PREFAȚĂ ………………………….. ………………………….. ………………………….. …………………. 1 1. INTRODUCERE… [625475]

CUPRINS

PREFAȚĂ ………………………….. ………………………….. ………………………….. …………………. 1
1. INTRODUCERE ………………………….. ………………………….. ………………………….. …. 1
1.1 Inteligența Artificială ………………………….. ………………………….. …………………….. 1
1.2 Ce este un Sistemele Expert? ………………………….. ………………………….. ………….. 2
1.3 Sistemele expert vs programele clasice ………………………….. ………………………… 3
1.4 Sisteme le expert vs experți umani ………………………….. ………………………….. …… 4
1.5 Exemple de Sisteme Expert ………………………….. ………………………….. …………….. 5
2. CONCEPTELE FUNDAMENTALE ÎN TEORIA SISTEMELOR EXPERT …. 10
2.1 Definiția unui Sistem Expert ………………………….. ………………………….. ………… 10
2.2 Conceptele de bază ale Sistemelor Expert ………………………….. …………………… 12
2.3 Arhitectura Sistemelor Expert ………………………….. ………………………….. ………. 14
2.4 Sistemele M ulti-Expert ………………………….. ………………………….. ………………… 17
2.5 Arhitectura Sistemelor Multi -Expert ………………………….. ………………………….. 18
2.6 Comunicarea între modulele de cunoaștere ………………………….. ……………… 19
2.7 Crite riile de evaluare ale Sistemelor Multi -Expert ………………………….. ………. 20
3. ORGANIZAREA SISTEMELOR EXPERT ………………………….. ……………………… 22
3.1 Baza de cunoștințe ………………………….. ………………………….. ………………………. 22
3.2 Metodele de reprezentare a cunoașterii ………………………….. ………………………. 23
3.3 Motorul de inferență ………………………….. ………………………….. ……………………. 29
3.4 Agenda ………………………….. ………………………….. ………………………….. …………… 31
3.5 Modulul de explicație ………………………….. ………………………….. …………………… 32
4. METODELE DE REALIZARE ALE SISTEMELOR EXPERT ………………….. 33
4.1 Etapele realizării unui Sisteme Expert ………………………….. ……………………….. 33
4.2 Alegerea problemei ………………………….. ………………………….. ……………………… 35
4.3 Generatoare de Sisteme Expert ………………………….. ………………………….. …….. 37
5. APLICAȚIE SISTEM EXPERT IN MEDICINĂ ………………………….. ……………. 40
6. CONCLUZII ………………………….. ………………………….. ………………………….. ……… 49
7. BIBLIOGRAFIE ………………………….. ………………………….. ………………………….. .. 51

1
PREFAȚĂ

1. INTRODUCERE

1.1 Inteligența Artificială

Dr. Marvin Minsky defin ește Inteligenț a Artificial ă ca fiind : "Domeniu de
studiu care încearcă să construiască sisteme care dacă ar fi încercate de oameni ar fi
considerate inteligente”. O alta definiție a Inteligenței Artificiale dată de Rich în 1991,
este ”studiul î n care putem face calculatoarele să realizeze lu cruri, care pentru moment,
sunt m ai bine făcute de către oameni”.
Inteligenț a Artificială are ca scop î nțelege rea sistemel or reale inteligente
(naturale sau si ntetice) prin sintetizarea lor. Modelul individului inteligent este omul,
dar se poate considera ca model de inteligență ș i un roi de albine pentru că ele, privite
în ansamblu sunt mai inteligente decât privit e separat.
Societatea, privită în ansamblu poate fi considerată ca fiind cel mai inteligent
agent cunoscut vreodată. Exemplele pe care le folosi m și pe care dorim să le transpunem
într-o lume ”artificială” sau ”sintetică”, pot fi atât de natură organizațională cât și
biologică .
Exemplificativ, se poate face o analogie î ntre mașinile care gândesc, dezvoltate în
ultimele decenii și mașini le de zbor dezvoltate în ultimele secole. Mașinile de zbor,
imită doar o acțiune pe care o fac unele animale, spre deosebire de cercetările d in
Inteligența Computațională, care încercă să creeze mașini inteligente și care nu
mimează uman itatea . Aceas tă analiză duce la anumit e asemăn ări între întreb ările: ”Pot
calculatoarele î ntradevăr să gândească?” și ”Pot avioanale să zboare?”.
Conceptul de mașini inteligente și r ădăcinile Inteligenței Artificiale izvorăsc di n
mitologia Greac ă. În secolul 5 B.C., Aristotel a inve ntat logica silogistă, acesta fiind
primul sistem î nzestrat cu raționament . În secolul 20, a fost realizată mașina Turing,
instrument care poate verifica inteligența unei mașini, deși d escoperirile și realiză rile
în acest domeniu au continuat și sunt într -o continuă dezvoltare. Cercetările ,
descoperirile și realizările efectuate până în prezent , au dus la dezvoltarea și conceperea

2
unor sisteme înzestarte cu capacită ți foarte apropiate de cele umane și anume roboții.
În prezent, d omeniu l cunoașter ii și cercet ării, este răspândit și î n domeniu științel or
sociale incluzând studii le economice, studiile militare cât și cele de previziune.
Conceptele fundamentale care stau la baza inteligenței Artificiale tradiționale ,
la baza căreia se află limbajele de prog ramare Lips și Prolog, sunt: sistemele de reguli,
logica, lingvisti ca, și conceptul de raționament.

1.2 Ce este un Sistemele Expert?

Conceptul de Sistem Expert a fost introdus împreună cu cel de Inteligență
artificială , pentru prima dată. Sistemele Expert constituie un domeniu al Inteligenței
artificiale, aceasta fiind o ramură a informaticii cu scopul de a dezvolta programe și
aplicații „inteligente”. Sistemele Expert au o largă arie de aplicabilitate, ele au cuprins
deja numeroase domenii de activ itate, ceea ce este remarcabil. Sistemele Expert sunt
aplicații complexe (programe software) care explorează o serie de cunoștințe date
pentru a raționa și a obține noi concluzii asupra activităților dificil de examinat, folosind
metode și tehnici asemănăt oare cu experții umani. Un Sistem E xpert poate rezolva cu
succes problemele care nu au o soluție algoritmică .
Un Sistem Expert este capabil să raționeze, acesta se poate ocupa doar de un
spațiu mic de cunoștințe, numit ”domeniu de cunoștințe” fiind denumi t un ”sfătuitor
computerizat” . Cunoștințele unui Sistem Expert sunt cuno ștințe active , acestea putând
fi folosite și pentru a obține noi informații asupa a ceea ce este deja cunoscut despre o
problemă. Datorită faptul ui că cunoștințele pe care le deține un si stem expert tind să fie
legate doar de aplicații specifice, ele nu sunt așa de răspândite ca bazele de date, dar
bazele de date pot fi folosite ca cunoștință î n diverse aplicații. Regulile de producție
reprezintă c ea mai î ntâlnită reprezentare de cun oștințe în cadrul Sistemel or Expert.
O varietate de Sisteme Expert , au fost folosite cu succes î ncă de la începutul
aniilor 1970, în diverse domenii, precum medicin a, chimia și chiar î n domeniul
computa ționa l. Guvernele tărilor industriale au realizat importanța noilor aplicații ,
acestea fiind privite ca o nouă tehnologie foarte importantă , și au întâmpinat -o investind
în cercetarea acestui domeniu. O dezvoltare puternică în acest domeniu a avut loc, c u

3
toate că proiectele încrez ătoare care s -au lansat la acea vreme nu s -au realizat î n
totalitate .

1.3 Sistem ele expert vs program ele clasic e

La baza puterii de raționament a unui Sistem Expert stă c unoașterea care este
divizată în reguli. Astfel , piese le elementare de cunoaștere pot fi ușor adăugate,
modificate sau chiar eliminate. Posibilitatea de menținere la zi a bazei de cunoștințe de
către mai mulți experți simultan asigură m odularitatea reprezentării cunoașterii . Ea se
poate dezvolta pe o p erioadă lungă de timp, simultan cu intrarea în folosință și poate
reprezenta opera unui colectiv de autori.
Un Sistem Expert are posibilitatea de a explica modalitatea de soluți onare dată
pentru rezolvarea unei probleme . Transparența reprezintă un factor d e importanță
majoră în asigurarea credibilității sistemelor expert puse să furnizeze diagnostice
medicale spre exemp lu. Pentru ca un medic să aibă î ncredere într -un diagnostic furnizat
de mașină, el trebuie să îl înțeleagă. Cu toate acestea, Sistemele Expe rt de diagnostic
medicinal nu au fost foarte des folosite datorită principii lor etice. Dacă un astfel de
sistem ar furniza un diagnostic greșit sau un tratament inadecvat pe cine ar da î n
judecată?
Soluții le în condiții de incertitudine. Sistemele Expert p ot oferi în general soluții
problemelor care se bazeaz ă pe date nesigure ori incomplete. Un Sistem Expert
funcționează precum o mașinărie capabilă să niveleze denivelările , sau care, cu ușurință
poate trece peste ele. De cele mai multe ori, mecanisemele fo arte fine sunt și foarte
pretențioase, acestea având capacitatea de a funcționa pentru condițiile pentru care a
fost proiectat. Așa se întâmplă și în cazul programelor clasice, unde, pentru
incapacitatea de a furniza o valoare exactă a unui parametru, poat e aluneca într -o eroare .
Sistem ele Expert sunt capabile depășească situația creată în cazul cunoștin țelor
incomplete sau incerte a supra domeniului de expertiză, ca și în cazul unor date de
intrare incomplete ori incerte.

