1.1智能化技术的应用领域剖析.ppt

1、智能化技术的应用领域 2.软件领域――基于知识作问题求解的智能化软件系统KB 软件智能化现状 脆弱性和不可靠性。当要解决的问题超出经验性知识可处理的范围之外时,系统的处理能力急剧下降。 解释功能差。只能用推理过程中涉及的经验知识（启发式规则）解释问题的结果和过程，往往不能令人信服。只有按照领域的基本原理和常识作解释，才能使用户真正信服。 缺乏组织，不适合解决复杂问题。不成功的专家系统大多数只包含一个推理规则集（IF THEN形式）和使用单一控制策略的推理机制，这使系统只适用于中低复杂程度的解答枚举型问题，如诊断、预测、解释等，而不适合于复杂程度高的解答生成型问题，如规划和设计。 不能与常规软件紧密结合。工程技术问题依赖于常规的数值计算和数据库技术，因此人工智能技术只能加强而不能取代常规软件。 知识获取的困难。抽取和概括经验知识难度很大。 1、智能化技术的应用领域 2.软件领域――基于知识作问题求解的智能化软件系统KB 软件智能化现状 知识处理技术的深化 （1）开发深入理解 开发领域专家对应用领域和问题求解任务的深入理解，集中在两个方面：引入深层推理，实现问题求解的结构化组织。 深层推理是指使用领域的专业基础知识作定性推理。深层知识包括应用领域的基本原理、普通技术人员皆知的常识以及有关事物的结构、功能、因果和行为的知识，它是相对于领域专家的经验性启发式关联知识，即经验知识而言的（称为浅层知识）。浅层知识就是在运用深层知识的过程中高度概括并经反复验证和精化产生的。浅层知识突出了主要特征和关键步骤，提高了解决问题的效率，但由于它是深层知识的提炼和抽象，因而是不完备的，省略了一些难以预言的关键知识。一但要解决的问题超出了浅层知识的条件范围，处理能力会急剧下降。具有深层知识，能在解决问题中表现出强健性，即使碰到新问题，无经验知识可用，也能基于深层知识解决或部分解决问题。 1、智能化技术的应用领域 2.软件领域――基于知识作问题求解的智能化软件系统KB 软件智能化现状 知识处理技术的深化 （1）开发深入理解 正如前所述，通过深层推理来解决问题，强健而可靠，但因推理步小，涉及的知识量大，效率低，浅层推理的推理步大，涉及的浅层知识量精炼，效率高。因此，高性能的KB系统应综合深、浅层推理，这就要求对问题求解作良好的组织。 问题求解的组织是指如何组织知识库中的知识，并通过清晰地表示推理控制来组织问题求解。简单的KB系统往往给人一种错觉－－知识库是规则的罗列，不需组织。实际上，问题求解的组织是存在的，只是隐含于推理机中，如专家系统工具OPS5的冲突解法（在问题求解某一步存在多条规则可用时的规则选取方法）。规则库的设计也可以通过设计一些控制元素来影响规则的执行次序。显然，对于复杂的困难问题，仅依靠上述手段来组织问题求解是难以奏效的。通过清晰地表示推理控制（而不是隐含于推理机中）来组织问题求解是一条有效的途径。 1、智能化技术的应用领域 2.软件领域――基于知识作问题求解的智能化软件系统KB 软件智能化现状 知识处理技术的深化 （1）开发深入理解 结构化组织的目的就是以操作在特定知识体上的基本任务（子任务）来清晰地合成推理技术。知识集结于子任务，服务于特别的推理步，使得基本的通用问题求解方法可以综合使用并与领域知识紧密结合，形成高效的专用问题求解方法，结构化组织促进了知识获取的自动化和各种计算技术（人工智能和常规计算技术）的综合集成。 1、智能化技术的应用领域 2.软件领域――基于知识作问题求解的智能化软件系统KB 软件智能化现状 知识处理技术的深化 （2）知识获取的自动化 实现KB系统的一个关键是知识获取。目前，知识获取仍以手工方法为主：由知识工程师通过与领域专家的会谈，抽取、概括领域专家的知识，再转变为适合计算机处理的形式传送到知识库中。手工方法获取知识费时费力，成为KB系统开发的瓶颈。通过机器学习自动获取知识实用性较差。比较实用的方法是为知识获取提供有效的计算机辅助手段。即为领域专家提供抽取、归纳和概括领域知识的人机界面，通过自然语言的输入方式获取知识。 1、智能化技术的应用领域 2.软件领域――基于知识作问题求解的智能化软件系统KB 软件智能化现状 知识处理技术的深化 （3）与主流计算环境的紧密结合 人工智能的研究与开发形成了封闭式的自成体系的计算环境（Lisp语言，Lisp机和人工智能工作站），脱离主流计算环境（常规程序设计语言、低价高性能微机、网络环境、分布式计算），影响了系统的实用化。另外，人工智能系统必须与常规软件技术（数值计算软件）紧密结合应用。与主流 计算环境的结合有两种方式： 将经验知识、深层知识和隐含于常规软件中的知识，统一用人工智能的技术加以组织，用经验知识