专家系统-PPT课件

1、专家系统概述专家系统是AI研究中最重要也是最活跃的一个分支，它实现了AI从理论走向实际应用，从一般思维方法探讨转入专门知识运用的重大突破。目前专家系统、自然语言理解、智能机器人一个并列为AI研究最活跃的三大领域自1968年费根鲍姆等人研制成功第一个专家系统DENDRAL以来，ES广泛应用于医疗、金融、地址、化工、军事、教育、艺术等各个领域，产生了巨大的经济效益人工智能什么是专家系统自从1965年世界上第一个专家系统DENDRAL问世以来, 专家系统的技术和应用, 在短短的 40 余年间获得了长足的进步和发展。特别是20世纪 80 年代中期以后, 随着知识工程技术的日渐丰富和成熟, 各种各样的实

2、用专家系统如雨后春笋般地在世界各地不断涌现。那么,究竟什么是专家系统呢？ 顾名思义,专家系统(ES)就是能像人类专家一样解决困难、 复杂的实际问题的计算机(软件)系统。 人工智能我们知道“专家”就是专门家, 是某一专门领域的行家里手。 专家之所以是专家, 是因为他(她)解决问题时具有超凡的能力和水平。 专家之所以具有超凡的能力和水平,是因为:(1) 专家拥有丰富的专业知识和实践经验, 或者说他(她)拥有丰富的理论知识和经验知识,特别是经验知识。(2) 专家具有独特的思维方式, 即独特的分析问题和解决问题的方法和策略。 人工智能所以, 这两点就是一个专家所具备的基本要素。那么, 这两点自然也应该

3、是专家系统所具备的基本要素。另外,专家只能是某一专门领域的专家；从效果看,专家解决问题一定是高水平的。因此,专家系统应该具备以下四个要素： (1) 应用于某专门领域。 (2) 拥有专家级知识。 (3) 能模拟专家的思维。 (4) 能达到专家级水平。 人工智能所以,准确一点讲,专家系统就应该是：应用于某一专门领域, 拥有该领域相当数量的专家级知识, 能模拟专家的思维, 能达到专家级水平, 能像专家一样解决困难和复杂的实际问题的计算机(软件)系统。例如, 能模拟名医进行辨症施治的诊断医疗系统就是一种专家系统, 能模拟地质学家进行地下资源评价和地质数据解释的计算机(软件)系统, 也是一种专家系统。人

4、工智能概 述专家系统（ES，Expert System）是在某领域中具有专家知识和求解问题能力的智能软件系统ES是一种能运用专家的知识与经验进行推理的启发式智能软件ES的智能来源于专家的知识、经验、解决问题的诀窍，ES内部必须包含大量专家水平的知识，而且ES在运行过程中应具有灵活性，能不断增长知识，修改原有知识ES不是万能的，只能利用所属领域的知识、方法来解决本领域的问题ES应能解释本身的推理过程，能随时回答用户提出的问题，即ES应具有解释机制人工智能ES特点具有三级知识结构数据级：初始证据、中间结论、最终结论知识库级：专家的知识控制级：关于如何运用前两种知识的知识，即推理机的知识，体现了系统

5、的“智能”程度（传统程序只有数据级和程序级知识）具有特定领域的专家知识，知识面比较狭窄，但很精，针对性强符号处理能力（传统程序多重于数值计算）具有解释机制具有灵活性，知识库和推理机相分离，便于知识的更新和扩充专家系统不像人那样容易疲劳、遗忘,易受环境、情绪等的影响, 它可始终如一地以专家级的高水平求解问题。因此, 从这种意义上讲,专家系统可以超过专家本人。有些专家系统还具有“自学习”能力, 即不断对自己的知识进行扩充、完善和提炼。这一点是传统系统所无法比拟的。人工智能ES的类型关于专家系统的分类,目前还无定论。按用途分类,专家系统可分为：诊断型、解释型、预测型、决策型、设计型、规划型、控制型、

6、调度型等几种类型。这些专家系统的功能大部分都是显然的,无须做过多解释。这里的解释是对仪器仪表的检测数据进行分析、 推测得出某种结论。例如通过对一个地区的地质数据进行分析, 从而对地下矿藏的分布和储量等得出结论。又如,通过对一个人的心电图波形数据进行分析, 从而对该人的心脏生理病理情况得出某种结论。显然,以上两种事情都是经验丰富的专家才能胜任的。而所谓“规划”, 就是为完成某任务而安排一个行动序列。例如, 对地图上的两地间找一条最短的路径、为机器人做某件事安排一个动作序列等。 人工智能按输出结果分类, 专家系统可分为分析型和设计型。 分析型就是其工作性质属于逻辑推理, 其输出结果一般是个“结论”

7、, 如 1 中的前四种, 就都是分析型的, 它们都是通过一系列推理而完成任务的； 而设计型就是其工作性质属于某种操作, 其输出结果一般是一个“方案”,如1 中的后四种, 就都是设计型的, 它们都是通过一系列操作而完成任务的。 当然, 也可兼有分析和设计的综合型专家系统。例如, 医疗诊断专家系统就是一种综合型专家系统,诊断病症时要分析、推理, 而开处方即制定医疗方案时要设计、操作(如对药剂的取舍或增减等)。人工智能按知识表示分类,可分为基于产生式规则的专家系统、基于一阶谓词的专家系统、基于框架的专家系统、基于语义网的专家系统等等。 当然, 也存在综合型专家系统。 知识可分为确定性知识和不确定性知

