人工智能 - 专家系统

专家系统 (ES) 是人工智能的突出研究领域之一。它是由斯坦福大学计算机科学系的研究人员介绍的。

什么是专家系统？

专家系统是为解决特定领域的复杂问题而开发的计算机应用程序，其水平超出了人类的智力和专业知识。

专家系统的特点

• 高性能
• 易于理解
• 可靠
• 响应速度快

专家系统的功能

专家系统能够−

• 建议
• 指导和协助人类决策
• 演示
• 得出解决方案
• 诊断
• 解释
• 解释输入
• 预测结果
• 证明结论
• 为问题提出替代方案

他们无法 −

• 替代人类决策者
• 拥有人类的能力
• 为不充分的知识库提供准确的输出
• 完善自己的知识

专家系统的组成部分

ES 的组成部分包括 −

• 知识库
• 推理引擎
• 用户界面

让我们简要地逐一看看它们 −

知识库

它包含特定领域的高质量知识。

知识是展现智能的必需条件。任何 ES 的成功主要取决于高度准确和精确的知识的收集。

什么是知识？

数据是事实的集合。信息被组织为有关任务域的数据和事实。数据、信息和过去的经验结合在一起被称为知识。

知识库的组成部分

ES 的知识库是事实和启发式知识的存储。

• 事实知识 − 它是知识工程师和任务领域学者广泛接受的信息。

• 启发式知识 − 它与实践、准确判断、评估能力和猜测有关。

知识表示

这是用于组织和形式化知识库中知识的方法。它采用 IF-THEN-ELSE 规则的形式。

知识获取

任何专家系统的成功主要取决于知识库中存储的信息的质量、完整性和准确性。

知识库由各种专家、学者和知识工程师的阅读材料形成。知识工程师是一个具有同理心、快速学习和案例分析技能的人。

他通过记录、采访和观察工作等方式从主题专家那里获取信息。然后，他以有意义的方式对信息进行分类和组织，采用 IF-THEN-ELSE 规则的形式，供干扰机使用。知识工程师还监控 ES 的开发。

推理引擎

推理引擎使用有效的程序和规则对于得出正确、完美的解决方案至关重要。

对于基于知识的 ES，推理引擎从知识库中获取并操纵知识以得出特定的解决方案。

对于基于规则的 ES，它−

• 将规则重复应用于从先前规则应用中获得的事实。

• 如果需要，将新知识添加到知识库中。

• 当多个规则适用于特定案例时解决规则冲突。

为了推荐解决方案，推理引擎使用以下策略−

• 前向链接
• 后向链式推理

前向链式推理

这是专家系统的一种策略，用于回答"接下来会发生什么？"

在这里，推理引擎遵循条件和推导的链条，最终推断出结果。它会考虑所有事实和规则，并在得出解决方案之前对其进行排序。

此策略用于得出结论、结果或影响。例如，预测股票市场状况是利率变化的影响。

后向链接

通过这种策略，专家系统可以找到问题的答案，"为什么会发生这种情况？"

根据已经发生的事情，推理引擎试图找出过去可能发生过哪些情况导致这一结果。遵循此策略可以找出原因或理由。例如，诊断人类的血癌。

用户界面

用户界面提供 ES 用户与 ES 本身之间的交互。它通常是自然语言处理，以便由精通任务领域的用户使用。ES 的用户不一定是人工智能专家。

它解释了 ES 如何得出特定的建议。解释可能以以下形式出现 −

• 屏幕上显示的自然语言。
• 用自然语言进行口头叙述。
• 屏幕上显示的规则编号列表。

用户界面可以轻松追踪推论的可信度。

高效 ES 用户界面的要求

• 它应该帮助用户以最短的方式实现他们的目标。

• 它应该被设计为适用于用户现有的或期望的工作实践。

• 其技术应该适应用户的要求；而不是相反。

• 它应该有效利用用户输入。

专家系统的局限性

没有技术可以提供简单而完整的解决方案。大型系统成本高昂，需要大量的开发时间和计算机资源。ES 有其局限性，包括 −

• 技术局限性
• 知识获取困难
• 专家系统难以维护
• 开发成本高

专家系统的应用

下表显示了专家系统的应用范围。

专家系统技术

有多种级别的 ES 技术可用。专家系统技术包括 −

• 专家系统开发环境 − ES 开发环境包括硬件和工具。它们是 −

  • 工作站、小型计算机、大型机。

  • 高级符号编程语言，如 LISt Programming (LISP) 和 PROLOGgrammation en LOGique (PROLOG)。

  • 大型数据库。

• 工具 −它们在很大程度上减少了开发专家系统所需的工作量和成本。

  • 强大的多窗口编辑器和调试工具。

  • 它们提供快速原型设计

  • 具有内置的模型定义、知识表示和推理设计。

• Shell − Shell 只不过是一个没有知识库的专家系统。Shell 为开发人员提供知识获取、推理引擎、用户界面和解释功能。例如，下面给出了几个 shell −

  • Java 专家系统 Shell (JESS)，提供用于创建专家系统的完全开发的 Java API。

专家系统的开发：一般步骤

ES 开发的过程是迭代的。开发 ES 的步骤包括 −

确定问题域

• 该问题必须适合专家系统来解决。
• 为 ES 项目寻找任务域专家。
• 确定系统的成本效益。

设计系统

• 确定 ES 技术

• 了解并确定与其他系统和数据库的集成程度。

• 了解概念如何最好地表示领域知识。

开发原型

从知识库：知识工程师致力于 −

• 从专家那里获取领域知识。
• 以以下形式表示If-THEN-ELSE 规则。

测试和改进原型

• 知识工程师使用示例案例测试原型是否存在性能缺陷。

• 最终用户测试 ES 的原型。

开发和完成 ES

• 测试并确保 ES 与其环境的所有元素（包括最终用户、数据库和其他信息系统）的交互。

• 很好地记录 ES 项目。

• 培训用户使用 ES。

维护系统

• 通过定期审查和更新使知识库保持最新状态。

• 随着其他信息系统的发展，满足与其他信息系统的新接口。

专家系统的好处

• 可用性 −由于软件的大规模生产，它们很容易获得。

• 生产成本较低 − 生产成本合理。这使得它们价格实惠。

• 速度 − 它们速度极快。它们减少了个人投入的工作量。

• 错误率较低 − 与人为错误相比，错误率较低。

• 降低风险 − 它们可以在对人类危险的环境中工作。

• 反应稳定 − 它们工作稳定，不会动弹、紧张或疲劳。