人工智能之基于知识的系统.pptx

Click to edit Master title style,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,第四章 基于知识系统,4.1 KB系统开发,4.2 设计基于产生式表示KB系统开发工具,4.3 教授系统实例MYCIN,4.4 问题求解结构化组织,本章小结,人工智能之基于知识的系统,第1页,4.1 KB系统开发,KB系统是,基于知识,问题求解系统，当其表现出教授级问题求解能力时称为,教授系统,。,KB系统研究起始于20世纪60年代中期。,通用问题求解方法一味追求造成了人工智能研究陷入黑暗探索期！,人工智能之基于知识的系统,第2页,1.KB系统普通概念,KB系统特点,含有求解问题所需专门知识,基本原理和常识,领域教授经验知识,含有使用专门知识符号推理能力,KB系统组成,KB系统基本结构可视为由三个部分组成：,知识库、推理机和用户界面,人工智能之基于知识的系统,第3页,人工智能之基于知识的系统,第4页,KB系统执行一些常见问题求解任务：,1)解释,2)诊疗,3)监控,4)预测,5)规划,6)设计,人工智能之基于知识的系统,第5页,推了解释,解释问题求解过程及结果合理性是KB系统应具备能力。,简单解释方式：,规则追踪,就是把问题求解过程中激活使用规则按激活次序显示给用户。,高级解释方式：按领域基本原理和常识,重构解答,。,人工智能之基于知识的系统,第6页,KB系统评价,KB系统有多个方面评价，其中有三个最主要：,计算、感观和性能,对MYCIN性能评价,评价方式：,首先由KB系统设计者用各种可能试验测试，确保无误后再交给用户；,用户以大量实际案例运行KB系统，并与原有方式执行结果相比较；,一旦发觉错误就马上作修改，直到用户信服KB系统有效性，然后才正式投入应用。,对于任何类型错误，其允许出现程度必须经过权衡错误造成损失和正确解答带来利益来决定。,人工智能之基于知识的系统,第7页,2.KB系统体系结构标准,本节内容面向硕士，能够不看了,人工智能之基于知识的系统,第8页,3.KB系统开发过程,知识获取：,就是把用于问题求解专门知识从一些知识源提炼出来，转化为推理机使用形式过程。,潜在,知识源,包含领域教授、书本、数据库以及普通人经验。,当前，知识获取主要方式：以知识工程师作为中间人从领域教授处获取专门知识。,为实现知识获取自动化，就要努力,取消知识工程师中介作用,，让一个智能知识获取界面直接与领域教授对话。,人工智能之基于知识的系统,第9页,领域教授,知识工程师,知识获取界面,推理机,知识库,手工知识获取过程,KB系统,人工智能之基于知识的系统,第10页,领域教授,智能,知识获取界面,推理机,知识库,KB系统,知识获取自动化,人工智能之基于知识的系统,第11页,经过知识工程师来开发KB系统可归纳为五个阶段。,识别阶段,，知识工程师和领域教授一起判别问题类型和特征。,概念化阶段,，说明主要概念、关系和信息流特征，并用以描述问题求解概念模型，包含问题求解方法、推理控制要求和约束条件。,形式化阶段,，决定知识表示形式和推理机制。,实现阶段,，以概念模型作为语义框架获取问题求解所需详细知识，以形式化阶段决定知识表示语言编写并存放进知识库。新建立知识库和推理机一起组成KB系统第一个原型。,测试阶段,，经过各种测试伎俩评价原型系统性能。,人工智能之基于知识的系统,第12页,认识问题,特征,找出表示,知识概念,设计组织,知识标准,形成概括,知识规则,验证组织,知识标准,必要条件,概念,结构,规则,重新描述,重新设计,重新完善,KB系统开发步骤,识别,概念化,形式化,实现,测试,人工智能之基于知识的系统,第13页,4.KB系统开发工具和环境,开发工具和环境能够分为三类：外壳(骨架系统)、表示语言、开发工具箱(开发环境)。,外壳：,给知识工程师提供现成实现KB系统骨架，只要按骨架要求表示方式编写专门知识，就可形成应用领域KB系统。,表示语言类工具：,为知识工程师提供面向知识处理高级编程语言。经典：OPS5,开发工具箱,(或称,开发环境,)：为KB系统生命周期中各个阶段提供工具，甚至能够提供各种外壳和表示语言，以及综合它们建立复杂KB系统伎俩。