第六章专家系统概论

第六章专家系统概论6.1 专家系统的产生和发展6.2 专家系统的基本概念6.3 专家系统的核心技术与学科范畴6.4 专家系统的研究意义和发展趋势6.5 专家系统的基本原理和结构6.6 专家系统的设计原则与讨论6.7 研制专家系统的基本步骤6.8 专家系统的评价标准6.9 专家系统现状与展望第六章专家系统概论人工智能工程系统是人工智能原理的工程应用。

近年来，人工智能工程系统取得了迅速的发展，并正逐渐渗透到社会生活中的各个领域。

各种不同人工智能工程系统的出现，特别是“专家系统”（Expert System）的迅速发展和成功应用，是人工智能从学科的研究走向实际应用，从一般的思维方法的探讨转入专门知识应用的重大突破。

他对社会的生产和科学技术的发展起着重大的作用。

它将引起人类科学体系的变革，使人类社会进入一个全新的时代！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﹑知识推理和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﹑知识推理和知识获取的实验环境。

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信息处理（知识信息处理）具有新的转折意义的里程碑。

如果把电子计算机的诞生看成是计算机的第一次革命，那么向新一代智能计算机时代的过渡就是计算机的第二次革命，而专家系统的创始人E. A. Feigenbaum教授曾提出：“专家系统是第二次计算机革命的工具。

”，这是因为在新一代计算机的研制中，专家系统则是其推理的核心部分。

第一节专家系统的产生和发展纵观人类社会科学技术发展史，任何一门新学科的诞生都不是偶然的，皆是前人辛勤努力和前期成果积累的产物。

同样，专家系统的产生是AI从理论研究转向应用研究的一个转折点，它是人类长期以来对智能科学成果同实际问题的求解需要相结合的必然产物，是人类长期探索机器智能的智慧结晶和升华。

由于它在应用上的优良特性和对智能研究的促进作用，引起了AI研究者和各实际应用领域专家的高度重现和不断深入的研究，并因此推动了本身的发展。

专家系统技术的产生和发展过程大致经历了以下几个时期。

一.背景：（1965年以前）——孕育期电子计算机自1946年问世以来，早期的应用主要集中在科学计算和日常事务性工作的数据处理，为了使计算机实现一个确定范围的问题求解，计算机的程序设计人员先需要对问题进行深入﹑细致的研究，设计出一种逐步循进的求解步骤，成为算法，然后把这种算法的每一个步骤用特定的程序设计语言翻译成程序输入计算机，计算机再按程序所描述的步骤针对具体问题的输入数据进行操作﹑求解。

这种基于算法的程序设计方法我们称之为传统方式的程序设计，所设计的程序成为传统程序。

一个算法是为求解一类问题而规定的一个可机械执行的确定步骤的有序序列，相对于该类问题来说，算法具有以下三个性质：1)通用性：算法能求解问题中的全部问题，而不仅是些特定问题；2)确定性：问题求解中的状态或步骤是精确的﹑唯一的；3)有效性：问题范围中的任何问题一旦代入之后经有限个步骤，一定可求得解。

在这类程序设计中，对一个问题范围能否找到这样一个算法以及这样的算法是否一定能在计算机的控制下付诸实现，是计算机应用的关键问题。

这虽然把人类从大量繁琐的脑力劳动中解放出来，但从根本上来说计算机的智能水平还很低，在这一阶段，解决问题的主要工作实际上是由人来担任的，计算机只是按照程序设计人员制定好的路线去解决问题，他基本上没有什么主动性，不能自己规划解题步骤。

由于现实世界中还存在大量人类没有充分认识的问题，因此对于这样的问题也不可能找出一种完全有效的解决办法，这就大大限制了计算机的应用范围。

为了使计算机更好的发挥作用，1965年夏，由J. Mc Carthy , M. l. Minsky , C. E. Sharmon , N. Lochester等人发起，十名从事数学﹑精神病学﹑心理学﹑信息科学和计算机科学方面研究的年轻科学工作者，在Rockfeller基金会的赞助下，聚集在美国新罕布尔什州的Dartmouth大学共同探讨了用机器模拟人类智能行为的各种问题，并在会上首次使用了“Artificial Intelligence”（人工智能）这一术语，它标志着一个新生科学——人工智能的诞生。

AI的问题是人类进行智能机器研究的一个重要转折。

一方面，在此期间人们设计出了一批显示了较高智能水平的AI系统。

如A. Newell﹑J. Shaw和H. A. Sin等人1956年编制的LT(Logic Theorist)系统第一次在程序中使用了人类在解决问题时常用的启发式方法，LT程序可以自己规划解题步骤，只需要先存入一组公理和一组推理法则，计算机就可以去证明所要验证的定理。

同年，A. L. Samuel研制的西译跳棋程序（Checkers）具有学习功能，它可以学习跳棋或自己积累经验。

再如，1961年J. Slagle设计的存号积分程序SAINT(Symbolic Automatic INTegrater)可以解决难度较大的不定积分问题。

Slagle曽用86个不定积分问题去测试，结果84个得到了解，其中难度较大的一个∫sec2x/(1+sec2x-3tanx)dx仅用了2分钟，这一水平达到了麻省理工学院（MIT）的优等生水平，为达到这一水平，SAINT 中使用了大量有关不定积分的知识，因此SAINT程序中已包含了ES思想的雏形。

