歴史
初期発達 1940年代後半から1950年代初頭にかけて現代コンピュータが誕生して間もなく、研究者たちはこれらの機械が現代社会にもたらす計り知れない可能性に気づき始めた。最初の課題の一つは、これらの機械に人間のように「考える」能力を持たせること、特に、人間と同じように重要な意思決定ができるようにすることである。医療・ヘルスケア 分野は、これらの機械に医療診断の意思決定をさせるという魅力的な課題を提示した。[ 10 ]
こうして、情報化時代が本格的に到来した直後の1950年代後半、研究者たちはコンピュータ技術を用いて人間の意思決定を模倣するという可能性について実験を始めた。例えば、生物医学研究者たちは、医学や生物学における診断用途のためのコンピュータ支援システムを作り始めた。これらの初期の診断システムは、患者の症状や検査結果を入力として診断結果を生成した。[ 11 ] [ 12 ] [ 13 ] [ 14 ] パターンマッチング [ 15 ] [ 16 ] [ 17 ]
この以前の状況は、知識ベースのアプローチを使用するエキスパートシステムの開発に徐々につながりました。医学におけるこれらのエキスパートシステムには、 MYCIN エキスパートシステム[ 18 ] -I エキスパートシステム[ 19 ] CADUCEUS [ 20 ]
エキスパートシステムは、1965 年頃に、エドワード・ファイゲンバウムが率いる スタンフォード大学の ヒューリスティック・プログラミング・プロジェクトによって正式に導入されました。ファイゲンバウムは「エキスパートシステムの父」と呼ばれることもあります。[ 21 ] Mycin ) や未知の有機分子の特定 ( Dendral ) など、専門知識が非常に重要で複雑な領域を特定しようとしました。[ 22 ] [ 23 ] アレン・ニューウェル とハーバート・サイモン の共同研究)。[ 24 ] エキスパートシステムは、人工知能 (AI) ソフトウェアの最初の真に成功した形態の 1 つとなった。[ 3 ]
エキスパートシステムに関する研究はヨーロッパでも活発に行われていました。米国では、当初はLisp プログラミング環境上にハードコーディングされたシステム、その後Intellicorpなどのベンダーによって開発されたエキスパートシステムシェルといった、 プロダクションルールシステムの使用に重点が置かれていました。ヨーロッパでは、 Prolog で開発されたシステムやエキスパートシステムシェルに研究の焦点が当てられていました。Prologシステムの利点は、形式論理 に基づいたルールベースのプログラミング 形式を採用していたことです。[ 25 ] [ 26 ]
Prolog に基づく初期のエキスパート システム シェルの 1 つはAPES でした。[ 27 ] 英国国籍法は 1981 年に可決され、その後まもなく、人工知能 (AI) 技術の有効性を示す手段として使用され、当時新たに制定された成文法をコンピュータ化された論理ベースの形式化にどのようにエンコードできるかを調査するために使用されました。現在ではよく引用される「論理プログラムとしての英国国籍法」というタイトルの研究論文が 1986 年に発表され、その後、AI と法律に関するその後の研究の象徴となりました。」[ 28 ] [ 29 ]
1980年代にはエキスパートシステムが普及した。大学ではエキスパートシステムのコースが開講され、フォーチュン500 企業の3分の2が日常業務にこの技術を応用した。[ 8 ] [ 30 ] 第5世代コンピュータシステムプロジェクトが 進められ、ヨーロッパでは研究資金が増加した。
1981年、 PC DOS オペレーティングシステムを搭載した最初のIBM PC が発表されました。[ 31 ] クライアント/サーバーモデル と呼ばれる企業コンピューティングの新しいタイプのアーキテクチャが生まれました。[ 32 ] ゼロックス 、シンボリクス 、テキサス・インスツルメンツ のハイエンドLispマシン でした。PCとクライアントサーバーコンピューティングの台頭に伴い、インテリコープやインファレンス・コーポレーションなどのベンダーは、PCベースのツールの開発に優先順位を移しました。また、ベンチャーキャピタル [ 33 ] [ 34 ]
大規模製品の設計に使用された最初のエキスパートシステムは、1982年に開発された統合設計合成（SID）ソフトウェアプログラムでした。Lispで記述されたSIDは、 VAX 9000 CPUの論理ゲートの93%を生成しました。 [ 35 ] 合成 ルーチンを生成しました。驚くべきことに、これらのルールの組み合わせによって、専門家自身の能力を超える全体的な設計が実現し、多くの場合、人間の設計を凌駕しました。一部のルールは他のルールと矛盾していましたが、速度と面積に関するトップレベルの制御パラメータが決定的な役割を果たしました。このプログラムは非常に議論を呼びましたが、プロジェクトの予算制約のため使用されました。VAX 9000プロジェクト完了後、論理設計者によって使用が終了されました。
1970年代半ば以前の数年間、エキスパートシステムが多くの分野で達成できることに対する期待は極めて楽観的でした。これらの初期の研究の開始時、研究者たちは完全に自動化された（つまり、完全にコンピュータ化された）エキスパートシステムを開発することを望んでいました。コンピュータができることに対する人々の期待は、しばしば理想主義的すぎました。この状況は、 1970年代初頭にリチャード・M・カープが 画期的な論文「組み合わせ問題間の還元可能性」を発表した後に劇的に変化しました。[ 36 ]カープの研究と、ヒューバート・L・ドレイファス [ 37 ] [ 10 ]
1990年代以降、エキスパートシステム という用語とスタンドアロンのAIシステムという概念は、IT用語集からほとんど姿を消した。これには2つの解釈がある。1つは「エキスパートシステムは失敗した」というもので、エキスパートシステムが過剰に宣伝された約束を果たせなかったため、IT業界は先に進んだというものだ。[ 38 ] [ 39 ] エキスパート システムを開発するためのスタンドアロンツールから、多くの標準ツールの1つへと移行した。[ 40 ] [ 41 ]
