В середині сімдесятих років в дослідженнях по штучному інтелекту сформувався самостійний напрям, що отримав назву експертні системи (ЕС). Ціль досліджень в експертних системах полягає в розробці програм (пристроїв), які при рішенні задач, важких для експерта-людини, одержують результати, не поступливі за якістю і ефективностю рішенням, одержуваними експертом. В більшості випадків експертні системи вирішують важкоформалізуючі задачі або задачі, що не мають алгоритмічного рішення. В даний час експертні системи знайшли застосування в різноманітних наочних областях (медицина, обчислювальна техніка, геологія, математика, сільське господарство, управління, електроніка, юриспруденція і ін.).

Дослідники в області експертних систем для назви своєї дисципліни використовують термін knowledge engineering (буквально "інженерія знань"), включаючи в круг вивчення власне наукові, технологічні і методологічні питання. Цей термін був введений Фейгенбаумом. Задачу даної дисципліни Фейгенбаум визначив як "привнесення принципів і інструментарію досліджень з області штучного інтелекту в рішення важких прикладних проблем, вимагаючих знань експертів".

Причини успішного практичного використовування експертних систем полягають в том, що при їх побудові були враховані попередні дослідження в області штучного інтелекту [6, c.7].

У зв'язку з тим, що основним джерелом потужності ЕС є знання, ЕС повинні мати здатність придбавати знання. Процес отримання знань можна розділити на: отримання знань від експерта; організацію знань, забезпечуючи ефективну роботу системи; представлення знань в зрозумілому системі вигляді. Процес отримання знань здійснюється на основі аналізу діяльності експерта, так званого "інженера по знаннях" (knowledge engineer). Евристичний характер знань робить їх придбання вельми трудомістким процесом. Трудомісткість цього процесу призводять до того, що він є найбільш узким місцем при створенні експертних систем і взагалі систем штучного інтелекту.

Експертні системи і системи штучного інтелекту відрізняються від систем обробки даних тим, що в них використовується символьний (а не числовий) спосіб уявлення, символьне виведення і еврестичний пошук рішення (а не готове рішення) [6, c.8].

Специфіка додатків експертних систем в порівнянні з іншими системами штучного інтелекту полягає в наступному. По-перше, експертні системи застосовуються для вирішення тільки важких практичних (не "іграшкових") задач. По-друге, за якістю і ефективністю рішення експертних систем. не поступаються рішенням експерта-людини. По-третє, рішення експертних систем володіють "прозорістю", тобто можуть бути пояснені користувачу на якісному рівні (на відміну від рішень, отриманих за допомогою числових алгоритмів, і особливо від рішень, отриманих статистичними методами) . Ця якість експертних систем забезпечується їх здатністю міркувати про свої знання і висновки. По-четверте, експертні системи здатні поповнювати свої знання в ході діалогу з експертом. Практичні успіхи експертних систем підтверджують той факт, що дана область досліджень досягла зрілого стану. Проте необхідно мати на увазі, що наукова база цієї області знань знаходиться на початковому рівні розвитку. До цих пір, не дивлячись на наявність базових принципів, створення кожного нового додатку вимагає серйозних трудовитрат (порядку декількох человеко-років) і не завжди приводить до успіху, Проте вже зараз існують методики і інструментарії, які можуть бути передані (і передаються) від одного додатку до іншого [6, c.9].

Будь-яка експертна система складається з трьох основних частин — бази даних, бази знань і програм логічного виведення. База даних містить інформацію про поняття і об'єкти наочної області. База знань — інформацію про їх поведінку і способи взаємодії. Аналіз конкретної ситуації, логічні виведення і складання відповідей на питання виконують програми логічного виведення. Робота цих програм побудована на принципах роботи інтелекту людини.

Серцевину експертної системи складає база знань, яка нагромаджується в процесі її побудови. Знання виражені в явному вигляді і організовані так, щоб спростити ухвалення рішень. Важливість цієї особливості експертної системи неможливо переоцінити [8, c.15].

