专家系统

专家系统(ES)是人工智能最活跃和最广泛的领域之一。专家系统定义为:使用人类专家推理的计算机模型来处理现实世界中需要专家作出解释的复杂问题,并得出与专家相同的结论。简言之,如图1所示,专家系统可视作“知识库(knowledge base)”和“推理机(inference machine)” 的结合。

简介

专家系统(ES)是人工智能最活跃和最广泛的领域之一。专家系统定义为:使用人类专家推理的计算机模型来处理现实世界中需要专家作出解释的复杂问题,并得出与专家相同的结论。简言之,如图1所示,专家系统可视作“知识库(knowledge base)”和“推理机(inference machine)”的结合。

图1专家系统结构

知识库系统的主要工作是搜集人类的知识,将之有系统地表达或模块化,使计算机可以进行推论、解决问题。知识库中包含两种型态:一是知识本身,即对物质及概念作实体的分析,并确认彼此之间的关系;二是人类专家所特有的经验法则、判断力与直觉。知识库与传统数据库在信息的组织、并入、执行等步 骤与方法均有所不同,概括来说,知识库所包含的是可做决策的知识,而传统数据库的内容则是未经处理过的数据, 必须经由检索、解释等过程才能实际被应用。

推理机的是由算法或决策策略来进行与知识库内各项专门知识的推论,依据使用者的问题来推得正确的答案。推理机的问题解决算法可以区分为3个层次:①一般途径:利用任意检索(Blind Search)随意寻找可能的答案,或利用启发式检索(Heuristic Search)尝试寻找最有可能的答案;②控制策略:有前推式(Forward Chaining)、回溯式(Backward Chaining)及双向式(Bi-directional)三种。前推式是从已知的条件中寻找答案,利用数据逐步推出结论;回溯式则先设定目标,再证目标成立;③额外的思考技巧:用来处理知识库内数个概念间的不确定性,一般使用模糊逻辑(Fuzzy Logic)来进行演算。推理机会根据知识库、使用者的问题及问题的复杂度来决定适用推论层次。

常用的专家系统一般可以分为5类,分别是:①基于规则的专家系统:利用一系列规则来表示专家知识;②基于框架的专家系统:这是对基于规则专家系统的自然推广,利用面向对象的编程思想来描述数据结构;③基于案例的专家系统:采用以前的案例求解当前问题的技术;④基于模型的专家系统:通过模型清晰定义、设计原理概念和标准化知识库;⑤基于网络的专家系统:将人机交互定位在网络(Internet)层次。

[描述来源:Zhang Yudong, Wu Lenan, & Wang Shuihua. (2010). Survey on development of expert system. Computer Engineering and Applications,46(19), 43-47.

URL:http://oversea.cnki.net/kcms/detail/detail.aspx?recid=&FileName=JSGG201019013&DbName=CJFD2010&DbCode=CJFD]

发展历史

作为人工智能的一个重要分支,专家系统按其发展过程大致可分为三个阶段:即初创期(1971年前)、成熟期(1972-1977年)和发展期(1978年至今)。

①初创期:1965年在美国国家航空航天局要求下,斯坦福大学成功研制了DENRAL专家系统,该系统具有非常丰富的化学知识,可根据质谱数据帮助化学家推断分子结构。这个系统的完成标志着专家系统的诞生。在此之后, 麻省理工学院开始研制MACSYMA系统,现经过不断扩充, 它能求解600多种数学问题。

②成熟期:到20世纪70年代中期,专家系统已逐步成熟起来,其观点逐渐被人们接受, 并先后出现了一批卓有成效的专家系统。其中,最具代表性的是肖特立夫等人的MYCIN系统,该系统用于诊断和治疗血液感染及脑炎感染,可给出处方建议。另一个非常成功的专家系统是PROSPCTOR系统,它用于辅助地质学家探测矿藏,是第一个取得明显经济效益的专家系统。

③发展期:20世纪80年代中期以后,专家系统发展在应用上最明显的特点是出现了大量的投入商业化运行的系统,并为各行业产生了显著的经济效益。其中一个著名的例子是DEC公司与卡内基梅隆大学合作开发的XCON-R1专家系统,它每年为DEC公司节省数百万美元。从20世纪80年代后期开始,一方面随着面向对象、神经网络和模糊技术等新技术的迅速崛起,为专家系统注入了新的活力;另一方面计算机的运用也越来越普及,而且对智能化的要求也越来越高。由于这些技术发展的成,并成功运用到专家系统之中, 使得专家系统得到更广泛的运用。

自从1965 年第一个专家系统Dendral在美国斯坦福大学问世以来,经过50年的开发,各种专家系统已遍布各个专业领域,涉及到工业、农业、军事以及国民经济的各个部门乃至社会生活的许多方面。

主要事件

年份事件相关论文
19651965年斯坦福大学成功研制了DENRAL专家系统。这个系统的完成标志着专家系统的诞生。Buchanan B. G. Heuristic DENDRAL. (1969). A program for generating expiator hypotheses in organic chemistry: Machine Intelligence[C]. Edinburgh: Edinburgh University Press, 209-254.
1971麻省理工学院开始研制MACSYMA系统,现经过不断扩充, 它能求解600多种数学问题。Martin, W. A., & Fateman, R. J. (1971, March). The MACSYMA system. In Proceedings of the second ACM symposium on Symbolic and algebraic manipulation (pp. 59-75). ACM.
1975肖特立夫等人的MYCIN系统,该系统用于诊断和治疗血液感染及脑炎感染, 可给出处方建议Shortliffe, E. H., Davis, R., Axline, S. G., Buchanan, B. G., Green, C. C., & Cohen, S. N. (1975). Computer-based consultations in clinical therapeutics: explanation and rule acquisition capabilities of the MYCIN system. Computers and biomedical research, 8(4), 303-320.
1979PROSPCTOR专家系统用于辅助地质学家探测矿藏, 是第一个取得明显经济效益的专家系统Duda, R., Gaschnig, J., & Hart, P. (1979). Model design in the PROSPECTOR consultant system for mineral exploration. Expert systems in the microelectronic age, 1234, 153-167.
1993DEC公司与卡内基梅隆大学合作开发的XCON-R1专家系统,它每年为DEC公司节省数百万美元。Moynihan, G. P. (1993). Application of expert systems to engineering design. Concurrent engineering: contemporary issues and modern design tools, 375-385.

发展分析

瓶颈

尽管专家系统已经在各个领域得到了广泛地应用,并收到良好的效果,但它们解决问题的范围常常受到限制,主要是因为:①知识不足;②解决问题的方法不妥。目前,大部分的专家系统都是针对某一特定领域建立的,一旦越出这一特定领域,系统就有可能无法再有效地运行

未来发展方向

发展分布式和协同式多专家系统就是一个解决上述一般专家系统局限性的重要途径:①分布式专家系统把一个专家系统的功能分解到多个处理器上并行工作,从而在总体上提高系统的处理效率;②协同式专家系统综合若干个子专家系统,互相协作共同解决一个问题。尽管分布式专家系统与协同式专家系统存在共性,例如都涉及到多个子系统,但是前者强调处理和知识的分布,后者强调子系统间的协同合作。分布式和协同式是未来专家系统的主流发展趋势,相信我们能在这一领域看到更多令人惊喜的应用。

Contributor: Keyu Qi

相关人物
Bruce Buchanan
Bruce Buchanan
R. Fateman
R. Fateman
Edward H.Shortliffe
Edward H.Shortliffe
简介
相关人物