知识工程与专家系统
专家系统
特征识别与信息处理(FR＆IP)部分的作用是实现 对信息的提取与加工，为控制决策和学习适应提供依 据。它主要包括抽取动态过程的特征信息，识别系统 的特征状态，并对特征信息作必要的加工。
设U为专家控制器的输出集， E为专家控制器的输入集， I为推理机构的输出集，K为经验知识集：
E = (R, e, Y, U)，e = R – Y
式中，Ｒ为参考控制输入，ｅ为误差信号，Ｙ为受控输出， Ｕ为控制器的输出集。专家控制器的模型表示为
U = f (E,K,I)
智能算子f为几个算子的复合运算：f=g·h·p，其中： g:E→S；h:S×K→I；p:I→U
专家系统所要解决的问题一般没有算法解，并 且经常要在不完全、不精确或不确定的信息基础 上做出结论。
第一代专家系统只能利用人类专家的启发式知 识，即只能利用浅层表达方式和推理方法。
但遇到新问题时，还必须利用掌握的深入表示 事物的结构、行为和功能等方面的基本模型等深 层知识，得出新的启发式浅层知识。
智能程序：旨在模拟人类专家的智能程序应当 兼备浅层和深层两类知识。即不但采用基于规则 的方法，还必须采用基于模型的原理构成新一代 专家系统。
知识工程是指由知识工程师从人类专家那里抽 取他们求解问题的过程、策略和经验规则，然后 把这些知识建造在专家系统之中。
目前，专家系统在各个领域中已经得到广 泛应用，如医疗诊断、语音识别、图像处理、 金融决策、地质勘探、是有化工、军事、计 算机设计等。
专家系统具有启发性，能够运用人类专 家的经验和知识进行启发式搜索、试探性 推理、不精确推理或不完全推理
专家系统的专有名词解释
专家系统的专有名词解释随着科技的不断发展，专家系统作为一种人工智能技术，正在逐渐被广泛应用于各个领域。
然而，许多人对于专家系统中的一些专有名词可能不太熟悉。
本文将对专家系统所涉及的一些专有名词进行解释，帮助读者更好地理解专家系统的工作原理及应用。
一、专家系统专家系统（Expert System），又称为知识工程系统，是一种基于人工智能原理构建的计算机系统。
它通过模仿人类专家的思维方式和决策过程，利用具备某个领域专业知识的专家知识库，实现问题解决、决策支持等功能，从而在特定领域展示出人类专家级别的智能水平。
二、知识表示知识表示是指将专家系统所采用的知识进行形式化表示的过程。
常见的知识表示方式有规则表示、框架表示、语义网络表示等。
规则表示指的是将知识以“如果...那么...”的形式进行表达；框架表示则是通过定义领域内的对象及其属性，将知识以结构化的方式来表示；而语义网络则是通过节点和关系的方式来展示知识的关联性。
三、推理机制推理机制是专家系统中的核心组成部分，它负责根据输入的问题和已有的知识，利用推理规则进行推理，以产生相应的结论或决策。
推理机制主要分为前向推理和后向推理两种。
前向推理是从已知事实出发逐步推导得到结论；后向推理则是从目标开始逆向推导，找出满足该目标的事实或规则。
四、知识获取知识获取是构建专家系统不可或缺的一个步骤，它指的是将专家对于某领域的知识转化为计算机可理解的形式，并将其输入到专家系统中。
知识获取的方式包括人工采集、文档分析、推理机制自动学习等。
尽管知识获取是一项耗时耗力的工作，但它是保证专家系统有效运行的基础。
五、不确定性处理在实际应用中，很多问题是具有不确定性的，这对于专家系统提出了新的挑战。
专家系统采用不同的方法来处理不确定性，如概率推理、模糊推理和证据推理等。
概率推理基于概率统计理论，以概率值表示事实或规则的可靠程度；模糊推理则是基于模糊逻辑，对模糊性问题进行模糊化处理；而证据推理则是根据事实和规则之间的证据关联性进行推理。
第五部分 专家控制(1)
三、知识的获取
1、知识获取的方式
（1）非自动知识获取
非自动知识获取方式分两步进行：①由知识 工程师从领域专家或有关的技术文献那里获取知识； ②由知识工程师用某种知识编辑软件输入到知识库 中，其工作方式如图所示。
非自动方式是专家系统建造中用得较为普遍的一 种知识获取方式。在非自动知识获取方式中，知识工 程师起着关键作用，知识工程师的主要任务是： ① 组织调查。以反复提问的方式启发领域专家 按知识处理的要求回答问题，并详细记录专家的答案。 ② 理解和整理材料。在充分理解的基础上对从 领域专家处或书本上得到的答案进行选择整理、分类、 汇集并形成用自然语言表达的知识条款。 ③ 修改和完善知识。把整理分类好的知识条款反 馈给领域专家，进行修改、完善和精化，最终的结果 要得到领域专家的认可。 ④ 知识的编码。把最终由专家认可的知识条款按 一定的表达方式或知识表示语言进行编码，得到知识 编辑器所能接受的知识条款。
专家系统是基于知识的系统，则建造专家系统 就涉及到知识获取、知识表示、知识的组织与管 理和知识的利用等一系列关于知识处理的技术和 方法，特别是一般知识库系统的建立，更加促进 了这些技术的发展。 关于知识处理的技术和方法已形成了一个称 为“知识工程”的学科领域。专家系统一方面促 使了知识工程的诞生和发展，另一方面知识工程 又是为专家系统服务的。由于二者的密切关系， “专家系统”与“知识工程”现在几乎已成为同 义语。
（1）按用途分类 可分为：诊断型、解释型、预测型、决策型、 设计型、规划型、控制型和调度型等几种。 （2）按输出结果分类 可分为：分析型、设计型、综合型专家系统。 （3）按知识表示分类 可分为：基于产生式规则的专家系统、基于一 阶谓词的专家系统、基于框架的专家系统以及 基于语义网络的专家系统。也存在相应的综合 型专家系统。
第8章专家系统
第8章 专家系统
2.分块语义网络 在PROSPECTOR中，陈述由分块语义网络表示。 分块语义网络是把整个网络划分成若干个块，每一块 （称为语义空间）表示一句完整的话（陈述）。例如， “角闪石部分地转化为黑云母”，可由图8―9表示。
专家系统应该具备以下四个要素： (1) 应用于某专门领域； (2) 拥有专家级知识； (3) 能模拟专家的思维； (4) 能达到专家级水平。
所以，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。
第8章 专家系统 图8―7 PROSPECTOR总体结构
第8章 专家系统
8.4.2 知识表示 PROSPECTOR系统的知识用语义网络和规则表示。
知识库由三级网络组成，它们分别用来描述概念、陈 述和推理规则。
1.分类学网络 最低一级网络是分类学网络（见图8―8），它的 作用有些类似于MYCIN中的词典，给出了系统所知道 的1000多个词汇的用途及相互关系。
815专家系统与知识工程由于专家系统是基于知识的系统那么建造专家系统就涉及到知识获取knowledgeacquisition即从人类专家那里或从实际问题那里搜集整理归纳专家级知识知识表示knowledgerepresentation即以某种结构形式表达所获取的知识并将其存储于计算机之中知识的组织与管理即知识库knowledgebase建立与维护等和知识的利用即使用知识进行推理等一系列关于知识处理的技术和方法
第8章 专家系统
8.3 专家系统的应用与发展概况
8.3.1 专家系统的意义 专家系统是一种智能计算机系统，所以，专家系统将计算机的
应用提高到了一个新的高度和水平。专家系统的建立，实现了人 类专家的“分身”和“延年”——使专家们丰富而宝贵的知识和经 验能不受时间和空间的限制，而得到最大限度地传播和应用，从 而产生最大的社会效益和经济效益。
知识工程与专家系统
知识工程与专家系统1 .知识是什么所谓知识，是人们对自然现象的认识和从中总结出的规律、经验。
人类的知识是极其丰富与庞杂的，如何规范描述这些认识、规律、经验一直是人们所探讨的问题，至今没有一个统一模式，但常用K = F + R + C来表述，其中K 表示知识项(Knowledge Items ) ;F 表示事实(Facts ) ，是指人类对客观世界、客观事物的状态、属性、特征的描述，以及对事物之间的关系的描述;R 表示规则(Rules ) ，是指能表达在前提与结论之间的因果关系的一种形式;C 表示概念(ConcePts ) ，主要指事实(术语)的含义、规则的语义说明等。
知识的层次关系描述如图6 一30 所示，其中再生知识是指人们在对客观世界、客观事物认识和总结的基础上，升华提高的系统的专业知识，这些知识被人们学习、传授、再提高、再扩充，最终为人类的需要服务。
