1. Kennisbasis:

* Feiten: Basic, atomaire stukjes informatie over het domein. Voorbeelden:"De lucht is blauw", "water kookt op 100 graden Celsius."

* regels: Logische uitspraken die relaties tussen feiten vertegenwoordigen. Voorbeelden:"Als het regent, is de grond nat", "als de temperatuur boven 100 graden Celsius is, kookt water."

* heuristiek: Regels van vuistregels of best practices die kunnen helpen bij de redenering van het systeem, met name in geval van onzekerheid.

2. Inferentiemotor:

* redeneringsmechanisme: Dit is de kern van de KBS. Het gebruikt de kennisbasis om conclusies te trekken en problemen op te lossen.

* Inferentiemethoden: Er zijn verschillende benaderingen:

* voorwaartse chaining: Begint met bekende feiten en past regels toe om nieuwe feiten af ​​te leiden.

* Achterwaartse ketens: Begint met een doel en werkt achteruit en probeert ondersteunende feiten en regels te vinden.

* Modelgebaseerd redeneren: Gebruikt een model van het domein om te redeneren over zijn gedrag.

* Case-based redenering: Lost problemen op door oplossingen op te halen en aan te passen aan soortgelijke problemen uit een database van eerdere cases.

3. Gebruikersinterface:

* Hoe de gebruiker interactie heeft met het systeem: Hiermee kunnen gebruikers vragen invoeren, informatie verstrekken en resultaten van het systeem ontvangen.

* Soorten gebruikersinterfaces: Op tekst gebaseerd, grafische, natuurlijke taal, enz.

4. Kennisverwerving:

* Proces van het bouwen van de kennisbasis: Dit gaat om:

* Kennisblokkering: Kennis extraheren van experts in het domein.

* Kennisrepresentatie: Het kiezen van de juiste gegevensstructuren en talen om de kennis te coderen.

* Kennisvalidatie: Ervoor zorgen dat de kennisbasis nauwkeurig en compleet is.

5. Verklaringfaciliteit:

* Biedt transparantie en begrip: Legt het redeneringsproces van het systeem uit aan de gebruiker.

* helpt bij:

* Debuggen van het systeem

* Het vergroten van het vertrouwen van de gebruiker

* Inzicht geven in het domein

Voorbeeld:

Overweeg een eenvoudige KBS voor het diagnosticeren van autoproblemen:

* Kennisbasis: Feiten over auto -onderdelen, regels over symptomen en mogelijke oorzaken, heuristieken voor gemeenschappelijke fouten.

* Inferentiemotor: Gebruikt achterwaartse ketens - begint met een symptoom (bijv. "Auto zal niet starten") en probeert bijpassende regels en feiten te vinden om het probleem te diagnosticeren (bijv. "Als de batterij dood is, zal de auto niet starten").

* Gebruikersinterface: Hiermee kan de gebruiker de symptomen invoeren en een mogelijke diagnose krijgen.

* Verklaringfaciliteit: Legt de redeneerstappen uit, die laten zien welke regels zijn toegepast en waarom.

Voordelen van KBS:

* Kennis van expert vastgelegd en hergebruikt.

* Consistentie en nauwkeurigheid verbeterden.

* Probleemoplossing in complexe domeinen.

* beslissingsondersteuning en automatisering.

Nadelen van KBS:

* Kennisverwerving is duur en tijdrovend.

* Het onderhouden en bijwerken van de kennisbasis kan een uitdaging zijn.

* KBS kan inflexibel zijn en moeilijk aan te passen aan nieuwe situaties.

Over het algemeen zijn op kennis gebaseerde systemen krachtige hulpmiddelen voor het vastleggen en gebruiken van expertise, met name in complexe domeinen waar menselijke redenering moeilijk of tijdrovend kan zijn.