人工智能专家系统论文.docx
《人工智能专家系统论文.docx》由会员分享，可在线阅读，更多相关《人工智能专家系统论文.docx（8页珍藏版）》请在冰豆网上搜索。
人工智能专家系统论文
人工智能专家系统论文
人工智能专家系统论文
摘要：
人工智能是研究、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。
该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
其中专家系统是一种模拟人类专家解决领域问题的计算机程序系统。
它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，求解需要专家才能解决的困难问题。
关键词：
计算机，人工智能，专家系统
引言：
人工智能（ArtificialIntelligence），英文缩写为AI。
它是研究、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。
从基础理论的角度出发，其研究基本内容包括：
知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。
人工智能系统的开发和应用，已为人类创造出可观的经济效益，专家系统就是一个例子。
随着计算机系统价格的继续下降，人工智能技术必将得到更大的推广，产生更大的经济效益。
专家系统（expertsystem）是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。
也就是说，专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题，简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。
专家系统属于人工智能的一个重要发展分支，并且应用于数学、物理、医疗、军事、地质勘探、气象、农业、法律、教学、化工、机械、艺术以及计算机科学本身，甚至渗透到政治、经济、军事等重大决策部门，产生了巨大的经济效益和社会效益。
现在，专家系统已成为人工智能领域中最活跃、最受重视的领域。
[1].[2]
一、专家系统
1.1专家系统的特点
（1）.具有专家水平的专业知识：
专家系统中的知识按其在问题求解中的作用可分为三个层次，既数据级、知识库级、控制级。
数据级知识是指具体问题所提供的初始事实及在问题求解过程中所产生的中间结论、最终结论。
数据级知识通常存放与数据库中。
知识库知识是指专家的知识。
这一类知识是构成专家系统的基础。
控制级知识也称为元知识，是关于如何应用前两种知识的知识，如在问题求解中的搜索策略、推理方法等。
具有专家专业水平是专家系统的最大特点。
专家系统具有的知识越丰富，质量越高，解决问题的能力就越强。
（2）.能进行有效的推理：
专家系统要利用专家知识来求解领域内的具体问题，必须有一个推理机构，能根据用户提供的已知事实，通过应用知识库中的知识，进行有效的推理，以实现问题的求解。
（3）.启发性：
专家系统能利用经验的判断知识来对求解的问题作出多个假设。
依据某些条件选定一个假设，是推理继续进行。
（4）.透明性：
专家系统能够解释推理过程和回答用户提出的问题。
（5）.灵活性：
专家系统的知识库与推理机制既相互联系，又相互独立。
使系统易于扩充，具有较强的灵活性。
（6）.交互性：
专家系统一般都是交互式系统，具有较好的人机界面。
一方面它需要与领域专家和知识工程师进行对话以获取知识，另一方面它也需要不断地从用户处获得所需的已知事实并回答用户的询问。
1.2专家系统的一般结构
专家系统的结构是指专家系统各组成部分的构造方法和组织形式。
专家系统一般包括人机接口、推理机、知识库、动态数据库、知识获取机构和解释机构六部分。
各部分的关系如图1所示。
图1专家系统的一般结构
1.3专家系统的类型
若按专家系统的特性及功能分类，专家系统可分为10类，如下：
