人工智能及应用-第六章-专家系统.pptx

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,人工智能及应用,第,6,章 专家系统,本章内容提要,专家系统,6.1,概述,6.2,专家系统结构,6.3,专家系统设计,6.4,专家系统应用案例,6.5,开发工具与环境,6.1,概述,专家系统的定义:专家系统是一种智能的计算机程序，它使用知识和推理过程，求解那些需要人类专家的知识才能解决的复杂问题（,费根鲍姆，1982年,）,。,从这个定义中可以看出，不同于传统的计算机应用程序，专家系统是一个智能程序系统，它内部含有相关领域内大量的专家级知识，模拟人类专家解决问题的经验方法来进行推理和判断，解决领域内的高水平难题。,6.1,概述,6.1.1,专家系统发展历程,1965年，费根鲍姆等人开始研究世界上第一个专家系统程序DENDRAL化学分子结构分析系统，并于1968年研制成功。该系统包含化学家关于分子结构质谱测定法的知识，利用质谱仪数据推断某待定有机化合物的分子结构。DENDRAL的成功使人们看到，在某个专门领域，以知识为基础的计算机系统能够承担这个领域里人类专家的功能。DENDRAL验证了费根鲍姆关于知识的理论的正确性，为人工智能的研究和应用开辟了新的方向和道路，被认为是人工智能发展史上的一个历史性突破。,6.1,概述,6.1.1,专家系统发展历程,美国麻省理工学院于1968年开始研制的大型符号数学专家系统MACSYMA，于1971年开发成功并投入应用。,DENDRAL和MACSYMA是早期专家系统的代表，针对特定的应用领域而开发，具有高度专业化、求解能力强的优点。,20世纪70年代出现了一大批专家系统。比较有代表性的专家系统有MYCIN、CASNET、CADUCEUS、PROSPECTOR、HEARSAY。,从20世纪70年代末及80年代初开始，专家系统的研究领域迅速扩大。这一时期，专家系统数量急剧增多，大多属于多学科综合型专家系统，而且出现了大量的商业化专家系统。,6.1,概述,6.1.1,专家系统发展历程,20世纪90年代之后，随着面向对象、神经网络、模糊技术和知识工程等技术的迅速崛起，专家系统迎来了新的发展机遇，出现了一些新型专家系统，如模糊专家系统、神经网络专家系统、基于Web的专家系统、分布式专家系统及协同式专家系统等，这些新型专家系统的智能化水平越来越高，应用也更加广泛。,6.1,概述,6.1.2,专家系统特点,专家系统研究者们积极开发各种专家系统用于满足科研和实际应用的需要，尽管实际开发的专家系统各不相同，但它们都有一些共同的特点：,(1)启发性。,(2)透明性。,(3)灵活性。,(4)具有专家级水平的专业知识。,(5)能进行不确定推理。,6.1,概述,6.1.2,专家系统特点,传统的计算机程序设计是以算法和数据为中心展开的。传统的计算机程序以指令序列(即程序)为核心，由编译程序和硬件共同决定程序的执行。专家系统与传统程序的区别主要如下：,(1)传统的计算机程序善于求解能够用数学精确描述的问题，专家系统模拟人类专家的思考过程，能够解决不确定、非结构化、没有算法解之类的复杂问题。,(2)传统的计算机程序把问题求解的知识隐含地编入计算机程序，而专家系统强调知识与推理的分离，把应用领域的问题求解知识组成一个独立的实体，即知识库，包括原理性知识、专家的经验知识及有关的事实；传统程序把知识组织为两级，即数据级和程序级，大多数专家系统则将知识组织成三级，即数据、知识库和控制。,6.1,概述,6.1.2,专家系统特点,传统的计算机程序设计是以算法和数据为中心展开的。传统的计算机程序以指令序列(即程序)为核心，由编译程序和硬件共同决定程序的执行。专家系统与传统程序的区别主要如下：,(3)传统的计算机程序主要是面向精确的数值计算和数据处理，无法处理不确定性；而专家系统的处理对象是符号，主要表示人类推理所需的各类知识，专家系统具有处理不确定、不精确或不完全数据和知识的能力，知识的模式匹配也多是不精确的。