2000年代の最初の10年間には、ルールベースシステムという [ 42 ] ルール エンジン は、もはや 専門家が使用するルールを定義するためだけのものではなく、あらゆる種類の複雑で変動が激しく重要なビジネスロジックのためのものであり、ビジネスプロセス自動化および統合環境と密接に関連しています。[ 43 ] [ 44 ] [ 45 ]
ソフトウェアアーキテクチャ 1990年の修士論文[ 46 ] からの逆連鎖 の例を示す。 エキスパートシステムは知識ベースシステム の一例です。エキスパートシステムは、知識ベースアーキテクチャを採用した最初の商用システムでした。一般的に、エキスパートシステムには、知識ベース 、推論エンジン 、説明機能、知識獲得機能、ユーザーインターフェースなどのコンポーネントが含まれます。[ 47 ] [ 48 ]
知識ベースは、世界に関する事実を表します。MycinやDendralといった初期のエキスパートシステムでは、これらの事実は主に変数に関する単純なアサーションとして表現されていました。商用シェルを用いて開発された後のエキスパートシステムでは、知識ベースはより構造化され、オブジェクト指向プログラミング の概念が用いられるようになりました。世界はクラス、サブクラス 、インスタンス として表現され、アサーションは オブジェクトインスタンスの値に置き換えられました。ルールは、オブジェクトの値を照会し、アサーションすることで機能しました。
推論エンジンは、知識ベースの現在の状態を評価し、関連するルールを適用し、新しい知識を知識ベースに主張する自動推論システム です。推論エンジンには説明機能も含まれている場合があり、主張に至ったルールの実行を遡って、特定の結論に到達するために使用された推論の連鎖をユーザーに説明できます。[ 49 ]
推論エンジンには主に2つのモードがあります。順方向連鎖 と逆方向連鎖です 。これらの異なるアプローチは、推論エンジンがルールの前件（左辺）によって駆動されるか、後件（右辺）によって駆動されるかによって決まります。順方向連鎖では、前件が発火して後件を主張します。たとえば、次のルールを考えてみましょう。
R 1 : M 1 n （ x ） ⟹ M o r t 1 l （ x ） {\displaystyle R1:{\mathit {Man}}(x)\implies {\mathit {Mortal}}(x)}
順方向推論の簡単な例としては、システムに「Man(Socrates)」と入力し、推論エンジンを起動することが挙げられます。推論エンジンはR1に一致し、「Mortal(Socrates)」を知識ベースに入力するでしょう。
逆連鎖推論は、少し複雑です。逆連鎖推論では、システムは考えられる結論を見て、それが正しいかどうかを逆算します。したがって、システムが Mortal(Socrates) が正しいかどうかを判断しようとしている場合、R1 を見つけて知識ベースにクエリを実行して、Man(Socrates) が正しいかどうかを確認します。エキスパート システム シェルの初期の革新の 1 つは、推論エンジンをユーザー インターフェイスと統合することでした。これは、逆連鎖推論で特に強力になる可能性があります。システムが特定の事実を知る必要があるが知らない場合、入力画面を生成して、その情報がわかっているかどうかをユーザーに尋ねるだけで済みます。したがって、この例では、R1 を使用してユーザーにソクラテスが人間であったかどうかを尋ね、その新しい情報を適切に使用できます。
ルールを使用して知識を明示的に表現することで、説明機能も可能になった。上記の簡単な例では、システムが R1 を使用してソクラテスは死ぬ運命にあると主張し、ユーザーがソクラテスがなぜ死ぬ運命にあるのかを理解したい場合、システムに問い合わせると、システムは主張を引き起こしたルールを遡って調べ、それらのルールを説明としてユーザーに提示する。英語では、ユーザーが「なぜソクラテスは死ぬ運命にあるのですか？」と尋ねると、システムは「すべての人間は死ぬ運命にあり、ソクラテスは人間だからです」と答える。研究の重要な領域は、より形式的ではあるものの直感的ではないルールを単に示すのではなく、知識ベースから自然な英語で説明を生成することであった。[ 50 ]
エキスパートシステムが進化するにつれて、さまざまなタイプの推論エンジンに多くの新しい技術が組み込まれました。[ 51 ]
真実の維持。これらのシステムは、知識ベースに依存関係を記録し、事実が変更された場合に、それに応じて依存する知識を変更できるようにします。たとえば、システムがソクラテスがもはや人間ではないことを学習した場合、ソクラテスは死ぬという主張を取り消します。 仮説推論。この方法では、知識ベースを複数の可能なビュー（つまり世界）に分割できます。これにより、推論エンジンは複数の可能性を並行して探索できます。たとえば、システムは、ソクラテスが人間である場合とそうでない場合の両方の主張の結果を探索したい場合があります。 不確実性システム。知識を表現するために単純にルールを用いるという手法の最初の拡張の一つは、各ルールに確率を関連付けることでした。つまり、ソクラテスは死ぬと断言するのではなく、ソクラテスは何らかの確率値で死ぬ可能性があると断言するのです。単純な確率は、 ファジー論理 や確率の組み合わせなど、不確実性推論のための洗練されたメカニズムを備えたシステムへと拡張されました。 オントロジー 分類。知識ベースにオブジェクトクラスを追加することで、新しいタイプの推論が可能になりました。オブジェクト値について単純に推論するだけでなく、オブジェクト構造についても推論できるようになりました。この簡単な例では、Man はオブジェクトクラスを表し、R1 はすべての男性のクラスを定義するルールとして再定義できます。このような特殊な目的の推論エンジンは分類器 と呼ばれます。分類器はエキスパートシステムではあまり使用されていませんが、非構造化で不安定なドメインには非常に強力で、インターネットや新興のセマンティック Web の重要なテクノロジーです。[ 52 ] [ 53 ]