经典：KEE(Knowledge Engineering Environment),任务特征与外壳不匹配时不行！,编程语言不能直接描述控制结构！,人工智能之基于知识的系统,第14页,4.2 设计基于产生式表示KB系统开发工具,最著名基于产生式表示KB系统开发工具就是产生式系统语言,OPS5。,OPS5采取条件-动作型产生式规则，只允许正向推理，规则右部能够是任何操作函数序列。,下面介绍一个命名为,Xps,试验型产生式系统，它模拟了OPS5实现。,人工智能之基于知识的系统,第15页,4.2.1 总体设计,产生式系统由三个部分组成：,规则库,、,综合数据库,和,控制系统,。,1.规则表示,:=,*,+,能够用规则定义函数,Define-Rule,定义一条新规则，并将其置于规则库。比如：(Define-Rule Eat(Hungry?Person)(Edible?Food),(Write,(,?Person,eats the,?Food,),人工智能之基于知识的系统,第16页,2.综合数据库表示,综合数据库内容表示为以列表形式描述谓词公式。,能够用存放函数DB-Store将它们插进综合数据库。,比如，在初始化相关饮食问题综合数据库时，若执行：(DB-Store,(Hungry Peter),)(DB-Store,(Hungry Paul),)(DB-Store,(Edible Hot-Dog),)(DB-Store,(Edible Turkey-Leg),)(DB-Store,(Edible Muffin),),则综合数据库初始内容就由这5个事实元素组成，且每个元素附加一个时间标签以指示它们进入综合数据库先后次序.,时间标签按事实元素进入综合数据库次序，从1开始，依次加1。,人工智能之基于知识的系统,第17页,3.控制系统,控制机制采取前述,识别-行动,循环控制流。,在每个识别-行动循环识别阶段都有可能激活多条规则，且每条激活规则可有多个激活例，这些规则激活例组成了所谓,冲突集,。,比如上述相关饮食问题规则就存在多个满足综合数据库激活例，并由此建立了以下冲突集：规则名 激活例序号 变量置换 时间标签表Eat 1 Peter/Person,Hot-Dog/Food (1 3)Eat 2 Peter/Person,Turkey-Leg/Food (1 4)Eat 3 Peter/Person,Muffin/Food (1 5)Eat 4 Paul/Person,Hot-Dog/Food (2 3)Eat 5 Paul/Person,Turkey-Leg/Food (2 4)Eat 6 Paul/Person,Muffin/Food (2 5)其中，时间标签表记载了与规则条件部分匹配模式匹配事实元素时间标签。,人工智能之基于知识的系统,第18页,Xps采取冲突解法是：新近和特殊规则激活例优先选取。,冲突集能够有三种情况：,空集：则系统无法继续推理过程，失败结束；,单一规则激活例：直接执行该激活例；,多个规则激活例：执行冲突解法。,人工智能之基于知识的系统,第19页,冲突解法分三个步骤，分别由三个筛选器执行：,（1）折射（Refraction）筛选,将已使用过，又再一次激活规则例删除，不让其进入冲突集。,规则激活例中记载时间标签表，使得检验规则例是否重复激活成为可能。,（2）新近性（Recency）筛选,优先选取能与,最新近,进入综合数据库事实元素相匹配规则激活例。,因为规则条件部分往往有多个匹配模式，所以必须综合评价它们新近性。,可基于时间标签表加以评价，该方法以下：首先将各规则激活例时间标签表按数字从大到小排列其包含标签次序（并删除重复标签），然后再依次比较经排序后时间标签表对应元素，就可判别出新近性不一样。,人工智能之基于知识的系统,第20页,比如，有以下各时间标签表：,（1 10 3）（3 10 1）,（9 1 3）（8 6 9 7）（10 3）（3 1 2 9）,（3 1 10 1）,则先对各时间标签表进行排序得：（10 3 1）（10 3 1）（9 3 1）（9 8 7 6）（10 3）（9 3 2 1）（10 3 1）,按新近性标准，对应于时间标签表（1 10 3）（3 10 1）（3 1 10 1）规则激活例新近性最好。