami "Sztucznych Sieci Neuronowych"
Są to systemy softwerowe, a częściej hardwerowe, naśladujące po części
działanie systemów nerwowych organizmów Ŝywych.
Ich zaletą jest niemalŜe błyskawiczność działania (przy wykonaniu
hardwerowym), gdyŜ informacje wprowadzane do wielu wejść są
przetwarzane równolegle (nie szeregowo jak w typowych
komputerach).
Znajdują one szczególne zastosowania w klasyfikacji i selekcji (danych,
obiektów, wiedzy), rozpoznawania obrazów, rozpoznawania mowy,
itp.
Działanie systemu hybrydowego moŜna więc przedstawić na przykład jako:
wstępną klasyfikację przez system sieci neuronowej, wnioskowanie
przez maszynę wnioskującą i końcową selekcję przez system sieci
neuronowej lub w podobny sposób.
Projektowanie systemów informatycznych
23
Hybrydowe systemy ekspertowe
Połączeniem omówionych systemów ekspertowych z
systemami "Sztucznych Sieci Neuronowych".
Są to systemy softwerowe, a częściej hardwerowe, naśladujące po części
działanie systemów nerwowych organizmów Ŝywych.
Ich kapitalną zaletą jest niemalŜe błyskawiczność działania (przy wykonaniu
hardwerowym), gdyŜ informacje wprowadzane do wielu wejść są
przetwarzane równolegle (nie szeregowo jak w typowych
komputerach).
Znajdują one szczególne zastosowania w klasyfikacji i selekcji (danych,
obiektów, wiedzy), rozpoznawania obrazów, rozpoznawania mowy,
itp.
Działanie systemu hybrydowego moŜna więc przedstawić na przykład jako:
wstępną klasyfikację przez system sieci neuronowej, wnioskowanie
przez maszynę wnioskującą i końcową selekcję przez system sieci
neuronowej lub w podobny sposób.
Projektowanie systemów informatycznych
24
Neuronowe SE
Wzorowane na ludzkim organiżmie – analogia do połączeń układu
nerwowego człowieka
x1
w1
x2
w2
wi
xi
f(net)
wi
Wiedza zaszyta w sieci połączeniach Neuronów
Wiedza
początkowa
początkowa
sieć neuronowa
wyuczona
sieć neuronowa
Wiedza
dostrojona
Duża szybkość działania – implementacja układowa
Brak metod ekstrakcji reguł
Projektowanie systemów informatycznych
25
System Klasyczny i Ekspertowy
Podstawowe cechy systemów ekspertowych:
SE korzysta z wiedzy zamiast z danych aby kontrolować proces rozwiązywania
problemów. Wiedzą są heurystyki naturalne.
Wiedza jest zakodowana i utrzymywana jako składnik systemu oddzielony od
programu kontrolnego, nie jest kompilowana z programem kontrolnym,
SE umożliwia wyjaśnienia jak poszczególne konkluzje zostały osiągnięte i
dlaczego żądana informacja jest potrzebna podczas konsultacji
SE stosuje symboliczną reprezentacją wiedzy. (Są to reguły, sieci semantyczne
i ramy) i wykonuje wnioskowanie w oparciu o obliczenie symboliczne, które są
podobne do manipulacji w języku naturalnym. Wyjątkiem od tej reguły są sieci
neuronowe.
SE często wyciągają wnioski z tzw. Metawiedzy, tzn. z wiedzy o nich samych i
posiadają mechanizm uczenia się.
Projektowanie systemów informatycznych
26
Przykłady SE
MYCIN – system medyczny,
EMYCIN – Empty Mycin: pusty szkielet dla innych dziedzin,
GUIDON – składnik mycin służący do objaśniania,
HEARSAY II – do rozpoznawania mowy,
MACSYMA – system matematyczny,
DENDRAL – system ekspertowy w dziedzinie chemii.
PROSPECTOR – odkrywanie złóż rud żelaza – geologia.
Projektowanie systemów informatycznych
27
Narzędzia budowy SE
Bazujące na systemie medycznym Mycin
EMYCIN, KAS (Knowledge Aquisition System),
Powłoki systemów ekspertowych
Expert System Shells (ESS)
PC Shell, Expert Builder
Dedykowane Języki programowania
LISP (List PROcessing, przetwarzanie list), Prolog (Programming in Logic),
Realizacja rachunku predykatów pierwszego rzędu, do prototypów,
Prolog w projekcie V generacji; raczej mniejsze systemy lub prototypy
Projektowanie systemów informatycznych
28
Podsumowanie ES
Zalety:
•
Przydatne do rozwiązywania złożonych problemów, w
dziedzinach, w których zgromadzono wiedzę empiryczną
•
Potrafią odpowiadać na pytania prezentując swoje konkluzje w
intuicyjne zrozumiały sposób, nie potrzeba programistów by
zrozumieć ich działanie.
•
Zwykle oparte są na jednolitym sposobie reprezentacji wiedzy,
np. regułach lub ramach.
•
Dzięki temu łatwo jest modyfikować wiedzę.
Wady:
•
Trudno przewidywalne skutki dodania nowej wiedzy,
rozumowanie zdroworozsądkowe jest trudne
•
Trudno pozyskiwać wiedzę (uczenie maszynowe i odkrywanie
wiedzy rzadko jest częścią ES)
•
Traktowanie niepewności nadal jest rzadko spotykane
Projektowanie systemów informatycznych
29
KONIEC
wykład 9
Projektowanie systemów informatycznych
30
Podział Systemów Ekspertowych
Ze względu na przeznaczenie:
– systemy doradcze - (ang. adwisery)
prezentują rozwiązania, które użytkownik może odrzucić i zażądać innego
– podejmujące decyzje bez kontroli człowieka (ang. dictorial)
stosowane są do sterowania obiektami do których dostęp
człowieka jest utrudniony lub niemożliwy
– systemy krytykujące – (ang. critical)
dokonują analizy problemu i przedstawiają rozwiązania wraz z
komentarzem wyjaśniającym wybrane rozwiązanie
Ze względu na to co uzyskujemy na wyjście SE dzielimy na systemy:
– diagnozy – ocena aktualnego stanu
– prognozy – przewidywanie stanu przyszłego
– planowania – opis stanu, do którego należy dążyć i w jaki sposób
tego dokonać.
Projektowanie systemów informatycznych
31