利点 知識ベースシステムの目標は、システムが機能するために必要な重要な情報を暗黙的ではなく明示的にすることです。[ 54 ] 知識表現 の利点は、開発の迅速化とメンテナンスの容易さでした。
メンテナンスの容易さは、最も明白な利点です。これは2つの方法で実現されました。まず、従来のコードを書く必要がなくなったことで、システムへのわずかな変更でも発生する可能性のある多くの一般的な問題をエキスパートシステムで回避できました。基本的に、プログラムの論理フロー（少なくとも最上位レベル）はシステムにとって当然のことであり、推論エンジンを呼び出すだけで済みました。これは、2つ目の利点である迅速なプロトタイピング にもつながりました。エキスパートシステムのシェルを使用すれば、いくつかのルールを入力するだけで、複雑なITプロジェクトで通常かかる数ヶ月や1年ではなく、数日でプロトタイプを開発することが可能でした。
エキスパートシステムシェルに関してよく主張されていたのは、熟練したプログラマーが不要になり、専門家が自らシステムを開発できるというものだった。しかし実際には、これはほとんど、あるいは全く真実ではなかった。エキスパートシステムのルールは一般的なコンピュータコードよりも理解しやすいものの、他のコンピュータ言語と同様に、カンマやその他の文字の位置が間違っていると大混乱を引き起こす形式的な構文を持っていた。また、エキスパートシステムが研究室でのプロトタイプからビジネスの世界に展開されるにつれて、統合と保守の問題がはるかに重要になった。必然的に、大規模なレガシーデータベースやシステムとの統合と活用が求められるようになった。これを実現するには、統合には他のタイプのシステムと同様のスキルが必要だった。[ 55 ]
エキスパートシステムを使用する利点をまとめると、次の点が強調されます。[ 47 ]
可用性と信頼性の向上：あらゆるコンピュータハードウェアで専門知識にアクセスでき、システムは常に時間通りに応答を完了します。 多重専門知識：複数のエキスパートシステムを同時に実行して問題を解決することで、人間の専門家よりも高いレベルの専門知識を獲得できる。 説明：エキスパートシステムは、常に問題がどのように解決されたかを説明します。 迅速な対応：エキスパートシステムは高速で、問題をリアルタイムで解決できます。 コスト削減：ユーザー一人当たりの専門知識にかかるコストが大幅に削減されます。
デメリット 学術文献でエキスパートシステムに関して最もよく挙げられる欠点は、知識獲得の 問題です。あらゆるソフトウェアアプリケーションにおいてドメインエキスパートの時間を確保することは常に困難ですが、エキスパートシステムにおいては、エキスパートは定義上非常に価値が高く、組織から常に求められているため、特に困難でした。この問題の結果、エキスパートシステムの後期の研究の多くは、エキスパートによって定義されたルールの設計、デバッグ、および保守のプロセスを自動化するのに役立つ知識獲得ツールに焦点を当てていました。しかし、実際に使用されているエキスパートシステムのライフサイクルを見ると、他の大規模システムと同様の問題、つまり統合、大規模データベースへのアクセス、およびパフォーマンスが、知識獲得と少なくとも同程度に重要であるように思われます。[ 56 ] [ 57 ]
初期のエキスパートシステムは、コード式をコンパイルせずに解釈するツール（初期のLispバージョンなど）を使用して構築されていたため、パフォーマンスは特に問題となる可能性がありました。これは強力な開発環境を提供しましたが、最速のコンパイル言語（C など）の効率に匹敵することは事実上不可能であるという欠点がありました。初期のエキスパートシステムでは、ツールが主にLispやPrologなどのプログラミング言語、Lispマシン やパーソナルコンピュータなどのハードウェアプラットフォームといった、ほとんどの企業のIT環境では馴染みがなく歓迎されない言語やプラットフォームで構築されていたため、システムとデータベースの統合が困難でした。その結果、エキスパートシステムツールの開発の後期段階では、COBOL や大規模データベースシステムなどのレガシー環境との統合、およびより標準的なプラットフォームへの移植に多くの労力が費やされました。これらの問題は、PCが本格的なビジネスシステム開発のための正当なプラットフォームとしてIT環境で徐々に受け入れられ、手頃な価格のミニコンピュータ サーバーがAIアプリケーションに必要な処理能力を提供するようになったことで、主にクライアント/サーバーパラダイムシフトによって解決されました。[ 55 ]
エキスパートシステムのもう 1 つの大きな課題は、知識ベースのサイズが大きくなると生じます。これにより、処理の複雑さが増大します。たとえば、1 億のルールを持つエキスパートシステムが究極のエキスパートシステムとして構想されたとき、そのようなシステムは複雑すぎ、計算上の問題が多すぎることが明らかになりました。[ 58 ]
決定ルールが互いに矛盾していないことを検証する方法も、ルールが多すぎる場合には課題となります。通常、このような問題は充足可能性 問題（SAT）として定式化されます。[ 59 ] ブール充足可能性問題 です。バイナリ変数のみを仮定し、例えばn個の変数 があるとすると、対応する探索空間のサイズは2になります。n {\displaystyle ^{n}}
また、ルールの使用を優先してより効率的に運用する方法や、曖昧さを解消する方法（例えば、1つのルール内にelse-ifサブ構造が多すぎる場合など）などについても疑問が残ります。[ 60 ]
その他の問題は、既知の事実を使用して知識ベースに明示的に記述されていない他のケースに一般化しようとすると、過学習や過一般化の 影響 に関連しています。このような問題は、機械学習アプローチを採用する手法にも存在します。[ 61 ] [ 62 ]
知識ベースに関連するもう 1 つの問題は、知識を迅速かつ効果的に更新する方法です。[ 63 ] [ 64 ] [ 65 ]
上記の課題から、ルールベースの技術ではなく、AIへの新しいアプローチが必要であることが明らかになった。これらの新しいアプローチは、機械学習技術とフィードバックメカニズムの使用に基づいている。[ 10 ]
