| 專家系統及應用 |
|
|
|
專家系統（Expert System）是一個具有智能特點的計算機程序，它的智能化主要表現爲能夠在特定的領域內模仿人類專家思維來求解複雜問題。因此，專家系統必須包含領域專家的大量知識，擁有類似人類專家思維的推理能力，並能用這些知識來解決實際問題。例如，一個醫學專家系統就能夠像真正的專家一樣，診斷病人的疾病，判別出病情的嚴重性，並給出相應的處方和治療建議等。 專家系統應用(Expert System Application)是針對實際領域，建造專家系統，用來輔助或代替領域專家解決實際問題。專家系統是人工智能的重要分支，它是人工智能學者從探討一般思維規律方法走向以專門知識信息處理爲中心的轉折點。目前，專家系統的應用幾乎滲透到各行各業。
1.什麼是專家系統
（1）專家系統的概念
所謂“專家”，一般都擁有某一特定領域的大量知識，以及豐富的經驗。在解決問題時，專家們通常擁有一套獨特的思維方式，能較圓滿地解決一類困難問題，或向用戶提出一些建設性的建議等。
那麼，什麼是專家系統呢？簡單地講，專家系統就是一個具有智能特點的計算機程序，它的智能化主要表現爲能夠在特定的領域內模仿人類專家思維來求解複雜問題。因此，專家系統必須包含領域專家的大量知識，擁有類似人類專家思維的推理能力，並能用這些知識來解決實際問題。例如，一個醫學專家系統就能夠像真正的專家一樣，診斷病人的疾病，判別出病情的嚴重性，並給出相應的處方和治療建議等。
目前，專家系統在各個領域中已經得到廣泛應用，並取得了可喜的成果，例如個人理財專家系統、尋找油田的專家系統、貸款損失評估專家系統、各類教學專家系統等。
（2）專家系統的構造 知識庫用來存放專家提供的知識。專家系統的問題求解過程是通過知識庫中的知識來模擬專家的思維方式的，因此，知識庫是專家系統質量是否優越的關鍵所在，即知識庫中知識的質量和數量決定着專家系統的質量水平。一般來說，專家系統中的知識庫與專家系統程序是相互獨立的，用戶可以通過改變、完善知識庫中的知識內容來提高專家系統的性能。
人工智能中的知識表示形式有產生式、框架、語義網絡等，而在專家系統中運用得較爲普遍的知識是產生式規則。產生式規則以IF…THEN…的形式出現，就像BASIC等編程語言裏的條件語句一樣，IF後面跟的是條件（前件），THEN後面的是結論（後件），條件與結論均可以通過邏輯運算AND、OR、NOT進行復合。在這裏，產生式規則的理解非常簡單：如果前提條件得到滿足，就產生相應的動作或結論。
例如，在“動物識別”專家系統中有這樣一條規則：
IF 能做單腿跳嗎 = 否 AND
在蘇格蘭嗎 = 是 AND
高度 = 大
THEN 動物 = 馬
在這條規則當中，IF後面的前件中包含三個條件，只有三個條件都得到了滿足，才能得出該動物是“馬”。反之就得不出這個結論。產生式專家系統的知識庫中包含了大量的規則，換言之，這裏的知識庫就是一個規則集。
推理機針對當前問題的條件或已知信息，反覆匹配知識庫中的規則，獲得新的結論，以得到問題求解結果。在這裏，推理方式可以有正向和反向推理兩種。正向推理是從前件匹配到結論，反向推理則先假設一個結論成立，看它的條件有沒有得到滿足。由此可見，推理機就如同專家解決問題的思維方式，知識庫就是通過推理機來實現其價值的。
人機界面是系統與用戶進行交流時的界面。通過該界面，用戶輸入基本信息、回答系統提出的相關問題，並輸出推理結果及相關的解釋等。
綜合數據庫專門用於存儲推理過程中所需的原始數據、中間結果和最終結論，往往是作爲暫時的存儲區。解釋器能夠根據用戶的提問，對結論、求解過程做出說明，因而使專家系統更具有人情味。
知識獲取是專家系統知識庫是否優越的關鍵，也是專家系統設計的“瓶頸”問題，通過知識獲取，可以擴充和修改知識庫中的內容，也可以實現自動學習功能。
2、專家系統的特點
(1)爲解決特定領域的具體問題，除需要一些公共的常識，還需要大量與所研究領域問題密切相關的知識；
(2)一般採用啓發式的解題方法； (3)在解題過程中除了用演繹方法外，有時還要求助於歸納方法和抽象方法； (4)需處理問題的模糊性、不確定性和不完全性； (5)能對自身的工作過程進行推理(自推理或解釋)； (6)採用基於知識的問題求解方法； (7)知識庫與推理機分離。 3、專家系統應用的領域
最初的專家系統乃人工智能之一個應用，但由於其重要性及相關應用系統之迅速發展，它已是信息系統的一種特定類型。專家系統一詞系由’’以知識爲基礎的專家系統(knowledge-based expert system)’’而來，此種系統應用計算機中儲存的人類知識，解決一般需要用到專家才能處理的問題，它能模仿人類專家解決特定問題時的推理過程，因而可供非專家們用來增進問題解決的能力，同時專家們也可把它視爲具備專業知識的助理。由於在人類社會中，專家資源實相當稀少，有了專家系統，則可使此珍貴的專家知識獲得普遍的應用。