,人工智能之基于知识的系统,第21页,（3）特殊性（Specificity）筛选,特殊性意指规则条件部分含有更多匹配模式。,显然，特殊性高规则难以激活，所以一旦激活，并经过了新近性筛选，就应优先选取这种规则激活例。,对于上例新近性筛选留下三个规则激活例，按特殊性标准，就应选取对应于时间标签表（3 1 10 1）那个。,若经由上述三个步骤筛选后仍留下多于一个规则激活例，则从中,随机选取,一个。,人工智能之基于知识的系统,第22页,练习,P190、二、4,设在Xps运行某个识别-行动循环激活了6条规则例，它们时间标签表依次分别为：,（1 3 5）（7 6 0）（7 6 6 0）（5 6 8）（5 6 2）（0 3 7）已知第1、4规则激活例已执行过，问此循环应选取哪条规则激活例加以执行？,人工智能之基于知识的系统,第23页,4.2.2 Xps实现,实现Xps程序设计分三个部分进行：规则库管理、综合数据库管理和推理引擎。,1、规则库管理,规则库设计为一个散列表，用前述函数Define-Rule定义产生式规则。,为提升使用效率，规则转变为内部形式数据结构存放，包含5个数据场：,规则名,、,匹配模式列表,、,模式变量表,、,操作函数列表,和,时间标签表集合,。,时间标签表集合存放已被执行过该规则激活例时间标签表，以备检验。,人工智能之基于知识的系统,第24页,2、综合数据库管理,综合数据库设计为树状层次索引网。,可按事实元素列表中元素次序逐层建立事实元素索引，并,将事实元素置于索引路径末端。,面向综合数据库管理操作包含PS-Store、PS-Erase和PS-Fetch，分别实现事实元素插入、删除和取用,。,人工智能之基于知识的系统,第25页,3、推理引擎,推理引擎也称为解释器，其主要工作就是对规则库中规则进行解释性执行。基本控制流是,识别-行动,循环。,1）建立冲突集,每当一个规则条件部分全部匹配模式都找到匹配事实元素时，就建立该规则一个激活例，记载模式变量束缚值和时间标签表。,随即检验该标签表是否出现于该规则标签表集合中，若出现，则该激活例已使用过，不再进入冲突集，不然加进冲突集。,2）处理冲突,因为折射筛选步已在建立冲突集过程中完成，处理冲突实际上就是进行后二步：新近性筛选和特殊性筛选，若筛选后冲突集中还剩下多个规则激活例，就随机取一个。,人工智能之基于知识的系统,第26页,3）执行选取规则例,首先把该规则激活例时间标签表加进对应规则内部结构时间标签表集合；然后将模式变量束缚值取出，作为参数调用规则右部操作函数加以执行。,为增加产生式规则表示功效，Xps允许在规则条件部分应用特殊谓词Assign，连词AND和NOT，关系表示式（以前缀方式表示）和任何真值函数（以$符号作为函数名前缀）。,人工智能之基于知识的系统,第27页,应用,Assign,谓词表示式形如：（Assign ）用于提升规则表示便易性。其使用方法经过下面例子加以说明：（,Define-Rule,Fill-Big-Box(,Assign,?A,（On?X Table）,)(Color?X Green),(PS-Store(In?X Big-Box)(Write(?X is now in the big box)(,PS-Erase,?A)这里谓词Assign,仅指示将与匹配模式匹配事实元素作为模式变量?A束缚值。,需做匹配检验,已经是束缚值了！,人工智能之基于知识的系统,第28页,连词,AND,应用使多个匹配模式联合作为单一匹配模式。,比如某规则条件部分形如：(P?X?Y)(AND(Q?X?Y)(W?Y?Z),相当于该规则只有2个匹配模式，规则激活例时间标签表也只包含2个时间标签。,连词AND辖域内匹配模式仍分别作匹配检验，只是仅将匹配事实元素中最大时间标签作为整个AND匹配模式时间标签。,人工智能之基于知识的系统,第29页,连词,NOT,应用引入了否定匹配模式。,比如：(NOT(P?X?Y),只有（P?X?Y）不能满足情况下，NOT匹配模式才满足。,显然,对应于满足NOT匹配模式，不可能取得时间标签；但为了表示因NOT匹配模式引入增加了规则特殊性，可产生一个以数字“0”指示空时间标签。