1、解释型专家系统：
根据感知数据，经过分析、推理，从而给出相应解释。
2、诊断型专家系统：
根据取得的现象、数据或事实推断出系统是否有故障，并能找出产生故障的原因，给出排除故障的方案。
3、预测型专家系统：
根据过去和现在的信息推断可能发生和出现的情况。
如气象预报、人口预测、水文预报、经济形势预测等。
4、设计型专家系统：
根据给定的产品要求设计产品的一类系统。
5、规划型专家系统：
能按给定目标拟定总体规划、行动计划、运筹优化等，适用于机器人动作控制、工程规划、军事规划、城市规划、生产规划等。
6、控制型专家系统：
能根据具体情况，控制整个系统的行为，适用于对各种大型设
及系统进行控制。
7、监督型专家系统：
能完成实时的监控任务，并根据监测到的现象做出相应的分析和处理。
8、修理型专家系统：
用于制定排除某类故障的规划并实施排除。
9、教学型专家系统：
适用于辅助教学，并能根据学生在学习过程中所产生的问题进行分析、评价、找出错误原因，有针对性地确定教学内容或采取其他有效的教学手段。
10、调试型专家系统：
能根据相应的标准检测被检测对象存在的错误，并能从多种纠错方案中选出适用于当前情况的最佳方案，排除错误。
1.4专家系统的开发过程
1.开发步骤
采用原型技术的专家系统开发过程如下图2所示，它可分为问题识别、概念化、形式化、实现和测试等阶段。
图2建立专家系统的步骤
2.知识获取
知识获取主要是把用于问题求解的专门知识从某些知识源中提炼出来，并转化为计算机内表示存入知识库。
知识源包括专家、书本、相关数据库、实例研究和个人经验等，当今专家系统的知识源主要是领域专家，知识获取过程需要知识工程师与领域专家反复交流、共同合作完成。
知识获取的基本任务是为专家系统获取知识，建立起健全、完美、有效的知识库，以满足求解领域问题的需要。
它需要做抽取知识、知识的转换、输入、检测的工作。
3.开发工具与环境
常用的专家系统开发工具和环境可按其性质分为程序设计语言、骨架型工具、语言型工具、开发环境及一些新型专家系统开发工具等。
其中骨架系统是由已有的成功的专家系统演化而来的。
它抽出了原系统中具体的领域知识，而保留了原有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。
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，使用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。
目前，国内外已有的专家系统开发环境有AGE、KEE等。
PROLOG和LISP是两种最主要的人工智能程序设计语言，现在PROLOG语言已经广泛应用于许多人工智能领域，包括定理证明、专家系统、自然语言理解等。
选择人工智能语言的一个重要原因是它提供了一些工具。
由于可移植性、效率和速度等原因，许多专家系统工具，现在都用C语言编写或转换为C语言。
[3].[4].[5].[6]
二、实际应用
上边谈了很多关于专家系统的理论知识，未免有些抽象，下面通过介绍一个专家系统的具体实例来对它达到更好的认识。
这个专家系统是图书馆参考服务专家系统，以下就它的建立进行说明。
2.1图书馆参考服务专家系统的建构
参考服务专家系统的建构分为以下四个部分：
建立一个参考服务专家系统，首要的步骤即是确立服务的范围，列出清晰的作业步骤，并找出相关的知识与概念，如此才能建立出精确、完整的知识库与推论器。
图书馆必须确认图书馆中那些工作是可以由专家系统来负责进行的。
馆员必须要将问题分为数类，如必须花费大量时间的问题、令人厌烦的问题、经常重复的问题、馆员较喜欢处理的问题等。
图书馆参考服务专家系统应提供何程度的服务，并无一定的标准，端赖图书馆想要使专家系统发挥何种效益而定。
每个图书馆的服务宗旨不同，参考服务的表现不同，当然专家系统中所包含的数据及问题的类型均有差异，不过一般来说，大致可分为三种型态：
启发式，中介式，深入式。