另一方面，人工智能研究者们在基础理论和基本方法的研究上还取得了较大的进展，在诸如知识的表达﹑知识推理﹑探索策略等方面都获得了许多有益的成果。

特别是1960年由McCarthy研制的人工智能程序设计语言LISP（LIST Processing）。

这些都为专家系统的产生奠定了良好的基础。

二.产生：（1965～1971）——初创期人工智能产生初期，人工智能研究者们出于一种朴素的考虑，认为人工智能作为一门科学也该像数学﹑物理等学科那样发现一些普通的﹑重大的定律，这些定律就构成了人类所有之内行为的特点。

他们认为如果发现了这样一些原则性的规律，也就找到了人类智能行为的关键因素。

然后，只需把这些定律应用到各个领域，就可以比较容易的解决用机器模拟人类智能行为的问题了。

因此这一期间，许多研究者致力于寻找这样的普通规律。

这方面比较典型的例子是Newell Shaw和Simon等人1957年开始研制的通用问题求解程序GPS。

它把人类求解问题的过程抽象地描述为由初始状态出发，找出与目标状态之间的差异，并通过选择适当的操作，逐步缩小这种差异，直至达到目标状态的过程。

这种方法常称为“手段目标分析法”（Means-Ends Analysis）。

自然界是千变万化的，而人们在探索自然界奥秘的长期社会实践中苏形成的用于解决问题的方法﹑手段也各有特点，所以试图找出一种或几种表示方法和处理过程去模拟人类的一切智能行为，虽不能说没有可能，但至少是相当困难的。

另外，就智能行为来说，解决问题的策略是必要的，但只有策略还不够，必须要有知识。

知识是构成人类智能行为的另一个要素。

一个人不管多么聪明，具有多么好的思维方法，如果他没有掌握大量的医学知识，他无论如何不会成为受人依赖的医生。

1965年斯坦福大学计算机系的Feigenbanm研究了以往人工智能系统成功的经验哈失败的教训，发现人类专家系统之所以能够很好地解决许多困难的问题，其主要原因在于他们拥有大量的专门知识，特别是那些他们通过在长期实践﹑逐渐摸索出来的鲜为人知的经验性知识。

基于这种想法，Feigenbanm提出要使程序能够达到很高的性能，以便付诸实际使用，就必须把模仿人类思维规律的解题策略与大量的专门知识相结合，他的这一想法在他和诺贝尔奖获得者﹑遗传学家J. Lederberg，物理学家C. Djerassi等人合作研制的启发式DENDRAL 系统中得以实现（DENDRAL——根据化合物的分子式及其质量数据帮助化学家推断分子结构的计算机程序系统）。

这一系统的出现，标志着人工智能开始向实际应用阶段过渡，同时也标志着人工智能的一个新的研究领域专家系统的诞生。

与DENDRAL系统同时开发的﹑对专家系统的产生起着先驱作用的系统还有数学领域的专家系统MACSYMA。

MACSYMA系统是1968年在麻省理工学院由C. Engleman﹑W. Martin 和J. Mose等研制一个大型人—机交互系统，它执行公式化简﹑符号微分﹑符号积分等数学问题求解，于1971年投入运行，MACSYMA系统的实现基于这样一个信念：要生产一个高性能的问题求解程序就必须建在大量的专门知识。

这种基于知识的程序设计思想是专家系统建造的一个关键。

人们把以DENDRAL和MACSYMA两个系统为典型代表的这一时期的专家系统称为第一代专家系统。

第一代专家系统对AI研究的重大发现在于，它们把AI的启发式程序﹑符号推理技术运用到了实际问题的求解，使AI的研究从理论走向了实际应用，走向了现实世界，这一时期专家系统的特点是：1)高度专业化﹑结构功能不完整﹑移植性差：它们都是为某一具体问题而设计的，具有一定的使用和专业局限性；2)专门问题的求解能力强，但缺乏推理解释功能。

以上两个系统注意了系统的性能，但忽视了系统的透明性和灵活性。

三.成熟期：（1972～1977）自第一代专家系统出现以后，有几个因素促进了专家系统的研究和进一步开发。

第一，从DENDRAL和MACSYMA的性能看，由于结合了本领域的专门知识，它们能够实现领域内专家水平的问题求解。

这样，专家系统对于那些需要高水平的人类专家知识，才能求解的困难问题提供了一条有希望的辅助途径；第二，专家系统在组织了专门知识能够模拟专家进行高水平问题求解的同时，它能克服人类专家一些人为因素的不足。

如计算机求解过程的严密性使得那些即使是比较小的可能因素也不至于完全疏忽，特别是有人为的速度和推理精度的不足﹑粗心麻痹﹑疲劳和心理因素的偏见等。

这些都可以在计算机中得以避免。

第三，专家系统中对一个领域专门知识的整理的形式华（知识表示）及提供了一种专家知识的存储手段，也给专家系统专家知识的传授提供了一种可能的途径，还会促使专家对其自身知识加强进一步的认识，可能发现除原有知识中一些不妥的地方。

第四，七十年代以来，AI技术研究的进一步发展，对专家系统的技术的发展产生了重要作用。

到了七十年代中期，一批卓有成效的专家系统开始出现，这些系统设计医疗﹑自然语言处理﹑数学﹑教学﹑地址等多个应用领域，其中对专家系统的发展做出了突出贡献的典型系统有：MYCIN﹑CASNET﹑HAERSAY﹑PROSPECTOR等。