Bài viết này là bài viết được đóng góp bởi Koichi Shiraishi của InnoRules Co, Ltd ()

Đầu tiên, chúng ta sẽ theo dõi bối cảnh lịch sử của BRMS từ giai đoạn đầu, một hệ thống chuyên gia sử tỷ lệ kèo cá cược trí tuệ nhân tạo (AI)

Tôi nghĩ mối quan hệ tích cực giữa dịch vụ tài chính và CNTT đã được chú trọng vào khoảng năm 2000, khi các hệ thống chuyên gia được kỳ vọng sẽ dẫn đến hợp lý hóa và giảm chi phí vào những năm 1990, nhưng đã thất bại Nguyên nhân được cho là ngoài việc hiệu suất của máy tính không theo kịp, kiến ​​thức, bí quyết kinh doanh mà con người sở hữu còn đan xen rất phức tạp và các chuyên gia thường thao túng chúng một cách vô thức, gây khó khăn cho việc trích xuất và sắp xếp kiến ​​thức thành các yếu tố để đưa vào hệ thống Vào thời điểm đó, ngành tài chính đang trải qua quá trình bãi bỏ quy định do vụ nổ tài chính lớn, đồng thời cũng là thời điểm các công ty như Seven Bank, Sony Bank, AEON Bank lần lượt được thành lập

Khi tôi bước chân vào ngành CNTT cách đây hơn 30 năm, có một người khao khát trở thành kỹ sư hệ thống chuyên gia (SE), một SE có vai trò rút ra kiến thức mà các chuyên gia có Tuy nhiên, có vẻ như có rất ít cơ hội để họ đóng vai trò tích cực, bất chấp những kỳ vọng

Kết quả xác minh công nghệ được thực hiện bởi Dự án Máy tính Thế hệ thứ Năm, dự án đi đầu trong nghiên cứu AI vào thời điểm đó, đã ``chứng minh rằng bằng cách kết hợp các kỹ thuật biểu diễn, quản lý và sử tỷ lệ kèo cá cược kiến thức dựa trên logic toán học với sức mạnh xử lý cao được cung cấp bởi xử lý song song, nó có thể được sử tỷ lệ kèo cá cược làm cơ sở chung cho các hệ thống xử lý thông tin tri thức thực tế'' Tuy nhiên, nó không được chấp nhận rộng rãi vì không có ứng tỷ lệ kèo cá cược trong thị trường chung hoặc xử lý kinh doanh Trớ trêu thay, Hoa Kỳ và Châu Âu cảm thấy khủng hoảng trước nỗ lực quốc gia của Nhật Bản trong việc tham gia nghiên cứu AI và bắt đầu tập trung vào phát triển phần mềm AI có thể được áp tỷ lệ kèo cá cược làm ứng tỷ lệ kèo cá cược (tiếp tục vào lần sau)