,比如时间标签（9 0 3）就意指条件部分第2个匹配模式是NOT匹配模式。,关系表示式和真值函数不需要在综合数据库中进行匹配检验，而是依据关系符语义或真值函数执行来确定真值（T或F）。所以，一样不可能取得时间标签，可对应地引入空时间标签。,人工智能之基于知识的系统,第30页,上周回顾,知识表示实用化问题,程序性知识,陈说性知识,本体表示语言研究,XML,DTD,RDF,KB系统特点、组成、评价、开发,试验型产生式系统XPs设计和实现,人工智能之基于知识的系统,第31页,4.2.3 应用实例家族树,下面经过一个关于家族树应用简例，观察基于产生式表示KB系统设计和问题求解流程。,问题求解任务是查询某人祖先，能够设计5条产生式规则加以表示。,该KB系统开启后首先初始化综合数据库：用PS-Store插入标识（Load-Signal）作为第1个事实元素。,人工智能之基于知识的系统,第32页,1）(Define-Rule,Load-Data,(Assign?A(,Load-Signal,),(PS-Erase?A)(PS-Store(Parents Penelope Jessica Jeremy)(PS-Store(Parents Jessica Mary-Elizabeth Homer)(PS-Store(Parents Jeremy Jenny Steven)(PS-Store(Parents Steven Loree Nil)(PS-Store(Parents Loree Nil Jason)(PS-Store(Parents Homer Stephanie Nil)(PS-Store(Start-Singal),2）(Define-Rule,Start-Example,(Assign?A(Start-Signal),(PS-Erase?A)(Write(Name of Person:),(Read?Input)(PS-Store(Request Ancestors?Input),插入事实元素,请求输入姓名,人工智能之基于知识的系统,第33页,3）(Define-Rule,Find-Ancestors,(Request Ancestors?Name)(NOT(Equal?Name Nil)(Parents?Name?Mother?Father),(PS-Store(Request Ancestors?Mother)(PS-Store(Request Ancestors?Father),4）(Define-Rule,Print-Ancestor,(Assign?Request1(Request Ancestors?Name)(NOT(=?Name Nil),(Write(?Name is an ancestor)(PS-Erase Request1),5）(Define-Rule,Stop-Finding-Ancestors,(Request Ancestors?Name)(NOT(=?Name Nil)(NOT(AND(Request Ancestors?X),(NOT(=?X Nil)(NOT(=?X?Name),(Write(No more ancestors),(Halt),查询父亲母亲,打印祖先名,无其它祖先！,人工智能之基于知识的系统,第34页,(Load-Signal),(Parents Penelope Jessica Jeremy),(Parents Jessica Mary-Elizabeth Homer),(Parents Jeremy Jenny Steven),(Parents Steven Loree Nil),(Parents Loree Nil Jason),(Parents Homer Stephanie Nil),(Start-Singal),(Request Ancestors Penelope),(Request Ancestors Jessica),(Request Ancestors Jeremy),(Request Ancestors Jenny),(Request Ancestors Steven),(Request Ancestors Loree),(Request Ancestors Jason),(Request Ancestors Mary-Elizabeth),(Request Ancestors Homer),(Request Ancestors Stephanie),人工智能之基于知识的系统,第35页,4.2.4 性能改进,缺点：,从上例可看出，Xps求解过程中重复地产生冲突集。