4
1.4 Sistem ele expert vs exper ți uman i

Sistemele Expert s unt deosebite de specialiștii umani din mai multe puncte de
vedere . Sistem ele Expert nu pot concluzi ona în mod intuitiv și nu au capacitatea de a
examina o situație din anumite perspective. Ele nu pot recurge la principii primale și nu
pot concluziona analogii , pentru a raționa. Sistemele Expert nu pot învăța din
experienț ă, deși, odată cu dezvoltarea tehnologiei, s -ar putea dezvolta sisteme care să
învețe, și care să aibă capacitate de cunoaștere dinamic ă. Aceasta ar trebui să aibă o
strânsă colaborare cu Rețelele Neuronale, fapt care ar putea d uce la rezulate
excepționale și car e ar putea fii de un real folos .
Tot mai mult, se urmărește înlocuirea expertului uman cu un expert artificial
motivat pe faptul că e xpertul uman este mai greu de abordat, de multe ori este foarte
ocupat, nu poate fi în mai multe locuri în același moment și de cele mai multe ori
experții și specialiști necesari nu sunt obișnuiți și dispuși să își confrunte punctele de
vedere. Un benefic iu al Sistemelor de gestiune a proceselor îl reprezintă faptul că
expertiza umană poate fi extinsă astfel încât timpul de reacție să fie redus, iar memoria
și capacitatea de învățare să fie mai mare.
În continuare, se va prezenta o scurtă comparație între un Sistem expert și un
expert uman:

Tabel 1.1. Comparați e Sistem Expert și expert uman .
Componenta Sistem Expert Expert uman
Localizare spațială Oriunde, mai ales în medii
improprii omului Numai local
Siguranța informațiilor Înlocuibil De neînlocuit
Timpul disponibil Oricând Numai în zile
lucrătoare
Viteza de lucru Rapidă Variabilă
Performanța Consistența permanentă Variabilă
Costul Acceptabil Mare

5

Se poate concluzi ona faptul că utilizarea unui Sistem Expert va îmbunătății
calitatea deciziilor asumate, acest aspect datorându -se faptului că se deschid
posibilitățile raționamentelor datorită exploatării unui număr mai mare de variante
decât cele pe care le poate concepe mintea omului , aspect care se datorează faptului că
sistemele expert au capaci tatea de memorare mult mai mare decât expertul uman.
Sistemele Expert permit efectu area unor raționamente identice, aspect care indică o
mare capacitate de anticipare.

1.5 Exemple de Sisteme Expert

Clasificarea Sistemelor Expert, î n funcț ie de domeniul de aplicație, se poate
face în trei categorii importante:
1. Sisteme le expert de diagnostic pot fi recunoscute după următoarele proprietați;
a. domeniu con ține două mulțimi finite, disjuncte , una conțin e observații,
cealaltă soluții și din cunoaștere complexă, care poate fi incertă și
incompletă despre relațiile dintre aceste două mulțimi;
b. prin selecția uneia sau a mai multor soluții ale problemei, rezultă
diagnosticul;
c. problema este definită prin observații, însă poate fi incompletă;
d. în situația în care calitatea soluției poate fi îmbunătățită prin luarea în
considerare a unor observații suplimentare, una din tre sarcini o
reprezintă găsirea observații lor suplimentare care ar trebui solicitate
pentru a le completa pe cele deja existente.
2. Sisteme le expert de construcție: în cazul acest or sisteme, soluția nu poate fi
gasită prin că utarea într-o mulțime pe care o deține . Soluția este reprezentată ca
o secvență de pași , sau ca o con strucție de elemente intercondiționate, ajungând
la concluzia că o problemă de diagnostic reprezintă un caz special al probleme .
Precizarea condiției inițiale a problemei, precizarea cerințelor soluției și a
spațiului soluțiilor presupun definirea problemei.

6
3. Sisteme le expert de simulare . Având în vedere faptul c ă în sistemele expert de
diagnostic și construcție soluția era selectată ori asamblată, sistemele expert de
simulare au fost concepute doar pentru a precizarea anumite efecte ale
presup unerilor asupra unui sistem. Un sistem expert de sim ulare este văzut ca o
unitate a l cărei comportare poate fi concluzionată din cunoașterea comportării
părților componente. Din valorile date ale unor parametrii de intrare, se
determină valoril e unor parametrii de ieșire , cu ajutorul Sistemelor Expert de
simulare. O simulare poate fi cerută pentru a verifica dacă un Sistem Expert a
fost proiectat pentru a furncționa în diagnostic sau în construcție , dacă acesta a
fost proiecta t conform cerințelor .

Din punct de vedere structural și arhitectural Sistemele Exp ert au următoarele
caracteristicii:
 Sunt construite, în general pentru focalizarea taskurilor cu gamă limitată de
aplicabilitate;
 Există o separare explicită între cunoștințele și metodele de raționare utilizate
în vederea obținerii unor concluzii pe baza cunoștințelor;
 Sunt capabile să explice propriile acțiuni și linii de judecată.
Conform literaturii de specialitate, Sistemel eExpert, se clasifică în:
 Sisteme expert de diagnostic ;
 Sisteme expert de monitorizare și control ;
 Sisteme expert de proiectare si planificare ;
 Sisteme expert de inerpretare ;
 Sisteme expert de reparații ;
 Sisteme expert de prognoză ;
 Sisteme expert de instruire .

DENDRAL
Acest sistem expert a apărut primul, la hotărârea luată de NASA pentru a trimite
un vehicul pe Marte . Acesta a avut ca obiectiv , printre altele binențeles, cercetarea
structurii chimice a solului acestei planete. Cercetătorii de la Stanford au construit un

7
program în care au înglobat experiența chimiștilor, în scopul identificării structurii
chimice a unor substanțe, în funcție de spectograma de masă .

MYCIN
MYCIN este unul dintre cele mai vechi sisteme ex pert iar crearea sa a influențat
foarte mult is toria dezvoltării sistemelor expert. Sistemul, a fost dezvoltat la Stanford
în anii ’70 și folosește e xperineța din DENDRAL . Misiunea lui era diagnosticarea și
prescrierea tratament ului pentru diferite infecții bacteriene .
Aplicația de diagnostic a fost dezvolată în parte pentru a explora cum fac
experții umani estimări brute (dar importante) baz ându-se do ar pe unele informații
parțiale. Oricum, problema este importantă și din punct de vedere practic: există doctori
începători sau nespecializa ți care trebuie să facă aceste apr ecieri asupra diagnosticului,
deci existența unui sistem expert ar fi foarte utilă în acordarea unui tratament cât mai
eficient. Dar MYCIN n -a fost niciodată utilizat în practică, deși testele au fost destul de
performante și nu au greșit mult în diagnosticare și au depășit cu mult așteptările
membrilor catedrei de medicină de la Stanfo rd. Nu a fost utilizat din cauze etice și
legale legate de folosi rea calculatoarelor în medicină datorită faptului că dacă se pune
un diagnostic greșit, care ar fi persoana care ar putea fi chemat ă în instanță.
MYCIN era reprezentată prin tr-un set de regul i IF-THEN cărora le erau atribuite
diferite grade de certitudine.
MYCIN este un si stem direcționat de scop, scris în Lisp, regulile erau
reprezentate formal și folosind strategia de raționament înapoi.
Pe baza răspunsurilor pe care le primește la anumite întrebări și pe baza
cunoștinței pe care o posedă , aplicația raționează. Există trei stadii principale ale
dialogului. Mai întâi s e adună datele inițiale , astfel încât sistemul să producă o diagnoză
largă. Apoi, se pun întrebări specifice pentru a se testa ipoteze le specifice. În final , se
propune un diagnostic. Pe baza diagnosticului găsit și a informațiilor despre pacient,
rezultă al treilea stadiu care cuprinde întrebări pentru determinarea unui tratament.
Acesta se încheie cu propunerea unui tratament. În orice moment utilizatorul poate
întreba de ce i se adreseaz ă o întrebare sau cum s -a ajuns la o concluzie, iar când i se
propune tratamentul , poate solicita tratament alternativ dacă primul nu este satisfacător.

8
MYCIN, a fost un proiect de pionerat în domeniul Sistemelor Expert, a avut și
probleme , care ulterior au fost rezolvate prin folosirea unor taxonomii explicite a bolilor
(reprezentată ca un sistem de cadre) pentru a reprezenta adevăruri despre difer ite tipuri
de boli. Astfel s-a rezolvat problem a amestecării regulior cu domeniu de cunoștințe.
Pornind de la MYCIN, s -au dezvoltat mai multe sisteme. EMYCIN a fost primul
shell de sistem ex pert dezvoltat din MYCIN. Un alt sistem expert , numit PUFF , a fost
dezvoltat pornind de la MYCIN, acesta fiind specializat pe boli de inimă. Sistemul
expert numit NEOMYCIN a fost dezvoltat pentru a prezenta diverse cazuri medicilor ,
a se verific a concluziile și a li se explic a unde au greșit, aceasta reprezentând o formă
de intruire pentru medici.
Sistemele Expert, au fost și sunt folosite în domeni i precum cel financiar –
contabil: control intern, audit, planificarea impozitelor, diagnostic financiar, raportare
financiară, contabilitate managerială, analiză de credite, analiza riscului, planificare d e
investiții, cît și în cel de diagnostic medi cinal. Domeniile ec onomic și financiar –
contabil, utilizează unele dine cele mai cunoscute aplicații expert.
Marile companii de contabilitate și audit își realizează propriile sisteme expert
în domeniului contro lului intern și al auditului: ExpertTAX, Risk Advisor, Rice, Loan
Probe, Peat/1040 (KPMG), Compas, VATIA, Planet, Comet, Audit Planning Advisor,
Flow Eval .
În sistemul de audit și control sunt folosite sistemele: FINEXPERT, GIPA,
FINEXPRO, CREDITEXPERT în cel de planificare CAPEX.
Activitatea bancară, a fost și este un domeniu în care frecvent , se folosesc
sisteme expert , astfel: MATIAS pentru gestiunea conturilor clienților, A -CLASS –
ATRANS, TEXPERT pentru transfer de bani, CLASS pentru împrumuturi comercia le;
SMERTIOS, ALVIN ; FCA, Application Expert, MOZART, CRES, Credite Expert
pentru credit are și analiza cărții de credit ;;
Finanțe le, planificarea impozitelor și taxelor, asigurări le, sunt ramuri ale
domeniului economic care se bucură de facilitațile aplica țiilor cu Inteligenț ă Artificial ă.
Compania daneză CRI A/S, specializată în aplicații ale noilor tehnologii informaționale
încă din 1978, a elaborat periodic un repertoriu al sistemelor e xpert .

