Ime	Področje	Opis
AGREX	kmetijstvo	Ekspertni sistem AGREX je uporaben v kmetijstvu, še posebej na področjih uporabe gnojil, zaščite pridelkov, načrtovanju namakanja in diagnostike bolezni sadja in zelenjave.
AL/X	proizvodni procesi	Ekspertni sistem AL/X je namenjen odkrivanju okvar v zahtevnih proizvodnih procesih.
CaDet	medicina	Ekspertni sistem CaDet je sistem klinične podpore, ki pri bolnikih omogoča prepoznavanje raka v njegovih zgodnjih fazah.
CADUCEUS	medicina	Ekspertni sistem CADUCEUS naj bi izboljšal in razširil sistem MYCIN, ki se je osredotočal le na bakterijske okužbe krvi tako, da bi zajel celotno interno medicino. Sistem je bil sčasoma sposoben diagnosticirati do 1000 različnih bolezni.
CHIRON	pravo	CHIRON je hibridni pravni ekspertni sistem, ki združuje modele sklepanja s pomočjo pravil in sklepanja s pomočjo pravnih primerov, da bi podprl dejavnosti davčnega načrtovanja v skladu z davčnim zakonom in kodeksi ZDA.
DENDRAL	kemija	DENDRAL je ekspertni sistem na osnovi umetne inteligence, ki se uporablja za kemijske analize. Za napovedovanje molekularne strukture snovi uporablja spektrografske podatke te snovi.
DiagnosisPro	medicina	DiagnosisPro je medicinski ekspertni sistem, ki ponuja izčrpne diagnostične podatke o 11.000 boleznih in 30.000 kliničnih ugotovitev.
Drilling Advisor	naftne ploščadi	Ekspertni sistem Drilling Advisor je zasnovan kot pomoč pri reševanju problemskih situacij na naftnih ploščadih.
DXplain	medicina	Ekspertni sistem DXplain je sistem klinične podpore, ki lahko na podlagi ugotovitev zdravnika predlaga katere različne bolezni lahko ima določeni bolnik.
JUDGE	pravo	Ekspertni sistem JUDGE, ki temelji na sklepanju s pomočjo pravil, je sistem pravne podpore na področju kaznivih dejanj, povezanih z umorom, napadom in ubojem.
MYCIN	medicina	Zgodovinsko gledano je imel sistem MYCIN pomembno vlogo pri spodbujanju raziskovalnega zanimanja za ekspertne sisteme, ki temeljijo na sklepanju s pomočjo pravil. MYCIN je ekspertni sistem za diagnosticiranje in priporočanje zdravljenja bakterijskih okužb krvi (kot sta meningitis in bakteriemija). Namenjen je podpori zdravnikom pri zgodnjem odkrivanju in zdravljenju meningitisa, kar je lahko smrtno, če ga ne zdravimo pravočasno. Postal je predloga za številne podobne sisteme, ki temeljijo na sklepanju s pomočjo pravil.
PROSPECTOR	geologija	Ekspertni sistem Prospector je zasnovan za odločanje o težavah pri raziskovanju mineralov in kot pomoč pri drugih geoloških raziskavah.
PXDES	medicina	S pomočjo ekspertnega sistema PXDES lahko pri bolniku na podlagi podatkov zlahka določimo vrsto in stopnjo pljučnega raka.
R1/XCON	računalništvo	Zgodovinsko gledano je imel sistem XCON pomembno vlogo pri spodbujanju komercialnega zanimanja za ekspertne sisteme, ki temeljijo na sklepanju s pomočjo pravil. Ekspetni sistem XCON (sprva imenovan R1) lahko izbere določeno strojno opremo za ustvarjanje računalniškega sistema, ki ga želi uporabnik. Namenjen je konfiguraciji računalniških sistemov VAX podjetja DEC.
SHYSTER	pravo	SHYSTER je hibridni pravni ekspertni sistem, ki združuje modele sklepanja s pomočjo pravil in sklepanja s pomočjo pravnih primerov, da bi podprl več pravnih področij, vključno z vidiki avstralskega avtorskega prava, pogodbenega prava, osebne lastnine in upravnega prava.
Split-Up	pravo	Ekspertni sistem Split-Up, ki temelji na sklepanju s pomočjo pravil, je sistem pravne podpore, ki ob ločitvah pomaga pri delitvi zakonskih sredstev v skladu z (avstralskim) družinskim zakonikom.
SU/X	razpoznavanje objektov	Ekspertni sistem SU/X je namenjen razpoznavanju objektov in njihovega položaja na osnovi signalov iz merilnih instrumentov.
TAXMAN	pravo	Ekspertni sistem TAXMAN, ki temelji na sklepanju s pomočjo pravil, je sistem pravne podpore, ki lahko izvaja osnovno obliko pravnega sklepanja z razvrščanjem primerov v določeno kategorijo zakonskih predpisov na področju prava o reorganizaciji podjetij.
VisualDx	medicina	Ekspertni sistem VisualDx je sistem klinične podpore, ki lahko zdravnikom pomaga pri postavljanju diagnoz. V enem od svojih načinov delovanja, potem ko zdravnik vnese nekaj osnovnih dejstev o pacientu, VisualDx predstavi strokovno pregledane fotografije ali diagrame zdravstvenih stanj, kot so kožna stanja, urejene od najbolj do najmanj verjetnih, ki zdravniku lahko pomagajo pri diagnozi. Sistem vsebuje več kot 100.000 slik. Drugi načini delovanja vključujejo iskanje zdravil, ki jih bolnik jemlje, da bi ugotovili morebitne medsebojne neželene učinke zdravil, za katerimi morda trpi.
in mnogi drugi ...

