Sistemele expert constituie o clasa particulara de sisteme informatice bazate pe inteligenta artificiala, avand ca scop reproducerea cu ajutorul calculatorului a cunostintelor si rationamentelor expertilor umani.

Un expert uman este o persoana care poseda cunostinte temeinice intr-un anumit domeniu, un specialist de inalta clasa, care poate efectua o expertiza asupra unor anumite probleme. Pentru aceasta el trebuie sa fie capabil sa indeplineasca urmatoarele sarcini:

sa formuleze precis problema pe baza datelor puse la dispozitie de beneficiar;

sa determine solutia corecta;

sa explice solutia si pasii necesari pentru obtinerea ei;

sa acorde asistenta pentru implementarea solutiei intr-un domeniu particular.

Din punct de vedere functional, un sistem expert poate fi definit ca un program care se bazeaza pe o banca de cunostinte pentru a realiza anumite sarcini, uneori dificile, pe care de regula le rezolva un expert uman din domeniul respectiv.Performantele programului inteligent depind in principal de "bogatia" bazei de cunostinte si de modul de organizare al acestora, care sa permita rezolvarea problemei intr-un timp rezonabil. Cu alte cuvinte, un SE este un program inteligent care utilizeaza cunostinte, fapte si tehnici de rationare pentru a rezolva probleme care in mod normal necesita cunostintele expertilor umani.

SE sunt sisteme de prelucrare automata a datelor, continute intr-o baza de date, care pe langa elementele clasice de prelucrare contin:

baza de cunostinte alcatuita din reguli si fapte;

elementele necesare manipularii cunostintelor sub forma mecanismului de inferenta;

elementele necesare achizitionarii si implementarii de noi cunostinte;

componenta explicativa

Asemanator expertului uman, care, bazandu-se pe cunostintele acumulate, prin rationamentul propriu ajunge la anumite concluzii, un SE se bazeaza pe cunostintele inglobate in baza de cunostinte si pe mecanismul de inferenta care are functia de a lua decizii in urma unor rationamente logice.

Sistemule expert difera in mod esential de sistemele conventionale de prelucrare a datelor care folosesc date si algoritmi cunoscuti apriori pentru rezolvarea problemelor Ele implica urmatoarele caracteristici distinctive:

reprezentari simbolice;

inferenta simbolica;

cautare euristica

Diferenta dintre un program de calcul analitic si un sistem de tip expert consta in:

sistemul expert foloseste datele din baza de date filtrate printr-un set de cunostinte, inmagazinate in baza de cunostinte, care sunt independente de algoritmul de rezolvare utilizat;

algoritmul de cautare a solutiei, denumit motor de inferenta, nu mai este de tip iterativ, ca in cazul programelor analitice, ci de tip convergent;

datorita delimitarii nete dintre elementele componente (baza de date, baza de cunostinte, motorul de inferenta) un sistem expert poate fi modificat cu usurinta prin simpla adaugare sau eliminare de reguli; conceperea unui sistem expert este un proces linear, realizat prin discutii repetate cu experti umani pentru dezvoltarea bazei de cunostinte;

toate operatiile logice si matematice care se succed in gasirea unui raspuns se aduc la cunostinta utilizatorului printr-un modul explicativ independent numit "interfata cu utilizatorul

Performantele SE depind de corectitudinea si volumul cunostintelor pe care acesta le poseda dar si de calitatea mecanismelor care ii permit sa opereze cu aceste cunostinte pentru a deduce concluziile valide.

Indiferent de diversele definitii date SE, exista patru caracteristici ce califica un program drept sistem expert:

lucreaza la un nivel expert de competenta;

foloseste un mecanism de inferenta pentru a realiza deductiile;

expertiza efectuata se bazeaza exclusiv pe cunostinte special dobandite;

programarea lui implica descrierea si reprezentarea cunostintelor unor experti in domeniu, cunostinte ce sunt pastrate in baze de date specifice, numite baze de cunostinte, in scopul utilizarii ulterioare.

Arhitectura unui SE

În general, un sistem expert cuprinde urmatoarele module (fig. 1.1):

baza de cunostinte;

baza de date;

motorul de inferente[1];

modulul de achizitionare de cunostinte;

interfata cu inginerul de aplicatie (expertul);

interfata cu inginerul de cunostinte;

interfata cu utilizatorul;

module de grafica si de calcul.

