人工智能 - 专家系统

---

---

专家系统（ES）是 AI 中一个重要的研究领域。它是由斯坦福大学计算机科学系的研究人员提出的。

什么是专家系统？

专家系统是开发的计算机应用程序，用于解决特定领域中的复杂问题，达到超越普通人类智能和专业知识的水平。

专家系统的特点

• 高性能
• 易于理解
• 可靠
• 响应迅速

专家系统的功能

专家系统能够：

• 提供建议
• 指导和辅助人类决策
• 演示
• 推导出解决方案
• 诊断
• 解释
• 解释输入
• 预测结果
• 证明结论
• 为问题提出替代方案

它们不能：

• 取代人类决策者
• 拥有人类的能力
• 在知识库不足的情况下产生准确的输出
• 改进自身的知识

专家系统的组成部分

ES 的组成部分包括：

• 知识库
• 推理引擎
• 用户界面

让我们简单地逐一了解一下：

知识库

它包含特定领域的高质量知识。

知识是展现智能所必需的。任何 ES 的成功都主要取决于收集高度准确和精确的知识。

什么是知识？

数据是事实的集合。信息是以数据和事实的形式组织起来的，关于任务领域。数据、信息和过去的经验结合在一起被称为知识。

知识库的组成部分

ES 的知识库既存储事实知识也存储启发式知识。

• 事实知识 - 它是任务领域中知识工程师和学者广泛接受的信息。

• 启发式知识 - 关于实践、准确判断、评估能力和猜测。

知识表示

它是用于组织和形式化知识库中知识的方法。它以 IF-THEN-ELSE 规则的形式存在。

知识获取

任何专家系统的成功都主要取决于存储在知识库中的信息的质量、完整性和准确性。

知识库是由来自各种专家、学者和知识工程师的阅读资料形成的。知识工程师是一个具有同理心、快速学习和案例分析能力的人。

他通过记录、访谈和观察专家在工作中的表现等方式获取信息。然后，他以有意义的方式对信息进行分类和组织，以 IF-THEN-ELSE 规则的形式，供推理机使用。知识工程师还监控 ES 的开发。

推理引擎

推理引擎使用有效的程序和规则来推导出正确、完美的解决方案至关重要。

在基于知识的 ES 中，推理引擎从知识库获取和操作知识以得出特定解决方案。

在基于规则的 ES 中，它：

• 将规则重复应用于从先前规则应用中获得的事实。

• 如果需要，将新知识添加到知识库中。

• 当多个规则适用于特定情况时，解决规则冲突。

为了推荐解决方案，推理引擎使用以下策略：

• 前向链接
• 后向链接

前向链接

这是一种专家系统策略，用于回答“接下来会发生什么？”这个问题。

在这里，推理引擎遵循条件和推导的链，最终推导出结果。它考虑所有事实和规则，并在得出结论之前对它们进行排序。

此策略用于处理结论、结果或影响。例如，预测利率变化对股市状况的影响。

后向链接

使用此策略，专家系统可以找到“为什么会发生这种情况？”问题的答案。

基于已经发生的事情，推理引擎试图找出过去可能发生过哪些条件导致了这个结果。此策略用于找出原因。例如，人类血液癌症的诊断。

用户界面

用户界面提供 ES 用户与 ES 本身之间的交互。它通常是自然语言处理，以便用户可以轻松使用，并且熟悉任务领域。ES 的用户不必一定是人工智能专家。

它解释了 ES 如何得出特定建议。解释可能以以下形式出现：

• 在屏幕上显示自然语言。
• 用自然语言进行口头叙述。
• 在屏幕上显示规则编号列表。

用户界面使跟踪推论的可信度变得容易。

高效 ES 用户界面的要求

• 它应该帮助用户以最短的时间完成目标。

• 它应该设计用于用户现有的或期望的工作实践。

• 其技术应适应用户的需求，而不是反过来。

• 它应该有效地利用用户输入。

专家系统的局限性

任何技术都不能提供简单而完整的解决方案。大型系统成本高昂，需要大量的开发时间和计算机资源。ES 存在一些局限性，包括：

• 技术的局限性
• 知识获取困难
• ES 难以维护
• 开发成本高

专家系统的应用

下表显示了 ES 可以应用的领域。

专家系统技术

有几种级别的 ES 技术可用。专家系统技术包括：

• 专家系统开发环境 - ES 开发环境包括硬件和工具。它们是：

  • 工作站、小型机、大型机。

  • 高级符号编程语言，例如LISt Programming (LISP) 和PROgrammation en LOGique (PROLOG)。

  • 大型数据库。

• 工具 - 它们在很大程度上减少了开发专家系统的精力和成本。

  • 功能强大的编辑器和具有多窗口的调试工具。

  • 它们提供快速原型设计

  • 具有模型、知识表示和推理设计的内置定义。

• 外壳 - 外壳只不过是一个没有知识库的专家系统。外壳为开发人员提供了知识获取、推理引擎、用户界面和解释功能。例如，以下是一些外壳：

  • Java 专家系统外壳 (JESS)，它提供用于创建专家系统的完全开发的 Java API。

  • Vidwan，1993 年在孟买国家软件技术中心开发的外壳。它能够以 IF-THEN 规则的形式进行知识编码。

专家系统的开发：一般步骤

ES 开发过程是迭代的。开发 ES 的步骤包括：

确定问题领域

• 问题必须适合使用专家系统来解决。
• 为 ES 项目找到任务领域的专家。
• 确定系统的成本效益。

设计系统

• 确定 ES 技术

• 了解并确定与其他系统和数据库的集成程度。

• 了解哪些概念可以最好地表示领域知识。

开发原型

从知识库：知识工程师的工作是：

• 从专家那里获取领域知识。
• 以 If-THEN-ELSE 规则的形式表示它。

测试和改进原型

• 知识工程师使用示例案例来测试原型在性能方面的任何缺陷。

• 最终用户测试 ES 的原型。

开发并完成 ES

• 测试并确保 ES 与其环境的所有元素（包括最终用户、数据库和其他信息系统）的交互。

• 妥善记录 ES 项目。

• 培训用户使用 ES。

维护系统

• 通过定期审查和更新使知识库保持最新。

• 随着这些系统的发展，满足与其他信息系统的新接口的需求。

专家系统的优势

• 可用性 - 由于软件的大规模生产，它们很容易获得。

• 生产成本低 - 生产成本合理。这使得它们价格合理。

• 速度 - 它们提供极快的速度。它们减少了个人投入的工作量。

• 错误率低 - 与人为错误相比，错误率低。

• 降低风险 - 它们可以在对人类危险的环境中工作。

• 稳定的响应 - 它们稳定地工作，不会产生情绪化、紧张或疲劳。