8、识,所以,按知识分类, 专家系统又可分为精确推理型和不精确推理型(如模糊专家系统)两类。 人工智能按采用的技术分类, 专家系统可分为符号推理专家系统和神经网络专家系统。符号推理专家系统就是把专家知识以某种逻辑网络(如：由产生式构成的显式或隐式的推理网络、 状态图、与或图,由框架构成的框架网络, 还有语义网络等)存储, 再依据形式逻辑的推理规则, 采用符号模式匹配的方法, 基于这种逻辑网络进行推理、搜索的专家系统。神经网络专家系统就是把专家知识以神经网络形式存储,再基于这种神经网络, 依据神经元的特性函数, 采用神经计算的方法, 基于这种神经网络实现推理、搜索的专家系统人工智能按规模分类, 可分

9、为大型协同式专家系统和微专家系统。 大型协同式专家系统就是由多学科、多领域的多个专家互相配合、 同力协作的大型专家系统。按结构分类可分为集中式和分布式, 单机型和网络型(即网上专家系统)等人工智能专家系统与知识工程由于专家系统是基于知识的系统, 建造专家系统就涉及到知识获取(即从人类专家那里或从实际问题那里搜集、 整理、归纳专家级知识)、知识表示(即以某种结构形式表达所获取的知识, 并将其存储于计算机之中)、知识的组织与管理(即知识库建立与维护等)和知识的运用(即使用知识进行推理)等一系列关于知识处理的技术和方法。特别是基于领域知识的各种知识库系统的建立, 更加促进了这些技术的发展。所以,关于

10、知识处理的技术和方法已形成一个称为“知识工程”的学科领域。专家系统促使了知识工程的诞生和发展,知识工程又为专家系统提供服务。正是由于这二者的密切关系, 所以, 现在的“专家系统”与“知识工程”几乎已成为同义语。人工智能专家系统的组成不同领域和不同类型的ES，体系结构和功能都不完全相同，通常一个最基本的ES由六个部分组成人机界面：用于I/O，尽可能使用自然语言知识库管理部分：包括知识获取（学习功能）和知识维护，通常设计一些编辑软件完成知识库：包括大家共知的常识性知识和专家的启发性知识（经验、诀窍、直觉）数据库：也称为黑板，用于存放初始证据、中间结果和最终结果推理机：用来控制协调整个ES的程序，是

11、ES的思维机构解释机构：由一组程序组成，负责跟踪并记录推理过程，解释推理过程，是ES与一般程序相区别的重要特征之一，也是取信于用户的一个重要措施人工智能专家系统的概念结构人工智能知识库(Knowledge Base, KB)是以某种表示形式存储于计算机中的知识的集合。知识库通常是以一个个文件的形式存放于外部介质上,专家系统运行时将被调入内存。知识库中的知识一般包括专家知识、领域知识和元知识。元知识是关于调度和管理知识的知识。知识库中的知识通常就是按照知识的表示形式、 性质、层次、内容来组织的, 构成了知识库的结构人工智能推理机 (Inference Engine,IE)推理机, 就是实现(机器

12、)推理的程序。这里的推理, 是一个广义的概念,它既包括通常的逻辑推理,也包括基于产生式的操作。推理机是使用知识库中的知识进行推理而解决问题的, 所以推理机也就相当于专家的思维机制,即专家分析问题、 解决问题的方法的一种算法表示和程序实现。 知识库和推理机构成了一个专家系统的基本框架。 同时,这两部分又是相辅相成、密切相关的。因为不同的知识表示有不同的推理方式, 所以,推理机的推理方式和工作效率不仅与推理机本身的算法有关, 还与知识库中的知识以及知识库的组织有关。人工智能动态数据库动态数据库也称全局数据库、综合数据库、工作存储器、 黑板等,它是存放初始证据事实、推理结果和控制信息的场所, 或者说

13、它是上述各种数据构成的集合。动态数据库只在系统运行期间产生、变化和撤消, 所以称为“动态”数据库, 且在图中用虚线包围。 需要说明的是, 动态数据库虽然也叫数据库, 但它并不是通常所说的数据库, 两者有本质差异人工智能人机界面人机界面指的是最终用户与专家系统的交互界面。 一方面, 用户通过这个界面向系统提出或回答问题, 或向系统提供原始数据和事实等 另一方面, 系统通过这个界面向用户提出或回答问题, 并输出结果以及对系统的行为和最终结果做出适当解释人工智能解释模块解释程序模块专门负责向用户解释专家系统的行为和结果。 推理过程中, 它可向用户解释系统的行为, 回答用户“why”之类的问题推理结束

14、后它可向用户解释推理的结果是怎样得来的, 回答“how”之类的问题人工智能知识库管理系统知识库管理系统是知识库的支撑软件。知识库管理系统对知识库的作用, 类似于数据库管理系统对数据库的作用, 其功能包括知识库的建立、删除、重组；知识的获取(主要指录入和编辑)、维护、查询、更新；以及对知识的检查, 包括一致性、冗余性和完整性检查等等。人工智能专家系统的理想结构 人工智能专家系统的实际结构实际问题中往往不仅需要推理, 而且还需要作一些其他处理。如在推理前也可能还需要作一些预处理(如计算), 推理后也可能要作一些再处理(如绘图), 或者, 处理和推理要反复交替多次, 或经多路进行等等。这样以来, 就使得专家系统的实际结构可能变得多式多样。例如, 实际结构中, 专家系统只作为整个系统的一个模块(称为专家模块)嵌套在一个实际的应用系统中, 而整个应用系统可能包含一