Наслідки цього факту виходять за межі побудови програми, призначеної для вирішення деякого класу задач. Причина в том, що знання — основа експертних систем — є явними і доступними, що і відрізняє ці системи від більшості традиційних програм. Вони володіють такою ж цінністю, як і будь-який великий об'єм знань, і ці знання можуть широко розповсюджуватися за допомогою книг і лекцій.

Найкориснішою характеристикою експертної системи є те, що вона застосовує для вирішення проблем високоякісний досвід. Цей досвід може представляти рівень мислення самих кваліфікованих експертів в даній області, що веде до рішень творчих, точних і ефективних. Саме високоякісний досвід в поєднанні з умінням його застосовувати робить систему рентабельною, здатною заслужити визнання на ринку. Цьому сприяє також гнучкість системи. Система може нарощуватися поступово відповідно до потреб бізнесу або замовника. Це означає, що можна спочатку вкласти порівняно скромні засоби, а потім нарощувати її. можливості у міру необхідності.

Інша корисна можливість експертних систем це наявність у них прогностичних можливостей. Експертна система може функціонувати як теорія обробки інформації або моделі рішення задачі в заданій області, даючи очікувані відповіді в конкретній ситуації і показуючи, як, зміняться ці відповіді в нових ситуаціях. Експертна система може пояснити детально, яким чином нова ситуація привела до змін. Це дозволяє користувачу оцінити можливий вплив нових фактів або інформації і зрозуміти, як вони пов'язані з рішенням. Аналогічно, користувач може оцінити вплив нових стратегій або процедур на рішення, додаючи нові правила або змінюючи вже існуючі.

База знань, визначальна компетентність експертної системи, може також забезпечити нову якість: інституційну пам'ять. Якщо база знань розроблена в ході взаємодії з провідними фахівцями установи, відділу або штабу, то вона представляє поточну політику або способи дії цієї групи людей. Цей набір знань стає зведенням дуже кваліфікованих думок і довідником якнайкращих стратегій і методів, що використовуються персоналом. Провідні фахівці йдуть, але їх досвід залишається. Це важливо для ділової сфери і особливо цінно для озброєних сил і урядових органів з їх частими перетвореннями і персональними переміщеннями [8, c.17].

І останньою важливою властивістю експертних систем є те, що їх можна використовувати для навчання і тренування керівних працівників і провідних фахівців

Розкриваючи сутність експертних систем треба розкрити архітектуру експертних систем.

ЕС включає два компоненти: вирішувач (процедури виведення) і динамічно змінна база знань. Вибір як основа для реалізації вирішувача систем продукций зумовлює наявність в ЕС також і робочої пам'яті. Третій, практичний принцип пред'являє до системи наступні вимоги: здатність вести діалог про вирішувану задачу на мові, зручній користувачу (експерту), і, зокрема, придбавати в ході діалогу нові знання; здатність при рішенні задачі слідувати лінії міркування, зрозумілій користувачу (експерту); здатність пояснювати хід свого міркування на мові, зручній для користувача (експерта), що необхідно як при використовуванні, так і при вдосконаленні системи. Перша вимога реалізується лінгвістичним процесором ЕС і компонентом придбання знань, а для виконання другої і третьої вимог в ЕС вводиться пояснювальний компонент. Крім того, друга вимога накладає обмеження на спосіб рішення задачі — хід міркування в процесі рішення повинен бути зрозумілий користувачу (експерту). Дане обмеження призводить до того, що в експертних системах, як правило, незастосовні, наприклад, статистичні методи [6, c.10].