,(4)因为传统的计算机程序是通过算法来求解问题，所以每次都必须产生精确的答案；而专家系统则像人类专家一样求解问题，通常产生正确的答案，但是有时也会出错。,6.1,概述,6.1.2,专家系统特点,传统的计算机程序设计是以算法和数据为中心展开的。传统的计算机程序以指令序列(即程序)为核心，由编译程序和硬件共同决定程序的执行。专家系统与传统程序的区别主要如下：,(5)传统的计算机程序一般不具有解释功能，而专家系统具有解释机构，在运行中能回答用户提出的问题，对自身的行为作出解释。,(6)传统的计算机程序通过修改程序可以提高问题求解能力或排除错误，而专家系统具有自学习能力，从错误中学习，不断对已有知识进行修改、完善和提炼，提高系统性能。,6.1,概述,6.1.3,专家系统的类型,按用途分类，专家系统分为解释型、诊断型、预测型、设计型、规划型、控制型、监督型、维修型、教学型、调试型和决策型等。,有些专家系统常常完成几种任务，具有多种功能。例如，调试型专家系统同时具有规划、设计和诊断等专家系统的功能，教育型专家系统同时具有诊断和调试等专家系统的功能。,6.1,概述,6.1.3,专家系统的类型,按输出结果分类，专家系统可分为分析型专家系统、设计型专家系统及综合型专家系统。分析型专家系统通过一系列推理完成任务，输出结果一般是“结论”；设计型专家系统通过一系列操作完成任务，输出结果一般是“方案”；综合型专家系统兼具分析型专家系统和设计型专家系统的特点，输出问题的推断和解决方案。,按知识表示分类，分为基于产生式规则专家系统、基于一阶谓词逻辑专家系统、基于框架专家系统和基于语义网络专家系统等。,按结构分类，专家系统可以分为集中式专家系统和分布式专家系统、单机型专家系统和网络型专家系统等。,按规模分类，可分为大型协同式专家系统和微专家系统。,6.1,概述,6.1.3,新型专家系统,传统的专家系统已趋于成熟，人工智能学者在研究专家系统的进一步发展时，引入了人工智能和计算机技术的多种新思想和新技术，如并行与分布处理、协同机制、机器学习等，提出了各种新型专家系统，以更好地解决实际问题。,1.模糊专家系统,2.神经网络专家系统,3.网络(多媒体)专家系统,4.分布式专家系统及协同式专家系统,5.深层知识专家系统,6.2,专家系统结构,专家系统的结构是指专家系统的各个组成部分及其组织形式。在实际使用中各个专家系统的结构可能略有不同，但一般都应该包括知识库、推理机、数据库、知识获取机构、解释机构和人机接口这6个部分，它们之间的相互关系如图6,.,1所示。,图6,.,1 专家系统一般结构,6.2,专家系统结构,专家系统的基本工作过程:,用户通过人机界面回答系统的提问，推理机将用户输入的信息与知识库中的知识进行推理，不断地由已知的前提推出未知的结论即中间结果，并将中间结果放到综合数据库中，最后将得出的最终结论呈现给用户。,知识库和推理机是专家系统的核心部分，,其中知识库存储解决某领域问题的专家级水平的知识，推理机根据环境从知识库中选择相应的专家知识，按一定的推理方法和控制策略进行推理，直至得出相应的结论。,6.2,专家系统结构,专家系统的基本工作过程用户通过人机界面回答系统的提问，推理机将用户输入的信息与知识库中的知识进行推理，不断地由已知的前提推出未知的结论即中间结果，并将中间结果放到综合数据库中，最后将得出的最终结论呈现给用户。,知识库和推理机是专家系统的核心部分，,其中知识库存储解决某领域问题的专家级水平的知识，推理机根据环境从知识库中选择相应的专家知识，按一定的推理方法和控制策略进行推理，直至得出相应的结论。,6.2,专家系统结构,1.知识库,知识来源于知识获取机构，同时为推理机提供求解问题所需要的知识。专家知识是指特定问题域方面的知识。,知识库中的知识包括概念、事实和规则。,例如，在一个控制系统中，事实包括对象的有关知识，如结构、类型及特征等；控制规则有自适应、自学习、参数自调整等方面的规则；其他的还有经验数据和经验公式，如对象的参数变化范围、控制参数的调整范围及其限幅值、控制系统的性能指标等。,一个专家系统的能力很大程度上取决于其知识库中所含知识的数量和质量。