知识工程与专家系统.doc

　　　　知识工程与专家系统
　　1 .知识是什么
　　所谓知识，是人们对自然现象的认识和从中总结出的规律、经验。人类的知识是极其丰富与庞杂的，如何规范描述这些认识、规律、经验一直是人们所探讨的问题，至今没有一个统一模式，但常用
　　K = F + R + C
　　来表述，其中
　　K 表示知识项(Knowledge Items ) ;
　　F 表示事实(Facts ) ，是指人类对客观世界、客观事物的状态、属性、特征的描述，以及对事物之间的关系的描述;
　　R 表示规则(Rules ) ，是指能表达在前提与结论之间的因果关系的一种形式;C 表示概念(ConcePts ) ，主要指事实(术语)的含义、规则的语义说明等。知识的层次关系描述如图6 一30 所示，其中再生知识是指人们在对客观世界、
　　客观事物认识和总结的基础上，升华提高的系统的专业知识，这些知识被人们学习、传授、再提高、再扩充，最终为人类的需要服务。
　　2 .知识工程
　　人类智能的衡量反映在对问题的求解、推理能力，学习能力，联想能力上，这就是所谓的“智能三要素”。如何用计算机系统来实现这些能力，那就是知识工程(Knowledge Based Engineer -ing , KBE )所要解决的问题。此外，如何通过知识库获得新的知识、新的结论、新的规律等;知识处理系统和知识库的工程设计与实现等间题;人与知识处理系统、知识库之间的界面如何进行交互作用，各种知识处理系统之间的关系问题，以及对知识结构、知识库的研究，这些问题及其实现方法和技术就构成了“知识工程”，或称“知识处理学”。
　　知识工程是获取特定领域知识并将它送到知识库中去的过程，它是一种设计方法学，使用启发式的设计规则，涵盖构件、装配和系统的开发，系统存储的产品信息模型包含了几何和非几何信息，以及描述产品如何设计、分析和制造的工程准则。比起其他基于知识的系统，知识工程更加专注于工程设计以及后继的制造、销售等活动。对知识的处理至少包括以下几个方面：
　　l )知识的表示如何把这些知识用计算机所能接受的形式表示出来，这就是知识表示要研究的问题，应能提供给用户一种或多种知识表示方法，目前已有的知识表达方法有谓词逻辑方法，以框架为基础的知识表示方法，产生式规则，语义网络方法，脚本方法，过程式方法，直接表示法等.同时，一个良好的知识表示方法应该具有充分表达、有效推理、便于管理和易于理解等性能。
　　2 )知识的获取与机器学习系统如何获取新的知识，知识如何编辑，以及系统如何学习创新知识― 机器学习问题是知识工程研究的难点，在获取新知识的过程中要对知识的完整性、新的知识的一致性进行检查和处理。
　　3 )对知识的系统化组织和管理人类的知识是浩瀚庞杂的，如何对这些知识进行系统化的管理存放，并能快速地检索和查询，使之为人类服务，这一直是人们致力研究的课题。大容量知识的存储与管理是人们必须重视的，因此，知识库和知识库管理系统的研究与开发就成为知识工程的重要内容。
　　4 )推理初制的研究近年来，思维科学的研究引起人们的重视，人类的思维能力中的一个重要因素就是推理能力，推理是人类的高级思维活动。推理的形式，推理的过程、方法，推理的声径等等都是知识工程研究的问题。
　　3 .专家系统的含义
　　专家系统(Expert Systom ，ES ) ，或称基于知识的系统(Knowledge Based System , KBS ) ，它与传统计算机应用的区别也许在于它有能力采用人类判断及直觉的反应过程来处理当今世界卜一些富有挑战性的问题，而这些恰恰就是专家系统最为使人感兴趣和有效的待点一个专家系统其实质就是用来解决复杂问题的一种计算机应用，而这类问题卯不通过专家系统来解决，那就要求有广博的人类专家知识，专家系统其实就是通过应用专门知识和推理来模仿人类推理而进行工作的。一个理想化的专家系统按其内在特点可包括如下诸方面：
　　l )来自感兴趣领域的广博的专门知识;
　　2 )搜索技术的应用;
　　3 )支持启发式分析;
　　4 )具有从现有知识推理出新知识的能力;
　　5 )符号处理能力.