. Baza de cunostinte

Baza de cunostinte (BC) cuprinde o colectie de cunostinte relevante despre un anumit domeniu si este constituita din reguli si fapte.

Reprezentarea cunostintelor - Baza de reguli (BR)

Reprezentarea cunostintelor se poate realiza prin:

regulile de productie

retele semantice;

structuri impachetate sau frame-uri

obiecte;

logica propozitionala sau a predicatelor

Reguli de productie

Într-un sistem de productie cunostintele sunt de natura procedurala si se impart in urmatoarele componente:

cunostinte declarative sau factuale, grupate sub forma unor structuri de date memorate intr-o colectie denumita context;

cunostinte procedurale reprezentate sub forma unor perechi de tipul conditie - actiune, denumite reguli de productie, memorate in baza de reguli;

cunostinte strategice sau de control, reprezentate sub forma unor reguli care sprijina decizia in procesul de solutionare al problemei.

Structura generala a unei reguli de productie este:

<partea de conditie> <partea de actiune>

si poate fi interpretata astfel:

"DACA <partea de conditie> este indeplinita,

ATUNCI se poate executa <partea de actiune>".

Partea de conditie, denumita si premisa, este constituita din propozitii logice care trebuie sa fie verificate pentru ca regula sa poata fi aplicata.

Partea actiune corespunde declansarii unei concluzii sau a unei noi ipoteze.

Principalele avantaje ale reprezentarii cunostintelor sub forma de reguli de productie sunt:

modularitatea proprie a fiecarei reguli - orice regula poate fi considerata ca o entitate structurala independenta de celelalte ceea ce confera o usoara intretinere a bazei de reguli;

modularitate in realizarea formalismului de rezolvare a problemei regulile putand fi asimilate cu un ansamblu de constituenti elementari, care se aduna si se combina pentru a forma un raspuns la problema studiata;

caracterul natural de exprimare

accesibilitatea bazei de reguli, data de facilitatea si uniformitatea structurii utilizate pentru reprezentarea cunostintelor.

Dintre dezavantajele acestui mod de reprezentare se mentioneaza:

imposibilitatea de a prevedea o desfasurare optima pentru o secventa de actiuni;

ordinea in care sunt aplicate regulile potential aplicabile influenteaza concluzia obtinuta.

. Retele semantice.

Retelele semantice sunt structuri destinate reprezentarii cunostintelor sub forma unui graf complex alcatuit din noduri si arce. Nodurile retelei/grafului sunt utilizate pentru a reprezenta obiecte, concepte, atribute, stari, evenimente etc. Arcele reprezinta relatiile existente intre obiectele atasate nodurilor nodurile retelei semantice. Acestea sunt de doua tipuri:

ISA - is a, adica este un;

AKO - a kind of sau un fel de.

. Structuri impachetate (frame-uri).

O structura este un grup de atribute ce descriu un obiect dat. Fiecare atribut este stocat intr-un slot (compartiment) care contine valoarea/valorile atasate. Folosirea structurilor permite reprezentarea cunostintelor in blocuri de date, fiecare bloc fiind prezentat printr-un slot sau compartiment. Structurile reprezentand diverse obiecte pot fi inzestrate cu proprietatea de mostenire, pe baza careia se genereaza legaturi ierarhice intre acestea. Prin urmare, ele pot fi reprezentate sub forma unui arbore.

Reprezentarea orientata pe obiecte

Constituie un pas superior in reprezentarea datelor. Caracteristica principala a reprezentarii orientata pe obiecte este aceea ca unifica, intr-o aceeasi unitate structurala numita 'obiect', datele si functiile sau metodele care actioneaza asupra lor. Din punct de vedere al tehnicii de programare tipurile structurilor amintite se definesc cu ajutorul conceptului de clasa, iar obiecte cu care opereaza programul sunt instatieri ale claselor.

. Logica propozitionala sau a predicatelor

Logica ofera un mijloc de exprimare a asertiunilor[2] precum si un cadru formal pentru realizarea de inferente. În acest context, o baza de cunostinte este constituita exclusiv dintr-o multime de formule care descriu universul problemelor de rezolvat numit si universul de discurs. Interesul major al utilizarii logicii pentru reprezentarea cunostintelor rezulta din posibilitatea obtinerii de noi rezultate folosind reguli de inferenta precum: modus ponens, modus tollens, rezolutie etc

Baza de fapte (BF)

Baza de fapte constituie partea dinamica a sistemelor bazate pe cunostinte. Ea contine informatii relative la domeniul de aplicatie studiat.

