人工智能导论 课件 第18章 专家（知识）系统

第6篇

系统与建造『导语』

人工智能系统可分为智能计算机系统、智能化网络、智能应用系统和智能机器人系统等类型。智能应用系统可分为基于知识的智能系统、基于算法的智能系统和兼有知识和算法的智能系统。从体系结构考虑，智能系统还有集中式和分布式之别。

第18章专家（知识）系统

18.1基本概念

18.2系统结构

18.3系统设计与实现

18.4开发工具与环境

18.5专家系统的发展

18.1基本概念1.什么是专家系统

◆专家系统(ExpertSystem,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。

◆专家系统的四个要素：

(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。

2.专家系统的特点

从处理的问题性质看,专家系统善于解决那些不确定性的、非结构化的、没有算法解或虽有算法解但在现有的机器上无法实施的困难问题。

从处理问题的方法看,专家系统是靠知识和推理解决问题的。

从系统的结构来看,专家系统则强调知识与推理的分离,因而系统具有很好的灵活性和可扩充性。

专家系统一般还具有解释功能。

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。3.专家系统的类型按用途分类,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、调度型等几种类型。按输出结果分类,专家系统可分为分析型和设计型。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。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。3.专家系统的类型按采用的技术分类,专家系统可分为符号推理专家系统和神经网络专家系统。按规模分类,可分为大型协同式专家系统和微专家系统。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。4.专家系统与基于知识的系统

专家系统就是一种特殊的基于知识的系统（Knowledge-BasedSystem,KBS），或者说特殊的知识系统。但“专家系统”这一名词有时也泛指各种知识系统,包括知识库系统（KnowledgeBaseSystem,KBS）和演绎数据库（deductivedatabase）等。5.专家系统与知识工程

专家系统促使了知识工程（KnowledgeEngineering,KE）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，“专家系统”与“知识工程”几乎已成为同义语。

16.2系统结构

1.知识库(KnowledgeBase,KB)

2.推理机(InferenceEngine,IE)

3.动态数据库

4.人机界面

5.解释模块

6.知识库管理系统

专家系统的实际结构示例

地质图件绘制智能辅助系统结构

专家系统的客户/服务器结构及浏览器/服务器结构18.4系统设计与实现

1.一般步骤与方法

就“纯专家系统”而言，则其设计与实现的一般步骤可如图16-12所示。可以看出，专家系统的开发有如下特点：(1)知识获取与知识表示设计是一切工作的起点。(2)知识表示以及知识描述语言确定后，各项设计(图中并列的六个设计)可同时进行。说明：

①对于一个实际的专家系统，在系统分析阶段就应该首先弄清楚：系统中哪里需要专家知识，专家知识的作用是什么？以及系统中各专家模块的输入是什么？处理是什么？输出又是什么？②系统投入运行后，一般来说，其知识库还需不断扩充、更新、完善和优化，所以专家系统的开发更适合采用快速原型法。

③对系统的评价主要看它解决问题是否达到专家水平。

2.快速原型与增量式开发快速原型法和增量式开发是软件工程中的一个有效方法。具体来讲就是在开发一个大型软件系统之前，先尽快地建立一个简单的小型的系统模型——称之为系统原型；然后，对原型进行扩充，即在原型的基础上进行的继续开发，即增量式开发，这样像滚雪球似地直至完成整个系统。快速原型法的优点是，利用系统原型，开发者可以更好地分析和理解系统；用户也能尽快看到系统的概貌，以便及早反馈有关信息，使后面的工作少走弯路；同时，也方便了开发者和用户的相互交流。

3.知识获取

(1)人工获取

计算机人员(或知识工程师)与领域专家合作，对有关领域知识和专家知识进行挖掘、搜集、分析、综合、整理、归纳，然后以某种表示形式存入知识库。

(2)半自动获取利用某种专门的知识获取系统，采取提示、指导或问答的方式，帮助专家提取、归纳有关知识，并自动记入知识库。

(3)自动获取可分为两种形式：一种是系统本身具有一种机制，使得在运行过程中能不断地修改和扩充自己的知识库；另一种是开发专门的机器学习系统，让机器自动从实际问题中获取知识，并填充知识库。

4.知识表示与知识描述语言设计根据所获得知识的特点，选择或设计某种知识表示形式，并为这种表示形式设计相应的知识描述语言。知识描述语言可以利用现有的程序设计语言(如PROLOG、LISP、C等)提供的数据结构或语句来实现，也可以选用专用的知识描述语言(如产生式语言OPS、框架语言FRL等)或现成的专家系统工具(如M.1,S.1EMYCIN等)，也可以自己动手进行设计。5.知识库与知识库管理系统设计

(1)

