7.1專家系統的定義和分類專家系統是人工智能的一個重要分支，也是目前人工智能中一個最活躍且最有成效的研究領域1968年，第一個專家系統DENDRAL專家系統的應用領域數學、物理、化學、醫學、地質、氣象、農業、法律、教育、交通運輸、機械、藝術以及計算機科學本身滲透到政治、經濟、軍事等重大決策部門產生了巨大的社會效益和經濟效益，同時也促進了人工智能基本理論和基本技術的發展專家系統的定義與特點費根鮑姆“專家系統是一種智能的計算機程序，它運用知識和推理步驟來解決只有專家才能解決的復雜問題”專家系統是基于知識的系統，用于在某種特定的領域中運用領域專家多年積累的經驗和專門知識，求解需要專家才能解決的困難問題

保存和大面積推廣各種專家的寶貴知識博采眾長比人類專家更可靠，更靈活

專家系統的產生和發展第一階段（60年代末—70年代初）第一個里程碑：斯坦福大學費根鮑姆等人于1968年研制成功的DENDRAL——分析化合物分子結構的專家系統分析利用質譜和核磁共振等化學實驗數據推斷出未知化合物的可能分子結構

MYCSYMA系統是由麻省理工學院（MIT）于1971年開發成功并投入應用的專家系統，它能夠求解各種數學問題

特點高度的專業化，專門問題求解能力強結構、功能不完整，移植性差，缺乏解釋功能專家系統的產生和發展第二階段（70年代中—80年代初）MYCIN是由美國斯坦福大學研制的用于細菌感染性疾病的診斷和治療的專家系統提出知識庫概念；引入可信度方法；推理解釋；英語交互PROSPECTOR是由美國斯坦福研究所開發的一個探礦專家系統首次實地分析華盛頓州某山區一帶的地質資料，發現了一個鉬礦床第一個有明顯經濟效益的ESCASNET是一個幾乎與MYCIN同時開發的專家系統，由拉特格爾（Rutger）大學開發，用于青光眼診斷與治療

AM系統是由斯坦福大學于1981年研制成功的專家系統模擬人類進行概括、抽象和歸納推理，發現某些數論的概念和定理專家系統的產生和發展第二階段特點：(1)單學科專業型專家系統；(2)系統結構完整，功能較全面，移植性好；(3)具有推理解釋功能，透明性好；(4)采用啟發推理、不精確推理；(5)用產生式規則、框架、語義網絡表達知識；(6)用限定性英語進行人—機交互專家系統的產生和發展第三階段（80年代以來）DEC公司與卡內基-梅隆大學合作開發了專家系統XCON為VAX計算機系統制訂硬件配置方案，節約資金近1億美元專家系統開發工具的出現，它在許多領域簡化了專家系統的構造如骨架系統EMYCIN、KAS、EXPERT，通用知識工程語言OPS5、RLL，模塊式專家系統工具AGE等專家系統的特點具有專家水平的專門知識能進行有效的推理具有啟發性能根據不確定（不精確）的知識進行推理具有靈活性具有透明性具有交互性專家系統與傳統程序的區別傳統程序依據某一確定的算法和數據結構來求解某一確定的問題，專家系統是依據知識和推理來求解問題→最大區別

傳統程序=數據結構+算法 專家系統=知識+推理

傳統程序把關于問題求解的知識隱含于程序中，而專家系統則將知識與運用知識的過程即推理機分離（使專家系統具有更大的靈活性，使系統易于修改）專家系統與傳統程序的區別從處理對象看，傳統程序主要是面向數值計算和數據處理，而專家系統則面向符號處理傳統程序處理的數據多是精確的，對數據的檢索是基于模式的布爾匹配，而專家系統處理的數據和知識大多是不精確的、模糊的，知識的模式匹配也多是不精確的傳統程序一般不具有解釋功能，而專家系統一般具有解釋機構，可解釋自己的行為專家系統與傳統程序的區別傳統程序根據算法求解問題，每次都能產生正確答案，專家系統像人類專家那樣工作，通常產生正確的答案，但有時也會產生錯誤的答案專家系統存在的問題之一專家系統有能力從錯誤中吸取教訓，改進對某一工作的問題求解能力從系統的體系結構來看，傳統程序與專家系統具有不同的結構

