以AIML为基础之智慧型代理人知识对话系统.docx

资源描述

以AIML為基礎之智慧型代理人知識對話系統劉振隆陳冠樺、黃毓慧、鄭紫岑義守大學資訊管理學系 Email: jlliu@isu.edu.tw 摘要隨著科技融入教學與網際網路的普及，教學方式不斷地創新，在網路上收集新知應用到教學變得相當地重要，並經由智慧型代理人自動化的進行收集資料、整理資料以及擷取到新知識。應用人工智慧可將人類對各種問題及事物，所引起的思考、判斷、推理、解決問題、計畫及決策等過程，將之分解成一連串的基本步驟，利用程式設計方法，使知識可適切地被表達，並賦予電腦學習的架構，利用機器學習的成果以解決或處理各種更複雜的問題。本專題研究採用AIML（Artificial Intelligence Markup Language）為基礎之語法，建構智慧型代理人系統藉由鍵盤鍵入我們的提問問題讓機器人來解答並解決我們的疑惑，同時這些智慧型機器人將學習我們的技術、分享我們的目標和價值。這些機器人不僅在家中照顧我們，還會執行目前由人類腦力進行的工作，例如診斷疾病和建議治療方法。本研究賦予此代理人具體的形象與角色個性，設計知識問答，依照使用者輸入的文字判斷使用者的所需並解之相關知識。受限於語意分析的難度，目前只做到單一對話雛型建立，並測試人工智慧、知識管理與基因演算法等三方面之領域知識。關鍵字：智慧型代理人（Intelligent Agents）、人工智慧（Artificial Intelligence）、領域知識。壹、緒論 1.1 研究動機與目的近年來，在科技日新月異的衝擊下，智慧型的技術將被視為具有舉足輕重的影響力。當然，我們日常生活中也漸漸增加許多相關的應用。因為閱讀過了相關論文之後，代理人機制是我們所想要共同研討及了解的。因此，本組成員決定以人工智慧來作為研究主題，並且依研究的成果，來製作一個最基礎的代理人（Agent）系統。常常在日常生活中，我們所接觸的是大略的重點，當我們深入了解後，深覺我們對於身邊的事物，應該要抱有求知的態度，這樣才能擁有更多的收穫。 1.2 研究流程我們是採用AIML（Artificial Intelligence Markup Language）語法寫，類似使用Alice機器人的機制方式，解答詢問者的疑惑，雖然這是一個簡單的知識傳遞之對話機制，但對我們來說，是我們的研究一大步，不僅僅學到如何獨立的學習，也深刻地體會到研究學術之辛苦。本專題之研究流程圖及時程甘特圖分別為圖1.1和圖1.2。研擬主題立訂主題蒐集相關書面論文設計系統架構建置知識庫完成雛型系統模擬與執行關係探討與結論圖1.1 研究流程圖 3月 4月 5月 6月 7月 8月 9月 10月 11月研擬主題資料收集文獻探討系統架構設計資料庫設計實際上機測試結案報告圖1.2 時程甘特圖 1.3 研究範圍本專題之智慧型代理人所提供之知識庫中包含基因演算法、智慧型代理人、知識管理三個主題。基因演算法是一種套用達爾文的演化論的檢索方法，源自於自然界中 "物競天擇，適者生存" 的特性，模擬生物間的競爭，存活者得以繁衍下一代的觀念，應用於最佳化工程之計算時，以隨機方式同時產生多組解，較佳的解將被留下運算，如此多次疊代即可求出最佳解的過程。基因演算法基本理論基因演算法是模仿生物進化遺傳的過程，三個主要的運算子﹕複製（Reproduction）、交配（Crossover）、突變（Mutation），應用此基本觀念即可完成演算法之運算。智慧型代理人具備反應力(Reactivity)、主動能力(Proactiveness)、社交能力(Social Ability)，智慧型代理人它能與其它的代理人進行溝通，以達到其設計目標。知識管理是一種過程，協助個人、企業或團體創造出有用的資訊，例如客戶有接觸經驗的其他員工或類似相同的工作經驗員工。且他們也必需持續的與他們的客戶交換資訊，再加上他們也經常需要外部資訊，如市場記憶、集合、儲存公司的學習，使員工離職時的影響最小，而這個記憶不只是對於員工要完成每天的工作是重要的，而且在快速有效的訊練新員工上更是不可少的。