Faptele sunt date normale de tip inchis-deschis pentru un echipament de comutatie, o alarma de iesire din functiune a unui echipament, o valoare sau o marime fizica aflata in afara limitelor admisibile etc. Ele se modifica pe masura ce starile obiectelor carora le sunt asociate se schimba (de exemplu datorita unor avarii, efectuarii unor manevre, schimbarii configuratiei de functionare a unei retele etc.).

Un fapt are o reprezentare de forma:

<Obiect>, <Relatie>, <Valoare>

in care:

<Obiectul> reprezinta, de exemplu, un echipament (intreruptor, separator, vana, ventil etc.) a carui stare poate fi stabilita printr-o semnalizare, verificare sau, mai general, deductie logica;

<Relatie> corespunde unei relatii existente intre obiecte sau intre un obiect si diferitele stari in care acesta se poate afla;

<Valoare> reprezinta cuantificarea starii obiectului la un moment dat.

Motorul de inferente

Motorul de inferenta (MI) este un program general care implementeaza mecanismul prin care se construiesc rationamentele.

Pornind de la fapte (datele de intrare ale problemei), MI are ca sarcina exploatarea regulilor si generarea raspunsurilor la intrebarile puse de utilizatori in scopul determinarii solutiei problemei analizate (fig. 1.2.).

Fig. 1.2. Exemplificarea functionarii unui motor de inferente.

Cu regulile existente in baza de cunostinte se pot construi arbori de inferenta sau de cautare care au ca noduri premisele (conditiile), iar ca ramuri arcele care conecteaza diferitele premise.

Exista diverse procedee sau mecanisme de inferenta care traverseaza acest arbore in sensuri diferite, conceptul de "CAUTARE" fiind unul esential in programele de IA.

Ciclul de baza al motorului de inferente

MI este inima unui SE pentru ca, folosind baza de cunostinte, construieste dinamic rationamentele alegand regulile ce urmeaza a fi declansate/aplicate si ordinea de inlantuire a acestora.

Indiferent de modul de rationament utilizat, ciclul de baza al unui motor de inferente comporta urmatoarele patru etape (fig. 1.3.):

Modulul de achizitie de cunostinte

Realizeaza transferul cunostintelor de la expertii in domeniu catre sistemul expert (fig. 1.4).

Reprezentarea solutiei problemei prin spatiul starilor

În reprezentarea solutiei problemei prin spatiul starilor, spatiul de cautare are forma unui graf orientat in care nodurile sunt identificate prin stari, iar arcele reprezinta aplicarea unor operatori pentru a transforma o stare in starea urmatoare.

Prin definitie o reprezentare a solutiei problemei prin spatiul starilor este formata din tripletul in care:

este multimea starilor initiale;

O - multimea de operatorilor aplicabili starilor universului problemei pentru a ajunge in noi stari: in fiecare stare data, numai o parte din operatori pot fi aplicati;

- multimea starilor finale; aceasta poate fi constituita din una sau mai multe stari.

Prin urmare, o solutie a problemei este o secventa de operatori care transforma starea initiala in starea finala si reprezinta o cale intre aceste doua stari in graf.

Initial graful spatiului de cautare este specificat implicit de reprezentare prin tripletul . Pe masura ce procesul de cautare a solutiei avanseaza o portiune din acest graf devine explicita. Portiunea din graful spatiului de cautare astfel construita reprezinta partea explorata a spatiului de cautare.

Pentru exemplificare se considera problema comis voiajorului.

Fiind date un numar de orase si distantele de-a lungul unor drumuri care leaga aceste orase, se cere sa se gaseasca drumul de lungime minima pe care il face un comis-voiajor care trebuie sa treaca prin toate orasele pornind dintr-un oras dat si revenind in orasul de plecare. Un posibil exemplu este cel descris in figura 1.6 a. Starea initiala a problemei este orasul de plecare A al comis-voiajorului. Starile intermediare sunt orasele prin care acesta a trecut, iar solutia problemei este secventa de stari parcurse din starea initiala pana in starea finala, secventa care trebuie sa indeplineasca conditia de cost optim, adica drum de lungime minima. O parte din graful spatiului de cautare este prezentat in figura 1.7 b.