,6.2,专家系统结构,1.知识库,知识库中的知识通常以文件的形式存放于外部介质上，运行时被调入内存。,按照知识获取的自动化程序，目前知识获取主要有手工获取、半自动获取和自动获取种模式，将在后面进行详细介绍。,知识库中的知识可以更详细地分为求解问题所需的专门知识和领域专家的经验知识。,6.2,专家系统结构,2.推理机,推理机是实现机器推理的程序，它模拟领域专家的思维过程，控制并执行对问题的求解。,推理机根据输入的问题以及描述问题初始状态的数据，利用知识库中的知识，在一定的推理策略下，按照类似领域专家的问题求解方法，推出新的结论或者执行某个操作。,推理机的推理方法分为精确推理和不精确推理。,推理控制策略主要指推理方向的控制和推理规则的选择策略,.,按推理方向有正向推理、反向推理和双向推理，推理策略一般还与搜索策略有关。,6.2,专家系统结构,2.推理机,专家系统的核心是推理机和知识库，这两部分是相辅相成、密切相关的。,然而，专家系统强调推理机和知识库分离，推理机应符合专家的推理过程，与知识的具体内容无关，即推理机与知识库是相对独立的，这是专家系统的重要特征。,6.2,专家系统结构,3.数据库,数据库也称为综合数据库、动态数据库、黑板，用于存放求解问题过程中所用到的信息(数据)，,包括用户提供的原始信息、问题描述、中间推理结果、控制信息和最终结果等。因此，数据库中的内容可以而且也是经常变化的，这也是“,动态数据库”,的由来。,数据库是推理机工作的重要场所，它们之间存在双向交互作用。,数据库也为解释机构提供支持。,解释机构从数据库中获取信息，为向用户解释系统行为提供依据。数据库由数据库管理系统进行管理，完成数据检索、维护等任务。,6.2,专家系统结构,4.知识获取机构,知识获取机构负责知识库中的知识，是构建专家系统的关键。,知识获取机构负责根据需要建立、修改与删除知识以及一切必要的操作，维护知识库的一致性、完整性等。,通常，知识获取机构自身具有部分学习功能，通过系统的运行实践自动获取新知识添加到知识库中。,有的系统还可以直接与领域专家对话获取知识，使领域专家可以修改知识库而不必了解知识库中知识的表示方法、组织结构等实现细节。,6.2,专家系统结构,5.解释机构,解释机构专门负责回答用户提出的问题，向用户解释专家系统的行为和结果，使用户了解推理过程及其所运用的知识和数据。因此，专家系统对用户来说是透明的，这对于用户来说是一项重要的功能。,专家系统的透明性使普通用户了解系统的动态运行情况，更容易接受系统，也使系统开发者便于调试系统6.2,专家系统结构,6.人机接口,人机接口作为最终用户、领域专家、知识工程师与专家系统的交互界面。,人机接口由一组程序及相应的硬件组成，用于完成用户到专家系统、专家系统到用户的双向信息转换。,人机接口一般要求界面友好，方便操作。目前，可视化图形界面已广泛应用于专家系统，人机接口可能是带有菜单的图形接口界面。在专家系统中引入多媒体技术，将会大大改善和提高专家系统人机界面的交互性。如果人机接口包括某种自然语言处理系统，它将允许用户用一个有限的自然语言形式与系统交互。,在系统内部，知识获取机构通过人机接口与领域专家及知识工程师进行交互，通过人机接口输入专家知识；推理机通过人机接口与用户交互，推理机根据需要会不断地向用户提问以得到相应的实时数据，推理机通过人机接口向用户显示结果；解释机构通过人机接口向系统开发者解释系统决策过程，向普通用户解释系统行为回答用户提问。可见，人机接口对于专家系统来说至关重要。,6.3 专家系统设计,6.3.1 专家系统的设计步骤,1.开发步骤,结合软件工程的生命周期方法，专家系统开发的步骤为需求分析阶段、概念化阶段、形式化阶段、实现阶段、测试阶段和运行维护阶段。,(1)需求分析。,(2)概念化。,(3)形式化。,(4)实现。,(5)测试。,(6)运行维护。,6.3 专家系统设计,6.3.1 专家系统的设计步骤,专家系统的开发过程如图6,.2,所示。在开发过程中，任一阶段发现问题，都要返回前面的阶段进行调整。,图6.2 专家系统开发步骤,6.3 专家系统设计,6.3.1 专家系统的设计步骤,2.