,每个识别-行动循环都重新生成一个冲突集，但系统只从中选一个规则激活例执行，其余规则激活例全部抛弃。,实用上，相邻二个循环之间综合数据库内容往往改变很小，造成许多一样匹配检验工作重复地进行，浪费时间，降低问题求解效率。,改进：,Xps应设计成不是每个循环重新生成一个冲突集，而是一直保持一个,全局冲突集,。,一旦初始冲突集生成，在以后识别-行动循环中只需依据综合数据库增删改变，加新规则激活例到冲突集，删去条件部分变得不满足规则激活例。,人工智能之基于知识的系统,第36页,对Xps作以下改进：,（1）将规则条件部分匹配模式置于另一树状层次索引网，并记载匹配模式在规则条件部分中排列次序和模式变量束缚值。用增删事实去匹配规则。,（2）记载规则部分满足状态。,（3）处理否定匹配模式。,Xps主要功效与OPS5相当，推理控制机制也相同；主要区分在于知识表示形式和内部存放方式。,人工智能之基于知识的系统,第37页,4.2.5 开发工具OPS5,OPS5开发于70年代后期，属表示语言型教授系统开发工具。,能提供比骨架型工具更为通用推理控制机制和知识表示语言去适应于较宽范围应用领域，尤其是教授系统开发者能够经过OPS5表示语言去设计尤其控制要求。,Xps很好地模仿了OPS5实现，主要差异在下面三个方面。,人工智能之基于知识的系统,第38页,1）对象表示,Xps用一组相互独立事实元素来描述一个对象，而OPS5则用对象子句集描述一个对象，形如：（,+,）,比如Xps用一组事实元素来描述某个人Penelope：(Parents Penelope Jessica Jeremy）(Age Penelope 20)(Sex Penelope Female)而在OPS5中则紧凑地表示为：(Person Name Penelope Age 20 Sex Female Parents Jessica Jeremy),指示属性名,人工智能之基于知识的系统,第39页,2)对象存放形式,Xps以树状层次索引网存放事实元素，OPS5则为每类对象定义一个类（Class）结构，使类每个实例（即对象）含有固定数量属性和固定属性名。OPS5以LITERALIZE格式定义类。,比如类Person定义为：（LITERALIZE Person Name Age Sex Parents）,类定义允许最终一个属性取多值，这种属性称为向量属性。,人工智能之基于知识的系统,第40页,3）规则条件,规则条件部分匹配模式中模式变量常会受到一些值束缚限制，比如要求模式变量?X非空。Xps以插入规则条件部分（NOT(EQUAL?X NIL)）来表示；,OPS5中规则前提部分模式则以带变量类实例（对象）来实现更为方便和紧凑表示。就以前述家族树最终一条规则条件部分为例，OPS5将其表示为：,（Request Type Ancestors Target NIL）-(Request Type Ancestors Target NIL),人工智能之基于知识的系统,第41页,OPS5（和Xps）一个不一样于骨架型工具主要特点是允许教授系统开发者定制尤其控制要求。定制建立在二个主要概念基础上：,目标模式,和,控制元素,。,OPS5提供这种推理控制定制能力既是优点也是缺点。,优点表达在能够定制控制要求以适应于问题特征和更有效地求解问题，也有利于知识库维护；,缺点表达在要求教授系统开发者含有一定技术水平，无经验开发者会感觉到难以使用。,人工智能之基于知识的系统,第42页,4.3 教授系统实例MYCIN,MYCIN是一个经过提供咨询服务来帮助普通内科医生诊治细菌感染性疾病教授系统，其于1972年开始研制，74年基本完成，并投入实际应用。,围绕着MYCIN各种研究工作一直延续了，对于推进知识工程以及教授系统学科建立和发展含有主要影响。