Fig. 1.6. Reprezentarea prin spatiul starilor

a problemei comis-voiajorului

Este evident faptul ca generarea tuturor traseelor posibile si compararea costurilor asociate pentru a gasi traseul optim este un proces ineficient din punct de vedere computational, mai ales in cazul unui numar mare de orase. De aceea, pentru rezolvarea acestei probleme se face apel la tehnicile euristice de cautare

Reprezentarea solutiei problemei prin grafuri SI/SAU

Exista probleme a caror rezolvare poate fi convenabil reprezentata printr-o tehnica numita reducerea problemei la subprobleme. Caracteristica comuna a acestei clase de probleme este aceea ca orice problema pusa de un obiect candidat la solutie poate fi vazuta ca o conjunctie de subprobleme ce pot fi rezolvate independent unele de altele. Rezolvarea problemelor din aceasta clasa poate fi abordata in urmatorul mod: se descompune problema in subproblemele care trebuie rezolvate, acestea se descompun la randul lor in alte subprobleme si asa mai departe, pana cand se obtine o descompunere a problemei initiale in subprobleme elementare, adica banal de rezolvat.

Spatiul de cautare al unei astfel de rezolvari a problemei are forma unui graf SI/SAU. Acesta este un caz particular al unui hipergraf. Un hipergraf este format dintr-o multime de noduri si o multime de hiperarce definite prin perechi ordonate in care primul element este un nod din multimea de noduri a hipergrafului, iar cel de al doilea element este o submultime de noduri. Un graf obisnuit este un caz particular al unui hipergraf in care cel de al doilea element al hiperarcelor este o multime formata dintr-un singur nod.

Prin definitie, o reprezentare a solutiei problemei prin grafuri SI/SAU este formata din tripletul in care:

este descrierea starii initiale;

O - multimea operatorilor de transformare, adica de descompunere a problemei in subprobleme; aplicabili starilor universului problemei pentru a ajunge in noi stari: in fiecare stare data, numai o parte din operatori pot fi aplicati;

- descrierea unei multimi de probleme elementare.

Un graf SI/SAU se construieste pe baza urmatoarelor reguli:

R1.    Fiecare nod reprezinta fie o singura problema fie o multime de probleme ce trebuie rezolvate.

R2.    Un nod ce reprezinta o singura problema nu are descendenti. Problema este fie o problema elementara, fie o problema neelementara dar care nu se mai poate descompune in subprobleme.

R3.    Nodurile ce reprezinta multimea de subprobleme in care s-a descompus o problema prin aplicarea unui operator de descompunere se numesc noduri SI.

R4.    Nodurile ce reprezinta descompuneri alternative ale unei probleme in subprobleme se numesc noduri SAU. Aceste noduri au ca descendenti noduri SI.

Un exemplu de graf SI/SAU este prezentat in figura

Fig. 1.7. Graf SI/SAU pentru reprezentarea spatiului de cautare

Într-un graf SI/SAU exista doua tipuri de noduri: noduri rezolvate si noduri nerezolvabile:

Un nod este rezolvat daca:

(i) este un nod terminal etichetat cu o problema elementara;

(ii) este un nod SI, iar toti succesorii lui sunt noduri rezolvate;

(iii) este un nod SAU si cel putin un succesor al acestuia este nod rezolvat.

Un nod este nerezolvabil daca:

(i) este un nod terminal etichetat cu o problema neelementara care nu se mai poate descompune in subprobleme;

(ii) este un nod SI cu cel putin un succesor nerezolvabil;

este un nod SAU cu toti succesorii nerezolvabili

Strategii de cautare tentative.

La aplicarea unui operator starea curenta este memorata astfel incant procesul de cautare sa poata reveni ulterior in starile anterioare aplicarii operatorilor. Daca starea anterioara la care se poate reveni in timpul cautarii se afla numai pe calea curenta intre starea initiala si starea finala, strategia de cautare este o strategie tentativa de tip 'backtracking'. Aceasta este, de exemplu, strategia utilizata de limbajul Prolog.

Daca starea anterioara in care se poate reveni se afla pe orice cale deja parcursa in expandarea spatiului de cautare, strategia este de cautare tentativa generala pe grafuri.

În functie de cel de-al doilea criteriu, strategiile de cautare se impart in:

Strategii de cautare neinformate.

Considerarea starilor urmatoare de inspectat se face dupa o ordine arbitrara, anterior stabilita. Strategiile de cautare neinformata inspecteaza sistematic toate starile spatiului de cautare pana in momentul gasirii starii finale. Cele mai importante strategii de acest fel sunt cautarea pe nivel sau cautarea in latime si cautarea in adancime.