圖1.3 Garry Kasparov與Deep Blue下西洋棋圖 1.4 知識管理的示意圖 1.5 基因演算法的示意圖貳、文獻探討 2.1 智慧型代理人人工智慧有一個目的就是就是讓機器聰明一點，這也是我們現階段的重要目標。以一個比較低層次之期待或要求的角度來看，是要讓機器如何比較好用，有效率，有效能來協助人們來完成一些工作。當然，以長遠來看，我們更希望從研究「人工智慧」的過程中知道真正的「智慧」是什麼，進而模仿它。過去智慧型代理人的應用像是機器人、生產線的機器或是以前具跨時代性的大型電腦等，智慧型代理人能蒐集到的資訊有限，所以難以下判斷。智慧型代理人（Intelligent Agents）是近十年來的新興資訊技術與概念。網際網路興起，資訊的供給與需求大幅而快速地增加，上網搜尋資料，已成為現代人習以為常的活動之一。智慧型代理人（Intelligent Agents），簡單來說，是一種能在使用者指定的環境下持續並自動執行指令，且能在不需使用者干預的情況下針對環境的改變作出適當的動作及回應的軟體系統，但並不全然的代理人都是具有智慧的。它也是一種研究，它嘗試從學習人的思想及行為模式知決策判斷的方式去看、去想與去瞭解，到底我們該怎樣去處理事情是比較好的、比較快速的。進而透過一種特殊設計的機器去呈現與執行這樣一個過程。從資訊學的角度來看，是透過一個啟發性的法則，來完成這樣一個過程。從智慧型代理人應該具備什麼樣的特性與能力的角度來回答這個問題(Woodridge and Jenning 1995)。Wooldridge and Jenning 列出智慧型代理人應具備的能力如下： 1. 反應力(Reactivity)：智慧型代理人能夠認知到環境的變化，並採取適當的行動以因應環境的改變。 2. 主動能力(Proactiveness)：智慧型代理人能夠以採取符合自己的設計目標活動，來顯示其行為是以目標為基礎行為(goal-directed behavior)。 3. 社交能力(Social Ability)：智慧型代理人能夠與其他的代理人進行溝通，達到設計目標。過去傳統的機械式機器，在過去的時代具有跨時代的意義下發展，隨著網際網路的流行，代理人在網際網路上亦大行其道，舉凡搜尋軟體、遠距教學、電子化政府系統、數位圖書館、行動代理人、知識管理、基因演算法…等等，不勝枚舉。人工智慧並不限於應用在資訊科學。還有許多其他不同學科領域與人工智慧相關。人工智慧的技術也被應用在人類基因圖譜的完成與生物科技所需的資料解碼、分類等。在企管、財經等管理科學上以及醫學上，決策與診斷模式的研究也用到人工智慧。在經濟、政治等社會科學方面也有學者利用人工智慧的技術來建構社會互動的理論模型。此外，在心理學及認知科學方面，人工智慧的技術則被用來模擬人類的行為，以驗證理論的正確性。使用者對話的虛擬助理網際網路智慧型資訊代理人來幫忙使用者搜尋、監控並自動通報相關的資訊能自動翻譯技術文件手冊的翻譯軟體能以歌聲點播的卡拉OK、股市分析與預測軟體。現今常見的人工智慧應用：自動化機器（人）、電腦視覺系統、自動化目標偵測系統…等等；商業：商業決策分析、預估、財務工程、客戶關係管理…等等；醫療：生物資訊學、疾病診斷…等。人工智慧提供了一套簡單，具結構化的方法來設計可協助我們做決策的程式。最具有突破性及實用性當以專家系統為代表，目前己有許多的實際應用，一個專家系統由知識庫(Knowledge Base)和推論引擎(Inference Engine)等機構所組成。當我們付予它某一領域的專家知識時，它便能如同是人類專家一樣去求解問題並提供最適當的意見。 AI的技術己經應用到許多的領域上了。以下是部份的應用範圍： 1. 專家系統(Expert System)。 2. 自然語言處理(Natural Language Understanding)。 3. 電腦視覺(Computer Vision)。 4. 語音辨識(Speech Understanding)：辨識對方說出的字，不一定要辨識出意義。 5. 