医療分野におけるエキスパートシステム（コンピュータ支援診断システムを現代のエキスパートシステムとみなす場合）や、おそらく他の応用分野におけるエキスパートシステムの主な課題には、ビッグデータ、既存の規制、医療行為、さまざまなアルゴリズムの問題、システム評価などの側面に関連する問題が含まれます。[ 66 ]
最後に、エキスパートシステムの使用における以下の欠点をまとめることができます。[ 47 ]
エキスパートシステムは表面的な知識しか持たず、単純なタスクでも計算コストが高くなる可能性がある。 エキスパートシステムでは、知識エンジニアがデータを入力する必要があり、データ収集は非常に困難です。 エキスパートシステムは、特定の問題を解決するために最も不適切な方法を選択する可能性がある。 あらゆる形態のAIの利用における倫理的な問題は、現在非常に重要な課題となっている。 それは特定の知識しか存在しない閉鎖的な世界であり、専門家が概念やそれらの相互関係について説明しない限り、深い理解は得られない。
アプリケーション ヘイズ＝ロスはエキスパートシステムアプリケーションを次の表に示す10のカテゴリに分類しています。例示されたアプリケーションは元のヘイズ＝ロスの表には含まれておらず、その一部はその後かなり経ってから登場しました。脚注のないアプリケーションはすべてヘイズ＝ロスの本に記載されています。[ 49 ]
Hearsayは、エキスパートシステムアプローチによる音声認識の 解決を試みた初期の試みの一つです。しかし、この種のエキスパートシステムは、概してそれほど成功しませんでした。Hearsayをはじめとするあらゆる解釈システムは、本質的にはパターン認識システムであり、ノイズの多いデータの中からパターンを探し出すものです。Hearsayの場合は、音声ストリーム内の音素を認識します。その他の初期の例としては、ソナーデータを分析してロシアの潜水艦を探知するシステムなどがあります。こうしたシステムは、ルールベースのアプローチよりもニューラルネットワークAIソリューションの方がはるかに適していることが証明されました。
CADUCEUSとMYCINは 医療診断システムだった。ユーザーは医師に症状を説明するようにコンピュータに症状を伝え、コンピュータはそれに基づいて診断結果を返す。
Dendralは、有機分子の同定における仮説形成を研究するためのツールでした。このツールが解決した一般的な問題、つまり一連の制約条件に基づいて解決策を設計するという問題は、初期のエキスパートシステムがビジネス分野に適用された最も成功した分野の一つであり、例えば、営業担当者がDigital Equipment Corporation （DEC）のVAX コンピュータを構成したり、住宅ローン申請書を作成したりする際に活用されました。
SMH.PALは、複数の障害を持つ生徒の評価のためのエキスパートシステムです。[ 77 ]
GARVAN-ES1 は、ガーバン医学研究所 で開発された医療エキスパート システムで、病理検査室からの内分泌レポートに対して自動的に臨床診断コメントを提供しました。これは、国際的に日常的な臨床使用に導入された最初の医療エキスパート システムの一つであり[ 72 ] [ 83 ]
Mistral [ 68 ] リドラコリ ダムに設置されました。イタリア国内外の他のいくつかのダム (ブラジルのイタイプ ダムなど) や、Eydenet [ 69 ] [ 70 ] CESI の登録商標です。
参考文献 ↑ ジャクソン、ピーター (1998).エキスパートシステム入門 (第3 版). アディソン・ウェスリー. p. 2. ISBN 978-0-201-87686-4 。 ↑ 「従来のプログラミング」 。Pcmag.com。 2012年10月14日の オリジナルからアーカイブ。 2013年9月15日 取得 。 1 2 ラッセル、スチュアート。ノーヴィグ、ピーター (1995)。 人工知能: 最新のアプローチ (PDF) 。サイモン＆シュスター。 22 ～ 23 ページ 。ISBN 978-0-13-103805-9 2014年5月5日にオリジナル（PDF） からアーカイブされました。 2014年 6月14日 に取得 。1 2 レオンデス、コーネリアス T. (2002). エキスパートシステム：21世紀の知識管理と意思決定の技術 。pp. 1–22 . ISBN 978-0-12-443880-4 。↑ 「AIの短い歴史」 。 エコノミスト 。2024年7月16日。 2024年8月13日のオリジナルから アーカイブ。 2024年8月14日 取得 。 1 2 3 Yanase J, Triantaphyllou E (2019). "医学におけるコンピュータ支援診断の体系的調査：過去と現在の発展". Expert Systems with Applications . 138 112821. doi : 10.1016/j.eswa.2019.112821 . S2CID 199019309 . ↑ Ledley RS、Lusted LB (1959)。「医学診断の推論的基礎」。 サイエンス 。130 ( 3366 ) : 9–21。Bibcode : 1959Sci ... 130....9L。doi : 10.1126 / science.130.3366.9。PMID 13668531 。 ↑ Weiss SM 、Kulikowski CA、Amarel S、Safir A (1978)。 「 コンピュータ支援医療意思決定のためのモデルベースの方法」。 人工 知能 。11 ( 1–2 ) : 145–172。CiteSeerX 10.1.1.464.3183。doi : 10.1016 / 0004-3702(78)90015-2 。 ↑ Schwartz WB (1970). "医学とコンピュータ：変化の可能性と問題点". New England Journal of Medicine . 