第十一章人工智慧和专家系统.pptVIP

第十一章 人工智慧和專家系統 11-1 人工智慧 機器人學(Robotics) 機器視覺(Machine Vision) 語言理解(Understanding Language) 語音識別(Recognizing Speech) 神經網路(Neural Network) 專家系統(Expert System) 11-2 專家系統的基本思想 專家系統 簡單的專家系統能夠遵守三條規則 電腦化的專家系統顯示的基本特徵 專家系統和決策支援系統 11-3 信任因素 信任因數來自何處 用戶輸入相關的信任因數 從資料庫得到信任因數 規則能將信任因數合併到專家系統的邏輯中 這種方法通常用於問題診斷系統中，用這個系統已知的症狀，可以說明一個可能的診斷，而不是絕對地確定它 信任因數能夠從一個規則傳播到另一個規則 11-4 模糊邏輯 模糊邏輯是一種用精確的方法處理不精確知識的方法。事實上，如果有一個信任因數的陳述是「我相信這個事實為真的機率有70%」，那麼其模糊邏輯陳述就是：「我相信這個事實具有70%的真實性」。 模糊集合從屬關係曲線 專家系統模糊邏輯 11-5 專家系統開發工具 Shell 程式 很據事實，許多軟體公司開發了預先包裝好的推論引擎，一個用戶可以將任何想得到的規則集加入其中。一個預先包裝好的推論引擎稱為「專家系統 Shell」(命令解譯程式) 語言 以專家系統的特徵和需要的硬體為基礎，指定需要什麼Shell程式。考慮的因素包括： 可嵌入性 快速原型開發 解釋實用程式 前向連結推理和後向連結推理 信任因數 與資料庫連結 11-6 選擇一個好的專家系統應用程式 技術可行性的問題 操作可行性的問題 經濟可行性的問題 相關問題(任務相關)準則 與專家相關的準則 正確地保持準則 11-7 尋找專家 他們必須是專家 他們必須希望透過電腦 「複製」 他們必須能夠在專家系統中，花費可觀的時間 他們應該願意與人合作，同時與人合作得很融洽 他們應該對電腦感興趣，或至少對此一技術有興趣 11-8 專家系統和決策支援系統 專家系統再現了決策者在做出決策、診斷問題或建議行動過程中，可能經歷的推理過程 專家系統也可以合併資料庫和模型，應用於其他類型的決策支援系統中 專家系統與其他類型決策支援系統的區別因素為: 專家系統通常由非專家使用 如果專家系統推薦的意見品質接近專家，那麼這個專家系統通常被認為是成功的 專家系統一般會應用在重複發生的問題上 專家系統是一般應用於戰術的、底層的問題 專家系統一般被應用到合理結構化的任務中 Pfeifer和Luth兩位先生所發表的文獻，也包括以下兩類區別因素，他們刻劃了專家系統技術的特性而不是決策的情形： 在專家系統中，知識的表達是和處理那些知識的程式是互相分離的 解釋專家系統推理能力在專家系統面對知識和規則的結構中是固有的 11-9 專家系統的優缺點 優點 給定同樣的資料，專家系統可以比人類更快地解決問題 專家系統的輸出是一致的 當需要最小的時間提前量和中等成本時，可以複製專家系統 專家系統可解放專家，讓他們從事其他工作，如讓其集中考慮真正需要他們高水準的專業知識的少數問題專家系統不介意在人類認為不便或危險的地方工作或從事一些人類認為煩瑣的重複工作 當公司機構獲得使用規則的經驗之後，專家系統能透過增加更多的規則來擴充自己 專家系統能透過專家使用的技術來訓練無經驗的解決問題者 當這種訓練正進行中時，專家系統可以將無經驗者解決問題的能力，提升到接近這方面專家的能力 在專家系統將許多專家的知識融於一體的情形中，這類專家系統可能做得比單一專獨自完成得更好 從電腦程式設計師的角度看，將專家的知識分離到模組化的規則中，可減少開發錯誤的可能性，並可改善系統的可維護性 缺點限制 專家的知識領域通常是狹隘的 專家系統不能運用常識，但能運用它們的規則 在專家系統的極限部分，它們是脆弱的 專家系統開發費用昂貴。這不是因為硬體(因已日益便宜)，或因為軟體工具費用，而是因為專家的費用，和涉及此一過程的其他人員費用很昂貴 一位或多位專家必須在專家系統延長期間，在場為其服務 * 結束 *