機器人應用(Robotic Application)。 6. 類神經網路(Artificial Neural Network)：一種智慧系統，使用類似人類大腦處理功能的架構來進行算。（如圖2.1）圖2.1 類神經網路輸入與輸出圖 7. 智慧型代理人(Intelligent Agent)：具有某些程度的獨立性與自主性，可憑知識或代表使用者的使用目標或想法，代表使用者去完成某些作業。 2.2 代理人分類簡介（一）、介面代理人介面，即是傳遞人機之間所有的交流溝通，其中較狹義的部份則包含顯示部份與輸入裝置。在資訊科學的軟體人體工學中，使用者即透過介面去理解與人互動的程式。介面代理人的內涵不在於介面的形式，而在於電腦是否能主動的提供服務，就像一個老練的英國管家。目前的人機介面通常是以所謂的直接操作（Direct Manipulation）的方式來進行，反之，若配備介面代理人，電腦就能自行為使用者設想，主動提供服務。圖2.2 介面代理人示意圖（二）、助教代理人在輔助教學上，則利用資料庫系統記錄學生的學習行為及互動關係，並在人工智慧的技術上，可以將代理人、資料探勘及溝通網路分析技術等來幫助教師觀察及分析學生的學習特徵及互動關係，並幫助教師依此尋找影響群體學習成效的因素，預測學習表現，提供教學策略決策時所需的資訊，進而有效提升學生在網路環境中之學習效果。另外Microsoft Office系列所搭配的小幫手，也是一種助教代理人。小幫手內含以貝氏網路（Bayesian Network）為基礎的自動推論引擎，可以依使用者的使用狀況做適當的提示，或針對使用者的問題做診斷並提出解決方法。圖2.3 Microsoft Office 中的小幫手角色（三）、擬人化的代理人擬人化電腦的研究最早是具有按照個別使用者需求，智慧資料蒐尋的功能，即是「智慧型代理人」研究關心的核心問題；也可以讓使用者以語音輸入的方式存取資料，即是「社會化使用者界面」的研究重點。（四）、資訊代理人為了蒐集、整合網路上的資訊，可以佈署成群的資訊代理人來代理使用者瀏覽特定之網路資訊來源。搜尋引擎用來蒐集網頁的Spider 或Web Crawler程式也可算是簡單的資訊代理人，但這些程式通常只是把網頁整頁下載下來，而且只能沿著有URL 網址的超連結來蒐集網頁。較先進的資訊代理人，能自動執行填入關鍵字、勾選選項等動作，因此也能蒐集到動態產生的網頁。同時，先進的資訊代理人還能『理解』網頁的內容，將網頁內容加上特定的標記（Tag）以便於其他應用程式可以利用。（五）、移動式代理人移動式代理人或稱行動代理人（Mobile Agent）是一種能夠同時一邊在各電腦終端間移動，一邊能夠自主地分散運算處理的一種程式。一個行動代理人系統需要含括許多層面的技術，基本上包含了網路傳輸、代理人控制、動態載入以及遷移方式等。它具有提高分散計算系統效率性及便利性，同時又可降低分散式系統上的傳遞延遲與電腦間傳送次數等優點，因此可以說是在分散式處理系統中相當受到矚目的。行動代理人在目前之主要應用有遠端資料檢索、並列處理、機動式監控系統、Workflow、Mail System、分散即時處理、軟體元件、Network Security、Active Network…等。如Google的好手氣按鈕以及Msn搜尋的搜尋預覽功能。圖2.4 Google搜尋畫面圖2.5 Msn搜尋的搜尋預覽功能（六）、代工(Proxy)代理人引進由範例式推理(Case-Based Reasoning)、規則式推理(Rule-Based Reasoning)、及查詢預測(Qeury Prediction)所構成的智慧式三層(Three-tier)解答尋找機制來做FAQ的擷取，可有效降低資料庫的擷取負擔並改善解答的回應時間。 2.3 智慧型代理人技術探討 2.3.1智慧型代理人的溝通語言智慧型代理人進行知識工作時所需要進行的溝通模式，可以利用本體論（Ontology）與工作流程的方式來建構。根據Gruber（1995）的定義，本體論是一組對於某種概念（Concept）的明確的、正式的定義，通常以語意網路（Semantic Network）的形式來表示。