283 (23): 1257– 1264. doi : 10.1056/NEJM197012032832305 . PMID 4920342 . ↑ Bleich HL (1972). "コンピュータによるコンサルテーション：電解質および酸塩基平衡障害". The American Journal of Medicine . 53 (3): 285– 291. doi : 10.1016/0002-9343(72)90170-2 . PMID 4559984 . ↑ Rosati RA、McNeer JF 、Starmer CF 、 Mittler BS、Morris JJ、Wallace AG ( 1975) 。 「医療行為 の ための新しい情報システム」。Archives of Internal Medicine。135 ( 8): 1017–1024。doi : 10.1001/archinte.1975.00330080019003。PMID 1156062 。 ↑ Gorry GA、Kassirer JP、Essig A、 および Schwartz WB ( 1973)。「急性腎不全 の コンピュータ支援管理の基礎としての意思決定分析」。American Journal of Medicine。55 ( 4 ): 473–484。doi : 10.1016/0002-9343(73) 90204-0。PMID 4582702。S2CID 17448496 。 ↑ Szolovits P、Patil RS、 および Schwartz WB (1988)。「医療診断における人工知能」。Annals of Internal Medicine。108 ( 1 ): 80– 87。doi : 10.7326 /0003-4819-108-1-80。PMID 3276267。S2CID 46410202 。 ↑ Shortliffe EH、Buchanan BG (1975)。「 医学 における不正確な推論 の モデル」。Mathematical Biosciences。23 ( 3–4 ) : 351–379。doi : 10.1016/0025-5564(75 ) 90047-4。S2CID 118063112 。 ↑ Miller RA 、 Pople Jr HE、Myers JD ( 1982)。「Internist-I、一般内科向けの実験的なコンピュータベースの診断コンサルタント」。 ニュー イングランド 医学ジャーナル 。307 (8): 468–476。doi : 10.1056/NEJM198208193070803。PMID 7048091 。 ↑ ファイゲンバウム、エドワード；マッコードック、パメラ（1984）。 『第五世代 』アディソン・ウェスリー。1 ～ 275ページ 。ISBN 978-0451152640 。↑ Joseph, Staney (2023-10-30). "人工知能の多様性：エドワード・ファイゲンバウムはいかにしてエキスパートシステムを開発したか" . Medium . 2024-01-26 のオリジナルから アーカイブ済み . 2024-01-26 に取得. ↑ Lea, Andrew S. (2023). Digitizing Diagnosis: Medicine, Minds, and Machines in Twentieth-Century America . Johns Hopkins University Press. pp. 1–256 . ISBN 978-1421446813 。↑ エドワード・ファイゲンバウム、1977年。ヘイズ＝ロス他による言い換え。 ↑ ヘイズ＝ロス、フレデリック；ウォーターマン、ドナルド； レナット 、ダグラス （1983）。 エキスパートシステムの構築 。アディソン・ウェスリー。6-7 頁 。ISBN 978-0-201-10686-2 。↑ George F. Luger および William A. Stubblefield、Benjamin/Cummings Publishers、『ルールベースエキスパートシステムシェル：Prolog ルールベースエキスパートシステムシェルを使用したコード例』 ↑ A. マイケルズ、2012 年 4 月 2 日に ウェイバック マシンに アーカイブ、ベルギー、リエージュ大学: 「PROLOG、最初の宣言型言語」 ↑ APES（拡張プロローグエキスパートシステム）を用いた調査 、 2024年1月3日にオリジナルから アーカイブ 、 2024年1月3日に取得 ↑ エリオット、ランス（2021年4月17日） 「AIと法律：英国国籍法が予期せずAIと法律を刺激」 、 Medium 、 2023年11月13日 取得 ↑ MJ Sergot、F. Sadri、RA Kowalski、F. Kriwaczek、P . Hammond、HT Cory (1986 年 5 月)。「英国国籍法を論理プログラムとして扱う」。Communications of the ACM。29 ( 5): 370–386。doi : 10.1145/5689.5920 。 ↑ Durkin, J. Expert Systems: Catalog of Applications. Intelligent Computer Systems, Inc., Akron, OH, 1993. ↑ 「IBM PC - CHM革命」 。www.computerhistory.org 。 2024年1 月 26日にオリジナルから アーカイブ済み 。 2024年1月26日 に取得。 ↑ オルファリ、ロバート（1996）。 『クライアント/サーバーサバイバルガイド 』ニューヨーク：ワイリー・コンピュータ・パブリッシング。1 ～10 ページ 。ISBN 978-0-471-15325-2 。↑ ハーウィッツ、ジュディス（2011）。 スマートかラッキーか：テクノロジーリーダーはいかにして偶然を成功に変えるか 。ジョン・ワイリー＆サン。164 ページ 。ISBN 978-1118033784 2013年11月29日 に取得 。↑ Dunn, Robert J. (1985年9月30日). 「日常ユーザーのための拡張可能な専門知識」 . InfoWorld . 7 (39): 30. 2011年3月13日 取得 。 ↑ ギブソン、カール S. 