2 .知识工程人类智能的衡量反映在对问题的求解、推理能力，学习能力，联想能力上，这就是所谓的“智能三要素”。
如何用计算机系统来实现这些能力，那就是知识工程(Knowledge Based Engineer -ing , KBE )所要解决的问题。
此外，如何通过知识库获得新的知识、新的结论、新的规律等;知识处理系统和知识库的工程设计与实现等间题;人与知识处理系统、知识库之间的界面如何进行交互作用，各种知识处理系统之间的关系问题，以及对知识结构、知识库的研究，这些问题及其实现方法和技术就构成了“知识工程”，或称“知识处理学”。
知识工程是获取特定领域知识并将它送到知识库中去的过程，它是一种设计方法学，使用启发式的设计规则，涵盖构件、装配和系统的开发，系统存储的产品信息模型包含了几何和非几何信息，以及描述产品如何设计、分析和制造的工程准则。
比起其他基于知识的系统，知识工程更加专注于工程设计以及后继的制造、销售等活动。
对知识的处理至少包括以下几个方面：l )知识的表示如何把这些知识用计算机所能接受的形式表示出来，这就是知识表示要研究的问题，应能提供给用户一种或多种知识表示方法，目前已有的知识表达方法有谓词逻辑方法，以框架为基础的知识表示方法，产生式规则，语义网络方法，脚本方法，过程式方法，直接表示法等.同时，一个良好的知识表示方法应该具有充分表达、有效推理、便于管理和易于理解等性能。
专家系统简介
专家系统是一类具有专门知识和经验的计算机智能程序系统，通过对人类专家的问题求解能力的建模，采用人工智能中的知识表示和知识推理技术来模拟通常由专家才能解决的复杂问题，达到具有与专家同等解决问题能力的水平。
这种基于知识的系统设计方法是以知识库和推理机为中心而展开的，即专家系统 = 知识库 + 推理机它把知识从系统中与其他部分分离开来。
专家系统强调的是知识而不是方法。
很多问题没有基于算法的解决方案，或算法方案太复杂，采用专家系统，可以利用人类专家拥有丰富的知识，因此专家系统也称为基于知识的系统（Knowledge-Based Systems）。
一般说来，一个专家系统应该具备以下三个要素：（1）具备某个应用领域的专家级知识；（2）能模拟专家的思维；（3）能达到专家级的解题水平。
专家系统与传统的计算机程序的主要区别如表7.1所示。
表7.1 专家系统与传统的计算机程序的主要区别列项传统的计算机程序专家系统适用范围无限制封闭世界假设建造一个专家系统的过程可以称为“知识工程”，它是把软件工程的思想应用于设计基于知识的系统。
知识工程包括下面几个方面：（1）从专家那里获取系统所用的知识（即知识获取）（2）选择合适的知识表示形式（即知识表示）（3）进行软件设计（4）以合适的计算机编程语言实现。
专家系统的发展史1965年斯坦福大学的费根鲍姆（E.A. Feigenbaum）和化学家勒德贝格（J. Lederberg）合作研制DENDRAL 系统，使得人工智能的研究以推理算法为主转变为以知识为主。
20世纪70年代，专家系统的观点逐渐被人们接受，许多专家系统相继研发成功，其中较具代表性的有医药专家系统MYCIN、探矿专家系统PROSPECTOR等。
20世纪80年代，专家系统的开发趋于商品化，创造了巨大的经济效益。
1977年美国斯坦福大学计算机科学家费根鲍姆 (E.A.Feigenballm)在第五届国际人工智能联合会议上提出知识工程的新概念。
知识工程与专家系统人工智能课件
（接上页）
5.5 知识获取
建造 ES 的瓶颈 知识工程师：抽取知识、表示知识 知识获取系统：知识的格式化、
一致性检测、 完整性检测 。
5.5.2 知识的检测与求精
原型系统
1、 演示原型 仅能解决少量典型问题
2、 研究原型 能解决较多问题，但不够稳定，具有面向
开发的辅助功能，如测试、解释
例：求mn
LISP 简介
m0=1 mn=m×mn-1
(n＞0)
(defun power_1 (m n) (cond ((= n 0) 1)
(t (* m (power_1 m (- n 1)) ) ) ) )
(prog (ifs)
(setq ifs (cdadr rule))
loop
(cond ((null ifs) (return t))
((recall (car ifs))
)
(t (return nil)))
(setq ifs (cdr ifs))
(go loop)))
反向推理机
（2）函数 verify
1. 知识的一致性与完整性 知识库可能的存在的问题： 冗余、矛盾、从属、环路、不完整
3. 知识求精 知识不完整：错判、漏判 错判：推出了不应推出的结论 漏判：没有推出应该推出的结论 知识求精：找出导致错误的知识，加以改进。
通常采用实例检测法。
5.7 分布式专家系统与协同式专家系统
目标： 提高运行速度，实现多专家的知识 共享和协同工作。
n 阶 Hanoi 塔算法 ( LISP )
专家系统概述
– 系统自身具有学习能力，能从系统运行中总结 出新知识，使知识库越来越丰富，完善。
➢ 具有灵活性
– 知识库—推理机分离。
2.专家系统的基本特征
➢ 具有透明性
– 透明性：是指系统自身及其行为能被用户所理 解。
– 解释机构：向用户解释它的行为动机及得出某 些答案的推理过程。
➢ 常规程序是精确的；专家系统不精确、模糊的。 ➢ 专家系统具有解释机构； 常规程序没有。 ➢ 常规程序与专家系统具有不同的体系结构。
4. 专家系统的分类
• 按专家系统的特性及处理问题的类型分类。
(1)解释型：从所得到的有关数据，经过分析、推理， 从而给出相应解释的一类专家系统。
• 特点：必须能处理不完全，甚至受到干扰的信息， 并能对所得到的数据给出一致且正确的解释。
1. 什么是专家系统
• 它是一个智能程序系统； • 它具有相关领域内大量的专家知识； • 它能应用人工智能技术模拟人类专家求解问题的
思维水平。 • 专家系统是一种具有大量专门知识与经验的智能 程序系统，它能运用领域专家多年积累的经验和 专门知识，模拟领域专家的思维过程，解决该领 域中需要专家才能解决的复杂问题。
– 详细设计要求完成的工作
• 进行模块化设计 • 模块间的界面要清晰，便于通信 • 便于实现
8. 专家系统的开发过程
• 知识获取
– 与领域专家交谈，抽取所需知识，掌握专家处 理问题的方法、思路
– 查阅有关文献、获得有关概念的描述、参数 – 对获得的知识进行分析、比较、归纳、整理、
找出知识的内在联系、规律 – 对所得知识进行检查 – 对确定下来的知识用总体设计时确定的知识表
《专家系统与知识工程》复习要点
《专家系统与知识工程》复习要点知识工程是人工智能技术与专家系统发展相结合的产物，它是数据工程的高级阶段。
知识工程是设计和实现知识库系统及知识库应用系统的理论、方法和技术，是研究知识获取、知识表示、知识管理和知识运用的一门学科。
数据库技术是构成数据工程的中心和基础，数据库工程也就是数据工程。
通常数据工程的设计与实现包括三个基本环节：概念数据模型的分析与设计、逻辑数据模型分析与设计、物理数据模型的设计。
知识是数据和信息集合的整体。
只有当信息被系统地、有目的地积累起来时，才能转变成知识。
知识是由信息描述的，信息则是用数据来表达的；知识工程是设计和实现知识库系统及知识库应用系统的理论、方法和技术，是研究知识获取、知识表示、知识管理和知识运用的一门学科。
知识工程处理的对象是知识，知识种类及知识的表示方式：1.）第一类：关于事实和现象的知识。
（Know_what）第二类：自然原理和领域规律性知识。
（Know_why）第三类：关于技能和能力的知识。
（Know_how）第四类：关于谁的知识。
（Know_who）2.）产生式、函数式、逻辑式、对象式、语义网络、框架结构、状态过程等多种形式。
数据信息知识三者的关系：数据是指客观事物的属性、数量、位置及其相互关系的符号描述。
信息是数据在特定场合下的具体含义，信息是对数据的解释。
知识是一个或多个信息关联在一起形成的有价值的信息结构，是对客观规律的认识，是高层次的信息。
也就是说，知识是数据和信息集合的整体。
由此可见，数据是记录信息的符号，信息是对数据的解释，知识是信息的概括和抽象；数据经过解释处理形成了信息，信息又经过加工过程形成了知识；知识是由信息描述的，信息则是用数据来表达的；从数据到信息的转换是一个数据处理过程，从信息到知识的转换是一个认知的过程。