9
Unele exemple pentru domeniul gestiunii, finanțelor și contabi litații din ediția 1986
sunt:
1. Contabilitate
 AUTOMATED TAX – pregătirea documentelor de impozitare;
 ESTEAM – gestiune portofolii pentru investiții profitabile;
 AGGREGATE Assistant – proiectare a situații lor financiare din conturi ;
 AUDITOR – asistare la evaluarea debitorilor slabi FOLIO –
determinarea obiectivelor de investiții pentru protofoliile clienților;
 AYMM (Finance) – selectare finanțare guverne pentru noi debușee de
afaceri
 TAXADVISOR – consiliere și analiză în probleme de i mpozite pentru
intreprinderi ;
 TICOM – evaluarea controlului intern in auditing ;
2. Gestiune
 APEX – management vănzări;
 MARKETER – asistență în decizii de marketing;
 CONCEPT – gestiune, modele și planificare marketing;
 COMEX – gestiune afaceri în agricultură .

Sistemele Expert, sunt folosite cu succes și domenii cum ar fi: consiliere pentru
clienți, analize de investiții, reparații de echipamente, controlul producției și instruire,
planific are asigurări, determinarea de trasee pentru livrare, oferte de contrac te.

10
2. CONCEPTELE FUNDAMENTALE Î N TEORIA
SISTEMELOR EXPERT

2.1 Definiția unui Sistem Expert

Edward Feigenbaum – pionier al tehnologiei sistemelor expert, profesor la
Universitatea Stanford, d efinește sistem ul după următoarea definiție:
”… un program inteligent care folosește cunoaștere și proceduri de inferență pentru a
rezolva probleme suficient de dificile încât să necesite o expertiză semnificativă pentru
găsirea soluției.”
Un sistem expert este un program care urmărește un grup de cunoștințe pentru
obținerea , în același mod ca și experții umani a rezultatelor despre activitați dificil de
examinat. Principala caracteristică a sistemelor expert este derivată din baza de
cunoștințe împreună cu un algoritm de căutare specific metodei de raționare. Un sistem
expert tratează cu succes probleme pentru care o soluție algoritmică clară nu există1.
Unul din fondatorii Inteligenței Artificiale, H.Simon, spunea despre Sistemele
Expert că sunt o reprezentare a comportamentului uman, care se bazea ză pe modelul
raționalitații limitate, model care ține seama de limitele înt âlnite d e către un decident
veritabil, atât în planul informațiilor, cât și în cel al raționamentului.
În opinia p rofesori lor J. Giarratano și Riley , Sistemele expert au o definție
originală : „un Sistem expert este un sistem care emulează abilitatea de a lua decizii a
expertului uman. Termenul «emulează» înseamnă că sistemul este menit să acționeze
în toate privințele ca expertul uman. Emularea este ceva mai mult decât simularea, ca re
cere doar să se acționeze prin imitarea condițiilor realizate ”.
Frenzel definește Sistemul expert ca „un program particular care încorporează
o bază de cunoștințe și un motor de inferențe comportându -se ca un consilier într -un
domeniu particular”.
Definițiile date Sistemelor expert de către alți autori, sunt foarte asemănătoare.
Sistemele expert sunt sisteme de programare bazate pe tehnicile Inteligenței Artificiale,
care achiziționează, înmagazinează și exploatează cunoștințele experților umani dintr –

1 Dorin Ioniță Cârstoiu, Sisteme expert, Editura All, București, 1994, p.6

11
un domeniu bine definit și apoi le folosesc, pentru a infera concluzii, soluții,
recomandări, respectiv cauzele unor fenomene și situații pentru rezolvarea problemelor
din acest domeniu; Un sistem computerizat este capabil să ofere sfaturi într -un domeniu
particular de cunoștințe, în virtutea faptului că conține cunoștințe oferite de un expert
uman în acest domeniu.
Definiția unui program este :
Program = Algoritm + Structuri de date
Definiția Sistemelor Expert, se prezintă astfel:
Sistem Expert = Motor de inferență + Baza de cunoștințe
Deși definiții le Sistemel or expert sunt diferite , se pot stabili unele caracteristici
comune . Sistem Expert sunt contur ate de următoarele noțiun ii:
 Ca nivel de realizare informatică, Sistemele Expert se bazează pe
principiul separării cunoașterii (bazei de cunoștințe) de programul care
o tratează (motorul de inferență) ;
 Sistemele Expert dispun de metode de invocare a cunoașterii și
exprimarea expertizei, comportându -se ca un «asistent inteligent» ;
 Sistemele Expert sunt capabile să memoreze cunoașterea, să stabilească
legături între cunoștințe și situații pe baza faptelor și prelucrării
cunoașterii incerte.
 Sistemele Expert dispun de cunoștințe și de capacitatea de a desfășura
activități intelectuale umane;
 Din punct de vedere conceptual Sistemele expert vizează reconstituirea
raționamentului uman pe baza expertizei obținute de la experți ;
 Sistemele Expert sunt organizate pentru achiziția și exploatarea
cunoașterii dintr -un domeniu particular numit domeniul prob lemei;

Sistemele Expert încearcă să reproducă interacțiunea dintre expertul uman și
inginerul de cunoștințe între care se produce un schimb între domeniile de experință ale
fiecăruia . Expertul uman cu foarte puține cunoștințe despre sistemele experte și
inginerul de cunoștințe, un ignorant al domeniului cunoașterii specifice pun de acord,
în urma colaborării punctele lor de vedere.

12
2.2 Concepte le de baz ă ale Sistemelor Expert

Conceptele de bază ale un ui Sistem Expert sunt: expertiza și experții, transferul
expertizei, regulile de inferență și capacitatea de a explica.
Expertiza este cunoaștere a intensivă a domeniului problemei, cunoaștere achiziționată
prin citire, instruire, și experiență îndelungată. Tipurile de cunoaștere care se includ în
expertiză sunt:
 Teorii din domeniul problemei;
 Reguli și proceduri privind domeniul problemei;
 Fapte despre domeniul problemei;
 Strategii globale despre soluționarea tipurilor de probleme;
 Reguli sau euristici despr e ce trebuie făcut într -o situație problematică
dată, pentru soluționarea problemei;
 Metacunoaștere.
Aces te tipuri de cunoaștere ajută experți i să ia hotărâri mai bune și mai rapide
în soluționarea problemelor complexe, decât cei mai puțin experimentați s au cei
neexper imentați . Pentru a deveni expert e ste nevoie de mai mulți ani de pregătire , un
grad înalt de inteligență și este necesară acumularea unui volum mare de cunoștințe,
aceștia învățând din succesele sau greșelile avute pe parcurs. Cunoașterea po ate fi
memorată, organizată și ușor regăsită. Cunoașterea poate fi apeltă din propria
experiență.
Este dificil a defini un e xpert . Un expert este poate fi o persoană care posedă
cunoștințe temeinice și experiență într -un anumit domeniu, un specialist de ma re clasă ,
cu mai multe nivele sau grade de expertiză. Pentru ca o persoană să fie considerată
expert, căt de multă expertiză și experiență trebuie să posede o persoană calificată într –
un domeniu?
Activitațile expertului necesare efectuării unei e xpertiz e umane includ:
 Formularea problemei;
 Recunoașterea problemei;
 Rezolvarea acesteia cu rapiditate și exactitate;
 Explicarea soluției date;

13
 Învățarea din experiența acumulată ;
 Restructurarea cunoașterii;
 Fragmenatrea regulilor.
Aceste activități ne arată capacitatea experților pentru a transforma datele
probleme i într -o soluție rapidă. Această soluție este posibil ă deoarece expertul are
capacita tea de a învăța din experienț a unor lucruri, are capacitatea de a fragmenta
regulil e cunoscute, are capacitatea de determinare a relevanței cuno așterii și limit area
cunoașterii în domeniu. Activități le trebuie desfașurate eficace, adică cu rezultate de
calitate și eficient , adică repede și cu cost uri redus e. Pentru ca un expert uman să poată
fi imitat este necesar ca sistemul expert c onstrui t să cuprindă toate caracteristici le
prezentate .
Pentru a hotărî construirea unui sistem expert, există două motive: asistearea
unui expert în activitatea desfășurată și înlocuirea expertului.
Motivele p rincipale pentru a înloc ui expertul uman sunt:
 Posibilitatea efectuării expertizei, oricând;
 Automatizarea sarcini lor care necesită exper ți;
 Costuri mai reduse deoarece cheltuielile cu expertul sunt foarte mari;
 Deoarece unele expertiz e sunt cerut e în medii de lucru periculoase
pentru sănătatea omului .
Programele specializate sunt tot mai de întâlnite în marile companii și nu numai
aici pentru a sistarea experților umani . Sistemele expert capabile să asiste experții în
munca lor au la bază următoarele motive principale:
 Ajută exper tul, cu scopul îmbunătățirii productivității, în executarea
sarcinilor de rutină;
 Ajută expertul , în scopul unui bun control al complexității, în executarea
sarcinilor dificile ;
 Pentru a p une la dispoziția expertului la momentul oportun, informații le
dificil de colectat.
Obiectivul unui Sistem Expert îl constituie t ransferul expertizei . Expertu uman
transfer ă către calculator, iar calculator ul transferă către utilizatorii experți sau
nonexperți. Acest proces implic ă patru activitați:

14
 achiziția cunoașterii de la experți pentru stocarea tuturor elementelor
specifice unui domeniu aplicativ ;
 reprezentarea cunoașterii în calculator , cunoștințele și informațiile sunt
preluate de la experții umani și reprezentate de specialiști în calculator;
 pe baza cunoașterii stocate are loc inferențierea ;
 transferul cunoașterii către utilizator ii.
O trăsătură unică, dar majoră a Sistemului Expert este i nferențierea (procesul
de inferențiere) adică , abilitatea de a raționa. Inferențierea se face pe baza expertizei
memorate în baza de cunoștințe și a programului care are acces la o bază de date sau la
un fișier. Motorul de inferență, posesor de proceduri și cunoaștere procedurală în
legătură cu soluționarea problemei execută inferențele.
Majoritatea Sistemelor Expert se bazează pe reguli de forma IF..THEN::ELSE
memorate în baza de cunoștințe. În anumite aplicații, reprezentarea prin cadre, a devenit
un complement al reprezentării prin reguli.
O trăsătură majoră a Sistemelor Expert o reprezintă capac itatea explicativă în
legătură cu recomandările făcute pentru alternativele decizionale sau cu explicarea
sfatului pe care îl dau.

