人工智能与专家系统外文文献译文和原文

人工智能与专家系统外文文献译文和原文AI研究仍在继续，但与MIS和DDS等计算机应用相比，研究热情的

减弱使人工智能的研究相对落后。然而，在研究方面的不断努力一定会推

动计算机向人工智能化方向发展。

2．AI领域AI现在已经以知识系统的形式应用于商业领域，既利用

人类知识来解决问题。专家系统是最流行的基于知识的系统，他是应用计

算机程序以启发方式替代专家知识。Heuritic术语来自希腊eureka，意

思是“探索”。因此，启发方式是一种良好猜想的规则。

启发式方法并不能保证其结果如同DSS系统中传统的算法那样绝对化。但是启发式方法提供的结果非常具体，以至于能适应于大部分情况启发式

方法允许专家系统能像专家那样工作，建议用户如何解决问题。因为专家

系统被当作顾问，所以，应用专家系统就可以被称为咨询。

除了专家系统外，AI还包括以下领域：神经网络系统、感知系统、

学习系统、机器人、AI硬件、自然语言处理。注意这些领域有交叉，交

叉部分也就意味着这个领域可以从另一个领域中收益。

3．专家系统的吸引力专家系统的概念是建立在专家知识能够存储在

计算机中并能被其他人应用这一假设的基础上的。

专家系统作为一种决策支持系统提供了独无二的能力。首先，专家系

统为管理者提供了超出其能力的决策机会。比如，一家新的银行投资公司

可以应用先进的专家系统帮助他们进行选择、决策。其次，专家系统在得

到一个解决方案的同时给出一步步的推理。在很多情况下，推理本身比决

策的结果重要的多。

4．专家系统模型专家系统模型主要由4个部分组成：用户界面使得

用户能与专家系统对话；

推理引擎提供了解释知识库的能力；

专家和工程师利用开发引擎建立专家系统。

1．用户界面用户界面能够方便管理者向专家系统中输入命令、信息，并接受专家系统的输出。命令中有具体化的参数设置，引导专家系统的推

理过程。信息以参数形式赋予某些变量。

（1）专家系统输入现在流行的界面格式是图形化用户界面格式，这

种界面与Window有些相同的特征。有些系统采用了与所要解决问题相称

的个性化界面例如，屏幕可能会显示机械装配图。

（2）专家系统输出专家系统一般是提供解决方案的。这些解决方案

都是以如下两种方始输出的：

①解决方案解释。在专家系统提供了问题解决方案后，管理者可能还

想知道是如何得到这种方案的。专家系统就会显示一步步到达结果的推理

过程。

②问题解释。管理者可能希望得到专家系统对问题的推理过程。专家

系统可能还需要管理者输入一些信息。管理者问为什么需要信息，然后专

家系统就会提供解释。

虽然专家系统的内部工作很复杂，但是用户界面相当友好，方便使用。一个会用计算机的管理者，使用专家系统对他来说也肯定没有问题。

2．知识库知识库即包括描述问题域，也包括以一定的逻辑描述事实

的表示技术。术语“问题域”描述了所解决问题的业务领域。

（1）规则规则是比较常用的表示技术。规则具体规定了在一种特定

的情况下做什么。他有两部分组成：一是条件，有真和假；

二是方法，是指在条件为真的条件下采取的行动。以下是规则的一个

例子：

IFECONOMIC.INDE某>1.20ANDSEASONAL.INDE

某>1.30THENSALES.OUTLOOK=”E某CELLENT”包含在专家系统里的所有规

则叫做规则集每个专家系统；

每个专家系统里的规则集数量是不一样的。一个简单的专家系统有几

十条规则，复杂的专家系统有500或1000甚至10000条规则。

最顶层的可能只包含一个结论，这说明只有一个解决方案。目标变量

是用来描述解决方案的。他可以是一个计算值一个可识目标，一种措施，

或者一些建议。例如，如果一个专家系统是用来给管理者在是否要进入一

个新市场决策上提供建议的，那么，单目标变量MARKET.DECISION的值就

是Ye或No。

当然，也有可能在最高层得到多个结论，也就意味着有多种解决方案。例如，在关于提高市场竞争力战略决策中，专家系统可能就会提供所有可

能的方案，如提高公司产品质量、增加广告投入量或降低价格。

3．推理引擎推理引擎是专家系统的一部分，他根据特定顺序在知识

库内容的基础上进行推理。

在咨询阶段，推理引擎挨个检查知识库规则，当某条规则的条件为真

时就采取规定的行动。在专家系统中，当采取行动时，就称规则被激活。

在检查规则中，一般采用以下两种方法：正向推理和反向推理。

（1）正向推理在正向推理（也称为正向连接）中，规则是按照一定

顺序逐个检查的。这种顺序可能是输入到规则集中的顺序，也可能是由用

户自己定义的顺序。当检查每个规则之后，专家系统开始求值，既为“真”还是为“假”。

规则求值。当条件为真时，规则就被激活，然后再检查下一个规则。

当然还存在规则的值即非“真”又非“假”的情况。这种情况下，规则的

条件是不知到的，这是，规则不被取消，继续检查下一条规则。

迭代推理过程。挨个检查规则集中的规则，直到规则集中所有的规则

都检查完毕。有时为了设定一个目标变量值往往要通过好几轮测试。可能

测试这个规则所需要的信息是来自另一个规则测试的结果。比如，在第

11个规则被激活后，第5个规则才进行测试。只要有规则被激活了，测

试就继续，直到规则没有激活推理过程才结束。

（2）反向推理在反向推理（也称为反向连接）中，推理引擎将规则

视为一个待解决的问题。如图20-1所视的规则集中，规则12是一个问题，因为他分配了一个值给目标变量P推理引擎试图得出规则12的值，但是，有图中可知，我们必须先要知道规则10和11的结果。规则10和11是规

则12的子问题。推理引擎先要对子问题进行求值。

图20-1规则集选择第一条逻辑路径。我们假设当前规则10是待解决

的问题。推理引擎在解决问题前首先要确定规则7和8的值。现在规则7

和8是子问题，同样要解决这个子问题，先要用之前讲过的方法细分问题域，直到能够求值。

选择下一条逻辑路径。当专家系统尝试对规则11求值时，规则9成

为问题。利用规则4和5的结果来对其求值。因为规则4和5都为真，所

以规则9的值也为真。没有必要对规则6进行求值了。