这就是数据、信息和知识之间的相互依存的辨证关系。
知识工程是一个远比数据工程复杂的多的领域，也是一个比数据工程更富于挑战性的领域，表现在：1、知识种类比较多2、知识的表示方式比较多3、要有一个较好的知识表示方式和知识管理机制在知识工程中，最为困难的问题是知识获取，一般来说，获取知识的方法有两种情况：1、由知识工程师从领域专家那里获取知识，即：人工获取。
知识工程与专家系统ppt课件
一、基本概念与结构
寒假来临，不少的高中毕业生和大学 在校生 都选择 去打工 。准备 过一个 充实而 有意义 的寒假 。但是 ，目前 社会上 寒假招 工的陷 阱很多
2.专家系统应该具备以下四个要素
寒假来临，不少的高中毕业生和大学 在校生 都选择 去打工 。准备 过一个 充实而 有意义 的寒假 。但是 ，目前 社会上 寒假招 工的陷 阱很多
所谓推理机，就是实现（机器）推理 的程序。这里的推理，是一个广义的概念， 它既包括通常的逻辑推理，也包括基于产 生式的操作。
寒假来临，不少的高中毕业生和大学 在校生 都选择 去打工 。准备 过一个 充实而 有意义 的寒假 。但是 ，目前 社会上 寒假招 工的陷 阱很多
图1-2
寒假来临，不少的高中毕业生和大学 在校生 都选择 去打工 。准备 过一个 充实而 有意义 的寒假 。但是 ，目前 社会上 寒假招 工的陷 阱很多
寒假来临，不少的高中毕业生和大学 在校生 都选择 去打工 。准备 过一个 充实而 有意义 的寒假 。但是 ，目前 社会上 寒假招 工的陷 阱很多
1.1 通用性专家系统
专家系统的开发需要领域专家和知识工程师共同努力， 通用性专家系统作为一种新型专家系统, 其特点如下：
集成多种模型的专家系统，根据用户的需要，可以
显示: 男人 = TRUE 应用规则: IF 苏格拉底 = TRUE THEN 男人 = TRUE .
显示: 人类 = TRUE 应用规则: IF 男人 = TRUE THEN 人类 = TRUE .
将某类对象的所有知识组织在一 起的一种通用数据结构 , 而相互关 联的框架连接组成框架系统
寒假来临，不少的高中毕业生和大学 在校生 都选择 去打工 。准备 过一个 充实而 有意义 的寒假 。但是 ，目前 社会上 寒假招 工的陷 阱很多
专家系统与知识工程
机器模拟智能
失败
下棋; 机器翻译; 归结原理;
回顾
对早期的AI研究的回顾：
– 研究和总结人类思维的普遍规律，再用计算机模拟
–
– –
–
–
实现 关键是建立一个通用的、万能的符号逻辑系统 Newell,Simon : 物理符号系统假设; Nilson: 逻辑演绎方法; 通用问题求解GPS（General Problem Solver） 通用弱方法
有某类矿藏的可能性进行估价
E LS, LN H P(H)
基本思想:
– 对断言H的信任程度应该随着新的信息的获得而改
变，即，根据P(E) ，从先验概率P(H)推出后验概率 P( H | E ) – P(肺炎)=0.01% P(肺炎| 咳嗽 )=0.09%
主观Bayes方法
用几率代替概率
P( H ) P( H ) O( H ) P(~ H ) 1 P( H )
GPS
通用问题求解方法 11种不同类型的问题
– 猴子摘香蕉，梵塔，人一羊过河等。
用户定义一个任务环境，就可以应用这个系统； 只能在状态集合相对较少和形式规则都有完整 定义的领域内使用； 只能在一个形式化的微观世界里活动，缺少高 级专门知识，尚不能解决现实生活中的问题。
效果
求解复杂、大型的具体问题时，这种通 用的方法成果甚微
反思
另一派的反思 :
– 这样的通用推理体系可能根本不存在! – 人有知识，而机器没有; – 不要去构造一个通用的智能机器，而要构造
某个领域上的智能机器; – 智能的关键在于赋予机器很多领域知识;
知识
一个系统的求解能力来源于它所具有的 知识本身，而不是来自于它所采用的形 式和推理方式。
知识工程中的知识库、本体与专家系统①
知识工程中的知识库、本体与专家系统①魏圆圆1, 钱 平2, 王儒敬1, 王 雪11(中国科学院合肥智能机械研究所, 合肥230031)2(中国农业科学院农业信息研究所, 北京100081)摘 要: 随着语义Web思想的兴起, 对专家系统的互操作性和共享性也提出了更高的要求, 对新型知识表示方式和新型知识系统的研究是大势所趋. 本体作为共享概念模型的明确的形式化规范说明, 为不同系统之间的互操作提供了基本的框架, 是解决共享和互操作问题的有效的方法. 一些初学者对知识库、本体以及专家系统的概念产生了各种疑惑, 根据笔者的理解与实践, 对知识工程中的本体、知识库以及专家系统做出较系统的比较分析,对这几个术语做一个澄清.关键词: 知识库; 本体; 专家系统; 知识表示Knowledge Base, Ontology and Expert System in Knowledge EngineeringWEI Yuan-Yuan1, QIAN Ping2, WANG Ru-Jing1, WANG Xue11(Institute of Intelligent Machines, Chinese Academy of Sciences, Hefei 230031, China)2(Agricultural Information Institute, Chinese Academy of Agricultural Sciences, Beijing 100081, China)Abstract: With the development of the Semantic Web, the interoperability and sharing of expert system were put for- ward more advanced requests. The researches for new knowledge representation and knowledge base systems are im- portant trend. As a formal, explicit specification of a shared conceptualization, ontologies provide frames for inte- roperability between different systems and can solve the sharing and interoperability problem effectively. There were a variety of doubts in some beginners’ mind with the concepts of knowledge base, ontology and expert system. Based on the author's understanding and practice, the systematic comparative analysis between knowledge base, ontology and expert system in the domain of knowledge engineering were proposed in this paper, in order to make these terms less confused and more clearly comprehensible.Key words: knowledge base; ontology; expert system; knowledge representation作为构建语义Web的基础, 本体论的研究及其应用是目前国内外非常关注的研究热点, 成为一个新的研究领域. 近年来, 本体的开发逐渐从人工智能实验室走向领域专家的桌面上. 本体的应用从网站的分类系统(比如Yahoo!)到网络产品销售的分门别类(比如), 在互联网上的应用逐渐普及[1]. 某些学者将本体看作是构造知识库的一种途径, 另一些学者认为本体是知识库的重要组成部分[2,3], 此外还有专家将本体视为在不同平台间进行互操作处理的关键技术.