他「VAX 9000 シリーズ」 デジタル テクニカル ジャーナル、デジタル イクイップメント コーポレーション 、 2 (4、1990 年秋): 118–129 。 ↑ Karp, Richard M. (1972). "組み合わせ問題における還元可能性" (PDF) . In Miller, RE; Thatcher, JW (eds.). Complexity of Computer Computations . New York: Plenum. pp. 85– 103. 2011-06-29 の オリジナル (PDF)からアーカイブ済み 。2020-01-24 に 取得 。 {{cite book}}: CS1メンテナンス: パブリッシャーの場所 (リンク)↑ ヒューバート・L・ドレイファス（1972）。 コンピュータがまだできないこと 。マサチューセッツ州ケンブリッジ：MIT出版。 ↑ 「AIエキスパートニュースレター：Wは冬のW」 。 2013年11月9日に オリジナルからアーカイブ済み 。 2013年11月29日 に取得。 ↑ Leith, P. (2010). "法律専門家システムの盛衰" . European Journal of Law and Technology . 1 (1). 2016年3月4日の オリジナルからアーカイブ済み。 2020年1月24日 取得 。 ↑ Haskin, David (2003年1月16日). 「誇大宣伝から数年後、『エキスパートシステム』は一部の人々に利益をもたらしている」 . Datamation . 2013年12月3日のオリジナルから アーカイブ済み。 2013年 11月29日 閲覧 。 ↑ Romem, Yoram (2007). "エキスパートシステムの社会的構築" . Human Systems Management . 26 (4): 291– 309. doi : 10.3233/HSM-2007-26406 . ↑ Voelker, Michael P. (2005年10月18日). "Business Makes the Rules" . Information Week . 2022年12月23日時点のオリジナルより アーカイブ。 2022年 12月23日 取得 。 ↑ SAPニュースデスク。 「SAPニュースデスク IntelliCorpがSAP EcoHubへの参加を発表」 。laszlo.sys - con.com。LaszloTrack。 2013年12月3日の オリジナルからアーカイブ済み。 2013年 11月29日 取得 。 ↑ Pegasystems 。 「スマートBPMにはスマートなビジネスルールが必要」 。pega.com 。 2013年11月9日のオリジナルから アーカイブ済み。 2013年 11月29日 取得 。 ↑ Zhao, Kai; Ying, Shi; Zhang, Linlin; Hu, Luokai (2010年10月9日～10日)「SPLを用いたビジネスプロセスとビジネスルールの統合の実現」 2010年未来情報技術・経営工学国際会議 、第2巻、 IEEE、pp. 329–332 、 doi : 10.1109/fitme.2010.5656297 、 ISBN 978-1-4244-9087-5 。↑ England, David C. (1990年6月). 海軍補給センターにおける危険物管理のためのエキスパートシステム (PDF) (修士論文). 海軍大学院 モントレー/カリフォルニア州. p. 21. 2021年10月18日のオリジナルから アーカイブ (PDF) 。 2020年9月1日 に取得 。 1 2 3 Kiryanov, Denis Aleksandrovich (2021-12-21). "コンテンツ集約に使用するハイブリッドカテゴリエキスパートシステム" . Software Systems and Computational Methods (4): 1– 22. doi : 10.7256/2454-0714.2021.4.37019 . ISSN 2454-0714 . S2CID 245498498 . ↑ スミス、リード (1985 年 5 月 8 日)。 「知識ベースシステムの概念、技術、例」 (PDF) 。 リード G. スミス 。2023 年 2 月 10 日にオリジナルから アーカイブ (PDF) 。2013 年 11 月 9 日 に取得 。 1 2 ヘイズ＝ロス、フレデリック；ウォーターマン、ドナルド； レナット、ダグラス （1983）。 エキスパートシステムの構築 。アディソン・ウェスリー 。ISBN 978-0-201-10686-2 。↑ Nabil Arman ( 2012年4月25日にWayback Machine に アーカイブ)、パレスチナ工科大学、2007年1月、「スパニングツリーと非連結集合を使用した動的ルールベースの障害検出」: "" ↑ メトリー、ウィリアム (1987)。 「大規模知識ベースシステム構築のためのツールの評価」 。AI Magazine。8 (4)。2013年11月10日のオリジナルからアーカイブ 。 2013 年 11 月29日 取得 。 ↑ MacGregor, Robert (1991年6月)「記述分類器を用いた知識表現の強化」 IEEE Expert . 6 (3): 41–46 . Bibcode : 1991IExp....6...41M . doi : 10.1109/64.87683 . S2CID 29575443 . ↑ バーナーズ＝リー、ティム；ヘンドラー、ジェームズ；ラッシラ、オラ（2001年5月17日）。 「セマンティックウェブ：コンピュータにとって意味のある新しい形式のウェブコンテンツが、新たな可能性の革命を解き放つ」 。 サイエン ティフィック・アメリカン 。284 （5）： 34–43。doi ： 10.1038/scientificamerican0501-34 。 2013 年 4月24日に オリジナル からアーカイブ済み。 ↑ヘイズ ＝ ロス、フレデリック；ウォーターマン、ドナルド； レナット、ダグラス （1983）。 