专家系统与传统程序-Read.PPT

第五章 专家系统 一、什么是专家系统 1.1 专家 专家：指在某一专业领域内其专业知识与解决问题的能力达到很高水平的学者或技术人员。 专家的能力：指专家对某一领域问题的理解及解决问题的技能。 专业知识 公开知识； 个人知识。 1.2 专家系统的概念 专家系统(Expert Systems, ES)：目前尚无统一的定义。 简单定义为，专家级、智能型的计算机程序系统。 具体地说，就是利用存储在计算机内的某一特定领域内人类专家的知识，来解决过去需要人类专家才能解决的现实问题的计算机系统。 专家系统与专家在知识广度、深度、速度和精度上存在差异。 二、专家系统的产生与发展 2.1 孕育期（1965年前） 1956年人工智能诞生，早期的人工智能是从具体的问题入手的。如1956年Newell和Simon编制的LT系统实现定理证明；Samuel研制的西洋跳棋程序CHECKERS。 60年代初期，AI集中开发通用的方法和技术，如通用问题求解程序( GPS) ； 60年代中期AI工作者认识到知识在问题求解过程中的重要性； 1960年， J. McCarthy研制成功了面向人工智能程序设计的LISP语言。 2.2 产生期(1965~1971) 1965年， E. A. Feigenbaum研制成功化学结构专家系统DENDRAL；标志ES的诞生，并第一次显示知识对AI的重要性； 1968年，数学领域的专家系统MACSYMA产生； DENDRAL 和MACSYMA被称为第一代专家系统。它们通过牺牲通用的问题求解能力，开始了专门知识的建模，以获取专门领域的高性能；它们把启发式程序、符号推理技术运用到了实际问题的求解。 2.3 成熟期(1972~1977) 此阶段一批卓有成效的专家系统出现，涉及领域包括医疗、地质、教学、数学、自然语言理解等。 几个典型代表： 74年，MYCIN：用于治疗和诊断感染性疾病； 76年，CASNET：用于治疗青光眼疾病； 76年，PROSPECTOR: 用于根据地质寻找矿藏； 73年，HEARSAY: 语言理解； 1972年，A. Colmerauer 提出逻辑程序设计语言PROLOG面世。 此阶段相比于第一代专家系统，在以下几个方面开始了研究和改进： 知识组织的形式化技术：开始了知识库方式的建模和各种知识表示技术的应用和研究。 系统的人机接口：开始研制近乎自然语言的交互式人机接口，使ES能够适应非计算机专业人员的使用和掌握。 系统的解释机制：开始了专家系统透明性的研究，使用户能够理解系统的行为。 不精确推理技术：针对客观存在的不精确或不完全的数据和知识，增强了专家系统对专家启发式知识的表达能力。 专家系统通用性的研究：开始把具有一定通用性的推理方法和领域的专门知识结合起来，试图构造有通用性的专家系统框架。 2.4 发展期(1978~至今) 此阶段研究突出在以下几个方面： 自动知识获取系统研制 采用归纳式知识获取设计Meta-DENDRAL 骨架系统等建造ES的工具相继出现 EMYSIN、EXPERT 知识库管理系统(KBMS)的研制 新型专家系统研制 生物学专家系统MOLGEN 三、专家系统的功能与结构 3.1 功能 专家系统应当具备以下几个功能： 存储专业领域知识； 存储具体问题求解过程中的初始证据数据和推理过程中的各种信息与数据； 利用已有知识解决专业问题； 对推理过程和结论作出必要的解释； 提供用户接口； 提供知识获取、知识库修改完善等维护手段。 3.2 结构 知识库：用以存放领域专家提供的专门知识，知识库中拥有知识的数量和质量是系统性能和问题求解能力的关键因素，此是建立ES的核心任务。 综合数据库：用于存放问题求解的初始证据、中间结果、目标、求解状态及最终结果等。 推理机：在一定控制策略下针对综合数据库中的当前信息，识别和选取知识库中的有用知识进行推理。常采用不精确推理。 知识获取程序：辅助知识工程师获取知识的程序及系统的自学习模块等。 解释程序：根据用户的提问，对系统得出的结论、求解过程提供说明。除了能增加系统的可接受性外，在系统自身的生成、测试、运行和维护过程中起着重要的作用。 人机接口：专家或用户能理解的信息 系统能理解的形式. 3.3 知识获取 (一) 知识获取的概念 知识获取就是把用于问题求解的专门领域知识，从拥有这些知识的知识源中抽取处理，并转换为特定的计算机表示形式。 知识源包括书籍、杂志、数据库、专家和人类自身的经验。 计算机表示形式有产生式、逻辑、语义网络、框架等表示。 (二) 知识获取