专家系统概述

一般专家系统构造所需考虑的关键技术的讨论

张永红

哈尔滨工程大学信息与通信工程学院，黑龙江省哈尔滨市 150001

摘要:本文在叙述了人工智能科学技术的发展概况之后，同时粗略的分析力专家系统的发展情况。总结梳理了完成一项专家系统设计所需的关键技术的分析，给出了一般专家系统构造是在各个环节可以考虑和运用的技术。并对各个可用的技术进行了比较分析。总结目前在专家系统设计上飞瓶颈问题和突破口。

关键词 :专家系统，人工智能，知识表示，推理

Abstract:This paper describes the overview of the development of artificial intelligence, science and technology, while rough analytical expert system development. Summary combing analysis of the key technologies required to complete an expert system design, gives the general expert systems can be considered and the use of technology in all aspects. And a comparative analysis of the available technology. Summarizes the current bottlenecks and a breakthrough fly in expert system design.

key: Expert System ,Artificial Intelligence Knowledge Representation , Reasoning

1 引言

自1965年提出专家系统的概念，至今已经过去整整半个世纪了，回顾它的发展历史，专家系统在各个领域的应用已经非常广泛了，这一点不仅可以从网络学术文献搜索的数量和文献研究的领域上，还是实际产品的开发用运上都可以印证。但是由于专家系统是人工智能科学的直接产物，而人工智能的发展始终徘回而前进缓慢。人工智能的主要研究领域有：

（1）符号智能：符号智能以物理符号系统为基础，研究知识表示、获取、推理过程。

（2）计算智能：计算智能包括神经计算、模糊系统、遗传算法、进化程序设计等。神经计算是从神经生理学和认知科学的研究成果出发，应用数学方法描述非程序的和适应性的、大脑风格的人工神经网络信息处理的本质和能力。

而符号智能的研究进展缓慢，这主要是人工智能的在解决知识表示与表示的基本理论和方法这一关键理论问题上还未有完满的结果。这导致以其为基础的人工神经网络、专家系统等的发展各自在不同的小领域内进行突破前行。

1958 年麦卡锡发明了表处理语言LISP。由于 LISP 语言可以方便地处理符号，很快成为人工智能程序设计的主要语言。人工智能经历了自然语言的机器翻译、鲁滨逊

（J.A.Robinson）于 1965 年提出的消解法、神经网络研究等一次次高潮，但是由于人们忽视了现实世界的复杂性和问题的多样性，人工智能的早期研究只能停留在实验室里进行。人工智能研究遇到了比想象的要严重得多的压力和困难。

60 年代中期以后，人工智能由追求万能、通用的一般研究转入特定的具体研究，通用的解题策略同特定领域的专业知识与实际经验结合，产生了以专家系统为代表的基于知识的各类人工智能系统，使人工智能真正走向社会，走向实际应用研究。斯坦福大学的费根鲍姆（E.A.Feigenbaum）于1965 年开创了基于知识的专家系统

（ Expert System）这一人工智能研究的新领域。

80 年代末，神经网络得到飞速发展。

1987 年，美国召开第一次神经网络国际会议，宣告了这一新学科的诞生。此后，各国在神经网络方面的投资逐渐增加，神经网络迅速发展起来。目前人工智能研究的几个方向是：智能接口、数据挖掘、主体及多主体系统、模糊处理、并行化、神经网络和机器

情感[1]。

可见作为专家系统基础的人工智能的各个方面都具备坚实的基础，本文将要重点讨论设计一般专家系统时需采取的关键人工智能技术。

2 专家系统的整体的概念

2.1专家系统的定义

专家系统(Expert System)亦称专家咨询系统，它是一种智能计算机（软件）系统。顾名思义，专家系统就是能像人类专家一样解决困难、复杂的实际问题的计算机（软件）系统。专家系统应该具备以下四个要素：

（1）应用于某一个专门领域。

（2）拥有专家级知识。

（3）能模拟专家的思维。

（4）能达到专家的水平。

准确的讲，专家系统就应该是，应用于某一专门领域，拥有该领域相

当数量的专家级知识，能模拟专家的思维，能达到专家级水平，能像专家一样解决困难和复杂的实际问题的计算机（软件）系统。这里需要指出的是，所谓的专家级知识、专家的思维是因为专家拥有自己独特的实践经验，具有独特的分析问题和解决问题的方法和策略，并且这些经验、方法和策略经过长期的实践证明是行之有效的。

2.2专家系统的特点

同一般的计算机应用系统（如数值运算、数据处理系统等）相比，专

家系统具有以下一些特点：

（1）从处理的问题的性质看，专家系统善于解决那些不确定的、非结构化的、没有算法解或虽有算法解但在现有的机器上无法实现的困难问题。例如：医疗诊断、地质勘探、天气预报、市场预测、管理决策、军事指挥等领域的问题。

（2）从处理的问题的方法看，专家系统则是靠知识和推理来解决问题（不像传统的软件系统使用固定的算法来解决问题），所以专家系统是基于知识的问题求解系统。

（3）从系统的结构看，专家系统则强调知识和推理的分离，因而系统具有很好的灵活性和可扩充性。

（4）专家系统一般还具有解释功能，即在运行过程中一方面能回答用户提出的问题，另一方面还能对最后的输出（结论）或处理问题的过程做出解释。

2.3专家系统的结构

（1）概念结构

从概念上讲，一个专家系统应具有图1 所示的一般结构模式。其中知识库和推理机是两个最基本的模块

.

图1 专家系统结构

①知识库

所谓知识库，就是以某种表示形式存储在计算机中的知识的集合。知

识库通常是以一个个文件的形式存放在外部介质上，专家系统运行时将被调入内存。知识库中的知识一般包括专家知识、领域知识和元知识。元知识是关于调度和管理知识的知识。知识库中的知识通常就是按照知识的表示形式、性质、层次、内容来组织的，