Отже, типова експертна система має наступні компоненти: база знань, що береже безліч продукций, робоча пам'ять, що береже дані (база даних); інтерпретатор, вирішальний на основі знань, що є в системі, пред'явлену йому задачу; лінгвістичний процесор, здійснюючий діалогову взаємодію з користувачем (експертом) на природній для нього мові (природна мова, професійна мова, мова графіки, тактильна дія і т.і.); компоненту придбання знань; пояснювальна компоненту, даюча пояснення дій системи і відповідаюча на питання про те, чому деякі висновки були зроблені або знехтувані.

Експертна система працює в двох режимах: в режимі придбання знань і в режимі рішення задач. В режимі придбання знань в спілкуванні з експертною системою бере участь експерт (через посредство інженера по знаннях). В цьому режимі експерт наповнює систему знаннями (правилами), які дозволять їй в режимі рішення самостійно вирішувати задачі з області експертизи. Відзначимо, що режиму придбання знань в традиційному підході до розробки програм відповідають етапи алгоритмізації, програмування і відладки, виконувані програмістом. Таким чином, на відміну від традиційного підходу, в ЕС розробку програм здійснює не програміст, а фахівець в області експертизи, не володіючий програмуванням.

В режимі рішення задач в спілкуванні з експертною системою бере участь користувач, якого цікавить результат і (або) спосіб отримання рішення. Необхідно відзначити, що залежно від призначення ЕС користувач може або не бути фахівцем в даній проблемній області (в цьому випадку він, не уміючи отримати відповідь саму, звертається до ЕС за порадою), або бути фахівцем (в цьому випадку користувач може і сам отримати результат, але звертається до ЕС з метою прискорити процес отримання результату або з метою покласти на ЕС рутинну роботу) [6, c.12].

В режимі отримання знань експерт вводить в систему продукції про область експертизи. Продукції (в більш загальному трактуванні правила) представляються на природній для користувача мові. Об'єднання знову введених продукций з базою знань здійснюється компонентой придбання знань. Для того, щоб переконатися в достатності знань (тобто переконатися в том, що процес відладки задачі завершений), експерт дає системі тестові приклади. У випадку, якщо результат, отриманий системою, не задовольняє експерта, він за допомогою пояснювальної компоненти одержує відомості про те, як був сформований результат. Після закінчення процесу відладки система передається в експлуатацію користувачам. В режимі рішення дані про задачу користувача після обробки їх лінгвістичним процесором поступають в робочу пам'ять [7, c.13].

Важливо відзначити, що архітектура реальних експертних систем розрізняється в першу чергу по наступним характеристикам: спосіб представлення даних і знань; склад знань, що використовуються; методи роботи інтерпретатора. Вибір тих або інших характеристик при проектуванні експертної системи визначається в основному властивостями вирішуваний задачі і бажаними властивостями системи.

Розробка програмних комплексів експертних систем як за рубежем, так і в нашій країні знаходиться на рівні швидше мистецтва, ніж науки. Це зв'язано з тим, що довгий час системи штучного інтелекту упроваджувалися здебільшого під час фази проектування, а частіше всього розроблялося декілька прототипних версій програм, перш ніж був отриманий кінцевий продукт. Такий підхід діє добре в дослідницьких умовах, проте в комерційних умовах він є дуже дорогим, щоб виправдати комерційно життєвий продукт [5, c.606].

Проектування експертних систем має істотні відмінності від проектування звичайного програмного продукту. Досвід розробки ранніх ЕС показав, що використовування при їх проектуванні методології, прийнятої в традиційному програмуванні, або надмірно затягує процес створення ЕС, або взагалі приводить до негативного результату. Річ у тому, що неформализованность задач, вирішуваних ЕС, відсутність завершеної теорії ЕС і методології їх проектування приводить до необхідності модифікувати принципи і способи побудови ЕС в ході процесу проектування у міру того, як збільшуються знання розробників про проблемну область. Ураховуючи відзначені складнощі, при проектуванні ЕС використовується концепція "швидкого прототипу". Суть цієї концепції полягає в том, що розробники не намагаються відразу побудувати кінцевий продукт. На початковому етапі вони створюють прототип ЕС. Прототип повинен задовольняти двом суперечливим вимогам: з одного боку, він повинен вирішувати типові задачі конкретного додатку, а з іншою — трудомісткість його розробки повинна бути вельми незначною, для того, щоб його можна було швидко розробити. Для задоволення вказаним вимогам, як правило, при створенні прототипу використовуються різноманітні засоби, прискорюючи процес проектування. Ці засоби в узагальненому вигляді називають інструментарієм.

