本文的目的是向我们展示什么是专家系统（SE），也被称为基于知识的系统的广泛而精确的描述。同样，我们简要介绍了此领域和/或人工智能领域的起源，概念，应用，优点，局限性及其基本架构。另一方面，目前市场竞争越来越激烈，信息的管理和良好管理对于所有公司和/或组织都是至关重要的，要想生存，这些公司和/或组织就必须始终走在前列。地区。
介绍
当此人对问题有专门知识时，就可以将某人视为问题专家。在（SE）领域，这种类型的知识称为领域知识。域一词用来强调知识与特定问题有关。
在计算机出现之前，人想知道推理和思考的特权是否会被剥夺。当前，人工智能中有一个领域可归因于此：专家系统（SE）。这些系统也称为基于知识的系统，它允许创建像人一样推理的机器，从而将自己限制在有限的知识空间内。从理论上讲，他们可以通过遵循人类专家（医生，分析师，商人等）解决特定问题的步骤来进行推理。这种类型的计算机知识模型为解决问题和学习提供了广泛的可能性。未来它将广泛使用，由于其对工商业的重大影响。
（SE）的历史
它的起源可以追溯到六十年代中期。在这十年中，研究人员Alan Newell和Herbert Simon开发了一个名为GPS（通用问题解决器； General Problem Solver）的程序。他可以使用加密算法，河内塔楼以及其他类似问题进行工作。GPS无法解决的是现实世界中的问题，例如医学诊断。
然后，一些研究人员决定通过将野心限制在特定领域并尝试模拟人类专家的推理来完全改变问题的重点。他们没有致力于将通用情报计算机化，而是专注于非常具体的知识领域。这样，SE诞生了。
从1965年开始，由爱德华·费根鲍姆（Edward Feigenbaum）领导的团队开始使用精心定义的知识库来开发SE。两年后，DENDRAL建成，这被认为是第一个SE。所述SE的构想是从其光谱分析中鉴定分子化学结构。
1970年代，MYCIN被开发用于血液感染的咨询和诊断。该系统引入了新功能：使用不精确的知识进行推理，并具有解释推理过程的能力。最重要的是它可以正常工作，得出的结论类似于人类经过多年的经验得出的结论。在MYCIN中，有明显不同的推理引擎和知识库。通过分离这两个部分，可以孤立地考虑推理引擎。这将导致系统或外壳为空。这就是建立SACON的EMYCIN（MYCIN Esencial）产生的方式，用于工程结构，PUFF用于研究肺功能，GUIDON用于选择治疗方法。
当时还开发了：HERSAY（用于尝试识别口语）和PROSPECTOR（用于查找矿床）。
KAS（知识获取系统）外壳是从后者衍生而来的。
SE于80年代风靡一时，许多人工智能公司在人工智能领域进行了调查，开发了SE进行商业化。结论是，SE的成功几乎完全取决于其知识库的质量。不利之处在于，对人类专家的专业技能进行编码可能很困难，耗时且耗时。
现代SE的一个示例是CASHVALUE，它可以评估投资项目，而VATIA可以为增值税或增值税提供建议。
（SE）的定义
它是模仿人类专家在解决问题中的行为的软件。他们可以存储特定领域的专家知识，并通过逻辑推论得出结论来解决问题。
SE是通过在其中明确表达知识而制成的程序，它们具有有关特定域的特定信息并执行与该域相关的任务。
操纵编码的知识以解决通常需要人员专业知识的专业领域中的问题的程序。
既包含陈述性知识（关于对象，事件和/或情况的事实）又包含控制知识（关于动作过程的信息）的程序，以模仿特定领域的人类专家的推理过程，并/或专业领域。
结合了有关给定应用领域的专家知识的软件，该软件能够解决相对困难的问题并支持基于符号推理过程的智能决策。
应用领域
它的主要应用是在业务管理中，因为；
a）几乎所有公司都有一台执行基本信息处理功能的计算机：一般会计，财务决策，资金管理，计划等。