设计基本原则,(1)设计系统时，首先集中精力研究一小部分假设，即使用一部分结论，只取那些确实可信的观察和肯定的规则，先不要考虑那些不十分确定的事物。,(2)建立中间假设以减少规则数量和简化推理过程。,(3)以各种事例来验证所设计的系统，研究那些产生不准确结论的事例，并且确定系统可以做些什么修改以校正错误。,(4)快速原型和增量式开发方法非常适合专家系统的开发。,(5)从问题的一般特征出发来考虑建立模型，更有利于抓住问题的本质。,6.3 专家系统设计,6.32 知识获取,知识获取是把用于问题求解的领域知识从某些知识源提炼出来，转化为计算机内部的表示方式存入知识库的过程。潜在的知识源包括领域专家、书本、数据库、专门操作人员以及普通人的经验等。,目前，知识获取大致有,3,种途径。,6.3 专家系统设计,6.3.2 知识获取,1.人工获取,这种知识获取分为两步:第一步，知识工程师与领域专家交流，提取专家的经验知识，或者查阅文献获得有关概念的描述及参数，对有关领域知识和专家知识进行分析、综合和归纳；第二步，知识工程师用某种知识编辑软件把知识输入到知识库。其工作方式如图6,.,3所示。,图,6,.,3 人工知识获取模式,6.3 专家系统设计,6.3.2 知识获取,2.自动获取,自动获取是指系统具有直接从环境获取全部知识的能力。,自动获取又可分为两种形式:一种是系统由机器感知接收外部环境的信息，包括文字、图形和语音等，从原始信息中学习到专家系统所需要的一些简单的事实性知识，并填充知识库；另一种是经过机器学习和机器识别获得更高层次的知识。其工作方式如图6,.,4所示。,自动获取方式是知识获取技术的一个努力方向。在这种方式中，由系统取代知识工程师，通过可视化交互式知识获取界面，按预先制定的问题求解模型，指导领域专家自行抽取和输入知识。,6.3 专家系统设计,6.3.2 知识获取,2.自动获取,图,6.4,动知识获取模式,机器学习是解决知识获取困难的最理想途径。机器学习研究利用机器获取新知识和新技能，并识别现有知识，这里的“机器”是指计算机。,6.3 专家系统设计,6.3.2 知识获取,3.半自动获取,半自动知识获取是利用某种专门的知识获取系统，通过提示、指导或问答的方式，帮助专家提取、归纳有关知识，并自动记入知识库。在建造专家系统时，应充分利用人工智能领域取得的成果，逐渐向自动知识获取方向过渡。,知识获取仍是人工智能的一个热门研究课题，是建造专家系统的关键步骤。随着机器学习技术的发展和计算机技术的进步，将机器学习、机器识别等先进技术结合是知识获取的发展方向，目标就是使专家系统能够达到专家水平，像人类专家一样进行决策、诊断及规划等。,6.3 专家系统设计,6.3.3 知识库设计和知识管理,1.知识表示,知识表示就是知识的形式化，把知识用计算机能接受的形式表示出来。前面已经介绍的知识表示方式有一阶谓词逻辑表示法、产生式规则表示法、框架表示法、语义网络表示法、状态图表示法、面向对象表示法等。,目前在专家系统中用得最多的表示方法是产生式规则表示法、框架表示法和语义网络表示法。至于采用哪种知识表示方式，目前还没有统一的标准，总体来说，可以考虑以下4个方面。,(1)充分表示领域知识。(2)能充分有效地进行推理。(3)便于对知识 的组织、维护与管理。(4)便于理解和实现。,6.3 专家系统设计,6.3.3 知识库设计和知识管理,2.知识库设计,知识库的质量直接影响专家系统的效率。知识库设计首先要确定知识库的结构，即知识的组织形式。知识库的结构设计受到多种因素的影响，如知识逻辑表示形式、知识规模等。但无论如何，知识库设计都应遵循以下基本原则。,(1)知识库的组织方式应该保证知识库与处理机的相对独立性，使得不会由于知识库内部组织方式的改动而引起知识处理机构的大改动。,(2)知识库的设计要尽量便于对知识库的扩充、维护与修改。,(3)知识库的设计要便于对其内容的各种运用和输入输出等。,(4)知识库的设计要考虑到不同的领域知识的组织形式，包容多种知识表示方法并存的可能性。