Прототип повинен продемонструвати придатність методів інженерії знань для даного додатку. У разі успіху експерт за допомогою інженера по знаннях розширює знання прототипу про проблемну область. При невдачі може бути потрібно розробка нового прототипу або розробники можуть прийти до висновку про непридатність методів ЕС для даного додатку. У міру збільшення знань прототип може досягти такого стану, коли він успішно вирішує всі задачі даного додатку [6, c.14].

Оскільки процес проектування ЕС відпрацьований недостатньо, слід мати на увазі, що розробка конкретних систем може мати свої особливості. Ціль — виділити основні проблеми проектування, з якими стикалися розробники експертних систем за п'ятнадцятирічну історію їх існування.

Перш ніж перейти до розгляду окремих етапів розробки ЕС, перерахуємо спеціальності учасників даного процесу: експерт в тій проблемній області, задачі якої вирішуватиме ЕС; інженер по знаннях — фахівець по розробці ЕС; програміст, здійснюючий модифікацію і узгодження інструментальних засобів. Звичайно в розробці ЕС бере участь не менше чотирьох чоловік (1 експерт, 2 інженера по знаннях і 1 програміст). Необхідно особливо підкреслити, що відсутність серед учасників інженера по знаннях (тобто заміна їх програмістами) або приводить до невдачі процесу розробки ЕС, або значно подовжує цей процес.

Перейдемо до етапів побудови ЕС. На етапі ідентифікації розв'язуються наступні задачі: визначаються учасники процесу проектування і їх ролі, ідентифікується проблема, визначаються ресурси і цілі. Задача визначення учасників і їх ролей зводиться до визначення кількості експертів і інженерів по знаннях, а також форми їх взаємостосунків (наприклад, експерт може виступати або в ролі вчителя, або в ролі інформуючого). На цьому ж етапі визначаються джерела знань (книги і інструкції). Ідентифікація проблеми полягає в складанні неформального (вербального) опису вирішуваної проблеми. В цьому описі указуються загальні характеристики проблеми; підпроблеми, що виділяються усередині даної проблеми; ключові поняття і відносини: вхідні дані; гаданий вид рішення; знання, релевантні вирішуваний проблеми. Якщо початкова проблема виявляється дуже складною з погляду ресурсів, що є, то етап ідентифікації може зажадати декілька ітерацій.

При проектуванні експертної системи типовими ресурсами є: джерела знань, час розробки, обчислювальні засоби і об'єм фінансування. При визначенні ресурсів необхідно мати на увазі, що терміни розробки і упровадження експертної системи складають. Задача визначення ресурсів є вельми важливою, оскільки обмеженість якого-небудь ресурсу істотно впливає на процес проектування [6, c.15].

На етапі концептуалізації експерт і інженер по знаннях використовують ключові поняття, відносини (згадані на етапі ідентифікації) і характеристики, необхідні для опису процесу рішення проблеми. На цьому етапі визначаються наступні особливості проблеми: типи доступних даних; дані, що виводяться; підпроблеми загальної проблеми; стратегії, що використовуються, і гіпотези; види взаємозв'язків між об'єктами області; типи відносин, що використовуються; типи обмежень, що накладаються на процес рішення; склад знань, що використовуються для отримання і обгрунтовування рішення. Досвід показує, що для визначення перерахованих характеристик проблеми доцільно скласти детальний протокол дій і міркувань експерта в процесі рішення хоча б однієї конкретної задачі. Такий протокол забезпечує інженера по знаннях словником термінів і деяким приблизним уявленням про ті стратегії, які використовує експерт. Крім того, протокол допомагає відповісти на багато інших питань, виникаючих в ході розробки. На цьому етапі інженер по знаннях розглядає деякі питання, що відносяться до представлення знань і методів рішення, але говорити про вибір конкретних чинів і методів тут ще рано.