b）这项工作涉及处理大量信息并执行数字运算以稍后做出决策。这为实施SE创造了理想的地形。
此外，SE还可以在会计中应用于以下部分：审计（正在执行更多SE应用的领域）税收，计划，财务分析和财务会计。
应用领域
SE适用于各种领域和/或领域。下面列出了一些主要的方法：
- 军事计算机科学电信化学法律航空航天地质考古农业农业电子运输教育医学工业财务和管理
优点
这些程序提供了处理大量信息的能力，这是人类分析人员面临的重大问题之一，这可能会对决策产生负面影响，因为人类分析人员可以纯化他们认为不相关的数据，而SE则是必需的。它以很高的处理速度分析所有信息，包括无用的信息，以便提供更可靠的决策。
局限性
显然，更新它们需要重新编程（也许这是它们最突出的限制之一），另外一个限制可能是金钱和时间上的高昂成本，此外，这些程序对更改不是很灵活并且难以访问。非结构化信息。
由于某些领域缺少专家，因此SE可以存储他们的知识，以备不时之需。同样，非专业人士也可以使用SE来解决问题。另外，如果一个人经常使用SE，他们会从中学习。
另一方面，人工智能还不能开发能够以一般方式解决问题，运用常识来解决复杂情况或控制歧义情况的系统。
SE的未来围绕着每个人的头脑，只要所选领域需要和/或有专家在场以获得任何类型的利益。
专家系统的基本架构
- 知识库。它是专家系统的一部分，其中包含有关领域的知识。获取专家的知识并将其编码在知识库中。规则是在专家系统中表示知识的经典方式。规则是一种条件结构，它在逻辑上将先前部分中包含的信息与后续部分中包含的其他信息相关联。事实依据（工作记忆）。包含有关在查询过程中发现的问题的事实。在咨询专家系统期间，用户将当前问题信息输入事实库。系统将该信息与知识库中可用的知识进行匹配，以推断出新的事实。推理机。专家系统使用称为推理引擎的模块对人类推理过程进行建模。该推理引擎使用知识库和事实库中包含的信息来推断新事实。将事实库中的特定事实与知识库中的知识进行对比，以得出有关问题的结论。说明子系统。专家系统的一个特点是它们能够解释其推理。使用说明子系统模块，专家系统可以向用户提供他们为什么提出问题以及他们如何得出结论的解释。该模块为系统设计人员和用户都带来了好处。设计人员可以使用它来检测错误，并使用户从系统的透明度中受益。用户界面。专家系统与用户之间的交互以自然语言完成。它也是高度互动的，并且遵循人与人之间的对话模式。为了以用户可接受的方式进行此过程，用户界面的设计尤为重要。界面的基本要求是提问的能力。为了从用户那里获得可靠的信息，在设计问题时必须格外小心。这可能需要使用菜单或图形设计界面。
结论
当前，由于被迫存储和分析的信息种类繁多，艰难，困难和不断变化的竞争市场变得更加复杂，这就是为什么公司被迫诉诸功能强大和/或强大的工具或系统的原因在决策时提供支持。通过这种方式，这些智能，精确和高效的系统被更多的组织所采用，它们在其中成为和/或转变为重要的业务策略。
另一方面，值得一提的是，这些将继续在人类专家稀缺的每个领域和/或领域中使用。由于上述原因，这些系统被非专业人士使用，这就是为什么频繁使用（SE）为用户生成和/或生成知识的原因。
参考书目
老埃尔南多·迭戈（2003）。专家系统。
SamperMárquezJuanJosé（2004）。专家系统简介。
Samper Juan（2003）。专家系统。知识助力
提出了BrizJoséMario（2002）。专家系统简介
维基百科（2004）。专业系统。
卡斯特罗·马塞尔（Castro Marcel）（2002）。专家系统。
FélixJusto（2004年）。专家系统的应用，优点和局限性。
蒙特斯·塞拉·玛丽亚·克拉拉（2003）。专家系统。
