人工智能 第二章 产生式系统与专家系统.ppt

人工智能 华中科技大学水电与数字化工程学院 二、专家系统的开发步骤 专家系统的开发一般分为以下几个阶段： 问题识别阶段、概念化阶段、形式化阶段、实现阶段和测试阶段。 问题识别，即问题知识化，即辨别所研究问题的实质，如要解决的任务是什么，它是如何定义的，可否把它分解为子问题或子任务，它包含哪些典型数据等。 概念化，揭示描述问题所需的关键概念、关系和控制机制、子任务、策略和有关问题求解的约束。 形式规则化，把概念化阶段概括处理的关键概念、子问题和信息流特征形式化地表示出来。 实现阶段，把前一阶段的形式化知识编程计算机的软体，即要实现知识库、推理机、人机接口和解释系统。 测试阶段，通过运行实例评价原型系统以及用于实现它的表达形式，从而发现知识库和推理机制的缺陷。 根据测试的结果，对原型系统进行修改。 2.7 专家系统的开发工具 一、用于开发专家系统的程序设计语言 用于开发专家系统的程序设计语言有两类： 一类是面向问题的语言，如FORTRAN、PASCAL、C等，这一类语言是为某些特定类型的问题设计的，适合于科学、数学和统计问题领域。 另一类为符号处理语言，这是专门为人工智能应用而设计的，所有称为面向AI的语言。 最常用的是LISP语言和PROLOG语言。 LISP语言是用于专家系统开发最广泛的程序设计语言，如前面介绍的MYCIN系统和PROSPECTOR系统都是用LISP语言开发的。 PROLOG语言是基于演绎推理的已知逻辑型程序设计语言。 PROLOG语言可以根据问题的有关的知识，进行演绎推理，通过一致化、代换、归结、回溯等逻辑演算，寻求适当的策略进行问题求解。所以，PROLOG语言越来越受到人们的青睐。 二、骨架系统 骨架系统是由已有的成功的专家系统演化而来的。它抽取了原系统中具体的领域知识，而保留了原系统的体系结构和功能，再把领域专用的界面改为通用界面。 在骨架系统中，知识表示模式、推理机制等都是确定的。利用骨架系统作为开发工具，只要将新的领域知识用骨架系统规定的模式表示出来并装入到知识库中就可以了。 在专家系统的建造中发挥了重要作用的骨架系统主要有EMYCIN，KAS和EXPERT等。 EMYCIN系统是由MYCIN系统抽去原有的医学领域知识，保留骨架而形成的系统。它采用产生式规则表示知识，目标驱动的反向推理控制策略，特别适合开发各种领域咨询、诊断性专家系统。 KAS系统是由PROSPECTOR系统抽去原有的地质勘探知识而形成的。当把某个领域知识用KAS所要求的形式表示出来并输入到知识库中后，它就称为一个可用的PROSPECTOR的推理机构来求解问题的专家系统。 EXPERT系统是在已成功开发的专家系统及工具如CASNET系统(青光眼诊断系统)等的基础上设计完成的一个骨架系统，适合开发诊断和分类型专家系统。 用骨架系统开发领域专家系统可以大大减少开发的工作量，但也存在一定的问题，主要问题是骨架系统只适合于建造与之类似的专家系统，因其推理机制和控制策略是固定的，所以局限性较大，灵活性差。 三、通用型知识表达语言 通用型知识表达语言并不严格地倾向特定的领域和范例系统，所以能够处理许多不同领域和类型的问题。 目前这类通用型语言已很多，如OPS5，ROSIE，HEARSAYIII，RLL，ART等。 OPS5是美国卡内基－－梅隆大学开发的一种通用型知识表达语言，其特点是将通用的表达和控制结合起来，提供了专家系统所需的基本机制，并不偏向于某些特定的问题求解策略或知识表达结构。 OPS5允许程序设计者使用符号表示并表达符号之间的关系，但并不事先定义符号与关系之间的含义。 这些含义完全由程序设计者所写的产生式规则确定。 四、系统开发环境 专家系统开发环境又称为专家系统开发工具包，它可为专家系统的开发提供多种方便的构件。 例如知识获取的辅助工具、适应各种不同知识结构的知识表示模式、各种不同的不确定推理机制、知识库管理系统以及各种不同的辅助工具、调试工具等。 2.8 专家系统应用举例 一、基于可信度的地下矿床采矿方法选择专家系统 在专家系统的研制和开发的实际过程中，由于领域专家的知识和要处理的信息往往是不确定的，也不精确的，或者说不完全知道的，甚至是模糊的，而且彼此不相一致。 为了把这些不确定性的知识表示在专家系统中，而且还要用这些形式化了的不确定性知识进行判断，推理和决策，许多专家系统的研究人员，在研究不确定或不精确知识表示的同时，还针对各类问题本身的特征提出了许多不精确推理模型及其相应算法。 比如，概率模型，D-S证据理论及其算法，模糊推理模型，以及可信度因子模型及其算法。 地下采矿方法的选择过程，一般是依据专家经验和智慧，通过一系列的逻辑推理，分析，判断，从种类繁多的采矿方法中选择最佳或较佳方案。 在表达这一领域