Creo que dependerá de la aplicación. Mientras la información se pueda determinar a partir del contexto y el enrutamiento sea discreto (grande si), nunca hay ninguna dificultad en la implementación. Siempre es un problema mental diseñar la estructura de datos, el procesamiento de eventos y las herramientas para examinar cómo se ha desarrollado el sistema. Sé que los sistemas controlados por eventos son un problema para depurar, especialmente si los procesos son independientes.
Muchos sistemas expertos pueden ser bastante complicados, es decir, sistemas de diagnóstico médico donde los síntomas pueden coincidir con muchas enfermedades en un orden ponderado y pueden depender de otra información.
El mismo sistema podría implementarse potencialmente con una Cadena de Markov, basada en muestras biológicas y otros datos directamente del paciente, por ejemplo, pero el problema en ese caso particular es que el conocimiento médico para hacerlo puede no estar disponible, es decir, puede que no sepamos todos los pasos por los que se somete un cuerpo humano cuando es mordido por veneno de serpiente, por ejemplo, para que una prueba pueda determinar qué tan lejos se propagó el veneno, qué daño estaba causando y cuánto anti-veneno administrar.
- ¿Cuál es la comparación entre SVM y otros algoritmos de redes neuronales?
- ¿Quién está más cerca de desarrollar una verdadera IA?
- ¿Qué roles juegan las características y las clases en Random Forest?
- ¿Es una pérdida de tiempo aprender bibliotecas de aprendizaje automático, como TensorFlow, en lugar de implementar los algoritmos desde cero?
- ¿Cuál es tu opinión sobre el futuro de la IA?
Sin embargo, los componentes internos del sistema experto bien podrían usar una cadena de Markov en lugar de un árbol jerárquico, por ejemplo, durante la implementación o, alternativamente, la red neuronal si se le da importancia a las ocurrencias más comunes y el conocimiento de los expertos sobre qué opción buscar primero por alguna razón .
