[转帖]专家系统

cdcll

               专家系统——身边的专家
  
　　专家系统(Expert System)是一个基于知识的智能推理系统，它涉及到对知识获取、知识库、推理控制机制以及智能人机接口的研究，是集人工智能和领域知识于一体的系统。近些年，专家系统的迅速发展和广泛应用大大推进了各个应用领域向智能化方向发展，成为人工智能从实验室研究进入实用领域的一个里程碑。
　　专家系统应用人工智能技术，根据一个或多个人类专家提供的特殊领域知识进行推理，仿真人类专家作决定的过程来解决那些需要专家知识才能解决的复杂问题。目前专家系统不仅仅局限于科学问题，在工程、企业方面也有重要的应用。
　　人们在进行专家系统研究的过程中，发现专家的能力有两个方面：首先是一个专家有大量的专门知识，第二是专家能根据环境和对象灵活运用知识，并能根据不精确和不完整的证据得到较好的结论。通过大量研究，专家系统DENDRAL、MYCIN相继在60年代推出。其中著名的MYCIN系统是一个用于细菌感染患者的诊断和治疗的计算机系统，它的知识是由600多条规则组成的，其推理规则是不确定的，而且MYCIN能够解释自己的推理过程。这个最早的专家系统已经具有了实际工作的能力，它所作的工作需要人们经过多年的训练才能胜任。虽然MYCIN的使用范围是有限的，但是已经标志专家系统的发展进入了一个新的阶段。
　　后来，机器学习系统解决了专家系统的学习机制问题，从而使之可以不断丰富自己的知识库，使专家系统的可应用性获得了大大提高。随着未来的专家系统的理论基础和计算机硬件的发展，专家系统的可应用性必然越来越强。现阶段，专家系统主要应用在医学、故障诊断、化学、计算机软硬件、数学以及工程等方面。
　　专家系统的开发在现阶段来说也是一个程序设计的过程。传统的程序设计缺少灵活性，更重要的是缺少不精确的推导，也缺少合适的算法。专家系统的表达式是：知识+推理=系统，而传统的表达式是：数据+算法=程序。所以专家系统的结构和传统的程序是不相同的。一个完整的专家系统是由四个部分组成的：知识库、推理机、知识获取部分和解释接口组成。其中知识库用来存放相关领域专家提供的专门知识。推理机的功能是根据一定的推理策略从知识库中选取有关的知识，对用户提供的证据进行推理，直到得出相应的结论为止。推理机包括推理方法和控制策略两个部分。知识获取过程可以看作是一类专业知识到知识库之间的转移过程。人机接口则完成输入输出的人性化。
　　在一个成熟的专家系统中，有几项技术是极为关键的。首先，为了便于知识在计算机中的存贮、检索、使用和修改，并进行推理和搜索，知识表示技术必须具有很高的效率，目前主要有产生式表达法、语义网络表达法、框架表达法、谓词逻辑表达法等技术，并且新的技术还在开发当中；其次，因为要在专家系统中用计算机模拟人的思维，不精确推理方法是必不可少的，针对实际需要，概率算法一度成为最重要的方法，近几年来，模糊数学的引入为这一领域的发展开辟了新的前景；最后，和知识表示技术与推理方法相关，作为人的思维搜索过程的模拟，搜索策略的好坏对系统的成败也是意义重大的，现在人们已经利用的技术有状态空间法、问题递归法、最佳优先法等。
　　总之，人工智能系统的特殊性，决定了它是一个跨越多学科、充满活力、对基础研究的依赖性很强的一个领域，它的发展，必将向我们展示科学技术王国的更多魅力，也会令我们的生活更为美好。

cdcll

专家系统主要结构