Intelligent systems engineering (ISE) är en generell term som används för att hänvisa till en mängd olika artificiell intelligens (AI) tillvägagångssätt, inklusive neurala nätverk, evolutionära algoritmer, modellbaserad förutsägelse och kontroll, fallbaserade diagnostiska system, konventionell kontrollteori och symbolik. AI. Termen intelligent systemteknik används oftast i samband med AI som tillämpas på specifika industriella utmaningar som att optimera en processsekvens i en sockerfabrik. Denna typ av ingenjörskonst tenderar att hänvisa till skapandet av kortsiktig, snäv, säljbar AI, snarare än långsiktig, flexibel, allmänt intelligent AI.
Det finns universitetsavdelningar i ett antal länder som fokuserar på intelligent systemteknik. Både terminologin och den allmänna filosofin för ISE härrör från en blandning av maskin- och elektroteknik och datavetenskap. ISE-program finns ofta inom maskintekniska avdelningar.
Intelligenta system är vanligtvis avsedda att kopplas till robotik i industriella processmiljöer, även om de kan vara diagnostiska system som endast är anslutna till passiva sensorer. Intelligenta system är tänkta att vara adaptiva, för att lösa problem så kreativt som möjligt med minimal mänsklig insats. Fältet har fått betydande investeringar från både den privata sektorn och militären.
Intelligenta system följer i allmänhet en sekvens av händelser för att diagnostisera och åtgärda ett potentiellt problem. Först identifierar och definierar systemet problemet. Sedan identifierar den utvärderingskriterier att tillämpa på situationen, som den använder för att generera en uppsättning alternativ till problemet.
Det finns ett iterativt sökande efter en lösning och utvärdering av potentiella lösningar, tills ett val och en rekommendation görs. Sedan, ibland med mänskligt klartecken krävs, implementeras lösningen. Intelligenta system tar en del av stressen från människor och löser automatiskt det enklaste av de många tusentals problem som dyker upp i industriella processmiljöer.
Intelligent systemteknik strävar efter att skapa sensornätverk som inte bara tar numeriska avläsningar, utan också fungerar som virtuella observatörer, integrerar avkänningsdata och gör generaliseringar. Eftersom vår tekniska infrastruktur blir ständigt mer komplex, välkomnar många arbetare konstgjord hjälp med att diagnostisera och lösa problem.