自动化专业英语王树青6,4.docVIP

254页 6.4 专家系统 专家系统是人工智能的“热门”话题。 在此之前的最后十年人工智能研究员: 倾向于依靠窗台引导搜索技术或计算逻辑来解决问题这些技术被成功用于解决基本问题或结构性问题,如游戏。 然而，真正的复杂问题是容易出现的他们的搜索空间往往呈指数膨胀特性。对于这样的问题，这些老技术已普遍证明是这种新的方法强调的知识，而不是搜索，并知识工程和专家系统领域。得到的专家系统技术，在20世纪70年代仅限于学术实验室，现在已经成为高性价比，并开始商业。 费根鲍姆，专家系统领域的先驱，说： “专家系统”是一个智能计算机程序，利用知识和推理过程来解决非常困难，需要大量的人类专家才能解决的问题。专家系统的知识由事实和试探法“事实”广泛共享，公开，并普遍同意。”大多是私有的，很少讨论的良好的判断规则合情推理规则，好猜测在该领域表征专家级的决策。 专家系统的性能水平主要是一个函数的大小和知识库拥有的质量。 它已成为时尚的今天，表征任何应用了大量领域知识作为专家系统人工智能系统因此，几乎所有的应用于现实世界问题人工以在这个范畴考虑，虽然名称为“知识系统”更为合适。 一个专家系统： 知识库(或知识来源)域的相关事实和的问题 推理过程（或控制结构）用于解决问题的知识库 3一个工作记忆的全球数据库 --跟踪问题状态,特定问题的输入数据,以及迄今为止所发生的一切相关历史。 255页 人类的“领域专家”通常携手合作，帮助发展知识根基。一旦系统研制成功，除了要解决的问题，它还可以用来帮助指导别人来发展自己的专长。 它只是是理想化的，尚未普及，为有一个用户友好的自然语言接口，以便在所有三种模式使用该系统：开发，解决问题，指示。一个解释模块通常包括，允许用户挑战并检查推理过程的底层系统的答案。图6.4.1演示了理想化的专家系统。当域知识的培训存储为产生式规则，知识库常被称为“规则库”和推理引擎作为“规则解释“ 专家系统在几个重要方面不同常见的计算机程序。观察者怀疑，在专家系统中“...有一个关于这个的问题，一般知识问题（规则形成知识库）与当前的信息问题（输入数据）有着明确的分离，以及把一般知识应用到这个问题（规则解释器）的方法。 在常规的计算机程序中，和问题相关的知识、并利用此知识方法都是混合的，以至于程序很难被改变。在专家系统的程序，“......程序本身只是一个翻译（或一般推理机制）和（理想情况）该系统在知识基础下可以通过简单地增加或减少而改变规则”。 为了表征专家系统的领域知识，采用最普遍的方法就是生产规则（即指：SITUATION-ACTION（情况行动）规则或IF-THEN（假定的）规则）。（对于大型的专家系统，框架、语义网络、面向对象的编程已经开始显得越来越重要。）因此，通常一个数据库主要是由规则组成的，这些规则都是援引之前全球数据库中在工作环境中的模式匹配特征。 在专家系统中，一个解决问题的范例必须考虑组织和控制解决这个问题所需要的步骤。一个常见但很强大的方法就是链接if - then规则的推理形式。这种规则的采用取决于在全球数据库中的这种策略模式：匹配规则的IF还是THEN侧。应用程序规则丰富了系统状态，同时也丰富了数据库，增加了一些再禁用一些规则。规则解释器应用控制策略来寻找可用的规则以决定哪些可用的规则可以应用。使用的基本控制策略可以是自顶向下（目标导向），自下而上（数据驱动），或两者的组合，使用松弛的收敛过程中加入这些相反的推理线路，一起在一些中间点产生的问题的解决方案。 然而，智能社区已经设计出的所有启发式搜索和解决问题的方法，几乎都出现在了各种专家系统。 256页 专家系统的应用几乎是无限的。它们可用于：诊断，维修，监测分析，解释，咨询，规划，设计，指导，讲解，学习，和概念化。 分类系统的一种方式是通过函数（例如，诊断和规划）。然而，现有的专家系统表明这种分类可以检测出的在详细的系统结构的共性很少。更丰富的必须是专业知识，判断和经验。 ?专家必须能够解释应用到特定问题的专业知识、经验和方法。 ?处理的任务必须符合应用领域的范围。 利用现有的技术和编程工具，开发大型专家系统似乎得趋近于好几年，而得到可用的初始原型系统往往在不到两个。 许多大型企业已组建人工智能团队研究专家系统，及开发相关的人工智能应用程序。DEC,IBM和TI公司将人工智能视作技术核心并将其作为公司主要长远发展的方向。许多专家系统得到发展，但其中很多不能应用于日常生活领域。尽管核心人工智能应用程序的开发仍属棘手的任务，但是随着先进软、硬件技术的快速发展以及越来越多的人进行人工智能训练和研究，人工智能将会得到普遍应用。现在，很多专家系统构造工具能在个人电脑上应用。AI供应商目标是将人工智能和更多传统软件进行整合，以至于人工智能成为被人接受的主流软件。因此，到二