Minského definice umělé inteligence:
“Umělá inteligence je věda o vytváření strojů a systémů, které budou při řešení určitého úkolu užívat takového postupu, který – kdyby tak postupoval člověk – bychom považovali za projev jeho inteligence.“Richova definice umělé inteligence:
„Umělá inteligence se zabývá tím, jak počítačově řešit úlohy, které dnes zatím lépe zvládají lidé“.Úkolem je myšlen komplikovaný úkol, jehož složitost lze ohodnotit počtem všech jeho řešení. Za inteligentní pak lze označit ten, který dokáže zvolit pouze nadějné řešení a ty aplikovat. Podstatou takového systému je správné využití znalostí a zkušeností. Znalosti podle toho dělíme na:
znalosti objektivní – exaktní, definice, fyzikální zákony, věci obecně známé atd.
znalosti subjektivní – získané vlastním poznáním, praxí, zkušeností, nespadající do oblasti fyz. zákonů aj.
Kotkova definice umělé inteligence:
„Umělá inteligence je vlastnost člověkem uměle vytvořených systémů vyznačujících se schopností rozpoznávat předměty, jevy a situace, analyzovat vztahy mezi nimi a tak vytvářet vnitřní modely světa, ve kterých tyto systémy existují, a na tomto základě pak přijímat účelná rozhodnutí, předvídat důsledky těchto rozhodnutí a objevovat nové zákonitosti mezi různými modely nebo jejich skupinami“.Pomocí zavedení vnitřních modelů lze definovat úkol jako model počátečního stavu, model koncového stavu. Dále jsou dány přípustné akce, jimiž lze model měnit. Úkolem je pak nalézt takové posloupnosti akcí, které vedou transformaci modelů počátečního na koncový a to způsobem inteligentním (viz výše).
Umělá inteligence je spíše soubor metod, teoretických postupů a specializovaných počítačových programů, který sjednocuje úsilí o strojové řešení (podporu) složitých problému. Výsledky řešení už pak nejsou součástí umělé inteligence, ale přecházejí do oborů, ve kterých jsou aplikovány.
Myšlenka expertního systému
„Expertní systémy jsou počítačové programy, simulující rozhodovací činnost člověka (experta) při řešení složitých úloh s podstatným cílem – dosáhnout kvality rozhodnutí na jeho úrovni.“
Expertní systémy jsou snad nejvýraznějším důkazem využití nástrojů umělé inteligence v praxi. Nejpodstatnější u nich je poznání, že kvalita systémů s umělou inteligencí závisí daleko více na kvalitě znalostí, než na kvalitě mechanizmu pro jejich využívání.
Expertní systémy jsou založeny na myšlence převzetí znalostí od experta (objektivních i subjektivních) a jejich vhodné počítačové reprezentace, která by umožnila počítačovému programu využívat těchto znalostí zhruba stejným způsobem, jako jich využívá expert.
Podstatné je hledisko váhy znalostí na kvalitu rozhodnutí. Co činí experta lepším expertem jsou jeho subjektivní znalosti tj. zkušenosti. Objektivní znalosti – fakta lze vždy vyčíst – jsou to fakta. Zkušenosti lze někdy jen těžko, nebo vůbec dokázat, ale přesto jsou rozhodující pro řešení problému.
Expertní systém tedy není nějaký systém využívající obecných metod a obecných (objektivních) znalostí. Právě naopak je to systém specifický, se znalostmi a metodami specifickými (subjektivními), které do něj zadal expert a který ze zadaných požadavků vyhodnotí stejný výsledek, jako expert, který do něj své znalosti zadal.
Podstatný je zde fakt, že systém nezpracovává řetězce nebo čísla, ale program musí hledět na informační (významovou) stránku dat a podle toho je vyhodnocovat. Samozřejmě že pode vším bude ono zpracování dat, ale na povrchu musí program pracovat s informacemi.
třídy problémů
Základní třídy problémů vhodné pro řešení expertními systémy jsou tyto:interpretace – rozpoznávání situací z údajů, které je popisují;
predikce – předpověď očekávaných důsledků dané situace;
diagnostika – určení stavu (poruchy) systému z pozorovatelných (měřitelných) projevů jeho chování;
konstruování – výběr a sestavení objektů do určitého funkčního celku při daných omezujících podmínkách;
plánování – sestavení posloupnosti akcí za účelem dosažení požadovaného cíle
monitorování – sledování a porovnávání údajů, odpovídající určité situaci, za účelem zjišťovaní a následného odstraňování odchylek od očekávané situace
ladění, opravování – výběr, sestavení a uskutečnění posloupnosti akcí, odstraňujících odchylky anebo chybové stavy
výuka – diagnostika, ladění a upravování vědomostí studenta
řízení – interpretace, predikce, monitorování a úprava chování systému
fakt mazééééc 
2012 ©