エキスパートシステムの構築 。アディソン・ウェスリー。p . 6。ISBN 978-0-201-10686-2 。1 2 Wong, Bo K.; Monaco, John A.; Monaco (1995 年 9 月) 「ビジネスにおけるエキスパートシステムの応用: 文献のレビューと分析」 . Information and Management . 29 (3): 141– 152. doi : 10.1016/0378-7206(95)00023-p . 2013 年 11 月 29 日 取得 . ↑ Kendal, SL; Creen, M. (2007). 知識工学入門 . ロンドン: Springer. ISBN 978-1-84628-475-5 . OCLC 70987401 . ↑ ファイゲンバウム、エドワード A. ; マッコードック、パメラ (1983). 第五世代 ( 初版). マサチューセッツ州レディング: アディソン・ウェスリー . ISBN 978-0-201-11519-2 . OCLC 9324691 . ↑ レナット、ダグラス （1992）。「知識の閾値について」。デイビッド・キルシュ編『 人工知能の基礎』MIT Press、 185～ 250頁 。 ↑ Bezem M (1988). 「ルールベースエキスパートシステムの一貫性」 . アーカイブコピー . 第9回自動推論に関する国際会議 . コンピュータサイエンス講義録. 第 310巻. pp. 151–161 . doi : 10.1007/BFb0012830 . ISBN 3-540-19343-X 2020年10月23日にオリジナルからアーカイブされました。2020年8月30日 に取得 。{{cite conference}}: CS1 maint: タイトルとしてアーカイブされたコピー (リンク)↑ Mak B、 Schmitt BH、Lyytinen K (1997)。 「 エキスパートシステムの知識更新におけるユーザー参加」 。Information & Management。32 ( 2): 55–63。doi : 10.1016/S0378-7206(96 ) 00010-9 。 ↑ Pham HN、Triantaphyllou E (2008) 「データマイニングにおける過学習と過一般化が分類精度に与える影響」『 知識 発見とデータマイニングのためのソフトコンピューティング 』pp. 391–431 . doi : 10.1007/978-0-387-69935-6_16 . ISBN 978-0-387-69934-9 . S2CID 12628921 . 2023年7月5日にオリジナルからアーカイブされました。 2023年7月23日 ↑ Pham HN、Triantaphyllou E (2008)。「適合性と一般化のバランスをとる新しいデータマイニング手法を用いた糖尿病の予測」。Computer and Inf. Science G : 11– 26。 ↑ Shan N、Ziarko W ( 1995 )。「分類ルール のデータ に 基づく取得と段階的修正」。Computational Intelligence。11 ( 2 ) : 357–370。doi : 10.1111/j.1467-8640.1995.tb00038.x。S2CID 38974914 。 ↑ Coats PK (1988). 「エキスパートシステムが失敗する理由」。Financial Management . 17 (3): 77– 86. JSTOR 3666074 . ↑ Hendriks PH、および Vriens DJ (1999)。 「知識ベースシステムと知識管理：味方か敵か？」 。 Information & Management。35 ( 2): 113–125。doi : 10.1016/S0378-7206(98)00080-9。hdl : 2066 /240554。 2024年4 月 19日にオリジナルから アーカイブ 。 2024年2 月 20日 に 取得 。 ↑ Yanase J, Triantaphyllou E (2019). "The Seven Key Challenges for the Future of Computer-Aided Diagnosis in Medicine" . International Journal of Medical Informatics . 129 : 413– 422. doi : 10.1016/j.ijmedinf.2019.06.017 . PMID 31445285 . S2CID 198287435 . 2025-08-13 のオリジナルから アーカイブ済み. 2026-06-01 に取得 . ↑ Woolery, LK; Grzymala-Busse, J. (1994). "早産リスクを予測するエキスパートシステムのための機械学習" . Journal of the American Medical Informatics Association . 1 (6): 439– 446. doi : 10.1136/jamia.1994.95153433 . PMC 116227 . PMID 7850569 . 1 2 Salvaneschi, Paolo; Cadei, Mauro; Lazzari, Marco (1996). "構造安全性の監視と評価へのAIの適用" . IEEE Expert . 11 (4): 24– 34. Bibcode : 1996IExp...11...24S . doi : 10.1109/64.511774 . 2014年3月5日のオリジナルから アーカイブ済み。 2014年 3月5日 に取得 。 1 2 Lazzari, Marco; Salvaneschi, Paolo (1999). "地すべり災害監視のための意思決定支援システムへの地理情報システムの組み込み" (PDF) . International Journal of Natural Hazards . 