人工智能导论课件第6章

6.1.4 专家系统的特征
• 专家系统的其他典型特征包括： – 推理引擎和知识库的分离。为了避免重复，保持程序的效率是非常重要的。 – 尽可能使用统一表示。太多的表示可能会导致组合爆炸，并且“模糊了系 统的实际操作”。 – 保持简单的推理引擎。这样可以防止程序员深陷泥沼，并且更容易确定哪 些知识对系统性能至关重要。 – 利用冗余性。尽可能地将多种相关信息汇集起来，以避免知识的不完整和 不精确。
4
专家系统的特征
5
建立专家系统要思考的问题
6.1 专家系统及其发展
• 总体来说，专家系统因其在计算机科学和现实世界中的贡献而被视为人工智能 中最成功、最古老、最知名和最受欢迎的领域。
• 专家系统出现在20世纪70年代，当时整个人工智能领域正处在发展的低谷，人 们批判人工智能不能生成实时的、真实世界的工作系统。这个时期，由于人们 在计算机视觉领域获得了一些重要见解，R.J Popplestone发明了机器人；弗雷 迪所创建的玩具系统可以执行简单的任务，如组装玩具车或将咖啡杯放置在碟 子上；不久，麻省理工学院的特里·维诺格拉德发表了著名的论文《理解自然语 言》，等等，才使人们对人工智能又产生了一定的兴趣。但是由于早期的一些 系统，人工智能也得到了一些恶名。
6.1.3 专家的特点
• 格伦菲尔鲍讨论了这样一个事实，即专家具有一定的特点和技术，这使得他们 能够在其问题领域表现出非常高的解决问题的水平。一个关键的杰出特征就是， 他们能出色地完成工作。要做到这一点，他们要能够完成如下工作： – 解决问题——这是根本的能力，没有这种能力，专家就不能称为专家。与 其他人工智能技术不同，专家系统能够解释其决策过程。思考这样一个医 疗专家系统，这个系统能够确定你还有6个月的生命，你当然想知道这个结 论是如何得出的。
6.1.1 在自己的领域里作为专家
• 布雷迪指出，人类专家有多种方式来应对组合爆炸：“首先，结构化知识库。 这样就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，这些知识是关于专有领域知识的最好的利用方法，也就是所谓的 元知识。因为知识表示的统一性，人们可以将问题求解者的全部能力都应用在 元知识上，这种应用方式与人们将其应用于基础知识的方式完全相同，所以知 识表示的统一性给人们带来了很大的回报。最后，人们试图利用似乎存在的冗 余性。这种冗余性对人类求解问题和认知至关重要。虽然我们也可以用其他几 种方式实现这一点，但是这些方法的利用大部分都受到了限制。
6.1.1 在自己的领域里作为专家
图6-5 模式和信息可以帮助我们识别事物
6.1.1 在自己的领域里作为专家
• （3）人类不依赖任何具体的信息，而是完全依赖于记忆和模式这种脆弱的 方法。
• 上述这3种方法说明了人类在处理信息方面的优势。人类具有内置的随机访问和关联的 机制。为了到第3层提车，我们不需要线性地从第1层探索到第3层。机器人必须很明确 地被告知跳过3层以下的楼层。我们的记忆允许我们利用车辆本身的特征（约束），如 车是黄色的、大型的、旧的、周围的车并不是很多。模式与信息的结合可以帮助我们 减少搜索（类似于上面提到的约束和元知识）。因此，我们知道车在某一层（票据上 是这样说的），但是我们也记得我们是如何停放汽车的（很紧密地停放或是很随意地 停放），汽车周围可能有什么车，所选择停车点有什么其他显著的特征。
6.1.2 五个技能获取阶段
• 德雷福斯兄弟进一步阐述：“当事情正常进行时，专家不解决问题，不做决定， 正常地进行工作”。他们的主要观点是；“精通或专家级别的人，以一种无法 解释的方式，基于先前具体的经验做出判断。”他们认为“专家行为不合理”， 也就是说，没有通过有意识的分析和重组而做出行动。
6.1.2 五个技能获取阶段
6.1.1 在自己的领域里作为专家
• 戈尔茨坦和帕尔特将早期系统的目标标注为“能力战略”，旨在开发出能够应 用于求解各种问题的一般的、强大的方法。早期的程序，如DENDRAL，从普 遍性方面来说，还相当脆弱。在一般问题领域，除了被称为专家的人类解决者 以外，其他的求解者的行为通常都是肤浅的。
6.1.1 在自己的领域里作为专家
6.1.1 在自己的领域里作为专家
• 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。”
• 对于“人类求解问题和感知中存在的冗余”，布雷迪的真正意思是一个词—— 模式。我们来看看在一个庞大的停车场中寻找汽车的例子。是否知道车在几层 或哪个编号区域对如何快速地找到车存在着巨大的差别。进一步说，有了位置 （中央列、外列、中间或列尾等），车的特征（其颜色、形状、风格等）以及 你将车停在停车场的哪个区域（接近建筑、出口、柱子、墙等等）这些知识， 对于你如何快速地找到汽车有着很大的不同。
– 了解自己的局限——人类专家知道他们能做什么、不能做什么。他们不接 受超出其能力的任务或远离其标准区域的任务。