2.3 Arhitectura Sistem elor Expert

Caraceristicile Sistemelor Expert determină o structură specifică care poate fi
grupată în jurul a trei module principale, care determină un sistem esen țial: Baza de
cunoștințe, Mecanismul de inferențe și Baza de fapte. Pe lângă aceste module, un sistem
expert conține o serie de module ce asigură comunicarea cu operatorul și expertul uman.
Acest modul de comunicație are rolul de a furniza interfețele specifice utilizatorilor
sistemelor expert și pentru achiziția cunoștințelor.
Un Sistem Expert are la bază do uă componente distincte:
 tehnologii le noi de programare c are permit utilizarea a foarte multe
cunoștințe, precum și mo dul în care inferențiază acestea;
 construcții le și metodologii le nou dezvoltate ce permit utilizarea
efectivă a acestor tehnologii pentru probleme complexe.

15
Realizarea unor Sisteme Expert de un real succes are loc prin c ombinarea cât mai
eficientă a componente lor distincte.
Strânsa cooperare între un specialist în domeniu și un inginer de cunoștințe duce
la realizarea unui Sistem Expert. Inginerul de cunoștințe transpune informațiile primite
de la specialistul în domeniu (expert) care trebuie să fie capabil să își raporteze
cunoștințele și să reușească să interpreteze informațiile, într -o formă specifică de
reprezentare a sistemelor informat izate, având în vedere modulele principale ale unui
Sistem Expert. Pe lângă aceste module, în literatura de specialitate, un Sistem Expert
mai conține o serie de module ce asigură comunicarea cu operatorul și expertul uman,
respectiv:
 interfața utilizator ilor, care asigură dialogul dintre utilizator și sistemul
de limbaj cvasinatural prin translatarea limbajului intern;
 modulul de achiziție a cunoștințelor care preia cunoștințele furnizate de
inginerul de cunoștințe într -o formă ce nu este specifică reprez entării
interne;
 modulul de explicații care permite „ trasarea drumului urmat ]n ra’ionare
de către sistemul rezolutiv și emiterea justificărilor pentru soluțiile
obținute, evidențiindu -se în acest mod cauza greșelilor sau motivul
eșecului. El ajută e xpertul să verifice consistențe bazei de cunoștințe ”2
Baza de cunoștințe se prezintă ca o structură de date c are conține totalitatea
cunoștințelor specializate introduse de către expertul uman. Cunoașterea este memorată
într-un spațiu special organizat în care se descriu fapte reale, situații evidente, fapte
ipotetice și euristici, baza de cunoștințe făcând parte din sistemul cognitiv . Motorul de
inferență se mai numește și interpretor de reguli, în cazul memorării cunoașterii s ub
formă de reguli de producț ie iar baza de cunoștințe conține două componente: baza de
fapte și baza de reguli .
Mecanismul de inferență (interpretor ) preia cunoștințele din baza de
cunoștințe pe care le folosește pentru construirea unui raționament, pentru a rezulta
inferențe și a t rage concluzii. Obiectivele majore urmărite de mecanismul de inferență

2 Dorin Ioniță Cârstoiu, Sisteme expert, Editura All, București, 1994, p.47

16
sunt: alegerea str ategiei de control în funcție de problema de rezolvat , întocmirea
planului de rezolvare după necesitate, comutarea de la o strategie la alta, executarea
acțiunilor pre văzute în planul de rezolvare.
Baza de fapte conține toate datele utilizatorului (fapte inițiale c are descriu
enunțul problemei de rezolvat) și rezultatele produse în cursul procedurii de deducție și
este reprezentată de o memorie auxiliară .
Modul de ac hiziție al cunoștințelor presupune preluarea cunoștințel or
specializate furnizate de inginerul de cunoștințe c are nu sunt specific e reprezentării
interne, urmând verific area validit ății acestora , generând o bază de cunoștințe coerentă.
Interfața utilizator este forma finală care asigură dialogul dintre utilizator și
sistem . În această fază nu mai este nevoie de ajutor din partea unui specialist în ingineria
cunoașterii sau a proiectantului de sistem. Prin interfața utilizator , se preiau parametrii
problemei pe măsură ce componenta de control are nevoie de ei. Anumite Sisteme
Expert au o interfață complexă, unele conțin dicționare, fiind capabil e de analize
lexicale și sintactice , corecții ortografice, etc . Pentru a fi posibilă utilizarea facilă a
interfeței, ea trebuie s ă fie simpl ă și clară .
Modul ul de explicații urmărește traseul urmat în raționare de către sistemul
rezolutiv, justificarea soluțiilor obținute în sesiunile de consultare și evidențierea (în
cazul lipsei unor cunoștințe sau a inconsistenței ac estora) cauzelor greșelilor sau
motivul eșecului. Ajută expertul în verificarea consistenței bazei de cunoștințe.

17
Următoarea figură ( Figura 2.1 ) prezintă arhitectura unui Sistem Expert

2.4 Sisteme le Multi -Expert

Sistemele multi -expert asigură integrarea mai multor sisteme expert din
domenii diferite, reprezentate de sisteme informatice. Astfel sunt create cele mai bune
condiții pentru analizare cazurilor de complexitate crescută, care necesită diferite
abordări multidisciplinare.
Dezvoltarea și utilizarea aplicațiilor multi -expert a devenit subiectul inteligenței
artificiale distribuite. Sistemele multi -expert tind să depășească Sistemele Expert
datorită abord ării mai recent e și mai promițătoare. Acestea reprezintă aplicații folosite
pentru r ezolvarea unor probleme complexe care cuprind păreri diferite legate de accea și
problemă, cunoștințe le fiind achiziționate urmare a diferite expertize.
Sistem ele Expert bazat e pe sistem multiplu prezintă unele avantaje, ca de
exemplu :
1. posibilitatea împ ărțirii experienț ei, cunoștinț elor și a resursel or;
2. o credibilitate crescută ;
3. mai bun ă raționare datorită observațiilor altor agenți constituenți.

18
Sistemele multi -expert se dezvolt ă pe baza a două scheme . Una, conform căreia
sistemul este format din mai multe subsist eme, iar abord area problemei se face din
diferite părți . În acest caz, coordonarea și cooperarea subsistemelor este p roblema care
trebuie rezolvată . Cealaltă schemă se caracteriz ează printr -o singură bază de cunoștințe
care cuprinde informații le provenite de la mai multi experți.
În anul 1996, Hanachi a propus altă tehnică de dezvolatre a Sistemelor Expert,
care presupune existența a unei baze de date activ e și a unei baze de date deductivă ,
care să se comport e ca un sistem informațional cooperativ. Acest a, menține
informații le despre dezvolt area proiectului și are la bază un set de reguli care
coordonează și controlează activitați le.
O problemă a reprezentării cunoașterii o reprezintă r ezolvarea și încorporar ea
opiniilor conflictuale . În anul 1995 Lietal propune un raționament fuzzy care să
combin e cunoșt iințele experților și să țină cont de independența acestora. Prin acestă
modalitate abordare a problemei se pot «identific a» cazurile de intrare și se poate găsi
informația c are este mai potrivită a fi folosită pentru fiecare caz individual.
În scopul exerictării unei activități de nivel înalt, c ercetătorii au constatat între
diverși specialiști dintr -un domeniu, o evoluție către interacțiuni complexe și frecvente.

2.5 Arhitectura Sistem elor Multi-Expert

Arhitectura Sistem ului multi -expert are la bază arhitectura Sistem ului Expert,
dar, are în plus anumite principii de care trebuie ținut cont și care trebuie respectate:
 numărul modulelor de cunoaștere trebuie să fie mai mare și trebuie să fie
identice celor din componența unui Sistem Expert ;
 separare a motoarel or de inferență și a modulel or de cunoaștere ;
 în cazul unei expertize , modularitatea cunoa șterii trebuie să rămână validă.
Alte module din sistem nu trebuie să fie afectate de adăugarea, modificare a
sau ștergerea unui modul de cunoaștere ;
 dacă există vreo problemă, sistemul trebuie să permită aflarea soluției la
aceasta ;
 raționamentul folosit trebuie să fie asemănător celui uman , aceasta fiind
principal a restricție pentru rezolvarea problemelor complexe , în sistem

19
multi -expertiză. Rețeaua de module de cunoaștere trebuie legată slab astfel
încât nici un modul să nu poate avea o vedere generală și completă asupra
rețelei pentru a servi ca supraveghetor.

2.6 Comunicarea î ntre modulele de cunoa ștere
În cadrul Sistem elor multi -expert se disting două tipuri de comunic ații. Acestea
au loc între modulele de cunoaștere ale sistemului și între sistem și utilizator .
Comunicare a între sistem și utilizator se face prin intermediu Interfeței
utilizator, asemeni Sistemelor Expert clasice.
Comunicare a între module este ilustrat ă în Figura 2.2 reprezentată mai jos

Comunicarea dintr-un Sistem multi -expert poate fi de mai multe tipuri:
– prin partajarea informației ;
– prin trimiterea mesaje lor;
– prin cunoașterea declarativă .
Comunicarea prin partajarea informației este caracteriz ată prin existența unei
structuri partajate de date , în care se regăsesc datele problemei, dar care se modifică pe
parcursul execuției aplicației , în final obținând rezultatul problemei. Acest mod de
comunicare între module este cel mai des folosit.
Comunicarea , prin intermediul mesaje lor se caracterizează prin schimbul unor
mesaje între modulele de cunoaștere , în baza unui protocol inițial stabilit. Mesajul

20
cuprinde receptorul, mesajul propriu zis și emițătorul. Transmiterea mesajului se face
la unul sau la m ai mulți receptori identificați (direct) , sau est e transmis tuturor
modulelor în același timp (prin difuziune) .
În situația în care există modul de cunoaștere declarativă , care conține numele
receptorilor și conținutul mesajelor , atunci comunicarea se desfășoară prin cunoașterea
declarativă.
Cunoașterea declarativă a acestui modul (MCD) reprezintă fundamentul pentru
constituirea bazei de fapte inițiale pentru modulul de cunoaștere activat. În urma
soluționării problemelor dintr -un modul, informațiile comunicate de către MCD vor fi
returnate cu noile modificări aduse acestora .
Avantajul acest ui mod de comunicare este reprezentat de faptul că modulul
principal controlează rezoluția dar celelalte module de cunoaștere nu dețin o
independen ță totală .