На етапі формалізації всі ключові поняття і відносини, введені на етапі концептуалізації виражаються на деякій формальній мові, запропонованій інженером по знаннях. Тут він визначає, чи підходять інструментальні засоби, що є, для вирішення проблеми, що розглядається необхідні оригінальні розробки. Виходом етапу формалізації є опис процесу рішення проблеми, що розглядається, на запропонованій формальній мові, тобто на даному етапі визначається склад і способи представлення декларативних і процедурних знань системи [6, c.17].

Процес формалізації залежить від трьох основних чинників: структури простору пошуку, характеризуючої особливості вирішуваний задача; моделі, лежачої в основі проблеми; властивостей даних проблеми, що розглядається.

Важливим кроком в процесі формалізації знань є побудова моделі досліджуваної проблеми, оскільки саме знання моделі дозволяє генерувати рішення. Якщо в процесі міркувань і аргументування експерт використовує хоча б найпростішу модель, то аналіз цієї моделі дозволить виробити важливі поняття багато кого і відносини.

Задача етапу виконання полягає в створенні одного або декількох прототипів ЕС, вирішальних задачі, що вимагаються. Потім за наслідками етапів тестування і досвідченої експлуатації на даному етапі створюється кінцевий продукт, придатний для промислового використовування. Розробка прототипу полягає в програмуванні його компонентів. Звичайна помилка розробників при створенні прототипу полягає в тому, що процес придбання знань відкладають до повного завершення програмування. Тим самим, по-перше, ця сама трудомістка частина роботи відсовується на пізні етапи, і, по-друге, в процесі накопичення знань доводиться вносити зміни у вже готові програми. Тому необхідно починати придбання знань, як тільки складена програми, дозволяючи працювати з найпростішим представленням знань і з найпростішими управляючими структурами. Такий підхід дозволяє максимально рано почати виконання окремих підзадач і знайти, що у ряді випадків для їх вирішення необхідне додаткові знання. Іншими словами, перший прототип експертної системи (ЕС-1) повинен з'явитися через декілька місяців, а не через роки після початку роботи.

Створення першого прототипу повинне підтвердити, що вибрані методи рішень і способи уявлення придатні для успішного вирішення принаймні ряду задач з області експертизи. Після завершення першого прототипу необхідно розширити коло задач, вирішуваних системою, для того, щоб зібрати побажання і зауваження, які будуть враховані в черговій версії системи (ЕС-2). Для отримання вказаної інформації необхідно розвинути версію ЕС-1, шляхом додавання в неї засобів для збору зауважень користувачів (без участі інженера по знанням), і средств зберігання бібліотеки задач, вирішених системою [6, c.18].

Для досягнення ефективного функціонування експертної системи необхідно здійснити структуризацію знань. Найважливішим засобом для структуризації знань є абстрактні поняття проміжного рівня. У багатьох випадках ці поняття можуть явно не згадуватися (а можливо, і не усвідомлюватися) експертом. Задача інженера по знаннях — виділити такі поняття, знайшовши схожі дії експерта при обробці різних ситуацій.

В ході етапу тестування здійснюється оцінка вибраного способу представлення знань і всієї системи в цілому. Як тільки система виявляється в змозі обробити від початку до кінця два або три приклади, необхідно починати перевірку на більш широкому крузі прикладів для того, щоб визначити недоліки бази знань і управляючого механізму (процедур виведення). Задача інженера по знаннях полягає в підборі прикладів, забезпечуючих усесторонню перевірку експертної системи. Звичайно виділяють наступні джерела невдач в роботі системи: тестові приклади: введення/виведення: правила виведення; управляючі стратегії.