,6.3 专家系统设计,6.3.3 知识库设计和知识管理,2.知识库设计,(5)知识库的设计要便于一致性和完整性等的检查和维护。,(6)知识库的组织应便于内存和外存的交换。,(7)知识库的设计要便于对其内容进行各种处理以提高处理效率，尽量节省存储空间，这里对时间和空间的设计要求对于具有庞大知识库容量的专家系统尤为重要。,专家系统中的知识库一般采取层次结构或网状结构。,6.3 专家系统设计,6.3.3 知识库设计和知识管理,2.知识库设计,对于复杂的专家系统，将问题划分成相互关联的若干子问题，同时将知识库分解为相应的若干较小的子知识库，缩小求解问题的知识库规模，再根据各个子问题的性质和特点，采用相应的推理机制并行处理。,以农作物施肥量决策专家系统为例,进行分析随着专家系统应用领域的扩大和系统规模的扩展，分布式知识库是一个必然选择，也是知识库技术的一个重要发展方向。,6.3 专家系统设计,6.3.3 知识库设计和知识管理,3.知识库管理,知识库管理系统是知识库的支撑软件，专家系统通过知识库管理模块实现对知识库的统一管理和使用，实现知识的组织、存储、编辑、增删、修改、检索、扩充、更新以及维护等功能。知识库管理包括知识库的重组、知识库操作管理、知识库维护以及知识库的安全与保护等。,知识库基本操作可以采用两种方式来实现:一种方法就是利用屏幕窗口通过人机对话方式实现知识的增删、修改、查询、统计等；另一种就是用全屏幕编辑方式，让用户直接用键盘按知识描述语言的语法格式编辑知识。,6.3 专家系统设计,6.3.3 知识库设计和知识管理,3.知识库管理,知识的一致性是指知识库中的知识必须是相容的、无矛盾的。例如，下面的两条规则:R1:IF P THEN Q,R2:IF P THEN Q,这两条规则在相同的条件下得到的结论是互斥的，则它们是矛盾的，因此，知识库不能同时包含两条这样的规则。如果两条规则虽然有相同的结论，但规则强度不同，则它们也是矛盾的。,6.3 专家系统设计,6.3.3 知识库设计和知识管理,3.知识库管理,知识的完整性是指知识库中的知识必须满足约束条件，保证知识的合理性、有效性和正确性。例如，小李今年10岁，小李的哥哥今年x岁，则必须满足x10；否则就破坏了知识的完整性。,冗余性检查就是检查知识库中的知识是否存在重复、多余。冗余的表现有重复、包含、环路等现象。例如，下面的两条规则:,R1:IF P且Q THEN R,R2:IF Q且P THEN R,这两条规则是等价规则，如果同时存在于一个知识库，则存在冗余。,6.3 专家系统设计,6.3.3 知识库设计和知识管理,3.知识库管理,又如，,R1:IF P THEN Q,R2:IF Q THEN R,R3:IF P THEN S,R4:IF S THEN R,R1、R2和R3、R4是等效的规则链，如果同时存在于一个知识库，则存在冗余。又如，R1:IF P THEN Q,R2:IF Q THEN R,R3:IF R THEN P,则形成了一条环路。,6.3 专家系统设计,6.3.3 知识库设计和知识管理,推理过程中还会产生错判和漏判，即错判是指系统运行时得出了给定条件所不期望的某一结论，漏判是指在给定的条件下没有得到本应该推导出的结论。针对这两种情况，需要根据错判率和漏判率对知识进行求精处理，即做特化处理或泛化处理。,知识库的安全是指防止知识库遭到破坏，包括操作失误和恶意破坏等主客观因素产生的破坏。一般地，知识库的安全保护措施可以像数据库那样通过设置口令来验证操作者的身份、对不同的操作者设置不同的权限、预留备份等技术来实现。,6.3 专家系统设计,6.3.4 推理机设计,推理是建立在知识库和数据库的基础上，根据知识库中的一系列条件、规则，从用户提供的已有事实，推导出新的结论。,推理机必须与知识库及知识相适应，也就是说推理机必须与知识库的结构、层次以及知识表示形式相协调、相匹配。就推理机本身而言，还需要考虑推理方式、方法和控制策略。,当推理机使用一条规则时，通常要分成,3,步:匹配，即把数据库和规则的条件部分相匹配；冲突解决，即当有一个以上的规则条件和当前数据库相匹配时，根据优先级、可信度决定首先使用哪一条规则；操作，即执行规则的操作部分，并修改当前数据库。