專家系統的類型按功能管理專家系統（元系統）完成復雜問題總體決策、管理協調子系統的功能領域專家系統（

）從推理方向的角度可分正向推理專家系統反向推理專家系統混合推理專家系統從知識表達方法的角度基于邏輯的專家系統基于產生式規則的專家系統基于語義網絡的專家系統

專家系統的類型專家系統種類 解決的問題 解釋 根據感知數據推理情況描述 診斷 根據觀察結果推斷系統是否有故障 預測 推導給定情況可能產生的后果 設計 根據給定要求進行相應的設計 規劃 設計動作 控制 控制整個系統的行為 監督 比較觀察結果和期望結果 修理 執行計劃來實現規定的補救措施 教學 診斷、調整、修改學生行為 調試 建議故障的補救措施專家系統的類型解釋型專家系統能根據感知數據，經過分析、推理，從而給出相應解釋代表性：DENDRAL（化學結構說明）、PROSPECTOR（地質解釋）等診斷型專家系統能根據取得的現象、數據或事實推斷出系統是否有故障，并能找出產生故障的原因,給出排除故障的方案代表性：PUFF（肺功能診斷系統）、PIP（腎臟病診斷系統）、DART（計算機硬件故障診斷系統）等預測型專家系統能根據過去和現在信息（數據和經驗）來推斷可能發生和出現的情況天氣預報、市場預測、人口預測等專家系統的類型設計型專家系統能根據給定要求進行相應的設計工程設計、電路設計、服裝設計）

代表性：XCON（計算機系統配置系統）、KBVLSI（VLSI電路設計專家系統）等

規劃型專家系統能按給定目標擬定總體規劃、行動計劃、運籌優化等機器人動作控制、軍事規劃、城市規劃等代表性：NOAH（機器人規劃系統）、SECS（幫助化學家制定有機合成規劃的專家系統）、TATR（幫助空軍制訂攻擊敵方機場計劃的專家系統）等控制型專家系統能根據具體情況，控制整個系統的行為代表性：YES/MVS（幫助監控和控制MVS操作系統）專家系統的類型監督型專家系統能完成實時的監測任務，并根據監測到的現象作出相應的分析和處理

代表性：REACTOR（幫助操作人員檢測和處理核反應堆事故）

修理型專家系統能根據故障的特點制訂糾錯方案，并能實施該方案排除故障，當制訂的方案失效或部分失效時，能及時采取相應的補救措施教學型專家系統能根據學生學習過程中所產生的問題進行分析、評價、找出錯誤原因，有針對性地確定教學內容或采取其它有效的教學手段

代表性：GUIDON（講授有關細菌感染性疾病方面的醫學知識）調試型專家系統能根據相應的標準檢測被測試對象存在的錯誤，并能從多種糾錯方案中選出適用于當前情況的最佳方案，排除錯誤7.2專家系統的結構和工作原理專家系統的一般結構人機接口、推理機、知識庫、動態數據庫、知識獲取機構、解釋機構人機接口解釋機構知識獲取機構知識庫推理機數據庫用戶領域專家知識工程師專家系統核心專家系統的一般結構知識庫

主要用來存放領域專家提供的專門知識(1)

知識表達方法的選擇

（最多的三種表示方法是產生式規則、框架和語義網絡）

①充分表示領域知識 ②能充分、有效地進行推理 ③便于對知識的組織、維護與管理 ④便于理解與實現(2)知識庫管理系統對知識庫中的知識組織、檢索和維護專家系統的一般結構推理機模擬領域專家的思維過程，控制并執行對問題的求解推理機包括推理方法和控制策略兩部分推理方法有精確推理和不精確推理控制策略主要指推理方向控制及推理規則選擇策略推理有正向推理、反向推理和正反向混合推理推理策略一般還與搜索策略有關（已在推理章節介紹）知識獲取機構“瓶頸”，是建造和設計專家系統的關鍵

基本任務是為專家系統獲取知識，建立起健全、完善、有效的知識庫，以滿足求解領域問題的需要

要對知識進行一致性、完整性檢測專家系統的一般結構人機接口

專家系統與領域專家、知識工程師、一般用戶間進行交互的界面由一組程序及相應的硬件組成，用于完成輸入輸出工作

更新、完善、擴充知識庫；推理過程中人機交互；結束時顯示結果數據庫又稱“黑板”、“綜合數據庫”或“動態數據庫”用于存放用戶提供的初始事實、問題描述及系統運行過程中得到的中間結果、最終結果等信息

是推理機不可缺少的工作場地，同時由于它可記錄推理過程中的各種有關信息，又為解釋機構提供了回答用戶咨詢的依據解釋機構回答用戶提出的問題，解釋系統的推理過程，使系統對用戶透明

專家系統的工作原理根據知識庫中的知識和用戶提供的事實進行推理，不斷地由已知的前提推出未知的結論即中間結果，并將中間結果放到數據庫中，作為已知的新事實進行推理，從而把求解的問題由求知狀態轉換為已知狀態在專家系統的運行過程中，會不斷地通過人機接口與用戶進行交互，向用戶提問，并向用戶作出解釋

7.3知識獲取知識獲取的任務為專家系統獲取知識，建立起健全、完善、有效的知識庫，以滿足求解領域問題需要(1)抽取知識 識別、理解、篩選、歸納等，及自學習(2)知識的轉換 第一步：從專家及文獻資料處抽取的知識轉換為某種知識表示模式，如產生式規則、框架等（知識工程師完成）第二步：該模式表示的知識轉換為系統可直接利用的內部形式 (3)知識的輸入