本體論取自於哲學領域，通常使用在人工智慧的領域，用來表示真實世界的概念。大部份智慧型代理人的溝通語言並沒有辦法描述溝通內容的語義（Semantic），必須藉助內容語言（Content Language）來描述訊息的內容，以智慧型代理人技術為基礎的知識管理系統，能夠協助使用者解決日常工作所遇到的問題，能在進行決策時提供充分的協助，並且減少使用者使用資訊科技的負擔。 2.3.2 智慧型代理人的推理能力 Kalakota and Whinston（1996）指出智慧型代理人之推理能力可以靠下列三種方法，即「Rule-based Approach」、「Knowledge-based Approach」、「Learning Approach」。首先由Rule-based Approach事先寫好決定代理人必須採取行動的命令，然後Knowledge-based Approach利用專家編撰大量資訊，再將資料提供給代理人演譯出適當的行為，最後Learning Approach使代理人一邊做事一邊學習，蒐集過去的統計資料，並吸收新識，以使代理人學習未來的行動。智慧型代理人透過使用者介面來跟使用者溝通，透過此介面來傳遞使用者的需求，當代理人收到使用者的需求之後，以Processing Engine來執行所需的程序，而這個過程中所需要的資料、程序、法則、知識都存在Procedure Repository中，當Processing Engine執行完後，再將結果依照使用者需要的格式輸出，而此格式紀錄在View中，View中也記載了其他代理人溝通與互動的方式（Bui, 1999）。 User User-Agent Interface or Adaptor Processing Engine Procedure Repository View Other software agents/application 圖2.6 智慧型代理人架構圖參、系統開發此系統的開發作業環境為Micorsoft Windows 2003 Server與其內建的IIS，以及Microsoft Visual Studio .NET 2003。資料庫系統採用Microsoft SQL Server 2000來作為此代理人的資料庫，知識庫建置則採用Chatterbox Challenge冠軍的Alice機器人相同的AIML（Artificial Intelligence Markup Language）語言編寫。 3.1 系統架構本研究實做了一個以自然語言理解（Natural Language Understanding）為基礎的智慧型代理人架構。使用者使用自然語言描述需求，代理人理解之後，會判斷出相對應的動作及指令。智慧型代理人也能代替使用者執行大部份的動作與指令，讓使用者可以使用自然語言完成他想要達成的工作。設計中的智慧型代理人具有基本的知識管理、基因演算法，使用者可於對話中逐漸了解智慧型代言人的內容。使用者（User）代理人（Agent）知識庫（Knowledge Base）對話紀錄系統（System）圖3.1 本研究之智慧型代理人系統架構圖 3.1.1 自然語言技術架構說明全新的語音服務架構，就是整合IVR系統（Interactive Voice Response）、語音辨識（Speech Recognition）的技術，再結合自然語言的理解(Natural Language Understanding，NLU)，成為最人性化的語音處理系統。語音辨識，是讓電腦聽的懂人類的聲音，再命令電腦產生對應的動作；而技術的核心，自然語言理解（NLU），則是對來電者說話的內容進行剖析及判斷，粹取言談中的關鍵精華，加以推理、分析，與系統中的對話管理檔做比對，經由語音合成技術，回答來電。圖3.2 架構流程圖此代理人使用自然語言做為輸入命令的語言方式，大大降低了使用者的負擔，但是系統卻必須具備大量範圍的知識與處理複雜的語意分析。本實驗代理人的知識均存取自此AIML資料庫。