知识库设计

医疗诊断知识库层次结构主要是设计知识库的结构，即知识的组织形式。专家系统中所涉及的知识库，一般取层次结构或网状结构模式。这种结构模式是把知识按某种原则进行分类，然后分块分层组织存放，而每一块和每一层还可以再分块分层。(2)知识库管理系统设计

1)知识操作功能设计

包括知识的添加、删除、修改、查询和统计等。

2)知识检查功能设计

包括知识的一致性、完整性、冗余性等检查。

举例：r1:ifPthen

Q

r2:ifPthen﹁Q

r1:ifPthenQ

r2:ifQthenR

r3:ifRthenP3)知识库操作设计

包括知识库的建立、删除、分解、合并等。

6.推理机与解释机制设计

(1)从哪里着手

推理机必须与知识库的结构、层次特别是其中知识的具体表示形式等相协调、相一致。

(2)还应考虑些什么

推理的方式、方法和控制策略等。

(3)算法设计与程序设计

选择或设计合适的算法和语言。

(4)解释机制如何实现

至少有两种方式：一种是直接输出推理跟踪的结果，另一种则是以跟踪结果为索引，输出另外的预制文本。

7.系统结构设计一般来讲，专家系统的结构有诸如独立式、混合式、集中式、分布式、层次式以及黑板模型等。对一个具体的专家系统采用什么结构形式，要视具体情况而定。对于大型知识系统，有多级专家系统和多库协同系统的体系结构方案。多级专家系统是由总体专家系统和专业专家系统组成的一个树型结构。多库协同系统的典型是四库协同系统。四库是指：知识库、数据库、模型库和方法库。根据对这四个库的不同组织形式，四库系统又可分为“知识主导型”“模型驱动型”和“数据基础型”等类型。

8.人机界面设计

■

一个专家系统一般有两个人机界面：一个是面向系统开发和维护者的；一个是面向最终使用者的。

■使用界面往往要涉及“人机对话”，显然，最好的对话方式莫过于使用自然语言。大语言模型则会给专家系统的人机接口提供强力的支持。14.4开发工具与环境1.开发工具

(1)面向AI的程序设计语言PROLOG、LISP、C++

(2)知识表示语言产生式语言系统OPS5、基于框架的知识表示语言FRL、UNITS、多知识表示语言LOOPS。

(3)外壳系统典型的代表有EMYCIN、KAS和EXPERT等。国内也开发出了不少这类工具系统。

(4)组合式构造工具典型代表有AGE等。

用ESS开发的一个小型专家系统示例：

work(main):{主程序}makewindow(1,117,0,"d",3,10,4,30),nl,{定义主窗口}write("微机故障诊断专家系统"),nl,nl,makewindow(2,27,0,"a",9,40,1,16)readchar(_),dialog(yes),{开人机对话}metaKB(kb0),{将元知识调入内存}goaltrouble(Y),{推理目标}reasoning(backward){启动反向推理机}showconclusion,{显示结论}clearwindow,write(“解释否(y/n)?”),readchar(C),ifC=′y′thenexplain{给出解释}elsewrite(“”),clearmemory,{清内存}clearwindow.{清屏,运行结束}2.开发环境

专家系统开发环境就是集成化了的专家系统开发工具包。提供的功能主要有：(1)多种知识表示(2)多种推理模型(3)多种知识获取手段(4)多样的辅助工具(5)多样的友好用户界面(6)广泛的适应性在国内，由中科院数学所牵头曾研制一个了名为“天马”的专家系统开发环境。国际上比较接近专家系统开发环境的有：GURU、AGE、ART、KEE、KnowledgeCreft和ProKappa等。

18.5专家系统的发展

1.深层知识专家系统

深层知识专家系统，即不仅具有专家经验性表层知识，而且具有深层次的专业知识。这样，系统的智能就更强了，也更接近于专家水平了。例如一个故障诊断专家系统，如果不仅有专家的经验知识，而且也有设备本身的原理性知识，那么，对于故障判断的准确性将会进一步提高。要做到这一点，这里存在一个如何把专家知识与领域知识融合的问题。

2.自学习专家系统

就是能够自主学习而不断获取知识的专家系统。其还可分为两类。一类是在已有人类专家知识的基础上能够随着环境的变化而不断更新、完善、扩充其知识（库）的专家系统。另一类是从零开始的完全“自学成才”的专家系统。这类专家系统不需要任何人类的专家知识，完全靠自己在与环境的交互过程中通过不断学习而成为“专家”。例如，2017年10月DeepMind推出名为AlphaGoZero的围棋程序系统就是这种自学成才专家系统的一个成功案例。

3.神经网络专家系统根据问题的规模，构造一个神经网络，再用专家提供的典型样本数据，对网络