人工智能论文.docx

基于mycin系统的结构分析及其应用举例浅谈专家系统陆浩炜 09电气四班 6号 学号：200930211136摘要：人工智能（artificial intelligence，ai）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，mycin系统是美国斯坦福大学建立的对细菌感染疾病的诊断和治疗提供咨询的计算机咨询专家系统, mycin系统是对专家系统的理论和实践都有着很大贡献的早期专家系统之一,为了处理事实和规则的不确定性，mycin系统采用非精确推理。现在的许多专家系统都引用了mycin系统的设计思想和逻辑推理方法。本文以mycin系统为例，介绍该专家系统的用途、主要结构、知识表示方法、推理方法和大致工作过程等，并简述mycin系统在国内的发展现状。关键词：mycin模型，人工智能，专家系统，不精确推理。1引言：费根鲍姆解释专家系统“是一个已被赋予知识和才能的计算机程序，从而使这种程序所起到的作用达到专家的水平”，这种“专家水平”意味着医学教授做出诊断和治疗的水平。mycin system是一种帮助医生对住院的血液感染患者进行诊断和用抗菌素类药物进行治疗的专家系统。mycin系统是 70 年代初由美国斯坦福大学研制，用lisp语言写成。从能与控制结构上可分成两部分：以患者的病史、症和化验结果等为原始数据，运用医疗专家的知识进行向推理，找出导致感染的细菌。若是多种细菌，则用 0 到1的数字给出每种细菌的可能性。感染性疾病是内科中一种非常重要的疾病,病情发展速度快,如果得不到及时的治疗,病人会有生命危险。因此,要诊断这样的疾病不但要有非常丰富的临床经验,而且还需要大量的药物知识。在这样的需求环境下, 1972年开始了构建mycin系统,并在此系统的基础上产生了一系列用来管理mycin系统的医学知识系统。典型的专家系统mycin后来被知识工程师视为“专家系统的设计规范”，现在的许多专家系统都是以mycin系统为代表的基于规则的专家系统,mycin系统应用在农业、银行业、保险业、咨询与审计行业以及商业企业中。总体来说,mycin系统的应用领域非常广泛,涉及到社会、经济和服务领域。2 mycin系统结构2.1系统的设计目标细菌感染疾病专家在对病情诊断和提出处方时,决策过程很复杂,主要靠医生的临床经验和判断。mycin系统试图用产生式规则的形式体现专家的判断知识,以模仿专家的推理过程。系统的总体目标是医生向系统输入病人信息,系统对之进行诊断,并提出处方。系统通过与内科医生之间的对话收集关于病人的基本情况,例如临床情况、症状、病历以及详细的实验室观测数据等。系统首先询问一些基本情况,内科医生在回答询问时所输入的信息被用于做出诊断。诊断过程中如需要进一步的信息,系统就会进一步询问医生。一旦可以做出合理的诊断,mycin列出可能的处方,与医生作进一步对话,选择适合于病人的处方。在诊断引起疾病的细菌类别时,取自病人的血液和尿等样品,在适当的介质中培养,可以取得某些关于细菌生长的迹象。但要完全确定细菌的类别经常需要24到48小时或更长的时间。在许多情况下,病人的病情不允许等待这样长的时间。因此,医生经常需要在信息不完全或不十分准确的情况下,决定病人是否需要治疗,如果需要治疗的话,应选择什么样的处方。因此,mycin系统的重要特性之一是以不确定和不完全的信息进行推理。2.2系统的框架和组成要素现代专家系统的主要组成部分有：1.知识库（knowledge base）;2.综合数据库（global database）;3.推理机（reasoning machine）;4.解释器（interpreter）;5.接口（interface）.mycin系统经过几十年的发展，已经形成了一套成熟的功能齐全的结构体系，现阶段经过不断优化后的最新的系统组成要素为:用户接口子系统、咨询子系统、解释子系统、知识获取子系统、案例信息库、诊断信息库、诊断知识库。简易的系统结构如下图1 图一 mycin 系统中的信息流及信息流控制流程图2.2.1用户接口子系统mycin系统中,用户界面是专家系统与用户进行信息交换的唯一窗口。因此,设计一个单独的用户接口子系统,使得医生用户和领域专家通过该子系统与专家系统进行交互,实际上,专家系统的对话结构在运行时是动态,推理机以及知识库里内容和结构决定其对话结构。而这样的接口设计方法可以使得快速原型法得到增强,优化用户与系统的对话,以及输出的结果为有益的价值。