Найочевиднішою причиною невдалої роботи системи є недостатньо показові тестові приклади. У гіршому разі тестові приклади можуть виявитися взагалі зовні проблемної області, на яку розрахована ЕС, проте частіше безліч тестових прикладів знаходиться в проблемній області, що розглядається, але є однорідним і не дозволяє охопити всю проблемну область.

На етапі досвідченої експлуатації перевіряється придатність експертної системи для кінцевого користувача. Тут система займається рішенням всіх можливих задач при роботі з різними користувачами. Доцільно організувати роботу системи не на стенді розробника, а на місці роботи користувачів. До цього етапу слід переходити лише після того, як система, на думку експерта, успішно вирішуватиме практично всі задачі, що вимагаються, щоб помилки в рішеннях не створювали у користувача негативне уявлення про систему [6, c.21]. Придатність системи для користувача визначається в основному зручністю роботи з нею і її корисністю. Під корисністю системи розуміється здатність системи в ході діалогу визначити потреби користувача, виявити і усунути причини невдач в роботі і задовольнити потреби користувача (тобто вирішити поставлені задачі). Кажучи іншими словами, користувачу важливо "довести до свідомості" системи свою інформаційну потребу, не дивлячись на можливі помилки, що допускаються їм у зв'язку з недостатнім знанням системи. Звичайно, для користувача важлива також повнота і правильність рішень, але ці характеристики повинні бути є перевірені експертом на попередньому етапі.

В ході побудови експертної системи майже постійно здійснюється її модифікація. Удосконалення прототипу здійснюється в процесі циклічного проходження через етапи виконання і тестування з метою відладки правил і процедур виведення. Цикли повторюються до тих пір, поки система не поводитиметься очікуваним чином. Зміни, здійснювані при удосконаленні, залежать від вибраного способу уявлення і від класу задач, вирішуваних експертною системою. Якщо в процесі удосконалення бажана поведінка не досягається, то необхідно здійснити більш значні модифікації архітектури системи і бази знань. Повернення з етапу тестування на етап формалізації приводить до перегляду вибраного раніше способу представлення знань. Даний цикл називають переконструюванням. Якщо виниклі проблеми ще більш серйозні, то після невдачі на етапі тестування може бути потрібно повернення на етапи концептуалізації і ідентифікації. В цьому випадку йтиметься про переформулировании понять, що використовуються в системі, тобто про проектування всієї системи практично наново [6, c.22].

З розробкою і використовуванням експертних систем тісно зв'язані такі поняття, як знання і бази знань, особлива роль знань в експертних системах обумовлено, перш за все, областю їх застосування, експертні системи призначені для вирішення важкоформалізованих задач або задач, що не мають алгоритмічного рішення у вузькоспеціалізованих областях діяльності людини. Експертні системи дозволяють акумулювати, відтворювати і застосовувати знання, які самі по собі володіють величезною цінністю. Перехід від даних до знань є закономірним слідством розвитку і ускладнення інформаційних структур [12, c.12].

Аналізуючи експертні системи треба також розкрити їх класифікацію. Клас «експертні системи» сьогодні об'єднують декілька тисяч різних програмних комплексів, які можна класифікувати по різних критеріях.

Розглянемо класифікацію по вирішуваній задачі. ЕС інтерпретації даних визначають значення даних. Результати повинні бути злагодженими і коректними. Звичайно передбачається багатоваріантний аналіз даних.

ЕС діагности виконують процеси віднесення об'єкту до деякого класу і виявлення несправностей в деякій системі. Несправність — це відхилення від норми. Таке трактування дозволяє з єдиних теоретичних позицій розглядати і несправність устаткування в технічних системах, і захворювання живих організмів, і всілякі природні аномалії.