,6.3 专家系统设计,6.3.4 推理机设计,根据问题求解时推理过程中选择的推理方向，推理机可以选择正向推理、反向推理或和双向推理。,(1)正向推理。正向推理是由原始数据出发，按照一定策略，运用知识库中专家的知识推断出结论的方法。,这种推理方式是由数据到结论，也叫数据驱动策略。,6.3 专家系统设计,6.3.4 推理机设计,(2)反向推理。反向推理是先提出假设(结论)，然后查找支持这个结论的证据的方法。,这种由结论到数据的策略称为目标驱动策略。,(3)双向推理。双向推理采用正向推理和反向推理同时进行，运用正向推理帮助系统提出假设，然后运用反向推理寻找支持该假设的证据。,6.3 专家系统设计,6.3.5 解释功能设计,专家系统一般具有解释功能，用人们易于理解的方式向系统开发者或用户解释或说明问题求解过程及结果的合理性。在推理过程中专家系统还可以通过解释机构向用户解释“系统为什么要向用户提出该问题？”、“计算机是如何得出最终结论？”等诸如此类问题。,系统的解释机构就是专家系统为完成解释功能而设置的程序模块。从系统结构上来说，解释机构一般作为一个独立的模块，但实际上解释功能与推理机密切相关，因为解释机构必须对推理进行实时跟踪。可以采用以下方法实现解释功能。,6.3 专家系统设计,6.3.5 解释功能设计,(1)预置文本法。,(2)过程跟踪。,(3)策略解释法。,6.3 专家系统设计,6.3.6 系统结构设计,从系统组成结构角度来看，专家系统的核心是知识库、数据库和推理机构。体系结构研究的核心问题就是如何根据应用领域和求解任务的要求来组织系统内部的各个功能模块。对于问题求解任务相对容易的系统，只需采用简单的体系结构。随问题求解任务复杂程度的增加，在体系结构设计时需要渐进地采用一些相适应的知识库技术和推理技术。一般的系统结构有独立式(一个“纯”专家模块)、集中式、分布式、层次式和“黑板模型”等。,人们也提出了新的体系结构方案，如多级专家系统、多库协同系统以及大型协同分布式专家系统等。,6.3 专家系统设计,6.3.7 专家系统的评价,从技术角度进行评价，主要由知识工程师和领域专家参与，评价内容包括以下几项。,(1)系统设计思想、设计方法、设计工具的正确性。,(2)知识的完备性，判断知识库是否具有完善的知识，是否与领域专家的知识保持一致，知识库逻辑一致性和完整性。,(3)知识表示及组织方法的适当性，判断能否充分表达领域知识，知识库是否是最小表示，是否便于知识维护和管理。,(4)所用推理技术的正确性，系统是否能产生正确的答案。,6.3 专家系统设计,6.3.7 专家系统的评价,(5)求解问题的质量，评价系统提供的建议和结论的准确性，与领域专家所得结论的符合程度，解释的正确性及可信度估算的准确性。,(6)系统测试和检验方法的正确性，从运行性能角度进行评价，主要由用户完成，包括一般用户和专业用户。,(7)系统的效率，即系统运行时对系统资源的利用率以及时间、空间开销。,(8)人机交互的便利性，用户能否方便使用系统决定用户是否最终接受这个系统。,(9)问题求解能力和适用范围，求解结果的有用性。,6.3 专家系统设计,6.3.7 专家系统的评价,(10)系统的易维护性、易扩充性、可移植性、可靠性，是否易于与其他软件集成。,(11)易用性、可理解性、自然性和是否提供联机帮助及解释。,(12)系统的经济性，包括软硬件投资、设计开发费用、取得的直接或间接经济效益等，建造一个实用专家系统需要耗费大量的人力和物力，从经济方面进行分析也是系统开发可行性的一种重要考虑因素。,6.4 专家系统应用案例,6.4.1动物识别专家系统,该系统是一个比较流行的专家系统试验模型，用以识别金钱豹虎、长颈鹿、斑马、企鹅、鸵鸟、信天翁7种动物。下面讨论该系统的知识表示、推理机制、模块结构等。,6.4 专家系统应用案例,6.4.1动物识别专家系统,1.知识库,该系统用产生式规则来表示知识，知识库中共有以下15条规则。