Strategii de cautare informate.

Considerarea starilor urmatoare de inspectat se face dupa criterii euristice. Strategia foloseste o functie de evaluare a situatiei globale sau locale care indica starea urmatoare cea mai promitatoare din punct de vedere al avansului spre solutie.

Strategiile de cautare euristice incearca reducerea numarului de stari din spatiul de cautare inspectate pana la atingerea starii finale, pe baza diverselor criterii, cum ar fi functiile euristice. Strategia alpinistului descrisa anterior este un exemplu de cautare informata Alte exemple sunt strategia de cautare 'best-first', algoritmul A^* si algoritmul AO^*. Algoritmii A^* si AO^* urmaresc in principal, pe langa reducerea numarului de stari inspectate, gasirea solutiei optime.

Costul computational total al unui program de rezolvare a problemelor de IA depinde de locul unde se situeaza strategia de control in spectrul neinformat/informat si are doua componente:

costul aplicarii operatorilor, sau costul parcurgerii spatiului de cautare intre starea initiala si starea finala;

costul controlului, sau costul evaluarii si selectiei celei mai promitatoare stari urmatoare.

O strategie de cautare complet neinformata implica un cost redus al controlului si un cost ridicat al parcurgerii spatiului de cautare deoarece, in general, necesita aplicarea unui numar mare de operatori inaintea gasirii unei solutii.

Invers, o strategie de control complet informata despre domeniul problemei implica un cost ridicat al controlului deoarece poate necesita calcule complicate pentru evaluarea meritului starilor si un cost minim de parcurgere a spatiului de cautare datorita numarului redus de operatori aplicati pana la gasirea solutiei.

Dupa cum se poate observa si din figura 1.8 exista un grad optim de informare pentru care costul total este minim. În functie de aplicatie, proiectantul programului trebuie sa incerce determinarea celei mai bune variante de pondere a costurilor. Obtinerea unui cost computational optim este un aspect esential deoarece problemele de cautare sunt probleme de complexitate timp exponentiala.

Cautarea pe nivel sau in latime

Cautarea pe nivel, numita si cautarea in latime, este o strategie care expandeaza starile urmatoare in ordinea apropierii fata de nodul stare initiala S_i. Aceasta strategie trateaza lista frontiera LF folosind o strategie de tipul FIFO. Nodul din frontiera care se elimina este primul din lista, iar succesorii sai sunt adaugati la sfarsitul listei.

Algoritm Strategia cautarii pe nivel in spatiul starilor

Creeaza listele si

DACA

ATUNCI intoarce INSUCCES /* nu exista solutie */

Elimina primul nod S_c din LF si-l insereaza in LT

Expandeaza nodul S_c

4.1. Genereaza toti succesorii directi ai nodului S_c

4.2. pentru fiecare succesor al lui S_c executa

4.2.1. Stabileste legatura

4.2.2. daca este stare finala
atunci

i. Solutia este

ii. intoarce SUCCES /* s-a gasit solutie */

4.2.3. Insereaza in LF, la sfarsit

repeta de la 2

sfarsit

Cautarea in adancime

Cautarea in adancime este strategia cea mai frecvent utilizata in aplicatiile practice. Ea expandeaza starile cel mai recent generate, adica nodurile din lista LF cu adancimea cea mai mare. Prin urmare, aceasta strategie parcurge o cale de la starea initiala pana la o stare ce poate fi starea finala sau care nu mai are nici un succesor. În acest ultim caz se aplica mecanismul backtracking revenindu-se pe nivelurile anterioare si se incearca explorarea altor cai posibile. În cadrul acestei strategii lista frontiera LF este tratata ca o stiva folosind o tehnica de tipul LIFO (Last In First Out).

Strategia cautarii in adancime nu garanteaza obtinerea unei solutii a problemei, chiar in cazul in care aceasta exista. O astfel de situatie poate sa apara in cazul unui spatiu de cautare infinit in care ramura pe care s-a plecat in cautare nu contine solutia. Din acest motiv se introduce o limita maxima a adancimii de cautare, AdMax. Daca aceasta limita a fost atinsa fara a se gasi solutia, atunci strategia revine si inspecteaza stari de pe nivelurile inferioare lui AdMax dar aflate pe cai diferite. În acest fel, solutia care s-ar gasi pe calea initiala la o adancime mai mare decat AdMax este pierduta. În schimb, algoritmul cautarii in adancime prezinta avantajul generarii unui numar de stari mai mic comparativ cu algoritmul cautarii pe nivel.

