《智能农业ES》PPT课件.ppt

专家系统,东北林业大学,Expert System,ES,基本内容,了解专家系统的起源、发展、分类 掌握专家系统的概念 了解专家系统的构成、基本特征 掌握知识的表达方式 掌握农业专家系统开发平台PAID4.0的使用 在实践环节中（实验）构建一个自己的专家系统,第一节 专家系统概述,1.1 专家系统的起源、发展 专家系统的起源 AI AI：Artificial Intelligence 人工智能,人工智能简介,人工智能产生的理论背景 智能 ？ 从生物学角度定义为“中枢神经系统的功能” 从心理学角度定义为“进行抽象思维的能力” 甚至有人反复把它定义为 “获得能力的能力” “就是智力测验所测量的那种东西” 既然连人类智能都无法给出精确的定义，对人工 智能也只好众说纷纭了。,人工智能研究与发展:,第一阶段孕育期（1956年以前） 多学科相互渗透：数学、逻辑学、心理学、哲学、生物学及计算机科学等 数理逻辑、自动机理论、控制论、信息论、系统论等理论的创立 电子器件的工艺革新和换代引起了电子计算机的迅速发展通用电子计算机的发明 最早为人工智能奠定理论基础的人 英国数学家阿兰图林,图灵试验,计算机、被测试的人和主持试验人 计算机和被测试的人分别在两个不同的房间里。 测试过程由主持人提问，由计算机和被测试的人分别做出回答。观测者能通过电传打字机与机器和人联系（避免要求机器模拟人外貌和声音）。被测人在回答问题时尽可能表明他是一个“真正的”人，而计算机也将尽可能逼真的模仿人的思维方式和思维过程。如果试验主持人听取他们各自的答案后，分辨不清哪个是人回答的，哪个是机器回答的，则可以认为该计算机具有了智能。,图灵试验,计算机,人,测试者,电传打字机,第二阶段 1956年-1966年10年间,AI研究取得了许多引人注目的成果(产生期)： 1956年，在美国达特莫斯（Dartmouth）大学，召开了世界上第一次人工智能学术大会（AI） 发起人是该校青年助教 麦卡锡 哈佛大学 明斯基 贝尔实验室 申龙（E.Shannon）：信息论的 创始人 IBM公司信息研究中心 罗彻斯特（N. Lochester） IBM公司塞缪尔（A.Samuel）和 莫尔（T.More） 卡内基梅隆大学 纽厄尔 和 赫伯特西蒙 麻省理工学院塞夫里奇（O. Selfridge）和索罗门夫（R.Solomamff）,什么是人工智能？,西蒙认为：AI是学会怎样编制计算机程序完成机智的行为，学习人类怎样做这些机智行为； 明斯基则认为：人工智能一方面帮助人的思考，另一方面使计算机更有用； 鉴于图林是用行为来判断机器是否具有智能，麻省理工学院温斯顿（P. Winston）在AI教科书里下定义说：“人工智能就是研究如何使计算机去做过去只有人才能做的智能的工作。 ”,历史事件,1956年，塞缪尔的“跳棋机”电脑程序研制成功，揭开了机器挑战人类智能的序幕，使机器博弈成为AI研究的一个重要领域。 1956年，纽厄尔、赫伯特西蒙 等人合作编制的数学定理证明程序（简称LT），从而使机器迈出了逻辑推理的第一步。 1959年，王浩首创“王氏算法” 1965年， 在斯坦福大学化学专家的配合下，费根鲍姆研制的第一个专家系统DENDRAL是化学领域的“专家”。,人工智能科学想要解决的问题,是让电脑也具有人类那种听、说、读、写、思考、学习、适应环境变化、解决各种实际问题等等能力。 换言之，人工智能是电脑科学的一个重要分支 近期目标是让电脑更聪明、更有用， 远期目标是使电脑变成“像人一样具有智能的机器”。,第三阶段：60年代末-70年代初,AI研究进入了低潮。 下棋程序在当了州冠军后没有成为全国的冠军 鲁滨逊发明的消解法被认为是一项突破，但是证明两个连续函数之和还是连续函数，推理10万步还没有推出来 投资2000万美元的自然语言翻译,效果并不理想：The spirit is willing, bu the flesh is weak.(心有余而力不足)，翻译成俄语后在翻译回来变成了The wine is good but the meat is spoiled.(酒是好的，但肉变质了)。,美国政府撤消了对机器翻译项目的大部分资助 ,仅留下个单位惨淡经营， IBM公司曾一度取消了本公司范围内的所有人工智能研究 英国政府采纳了一份指责“人工智能研究不是骗局，但至少使庸人自扰”的综合报告，所有研究几乎被一笔勾销。,第四阶段： 70年代初-现代,计算机由以信息为处理对象转变为以知识为处理对象，以计算为主要任务变为以推理为主要任务，因此要与领域知识相结合。 