2.2.2咨询子系统咨询子系统相当于推理机,它的模式可以是知识库结构和解释器结构。由于咨询子系统担负着使用知识和数据推断病人所患的感染病并选用合适的药物的任务,所以在该子系统中采用知识库模式。2.2.3解释子系统解释子系统采用解释器结构,解释方法一般有以下几种:预制文本与路径跟踪法、策略解释法以及自动程序员方法。最简单的解释方法是预制文本法,将问题答案预先用英文写好插入到程序中,通过显示这些文本回答用户的提问;路径跟踪法是通过推进过程和重新构造说明系统的行为。在mycin系统中,采用的是预制文本与路径跟踪解释法。mycin系统具有较强的解释功能,医生用户可以向系统提出询问关于病人的当前知识状况、关于当前咨询的演绎问题、关于mycin决策规则的任何问题,不考虑这些规则是否适用咨询。因此,采用这种解释方法具有很大局限性。2.2.4知识获取子系统知识获取是解决知识拥有量的问题,它直接影响问题求解系统或专家系统的求解水平。通过该子系统与领域专家和知识工程师的交互,使知识库获得专家知识。通过不断优化知识获取子系统,使诊断知识库中的知识可以修改、充实和提炼，更重要的是设计系统具有自我学习功能,即知识获取子系统可以从案例信息库里提取相应的知识,使mycin系统的性能得到不断的完善。2.2.5诊断信息库诊断信息库子系统采用基于事件驱动模式结构,该库中存放病人症状、化验结果和系统推出的结论等数据库信息,该信息库是动态的数据库形式。诊断信息库中的数据应该包括医生用户提供的数据和系统通过推理机推理并通过解释器解释后的数据,即系统推出的数据。2.2.6诊断知识库诊断知识库存放诊断治疗知识,采用基于事件驱动模式结构。mycin系统有很丰富的医学知识,包括诊断方面的知识和治疗方面的知识,从而使治疗感染性疾病的能力达到了专家水平。原始的mycin系统诊断知识库中的知识只来源于知识工程师和感染性疾病诊断专家的知识，系统中的医学知识是以规则的方式表示的,然而每个对象都有自己的特性表,并有一些静态知识,因此,设计诊断知识库具有自学习的功能,库中的知识还应该来源于案例信息库,即不断从诊断过程中提取知识,便于诊断知识库中的知识得到更新。2.2.7案例信息库案例信息库子系统采用是基于事件驱动结构,作为新增加的信息库,主要存储系统对诊断处理的过程信息和经过解释子系统解释的诊断结果信息。因此,案例信息库的这些记录信息有利于优化的mycin系统的自学习,使得诊断知识库中的知识根据案例信息库中一系列信息实时更新。以上的mycin系统组态要素跟原mycin系统已经做了较大的改进,接口子系统便于领域专家和医生用户与专家系统交互;案例信息库中存储诊断处理的过程信息和经过解释子系统解释的诊断结果信息;推理机中的推理方法采用了正向推理和反向推理相结合的混合推理技术;在解释子系统中,增加了自动程序员解释方法,使得系统的能够给用户提出一个有利的解释;在知识获取子系统中,增加了从案例信息库中获取知识;增加了诊断知识库中的知识实时更新的功能，使得优化的mycin系统具有自学习的功能并改进了系统的性能。3 知识库的构造mycin 的知识库以前提-动作型产生式规则来表示诊断和治疗细菌感染性疾病的专家级医学知识，以实现专家级诊断和治疗能力。规则的表示结构以 bnf 范式描述如下： := rule premise ($and +)action + := |（$or +）其中，简单条件以 mycin 提供的 4 类简单函数来表示。最常用的函数是 same，其 bnf 范式描述如下：（same ）在推理机对规则进行解释执行时，same 函数指示推理机请求用户证实该对象是否有该属性值（当属性值是原始观测数据时），或经由逆向推理证实该属性值。这里证实的程度以所谓的可信度（cf-certaintyfactor）来指示。cf 的取值范围是-1，+1，-1 表示假，+1 表示真，0指示无法确定真假的程度，其它值或多或少指示真假的程度。cf 可以由用户在回答关于证实的请求时直接给出，或由逆向推理产生。规则中的动作也以简单函数表示，最常用的是 conclude，其将对象的属性值作为推理结论加进综合数据库，并记载推理结论的实际可信度。conclude 函数的 bnf 范式描述如下:(conclude tally )其中，tally 用于存放规则前提的 cf(计算方式请参阅 7.2.2 节)。结论 cf 意指规则本身的可靠（可相信）程度，即在规则前提 cf 为 1（真）的情况下，结论为真的可能程度。实际上 mycin 知识库收集的大多数规则均是启发式关联知识，取自医疗专家多年积累的经验，不保证完全正确，所以引入结论可信度是十分必要的。