知識編輯器

(4)知識的檢測

不一致、不完整等

7.3知識獲取知識獲取的模式非自動知識獲取(人工移植)知識工程師知識編輯器自動知識獲取系統具有獲取知識的能力系統具有識別語音、文字、圖像的能力

系統具有理解、分析、歸納的能力

系統具有從運行實踐中學習的能力半自動知識獲取

7.4專家系統的建立可行性分析威特曼（Watermam）從三方面研究如何選擇適合專家系統開發的問題(1)什么情況下開發專家系統是可能的?①問題的求解主要依靠經驗性知識，而不需要大量運用常識性知識

②存在真正的領域專家，這也是開發專家系統最重要的要求之一

③一般某領域中有多個專家，他們應該對領域答案的選擇和精確度有基本一致的看法

④任務易，有明確的開發目標，且任務能被很好地理解7.4專家系統的建立(2)什么情況下開發專家系統是合理的？（之一?。?/p>

①問題的求解能帶來較高的經濟效益 ②人類專家奇缺，但又十分需要，且十分昂貴 ③人類專家經驗不斷丟失 ④危險場合需要專門知識(3)什么情況下開發專家系統是合適的？（特征！）

①本質——問題本質上必須能很自然地通過符號操作和符號結構來進行求解，且問題求解時需要使用啟發式知識，需要使用經驗規則才能得到答案 ②復雜性——問題不是太容易且較為重要 ③范圍——問題需要有適當的范圍專家系統的設計原則與開發步驟專家系統的設計原則專門任務 領域大小

專家合作 反復磋商，團結協作

原型設計 從“最小系統”到“擴充式”開發

用戶參與 充實、完善知識庫

輔助工具 提高設計效率

知識庫與推理機分離 體現特征，靈活專家系統的設計原則與開發步驟專家系統的開發步驟

知識工程比軟件工程更強調漸進性、擴充性重新完善問題識別概念化形式化實現測試重新描述重新設計需求概念結構規則專家系統的開發步驟

問題識別階段知識工程師和專家確定問題的重要特點，抓住問題各主要方面的特征概念化階段主要任務是揭示描述問題所需的關鍵概念、關系和控制機制，子任務、策略和有關問題求解的約束形式化階段把概念化階段概括出來的關鍵概念、子問題和信息流特征形式化地表示出來實現階段

把形式化知識變成計算機的軟體，即要實現知識庫、推理機、人機接口和解釋系統測試階段

通過運行實例評價原型系統以及用于實現它的表達形式，從而發現知識庫和推理機制的缺陷專家系統的評價正確性系統設計的正確性系統測試的正確性系統運行的正確性有用性推理結論、求解結果、咨詢建議的有用性系統的知識水平、可用范圍、易擴充性、易更新性等問題的求解能力（解題速度、推理效率），可能場合和環境人機交互的友好性運行可靠性、易維護性、可移植性系統的經濟性7.5專家系統實例動物/植物識別專家系統（前述例完善）醫學專家系統—MYCIN美國斯坦福大學，細菌感染性疾病的診斷和治療（診斷結果及處方）INTERLISP語言，知識庫含200多條關于細菌血癥的規則，可以識別約50種細菌整個系統占245KB，其中INTERLISP系統占160KB，編譯后的MYCIN系統占50KB，知識庫8KB，其余27KB存放臨床參數和作為工作空間咨詢解釋功能

地質勘探專家系統—PROSPECTOR美國斯坦福人工智能研究中心(SRI),1976年LISP語言似然規則的網絡模型7.6專家系統的開發工具四種主要的類型：用于開發專家系統的程序設計語言骨架系統通用型知識表達語言專家系統開發環境程序設計語言面向問題的語言為某些特定的問題類型設計的（如FORTRAN、PASCAL、C等）符號處理語言（面向AI的語言）專為人工智能應用而設計的（最常用LISP語言，PROLOG語言(第6章)）骨架系統骨架系統由已有的成功的專家系統演化而來的抽出了原系統中具體的領域知識，而保留了原系統的體系結構和功能，再把領域專用的界面改為通用界面常用的骨架系統EMYCINKASEXPERT骨架系統EMYCIN由MYCIN系統抽去原有的醫學領域知識，保留骨架而形成的系統具有MYCIN的全部功能EMYCIN開發的專家系統CLOTEMYCIN幫助決定解決結構分析問題的策略通過解釋呼吸測試數據來診斷肺病分析并確定病人血液凝固機制中有無問題SACON通過解釋油井鉆探數據來鑒定地下巖層預測麥田是否將受黑鱗翅目幼蟲之害LIGHOPIANT/CDP骨架系統