1976年6月, 美国伊利诺斯大学的两位数学家沃尔夫冈哈肯（W.Haken）和肯尼斯阿佩尔（K. Apple）使用计算机成功地证明了“四色定理” 1976年, 美国斯坦福大学肖特列夫（Shortliff）开发的医学专家系统MYCIN，这个系统后来被知识工程师视为“专家系统的设计规范” 1977年，费根鲍姆（E.Feigenbaum）提出了“知识工程”的概念,1982年夏天，日本“新一代计算机技术研究所”（ICOT）所长渊一博（Kazuhiro Fuchi）开始研制第五代计算机(智能电脑) 1990年日本研制的人像识别机，可在1秒钟内中从3500人中识别到你要找的人。 1998年，中文语音合成技术也取得了实质性的突破。,机器博弈 定理机器证明与自动推理 机器学习与发现 自然语言理解 智能数据库系统 智能机器人 专家系统（Expert System）,AI 的 研究领域,1958年的预言,10年内，电脑将战胜国际象棋世界冠军 10年内，电脑便能找到并证明到那时还未被证明的重要数学定理。 10年内，大部分心理学理论将在计算机上形成 10年内计算机将成为能够谱写具有优秀作曲家水平的乐曲 10年内计算机将能读懂莎士比亚的著作 80年代将是全面实现人工智能的年代 2000年机器的智能将可以超过人,对人类智能的理解,人类对外界事物识别和理解的感知能力，进行推理、联想和学习的思维能力，以及作出决策和采取行动的反应能力组成。 人之所以有这些智能，因为人有知识（经验）-智能的核心 智能是指运用知识解决问题的能力。,前期失败的原因,缺乏知识,1958年麦卡锡发明了表处理语言LISP。LISP可以方便地处理符号，很快成为人工智能程序设计的主要语言，至今仍被使用。,专家系统的研究与发展：,专家系统（Expert System）是人工智能领域中最活跃的一个分支，指在某些具体领域内对用户给出专家水平的建议和咨询。 20世纪60年代，世界上第一个专家系统是1968年美国斯坦福大学计算机科学系的费根鲍姆（E.A.Feigenbaum）教授与遗传学教授J.Lederberg一起研制的DENDRAL系统（质谱学解释系统），在输入化学分子式和质谱图等信息后，它能通过分析推理决定有机化合物的分子结构，已达到了人类专家的水平。 麻省理工学院（MIT）研制专家系统MACSYMA是一个专为帮助数学家、工程师们解决复杂微积分运算和数学推导而开发的大型专家系统。,60年代中期之后，人工智能由追求万能、通用的一般研究转入特定的具体研究，通用的解题策略同特定的专业知识与实际经验结合，产生了以专家系统为代表的基于知识的各类人工智能系统，是人工智能真正走向社会，走向实际应用研究。,人工智能真正走向社会,1976年美国斯坦福大学肖特列夫（Shortliff）开发的医学专家系统MYCIN，这个系统后来被知识工程师视为“专家系统的设计规范”。MYCIN主要用于协助医生诊断脑膜炎一类的细菌感染疾病。 其它较具代表性的有PROSPECTOR，CASNET等。PROSOECTOR是一个探矿专家系统； CASNET用于青光眼病的诊断与治疗。,20世纪70年代中期：专家系统进入了成熟期,20世纪80年代以来：专家系统进入了发展期,它直接服务于生产企业，产生了明显的经济效益。 专家系统应用于农业领域于70年代末，经过20多年的发展，其应用已遍及作物栽培管理（灌溉、施肥、栽培、病虫害诊治、作物育种、作物产量预测）、园艺设施管理、畜禽饲养管理、水产养殖管理、植物保护以及经济决策等各个方面。近年来全世界开发出多种农业专家系统，其中最著名的是美国的COMAX系统。,1.2 专家系统基础知识,1.2.1专家系统（ES，Expert System）的定义,一般认为：1）它是一个智能程序系统 2）它具有相关领域内大量的专家知识 3）它能应用人工智能技术模拟人类专家求解问题的思维过程进行推理，解决相关领域的困难问题，并且达到领域专家的水平。 专家系统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，来解过去需要人类专家才能解决的现实问题的计算机系统。,农业专家系统,也叫农业智能系统 是一个具有大量农业专业知识与经验的计算机系统 是农业信息中的一项重要技术 主要产品：大豆病虫害诊断专家系统 番茄病虫害诊断专家系统 小麦施肥专家系统 灌区管理专家系统,建立专家系统-目的,防止社会最珍贵的财富-专门知识的流失,专家系统-人类专家,结论人类专家不可缺省。,1.2.2专家系统的组成,不同的专家系统，其功能与结构都不尽相同，但一个基于规则的专家系统都包括人机接口、推理机、知识库及其管理系统、数据库及其管理系统、知识获取机构、解释机构这六个部分。 