结论 cf 的取值范围也是-1,+1,其与规则前提在推理中使用时的实际 cf 相乘，即可得到规则结论的实际 cf（参阅 7.2.2 节）。例如，tally 当前值为 0.8，而结论 cf第五章 专家系统实例-mycin35为 0.4，则结论的实际 cf 为 0.32。mycin 系统建立的初期就以上述格式表示和收集了 200 多条规则于知识库，其中 047 号规则表示如下：rule 047premise ($and (same cntxt site blood)(notdefinite cntxt ident)(same cntxt stain gramneg)(same cntxt morph rod)(same cntxt burn t)action (conclude cntxt ident pseudomonastally 0.4)该规则的英语形式（已翻译为汉语）如下：规则 047如果：1）培养物取自血液，且2）病原体的身份未鉴别，且3）病原体的染色是革兰氏阴性，且4）病原体的形态为杆状，且5）病人被烧伤；那么：该病原体的身份应鉴别为假单胞细菌，且可信度为 0.4。其中，cntxt 意指推理过程中需考察的相应对象，作为综合数据库的主要内容，mycin 系统称其为上下文，并区分为 10 类。上述规则中已涉及到三类：病人(person), 从病人身上提取的培养物（curculs），从培养物中分离出的病原体（curorgs）。另外还有给病人使用的抗生药物和治疗手术等。每一类上下文对象都有其特有的属性（也称临床参数），属性又可按其取值特性区分为单值型（只可取单一值）、多值型、可问型（可通过向用户询问来取值）、可导型（可基于规则推导出值）等。对象、属性和值构成所谓的关联三元组，由于属性名隶属于特别类型的上下文对象，所以规则 047 前提中的 cntxt 隐含地指示了三种不同类型的上下文对象。4推理机的设计mycin 系统的推理机分二个阶段四个步骤诊断和治疗细菌感染性疾病。整个推理过程通过称为目标规则的 092 号规则来启动：规则 092如果：1）存在一种病原体需要治疗，且2）可能存在其它需要治疗的病原体，尽管它们尚未从目前的培养物中分离出来；那么：1）依据病原体对药物的敏感情况，制定能有效抑制这些病原体的治疗方案（可以有多个），且2）从中制定最佳的综合治疗方案；否则：病人不必治疗。该规则反映了医生诊断和治疗疾病的决策过程，即首先确定病人有无治疗细菌感染的需要，并进一步确定引起感染的细菌；然后制定若干可能的治疗方案，并从中制定最佳的综合治疗方案。前二个步骤对应于诊断阶段，并由该规则的前提部分表示；后二个步骤对应于治疗阶段，并由该规则的结论部分指示。显然，在前提不满足的情况下，病人不必治疗。4.1诊断的推理控制诊断的推理控制采用逆向推理和深度优先的搜索策略。mycin 的咨询模块由医生启动后，首先在综合数据库（mycin 称为动态数据库）中建立上下文对象：病人-1（patient-1），作为一棵上下文树的根节点，并依据病人特有的属性，向医生询问病人的姓名、年龄和性别，然后以建立病人的治疗方案(regimen)为目标，激活上述规则 092。由于该规则前提包含的二个条件不能通过询问用户来证实，就需寻找能推出这些条件（使这些条件满足）的规则（这些规则以这二个条件之一作为结论），例如规则 090 和 149。这些规则的前提包含的条件又可作为子目标，应寻求其它规则来支持。如此类推，形成规则链，直到链末端规则的前提包含的条件都能直接由原始证据（医生提供的观测结果）证实为止。这样的推理过程导致推理树（或称目标树）的建立。由于规则 092 的前提涉及到病原体的属性 treatfor（需要治疗）和培养物的属性 coverfor(有病原体隐藏)，就需在上下文树中增加新的节点，以记载培养物-1 和病原体-1 的属性值（图 5.2）。随着推理过程的进展，推理树将逐渐增大，上下文树也逐渐形成。由于导出相同结论的规则（如090 和 149）相互独立地支持结论的成立（有或关系），而规则前提包含的条件又有与关系，所以推理树成为与或树。mycin 系统通过两个相互调用的程序 monitor 和 findout 去推进整个推理（咨询）过程。前者分析相关的规则能否激活，后者则搜索规则激活所需的数据（属性值及其 cf）。两者的流程分别参见图 5.3 和图 5.4。正是由于 monitor 和 findout 的相互嵌套调用，导致了深度优先的穷尽搜索过程。