专家系统与推理技术ppt课件

专家系统的出现
• • • • • MYCIN ： 1973 年开始研制，包括 450 条细菌性血液感 染诊断规则，其不确定推理方式至今有很大影响 PUFF：在MYCIN框架上开发的肺病诊断专家系统，曾 在医院投入实际使用 HEARSAY ：卡耐基 - 梅隆大学研制的语音理解系统， 语音理解能力达到了10岁儿童的水平 PROSPECTOR：地质勘探专家系统，曾在使用中发现 大型钼矿 XCON：卡耐基-梅隆大学研制，用于VAX计算机配置， 投入实际运用
专家系统的体系结构
专家系统的体系结构
• 知识库：实现知识的存取、修改与维护，包括 智能检索、知识更新以及语义完整性维护 • 全局数据库或称工作存储器，是反映当前问题 求解状态的集合，用于临时存放求解问题所需 的各种初始数据或证据，以及求解期间由专家 系统产生的各种中间信息，有时还包括中间假 设或中间结论之间的“链”关系等。全局数据 库中由各种事实、断言和关系组成的状态，既 是推理机选用知识的依据，也是解释机制获得 推理路径的来源。
专家系统的体系结构
• 推理机：主要由调度程序与解释程序组成，是实施问 题求解的核心执行机构。 调度程序依据全局数据库中的当前问题状态及有关信 息．按一定的控制策略从知识库中识别和选取可用的 知识。当有多条知识可用时，一般采用冲突消除策略， 从中选出一条知识，交解释程序执行。 解释程序的任务是根据知识的语义，对找到的知识进 行解释执行，并把结果记录到全局数据库的适当空间 中。由于给定信息的不确定和所用知识本身的不确定， 推理过程中一般都包含不确定信息的处理。
什么是专家系统
• Feigenbaum1982年给出的定义为： “专家系统是一种智能的计算机程序，这种 程序使用知识与推理过程，求解那些需要 杰出人物的专门知识才能求解的高难度问 题。” • ES的核心是知识库和推理机 • 传统软件：数据结构+算法=程序 • 专家系统：知识+推理=系统
与其他人工智能系统的区别
专家系统的体系结构
• 用户界面：是专家系统和用户之间进行交互通信和信 息交换的媒介。专家系统的生命力在于它能同用户一 起组成高性能的人机共存系统，友善的用户界面是这 种人机共存系统的重要组成部分。 用户和系统之间一般用面向问题的受限自然语言进行 交互作用。用户界面主要由语言处理程序组成，它接 受用户输入的询问、命令和其他各种信息，并翻译成 系统有关部分可按受的形式；同时，它接受系统输出 的回答、求解结果、行为解释等信息，并翻译成用户 易理解的形式。许多专家系统使用语言分析程序翻译 用户的输入，并用简单的预制文本技术产生面向用户 的输出信息。目前，多媒体技术开发的用户界面，开 始成为主流
专家系统与推理技术
专家系统的出现
• 智能的核心是知识 • 从公理出发的逻辑体系无法解决组合爆炸问题， 而知识有助于解决这一问题 • 于是，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
专家系统的出现
• 1965-1968，第一个专家系统DENDRAL研制成功，用 于化学分子结构分析。该系统能根据质谱仪数据推断 未知有机化合物的分子结构。（已商品化） • 该系统是一个启发式系统，具有从化学专家那儿获得 的关于质谱测定法的知识，把它结合到控制搜索的规 则中，能迅速消去不可能为真的分子结构，避免了以 指数级膨胀的搜索。通过产生全部可能为真的结 构．它甚至可以找出那些人类专家往往会漏掉的候选 结构。 • 此后大量的专家系统被开发出来，并产生了专用于专 家系统开发的工具软件
专家系统的体系结构
• 知识获取机制：专家系统中把问题求解的各种专门知识从人类专 家的头脑中或其他知识源那里转换到知识库中来的一个重要机构， 有手工、半自动、自动三种方式，目前以半自动为主 • 解释机制：是专家系统中回答用户询问、对自己的问题求解过程 或对自己当前的求解状态提供说明的一个重要机构。解释机制涉 及程序的透明性，它让用户理解程序正在做什么和为什么这样做， 向用户提供了关于系统的一个认识窗口，让用户去理解系统为什 么要作出这样或那样的决策和建议 解释机制一般使用几个比较通用的问答规划。为了回答“为什么” 得到某个结论的询问，系统通常需要反向跟踪全局数据库中保存 的解链或推理路径．并把它翻译成用户能接受的自然语言表达方 式。为了回答“为什么不”之类的询问，系统一般要使用有关解 释技术的启发式方法
• 从应用目标看，作为一种实用的软件，专 家系统处理的问题部属于现实世界中通常 需要人类专家的大量专门知识才能解决的 复杂问题，必须可靠地工作，在合理的时 间内提供可用的解答。许多经典人工智能 程序，如定理证明程序，往往是从纯学术 技术目的出发，只求解抽象的数学问题、 逻辑问题或简化了的实际问题。
与其他人工智能系统的区别
与其他人工智能系统的区别
• 从用户界面看，专家系统不仅能给出智能的建议 或决策，而且有能力以用户直接理解的方式解释 和证明自己的推理过程。专家系统的这种解释机 制为各类用户提供了一种透明的界面。问题领域 的人类专家能够借此检验系统所用知识是否合理， 软件设计者能够借此调试知识库和执行程序的正 确性，一般用户可以从中学习推理知识和理解推 理的结论。其他应用程序经常被用户视作“黑箱” 或“灰箱”。专家系统的这种透明界面，大大提 高了用户对系统求解复杂问题所得结论的可接受 性。专家系统还具有很强的人机交互功能，它能 同各类用户一起，构成高性能的人机共同思考的 系统。
• 从求解手段看，专家系统的高性能是通过牺牲问 题求解的通用性换来的。一方面，它把求解的问 题领域局限在比较狭窄的特定专业领域，另一方 面，比起一般人工智能程序比较注重的通用弱方 法来，比起形式化的推理方法和搜索技术来，专 家系统更强调特定领域中来自人类专家的具有很 强启发能力的专门知识，包括特定领域问题求解 所特有的过程性专业知识和控制性策略知识。专 家系统所拥有的这种启发式知识的质量和数量， 决定着系统的性能，也直接影响到问题求解的效 率。