数据库和管理信息系统的核心是数据，专家系统的核心是知识。,在专家系统中，把通常的数据、公式、方法、经验以及信息等均看作为知识。围绕着知识，专家系统最基本的技术是研究知识的表示、知识的运用、知识的获取等。 （1）知识表示 是研究如何将领域知识和专家经验等有效地表示成计算机能够工作和运行的形式。在专家系统中，知识是存放在称之为知识库的组件中。它们是按照特定的知识表示形式安排存储的。 （2）知识运用 如何对放在知识库中的知识进行控制与操作，以求问题的解决，有时也叫问题求解。至今常常采取的方法是搜索或推理。 （3）知识获取 如何从领域专家的口述或文字、书本资料或数据实例中取出该专家系统所需要的知识。,如何组织专家系统-原理,专家系统 = 知识库 + 推理机 知识库某种形式表示的知识,经验,常识等 推理机一组程序以控制,协调整个系统, 并根据当前数据库中的数据, 使用知识库中的知识, 按某种推理策略求解目前的问题。 数据库存放初始数据, 推理过程得到的中间结果, 以及需要求解的问题/目标。 知识获取接收,修改,调试知识/推理的接口 解释对推理过程进行必要的解释(程序),ES的基本结构,知识获取部分,解释部分,综合 数据库,知识库,推理机,人机 接口,ES的基本结构,知识获取部分,解释部分,综合 数据库,推理机,人机 接口,知识库,专家系统与传统程序区别,推理策略,推理机构是整个专家系统的控制中心 推理策略:根据因果关系进行一步一步的分析、推断 虽然知识库的知识单元虽然彼此独立，但它们实际上是由一个推理分析网络把各知识单元紧紧联系在一起，这个推理分析网络就是人解决该问题的思路。,推理策略,正向推理：是一种由下向上，即从用户提问因素向目标节点一步一步推导；是一种从事实向目标的推理，又叫事实驱动；由已知的事实出发，逐步推导出最后的结论。 反向推理，是一种从上向下，反过来从目标节点到叶节点一步一步推导。是一种从目标向事实的推理，也叫目标驱动；先提出假设，然后验证这些假设的真假性，找到假设成立的所有事实或依据。,事 实,目 标,正 向 推 理,反 向 推 理,知识获取,（1）知识获取的困难 1）缺乏条理性 2）说不清楚思路和分析过程 3）知识常常缺乏精确性和完整性 4）知识之间相互矛盾 5）主观片面性,（2）知识获取的方式 人工获取方式 半自动获取方式 自动获取方式 （3）知识获取的过程 可以分为4个主要阶段： 确定任务、制订方案、 实施获取、调试完善阶段,规则形式 If then （事实） （事实）,产生式规则：,实例：“常见病诊断专家系统” 知识库 /*- 头部病 诊断 -*/ if 病位=头部 and 流鼻涕 and 头晕 then 病=感冒刚起. if 病位=头部 and 鼻塞 and 浑身无力 then 病=感冒. if 病位=头部 and 发烧 and 头晕 and 扁桃体肿 then 病=严重感冒. /*- 精神方面病 诊断 -*/ if 病位=精神方面 and 难以入眠 then 病=失眠. if 病位=精神方面 and 最近很忙 and 思考问题 then 病=失眠.,实例：“常见病诊断专家系统” 知识库 /*- cf1 感冒处方 -*/ if 病位=头部 and 病=感冒刚起 then 处方=服用新速效伤风胶囊,日服三次,每次一颗. if 病位=头部 and 病=一般感冒 then 处方=服用感冒通,日服三次,每次三颗. if 病位=头部 and 病=严重感冒 then 处方=注射青霉素,日注射两次,每次80万单位. /*- cf3 失眠处方 -*/ if 病位=精神方面 and 病=失眠 then 处方=服用利眠灵,每次二片,10mg/片. 注：If then 产生式规则,ES 运行实例 ：正向推理,推理机,人机 界 面,头部、 鼻塞、浑身无力,一般感冒,事实数据库,知识库,if 头部 and 鼻塞 and 浑身无力 then 一般感冒.,if 头部 and 一般感冒 then 服用感冒通,日服三次,每次三颗.,服用感冒通,日服三次,每次三颗,服用感冒通,日服三次,每次三颗,头部、 鼻塞、浑身无力,ES 运行实例：解释机制,人机 界 面,头部、鼻塞、浑身无力、 一般感冒,事实数据库,知识库,A. if 头部 and 鼻塞 and 浑身无力 then 一般感冒.,B. if 头部 and 一般感冒“ then 服用感冒通,日服三次,每次三颗.,服用感冒通,日服三次,每次三颗,解释模块,您说“头部”、“鼻塞”、“浑身无力”，由规则A,您是 “一般感冒”；又由规则B，您需“服用感冒通”。,1.