上世纪90年代, 随着本体定义的提出, 知识工程领域在建立知识库的方法上也产生了一种革命性思想, 即有关本体工程和构建本体知识库的思想[2]. 同时, 随着并行与分布式处理、语义Web等新思想与技术的引入, 对专家系统的互操作性和共享性也提出了更高的要求, 对新型知识表示方式和新型知识系统的研究是大势所趋. 本体作为共享概念模型的明确的形式化规范说明, 为不同系统之间的互操作提供了基本的框架, 是解决共享和互操作问题的有效的方法. 因此, 当初研究专家系统的专家学者都对本体产生了兴趣,①基金项目:国家自然科学基金(31171456);中国科学院知识创新工程青年人才领域专项前沿项目收稿时间:2012-02-09;收到修改稿时间:2012-03-25其中不乏有人提出类似“知识库和本体有什么关系?”, “本体与专家系统的区别?”, “本体能否取代专家系统?” 等疑惑. 本文作者根据自己的理解与实践, 对知识工程领域中的本体、知识库以及专家系统做出较系统的分析.图1知识库、专家系统与本体1知识库与本体知识库和本体的异同从描述对象和表现形式两个方面进行衡量:1) 描述的对象根据MBA智库百科中知识库的定义, 知识库(Knowledge Base)是知识工程中结构化, 易操作, 易利用, 全面有组织的知识集群, 是针对某一(或某些)领域问题求解的需要, 采用某种(或若干)知识表示方式在计算机存储器中存储、组织、管理和使用的互相联系的知识片集合. 这些知识片包括与领域相关的理论知识、事实数据, 由专家经验得到的启发式知识, 如某领域内有关的定义、定理和运算法则以及常识性知识等. 在人工智能界, 最早给出本体定义的是Neches等人, 他们将本体定义为“构成相关领域词汇的基本术语和关系, 以及利用这些术语和关系构成的规范这些词汇外延规则”[4]. 被普遍接受的是Studer所给出的定义: “本体是共享概念模型的明确形式化规范说明(An ontology is a formal, explicit specification of a shared conceptualization)”[5]. 本体的定义说明, 本体侧重于对领域内概念以及关系的描述, 而知识库更侧重于对领域知识的表示, 组织和存储. 但他们都是对一个具体或是抽象领域中包含的知识的定义、表示和组织, 都以机器可读的形式表达, 可供机器处理.2) 表现形式知识库的构建需要某种知识表示方法的支持, 而本体本身就是一种特殊的知识表示方法. 知识库的知识可以是描述性知识或过程性知识, 而本体的本质决定了它在表示所有类型知识上是有局限性的. 所以说, 本体是一种特殊的知识库[6]. 墨西哥的María Auxilio Medina Nieto认为: 本体可用于构建知识库[7], 美国斯坦福大学Noy和McGuinness认为: 本体连同概念的个体实例集合组成一个知识库[1].2本体与专家系统本体和专家系统的区别从以下五个方面进行衡量:1) 描述的对象本体是对共享概念模型的规范说明, 即其概念在某个特定领域是公认的, 是面向特定领域的概念模型.专家系统是能够在特定的领域内模仿人类专家思维来求解复杂问题的计算机智能系统[9]. 知识库和推理机是典型专家系统的核心组成部分. 通过对人类专家的问题求解能力的建模, 采用人工智能中的知识表示和知识推理技术来模拟通常由专家才能解决的复杂问题, 达到具有与专家同等解决问题能力的水平. 专家系统知识库描述特定领域专家知识模型, 只描述相关事物表面上的联系, 知识库中的知识是简单事实的罗列或面向问题求解的过程知识, 更多的是命题信息. 所以本体和专家系统是为不同的应用目的而产生的.2) 知识表示的方法和深度本体有5个建模元语, 即: 类(classes), 关系(relations), 函数(functions), 公理(axioms)和实例(instances)[8], 它们可以严格、规范、准确地刻画所描述的对象.专家系统知识表示深度不如本体, 知识表示方法较灵活, 开发者可以根据知识的特点自定义知识表示范式, 不同开发者对系统和知识库的理解不同, 就会出现不同的知识表示方法, 没有固定的建模原语, 对建模也没有特殊要求.3) 构建工具专家系统知识库一般是领域专家通过知识录入编辑工具进行知识库的构建. 十五期间, 国家863计划支持了多家科研院所进行农业智能信息系统开发工具的研究, 知识表示手段上存在很大的差异, 所以也没有大家较公认的知识建模方法, 至今没有出现较权威的专家系统开发工具. 系统开发者熟悉知识表示, 但不懂领域知识, 领域专家对编写一定格式的知识库脚本也很难胜任. 专家系统知识库的构建需要领域专家、和系统开发人员的密切合作. 同时, 由于无法彻底消除不同专家对领域知识理解上的差异, 使得最终构建的知识库的可用性受到影响.本体的构建是对客观世界的领域知识的建模, 利用本体可以用一种全新的方式将领域知识组织起来. 构建过程也必须有专家的参与, 知识获取更为严格、困难, 知识建模更为规范. 本体的构建有现成的方法可以借鉴, 也有很多成熟的本体开发工具可以使用[10], 随着从事本体研究的人越来越多, 会出现大量的已经构建好、并得到领域专家公认的本体, 可以直接利用.4) 推理机制专家系统的推理建立在知识库的基础之上, 需要设计者在知识表示的基础上自己构建推理机, 推理过程面向求解问题的事实知识和过程知识, 知识表示的好坏, 直接影响到了推理的结果和效率. 推理过程是问题求解的过程.本体知识库也是一种与其描述语言相关的知识库,目前已经出现多种本体表示语言, 由于都采用XML作为其底层表示语言, 这些语言之间可以很容易地相互转换, 其中几种本体语言都存在设计良好的推理机[11], 因此, 可以利用这些现成的推理机. 本体推理功能主要包括: 本体检查和隐含知识的挖掘[12,13].5) 知识的共享和重用由于目前大部分专家系统的知识库和推理机是针对特定的系统设计使用的, 难以与其他相关领域的专家系统实现共享和重用, 较难达到推理和事实的分离. 这使得花费大量的时间和精力构建的专家系统的知识库不能得到更好的应用, 造成了资源的极大浪费. 知识表示的差异性, 也很大程度上制约了专家系统的共享性和重用性.本体的构建是针对共享概念的明确规范说明, 所以说本体从最初的设计开始, 就是为共享的目的而构建的, 可以很容易地进行知识重用; 另外, 只要使用标准的表示语言格式对本体进行存储, 就可以进行本体的交换, 也就可以使用现有的本体推理机.下表总结了本体和专家系统的比较结果, 对上面的分析进行补充.表1本体和专家系统的比较3知识表示的表示观知识表示是知识工程中的重要研究内容, 王珏等学者收集并分析了人工智能学界对知识表示问题讨论的各种观点, 将知识表示的观点主要归纳为认识论(Epistemology)、本体论(Ontology)及知识工程(Knowledge Engineering)三类表示观[14].(1) 认识论表示观: 表示是对自然世界的描述, 知识表示自身并不体现任何智能行为, 其唯一的作用就是携带知识. 知识不完备性、知识不一致性、知识不确定性都是认识论表示观所讨论的内容.(2) 本体论表示观: 表示是对自然世界的一种近似, 它规定了看待自然世界的方式, 即一个约定的集合. 表示只是描述了在这个世界中, 观察者当前所关心的那部分, 其它部分则被忽略. 与认识论表示观“表示的唯一功能是携带知识”的观点相反, 本体论表示观注重的是内容, 而不是语言形式. 但本体论表示观又与知识工程表示观不同, 所注重的“内容”不是某些特定领域的特殊的专家知识, 而是自然世界中的那些具有普遍意义的“一般知识”.(3) 知识工程表示观: 表示是对自然世界描述的计算机模型, 它应该满足计算机这一实体的具体限制, 因此, 表示可以理解为一类数据结构及在其上的一组操作. 对知识的内容更强调与领域相关的、适合于该领域的、来自领域专家经验的知识. 这两个特点说明此类表示观更强调其工程实现, 而不甚关注对其行为的科学解释.