为消除因反复对知识库进行穷尽搜索（对于推理树中每个不能通过询问用户来证实的目标，都要搜索一遍知识库）而导致的低效性，mycin 将规则按上下文对象分类，使得每次对于一个目标作推理时，只需考虑该目标涉及的那个上下文对象相关的规则，从而大幅度提高了推理的效率4.2不确定推理mycin中的不精确推理模型是不精确推理中最早与最简单的方法之一，效果也很好，为许多专家系统所使用。mtcin中的知识是由规则表示的，它的一般形式是:if e1 and e2 and and en then h(x)其中ei(i=l,2n)是证据，h为结论。该规则表示:当证据e1到en肯定存在时，结论h有x的可信度成立。x是该规则的可信度，由领域专家给出，其值在-l，l范围内。x0表示证据存在时，增加为真的可信度，x越大结论越真，x=1表示结论存在并且结论为真。相反，x0表示证据存在，增加为假的可信度，x越小结论越假，x1表示结论存在并且结论为假。当x=0时，表示证据和结论没有关系。在mycin中，它的规则通过推理策略被连成推理网络。由于规则的前提即证据存在的可信度，而规则本身又有可信度，规则结论的可信度由证据可信度及规则可信度通过推理网络的可信度传播计算而得。mycin采用了不精确推理模型来解决上述问题。如前所述，原始证据和推理的结论都可以用可信度 cf 来指示其不确定性，所以如何处理不确定性是 mycin 推理机需提供的重要功能。鉴于推理过程生成了与或推理树，mycin 的不确定推理既要处理 cf 沿推理链的传递，又要处理 cf 的与或组合（详细阐述参见 7.2.2 节）。由于推理过程采用深度优先的策略，推理树左部推理链将优先建立。一旦推理链沿伸到原始证据，就可反向计算和传递 cf。mycin 系统规定 0.2 是规则前提得以满足的 cf 门槛值，前提 cf 低于 0.2 的规则不能激活，并从推理树中删除，从而使得推理树的规模可以限制在较小的范围内。4.3治疗选择机制治疗选择机制处理目标规则 092 的动作部分，先建立若干可能的治疗方案，然后综合制定最佳治疗方案。所谓治疗方案，就是依据推断出的可能病菌（病原体）选用适当的治疗药物。知识库中已包含一组治疗规则，每条规则为一种病菌制定一个药物治疗方案。例如，下面是一条治疗假单胞细菌的规则：如果：病原体鉴别为假单胞细菌那么：推荐以下药物作为可选的治疗方法：1）colistin (0.98)2) polymyxin (0.96)3) gentamicin (0.96)4) carbenicillin (0.96)5) sulfisoxazole (0.64)其中，每种药物后的数字指示细菌对该药物的敏感性。由于导致病人感染疾病的可能病菌及其可信度 cf 已记载于该病人的上下文树，能够由系统依据这种规则自动生成针对每种可能病菌的治疗方案。为综合制定最佳治疗方案，mycin 遵循以下药物选配准则：1）细菌对药物的敏感性，2）药物是否已给病人配用过，3) 药物的相对功效，例如药物是杀菌性的还是抑菌性的，是否会引起病人的过敏反应等。mycin 系统还制定了若干面向药物选配的启发式，例如：若物药-1 是治疗细菌-1 的最优药物，又是治疗细菌-2 的次优药物，则将物药-1 提升为治疗细菌-2 的最优药物。 某些药不能单独使用。不要从同类药物中选配多于一种的药物。上述药物选配准则和启发式未表示成规则形式存放于知识库，而是直接编程于治疗选择机制中。一旦综合制定的最佳治疗方案形成，就要依据病人的特别信息（如药物敏感史、年龄等）作禁忌检查。mycin 提供了一组规则用于自动检查治疗方案是否违反禁忌，若违反，则将违反禁忌的药物除掉，重新开始治疗方案的综合制定，直到产生不违反禁忌的治疗方案为止。当然，医生对药物的使用有最后决定权，若发现用药不合理，可以要求除掉这些不合理的药物，并重新启动治疗方案的综合制定。5 发展趋势计算机网络将注定成为 21 世纪全球信息社会最重要的基础设施。而计算机网络系统和相关技术也必将在 21 世纪社会信息化和知识经济浪潮中更快更大的发展。目前, 已经出现了与网络技术相融合的专家系统, 通过网络(局域网或广域网)可实现异地协同工作、资源共享和远程咨询等, 使专家系统的应用范围更加宽泛和便捷, 还可大大提高专家系统的使用效率与价值。“网上医疗站”的出现, 也为专家系统更好地服务于人类、应用于社会提供了更优越的条件。专家系统与数据库相结合也是一个发展趋势。人工智能与数据库技术是计算机科学的两大重要领域。数据库的使用便于病例资料的整理和统计, 而且一个规模较大的数据库可