2.7 Criterii le de evaluare a le Sistemelor Multi-Expert

Motivele principale pentru care în aplicațiile mari și complexe se aleg Sstemele
multi -expert sunt reprezentate prin: siguranță, rapiditate, eficacitate, eficiență, calitatea
soluției, costul , claritatea și adecvarea la domeniu.
Siguranța asigură continuitatea funcționării sistemului și în cazul lipsei unui
modul sau a rezolvării incorecte a problemei. Astfel se asigură o bună fiabilitate și se
elimină posibilitatea unui eșec total.
Rapiditatea reprezină un foarte important criteriu de eva luare a sistemelor, în
special atunci când sistemul este implementat pe o arhitectură multiprocesor.
Eficacitatea este mai mare în cazul partajării cunoașterii între mai mul te
module , având în vedere timpii de rezoluție.
Datorită faptului că cunoașterea es te repartizată pe mai multe module, calitatea
soluției este ridicată. Datorită repartizării cunoașterii în mai multe module, soluția
obținută este de o mai bună calitate decât dacă cunoașterea ar fi inegrată într-un singur
modul.

21
Datorită modularității ca re oferă posibilitatea achiziționării cunoașterii în
paralel de la mai mulți experți, precum și validarea globală a prototipului , sunt mai
reduse costurile de concepere .
Tot datorită modularității se datorează și claritatea , sistemul fiind vizibil se
reduc e cantitatea de informații necesară luării unei decizii momentane.
Adecvarea la domeniul aplicativ al problemei este un alt aspect care trebuie
luat în considerare, deoarece experții acordă o încredere deosebită în sisteme le care
reflectă propria lor conce ptualizare și abstractizare.

22
3. ORGANIZAREA SISTEM ELOR EXPERT

Baza concepției Sistemelor Expert este reprezentată de ideea construirii soluției
problemei din piesele elemantare de cunoaștere ale expertul uman, piese pe care
expertul le selectează și aplică într -o anumită secvență. Cunoașterea trebuie să fie
formaliza tă și să fie reprezentată într -o formă adecvată proceselor de inferență pentru
ca, în cele din urmă să poată fi manipulată conform metodei adecvate de rezolvare a
problemei și p entru a furniza o soluție coerentă problem ei date. Ca și concluzie a celor
prezentate mai sus, rezultă faptul că modulele principale ale unui Sistem Expert sunt
reprezentate de baza de cunoștințe (cunoaștera asupra domeniului, datele problemei) și
sistemul de control (motorul de inferențe, responabil cu organizarea proceselor
infere nțiale care implică cunoștințele), module care trebuiesc separate.
Figura 3.1 Componentele principale ale unui Sistem Expert
Baza de cunoștințe și Sistemul de control reprezintă inima unui Sistem Expert .
Alte elemente care ajută la funcționalitatea complexă a sistemului sunt :
– achiziția de cunoștințe;
– interfața ;
– component ele explicativ e.
Baza de cunoștințe este responsabilă cu depozitarea informațiilor asupra
domeniului de expertiză și cu rezolvarea problemei. Baza de fapte, baza de regului și
agenda reprezintă componente esențiale ale bazei de cunoștințe.
Sistemul de control este componenta responsabil ă cu desfășurarea proceselor de
inferență. Acesta are rolul de a codific a startegii le de aplicare a regulilor.

3.1 Baza de cunoști nțe

Baza de cunoștințe reprezintă una din componentele de bază ale unui Sistem
Expert, a ceastă componentă fiind destinată memorării cunoașterii dintr -un domeniu
particular. Cunoaștere a reprezintă sursa de ”inteligență” și e ste folos ită de motorul de

23
inferențe pentru a raționa concluziile și a soluți ona problema care trebuie rezolvată. Cea
mai dificilă muncă în cadrul procesului de construire a unui Sistem Expert o reprezintă
colect area și organizarea cunoașterii .

3.2 Metode le de reprezentare a cunoașterii

Pentru o ușoară înțelegere a metodelor de reprezentare a cunoașterii unui Sistem
Expert, este necesară clarificarea semnificației ”de cunoaștere” și disticția termeni lor:
date, informați i și cunoaștere.
Datele sunt reprezentate prin termeni care pot șiruri alfabetice sau numerice
despre anumite fapte, situații care rezult ă prin numărare sau măsurare, care , folosite
individual nu au nici o semnificație, dar pot constitui un răspuns la o întrebare a
utilizatorului.
Informația este o prelucrare și o utilizare de date astfel încât , aceasta prezinte o
semnificație pentru utilizator.
Cunoașterea, este un termen căruia îi pot fi atribuite mai multe definiții . Din
punct de vedere filozofic , cunoașterea poate fi definită ca o reflectare activă în
conștiință a lumii reale, a esențialului și a generalului din fenomene. Cunoașterea
reprezintă o informație rafinată care are tendința să fie generală , uneori incompletă sau
imprecisă. Totodată cunoașterea includ e informațiile, fapte le, procedurile, concepte le,
modele și euristici le care pot fi utilizate în inferențe pentru soluționarea problemelor.
După clasificarea în funcție de conținut, există mai multe tipuri de cunoaștere :
cunoașterea generală, cunoașterea specifică, cunoașterea e xactă, cunoașterea
procedurală , cunoașterea declarativă și cunoașterea imprecisă.
Deși calculatoarele nu au studii și experiență așa cum au oamenii, totuși ele pot
utiliza și prelucra cunoașterea (faptele, metodele, conceptele, teoriile, euristicile,
procedurile și relațiile) furnizate de experții umani. Prin urmare, cunoașterea reprezintă
informații organizate și analizate într -o maineră, în care, calculatoarele s ă o poat ă
înțelege și folosi în soluționarea problemelor.
În cadrul Sistemel or Expert, cu noașterea o reprez intă expertiza expertul ui
uman, sau cunoașterea disponibilă din că rți. Cunoașterea expertului uman este specifică

24
unui singur domeniu al problemei, prin urmare, atât expertul computerizat cât și
expertul uman raționează , și fac inferențe în mod similar atunci când au la dispoziție
anumite fapte.
Există trei teme în jurul cărora se concentrează gândirea despre reprezentarea
cunoașterii și anume: domeniul cunoașterii, mecanismele de inferență și limbajul de
reprezentare a cunoașterii.
Domen iul cunoașterii are în vedere aspectele care trebuie reprezentat e din
domeniul problemei.
Mecanismele de inferență sunt programe care asigură rezolvarea cazurilor
analizate pe baza cunoștințelor disponibile. Acestea se referă la prelucrările cele mai
adecvate cunoașterii din domeniu l respectiv, în scopul obținerii unor piese noi ale
cunoașter ii, care să fie cele mai relevante pentru soluționarea problemelor.
Limbajul de reprezentare a cunoașterii ne arată cum trebuie și cu ce metode sau
modele trebuie repr ezentată cunoașterea.
Deși există mai multe metode de reprezentare a cunoașterii, între acestea există
unele elemente comune, dintre care amintim:
– deși se admit e folosirea mai multor limbaje de programare existente sau
a generatoarelor de Sisteme Expert, rezultatul este memorat;
– rezultatele reprezentării (fapte le, reguli le și cadre le) pot fi utilizate în
mecanisme de raționament , prin conținutul lor.
Metodele de reprezentare a cunoașterii, în funcție de modelul specific, se
clasifică în: metode declarati ve și metode procedurale.
Metodele declarative, folosesc faptele și aserțiunile . Aceste metode oferă facilități
pentru specificarea aspectelor statice ale cunoaște rii, pentru specificarea
componentelor, a proprietăților, evenimentelor și stărilor. Rețelele semantice, logica
predicatelor și cadrele și/sau obiectele structurate aparțin metodei declarative .
Metodele procedurale sunt folosite la reprezentarea proceduri lor și/sau acțiunilor.
Acestea se bazează pe aspectele dinamice ale cunoașterii pentru efectuarea inferențelor,
determinarea faptelor noi prin executarea unor operațiuni noi asupra pieselor de
cunoaștere. Regulile și procedurile sunt specifice metodei procedurale. Pe lângă

25
acestea, mai există listele, scenariile, rețele neuronale, tabelele de decizie, restricțiile și
arborii decizionali .

A. Regulile de producție
Cea mai utilizată metodă pentru reprezentarea cunoașterii
recomandărilor, directivelor sau strategiilor, în cadrul Sistemelor Expert, este
metoda Regulilor de producție. Un sistem de producție este alcătuit dint r-o bază
de date și un set de reguli. Condiția unei reguli pr esupune realizarea unui
indicator de succes sau de eroare. Concluzia unei reguli este reprezentată de o
acțiune ce utilizează date din baza de date iar un control al sistemului determină
secvența regulilor folosite.
Regulile, dacă sunt clare, pot specifica ce ar trebui să facă sau , în diferite
situații, ce ar trebui să fie inclus. Baza de date conține un set de termeni, iar
reguli le au forma IF c THEN t, în care condiția es te formată din termeni,
paranteze, conective, iar concluziei îi aparține un singur te rmen. o serie de fapte
și un interpretor ce controlează aplicarea regulilor. Sistemele Expert bazate pe
reguli, conțin: reguli, fapte și un interpretor pentru controlul aplicării regulilor.
Se pot distinge două tipuri de sisteme bazate pe reguli: sisteme c u
înlănțuire înainte, și sisteme cu înlănțuire înapoi.
În cadrul sistemelor cu înlănțuire înainte , numit și data -driven , se începe
cu o serie de fapte inițiale, și se folosesc regulile din care deriv ă noi concluzii
asupra acelorași fapte.
În cadrul sist emelor cu înlănțuire înapoi , numit și goal -driven, se
pornește de la o serie de ipoteze pe care încearcă să le demonstreze , și se caută
reguli noi care ar duce la rezolvarea acelor presupuneri.
Pentru a surprinde toate detaliile dint -un domeniu particular, este
necesar un număr mare de regului pentru r eprezentarea exactă a cunoașterii.
Numărul regulilor necesar reprezentării cunoașterii, este direct proporțional cu
complexitatea cunoașterii.
Tipologia regulilor are în vedere numeroasa varietate a formelor de
reprezentare a cunoașterii prin reguli: de recomandare, de cauzalitate, de

26
recomandare, strategice, directiv e, euristice. O clasificare a regulilor în funcție
de natura funcției informatizate cu Sistemele Expert, se prezintă astfel: reguli
de planificare, de proiectare, pentru probleme de interpretare, și de diagn ostic .
Regulile reprezintă o modalitate eficientă de procesare a cunoașterii,
fiind privite ca piese independente ale cunoașterii care îi conferă acesteia o
autonomie ridicată a reprez entării.
Prin măsuri de organizare a bazei de reguli, a bazei de fapte și prin
includerea unor măsuri de accelerare a procesului inferențial se pot reduce și/sau
diminua c auzele care produc diminuarea performanțelor Sistemelor Expert
bazate pe reguli.