知识的粹取可取材自不同的地方，除了人类专家的知识之外，如相关的教科书、手册、报告、数据库等都可以成为知识的来源。
此程序通常是由知识工程师来主导进行，与专家洽谈，询问相关的问题以及解决的方式。
因此，由于专家知识是专家系统的主要内涵，知识工程师必须尽可能不借持个人的知识作主观的判断解释，主动询问或导引专家，并在两者之间形成一个良好的沟通模式，才能使知识的粹取顺利进行。
知识取得后，接着是如何将知识予以结构化。
下列有几种表示专家知识的方法：
法则：
法则是最常用表示专家知识的方法，其标准的程序架构为「若-则」（If-then），即评估一个情况，若状况为真，则采取行动。
参考服务可以藉由拟订一些法则来解决一些推论性问题，举例如下：
专家系统内法则的数量与程度比传统程序多上许多，而传统程序大概仅有50条到100条法则，而专家系统常具备数百至数千条法则。
法则可以依据个别的需求将其作不同的的定义，因此提供相文件大的弹性，可以用来处理的不确定状况。
框架：
知识框架是组织知识的一种数据结构，运用对象导向的方式涵盖特定对象的所有知识。
每一个特定对象都包含了一个以上的属性，称为Slots，而每个性又有一至多个属性值，或事些设定的合理的范围，称为Facets。
举例来说，我们可以将每个书给予一个框架。
语意网络：
语意网络是由由多个代表概念的点（Nodes）及连接点与点之间的弧（Arcs）所组成的一个网络。
如图3所示，我们可以透过它将书藉与其它相关要素之间相互连结的关系图架构起来。
图3语意网络架构范例
系统的发展要素不外乎发展工具与人员的运用二方面，兹分述如下：
1.发展工具
在发展参考服务专家系统时，最好先建立一个雏型化的系统，测试建立系统的不同方式，以发现最好的解决方案。
专家系统一般可利用程序语言或专家系建构工具来加以开发：
（1）程序语言
∙符号运算程序语言：
此种程序语言是专门为人工智能与专家系统而开发的，其中以LISP与PROLOG最广被应用。
∙一般高阶程序语言：
如C、Pascal、Fortran等，通常适用于科学、数学及统计方面。
由于这些程序语言本来就不是为专家系统设计，所以利用它们来开发专家系统需花费较多的时间与金钱成本。
一般来说，程序语言的设计较为费时，但能提供专家系统建构者较大的弹性，较能设计出符合解决问题的专家系统。
（2）专家系统建构工具（Shell）：
专家系统建构工具又称为专家系统骨架，是一种亲和性相当高的发展环境，非常容易产制使用者接口，快速表示知识库以及控制管理搜寻数据的策略，可视为发展专家系统的软件包。
因此即使不是计算机专家，亦可以透过它来开发专家系统。
专家系统建构工具基于简单好用的考量，大多是采法则模式，发展起来较迅速，但可能无法完全适用于不同的图书馆情况与特定的作业，也无法开发出较复杂的知识库和推论器。
2.人员的运用
图书馆在开发参考服务专家系统时，虽然大部分建构工作的技术部分主要是由知识工程师与程序设计师完成的，但馆员在整个过程中亦是举足轻重的，必须参与整个开发的作业，以使建构出来的系统确能符合所需。
馆员可以依其能力，及与其它专家合作的程度，适时地扮演以下角色：
∙作为信息资源的专家：
馆员提供知识工程师图书馆的现况及需求等资料，或协助其寻找、了解图书馆学领域中的相关信息。
∙作为协调者：
计划群组常很大，相互之间的协调是有些困难的。
馆员可以作为一个居中的领导者或沟通协调者。
∙作为信息中介者：
馆员可以作为使用者与知织工程师间的中介者，例如将不相关的信息过筛、区别相似的资源等。
∙作为知识的工程师：
具有相关学科背景或能力的馆员，不妨可以加入技术开发的阵容，作为负责发展专家系统团队的一部分。
∙进行使用研究：
有大部分的专家系统不是无法适应真实世界就是不能使用，除了技术上的问题之外，有许多原因是在于系统没有深入地考虑到使用者的行为模式、喜好与习惯等层面，因此，馆员应在系统发展前进行使用研究的工作，以作为系统发展中考量的基本要素。
∙进行与外部资源的连结：