,人工智能之基于知识的系统,第43页,知识表示方式：,MYCIN也设计为经典产生式系统，由规则库、综合数据库和控制系统三个部分组成；只是基于规则推理采取,逆向,方式。,从KB系统组成来看，规则库就是MYCIN,知识库,，综合数据库和控制系统联合形成,推理机,。因为当初还未出现视窗技术，,用户界面,只提供基于文本(text)问答过程和结果显示。,人工智能之基于知识的系统,第44页,4.3.1 知识库结构,MYCIN知识库以前提-动作型产生式规则来表示。,:=RULE PREMISE($AND,+,)ACTION,+,:=|（$OR,+,）。,惯用函数：,(SAME,),(CONCLUDE TALLY),可信度，-1,+1,关联三元组,人工智能之基于知识的系统,第45页,MYCIN系统建立早期就以上述格式表示和搜集了200多条规则于知识库，其中047号规则表示以下：,RULE 047 PREMISE($AND(SAME,CNTXT,SITE BLOOD)(NOTDEFINITE CNTXT IDENT)(SAME,CNTXT,STAIN GRAMNEG)(SAME,CNTXT,MORPH ROD)(SAME,CNTXT,BURN T)ACTION (CONCLUDE,CNTXT,IDENT PSEUDOMONAS TALLY 0.4),规则047假如：1）培养物取自血液，且2）病原体身份未判别，且3）病原体染色是革兰氏阴性，且 4）病原体形态为杆状，且5）病人被烧伤；那么：该病原体身份应判别为假单胞细菌，且可信度为0.4。,需考查对象（上下文）,人工智能之基于知识的系统,第46页,4.3.2,推理机设计,整个推理过程经过称为目标规则092号规则来开启。,规则092,假如：,1）存在一个病原体需要治疗，且2）可能存在其它需要治疗病原体，尽管它们还未从当前培养物中分离出来；,那么：,1）依据病原体对药品敏感情况，制订能有效抑制这些病原体治疗方案（能够有多个），且2）从中制订最正确综合治疗方案；,不然：,病人无须治疗。,人工智能之基于知识的系统,第47页,1、诊疗推理控制,采取逆向推理和深度优先搜索策略。,步骤：,在综合数据库（MYCIN称为动态数据库）中建立上下文对象：病人-1（patient-1），,作为一棵上下文树根节点。,以建立病人治疗方案(REGIMEN)为目标，激活上述规则092。,规则链形成造成推理树（或称目标树）建立。,人工智能之基于知识的系统,第48页,因为导出相同结论规则（如090和149）相互独立地支持结论成立（有或关系），而规则前提包含条件又有与关系，所以推理树成为,与或树,。,人工智能之基于知识的系统,第49页,MYCIN系统经过两个相互调用程序MONITOR和FINDOUT去推进整个推理（咨询）过程。,MONITOR分析相关规则能否激活；,FINDOUT则搜索规则激活所需数据（属性值及其CF）。,MYCIN将规则按上下文对象分类，使得每次对于一个目标作推理时，只需考虑该目标包括那个上下文对象相关规则，从而大幅度提升了推理效率。,人工智能之基于知识的系统,第50页,人工智能之基于知识的系统,第51页,FINDOUT程序流程,人工智能之基于知识的系统,第52页,2、不确定推理,鉴于推理过程生成了与或推理树，MYCIN不确定推理既要处理CF沿推理链传递，又要处理CF与或组合。,人工智能之基于知识的系统,第53页,3、治疗选择机制,所谓治疗方案，就是依据推断出可能病菌（病原体）选取适当治疗药品。,知识库中已包含一组治疗规则，每条规则为一个病菌制订一个药品治疗方案。,当然，医生对药品使用有最终决定权，若发觉用药不合理，能够要求除掉这些不合理药品，并重新开启治疗方案综合制订。,人工智能之基于知识的系统,第54页,4.3.3 系统服务设施,1、推了解释,WHY:,主要用于推理过程中系统请求医生提供观察数据时。,HOW:,主要用于推理结束后，回答医生对推理结果提出疑问。,WHYNOT:,医生问询某条规则为何未被使用，系统解释通常是该规则前提不能满足。,人工智能之基于知识的系统,第55页,为了使系统提供解释适合于不一样专业医生（甚至病人），MYCIN研制者于1982年提出了能依据用户知识水平加以裁剪解释；并设置了二个参数：复杂性和主要性，来量化知识单元（规则和对象属性）可解释性。