专家系统作为知识工程的典型应用, 遵循知识工程表示观, 很多情况下也涉及认识论表示观. Lenat等人关于CYC系统的研究, 明确提出将“本体论表示观”作为人工智能研究的方法论[15], 该观点得到Davis等人的支持[16]. CYC系统是美国MCC(Microelectronics and Computer Technology Corporation)公司的研究项目, 其目的是通过本体开发大规模常识知识库,为常识推理(CommonSense reasoning)提供基础.4结语九十年代初, 美国国防高级研究计划署(DARPA)、国家自然科学基金(NFS)等四个政府部门联合提出了知识共享计划(Knowledge Sharing Effort), 以研究一种便于知识库和知识系统共享和重用的途径, 包括斯坦福大学、A T&T在内的十多个研究中心参加了这个计划, 而对本体的研究是这一计划的重要组成部分. 其中高性能知识库系统项目(HPKB, High Performance Knowledge Base)的核心就是本体知识库. HPKB的研究目标是使知识库系统的开发者能迅速地(几个月内)建立一个大容量的知识库. HPKB采用本体作为基本知识库的知识表示工具, 使知识库具有良好的表达能力和可重用性, 该项目的重要成果之一是开发了OKBC(Open Knowledge Base Connectivity)[17]. TOVE(TOronto Virtual Enterprise)系统是加拿大多伦多大学的研究项目, 其目的是企业建模，构造企业本体, 可通过演绎推理实现对企业相关信息的问题求解[18]. KACTUS是欧洲ESPRIT项目, 通过构造支持产品知识重用的本体, 支持计算机集成制造方法和知识工程方法的集成[19].可以认为: 基于本体的知识管理和知识服务是在语义Web时代对专家系统的继承和发展, 是适应现阶段语义网和云计算环境发展的必然趋势. 如何将本体和知识库系统结合起来, 一方面发挥本体的优势, 有效实现知识的规范表达以及知识的共享和重用; 另一方面利用知识系统实现问题求解任务目标, 以达到两者优势互补, 将是接下来需要我们深入研究的问题.参考文献1 Noy NF, Mcguinness DL. Ontology development 101: a guide to creating your first ontology. Stanford Knowledge Systems Laboratory Technical Report KSL-01-05 and Stanford Medical Informatics Technical Report SMI-2001-0880, March 2001.2 Guarino N. Formal Ontology and Information Systems. Proc. of FOIS’ 98. Trento, Italy, 6-8June 1998. Amsterdam, IOS Press, 1998. 3-15.3 Mizoguchi R. Tutorial on ontological engineering-Part1: Introduction to Ontological Engineering. New Generation Computing, Ohmsha, Ltd and Springer-Verlay, 2003,21(4): 365-384.4 Neches R, Fikes R, Finin T, Gruber TR, et al. Enabling technology for knowledge sharing. AI Magazine, 1991,12(3):36-56.5 Studer R, Benjamins VR, Fened D. Knowledge engineering: principles and methods. Data & Knowledge Engineering, 1998,25(1):161-197.6 Guarino N. Semantic Matching: Formal Ontological Dis- tinctions for Information Organization, Extraction, and Inte- gration. In: Pazienza MT, ed. Information Extraction: A Multidisciplinary Approach to an Emerging Information Te- chnology. Springer-Verlag, 1997: 139-170.7 Auxilio M, Nieto M. An Overview of Ontologies. From STAR Lab’s research efforts,2003,http://www.starlab.vub.ac.be/tea- ching/ontologies_overview.pdf8 Gomez-perez A, Benjamins VR. Overview of knowledge sha- ring and reuse components: ontologies and Problem Solving Methods. Proc. of the IJCAI-99 workshop on Ontologies and Problem-Solving Methods(KRR5). Stockholm, Sweden, August 2, 1999.9 史忠植,王文杰.人工智能.北京:国防工业出版社,2007.10 钱平,郑业鲁.农业本体论研究及应用.北京:中国农业科学技术出版社,2006.11 徐德智,汪智勇,王斌.当前主要本体推理工具的比较分析与研究.现代图书情报技术,2006,12:12-15.12 潘超,古辉.本体推理机及应用.计算机系统应用,2010,19(9):163-167.13 高琦、陈华钧.互联网Ontology语言和推理的比较和分析.计算机应用和软件,2004,21(10):73-76.14 王珏,袁小红,石纯一,等.关于知识表示的讨论.计算机学报,1995,18(3):212-224.15 Lenat DB, Guha RV. Building large knowledge-basedsystems: Representation and inference in the Cycproject.Addison-Wesley Pub. Co. 1990.16 Davis R, Shrobe H, Szolvits P. What is a KnowledgeRepresentation. AI Magazine, 1993,14(1):17-33.17 Chaudhri VK, Farquhar A, Fikes R, Karp PD, Rice JP. OpenKnowledge Base Connectivity 2.0.3, Technical Report, /okbc/okbc-2-0-3.pdf. 1998.18 Gruninger M, FOX MS. The Logic of Enterprise Modelling,Modelling and Methodologies for Enterprise Integration.Bernus P & Nemes L, eds. Cornwall, Great Bri tain:Chapman and Hall. 1996.19 Schreiber G, Wielinga B, Jansweijer W. The KACTUS viewon the‘o’word. Workshop on Basic Ontological Issue in Knowledge Sharing. International Joint Conference on Artificial Intelligence. 1995.。
知识工程
在知识工程的探索中，我们不仅看到了机器与人类智慧的交融，更看到了未来可能的模样。这是 一场人类智慧的盛宴，是一次知识探索的冒险，是一场科技与人文的对话。知识工程，让我们看 到了科技的力量，也看到了人文的温暖。它既是一个强大的工具，也是一个富有诗意的梦想。
本体研究的出现为知识工程的研究注入了新的活力，但是本体在知识工程中究竟扮演什么样的角 色呢?本体是知识表示的一种方式?本体工程将取代知识工程?本体(ontology)其实就是一种充分 复杂的词表，有了本体固然可以解决很多问题，但本体如何来获取仍然是一大难点，正如知识获 取一直是人工智能的瓶颈问题。本体的获取有三种方式：手工构建、词表转换、自动获取。而本 体论(Ontology)是一种认知论。本体的表示语言比知识表示语言更具体，具有更强的可操作性。
