Un système expert actionné par Uncertainty

La communauté d'intelligence artificielle a cherché à comprendre l'intelligence humaine par les programmes machine de construction, qui ont montré le comportement intelligent. L'intelligence a été perçue d'être une capacité de résolution des problèmes. La plupart des problèmes humains ont semblé avoir raisonné, plutôt que mathématique, solutions. Le diagnostic d'une maladie a pu à peine être calculé. Si un patient avait un groupe de symptômes, alors elle a eu une maladie particulière. Mais, une telle connaissance antérieure exigée par raisonnement. Les programmes ont dû avoir la « connaissance » que la maladie a montré un groupe particulier de symptômes. Pour la communauté d'AI, cette connaissance vague résidant dans les esprits des « experts » était supérieure à la connaissance de manuel. Ainsi ils ont appelé les programmes, qui ont résolu de tels problèmes, les systèmes experts.

Les systèmes experts ont contrôlé la résolution des problèmes orientée par but charge comprenant le diagnostic, la planification, l'établissement du programme, la configuration et la conception. Une méthode de représentation de la connaissance était à travers « si, puis? » règles. Quand « si » une partie d'une règle était satisfaite, alors « alors » partie de la règle a été conclu. Ceux-ci sont devenus les systèmes experts basés sur les règles. Mais la connaissance était parfois effective et à d'autres fois, vagues. La connaissance effective a eu la cause claire pour effectuer des rapports, où des conclusions claires pourraient être tirées des règles concrètes. La douleur était un symptôme d'une maladie. Si la maladie montrait toujours la douleur, alors la douleur s'est dirigée à la maladie. Mais la connaissance vague et de jugement s'est appelée la connaissance heuristique. Elle était plus d'un art. Le symptôme de douleur ne pourrait pas mécaniquement se diriger aux maladies, qui ont de temps en temps montré la douleur. L'incertitude n'a pas rapporté des réponses concrètes.

La communauté d'AI a essayé de résoudre ce problème en suggérant une analyse statistique et ou heuristique de l'incertitude. Les possibilités ont été représentées par de vrais nombres ou par des ensembles de vecteurs à valeurs réelles. Les vecteurs ont été évalués au moyen de différents concepts « brouillés ». Les composants des mesures ont été énumérés, donnant la base des valeurs numériques. Des variations ont été combinées, en utilisant des méthodes pour calculer la combinaison des désaccords. L'incertitude combinée et ses composants ont été exprimés sous forme « d'écarts type. » L'incertitude a été donnée une expression mathématique, qui était à peine utile dans le diagnostic d'une maladie.

L'esprit humain n'a pas calculé des rapports mathématiques pour évaluer l'incertitude. L'esprit a su qu'un symptôme particulier s'est dirigé à une possibilité, parce qu'il a employé l'intuition, un processus d'élimination, pour identifier immédiatement des modèles. L'information vague était puissant utile à un processus d'élimination, puisqu'ils ont éliminé beaucoup d'autres possibilités. Si on pourrait éliminer la douleur manquée patiente, toutes les maladies, qui ont toujours montré la douleur. Les maladies, qui ont parfois montré la douleur ont été maintenues. D'autres symptômes ont aidé l'identification d'une base de données considérablement réduite. Un choix était plus facile d'un plus petit groupe. L'incertitude a pu être puissant utile pour un processus d'élimination.

L'intuition était un algorithme, qui a évalué la base de données entière, éliminant chaque contexte qui ne s'est pas adapté. Cet algorithme a actionné les systèmes experts qui ont agi rapidement d'identifier une maladie, d'identifier une jurisprudence ou de diagnostiquer les problèmes d'une machine complexe. C'était instantané, holistique, et logique. Si plusieurs réponses parallèles pourraient être présentées, comme dans les paramètres multiples d'une centrale, l'identification était instantanée. Pour l'esprit, où des millions de paramètres ont été simultanément présentés, l'identification de modèle en temps réel était pratique. Et l'élimination était la clef, qui pourrait d'une manière concluante manipuler l'incertitude, sans ressource aux calculs abstrus.