人工智能 Chapter4.ppt

专家系统如何工作 专家系统的工作过程 ????? 专家系统的基本工作流程是，用户通过人机界面回答系统的提问，推理机将用户输入的信息与知识库中各个规则的条件进行匹配，并把被匹配规则的结论存放到综合数据库中。最后，专家系统将得出最终结论呈现给用户。 ????? 在这里，专家系统还可以通过解释器向用户解释以下问题：系统为什么要向用户提出该问题（Why）？计算机是如何得出最终结论的（How）？ ????? 领域专家或知识工程师通过专门的软件工具，或编程实现专家系统中知识的获取，不断地充实和完善知识库中的知识。 专家系统实例 ????? 这里，我们以一个简单的“动物识别专家系统”为例，初步认识专家系统的工作机制及系统特点。该系统的知识库是一个产生式规则的集合。从原则上来讲，规则之间相互独立，任何两条规则的“前件”一般都不能重复，也不具有包含关系。小型专家系统的规则可以是几条几十条，大型专家系统的规则可达上千条，像这个动物专家系统知识库的规则就只有六条。 知识库 在苏格兰的不能做单足跳且身材高大的动物是马； 在苏格兰的不能做单足跳且身材中等的动物是小马； 不在苏格兰的不能做单足跳且身材高大的动物是斑马； 不在苏格兰的不能做单足跳且身材非常高大的动物是长颈鹿； 不在苏格兰的不能做单足跳且身材小的动物是骆驼； 不在苏格兰的能做单足跳且身材中等的动物是袋鼠； 推理机和解释器 专家系统具备“Why（为什么）”和“How（怎样）”的解释功能。下图就是计算机对“为什么会问‘能做单腿跳吗’”这个问题的回答，其解答是：系统为了匹配第一条规则，因此向用户提出该问题。同理，最后得出结论之后，用户还可以通过“How”来查看该结论是如何得出来的。计算机的回答也是对该结论的推理过程的重现。 接口（人机交互界面） 运行动物专家系统时，系统将通过人机界面向用户提问，人机对话的一个界面如下图所示。用户选择答案做出相应的回答，然后按“确定”键，再回答下一个问题。 设计过程中的一个主要目标是总结出专家的推理过程，不但以代表专家的最后结论或假设进行推理，而且以中间假设或结论进行推理，这是很重要的。通常中间假设或结论是许多有关量测的总结，或者就是某个重要证据的定性概括。利用这些定义的中间假设和结论可以使推理过程更为清楚和有效。以一组比较小的中间假设进行推理比用一组大得多的包括所有可能观测的组合来推理要容易得多 。  　　　 观测的表示 观测是得到结论所需要的观察或量测结果。它们通常可以用逻辑值：真(T)，假(F)或不知道，或用数字来表示。在交互式系统中，一般包括向使用者询问信息的系统；但有时也可以不需要使用者的直接干预而记录观测，假如可以从仪表直接读数或从另外的程序送来结果。如果以向使用者询问的方法记录观测，可以用有关的主题来组织观测，以便使询问进行得更为有效。把问题组织成菜单那样的编组是一种很有效的方法。这种方法把问题按主题组织成选择题、对照表或用数字回答的问题。选择题下面列有对问题的可能答案；使用者根据具体情况从中选择一个。对照表是一组问题，在这组问题范围内，任何数量的回答都是允许的。对问题只需要作是或非回答的是非题，也是一种很有效的询问方法。对组织问题的主题来说，这些简单的问题结构经常是很合适的。因为对使用者很方便。 在某些系统中把观测按假设那样来处理，每个观测都附有一个可信度等级。例如，使用者可以说明温度为55°的可信程度为90%，或在汽化器里汽油气味是正常的可信程度为70%。与此不同，在EXPERT中对问题的回答限于真(T)，(假)(F)，不知道或数字值。但是，即使用这种表示方法，对某个重要的观测，系统的设计者也可以通过建立一个新的观测，来量测偏离实际结果的因素，以决定可信的程度。例如，系统可能先询问一个仪表的读数，然后又询问这个读数的可信程度。 　　虽然观测可以表达推理规则的前项所需的大多数信息，但是在某些情况下，系统设计者可能发现必需包括更多的详细的过程知识。事实上，系统必须调用一个子程序，这个子程序将产生一个观测。例如，有一个观测代表汽车消耗每升汽油能够行驶的公里数，要知道这个观测，可以设立一个问题去问使用者。但另一方面，如果利用一段程序，根据实际的公里数和所消耗的燃料来计算消耗每升汽油行驶的公里数更为合理。  　　　 推理规则的表示 总的来说产生式规则是决策规则最为常用的表示形式。这些IF-THEN形式的规则用来编译专家凭经验的推理过程。按照我们的表示方法，产生式规则可根据观测和假设之间的逻辑关系分成3类：　　(1) FF--观测到观测的规则；　　(2) FH--观测到假设的规则； 　　(3) HH--假设到假设的规则。 (1) 从观测到观测的规则(FF规则)　　FF规则规定那些可从已确定的观测直接推导出来的观测的真值。因为通过把观