圖3.3 AIML資料庫的建置過程 3.2 知識建立 3.2.1 知識庫環境建置在知識庫建置時，我們要新建一個AIML知識庫，並在SQL Query Analyzer 中執行AIML_TableAndStoredProcedures.sql 以建立預先編輯好的資料欄位及式，完成後會在AIML 知識庫中多了4個由user 所建立的資料表，分別是Template、Predicate、Pattern、Context，這就是以後智慧型代理人的大腦所在。在這個AIML資料庫中的所有資料都必須經由AIML Agent產生，我們輸入的資料內容則先轉入KLog知識庫，再透過AIML Agent產生AIML文件，最後再導入AIML知識庫中。 3.2.2 設計對話劇本對話劇本是預期使用者會提出什麼問題，針對那些問題提出幾個回答的對話方案，又因為一般正常的對話過程是不會只有一句問答的，應該會像接龍一樣有許多延伸性的問題，因此我們必需事先預想多種狀況，針對這些問題預先設計好對話模式，如此才能讓使用者提出這些問題時，代理人能夠正確的做出反應，我們稱這種預先設計好對話模式的內容為對話劇本。雖然在聊天的過程中，不會有一方永遠處於提問或被詢問的角色，但是我們還是預設使用者無論輸入何種文字都是屬於提問的問題，代理人則針對該問題做出回答，如此形成一個Q&A的模式，每個對話都最少有一個問句（Query）、一個回答（Answer）。 3.3.3 知識庫背景（一）、人工智慧（Artificial Intelligence）人類的許多特性中，無疑的，是表現了某種的智慧行為在內。若我們對智慧加以描述，則可以用下述內容表示：判斷、認知、洞察、學習、瞭解及推論。如果電腦能表現出上述的智慧行為，則是人工智慧追求的目標。具有人工智慧的電腦程式能表現出下列幾種特徵： 1. 符號表示的能力 2. 啟發式（Heruistic）的推理能力 3. 具有表達知識的能力 4. 不完整、不確定、甚至相互矛盾的數據可以被處理 5. 機械學習（Machine Learning）的能力因為專家的知識可以很清楚的表達，但是『常識』卻很模糊籠統。所以對電腦來說，『常識』反而比較困難。圖3.4人工智慧的核心內容與應用（二）、知識管理（Knowledge Managent）指能協助個人、企業或團體創造智慧與價值的有用資訊。有關知識的清點、評估、監督、規劃、取得、學習、流通、整合、保護、創新活動，並將知識視同資產進行管理，凡是能有效增進知識資產價值的活動，均屬於知識管理的內容。結合個體與團體，將個體知識團體化，將內隱知識外顯化；結合組織內部與外部，將外部知識內部化，將組織知識產品化，則屬於知識管理的過程。圖3.5 知識管理系統功能圖知識的分類，Polanyi(1967)首度提出知識的內隱性(Tacit)，並將知識分為內隱知識與外顯知識兩大類。 1. 內隱知識 (Tacit Knowledge)：是一種非口頭的、直覺的、不清晰的，而且是無法明確表達的知識。 2. 外顯知識(Explicit Knowledge)：是一種可以詳細敘述，或是可以用文字化、程式化、專利或圖形來加以表示的知識。 Nonaka and Takeuchi(1995)則定義外顯知識為：可以用文字和數字來表達的客觀且形上的知識。內隱知識是無法用文字或句子表達，主觀而且實質的知識。這兩位學者結合了各家學者對於內隱知識以及外顯知識的看法，列舉出兩者的特性。（三）、基因演算法（Genetic Algorithms）在達爾文(Charles Darwing)的進化論中提到『適者生存，不適者淘汰』(Survive of the first)的進化理論，解釋了自然界的基本現象，物種在不斷變遷或惡劣的環境中為了生存及適應環境，而不斷進化，產生生存力及適應力更強的下一代。生物在繁殖的過程中染色體(Chromosome)會進行交配及突變來改變基因的組成，使得子代和親代及子代之間產生差異性。