知识管理中的知识组织以知识的序化为主，包括分类、检索、排序等操作。传统的知识组织借助 文献单元的方法，依据检索语言中的结构模式，采用分类法、标题法、单元词法、关键词法和叙 词法，并在这些方法的基础上编制出各种目录、索引、文献等。以关键词或主题词来实现知识从 物理层次的文献单元向认知层次的知识单元转化是不现实的，因为词单元不足以完整地反映知识， 能够完整地反映知识应该至少是句子层次的。知识地图揭示知识源以及知识之间的关系，它指向 知识而不包含知识本身，是一个向导而不是一个知识的集合。所以知识地图实际上是知识的索引。 但是知识地图不具备地理坐标这一基本属性。
提出
知识工程的概念是1977年美国斯坦福大学计算机科学家费根鲍姆教授(E．A．Feigenbaum)在第 五届国际人工智能会议上提出的。
第六章-专家系统PPT课件
10/28/2024
13
6.1.2 专家系统的类型
(1) 解释专家系统 ……
作为解释专家系统的例子有语音理解、图象分 析、系统监视、化学结构分析和信号解释等。 例如，卫星图象(云图等)分析、集成电路分析、 DENDRAL化学结构分析、ELAS石油测井数据分 析、染色体分类、PROSPECTOR地质勘探数据解 释和丘陵找水等实用系统。
的MACSYMA符号积分与定理证明系统，我国一些大学开发 的计算机程序设计语言和物理智能计算机辅助教学系统以 及聋哑人语言训练专家系统等。
10/28/2024
24
6.1.2 专家系统的类型
(10) 修理专家系统 修理专家系统的任务是对发生故障的对象(系
统或设备)进行处理，使其恢复正常工作。修理专 家系统具有诊断、调试、计划和执行等功能。美 国贝尔实验室的ACI电话和有线电视维护修理系统 是修理专家系统的一个应用实例。
预测专家系统的例子有气象预报、军事预测、人口预 测、交通预测、经济预测和谷物产量预测等。例如，恶劣 气候(包括暴雨、飓风、冰雹等)预报、战场前景预测和农 作物病虫害预报等专家系统
10/28/2024
15
6.1.2 专家系统的类型
(3) 诊断专家系统 诊断专家系统的任务是根据观察到的情况(数据)来推
问题求解过程就是一个推理过程，所以专家系统 必须有推理机构。
ES的核心是知识库和推理机。
10/28/2024
4
6.1.1 专家系统的特点—特点
(3) 具有启发性 ES除要利用大量专业知识外，还必须利用经
验的判断知识来对求解问题作出多个假设。 依据某些条件选定一个假设，使推理继续
进行。
10/28/2024
(3) 诊断专家系统 ……
知识工程与知识发现(讲稿22-专家系统)
第三章专家系统（Expert System：ES）专家系统是人工智能应用研究的一个重要领域。
在20世纪60年代中期，正当大多数人热衷于博弈、定理证明、问题求解等研究时，另一个重要的研究领域---专家系统已悄然开始孕育。
（由美国斯坦福大学的费根鲍姆E.A.Feigenbaum，1965年在他领导的研究小组内研究化学专家系统DENDRAL，68年完成并投入使用）。
也正是专家系统的萌芽，才使得人工智能在后来出现的困难和挫折中很快找到了前进方向，开创了一条以知识为中心、面向应用开发的研究道路，使人工智能又进入了一个新的蓬勃发展时期。
专家系统实现了人工智能从理论研究走向实际应用，从一般思维规律探讨走向专门知识运用的重大突破，是人工智能发展史上的一次重要转折。
专家系统是一个具有大量专门知识，并能够利用这些知识去解决特定领域中需要由专家才能解决的那些问题的计算机程序。
自Feigenbaum后，相继出现了MYCIN专家系统、地质勘探专家系统PROSPECTOR，数学专家系统MACSYMA等。
知识工程的核心是专家系统，知识工程的发展首先决定于专家系统的发展，专家系统的发展必将推动人工智能的应用。
专家系统的开发有三个基本的要素：领域专家、知识工程师、大量实例。
在建立专家系统时，首先由知识工程师把领域专家的专门知识总结出来，以适当的形式存入计算机，建立起知识库（KB），根据这些专门知识，系统可以进行推理，做出判断和决策，能够解决一些只有人类专家才能解决的困难问题。
专家系统主要是指软件系统。
教学目的：●了解专家系统的基本概念●掌握专家系统的基本结构●掌握专家系统的知识获取方法和过程●了解专家系统的开发步骤、开发工具3.1 专家系统的基本概念3.1.1 什么是专家系统？目前，对专家系统还没有一个严格公认的形式化定义。
作为一种一般的解释，可以认为：专家系统是一种具有大量专门知识与经验的智能程序系统，它能运用领域专家多年积累的经验和专门知识，模拟领域专家的思维过程，解决该领域中需要专家才能解决的复杂问题。
农业专家系统—农业专家系统概述
人机接口
• 人机接口是使用者或专家与农业专家系统之间的联系界面。知识的建立和维护，用户提出质询 以及推理结果的输出等都需要通过人机接口来实现。
启发性、模糊性知识，搜索推理和不确定性推理，以及机器学习是人工智能研究的重要内容。 知识表示、问题求解、自然语言理解、专家系统、机器学习、认知科学等是人工智能的重要研究分支。
农业专家系统概述 （一）人工智能的概念
人工智能 研究进展 较大的三 应用分支
机器人 专家系统
再现人的感觉、操作和行动，从事复杂作业，可在 一些有害、危险和繁重、疲劳性劳动场合来代替人 去完成作业，如焊接、搬运、装配、水下与地下作 业等。
基本情况 知识组织
常规的计算机程序
常规程序＝数据结构十算法
两级： 数据级和程序级
专家系统
专家系统＝知识十推理
三级： 数据级、知识库级和控制级
求取问题方法
查找或计算，面向数值计算和数据处理，问题求 推理，面向符号处理，其推理过程随着情况的变化
解过程中先做什么及后做什么都是由程序规定的
而变化，具有不确定性及灵活性
通过它输入知识，更新、 完善知识库。
由一组程序及相应的硬件组成， 用于完成输入输出工作。
专家系统的一般结构
农业专家系统概述 三、专家系统的基本结构
专家系统的一般结构
由一组程序组成，基本任 务是把知识输入到知识库 中，并负责维持知识的一 致性及完整性，建立起性 能良好的知识库。
农业专家系统概述 三、专家系统的基本结构
推理机
• 推理机就是一个模拟人类思维，从已有事实出发，选用合适的规则，不断推出新的事实，最终 证明或否定某一结论的程序模块。
信息科学中的专家系统与知识工程研究
信息科学中的专家系统与知识工程研究引言信息科学作为一门新兴学科，与计算机科学、数学、统计学、语言学等学科有着密切的关系。
在信息科学的研究和应用中，专家系统和知识工程起着举足轻重的作用。
本文将从理论与实践两个方面，探讨专家系统与知识工程在信息科学中的研究进展和应用价值。
一、专家系统的基本原理与结构专家系统是一种通过模拟人类专家的决策过程和思考方式，进行智能决策的计算机系统。
它通过对专家知识的提取、表示和存储，模拟人类专家的推理过程，实现对复杂问题的解决。
专家系统的基本原理可以概括为三个关键步骤：知识获取、知识表示与存储、推理与决策。
知识获取是指通过对专家进行访谈或观察，获取专家知识的方法和过程。
知识表示与存储是指将获取到的专家知识进行适当的抽象和表示，使得计算机能够理解和处理。
推理与决策是指利用已有的知识进行推理和决策，生成对特定问题的解答和推荐。
专家系统的结构通常由知识库、推理机和用户界面三个主要部分组成。
知识库是存储专家知识的地方，以一种能被计算机所接受和处理的形式存在，如规则库、框架库和案例库等。
推理机是专家系统的核心组成部分，它根据用户输入的问题和已有的知识进行推理和决策，生成最终的结果。
用户界面则是用户与专家系统之间进行交互的接口，包括输入问题、获取答案和展示推理过程等功能。
二、知识工程的研究方法与应用领域知识工程是专家系统研究的重要分支，它致力于通过系统化的方法和技术，对专家系统中的知识进行建模、获取、表示、存储和应用。
知识工程的研究方法主要包括知识获取、知识表示和知识推理三个方面。
知识获取是指通过对专家进行访谈、观察或问卷调查等方式，获取其知识和经验，并将其转化为计算机可处理的形式。
知识获取的方法包括结构化访谈、半结构化访谈、观察法、问卷调查等。