Ekspertni sistemi

Ekspertne sisteme (ang. Expert Systems – ES) smo omenili na začetku učne enote. Ko smo govorili o metodi odločanja s pomočjo metod umetne inteligence, smo se sklicevali nanje, omenili pa smo tudi lupine ekspertnih sistemov. Smiselno je, da jih nekoliko bolje spoznamo.

Zaradi njihovega znanja in razumevanja določenega področja se pogosto zanašamo na strokovnjake. Kadar se počutimo slabo, obiščemo zdravnika; če avto noče vžgati, ga odpeljemo k mehaniku; če želimo graditi hišo, se obrnemo na arhitekta itd.

Ekspertni sistemi delujejo podobno kot človek – ekspert. Ekspert ne le da zna poiskati rešitve zahtevnih problemov, te rešitve zna tudi pojasniti. Prvi ekspertni sistemi so nastali v sedemdesetih letih prejšnjega stoletja. Ekspertni sistemi so bili med prvimi resnično uspešnimi oblikami programov umetne inteligence.

Ime »ekspertni sistem« izhaja iz tega, da sistem deluje kot strokovnjak na določenem področju – ekspert. Ekspertni sistemi (primeri) modelirajo sklepanje, presojo, odločanje ob nezanesljivih ali nepopolnih podatkih in imajo sposobnost pojasnjevanja svojega poteka reševanja problema. Zgradbo ekspertnega sistema prikazuje spodnja slika.

Baza znanja (ang. Knowledge Base) vsebuje znanje, ki je potrebno za reševanje določenega razreda problemov. Predstavljamo si jo lahko kot podatkovno bazo, ki je organizirana tako, da jo je možno uporabiti za transparentno reševanje problemov, kar pomeni, da imamo vpogled v potek tega reševanja od podatkov do rezultata.

Baza znanja vsebuje znanje določenega področja (domene), ne vsebuje pa znanja, kako ga uporabiti za reševanje določenih problemov. Za to skrbi mehanizem sklepanja.

Mehanizem sklepanja (ang. Inference Engine) nadzira in usmerja uporabo znanja pri reševanju konkretnega problema. Izbira dele znanja iz baze znanja, ki ga uporabi za reševanje problema, in vrstni red, kako jih kombinirati, da pride sistem v končni fazi do rešitve problema. Mehanizem sklepanja v veliki meri ni odvisen od domene znanja, zato ga praviloma uporabljamo pri bazah znanja različnih področij. Zelo pomembna naloga mehanizma sklepanja je razlaga poti do končnega rezultata.

Uporabniški vmesnik (ang. User Interface) skrbi za komunikacijo med uporabnikom in sistemom: z bazo znanja in z mehanizmom sklepanja. Uporabniku omogoča, da lahko posega v bazo znanja. Tako kot velja za vse uporabniške vmesnike, je tudi za uporabniški vmesnik za ekspertne sisteme pomembno, da vsebuje kakovostno grafiko in omogoča učinkovito komunikacijo z uporabnikom.

Za gradnjo ekspertnih sistemov obstaja več računalniških programov – lupin ekspertnih sistemov (ang. Expert Systems Shells – ESS), ki vsebujejo uporabniški vmesnik in mehanizem sklepanja, a imajo prazno bazo znanja.

Uporabnik mora dodati bazo znanja z določenega področja. Pri gradnji sistema sodeluje tehnolog znanja, ki gradi bazo znanja s pomočjo intervjujev z eksperti določenega področja in iz drugih virov podatkov.

Tehnolog znanja bazo znanja vgradi v lupino sistema in pomaga pri vrednotenju in dopolnjevanju sistema. Končni uporabnik takega sistema običajno ni ekspert s tega področja, ampak manj izkušenj uporabnik, ki lahko s pomočjo sistema izboljša svoje delo.

Znanje, pridobljeno iz knjig, je eksplicitno znanje, ki ga je najlažje pridobiti in preoblikovati, a za uspešen ekspertni sistem je nujno tudi implicitno znanje, ki ga tehnolog znanja pridobi v razgovorih z ljudmi s tem znanjem.

Zajemanje znanja, ki ga imajo ljudje – eksperti, je težavno. Razlog je v tem, ker je znanje, ki so si ga nabirali ob študiju in izkušnjah pri reševanju problemov, preraslo v intuitivni občutek, kako se lotiti problema. Nekateri podatki, ki jih računalniško podprt sistem nujno potrebuje, se zdijo ekspertu nepotrebni, ker so za človeka očitni (na primer spol pacienta).

Bazo znanja lahko gradimo z uporabo ustreznih programov tudi strojno. Programi za strojno učenje (in/ali podatkovno rudarjenje) iz množice podatkov nekega področja, izluščijo znanje, potrebno za reševanje problemov s tega področja. Tako se čas gradnje sistema močno skrajša, vloga ekspertov pa je v tem primeru preverjati pravilnost tako zgrajene baze znanja.