,规则1:IF 动物有毛发THEN 动物是哺乳动物,规则2:IF 动物有奶THEN 动物是哺乳动物,规则3:IF 动物有羽毛THEN 动物是鸟,规则4:IF 动物会飞 AND 会下蛋THEN 动物是鸟,规则5:IF 动物吃肉THEN 动物是肉食动物,规则6:IF 动物有犬齿 AND 有爪 AND 眼盯前方THEN 动物是食肉动物,规则7:IF 动物是哺乳动物 AND 有蹄THEN 动物是有蹄类动物,规则8:IF 动物是哺乳动物 AND 反刍THEN 动物是有蹄类动物,6.4 专家系统应用案例,6.4.1动物识别专家系统,1.知识库,规则9:IF 动物是哺乳动物 AND 是食肉动物 AND是黄褐色的 AND 有暗斑点THEN 动物是金钱豹,规则10:IF 动物是黄褐色的 AND 是哺乳动物 AND 是食肉 AND 有黑条纹THEN 动物是虎,规则11:IF 动物有暗斑点 AND 有长腿 AND 有长脖子 AND 是有蹄类动物THEN 动物是长颈鹿,规则12:IF 动物有黑条纹 AND 是有蹄类动物THEN 动物是斑马,规则13:IF 动物有长腿 AND 有长脖子 AND 是黑色的 AND 是鸟 AND 不会飞THEN 动物是鸵鸟,规则14:IF 动物是鸟 AND 不会飞 AND 会游泳 AND 是黑色的THEN 动物是企鹅,规则15:IF 动物是鸟 AND 善飞THEN 动物是信天翁,6.4 专家系统应用案例,6.4.1动物识别专家系统,1.知识库,知识库中包含将问题从初始状态转换到目标状态的变化规则。首先用6条规则将动物粗略分成哺乳动物、鸟、食肉动物三大类，然后逐步缩小分类范围，最后给出金钱豹、虎、长颈鹿、斑马、企鹅、鸵鸟、信天翁这7种动物的识别规则。,在15条规则中，共出现30个概念，也称为事实:有毛发、能产奶、哺乳动物、有羽毛、会飞、产蛋、鸟、吃肉有犬齿、有爪、眼盯前方、食肉动物、有蹄、反刍、有蹄类动物、黄褐色、身上有暗斑点、黑色条纹、有长脖子、有长腿、不会飞、黑白色、会游泳、信天翁、企鹅、驼鸟、斑马、长颈鹿、老虎、猎豹。,6.4 专家系统应用案例,6.4.1动物识别专家系统,2.综合数据库,综合数据库为事实库，主要存放问题求解的相关信息，包括原始事实、中间结果和最终结论，中间结果又可以作为下一步推理的事实。事实上，综合数据库是计算机中开辟的一块存储空间。,3.推理机,本系统采用正向推理，并且精确推理，推理过程如图6,.,5所示。推理步骤如下。,6.4 专家系统应用案例,图6,.,5 动物识别专家系统推理过程,6.4 专家系统应用案例6.4.1动物识别专家系统,3.推理机,(1)用户首先初始化综合数据库，即把已知事实存放到综合数据库。,(2)推理机检查规则库中是否有规则的前提条件可与综合数据库中已知事实相匹配，若有，则把匹配成功的规则的结论部分作为新的事实放入综合数据库。,(3)检查综合数据库中是否包含待解决问题的解，若是，说明问题求解成功；否则用更新后的综合数据库中的所有事实重新进行匹配，重复上述过程，直到推理结束。,6.4 专家系统应用案例,6.4.1动物识别专家系统,3.推理机,一般来说，推理终止的情况有以下两种。,(1)经推理已经求得问题的解。,(2)知识库中再无可适用的知识。,若一条规则的结论在其他规则的前提条件中都不出现，则这条规则的结论部分就是最终结论，把含有最终结论的规则称为结论性规则。对于第(1)种情况，每当推理机用到结论性规则进行推理时，推出的结论就是最终结论，此时可终止推理过程。对于第(2)种情况，检查当前知识库中是否还有未使用的规则，但均不能与综合数据库中的已有事实相匹配时，则说明该问题无解，终止问题求解过程。,6.4 专家系统应用案例,6.4.1动物识别专家系统,4.解释机构,解释机构回答系统如何推出最终结论，解释功能的实现与推理机密切相关。动物识别专家系统的解释机构对推理进行实时跟踪。,6.4 专家系统应用案例,6.4.2 PROSPECTOR系统,地质勘探专家系统PROSPECTOR能根据岩石标本及地质勘探数据对矿产资源进行估计和预测，提供勘探方面的咨询。该系统集中多个领域专家的知识，具有以下功能。