在知识获取的过程中，需要充分考虑专家的知识表达方法和思维方式，以准确地捕捉和记录其知识。
知识表示是指将获取到的专家知识进行适当的抽象和表示，以便计算机能够理解和处理。
专家系统简介
三专家系统简介专家系统是一种以知识推理的定性方式辅助决策的智能技术，利用专家知识进行推理的过程。
专家系统是具有大量专门知识，并能运用这些知识解决特定领域中实际问题的计算机程序系统。
（大量的专家知识，运用知识推理的方法，解决特定问题。
）知识处理的特点：知识包括事实与规则（状态转变过程）；适合于符号处理；推理过程是不固定形式的；能得出未知的事实。
1. 专家系统的定义及构成专家系统是人工智能的一个最活跃的分支，产生于60年代中期，DENDRAL专家系统的出现标志着专家系统的诞生，短短的30多年时间内发展迅速。
目前同自然语言理解、机器人学并列为人工智能的三大研究方向。
至于专家系统的定义，有以下几种说法：（1）专家系统是一个智能程序系统；（2）专家系统能利用仅人类专家可用的知识和解决问题的方法来解决问题；（3）专家系统是一种计算机程序，它可以以人类专家的水平完成专门的一般是困难的问题。
图1专家系统结构1) 专家系统的核心是知识库和推理机。
专家系统=知识库+推理机。
2) 知识获取是把专家的知识按照一定的知识表示形式深入到专家系统的知识库中3) 人机接口将用户的咨询和专家系统推出的建议、结论进行人机间的翻译和转换。
4) 产生式规则知识的推理机。
产生式规则的推理机=搜索+匹配推理过程中边搜索边匹配。
匹配就是找事实，事实一是来自规则库中别的规则，另一是来自向用户提问。
搜索过程中包含回溯。
5) 产生式规则推理的解释。
跟踪和显示推理过程中的搜索和匹配过程就是解释机制。
一般说来，专家系统由下述几个部分构成：（1） 知识库 存储专家的知识、经验及书本上的知识和常识，简称领域(Domain)知识库，包括：领域的专门知识和启发性知识（经验），要求知识库具有完备性和可用性，即知识要全面，同时不能有冗余，即不能存放多余的或无用的知识。
（2）动态数据库存贮专家系统当前要处理的对象的一些事实，包括该领域内的初始论据（初始状态），推理过程得到的各种中间信息,推理的最终结果也在其中。
关于专家系统的一些基本信息
关于专家系统的一些基本信息简介专家系统是人工智能中最重要的也是最活跃的一个应用领域，它实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。
20世纪60年代初，出现了运用逻辑学和模拟心理活动的一些通用问题求解程序，它们可以证明定理和进行逻辑推理。
但是这些通用方法无法解决大的实际问题，很难把实际问题改造成适合于计算机解决的形式，并且对于解题所需的巨大的搜索空间也难于处理。
1965年，f.a.费根鲍姆等人在总结通用问题求解系统的成功与失败经验的基础上，结合化学领域的专门知识，研制了世界上第一个专家系统dendral ，可以推断化学分子结构。
20多年来，知识工程的研究，专家系统的理论和技术不断发展，应用渗透到几乎各个领域，包括化学、数学、物理、生物、医学、农业、气象、地质勘探、军事、工程技术、法律、商业、空间技术、自动控制、计算机设计和制造等众多领域，开发了几千个的专家系统，其中不少在功能上已达到，甚至超过同领域中人类专家的水平，并在实际应用中产生了巨大的经济效益。
发展阶段专家系统专家系统的发展已经历了3个阶段，正向第四代过渡和发展。
第一代专家系统（dendral、macsyma等）以高度专业化、求解专门问题的能力强为特点。
但在体系结构的完整性、可移植性等方面存在缺陷，求解问题的能力弱。
第二代专家系统（mycin、casnet、prospector、hearsay等）属单学科专业型、应用型系统，其体系结构较完整，移植性方面也有所改善，而且在系统的人机接口、解释机制、知识获取技术、不确定推理技术、增强专家系统的知识表示和推理方法的启发性、通用性等方面都有所改进。
第三代专家系统属多学科综合型系统，采用多种人工智能语言，综合采用各种知识表示方法和多种推理机制及控制策略，并开始运用各种知识工程语言、骨架系统及专家系统开发工具和环境来研制大型综合专家系统。
在总结前三代专家系统的设计方法和实现技术的基础上，已开始采用大型多专家协作系统、多种知识表示、综合知识库、自组织解题机制、多学科协同解题与并行推理、专家系统工具与环境、人工神经网络知识获取及学习机制等最新人工智能技术来实现具有多知识库、多主体的第四代专家系统。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
四、专家系统实例
在专家系统中，对知识应用的顺序和选择过程称为控制策略，它决定着如何推 理以及采用何种推理方式。正向推理和反向推理就是两种重要的控制策略。下面 简单介绍一个正向推理的专家系统实例 苏格拉底是男人 所有男人都属于 人类人类必然要 死亡 苏格拉 底是人 类
苏格拉底是男人 所有男人都属于人 类，人类必然要死 苏格拉底是人类
专家系统模型
基于模糊逻辑的专家系统
模糊性是指客观事物在状态及其属 性方面的不分明性, 其根源是在类似事 物间存在一系列过渡状态, 它们互相渗 透、互相贯通, 使得彼此之间没有明显 的分界线。 模糊性是客观世界中某些事物本身 所具有的一种不确定性, 它与随机性有 着本质的区别。 但是, 模糊推理知识获取困难, 尤 其是征兆的模糊关系较难确定, 且系统 的推理能力依赖模糊知识库, 学习能力 差, 容易发生错误。
6.专家系统的特点
B A C
启发性
能运用专家 的知识和经 验进行推理 和判断
透明性
能解决本身 的推理过程, 回答用户提 出的问题
灵活性
能不断地增 长知识, 修改 原有知识
二、研究现状
作为人工智能一个重要分支的专家 系统 (ExpertSys-tem, ES)是在 20世纪 60年代初期产生并发展起来的一门新兴 的应用科学 , 而且正随着计算机技术的 不断发展而日臻完善和成熟。
解释机构
知识获取机构
数据库
推理机
知识库
图1-1
其中知识库和推理机是两个最基本的模块，如图1-2。
知识库（ 储于计算中的知识的集合。知识库通常是 以一个个文件的形式存放于外部介质上， 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。
三、发展前景
1.专家系统的发展趋势 近年来, 发展专家系统不仅要采用各种定 性的模型, 而且要将各种模型综合运用, 以及运 用人工智能和计算机技术的一些新思想和新技
术, 如分布式和协同式。这些都是专家系统的发
展趋势。
1.1 通用性专家系统
专家系统的开发需要领域专家和知识工程师共同努力， 通用性专家系统作为一种新型专家系统, 其特点如下：
目前已研究的专家系统模型有很多种。 其中较为流行的有基于规则的专家系统、 基于案例的专家系统、基于框架的专家系 统、基于模糊逻辑的专家系统、基于 D-S 证据理论的专家系统、基于人工神经网络 的专家系统和基于遗传算法的专家系 统等。
专家系统模型
基于规则的专家系统（ RBR ） 根据以往专家诊断的经验, 将其归纳成规则, 通过启发 式经验知识进行推理。 它具有明确的前提, 得到确定的 结果。如测定分子结构和原子组成的DENDRAL系统。
五、结束语
专家系统是从20世纪末开始的重大技术之一, 是高 技术的标志。专家系统的近期研究目标是建造用于代替 人类进行智能管理与决策的系统，而远期目标是实现具
有更新概念、更佳技术性能和更高智力水平的决策与咨
询系统。总结了专家系统发展的历史和现状，对目前比 较成熟的专家系统模型进行分析, 指出各自的特点和局 限性。我们知道随着专家系统研究的不断深入与发展, 必将进一步推动科技的发展和社会的进步。
基于遗传算法的专家系统
遗传算法(GeneticAlgorithms, GA) 是一种基于自然选择和基因遗传学原理 的优化搜索方法。 与一般的寻优方法相比, 遗传算法 是一种全局优化算法;在模糊推理隶属 度函数形状的选取上具有更大的灵活性; 由于具有隐含并行性, 可通过大规模并 行计算来提高计算速度;可在没有任何 先验知识和专家知识的情况下取得次优 或最优解。
显示: 人类 = TRUE 应用规则: IF 男人 = TRUE THEN 人类 = TRUE . 你说: 苏格拉底 = TRUE 建议证实.