馆员可以负责规划进行专家系统与外部资源的连结工作，如其它图书馆、光盘数据库、在线公用目录等，使专家系统成为一个整合性的透明系统（TransparentSystem）。
2.2图书馆参考服务专家系统的维护与评估
参考服务专家系统建构完成之后，并不代表所有工作就此告一段落，事后必须经常进行维护与评估，而它们的重要性绝不亚于事前的建构程序。
图书馆参考服务专家系统的维护工作包括下列三个主要部分：
1.知识库：
知识库的内容必须定期更新与修改，以适应环境与需求的不断变动。
2.推论器：
推论器的架构及法则必须依据知识库来做某些调整，以确保推论结果的正确性。
3.界面：
各种接口应依使用者、发展者与连结资源的不同需求而更新其设计方式，以期更能提供友善的操作环境，使系统与其它要素达到紧密的结合。
参考服务专家系统的维护工作可由知识工程师等技术人员定期到馆进行，或由馆员自己来实施。
图书馆参考服务专家系统的评估工作可分为下列二种方式：
1.发展性评估（FormativeEvaluation）
即为系统本身内容上的评估。
可由下列四点进一步探讨：
合理性（Soundness）：
指系统所提供之数据是否正确，这牵涉到专家系统的知识库的内容与推论建议之专业品质.。
完整性（Completeness）：
指系统是否提供所有完全相关之数据。
精确性（Precision）：
指系统回答读者问题的确定程度。
使用性（Usability）：
包括系统接口是否容易使用、专家系统与使用者相互沟通的程度、专家系统运作之效率分析与成本效益分析等。
2.全面性评估（SummativeEvaluation）
这项评估是以比较的方式来测试专家系统提供参考服务的能力。
最常使用的方法是直接以一些参考问题同时比较馆员与系统的回答及数据提供的完整性、精确性、合理性等，或是比较有使用专家系统与没有使用专家系统的效益。
一般来说，发展性评估较偏向少数人的主观判断，容易失之偏颇；而全面性评估则是属于实证性的比较，较为客观，但是实施起来比较费时费力，且适当的实证方法不易使用。
图书馆中所进行的专家系统评估多是属于较小型的发展性评估，仅有少数进行过全面性评估。
专家系统在初步设计的雏形系统阶段或更新扩张等时机，特别适合进行评估。
唯有经常进行测试与评估的工作，才能使了解专家系统实行的状况，并发现问题，进而使其发挥最大效益。
[7].[8]
三、现状与发展前景
专家系统运用于医疗、军事、地质勘探、教学、化工等领域，产生了巨大的经济效益和社会效益。
但与此同时，专家系统在开发使用中也存在着一下缺点:
1.知识获取的“瓶颈”。
2.另一种知识获取的困难就是多个领域专家的知识之间相互矛盾的处理。
3.知识“窄台阶”。
4.推理能力弱。
5.智能水平低。
以上种种都是专家系统发展中存在着的一些限制，在未来的年代中，许多今日专家系统缺失将会被改善，相信未来专家系统应该继续研究的项目有:
具有处理常识的能力；发展深层的推论系统；不同层次解释的能力；使专家系统具有学习的能力；分布式专家系统；轻易获取与更新知识的能力。
未来发展的专家系统，能经由感应器直接由外界接受资料，也可由系统外的知识库获得资料，在推理机中除推理外，上能拟定规划，仿真问题状况等。
知识库所存的不只是静态的推论规则与事实，更有规划、分类、结构模式及行为模式等动态知识。
参考文献
[1]王永庆.人工智能原理与方法[M].西安：
西安交通大学出版社,1998.
[2]敖志刚.人工智能与专家系统导论[M].合肥：
中国科技大学出版社,2002.
[3]杨学山.专家系统及其在管理中的应用.北京:
清华大学出版社,1991.
[4]武波.马玉祥.专家系统[M].北京：
北京理工大学出版社,2001.
[5]王万良.人工智能及其应用[M].北京高等教育出版社,2008.6
[6]杨学山.专家系统及其在管理中的应用.北京:
清华大学出版社,1991
[7]林晓瑞.《专家系统原理与实践》清华大学出版社
[8]福西斯（英）著.徐光佑周曼丽译.《专家系统原理和实例研究》中国铁道出版社
[9]王万森.《人工智能原理及其应用》电子工业出版社
升级会员 