,复杂性,-用以指示为了解-知识单元，需要用户本身具备知识水平。,主要性,-为让用户了解给出解释，该知识单元不可缺乏程度。,人工智能之基于知识的系统,第56页,2、知识库维护,MYCIN系统知识库中包含推理规则，尽管形式上相互独立，但语义上却相互关联，并由此形成推理树。,正是这种语义上关联，使知识库维护面临困难。,人工智能之基于知识的系统,第57页,以增加规则到知识库为例，通常会出现以下三类问题：,包含问题,在知识库包含规则r:A B,D情况下，增加新规则r：A B C,D。显然，这二条规则不应同时存在于知识库（会引发冗余）。终究保留哪条规则于知识库取决于是否存在这么情况：A B C,D。,单一规则不一致,在知识库包含规则A,B情况下，增加新规则A,B，就会产生这种不一致问题。显然，让系统自动发觉该问题是轻易。,多规则不一致,在知识库包含规则A,B，B,C，C,D情况下，增加新规则A,D就会产生这种不一致问题。因为包括到一条推理链，要查出这种问题往往既困难又耗时。,人工智能之基于知识的系统,第58页,3、教学,MYCIN知识库包含了医学教授提供丰富经验知识，能够作为医疗教学知识起源。,人工智能之基于知识的系统,第59页,4.3.4 开发工具EMYCIN,EMYCIN是从MYCIN系统抽取出与应用领域无关骨架型教授系统开发工具。,EMYCIN继承了MYCIN主要特点，以下：,采取逆向链深度优先控制策略；,使用产生式规则表示领域知识；,允许事实和规则含有不确定性（以可信度指示）。,人工智能之基于知识的系统,第60页,EMYCIN定义规则能够用BNF范式描述以下：,:=(IF THEN ELSE),:=与或组合,:=,:=,:=(),人工智能之基于知识的系统,第61页,用EMYCIN开发一些有影响教授系统,PUFF：设计于1978年，是一个面向肺部疾病治疗；,HEADMED：1978年，面向心理医药学；,SACON：1979年，面向机械结构分析；,ONCOCIN：1981年，用于辅助医生管理患淋巴瘤癌症病人化疗协议；,CLOT：1980年，用于诊疗血液凝结系统疾病；,DART：1981年，用于诊疗IBM计算机远程处理系统中出现软件和硬件故障。,人工智能之基于知识的系统,第62页,4.4 问题求解结构化组织,原因：传统知识表示技术与人组织问题求解思维方式严重失配。,为此，需要在易于人了解更高级别去开展知识表示研究，那就是纽厄尔提议,知识级。,问题求解行为是经过目标集和动作集加以刻画，知识作为关联动作到目标媒介，基于简单合理性标准。,人工智能之基于知识的系统,第63页,4.4.1 结构化组织要求,表示和组合应用领域知识最简单策略，是把问题求解所用全部知识统统表示为,规则,，利用规则搜索从问题求解初始状态到目标状态路径。,利用产生式规则表示领域知识有许多优点，但也有缺点，详细表现为：,难以扩展。,选择规则低效性。,不灵活控制策略。,单一表示形式。,人工智能之基于知识的系统,第64页,为克服这些缺点，将求解复杂问题知识划分为一组相对独立模块比较适当。,模块化一个主要议题就是怎样协调模块在问题求解过程中相互合作。,模块划分能够是面向动作或面向对象。前者面向怎么做知识组织，后者面向是什么知识组织。,人工智能之基于知识的系统,第65页,4.4.2 事务表,事务表(Agenda),是一张应由系统执行事务列表，也称任务表，是面向动作问题求解组织方式之一。,它允许各个推理模块经由事务表相互通信，以求协调它们在问题求解中合作关系。,任务,推理模块,优先级,理由表,人工智能之基于知识的系统,第66页,4.4.3 黑板法,黑板法(Blackboard),也是面向动作组织方式。,用黑板法组织问题求解首先出现于70年代对取名为HEARSAY-口语了解系统研究。系统由一组称为知识源(KS-Knowledge Source)独立推理模块和黑板组成。,每个KS包含三个部分：触发模式、直接码和体。,黑板是全部KS能够访问公共数据区。,人工智能之基于知识的系统,第67页,4.4.4 问题求解建模,4.4.5 新一代KB系统技术,这两节有兴趣自己看，了解一下！,人工智能之基于知识的系统,第68页,本章小结,人工智能之基于知识的系统,第69页,