专家系统及其应用

专家系统及其应用

计算机12班马洪旭 01055050

mhx1220@

一．专家系统的基本概念

1．何谓专家系统

专家系统是一种模拟人类专家解决领域问题的计算机程序系统。专家系统内部含有大量的某个领域的专家水平的知识与经验，能够运用人类专家的知识和解决问题的方法进行推理和判断，模拟人类专家的决策过程，来解决该领域的复杂问题。专家系统是人工智能应用研究最活跃和最广泛的应用领域之一,涉及到社会各个方面，各种专家系统已遍布各个专业领域，取得很大的成功。根据专家系统处理的问题的类型，把专家系统分为解释型、诊断型、调试型、维修型、教育型、预测型、规划型、设计型和控制型等10种类型。具体应用就很多了，例如血液凝结疾病诊断系统、电话电缆维护专家系统、花布图案设计和花布印染专家系统等等。

为了实现专家系统，必须要存储有该专门领域中经过事先总结、分析并按某种模式表示的专家知识(组成知识库)，以及拥有类似于领域专家解决实际问题的推理机制(构成推理机)。系统能对输入信息进行处理，并运用知识进行推理，做出决策和判断，其解决问题的水平达到或接近专家的水平，因此能起到专家或专家助手的作用。

开发专家系统的关键是表示和运用专家知识，即来自领域专家的己被证明对解决有关领域内的典型问题有用的事实和过程。目前，专家系统主要采用基于规则的知识表示和推理技术。由于领域的知识更多是不精确或不确定的，因此，不确定的知识表示与知识推理是专家系统开发与研究的重要课题。此外，专家系统开发工具的研制发展也很迅速，这对扩大专家系统的应用范围，加快专家系统的开发过程，将起到积极地促进作用。随着计算机科学技术整体水平的提高，分布式专家系统、协同式专家系统等新一代专家系统的研究也发展很快。在新一代专家系统中，不但采用基于规则的推理方法，而且采用了诸如人工神经网络的方法与技术。

2．专家系统的基本结构

专家系统通常由人机交互界面、知识库、推理机、解释器、综合数据库、知识获取等6个部分构成。

在其中，知识库是专家系统质量是否优越的关键所在，即知识库中知识的质量和数量决定着专家系统的质量水平。一般来说，专家系统中的知识库与专家系

统程序是相互独立的，用户可以通过改变、完善知识库中的知识内容来提高专家系统的性能。

人工智能中的知识表示形式有产生式、框架、语意网络等，而在专家系统中运用得较为普遍的知识是产生式规则。产生式规则以IF…THEN…的形式出现，就像编程语言里的条件语句一样，IF后面跟的是条件（前件），THEN后面的是结论（后件），条件与结论均可以通过逻辑运算AND、OR、NOT进行复合。在这里，产生式规则的理解非常简单：如果前提条件得到满足，就产生相应的动作或结论。产生式专家系统的知识库中包含了大量的规则，换言之，这里的知识库就是一个规则集。

推理机针对当前问题的条件或已知信息，反复匹配知识库中的规则，获得新的结论，以得到问题求解结果。在这里，推理方式可以有正向和反向推理两种。正向推理是从前件匹配到结论，反向推理则先假设一个结论成立，看它的条件有没有得到满足。由此可见，推理机就如同专家解决问题的思维方式，知识库就是通过推理机来实现其价值的。

人机界面是系统与用户进行交流时的界面。通过该界面，用户输入基本信息、回答系统提出的相关问题，并输出推理结果及相关的解释等。

综合数据库专门用于存储推理过程中所需的原始数据、中间结果和最终结论，往往是作为暂时的存储区。解释器能够根据用户的提问，对结论、求解过程做出说明，因而使专家系统更具有人情味。

知识获取是专家系统知识库是否优越的关键，也是专家系统设计的“瓶颈”问题，通过知识获取，可以扩充和修改知识库中的内容，也可以实现自动学习功能。

二．专家系统的特性（和人类专家相比）

1．不受时间限制：人类专家的工作时间有限，但专家系统是恒久，一旦开发完成，可随时使用，并可二十四小时持续运作。

2．操作成本低：人类专家稀少且昂贵，虽然专家系统的在起步发展时必须花一笔不小的经费，但日常操作的成本比起人类专家便宜许多。因此在专家不在或经济上请专家不合算的情况下，利用专家系统仍能处理与专家相等水准的工作。

3．易于传递及复制：专家与专家知识是稀有的资源，在知识密集的工作环境下，新进人员需要作相当多的训练，而关键人物的知识随着人事变动而不能储存，在传递起来亦是耗时费力。但专家系统则不然，它能轻易地将知识传递或复制。

4．具有一致性：人类专家在判断决策的结果常会因时或因人而异，而专家系统对于所处理的问题则具有一致性的输出。

5．可处理费时及复杂的问题：由于专家系统具有既定的知识库与严谨的推理程序，因此往往比人类专家还能胜任一些执行起来较费时、复杂度较高的工作，如6。需要庞大计算量的问题。另外，若工作的内容重复性很高，专家系统尤其能比人类专家有更佳的表现。

7．使用于特定领域：由于搜集知识库建构以及推理规则建构的有一定的困难，因此专家系统通常只使用于小范围的特定知识领域。而当问题的知识牵涉较广，或是没有一定的处理程序时，就必须靠人类专家的智慧来处理。

三．专家系统的建立和工作

1．专家系统的建立

专家系统的建立必须遵循一定的程序一步步进行。一般来说，首先要确认欲解决的问题是那些，根据这些特定的需求找出相关的知识并将其概念化，并将这些概念加以组织整理成一个有系统的知识结构，如此便能初步形成一个知识库。接下来就必须订定一些涵盖上述知识的规则，这其中包含了推论技术与算法的选择、转译、推演等程序。必须特别注意的是，十分强调经由测试而往前回馈的循环，测试可以指出在前面的各个阶段的缺失，而在发展的过程中，需求、概念、组织结构与规则都是常常变动的，因此必须不断地重新组织，并加以精炼化。

专家系统的开发小组通常是由一群学科领域专家、程序设计师知识工程师(Knowledge Engineering)所组成，其中知识工程师在专家系统的建立中通常扮演着中枢的角色，他经由访问专家及其它方法，以决定系统内之决策法则与知识，并不断测试、修正，以开发出一个有效的专家系统。许多专家皆指出，撰写专家系统的最困难的部分就在于知识工程的层面，包括知识取得(knowledge acquisition)及知识表示(knowledge representation)。知识不但需要有知识工程的专业知识、各方面广泛的背景知识，同时亦应具备良好的沟通协调能力，因此有经验的知识工程师很少。

2．专家系统的工作流程

专家系统的基本工作流程是，用户通过人机界面回答系统的提问，推理机将用户输入的信息与知识库中各个规则的条件进行匹配，并把被匹配规则的结论存放到综合数据库中。最后，专家系统将得出最终结论呈现给用户。

在这里，专家系统还可以通过解释器向用户解释以下问题：系统为什么要向用户提出该问题（Why），计算机是如何得出最终结论的（How）。

四．专家系统的应用实例