生物就是利用這種繁殖的機制，造成無數的變異發生，使得每一個個體有著不同的特性，而在自然環境的考驗及彼此之間的競爭下，將不適生存者淘汰，而生存者繼續藉由繁殖不僅將優良的基因延續，還有可能使下一代擁有更好的基因。如此，一代比一代進步。這種自然界奇妙力量的展現，顯示了它的無限可能與無窮潛力。演化流程遺傳演算法的基本運算為選擇、交配和突變等機制，而這些機制之操作狀態通常是根據隨機值而改變的，因此即使在環境參數完全固定不變下，每一次運算求解所得之答案可能並不相同。圖3.6 基因演算法之演化流程圖相關重要之名詞如下： 1. 初始族群 (Initital Population) 在進行基因演算法運算之前，必須先隨機地產生S個染色體，這S個染色體稱為初始族群(Initial Population)。族群中每個染色體亦稱為一個個體(Individual)。而族群的大小則可依據問題的複雜程度而定，愈複雜的問題就需要愈大的族群，相對的每一代的演化就需要更長的運算空間。 2. 染色體 (Chromosome) 基因演算法並非直接工作於最佳化問題的搜尋空間上。演算法中的運算子運算的對象是染色體，染色體的型態是一個由數字串接而成的字串。 3. 適應函數 (Fitness Function) 適應函數是用來評估族群中每一個個體適應力的指標。在達爾文的進化論中提到「物競天擇，適者生存」的基本概念，將其應用到基因演算法中，個體的適應函數值愈高，表示個體的適應能力越高，競爭力愈強，則生存的機會也愈大，愈大可能將本身的基因遺傳到下一代身上。所以我們必須將最佳化的問題及目標適當的以適應性函數來表達。 4. 複製 (Reproduce) 複製在基因演算法中就是天擇的角色，它是依據每一個個體的適應函數值高低來決定該個體被複製的機率。適應函數值愈高的個體有愈大的機會被複製成下一代的個體，而淘汰不適合的個體，使得下一代的族群適應函數值會提高。 5. 交配 (Crossover) 交配的過程是隨機的選擇交配槽中的兩個母代個體，彼此交換位元資訊進而產生兩個新的個體，藉由累積前代的優秀位元資訊，以期望能繁殖出更優秀的個體。但是並非所有被選中的母代個體都要進行交配，而是由預先設定的交配機率(Probability of Crossover)來決定交配是否進行。 6. 突變 (Mutation) 純粹靠交配與複製這二個operator，並不能夠使得演化造出一個具有新特性的個體。因為這些個體僅繼承混合了親代的種種特性，而很難發展出具有新特性的個體，如此不但使得演化的速度過於緩慢，同時使得演化的結果佢限在特定的少數點上。肆、知識庫建置 4.1 AIML文件的基本架構 AIML（Artificial Intelligence Markup Language）是一個以XML（Extensible Markup Language）為基礎且相容於XML的語言，其文件的所有內容都被包含在<aiml>…</aiml>標籤內；智慧型代理人知識的基本單位是一個 <category>…</category>；每個<category>有一個輸入問題、一個輸出的回答，和一個Optional Context；輸入的問題稱為Pattern、輸出的回答稱為Template，另外兩個Optional Context則是That和Topic。 4.2 AIML語法運用（一）、混亂字語（*，_） AIML文件由被稱為Topic和Category的單位組成，這也包含剖析或未剖析的資料，已剖析的資料則直接寫在文件中，那些未剖析的資料有些則在對話中擷取使用者的資料。一個AIML文件的基本型態，是只有單純的問句對應一個回答的方式，沒有包含諸如「*」、「_」…等象徵取代字元的文件，此種型態是AIML資料中最容易且最簡單的增加方式。（二）、同義詞在對話中常會出現一些慣用的寒喧語，例如打招呼用的「Hi」、「Hi Hi」、「Hello」…之類的；或是離開時的告別語「Bye」、「bye bye」、「cya」、「goodbye」…等；或是我們在對話劇本中設計的同義詞的替代詞句，這些句子大家都知道它代表相同的意思，但是對代理人而言每個都是不同的句子，因此要讓代理人能把它們對應到相同的答案上，這時最適合的標籤就是使用srai（Stimulus Response Artificial Intelligence）。