微课5-1 基于规则的专家系统.pptx

;;微课5-1基于规则的专家系统;事实上，大多数人只有在自己的专业领域才是专家。因此，虽然国际象棋大师通过数十年的实践和研究，积累和建立起来约50000种规则的模式，但他们不是创建生活中其他事物启发法、规则、方法的大师。每个人都是处理自己领域信息的专家，人们在掌握任何特定领域知识之前，需要长期的学习。;人类专家有多种方式来应对知识爆炸。

首先，结构化知识库。这样可以让求解者在相对狭窄的语境中进行操作。

其次，明确提出个人所应具有的知识，这些知识是利用专有领域知识的最好方法，也就是所谓的元知识。

最后，利用冗余性。通常情况下，人们可以明确一些条件，虽然这些条件没有一个能够唯一地确定解决方案，但是同时满足这些条件却可以得到唯一的方案。;哲学家德雷福斯兄弟将“知道什么事”与“知道如何做”区分开来。前者指的是事实知识，例如遵循一套说明或步骤，但不等于“知道如何做”。

专有技术基于“从新手到专家的过程中有5个技能获取阶段”这个前提：

阶段1：新手，只遵循规则，对任务领域没有连贯的了解。

阶段2：熟手，开始从经验中学到更多的知识，并能够使用上下文线索。

阶段3：胜任的技能执行者，不仅遵循规则，对任务环境也有明确了解。

阶段4：精通的问题求解者，正确认识和选择，还能够找到最佳方式。

阶段5：专家，与其工作环境融为一体，应对环境时能努力解决问题。;专家具有一定的特点和技术，能出色地完成如下工作：

·解决问题——这是根本的能力，专家能够解释其决策过程。

·解释结果——了解基本原则，并能够将这些原则应用到新的问题上。

·学习——人类专家不断学习，从而提高了自己的能力。

·重构知识——改进其知识以适应新的问题环境，这是人的独特特征。

·打破规则——真正的人类专家知道其学科中的异常情况。

·了解自己的局限——人类专家知道他们能做什么、不能做什么。

·平稳降级——在面对困难的问题时，人类专家不会崩溃。;最初尝试创建人工智能的研究人员曾经认为，人们所需要的不过是足够的规则而已。从一开始人们就十分清楚，创造与人类完全相似的思维需要编写大量的规则，甚至多过计算机能够处理的极限，于是开始向这一目标不断迈进。;一般认为只有人类才能进行像下象棋这样的游戏，所以这就成为人工智能研究者首先着手解决的问题。

计算机编程进行的第一批游戏都是具备制胜策略的。如果不存在制胜策略，计算机会寻找能够实现的最优方案。我们假设对手会做出对其最有利的选择，当然，也希望将最优选择掌握在自己手中。所以，在考虑接下来的每一步行动时，会将获胜概率最低的数字抛弃，在考虑对手的行动时，会更加关注那些会导致我们失败的选择，这就是极大极小化策略——在自己回合中争取利益最大化，在对手回合则考虑利益最小化。;对于更复杂的游戏来说，玩家需要考虑的可能性和玩法的数目都会庞大得多。一场国际象棋的可能棋盘走位数目用指数形式表示是1045，面对这样巨大的数字，即使是深蓝这样的超级计算机，每秒能够预估

2亿个走位，也需要2×1024年才能够决定第一步棋。

优秀的人类选手在走每一步棋时会考虑40个左右的棋

盘位置，他们根据经验就可以判断哪些选择是值得思

索的，这对计算机程序而言也是困难所在。;知识工程产生于社会科学与自然科学的相互交叉和科学技术与工程技术的相互渗透，它研究如何由计算机和通讯技术结合而组成新的教育、控制系统，研究的中心是“智能软件服务”，即

编制程序，提供软件服务。

知识工程促进了计算机产品的更新换

代，必将对社会生产力新的飞跃，对

社会生活新的变化，发生深刻的影响。

图5-4知识工程系统;基于人工智能知识表达方式的专家系统倾向于将计算组件与基于知识的组件分开，推理引擎不同于知识库。知识数据库通常包括规则，这些规则“由模式匹配”来调用。

没有领域专家的帮助，建立专家系统是不可能的。从领域专家提供的信息中提取知识，并将其规划成知识库，这种人就是知识工程师。

知识工程师一直在寻找可用于表示和解决现有问题的最佳工具，尝试组织知识，开发推理方法，构建符号信息的技术。;从人类领域专家那里提取知识，并将知识组织到可用的系统中，这一过程称为知识获取，实质上这表示了专家对问题的理解，这对专家系统的能力至关重要，也是构建专家系统面临的最大挑战。知识的识别和编码是遇到的最复杂、最艰巨的任务之一。

虽然知识来源很多，但最重要的来源是领域专业人员。从专家处获取知识的过程也称为知识引导。无论使用什么方法，人们的目标是为了揭示专家的知识，更好地了解专家解决问题的技能。;在专家系统中，用户在输入一列数据后，系统通过数据推导出事实结论。其中一种应用场景就是医学诊断专家，他们输入病人体现出来的所有症状，计算机对病因进行诊断。然而，建立这类系统的前期尝试均以