近年來專家系統技術逐漸成熟，廣泛應用在工程、科學、醫藥、軍事、商業等方面，而且成果相當豐碩，甚至在某些應用領域，還超過人類專家的智能與判斷。其功能應用領域概括有：
解釋（Interpretation）－如測試肺部測試（如PUFF）。
預測（Prediction）－如預測可能由黑蛾所造成的玉米損失（如PLAN）。 診斷（Diagnosis）－如診斷血液中細菌的感染（MYCIN）。又如診斷汽車柴油引擎故障原因之CATS系統。 故障排除（Fault Isolation）－如電話故障排除系統ACE。 設計（Design）－如專門設計小型馬達彈簧與碳刷之專家系統MOTOR BRUSH DESIGNER。 規劃（Planning）－就出名的有輔助規劃IBM計算機主架構之佈置，重安裝與重安排之專家系統CSS，以及輔助財物管理之PlanPower專家系統。 監督（Monitoring）－如監督IBM MVS操作系統之YES/MVS。 除錯（Debugging）－如偵查學生減法算術錯誤原因之BUGGY。 修理（Repair）－如修理原油儲油槽之專家系統SECOFOR。 行程安排（Scheduling）－如製造與運輸行稱安排之專家系統ISA。又如 工作站（work shop）製造步驟安排系統。 教學（Instruction）－如教導使用者學習操作系統之TVC專家系統。 控制（Control）－幫助Digital Corporation計算機制造及分配之控制系統PTRANS。 分析（Analysis）－如分析油井儲存量之專家系統DIPMETER及分析有機分子可能結構之DENDRAL系統。它是最早的專家系統，也是最成功者之一。 維護（Maintenance）－如分析電話交換機故障原因之後，及能建議人類該如何維修之專家系統COMPASS。 架構設計（Configuration）－如設計VAX計算機架構之專家系統XCON以及設計新電梯架構之專家系統VT等。 校準（Targeting）－例如校準武器準心之專家系統BATTLE。 4.專家系統如何工作 （1）專家系統的工作過程
專家系統的基本工作流程是，用戶通過人機界面回答系統的提問，推理機將用戶輸入的信息與知識庫中各個規則的條件進行匹配，並把被匹配規則的結論存放到綜合數據庫中。最後，專家系統將得出最終結論呈現給用戶。
在這裏，專家系統還可以通過解釋器向用戶解釋以下問題：系統爲什麼要向用戶提出該問題（Why）？計算機是如何得出最終結論的（How）？
領域專家或知識工程師通過專門的軟件工具，或編程實現專家系統中知識的獲取，不斷地充實和完善知識庫中的知識。
（2）專家系統實例
這裏，我們以一個簡單的“動物識別專家系統”爲例，初步認識專家系統的工作機制及系統特點。該系統的知識庫是一個產生式規則的集合，圖2顯示了其中的2條規則。從原則上來講，規則之間相互獨立，任何兩條規則的“前件”一般都不能重複，也不具有包含關係。小型專家系統的規則可以是幾條几十條，大型專家系統的規則可達上千條，像這個動物專家系統知識庫的規則就只有六條。該“動物識別專家系統”的6條規則也可以採用決策樹方式來表示，如圖3所示。
運行動物專家系統時，系統將通過人機界面向用戶提問，人機對話的一個界面如圖4所示。用戶選擇答案做出相應的回答，然後按“確定”鍵，再回答下一個問題。
專家系統具備“Why（爲什麼）”和“How（怎樣）”的解釋功能。圖5就是計算機對“爲什麼會問‘能做單腿跳嗎’”這個問題的回答，其解答是：系統爲了匹配第一條規則，因此向用戶提出該問題。
同理，最後得出結論之後，用戶還可以通過“How”來查看該結論是如何得出來的。計算機的回答也是對該結論的推理過程的重現。
（3）專家系統外殼
在上面的例子中，我們使用了專家系統外殼InterModeller，這是一個適合中學人工智能教學與應用的簡易型專家系統外殼，學習者可以通過它來建造各種主題的專家系統，同時，它還提供了各種知識表示方法之間的轉換。該軟件的詳情請參見網站：http://www.parlog.com/intermodeller.html。
5、未來的專家系統
目前的專家系統發展確實存在着一些限制，在未來的年代中，許多今日專家系統缺失將會被改善，相信未來專家系統應該繼續研究的項目有：
未來發展的專家系統，能經由感應器直接由外界接受資料，也可由系統外的知識庫獲得資料，在推理機中除推理外，上能擬定規劃，仿真問題狀況等。知識庫所存的不只是靜態的推論規則與事實，更有規劃、分類、結構模式及行爲模式等動態知識。
|
專家系統
發表評論
所有評論
還沒有人評論，想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章