　　6 )解释本身推理过程的能力。
　　4 .专家系统的结构
　　专家系统通常采用许多特殊的系统结构，主要是因为对于给定的应用，一种结构有可能比另一种结构更为有效，但不管各种专家系统的结构有多大差别，它们中的大多数还是有一些共同点的。
　　l )用户专家系统的用户可以是以下任一种
　　测试者：试图证实系统行为的真实性;
　　指导者：给系统提供附加知识或修改系统的已有知识;
　　学习者：试图通过从系统中获得经过精心组织和提炼的知识来迅速提高个人专业知识;
　　客户：将系统的专门知识应用到特殊的实际任务中去。
　　上述用户的区分与传统软件系统中具有唯一一个用户(客户)的比较典型区分是不同的。
　　2 )用户接口工具必须能够从用户那里接受信息，并应该将它翻译成系统其余部分能够接受的形式，或接受系统的信息并把它转换成用户能理解的形式。通常应设计得能够识别用户的操作方式、用户的专门知识的水平以及具体事务的自然特征。
　　3 )知识的存储和生成系统由一个知识库和一个推理机构成，它是专家系统的心脏部分。它的功能就是在系统中可靠地存放专家知识，并从存储器中恢复知识以及需要时推理出新知识。
　　4 )知识库是用于系统知识元(即基本事实、过程规则和启发式规则)的一个仓库，在知识库中存储的知识确立了一个专家系统能够发挥专家作用的能力。通常知识是以事实和规则方式存放的，但也有许多用来存放信息的特殊结构，而且这种知识表达方式的设计影响到推理机的设计，知识更新过程、解释过程和系统的总体效率。虽然知识可以由一系列信息源(所包含的文件和所存在的计算机信息系统)获得，但其中有大多数还是必须由人类专家提供，一般情况下，由专家所提供的知识是面向所讨论问题的领域的。一个知识工程师(Knowledge Engi - neer , KE )的任务就是从领域专家处获取知识并将知识存放到知识库中，所以知识工程师必须将知识表示方法的转换作为其传递过程的一部分。为了获取必要的知识，知识工程师首先必须对有关领域有一个总体了解，在自己的头脑中形成一个有关领域的专门词汇和术语的词典，并对一些关键概念有一个基本理解;其次他们必须从专家提供的信息中提出简明的知识。在专家系统的开发过程中，最为困难的方面常常是其知识获取功能，这主要是由于知识获取过程往往要求领域专家和知识工程师之间有广泛的人际交流，因此会遇到与此相关的一些问题。
　　5 )推理机是从知识库中找出知识，并推出新知识的软件系统。它的推理过程是用于推得所要求知识的一种搜索策略。大多数是基于两个基本概念中的一个：逆向链，这是一个自上而下的推理过程，即由所要求的目标开始，向后推理至所要求的条件;正向链，这是一个自下而上的推理过程，即白所知道的条件出发，向前推理至所要求的目标。从人工智能的角度，符号性知识利用的最主要形式就是推理。推理是人类进行问题求解的主要思维方法，而智能系统的推理是通过推理机来完成的。推理机的基本任务是在一定的控制策略指导下，搜索知识库中可用的知识，并与数据库匹配，产生或论证新的事实。搜索和匹配是推理机的两大基本任务。对于一个性能良好的推理机，应该具有高效率的搜索和匹配机制，良好的可控制性、可观测性和启发性等基本要求。
　　6 )知识更新许多复杂领域中的知识是经常要扩充和改变的，因此知识库也必须作相应修改，知识更新的方式有三种：一是由知识工程师更新知识，在这种情况下，知识的更新由知识工程师完成，知识工程师解释由领域专家提供的信息，并通过一个有限的知识更新系统来修改知识库;二是由领域专家直接参与修改知识而不要知识工程师作为媒介，在这种情况下，知识更新系统必须相当完善;三是机器学习，系统能自动产生新知识，而这些新知识是基于过去经验中的一些普遍性结论而产生的，在解决实际工程问题时，事例数据库等随着时间的推移逐渐积累，当数据库达到一定规模后，通常称为数据仓库，这时直接基于数据仓库进行机器学习效率并不高，因此，一般先进行数据挖掘(Data Mlning )和知识求精。
　　7 )解释系统当一位专家面临一个复杂问题时，除了简单得出一个结论以外，他还需具有解释问题的能力，从而在某种程度上可推理出结论，因此专家系统也应设计得使其能提供专家相似的能力，而这也是传统计算机系统通常无法达到的一个重要功能。典型的解释程序包括推理过程步骤的识别以及对每一步骤合理性的解释，实质上，提供这种信息交换能力就是自然语言处理问题的子问题;同时解释系统还必须按照知识库的表示结构来存取处理过程中用到的知识记录，并把它们转换为用户乐于接受的形式。

作者：环保空调