AIA5-专家系统.docVIP

《人工智能及其应用》 教学讲义 第五章 专家系统 §5.1 专家系统的基本概念 专家系统，英文名称是Expert System，简称ES。 1968年由Stanford（斯坦福）大学的Feigenbaum（费根鲍姆）等研制的化学结构分析系统——DENDRAL系统，能够进行质谱数据分析，推断化学分子结构，达到了化学专家的水平。DENDRAL系统的问世，标志着专家系统的诞生。经过20年的研究开发，到80年代中期，专家系统已遍布各个专业领域，取得很大的成功。 专家系统的迅速发展和成功应用，是人工智能从学科研究走向实际应用，从一般思维方法探讨转入专门知识运用的重大突破。 专家系统是当前人工智能研究与应用中，富有朝气，十分活跃的重要分支。一方面，专家系统是知识表达、知识推理、知识获取技术的应用对象；另一方面，专家系统也是研究知识表达、知识推理、知识获取技术的试验环境。专家系统也称为知识库专家系统，是基于知识库的知识利用系统，是人工智能的应用工程——“知识工程”的典型代表，专家系统是知识信息处理的系统，是新一代计算机——第五代计算机的技术基础，是第二次计算机技术革命，从数值信息处理转向非数值（知识）信息处理，具有新的转折意义的里程碑。 一、专家系统的定义 何谓专家系统？目前对此尚无一个精辟的、公认的定义。其主要原因是专家系统学科的历史还很短暂，其理论研究工作刚开始不久，其次是由于各个应用领域的特点不同，人们研制的出发点、看问题的角度和追求的目标也不同。因此，对专家系统定义的看法也不同。 尽管如此，专家系统还是有一个比较粗略而一致的定义：专家系统是一个在某特定领域内，用人类专家水平去解决该领域中难以用精确数学模型表示的困难问题的计算机程序。 人类专家之所以能成为求解某领域问题的专家，其关键在于他掌握了求解有关领域问题的大量的专门知识。这些知识一部分是书本知识，但主要是在长期实践中逐渐积累起来的经验性知识。因此专家系统的基本思想是让计算机能够存贮某一领域的专门知识，并能像专家那样有效地利用这些知识去解决该领域的复杂问题。 二、专家系统的特点 1．启发性 通常人们把具有严谨理论依据的专门知识称为逻辑性知识，而把没有严谨理论依据、主要来源于专家经验的知识称为启发性知识。启发性知识很难保证在各种情况下是普遍正确的，但在一定条件下用来解决问题往往能有效地简化问题或快速求得问题的解。使用启发性知识处理问题是人类推理的特征之一。人类专家的技能主要来源于启发性知识。因此，专家系统要达到人类专家处理问题的水平就必须能够存储和利用启发性知识，像专家那样，通过推理和判断来求解问题。专家系统的这个特点称为启发性。 2．透明性 专门知识大都是人类专家在实践中积累起来的启发性知识，通常只有专家本人掌握。为了使用户对求得的结果放心，专家系统必须具有向用户解释推理过程、回答用户提问的解释功能，使它对用户是透明的。 3．灵活性 要把专家头脑中的经验知识全部而明确地表示出来不是一件容易的事，而要反复多次，不断扩充才能达到。况且这些启发性知识往往是有针对性的，在特定情况下才是正确的，情况变化后也要随之而变化。这就要求专家系统具有灵活性。系统中的知识要便于修改、扩充。 三、专家系统的结构 专家系统的结构是指专家系统各组成部分的构造方法和组织形式。系统结构选择恰当与否，是与专家系统的适用性和有效性密切相关的。选择什么结构最为恰当，要根据系统的应用环境和所执行任务的特点而定。目前对于专家系统的结构尚没有完全一致的看法。 1．基本结构 实用专家系统的基本结构如图5-1所示，由6部分组成：知识库、数据库、推理机、知识获取、咨询解释和人机接口。其中知识库和推理机是核心部分。 (1) 知识库：用于存放系统求解问题所需要的领域专门知识。 知识获取过程中获得的专门知识，以适当的知识表达方式和结构形式存入知识库中。一个专家系统性能的高低，决定于知识库中知识的完善程度和良好的组织结构。它是开发专家系统的一项最关键的工作。知识库具有存贮、检索、修改等功能。 (2) 数据库：用于存放原始数据和推理过程中得到的各种中间信息。 为了使推理机能方便地求解问题，数据的表示和组织形式应尽量和知识库的表示相容。 (3) 推理机：是用来控制、协调整个专家系统工作的一组程序。 根据数据库中的信息，利用知识库中的知识，按一定的推理策略去解决所研究的问题。推理机还具有向知识库添加新内容或删去旧内容的功能。 为保证专家系统的透明性和灵活性，应力求知识库和推理机相分离，以免知识的修改引起推理机的变动。 (4) 知识获取：为知识库的建立、修改和扩充提供手段。 知识获取部分也称为学习功能。它在专家与系统交互过程中，发现需要修改、删除或增加的知识及由此引起的一切必要的改动，都要利用这部分。它是保证系统灵活性的必要部分。直接影