AI(医学课件).pptVIP

人工智慧與專家系統 曾憲雄、黃國禎 第六章 知識擷取(Knowledge Acquisition)的挑戰 知識擷取的目標是將專業領域的知識轉換成知識庫或是其他電腦化的表達形式 知識擷取的方式 藉由有經驗的知識工程師(knowledge engineer)對專家進行晤談。 機器學習（Machine learning）：直接從專家提供的訓練範例（Training cases）中歸納出推論規則。 知識擷取系統：專家在接受短時間（通常為15-30分鐘）的說明後，即可透過知識擷取系統對專家進行晤談。 使用知識擷取系統的好處 不需要依賴訓練案例的提供 可對專家提供的知識進行即時的分析，包括知識的完整性及一致性 可與專家系建構工具整合，自動產生知識庫，減少人為的疏失 知識擷取系統的種類 表象知識（Substantive Knowledge）： 用以分辨所處的狀態 “Am I in danger of being attacked” 策略知識（Strategic Knowledge）： 決定下一步的行動 “Climb to 30000 feet” 表象知識的擷取 知識表格法(Repertory Grid-Oriented Methods,或稱凱利方格)： 元素（Elements）：可能的決策、答案或選項；例如天花、麻疹、水痘 配對屬性組（Constructs）：可用以分辦一組元的一對