Algoritm Strategia cautarii in adancime in spatiul starilor

Creeaza listele si

DACA

ATUNCI intoarce INSUCCES /* nu exista solutie sau solutia nu poate fi gasita pana la nivelul AdMax */

Elimina primul nod S_c din LF si-l insereaza in LT

DACA

ATUNCI repeta de la 2

4. Expandeaza nodul S_c

4.1. Genereaza toti succesorii directi ai nodului S_c

4.2. Pentru fiecare succesor al lui S_c executa

4.2.1. Stabileste legatura

4.2.2. DACA este stare finala

ATUNCI

i. Solutia este

ii. intoarce SUCCES /* s-a gasit solutie */

4.2.3. Insereaza in LF, la inceput

5. repeta de la 2

sfarsit

. Strategii de cautare euristica

În rezolvarea problemelor utilizind strategii de cautare neinformata numarul de stari investigate inainte de a gasi o solutie poate ajunge prohibitiv de mare, chiar si pentru probleme relativ simple.

Spatiul de cautare explorat poate fi redus prin aplicarea tehnicilor euristice de cautare care tin seama de cat de aproape este fiecare nod al grafului de nodul corespunzator starii finale.

Cuvantul euristic(a) provine din greaca veche si are intelesul "a descoperi". Conform DEX "un procedeu euristic serveste la descoperirea unor cunostinte noi", respectiv defineste o parte a stiintei care are ca obiect descoperirea de fapte noi.

În contextul problemelor de cautare, o tehnica euristica este o strategie folosita pentru a creste eficienta cautarii, fara a garanta obtinerea solutiei. Dezvoltarea unei tehnici euristice se face pe baza unor aproximari rationale, ipoteze simplificatoare si cunostinse specifice domeniului problemei.

În acest context, cunostintele euristice pot fi utilizate pentru:

a)     selectarea nodului urmator de expandat in cursul cautarii - selectarea nodului cel mai promitator pentru obtinerea solutiei;

b)     a decide care dintre succesorii nodului ce este expandat vor fi generati si care nu - expandarea partiala a unui nod prin aplicarea numai a unui sbset de operatori dintre cei posibil de aplicat;

c)     eliminarea din spatiul de cautare a anumitor noduri generate - retezarea arborelui de cautare.

Metoda caii spre obiectiv

Principiul acestei metode consta in alegerea acelor operatori care par sa conduca la un obiectiv, de obicei solutia problemei. În acest sens, la fiecare pas al procesului de cautare se evalueaza diferentele dintre starea curenta S_c si starea finala S_f pe baza carora se identifica un operator ce ar permite trecerea directa din starea curenta in cea finala. Din pacate un astfel de operator fie nu exista, fie nu poate fi aplicat. De aceea se aplica principiul descompunerii problemei in subprobleme. Astfel, se determina o stare intermediara careia i se poate aplica operatorul identificat anterior si in care se poate ajunge din starea curenta S_c prin aplicarea unui operator secundar .

Metoda pasului optim (best - first)

Ideea de baza a acestei strategii este aceea de a selecta, din spatiul de cautare generat, pentru expandare cel mai bun nod folosind in acest sens cunostintele euristice, adica o estimare a starii cu ajutorul functiei euristice.

Algoritmul de baza al metodei implica parcurgerea urmatoarelor etape:

Calculul functiei euristice pentru toate nodurile din nivelul curent (nodurile din frontiera)

Selectarea nodului cu valoarea minima/maxima a functiei euristice

Expandarea nodului selectat (generarea succesorilor sai). Daca unul dintre succesori este solutia, atunci procesul de cautare se opreste.

CUPRINS:1-SE

2-ARHITECTURA SE

3,4-BAZA DE CUNOSTINTE SI BAZA DE REGULI,BAZA DE FAPTE

5-MOTOR DE INFERENTE

6- Reprezentarea solutiei problemei prin spatiul starilor

7,8- Reprezentarea solutiei problemei prin grafuri SI/SAU

9-Strategii de cautare

10-Cautarea pe nivel sau pe latime si Cautarea in adancime

11-Cautarea euristica

12-Metoda caii spre obiectiv