Các chuyên gia thƣờng đánh giá, suy xét khi giải vấn đề. Thông tin về vấn đề có thể không đầy đủ và một vài tri thức có thể không xác thực. Vì vây, họ cần thích nghi với tình trạng này và tiếp tục các lập luận. Các lập luận này là các lập luận không chắc chắn.
Để giải quyết vấn đề này có thể sử dụng lý thuyết xác suất. Tuy nhƣ vậy sẽ cho kết luận chặt chẽ về mặt toán học nhƣng kỹ thuật này đòi hỏi cơ sở thống kê mà ít loại bài toán trong hệ chuyên giá đáp ứng đƣợc. Tuy nhiên, nếu xem hệ chuyên gia nhƣ cơ chế giải quyết vấn đề may rủi thì ngƣời ta có thể dùng các kỹ thuật lập luận không chính xác.
a. Thể hiện dấu hiệu không chắc chắn
Đối với suy luận không chính xác, cần gán giá trị (%) chắc chắn CF (Certainty Factor) cho mỗi luật. Ngƣời ta gán một nhân tố chắc chắn CF để thể hiện độ tin cậy vào dấu hiệu. Số này chạy từ -1 ứng với sai hoàn toàn đến +1 ứng với đúng hoàn toàn. Số dƣơng thể hiện sự tin cậy và số âm thể hiện sự không tin cậy. Chẳng hạn, bác sĩ phát hiện dấu hiệu nào đó có khả năng đúng là 60% thì dấu hiệu đó đƣợc gán nhân tố chắc chắn CF = 0.6.
b. Thể hiện các luật không chắc chắn
Suy luận cũng cần đƣợc gán giá trị CF. Nghĩa là mỗi luật suy luận đều đƣợc gán CF. Ví dụ 2.1: IF “có dấu hiệu thƣơng tổn” AND “Hình thái khuẩn cầu” AND “ Hình thể trên vết thƣơng là chuỗi” THEN “Chỉ định bị khuẩn cầu chuỗi”. Kết luận này chỉ chắc chắn 70% thì luật đƣợc thể hiện nhƣ sau:
IF “có dấu hiệu thƣơng tổn” AND “Hình thái khuẩn cầu” AND “ Hình thể trên vết thƣơng là chuỗi” THEN “Chỉ định bị khuẩn cầu chuỗi”, CF = 0.7.
Nếu kết luận chỉ phụ thuộc một phần vào một trong các giả thiết trong luật thì CF có thể dùng riêng cho các giả thiết đó.
c. Suy luận không chắc chắn
Có thể thấy khi độ tin cậy vào dấu hiệu đang có nhỏ hơn sự chắc chắn thì độ tin cậy này trong suy luận liên quan cũng giảm đi. Chẳng hạn, sự kiện bị viêm họng dạng hạt E không chắc chắn lắm, ngƣời ta dùng giả thuyết CF(E) <1 đó là do độ tin cậy về triệu chứng H cũng không chắc chắn CF(H) <0.7.
d. Độ tin cậy thực
Trƣớc hết, ngƣời ta tập hợp tất cả thông tin trợ giúp và gọi là độ tin cậy MB (Measure of Belief) trong giả thuyết. Việc tập hợp tiến hành theo cách tiệm cận và hoán đổi- gọi là độ đo không tin cậy MD (Measure of Disbelief). Độ tin cậy thực hay CF trong giả thuyết đƣợc tính bằng độ lệch giữa hai giá trị MB và MD.