总结：推理机的工作过程如下： （1）推理机将知识库中的规则前提与这些事实进行匹配； 一般是将每条规则的<前提>取出来，验证这些前提是否在数据库中，若 都在，则匹配成功；不然的话，则取下一条规则进行匹配。 （2）把匹配成功的规则的<结论>作为新的事实添加到综合 数据库中。 （3）用更新后的综合数据库中的事实，重复上面两个步骤， 直到某个事实就是意想中的结论或是不再有新的事实产生为止。
④借助辅助数据库，对推理过程可以进行有效的控制与监测，并能整合推理结果，以 多种形式反馈给用户。
1.3
协同式专家系统
一般认为，协同式专家系统是能综合若干相关领域 (或一个领域)多个方面的 单一专家系统互相协作共同解决一个更广领域问题的专家系统，这样的系统亦可 称之为群专家系统。
协同式专家系统作为一种新型专家系统, 其特点有：
1
集成多种模型的专家系统，根据用户的需要，可以 选择其中的任何一种或多种，形成某一类型的专家系统；
2
通过多种模型的综合运用，提高了专家系统的准确 率和效率； 经过长期使用，可以探索出针对某一问题的最佳模 式（多种模型的综合运用)，获得最优的专用专家系统。
3
1.2 分布式专家系统
分布式专家系统具有分布处理的特征, 其主要目的在于把一个专家系统的功能经 分解后分布到多个处理器上并行工作从而在整体上提高系统的处理效率。这种专家系 统较强的可扩张性和灵活性,实现了开发者有效地进行交流和共享资源，极大提高了准 确率和效率。 分布式专家系统作为一种新型专家系统, 其特点有： ①系统数据的所有来源，分门别类地对不同数据来源的数据进行管理，同时系统的数 据完整、准确、实用性强； ②系统开发工具多样，开发环境与应用环境分离，使开发完善过程与应用过程可以独 立地异步进行； ③可以同时完成多用户、多个并发请求的推理；
所谓推理机，就是实现（机器）推理 的程序。这里的推理，是一个广义的概念， 它既包括通常的逻辑推理，也包括基于产 生式的操作。
推理机（Inferense Engine）
图1-2
4.专家系统的工作原理
一般的专家系统是通过推理机与知识库和综合数据库的交互作用来求解领 域问题的，其大致过程如下： 1）根据用户的问题对知识库进行搜索，寻找有关的知识；（匹配） 2）根据有关的知识和系统的控制策略形成解决问题的途径，从而构成一个假设 方案集合； 3）对假设方案集合进行排序，并挑选其中在某些准则下为最优的假设方案； （冲突解决） 4）根据挑选的假设方案去求解具体问题；（执行） 5）如果该方案不能真正解决问题，则回溯到假设方案序列中的下一个假设方案， 重复求解问题； 6）循环执行上述过程，直到问题已经解决或所有可能的求解方案都不能解决问 题而宣告“无解”为止。
5.专家系统与传统程序的区别
专家系统是一种智能的计算机程序，但又与一般的计算机程序不同，传统程 序是以指令序列—程序为核心的。程序相应于知识库,指令相应于知识。程序的 执行是由编译程序和硬件共同完成的。它相当于专家系统的推理机编辑程序相应 于知识获取系统。
但专家系统是比传统程序高一级的程序，它与传统程序有以下三个本质差异。
苏格拉底是男人 所有男人都属于 人类人类必然要死亡 苏格拉底是人类 苏格拉底必然要死亡
最 终 状 态
人类必然要死亡 苏格拉底是人类
苏格拉底必 然要死亡
上图所示实例中，知识库中的规则： IF 苏格拉底=TURE THEN 男人=TURE. IF 男人=TURE THEN 人类=TURE. IF 人类=TURE THEN 会死的=TURE. 解释机构：顺序规则 建议取得由来。 显示： 会死的 = TRUE 应用规则: IF 人类 = TRUE THEN 会死的 = TRUE . 显示: 男人 = TRUE 应用规则: IF 苏格拉底 = TRUE THEN 男人 = TRUE .
①将总任务合理地分解为几个分任务， 分别由几个分专家系统来完成。 ②把解决各个分任务所需要知识的公共部分 提炼出来形成一个公共知识库, 供各子专家系 统共享；而分专家系统中专用的知识，则存 放在各自的专用知识库中。 ③为了统一协调解决问题， 有一个供各 个分专家系统讨论交流的平台。 目前已经有将分布式和协同式结合起来的专家系统
基于D-S证据理论的专家系统
D-S理论具有较强的理论基础, 它能 将“不知道”和“不确定”区分开来。 但它也存在明显的不足, 当证据冲突度较 高时, 经过其组合规则得到的结论常常有 悖于常理；另外，基于D-S理论的专家系 统在数据较多时，具有潜在的指数复杂度 和推理链较长的缺点。
专家系统模型
基于人工神经网络的专家系统 人工神经网络 (ArtificialNeuralNetwork, ANN) 仿效生物体信息处理系统获得柔 性信息处理能力。 基于神经网络的专家系统的 具体应用形式可以根据实际情况 选择不同的神经网络模型, 能够 实现不同的用途。因此 , 基于神 经网络的专家系统是目前最流行 的专家系统 。
知识工程与专家系统简介
基本内容
一、基本概念与结构 二、研究现状
三、发展前景
四、专家系统实例 五、结束语
一、基本概念与结构
1.专家工程的概念
专家系统是知识工程的应用系统，而 知识工程是人工智能发展的新课题。
专家系统（ExpertSystem)亦称专家咨询系统，它 是一种智能计算机(软件)系统。是一个含有大量的某 个领域专家水平的知识与经验智能计算机程序系统， 能够利用人类专家的知识和解决问题的方法来处理该 领域问题。
第一、专家系统的推理机能够根据不同的处理对象从知识库中选择不同的知 识、构成不同的序列，或者说生成不同的程序。 第二、专家系统具有处理非确定性知识和数据的能力。因为它能够根据环境 选择不同的知识序列,或者说用不同的知识组合来权衡知识的非确定性程度,这恰 好符合实际问题中专家解决问题的思维方法。 第三、专家系统强调依靠某一领域的高水平知识来实现高性能,而且专家系 统既能用理论知识，又能应用经验知识。