论人工智能之专家系统

人工智能之专家系统
摘要：人工智能有许多备受关注的领域，如：自然语言理解，人工神经系统，专家系统。

专家系统是目前人工智能中最活跃最有成效的一个研究领域。

专家系统是一种基于知识的计算机知识系统，它从人类领域专家那里获取知识，并用来解决只有领域专家才能解决的困难问题。

因此可以这样定义专家系统：专家是一种具有特定领域内大量知识和经验的程序系统，它应用人工智能技术根据某个一个或多个人类专家提供的知识和经验进行推理和判断，模拟人类专家求解问题的思维过程，已解决该领域内的各种问题。

关键词：获取知识推理和判断解决问题
1. 专家系统的类型
解释型专家系统
诊断型专家系统
调试型专家系统
维修型专家系统
教育型专家系统
预测型专家系统
规划型专家系统
设计型专家系统
监测型专家系统
控制型专家系统
2. 专家系统的一般特点
2.1 知识的汇集
一个专家系统汇集了某个领域多位专家的经验和知识及他们协作解决重大问题的能力。

2.2启发性推理
专家系统运用专家的经验和知识进行启发式推理，对问题作出判断和决策。

2.3 推理和解释的透明性
用户无需了推理过程，就能从专家系统获得问题的结论，而且推理过程对用户是透明的。

2.4知识获取与更新
专家系统能够不断的获取知识，增加新的知识，修改原有知识。

3 专家系统的结构
专家系统的结构是指专家系统各组成部分的构造和组织形式。

3.1知识库
知识库以某种存储结构存储领域专家的知识，例如，求解领域问题所需的操作与规则等。

为了建立知识库，首先要解决知识表示问题，即要确定知识表示的外部模式和内部模式。

3.2 全局数据库
全局数据库亦称为“黑板”，它用于存储求解问题的初始数据和推理过程中得到的中间数据，以及最终的推理结论。

3.3 推理机
根据全局数据库的当前内容，从知识库中选择匹配成功的可用规则，并通过执行可用规则
来修改数据库中的内容，直至推理出问题的结论。

推理机包含如何从知识库中选择可用规则的策略和当有多个可用规则时如何消除规则冲突的策略。

3.4 解释器
解释器用于向用户解释专家系统的行为，包括解释“系统是怎样得出这一结论的”，“系统为什么要得出这样的问题来询问用户”等用户需要解释的问题。

3.5用户接口
用户接口是系统与用户进行对话的界面。

用户通过接口输入必要的数据,.提出问题和输出推理获得的结果及系统向用户做出的解释，系统通过人机接口要求回答系统的询问，回答用户的问题并做出解释。

3.6知识获取
知识获取模块把知识把知识工程师提供过的知识转换为知识内部表示模式存入知识库中，在知识存储的过程中，对知识进行一致性，完整性检测。

4 专家系统的开发方法
专家系统的开发是一项综合技术，一个成功的专家系统的开发需要知识工程师和领域专家的密切配合和坚持不屑的努力。

4.1建造专家系统的步骤
根据软件工程的生命周期方法一个使用专家的开发过程可类同一般软件系统的开发过程，分为认识，概念化，形式化，实现和测试等阶段。

4.1.1 认识阶段
知识工程师与领域专家合作，对领域问题进行需求分析，包括认识系统需要处理的问题范围，类型和各种重要特征，预期的效益等，并确定系统开发所需的资源，人员，经费和进度等。

4.1.2 概念化阶段
把问题求解所需要的专门知识概念化，并确定概念之间的关系，并对任务进行划分确定求解问题的控制流程和约束条件。

4.1.3 形式化阶段
把已整理的概念，概念之间的关系和领域专门知识用适合于计算机表示和处理的形式化方法进行描述和表示，并选择合适的系统结构，确定数据结构，推理规则和有关控制策略，建立问题求解模型。

4.1.4 实现阶段
选择适当的程序设计语言或专家系统工具建立可执行的原型系统。

4.1.5 测试阶段
通过运行大量的实例，检测原型系统的正确性及系统性能。

通过测试原型系统，对反馈信息进行分析，进而进行必要的修改，包括重新认识问题，建立新的概念或修改概念之间的联系，完善知识表示与组织形式，丰富知识库的内容，改进推理方法等。

5 专家系统工具
5.1系统生成工具
系统生成工具主要帮助知识工程师构造专家系统中的推理机和知识库结构，按照生成工具的本身特征又可分为以下4类。

5.1.1 程序设计语言
程序设计语言是开发专家系统的最基本的工具，典型的程序设计语言是LISP语言和PROLOG语言，用这两种人工智能语言能方便的表示知识和设计各种推理机。

5.1.2 骨架系统
骨架系统是把一个成功的专家系统删去其特定领域知识而留下的系统框架。

骨架系统继承了原专家系统中行之有效的知识表示形式，推理机和知识库结构及其全部辅助工具。

5.1.3 知识工程语言
知识工程语言是专门用于构造和调试专家的通用程序设计语言，它能够处理不同问题领域和问题类型，提供各种控制机构。

常用的工程语言有：OPS，KEE，POSIE，ART，CLIPS。

5.1.4 专家系统开发环境
专家系统开发环境是以一种或多种工具和方法为核心，加上与之配套的各种辅助工具和界面环境的，完整的集成系统。

5.2系统辅助工具
系统辅助工具主要是用于帮助建造高质量的的知识库和调试专家系统。

知识获取工具和知识库管理与维护工具是最重要的辅助工具。

知识获取工具具有自动知识获取工具，知识库编辑工具，面向问题求解方法和知识获取工具，面向特定知识生成技术的知识获取工具，面向特定问题领域的知识获取工具及基于特定语言的知识获取工具类型。

知识库编辑工具把专家领域知识加工，编辑到知识库中，知识库维护和管理工具能检查输入知识的一些常见错误，自动维护知识库中知识的一致性和完备性。

这些工具不仅能帮助工程师加快建造专家系统的速度，还能保证和提高知识库的质量，调和改进专家系统。

6 . 现状与发展前景
专家系统运用于医疗，军事，地质勘探，化工等领域，产生了巨大的经济效益和社会效益。

于此同时，专家系统开发使用中也存在着一些缺点：
1．知识获取的“瓶颈“。

2．知识“窄台阶“。

3．推理能力弱。

4．智能水平低
以上种种都是专家系统发展中存在的一些限制，在未来年代中，许多今日专家系统的缺陷将被改善，相信未来专家系统应该继续研究的项目有：具有处理常识的能力，发展深层的推论系统，不同层次的解释能力，是专家系统具有学习的能力。

未来发展的专家系统，能经由感应器直接与外界接受资料，也可由系统外的知识库获得资料，在推理机中除推理外还能拟定计划，仿真问题状况等。

参考文献
[1] 尹朝庆. 人工智能方法与应用. 武汉：华中科技大学.2007
[2] 蔡瑞英. 李长河. 人工智能. 武汉：武汉理工大学出版社.2003
[3] 金聪. 郭京蕾. 人工智能原理与应用. 北京. 清华大学出版社. 2009。