ЕС моніторингу є орієнтований на безперервну інтерпретацію даних в реальному масштабі часу і сигналізацію про вихід тих або інших параметрів за допустимі межі.

ЕС проектування готують специфікації на створення «об'єктів» з наперед певними властивостями. Під специфікацією розуміється весь набір необхідних документів — креслення, записка пояснення і т.і.

ЕС планування знаходять плани дій, що відносяться до об'єктів, здатних виконувати деякі функції. В таких ЕС використуються моделі поведінки реальних об'єктів з тим, щоб логічно вивести наслідки планованої діяльності.

ЕС навчання діагностують помилки при вивченні якої-небудь дисципліни за допомогою ЕОМ і підказують правильні рішення. Вони акумулюють знання про гіпотетичного «учня» і його характерні помилки, потім в роботі вони здатні діагностувати слабості в пізнаннях і знаходити відповідні засоби для їх ліквідації [2, c.14].

Наступна класифікація по зв'язку з реальним часом. Статичні ЕС розробляються в наочних областях, в яких база знань і дані, що інтерпретуються, не міняється за час рішення задачі. Вони стабільні. Наприклад, діагностика несправностей в автомобілі.

Квазідинамічні ЕС інтерпретують ситуацію, яка міняється з деяким фіксованим інтервалом часу. Наприклад, мікробіологічні ЕС, в яких знімаються лабораторні вимірювання з технологічного процесу один раз в 4—5 годин (виробництво лізину, наприклад) і аналізується динаміка отриманих показників по відношенню до попереднього вимірювання.

Динамічні ЕС працюють з даними, що змінюються під час рішення задачі, часто в сполученні з датчиками об'єктів, іноді в режимі реального часу з безперервною інтерпретацією даних, що поступають. Приклад — управління ГПС, монитофінг в реанімаційних палатах і ін.

Розглянемо класифікацію по типу ЕВМ. ЕС на супер ЭВМ для унікальних стратегічно важливих задач (Ельбрус, CRAY і ін.).

ЕС на ЕОМ середньої продуктивності (типу ЄС ЕОМ).

ЕС на символьних ЕОМ і робочих станціях (SYMBOLIC SUN, APOLLO і ін.).

ЕС на міні- і супер-мини-ЭВМ (СМ-1700, VAX, miсro-VAХ і ін.).

ЕС на ПЕВМ (IBM PC, PS/2 і подібні). Ця класифікація, мабуть, не вимагає пояснень [2, c.16].

Наступна класифікація по ступеню інтеграції з іншими програмами. Автономні ЕС працюють безпосередньо в режимі консультацій з користувачем тільки для «експертних» задач, при рішенні яких не вимагається привертати традиційні методи обробки даних (розрахунки, моделювання і т. д.).

Гібридні ЕС представляють програмний комплекс, агрегуючий стандартні пакети прикладних програм (наприклад! математичну статистику, лінійне програмування або системи управління базами даних) і засобу маніпулювання знаннями. Це може бути інтелектуальна надбудова над пакетом прикладних програм або інтегроване середовище для вирішення складної задачі з елементами експертних знань.

Не дивлячись на зовнішню привабливість гібридного підходу слід зазначити, що розробка таких систем виявляє собою за' дачу на порядок складнішу, ніж розробка автономної ЕС Стиковка не просто різних пакетів, а різних методологій (що відбувається в гібридних системах) породжує комплекс теоретичних і практичних труднощів [1, c.16].

Таким чином експертні системи це самостійний напрям який був сформований в дослідженнях по штучному інтелекту. Причини успішного практичного використовування експертних систем полягають в том, що при їх побудові були враховані попередні дослідження в області штучного інтелекту. Також треба додати що, найкориснішою характеристикою експертної системи є те, що вона застосовує для вирішення проблем високоякісний досвід.