B. Metoda bazată pe logică
Metoda bazată pe logică reprezintă u na din tre cele mai importante
metode de reprezentare, care ne permite să reprezentăm fapte complexe despre
lume, să derivăm noi fapte, iar dacă faptele inițiale sunt adevărate, atunci ne
garantează că și concluziile adevărate . Logica predicatelor are o sintaxă bine
definită, reguli și semantici de inferență.
Aserțiunile, adică p ropozițiile cu valoare de adevăr, se referă la
concepte, obiecte, evenimente din domeniul problemei, fiind reprezentate cu
tehnici specifice predicatelor de ordinul I, calculul acestora permite descrierea
atributelor conceptelor, obiectelor, și evenimentelor.
Experții, preferă c alculul predicatelor , datorită structurii și a puterii de
inferențiere. Pentru unele probleme, calculul predicatelor este adecvat , însă
suferă deoarece propozițiile nu se pot fragmenta în părți, ci trebuie tratate ca un
totunitar, dar , ele pot fi v ăzute ca două părți de bază:
– Argumente , adică obiecte;
– Aserțiuni despre atributele obiectelor , adică predicate.
În cadrul Sistemel or Expert, în care motoarele de inferență raționează de
la premise către concluzii , logica, are o importanță deosebită .

27
Automated Reasoning Systems este un termen important pentru
programarea logic ă și Sistemele Expert , acesta reprezentând un sistem de
raționament automat.

C. Metoda rețelelor semantice
Rețelele semantice au la bază un model cu structură de rețea, un
important mijloc de reprezentare a cunoașterii , graful.
O rețea semantică are forma unui ansamblu de noduri și arce,
orientate și etichetate. Obiectele din domeniu sunt reprezentate prin n oduri. Un
obiect poate fi un concept abstract sau particular, un atribut. Arcele sunt
utilizate pentru a reprezenta legăturile sau relațiile dintre obiecte. Dacă două
noduri sunt legate printr -un arc , atunci ele sunt în legătură directă. Primele tipuri
de rețele semantice au utilizat raționament ul bazat pe proprietatea de moștenire.
Rețelele semantice se caracterizează prin reprezentare a cuno așterii
împreună cu o structură de regăsire a cunoașterii. În metoda rețelelor semantice ,
raționamentul presupune căutarea unei căi din nodurile grafului folosind
cunoașterea disponibilă din domeniu.
În Sistemele Expert, grafuri le, pot fi de dependență sau de cauzalitate și
sunt foarte utile pentru formalizarea cunoașterii .
În situația grafului de dependență, semnificația nodurilor este atribuită
de obiecte, propoziții, aserțiuni, stări psihologice, iar legăturile reprezintă
relațiile dintre două obiecte și pot fi de: colecție, acțiune, atribuire, posesie,
timp, spațiu, sau presupunere.
În situația grafului de cauzalitate, semnificați a asociat ă nodurilor și
arcelor po ate să fie diferită în funcție de problema care trebuie soluționat ă. Oferă
o adecvare foart e bună la achiziția cunoașterii cauzale incomplete și o
îmbun ătațire a explicațiilor și înțelegerii . Dacă se constată că informațiile sunt
incomplete, se poate completa foarte ușor introduc ând un nou nod în graf.
Mmetoda rețelelor semantice stă la baza tripletel or obiect -atribut –
valoare . Această reprezentare este foarte utilă pentru translatarea tabelelor prin

28
reguli de inducție în programarea inteligentă și pentru listarea cunoașter ii în
formă tabelară.

D. Metoda cadrelor și scenariilor
Una din variant ele de reprezentare a cunoașterii non -procedurale î ntr-un
Sistem Expert, o reprezintă cadrele. Aici, toate informați ile relevant e referitoare
la un concept sunt stocate într-un singur loc. Acest loc seamănă foarte mult cu
o înregistrare complexă organizată ierarhi c. Cardele sunt des folosite pentru a
reprezenta cunoștințel e specifice anumit or evenimente sau obiecte, cum ar fi o
rasă de animale , un pacient, etc.
Se poate trage concluzia ca î n cadrul rețelel or semantie , cunoaștere a este
bidimensională, în timp ce în metoda cadrel or se adaugă o a treia dimensiune,
care permi te nodurilor să aibă structură.
Cadrele sunt difer ite de rețelele semantice deoarece pot descrie un obiect
sau un sistem în care se dau detalii despre componentele și r elațiile dintre ele.
S-a demonstrat că cele mai multe îmbunătațiri , sunt aduse în modurile
de reprezentare hibride, și că cercetările în acest domeniu, sunt de un real folos.

E. Metoda obiectelor structurate
Sistemele Expert utilizează din ce în ce mai des m etoda obi ectelor
structurate deoarece:
– obiectul este singura structură în care se regăsește toată
cunoașterea;
– se înscrie în rândul metodelor cu transfer succesorial și reflectă
idei ale paradigmei reprezentării cunoașterii cu cadre ;
– cunoașterea procedurală se men ține separat de cunoașterea
declarativă;
– este modularizată prin mecanisme de transmitere a mesajelor și
încapsulare;
– suportă moștenirea ;
– vizualizarea obiectelor este posibilă în anumite limbaje .

29
Obiect ul, încapsulare a, transmiterea mesajelor, legarea dinam ică și
moștenirea reprezintă c onceptele acestei metode. Specialișt ii, tot mai des, au
început să prezintă metoda obiectelor structurate ca o metodă bazată pe cadre
deoarece, reprezentarea cunoașterii prin cadre face referințe la programarea
orientată cătr e obiecte în construirea bazei de cunoștințe.

F. Metoda rețelelor neuronale
Rețelele neuronale urmăresc modul în care lucrează creierul uman și se
concretizează în așa numitele mașini care învață. Acestea se referă la tehnologiile
ultramoderne și sunt capab ile să învețe din propria experiență. În urma cercetărilor,
în faza de laborator, au fost descoperite mai multe metode neuronale ș i algoritmi
speciali, precum : învățarea inductivă, învățatrea bazată pe explicații, algoritmi
genetici, rețele neuronale, raționament bazat pe cazuri, metode statistice folosite în
achiziția cunoașterii și soluționarea problemelor.

3.3 Motorul de inferență

Motorul de inferență mai este numit și c omponenta de control a unui Sistem
Expert , deoarece , în cursul execuției , asemeni unui proces inferențial, sistemul este
capabil să genereze fapte noi din cele cunoscute, aplicând reguli.
Ciclurile de bază ale u nui mecanism de inferență, indiferent de modul de
raționare utilizat , cuprinde patru faze :
– faza de selecție este faza în care se alege un subansamblu al bazei de
fapte și reguli foarte importante. Această selecție reprezintă un avantaj
considerabil pentru următoarele faze;
– faza de filtrare a re ca efect comparația între premisele regulilor
considerate și faptel e pentru determinarea regulilor aplicabile. Aplicarea
acestei faze după faza de selecție, ajută la reducerea regulilor ce sunt
filtrare cu elementele din baza de fapte . La unele Sisteme Expert, mai
apare o subfază a fazei de filtrare numită faza de restric ție.

30
– faza de rezolvare a conflictelor este faza care are ca obiectiv alegerea
regulilor care sunt efectiv aplicabile. În această fază problemele se
rezolvă prin strategii;
– faza de execuție este faza în care se aplică regulile alese mai înainte,
acțiunea co nstând în adăugarea a noi fapte în baza de reguli. Aplicarea
regulilor poate face apel la proceduri externe care au ca efect
modificarea bazei de fapte și/sau formularea de întrebări .
În faza de filtrare, m otoarele de inferență aplică o proprietate numit ă
refractibili tatea, care nu permite filtrarea unei reguli decât o singură dată pe un set
anume de fapte. În cazul lipsei acestei proprietăți , sistemele expert ar fi antrenate în
bucle triviale c are ar apărea ori de câte ori acțiunile părții drepte ale une i reguli nu ar
produce modificări în bază.
Strategia de control, numită și faza de selecție a unui Sistem Expert, este
legătura de trecere de la o stare la alta în procesul de raționament, pentru rezolvarea
problemelor. Strategiile de control surprind int erpretări structurale, semnificații de
natură relațională, proprietăți și structuri ierarhice bazate pe primitive semantice. Faza
de selecție determină c a o căutare să fie direcționată în scopul atingerii stării finale.
Cele mai folosite strategii de contr ol, sunt :
 strategii de control înainte (forward -chaining);
 strategii de control înapoi (backward -chaining);
 strategii de control combinat;
 strategii de control circumstanțial;
Strategia de control înainte pornește de la starea inițială d e fapte, deoarece, se
pornește de la un set de fapte inițiale , de la care, prin aplicarea raționamentelor se caută
răspunsuri, până la obținerea răspunsului corespunzător problemei. Regulile folosite
pot fi reguli de inferență, reguli specifice, simboluri relaționale și res tricții care reduc
spațiul problemei. În strategiile de control înainte se pornește de la fapte pentru a ajunge
la obiectiv.
Strategia de control înapoi, pornește de la obiectivul problemei, care se
descompune și se transformă în subprobleme de complexitate mai mică, prin aplicarea
regulilor de descompunere. Aceasta se mai numește și control dirijat prin obiectivul

31
problemei sau control de sus în jos . Înițial se c aută scopul, deci dacă acesta se regăsește
în baza de fapte . Dacă acesta nu se găsește în baza de fapte, se caută printre concluziile
unei reguli. Dacă se găsește printre concluzii , se numește stare de scop, urmând a se
verifica dacă premizele acest ei noi stări, se regăsește în baza de fapte. Dacă nu se
regăsește în baza de fapte , atunci căutarea devin e scop nou și se continuă procesul până
se găsește o premiză care nu este suportată de nici o regulă. Această metodă de control
înapoi, corespunde demo nstrării ipotezelor de către experții umani.
Strategia de control combinat se caracterizează prin faptul că folosește metode
reductive pentru a descompune problema în subprobleme, ulterior fiind rezolvate prin
metode productive. Utilizând concluziile stabilite, urmare a raționării înainte, prin
raționarea înapoi se verifică ipotezele care au condus la acel scop. Strategia de control
combinat este o strategie în doi pași.
Strategia de control circumstanțial se caracterizează prin faptul că aplicarea
regulilor de inferență este dată atât de valoarea de adevăr a condiției , de termenii unor
variabile și de caracteristicile relaționale derivate din situația obiectelor problemei. În
cadrul acestei strategii sunt posibile strategii de căutare înainte, înapoi s au combinate.