下面的例子就是一個典型的<srai>。<srai>標籤會連結到「再見」那個<category>去抓出答案，因此所有的回答都是「再見，我會想你的～」。（三）、關鍵字因為<srai>的特性，我們可以利用它和替代字元作成關鍵字的判讀，第一個<category>是標準句子，後面三個則加入替代字元之後，鎖住關鍵字，再連結回第一個<category>。（四）、多重回答我們也可以針對一個問題設計多組不同的答案，讓代理人在回答問題時有多種選擇，不會枯燥的每次都說同樣的話，這樣也可以引出不同的對話主題，或是增加聊天的深度與彈性。Aiml 則是使用<random>標籤來設計這樣的多組回答方式，讓代理人在<random>標籤內的每個項目中自由選擇一個來回答問題。相關人工智慧、知識管理與基因演算法之知識庫如圖4.1，4.2與4.3所示。圖4.1 人工智慧的知識庫（一）圖4.2 人工智慧的知識庫（二）圖4.3 知識管理的知識庫（一）圖4.4 知識管理的知識庫（二）圖4.5 知識管理的知識庫（三）圖4.6 基因演算法的知識庫（一）圖4.7 基因演算法的知識庫（二）圖4.8 基因演算法的知識庫（三）伍、系統顯示提問顯示區轉AIML檔工作鍵接收回答鍵提問送出鍵回答顯示區讀取AIML檔工作鍵讀取全資料庫工作鍵測試鍵回答開頭顯示區回答內容顯示區現之提問前一提問前一回答現之回答 5.1 人工智慧知識庫之相關對話顯示圖5.1 人工智慧AIML Agent系統執行畫面之知識對話（一）圖5.2 人工智慧AIML Agent系統執行畫面之知識對話（二） 5.2 知識管理知識庫之相關對話顯示圖5.3 知識管理AIML Agent系統執行畫面之知識對話（一）圖5.4 知識管理AIML Agent系統執行畫面之知識對話（二） 5.3 基因演算法知識庫之相關對話顯示圖5.5 基因演算法AIML Agent系統執行畫面之知識對話（一）圖5.6 基因演算法AIML Agent系統執行畫面之知識對話（二）陸、結論與建議 6.1 結論本本研究透過SQL介面，使用自然語言溝通的智慧型代理人系統，賦予此代理人基因演算法、知識管理、人工智慧三方面之領域知識，並建置之知識庫，依照使用者輸入的文字判斷使用者的提問。然而在有限期間內無法找出其他中文語意分析，目前只能做到英文對答。資料輸入方面，目前的設計沒有包含時下流行的注音文與同音字…等等的錯別字，因為中文的錯別字有時候也帶有隱藏的涵義。未來可多加其他功能，讓代理人更多元更生動是最需要增強的功能部分。例如就像電影中【A.I.人工智慧】中的情形，David具有機器人所沒有的「愛」，最後的結局是因為小男孩非常想念母親，但是未來的那些機器人說不可能，因為人死不能復生，而且那個時候人類早已滅亡，快要放棄之際發現小男孩的小熊有母親的一根頭髮，那些未來的機器人說那可以拿來做複製人，但缺點是複製人只能活一天，後來小男孩如願以償的再度見到母親，他們渡過了愉快的一天，但是隨著夕陽西下複製人睡去之後就再也沒醒來。這齣電影是一個令人難忘的動人故事、一個融合科幻題材和人性故事，使我現在仍然對它保有印象的原因。所以本專題採用與Alice 機器人相同的AIML語言編撰知識庫內容。由此見得，科技在人工智慧這一部分已經慢慢雛型茁壯。 6.2未來的研究方向與建議資訊技術的應用至各行各業，加上電腦網路的擴散速度驚人、全球資訊網的建立。當代的競爭優勢已經明顯取決於資料的掌握、分析，與應用。目前在國內、外對於人工智慧的研究，均投入了大量的研究人力。我們相信，不管未來在資訊化的企業服務或社會結構上，人工智慧的應用將是主要核心，結合成為各種類型的分散式運作環境，因此我們希望有更多的人才能投入這些研究領域當中，也希望更多的使用者能了解此一趨勢，共同參與規劃將來的資訊化社會與環境。在本專題研究中，我們將資料處理的演進過程分成三個層面，分別是：人工智慧、知識管理、基因演算法三個層面，並分別簡述之。