– 平稳降级——在面对困难的问题时，人类专家不会崩溃、也就是说，他们 不会“出现故障”，同样，在专家系统中，这也是不可接受的。
6.1.4 专家系统的特征
• 专家系统具有这些特征： – 解决问题——专家系统当然有能力解决其领域的问题。有时候，它们甚至 解决了人类专家无法解决的问题，或提出人类专家没有考虑过的解决方案。 – 学习——虽然学习不是专家系统的主要特征，但是如果需要，人们可以通 过改进知识库或推理引擎来教授专家系统。机器学习是人工智能的另一个 主题领域。 – 重构知识——虽然这种能力可能存在于专家系统中，但是本质上，它要求 在知识表示方面做出改变，这对机器来说比较困难。
– 重构知识——人可以改进他们的知识来适应新的问题环境，这是人的一个 独特特征。在这个意义上，专家级的人类问题求解者非常灵活并具有适应 性。
6.1.3 专家的特点
– 打破规则——在某些情况下，例外才是规则。真正的人类专家知道其学科 中的异常情况。例如，当药剂师为病人写处方时，他知道什么样的药剂或 药物不能与先前的处方药物发生很好的相互作用（即“配伍禁忌”）。
6.1.1 在自己的领域里作为专家
• 人们会使用3种截然不同的方法： – （1）使用信息（收据上的号码、票据以及停车场里提供的信息）。通过这 种方法，人类并没有使用任何智能，就像可以借助汽车的导航系统到达目 的地一样，不需要对要去的地方有任何地理上的理解。 – （2）使用所提供的票据上的信息，以及有关汽车及其位置的某些模式的组 合。例如，票据上显示车停在7B区，同时你也记得这距离目前的位置不是 很远、车是亮黄色的，并且尺寸比较大。没有很多大型的黄车，这使得你 的汽车从其他的汽车中脱颖而出（见图6-5）。
6.1.3 专家的特点
– 解释结果——专家必须能够以顾问的身份提供服务并解释其理由。因此， 他们必须对任务领域有深刻的理解。专家了解基本原则，理解这些原则与 现有问题的关系，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。在人工智能领域， 人们希望机器能得到这些专有技能，学习也许是人类专有技能中最困难的 一种技能。
6.1.4 专家系统的特征
– 打破规则——对于机器而言，使用人类专家的方式，以一种直观、知情的 方式打破规则比较困难；相反，机器会将新规则作为特例添加到现有规则 中。
– 了解自己的局限——一般说来，当某个问题超出了其专长的领域时，专家 系统和程序也许能够在因特网的帮助下参考其他程序找到解决方案。
– 平稳降级——专家系统一般会解释在哪里出了问题、试图确定什么内容以 及已经确定了什么内容，而不是保持计算机屏幕不动或变成白屏。
6.1.2 五个技能获取阶段
• 阶段⒋：精通的问题求解者不仅能够认识到情况是什么及合适的选择是什么， 还能够深思熟虑，找到最佳方式，实施解决方案。一个例子就是，医生知道患 者的症状意味着什么，并且能够仔细考虑可能的治疗选项。
6.1.2 五个技能获取阶段
• 阶段5：专家“基于成熟以及对实践的理解，一般都会知道该怎么做”。应对 环境时，专家非常超然，没有看到问题就去努力解决这些问题，他也不焦灼于 在未来去精心制订计划。“我们在走路、谈话、开车或进行大多数社交活动时， 通常不做出深思熟虑的决定。”因此，德雷福斯兄弟认为专家与他们所工作的 环境或舞台融为一体。驾驶员不仅是在驾驶汽车，也在“驾驶自己”；飞行员 不仅在开飞机，也是在“飞行”；国际象棋大师不仅是下棋，而是成了“一个 机会、威胁、优势、弱点、希望和恐惧世界中”的参与者。
• 德雷福斯兄弟所讨论的专有技术基于“从新手到专家的过程中有5个技能获取 阶段”这个前提，即新手、熟手、胜任、精通、专家。
6.1.2 五个技能获取阶段
• 阶段1：新手只遵循规则，对任务领域没有连贯的了解。规则没有上下文，无 须理解，只需要具备遵循规则的能力，完成任务。例如，在驾驶时，遵循一系 列步骤到达某个地方。
人工智能导论
Introduction to artificial intelligence
第三部分 基于知识的系统
第6章 专家系统
【导读案例】中美人工智能PK
• 讨论：
1
专家系统及其发展
2
知识工程
3
知识获取
4
专家系统的结构
5
经典的专家系统
第1节
1
在自己的领域里作为专家
2
五个技能获取阶段
3
专家的特点
• 事实上，大多数人只有在自己的专业领域才是专家，这与早期的人类观点相反； 人们不具备任何魔法，可以在任意问题领域快速得到最细致、最有说服力的规 则。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50 000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，对于数学博士、医生或律师来说也是如此。每个人都是处理自己领域信息 的专家，但是这些技能不能确保他们能够处理一般信息或其他专业领域的特定、 专门的知识。人们在掌握任何特定领域知识之前，需要长期的学习。