人机界面：是专家系统与领域专家或知识工程师及一般用户间的界面，由一组程序及相应的硬件组成用于完成输入输出工作。 2.知识获取机构：它由一组程序组成，其基本任务是把知识输入到知识库中，并负责维持知识的一致性及完整性，建立起性能良好的知识库。 3.知识库及其管理系统：知识库是知识的存储机构，用于存储领域内的原理性知识、专家的经验性知识以及有关的事实等。知识库管理系统负责对知识库中的知识进行组织、检索、维护等。,4.推理机：是专家系统的“思维”机构，是构成专家系统的核心部分。其任务是模拟领域专家的思维过程，控制并执行对问题的求解。 5.数据库及其管理系统：是用于存放用户提供的初始事实、问题描述以及系统运行过程中得到的中间结果、最终结果、运行信息（如推出结果的知识链）等的工作存储器。 6.解释机构：解释机构由一组程序组成，它能跟踪并记录推理过程，当用户提出询问需要给出解释时，它将根据问题的要求分别做相应的处理，最后把解答用约定的形式通过人机接口输出给用户。,专家系统需求分析,合理可能，性能/价格比高 *存在领域专家，并能描述、解释求解方法 *专家稀少/昂贵，系统便宜、有效、高效益 合适效率高(危险,传统较难求解领域) *复杂性-较高，需花费较多时间学习、实践 *问题本质-适合用启发式/符号推理求解,建造专家系统-主要工作,知识获取 *问题识别(问题,目标)、概念化(控制,方法) *知识表示(形式化)，知识获取(归纳,收集) 推理机 *推理策略(正/反向,语义网络,框架,模糊等) *实现(原型/ES编程)、测试(知识,推理) 完成-知识表示 + 推理机 *原型系统(评估,验证)、ES系统精化/完善,专家系统实例-动物分类,目标(判断动物): goal=动物. 动物=豹脯乳动物,食肉动物,黄褐色,斑点. 动物=虎脯乳动物,食肉动物,黄褐色,黑条纹. 动物=豹蹄类动物,长脖子,长腿,黑斑点. 动物=斑马蹄类动物,黑条纹. 动物=鸵鸟鸟,会飞,长脖子,长腿,黑白色. 动物=企鹅鸟,会飞,会游泳,黑白色. 动物=信天翁鸟,很善飞.,动物分类-产生式知识,脯乳动物有毛发. 脯乳动物吃奶. 鸟有羽毛. 鸟会飞,会下蛋. 食肉动物吃肉. 食肉动物有犬齿,有爪,眼看前方. 蹄类动物脯乳动物,有蹄. 蹄类动物脯乳动物,嚼食动物.,专家系统开发工具,目前国外开发专家系统多运用开发工具来实现 （1）编辑型开发工具 （2）智能型开发工具 （3）自动知识获取工具,1.2.3专家系统的分类,按专家系统的特性及处理问题的类型分类： 1、解释类专家系统（expert system for interpretation） 2、诊断类专家系统（expert system for diagnosis） 3、预测类专家系统（expert system for prediction） 4、设计类专家系统（expert system for design ） 5、规划类专家系统（expert system for planning） 6、控制类专家系统（expert system for control）,1.2.3专家系统的分类,7、监测类专家系统（expert system for monitoring） 8、维修类专家系统（expert system for repairing） 9、教育类专家系统（expert system for instruction） 10、调试类专家系统（expert system for debugging） 11、咨询与决策专家系统（expert system for inquiring and deciding ） 12、管理类专家系统（expert system for management ）,1.2.3专家系统的分类,按专家系统的体系结构分类： 1、集中式专家系统 2、分布式专家系统 3、神经网络专家系统 4、符号系统与神经网络相结合的专家系统,1.2.4专家系统的基本特征,1、具有专家水平的专门知识 2、能进行有效的推理 3、具有获取知识的能力 4、具有灵活性 5、具有透明性 6、具有交互性 7、具有实用性 8、具有一定的复杂性及难度,1.2.5 专家系统建造原则,1、恰当地划定求解问题的领域 2、获取完备的知识 3、知识库与推理机分离 4、选择、设计合适的知识表示模式 5、推理应能模拟领域专家求解问题的思维过程 6、建立友好的交互环境 7、渐增式的开发策略,专家系统需求分析,合理可能，性能/价格比高 *存在领域专家，并能描述、解释求解方法 *专家稀少/昂贵，系统便宜、有效、高效益 合适效率高(危险,传统较难求解领域) *复杂性-较高，需花费较多时间学习、实践 *问题本质-适合用启发式/符号推