20 ( 2– 3): 185– 195. Bibcode : 1999NatHa..20..185L . doi : 10.1023/A:1008187024768 . S2CID 1746570 . 2014-10-17 のオリジナルから アーカイブ (PDF) . 2014-10-12 に取得 . 1 2 Lancini, Stefano; Lazzari, Marco; Masera, Alberto; Salvaneschi, Paolo (1997). "Diagnosing Ancient Monuments with Expert Software" (PDF) . Structural Engineering International . 7 (4): 288– 291. doi : 10.2749/101686697780494392 . S2CID 8113173 . 2015-04-13 のオリジナルから アーカイブ (PDF) . 2014-10-12 に取得 . ↑ K. Horn; L. Lazarus; P. Compton; JR Quinlan (1985). 「臨床検査室における甲状腺検査の解釈のためのエキスパートシステム」 Aust Comput J . 17 : 7– 11. 1 2 Buchanan, B. (1986). "エキスパートシステム：作業システムと研究文献". Expert Systems . 3 (1): 32– 51. doi : 10.1111/j.1468-0394.1986.tb00192.x . ↑ P. Compton; K. Horn; R. Quinlan; L. Lazarus; K. Ho (1988). "エキスパートシステムの維持". 第4回オーストラリアエキスパートシステム応用会議議事録 。 ↑ Song, Il-Yeol; Strum, SD; Medsker, Carl J. (1991). "VP-Expert を用いたデータベース設計支援ツールの設計と実装" . [ 1991 ] Proceedings of the IEEE/ACM International Conference on Developing and Managing Expert System Programs . IEEE. pp. 15–23 . doi : 10.1109/DMESP.1991.171764 . ISBN 0-8186-2250-4 2024年12月15日にオリジナルからアーカイブされました。2025年9月28日 に取得 。↑ Kwak, SH ( 1990). 「自律型水中ビークルのミッション計画エキスパートシステム」。 自律 型水中ビークル技術 シンポジウム 。pp. 123–128。doi : 10.1109 /AUV.1990.110446。S2CID 60476847 。 ↑ Nelson, WR (1982). "REACTOR: 原子炉の診断と治療のためのエキスパートシステム" . AAAI . 82: 人工知能に関する第 2 回 AAAI 会議の議事録: 296–301 . 2023-03-11 のオリジナルから アーカイブ済み 。2023-03-11 に取得 。 1 2 Hofmeister, Alan (1994). "SMH.PAL: 重度障害のある生徒の治療手順を特定するためのエキスパートシステム" . Exceptional Children . 61 (2). 2013 年 12 月 3 日の オリジナルからアーカイブ済み。2013 年 11 月 30 日 取得 。 ↑ Haddawy, P; Suebnukarn, S. (2010). "インテリジェント臨床トレーニングシステム". Methods Inf Med . 49 (4): 388–9 . CiteSeerX 10.1.1.172.60 . doi : 10.1055/s-0038-1625342 . PMID 20686730. S2CID 11903941 . ↑ Hollan, J.; Hutchins, E.; Weitzman, L. (1984). "STEAMER: 対話型検査可能なシミュレーションベースのトレーニングシステム". AI Magazine . ↑ Stanley, GM (1991年7月15日～17日)。 「リアルタイムプロセス制御における知識ベース推論の使用経験」 (PDF) 。 国際自動制御連盟(IFAC)制御システムにおけるコンピュータ支援設計シンポジウムでの基調講演論文 。 2013年 12月3日 取得。 ↑ Rasmussen, Arthur; Muratore, John F.; Heindel, Troy A. (1990 年 2 月) 「INCO エキスパート システム プロジェクト: シャトル ミッション コントロールにおける CLIPS」 . NTRS . 2013 年 11 月 30 日 取得 . ↑ Ciriscioli, PR; GS Springer (1990). "Smart Autoclave Cure of Composites" . ISBN 9781003209010 。↑ Catlett, J. (1990). "エキスパートシステム、リスクと報酬". Hub Information Technology . 2 (7): 20–26 .
参考文献 クレヴィエ、ダニエル （1993）。AI ：人工知能をめぐる激動の探求 。ニューヨーク、ニューヨーク州：ベーシックブックス。ISBN 0-465-02997-3 。ルーガー、ジョージ；スタブルフィールド、ウィリアム （2004）。人工知能：複雑な問題解決のための構造と戦略 版）。ベンジャミン／カミングス。ISBN 978-0-8053-4780-7 2019年12月17日 に取得 。 ニルソン、ニルス （1998）。人工知能：新たな統合 。ISBN 978-1-55860-467-4 2019年11月18日 に取得 。マコードック、パメラ （2004）、『考える機械』 （第2 版）、マサチューセッツ州ネイティック：AKピーターズ、ISBN 1-5688-1205-1
外部リンク Code Project のエキスパートシステムチュートリアル