現在與未來的發展，與相關研究議題都做了一番剖析，並重點式地將各個研究方向做了整理，希望能有組織地將近年來在知識庫系統方面的研究發展，做一完整的回顧與分析、探討，並提出幾個可以研究的未來方向加以說明，以提供國內、外的研究人員、學生與相關從業人員幾個可以探索的方向。參考文獻【1】王淑君：智慧型代理人之應用-以虛擬喇嘛為例。國立台灣藝術大學多媒體動畫藝術學系。碩士論文。【2】盧賢豪（民92）：知識管理系統中應用智慧型代理人之研究（Applying Intelligent Agents in Knowledge Management System）。國立中山大學資訊管理研究所。碩士論文。【3】人工智慧與專家系統導論，姚步慎編著，碁峯資訊出版，1991/9初版。【4】楊子青、林啟明：以代理人為基礎的線上多人協商支援系統。（靜宜大學資訊管理學系）【5】區國良、陳國棟（民90）。教師代理人之知識與策略分析。資訊與教育雜誌，86期，P30-41。【6】許聞廉、戴良友（民90）。助教代理人的功能、角色及限制。資訊與教育雜誌，86期，P24-29。【7】人工智慧在各領域之應用，取自 URL：http://content.edu.tw/senior/computer/ks_ks/tag.2.3.3.html 【8】AI 人工智慧資料庫背景， URL：【9】智慧型代理人定義、演起、目的參考資料：URL：http://www.fgu.edu.tw/~common/myweb4/new_page_20.htm 佛光人文社會學院【10】蟻型演算法原理參考資料：URL：【11】人工智慧的核心內容圖示參考資料：URL：【12】架構流程圖參考資料：URL：.tw/aivr.asp 【13】智慧型代理人-前瞻性資訊技術作者：蘇豐文清華大學資訊工程學系參考資料：URL：http://www.nsc.gov.tw/_newfiles/popular_science.asp? add_year=2004 &popsc_aid=91 致謝大學四年的孜孜不倦後深感在面對知識及技能的不足，在因緣際會下當專題抽籤分組時抽到劉老師，原本只是想能現學現賣，馬上應用到執行系統上，並沒有考試的準備。因為平時我們課業繁忙，前半段也沒有太多的時間準備，還好有劉老師在旁所叮嚀而打下的基礎，讓我不管面對任何的考驗，都可以運用不同的環境觀點來做分析探討，不只是在考試上如此，在未來出社會上更是好用，一直到現在我還不時拿出老師的警言金句出來參考。真的很感謝老師能夠構想出這麼實用的主題跟系統，讓學生們獲益良多，也希望未來的日子裡能在實務的領域裡繼續接受老師的指導，有老師的理念精髓帶領學生們在企業的大環境裡生根發芽，把管理思想落實，造福更多的人群。組員陳冠樺、黃毓慧、鄭紫岑在專題的貢獻上每個人都有功勞，不管誰多誰少，我們都互相扶持成長，整個過程中，不外乎我們的指導老師劉振隆老師最為身心俱疲，很感謝老師一路上的幫忙和指點迷津，憑藉著老師多年豐富的經驗，不但讓我們受益良多，也讓我們學到許許多多不管是學術上還是待人處事上的道理，老師敦敦教誨我們此刻此時永遠銘記在心。在這份專題製作的過程中，還有一個貢獻良多的一位前輩，就是我們參考文獻裡王淑君小姐，之前就讀於台灣藝術大學所撰寫的智慧型代理人的著作，不但提供了我們很多前人的借鏡，也在起始點時開啟了我們對這個不太熟悉的名詞，有了初步的認識與了解，進而引發我們想要深入研究的動機。對幫忙、協助、給意見的人的一點點回饋和共同的發聲，能讓我們學會更成長茁壯。我們備受在這些貴人的照顧之下，不但能更獨立自主的尋找不懂的題材，也訓練了自己實事求是的精神。此外，我們老師對我們的耐心指導是另我們所敬佩的，一步步一點一滴的堆積之下，都是由老師的寬容所堆砌而成的。不管是否寫專題的過程順利，在最後對所有週遭的人以及對自己畫下一個句點。附錄心得: 組員：陳冠樺因為專題時間不長，系統無法與當初設立地目標相符合，過程中總是有些預期外的意外發生，但幸運的是我們有個好指導老師-劉振

展开阅读全文