3.4 Agenda

Agenda reprezintă o structur ă de date car e memorează în fiecare moment
instanța regulilor. Instanțe le sunt prezentate într-o listă, prima instanț ă de regulă , aflată
pe prima poziție , va fi prima utilizată.
Ordinea instanțelor regulilor din agendă, este dictată de două criterii. Cel dintâi
criteriu este prioritatea declarată a regulilor, iar cel de al doilea criteriu este strategia de
rezoluție a conflictelor. Pe baza acestor două criterii, în agendă, instanțele sunt ordonate
în mod descrescător priorităților declarate, iar dacă priorități le sunt egale , ordinea este
dată de strategia de rezoluție a conflictelor.

32
3.5 Modul ul de explicație

Datorită faptului că u nele dintre cunoștințele aflate într-un Sistem Expert au
caracter euristic , există posibilitatea ca soluția transmisă de sistem să nu fie optimă.
Totodată există posibil itatea ca această soluție să fie incorectă. De aici rezultă
necesitatea explicării modului în care, Sistemul expert, a ajuns la o anumită concluzie.
Asupra acestui aspect va reacționa modulul de explicații, care permite trasarea
drumului urmat în raționament de către sistemul rezolutiv și emiterea justificărilor
pentru soluțiile obținute, e xpilcând cauza greșelilor sau m otivul eșecului. Modulul de
explicații ajută expertul să verifice consistența bazei de cunoștințe.

33
4. METODE LE DE REALIZARE ALE SISTEMELOR
EXPERT

În timp, realizarea Sistemelor Expert a devenit mai ușoară datorită d ezvolt ării
limbajelor de programare și a tendinț ei lor de a utiliza diverse forme de expresie umană .
Realizarea Sistemelor Expert întâmpină anumite probleme care trebuie luate în
considerare, dintre care amintim: n ecesit atea reprezent ării unui bagaj foarte mare de
cunoștințe și o capacitate de deducție rapidă și eficient ă a soluțiilor problemelor.
Realizarea Sistem elor Expert presupune achiz iția cunoștințelor, care se
realizează cu generato are de Sisteme Expert sau achiziția cunoștințelor și reprezentarea
lor prin implementar ea motorului de inferență, în final urmând faza de validare.

4.1 Etapele realizării unui Sisteme Expert

Paralel cu derularea procesului de transfer al experienție, procesul de realizare
al unui Sistem Expert poate fi împărțit în trei etape:
 studiu de fezabilitate – cu ajutorul unei machete Sistem Expert se realizează
un studiu de fezabiliate;
 prototip – construirea unui prototip pe care se experimentează moduri de
reprezentare a cunoașterii, mecanismele de inferență realizate;
 industrializare a – realizarea Sistemului Expert pornind de la prototip, dacă
rezultatele sunt satisfăcătoare și structura sistemului realizat ca prototip , are
rezultate bune .
Fazele aferente transferului de cunoștințe sunt: identificarea, conceptualizarea,
formalizarea, implementarea și validarea.
Calitatea și utilitatea Sistem elor Expert depind e de varietatea de cunoștințe pe
care le asimilează și le utilizează. Pentru realizarea Sistem elor Expert , efortul principal
este orientat spre cuno aștere, pornind de la identificarea structurii generale
corespunzătoare domeniului de expertiză și continuând cu colectarea, reprezentarea,
validarea și utilizarea .

34
Prim a etapă în realizarea unui Sistem Expert o reprezintă culegerea
cunoștințelor relevante de la un expert uman . Cunoștințe le culese, sunt, de obicei , de
natură euristică, iar culegerea lor astfel încât să poată fi utilizat e de calculator reprezintă
o misiune care presupune un grad mare de dificultate . Inginer ul de cunoștințe are ca
obiectiv general culegerea cunoș tințelor de la un expert uman și construirea bazei de
cunoștințe a sistemului. Culegrea cuoștințelor de către inginer ul de cunoștințe , este o
muncă dificilă și anevoiasă, d atorită faptului că achiziționarea de cunoștințe de la
expertul uman este dificilă iar exprimarea cu exactitate a regulilor și cunoștințelor nu
este tocmai o treabă ușoară și la îndemâna oricui. Inițial, pe baza informațiilor obținute
de la expertul uman, e ste concep ut un prototip, urmând apoi șlefuirea acestuia folosind
reacțiile expertu lui și a potențialilor utilizatori ai sistemului.
Construcția Sistemului expert într -un mod în care acesta va fi ușor de modificat
și de verificat, va constitui un puternic atu în toată munca care trebuie depusă. Sistemul
expert trebuie să fie în măsură să-și explice raționamentul și să poată răspund e la
întrebări le despre procesul de soluționare al problemei. Trebuie luată în considerare
capaciatatea de adăugare și ștergere a unor cunoștințe.
Una dintre cele mai folosite metode este r eprezentarea cunoști nțelor prin reguli,
unde, concluzii le nu sunt precise, dar au un anumit grad de certitudine datorită faptului
că concluzia este adevărată dacă condiția este adevărată.
Crearea unui Sistem Expert presupune parcurgerea următoarelor e tapele :
– analiza prelimin ară;
– modelarea conceptuală ;
– colectarea cunoștințelor ;
– reprezentarea cunoașterii ;
– validarea sistemului ;
– introducerea în exploatare și mentinerea în funcțiune .
Metodele propuse de societatea de informatică KADS, și societatea
COGNITECH, sunt d ouă din tre cele mai cunoscute metode de realizare a sistemelor
expert .
Metoda propusă de Knowledge Acquisition Documentațion System, a fost
dezvoltată în cadrul Comunității Europene, având intenția de a definii un standard

35
metodologic european pentru conceperea și realiz area unor sisteme și aplicații care
utilizează baze de cunoștințe. Conform acestei metode , se disting următoarele etape:
definirea , proiectarea, analiza , implementarea și exploatarea și menținerea în funcțiune
a aplicției .
Acestă metod ă, se caracterizează printr-un demers de modelare al expertizei
care diferențiază descrierea domeniului de descriere al raționamentelor , fiind
structurată pe patru nivele:
 strategia, reprezentând planul generel de rezolvare a problemei;
 domeniu l care cuprinde descrierea euris ticilor, obiectelor, relațiilor,
atributelor, formule de calcul;
 inferență, adică descrierea primitivelor de raționament folos ite pentru
rezolvarea problemei;
 activitate a care cuprinde structura de inferență și etapele de raționament .
Metoda COGNITECH , este o metodă de realizare care are la bază prototip ul și
cuprinde trei etape:
a. realizarea unui studiu de fezabilitate – cu ajutorul unei machete Sistem
Expert ;
b. Realizarea prototipului de test – construirea unui prototip pe care se
experimentează moduri de reprezentare a cunoașterii, mecanismele de
inferență realizate, urmăr indu-se construirea unei versiuni ca re să
acopere domeniul de expertiză ce formează obiectul sistemului.
c. industrializarea este faza finală care are loc dacă realizarea Sistemului
Expert p ornind de la prototip, dacă rezultatele sunt satisfăcătoare și
structura realizată ca prototip are rezultate bune.

4.2 Alegerea probleme i

Costurile pentru r ealizarea unui Sistem Expert presupune mult efort intelectual,
multe ore de muncă și o sumă de bani deloc neglijabilă .

36
Cercetătorii, au elaborat o serie de reguli de ghidare care să ne ajute să
concluzionăm dacă problema este o problemă care poate fi soluționată cu ajutorul unui
sistem expert , pentru a evita costurile mari și eș ecurile, astfel:
1. Costurile necesare dezvoltării unei aplicații trebuie să justifice n evoile unei
soluții , astfel încât să fie asigurată o relație de echitabilitate între cost și
rezultatul final.
2. Nu întotdeauna când este nevoie de expertiză umană, aceasta este la îndemână.
Prin urmare, d acă expertiza umană ar fi disponibilă atunci când este nevoie de
ea, nu ar mai fi ne cesară realizarea Sistem elor Expert . Totuși , în anumite
domenii c um este medicina și exploatarea petrolului , cazurile în care cunoștința
specializată este oferită de un sistem expert, făr ă a se apel a la cunoștințele unui
expert în materie , sunt destul de rare .
3. Problema fiind simplă, poate fi re zolvată prin tehnici de deducție simbolice. Nu
trebui e să se pretindă aptitudini psiho logice sau dexteritate manuală .
4. Nu este neces ară multă cunoștință de bază, p roblema fiind bine structurată .
Această cunoștință este greu de reprezentat și de capturat. S -a demonstrat că
anumite domenii tehnice au o aborda re mai ușoară , iar cantitatea infor mațiilor
formalizate implic ate este destul de redusă.
5. Folosirea tehnicilor computerizate tradiționale nu presupune rezolvarea ușoară
a problem elor. Nu este nevoie de un sistem expert pentru rezolvarea problemlor,
dacă există un algoritm bun de soluționare .
6. Pentru a fi realizat un proiect de succes, experții trebuie să dorească să ajute, să
nu se simtă amenințați, deci este necesară cooper area și voinț a experți lor umani.
Proiectul de succes are nevoie de un management al proiectului și de potențiali
utilizatori.
7. Problema este de mărime potrivită și de scop. De obicei, expertiza specializată
reprezintă soluționarea probleme i. Aceasta necesită un timp destul de scurt de
rezolvare pentru un expert uman (maxim o oră) .

Din cele prezenate, se poate concluziona faptul că doar o anumită categorie
redusă de probleme s unt potrivite pentru soluționare cu ajutorul S istemel or Expert , deși,

37
dacă există o anumită problemă , sistemele expert pot aduce numeroase beneficii . Au
fost dezvoltate Sisteme Expert pentru a folosi la configurarea unui sistem de calculator.
Acest sistem este utilizat scutind sume mari de bani.

4.3 Generatoare de Sisteme Expert

Un Sistem Expert conține o bază de cunoștințe, o baz ă de fapte , un motor de
inferențe și o serie de componente auxiliare , după cum am concluzionat din capitolele
anterioare . Prin urmare, un Sistem Expert , indiferent cât este de performant , nu este
doar un motor de inferență, el, are nevoie de o bază mare de cunoștinț e care trebuie
introduse în acel sistem. Un generator de Sisteme Expert, este un p rogram informatic,
care, nu are o bază de cunoștințe , dar este capabil să o primească și să o exploateze .
Acest generator este numit instrument de elaborare care trebuie umpl ut cu cunoștințe și
conține, pe lângă motorul de inferență, utilitare de elaborare și exploatare
indinspensabil ă.
Un instrument care permite realizarea mai multor Sisteme Expert este un
generator de Sisteme Expert. În generatorul de Sisteme Expert , fiecare sistem reprezintă
o entitate distinctă , adică sisteme le sunt diferite și nu au nici o legătură între ele.
Prima generație de Sisteme expert , au avut prevăzut un software pentru achiziția de
cunoștințe, complet e sau incomplete .
Pentru crearea unui Sistem expert, trebuie completată baza de cunoștințe cu
ajutorul unui generator de sisteme expert. Baza de cunoștințe trebuie să cuprindă fapte
și reguli, care sunt funcțiile principale ale editorului. Sistemele evoluate de țin un editor ,
cu rol în achiziți onarea cunoștințelor.
Editorul este însoțit de alte utilitare precum: motorul de elaborare, modul de
învățare, trasorul și alte module specializate în calcule, comentarii și explicații. Aceste
componente nu se regăsesc în cadrul tuturo r Sistemel or expert.
Deoarece aceste module trebuie șă comunice cu utilizatorul, se demonstrează
necesitatea exist enței interfețe lor care permit dialogul cu acestea.

38
În Figura 4.1 este prezentată schematic arhitectur a simplă a unui generator de sisteme
expert.

Este de specificat faptul că fiecare modul poate fi dotat cu propria interfață de
dialog cu mențiunea că în cadrul si stemel or industriale este strict necesară interfaț a de
procedeu, pentru achiziționa rea datel or care provin de la automate și captatoare , în mod
automat. Exemplificăm domeniul gestiunii , în care interfețele sunt destinate deseori
extragerii datelor din bazele de date și înscrie rii noilor informații în ele .
Sistemul MYCIN este c el mai c unoscut sistem expert din generația veche .
Acesta a creat motorul de elaborare EMZCIN și a făcut posibilă apariția a numeroase
aplicații. Sistemul ui MYCIN îi aparține TEIRESIAS, celebrul modul de achiziție a l
cunoștințelor.
Un alt sistem expert medical conceput în aceeași perioadă de dezvoltare, este
sistemul CASNET, acesta a fost realizat pentru stabilirea diagnosticului și a terapiei

39
glaucomului. Sistemul CASNET a adus o contribuție semnificativă la realizarea
sistemului EXPERT.
Sistemul PROSPECTOR este un alt sistem important și binecunoscut în rân dul
sistemelor expert . Obiectivul acestui sistem a constat în detectarea zăcămintelor de
minerale, iar dezvoltarea lui a dus la crearea unui sistem de elaborare numit KAS.
Sistemul OPSS , momentan inclus în sistemul KNOWLEDGE CRAFT, a provenit dintr –
o familie de limbaje ale in teligenței artificiale .
Sistemul HEARSAZ -III a fost destinat analizei limbajului natural . Acesta a
adus multe idei noi care ulterior au fost reluate.

40
5. APLICA ȚIE SISTEM EXPERT IN MEDICINĂ

Figura 5.1 Pagina de înregistrare.

Figu ra 5.2 Pagina de autentificare.

41
Figura 5.3 Pagina principală a aplicației.

Figura 5.4 Pagina principală a aplicației în timpul analizării simptomelor
utilizatorului.

42
Figura 5.5 Pagina de editare a profilului utilizatorului.

Figura 5.6 Pagina de administrare a utilizatorilor.

43
Figura 5.7 Pagina de administrare a utilizatorilor.

Figura 5. 8 Pagina de administrare a utilizatorilor, modal de editare utilizator.

44
Figura 5. 9 Pagina de administrare a utilizatorilor. Modal de stergere utilizator.

Figura 5. 10 Formular de adăugare simptom rădăcină.

45
Figura 5. 11 Formular de adăugare simptom fiu.

Figura 5.12 Formular de adăugare a unui simptom final.

46
Figura 5.1 3 Listarea bazei de conoștințe.

Figura 5.1 4 Pagina de vizualizare a unui simptom din bazade conștințe.

47
Figura 5.1 5 Pagina de vizualizare a unui simptom din baza de conștințe.

Figura 5.1 6 Editarea unui simptom din baza de cunoștințe.

48
Figura 5.1 7 Ștergerea unui simptom din baza de cunoștințe.

49
6. CONCLUZII

Oricum ar f i numite, sisteme cognitive sau inteligente, Sistemele Expert
constituie o ramură a domeniului tehnologic Inteligența Artificială și au fost remarcat
deja în numeroase aplicații. De asemenea, Sistemele Expert, generatoarele de Sisteme
Expert precum și generatoarele de sisteme neuronale sunt deja disponibile și contribuie
foarte mult la modelarea înt reprinderii viitorului.
Încă din 1985 P.Harmon și D.King întrevedeau în materie de Sisteme Expert
două perioade:
– prima perioadă până la începutul anilor ’90, caracterizată de conceperea de
sisteme expert de mărime medie la soluționarea unor probleme specifice. Ele au ajutat
la stabilirea bazelor pentru această tehnologie;
– a doua perioadă, cu debutul în anul 1992, își atinge apogeul la începutul acestui
mileniu, când sistemele expert sunt concepute pentru a reproduce raționamentul uman,
până în punct ul în care se va ajunge la o concurare între experții umani și sistemele
expert în materie de inteligență și expertiză.

Dar ce ne oferă viitorul imediat în domeniul Sistemelor Expert? Se întrevăd
patru direcții de dezvoltare:
• o dezvoltarea masivă a gene ratoarelor de Sisteme Expert și de sisteme
neuronale, care vor ajuta la conceperea, de către experți, a noi aplicații în cele
mai diferite domenii.
• dezvoltarea de metode noi și performante de achiziție și reprezentare a
cunoștințelor, care vor deveni di n ce în ce mai disponibile și accesibile.
• viitorul cel mai promițător aparține sistemelor neuronale, care se
dezvoltă pe baza structurilor creierului uman și a căror originalitate se bazazea
pe distribuirea cunoașterii. Sistemele neuronale vor fi nesepar abile de Sistemele
Expert, acestea domenii implicânduse unul pe celălalt. Generatoarele de
Sisteme Expert care utilizeaza descrierea obiectelor și care fac partea integrata
a bazei de cunoștinte sunt deja disponibile în comerț.

50
Ținând cont de prezentarea făcută sistemelor informatice bazate pe cunoștințe, și în
particular a Sistemelor Expert, putem menționa câteva avantaje ale acestora:
• ele pot colecta informații valoroase;
• sunt în strânsă legătură de expertiza umană;
• în majoritatea situațiilor sunt mai ieftine și mai eficiente decât experții umani;
• sunt mai rapide decât experții umani la soluționarea anumitor probleme;
• pot fi actualizate fără un efort prea mare dacă sunt flexibile;
• pot ajuta la instruirea de noi experți umani;
• sunt dotate cu un modul de explicare a raționamentului;
• tratarea incertitudini se face într -o manieră explicită, care în comparație cu cea
a experților umani poate fi inspectată, verificată și corectată;

Cu toate acestea, unele limite ale acestor sisteme există:
• rațiunea lor nu se poate realiza pe baza intuiției și a bunului simț, deoarece
acestea sunt dificil de realizat;
• la ora actuală sunt limitate la un domeniu restrâns de cunoștințe. Cunoștintele
din alte domenii nu sunt ușor de integrat și nici nu pot fi gene ralizate în mod
convingător;
• procesul de învățare nu se poate face automat. Pentru actualizarea
cunoștințelor este nevoie de intervenția umană;
• cunoștințele pe care le posedă depind de expertul uman care le introduce și le
actualizează.

51
7. BIBLIOGRAFIE

1) ”Sisteme Expert cu Prolog” – Constantin Sambotin, București 1997
2) ”Programarea Bazată pe Reguli” – Dan Cristea, București 2002
3) ”Computațional Intelligence a logical approach” – David Poole, Alan
Mackworth, Randz Goebel
4) ”Sisteme Expert” – Dorin Ioniță Cârstoiu , București, 1994
5) ”Sisteme inteligente în management, contabilitate, finanțe bănci și marketing”
–Ioan Andone, Alexandru Țugui
6) “Sisteme Multi -expert medicale” – Dr. Mircea -Novac Ștefãnescu, 2010
7) http://www.ifi.unizh.ch/groups/ailab/pe ople/bongard/migros/LectMon830.pdf
8) http://www.scism.sbu.ac.uk/~darlink
9) http://carlisle –
www.army.mil/usacsl/divisions/std/branches/keg/expert/intro.htm
10) http://scholar.lib.vt.edu/theses/available/etd –
07112013190034/unrestricted/CPG_ETD.pdf
11) http://www.cee.hw .ac.uk/~alison/ai3notes/all.html
12) http://www.openclinical.org/aiinmedicine.html
13) http://www.atariarchives.org/deli/expert_systems.php
14) https://ro.wikipedia.org