,(1)勘探结果评价。,(2)区域资源评价。,(3)钻井井位选择。,PROSPECTOR系统的总体结构如图6,.,6所示。,6.4 专家系统应用案例,图6.6 PROSPECTOR系统总体结构,6.4 专家系统应用案例,6.4.2 PROSPECTOR系统,(1)知识库。,(2)英语分析器。,(3)问答系统。,(4)解释系统。,6.4 专家系统应用案例,6.4.2 PROSPECTOR系统,1.知识表示,PROSPECTOR系统的知识用语义网络和规则表示。知识库由三级网络组成，即分类学网络、分块语义网络和推理网络，分别用来描述概念、陈述和推理规则。,最低层网络是分类学网络，给出了系统所知道的词汇的用途及相互关系。,分块语义网络用来表示陈述，它是把整个网络划分成若干个块，每一块表示一句完整的话(陈述)。,6.4 专家系统应用案例,6.4.2 PROSPECTOR系统,1.知识表示,推理网络是系统赖以完成咨询的知识库。在PROSPECTOR中，判断性知识用规则来表示，每条规则的形式为,EH(LS，LN),该规则用来反映证据E对假设H的支持程度。每条规则的LS、LN及每个语义空间H的P(H)均由领域专家在建造知识库时提供。,推理网络通过决策规则把证据和假设链接成一个有向图，推理网络中的结点代表各个语义空间，称为超结点，弧代表规则，与每条弧相联系的数字分别表示规则的LS、LN，分别称为规则的充分性量度和必要性量度。每个端点或叶结点是用户提供的证据，其他结点都是假设。,6.4 专家系统应用案例,6.4.2 PROSPECTOR系统,1.知识表示,PROSPECTOR系统中没有独立于知识库而存在的综合数据库，它的推理网络同时兼有知识库和数据库两种身份。,PROSPECTOR系统的知识按用途可分为两类，即分类学网络,和,其他矿藏模型。,6.4 专家系统应用案例,6.4.2 PROSPECTOR系统,2.推理机制,PROSPECTOR系统的不精确推理是建立在概率论的基础上，采用主观贝叶斯方法，即根据前提E的概率，利用规则的LS和LN，把结论H的先验概率P(H)更新为后验概率P(H|E)。,PROSPECTOR系统采用多种推理方式，称为混合主动式推理，即正反向混合推理与接纳用户自愿提供信息相结合的推理方式。,6.4 专家系统应用案例,6.4.2 PROSPECTOR系统,2.推理机制,PROSPECTOR系统的正向推理实际上就是概率传播。系统运行时，用户输入一个证据E并指出它在观察S下成立的后验概率P(E|S)。系统在推理网络中搜索以E为前提或前提包含E的规则R，利用P(E|S)计算在规则R的作用下结论H的后验概率，然后再从推理网络中搜索前提中包含H的规则R，重复以上过程。PROSPECTOR推理过程实际上就是重复地将规则前提的后验概率沿推理网络中的规则弧传到规则的结论部分，修改结论的后验概率，直到推理网络的顶层语义空间。PROSPECTOR系统的概率传播过程由传送器完成。,6.4 专家系统应用案例,6.4.2 PROSPECTOR系统,2.推理机制,当正向推理(概率传播)结束后，如果系统已能确定存在某种矿藏，则输出结果；否则进入反向推理过程。反向推理由提问系统负责，它为断定某种矿藏的成矿可能性寻求有关的数据。,6.4 专家系统应用案例,6.4.2 PROSPECTOR系统,3.解释系统,PROSPECTOR系统的解释系统可以为用户提供几种不同类型的解释。解释系统可随时检查推理网络中某个语义空间的后验概率，还可以向用户显示推断某一结论所使用的规则，或者检查某一数据对推理网络中任一特定空间概率的影响。通过这些解释方法，用户可以了解所采集数据的意义以及进一步需要的数据。,PROSPECTOR系统帮助勘探人员推断矿床分布、储藏量、品位、开采价值等信息，制定开采计划和钻井井位布局方案，目前已成为世界上公认的经典专家系统之一。,6.5 开发工具与环境,从目前已有的开发工具来看，专家系统开发工具大致可分为以下五类。,(1)程序设计语言。,(2)骨架系统。,(3)通用型知识表达语言。,(4)辅助工具箱。,(5)专家系统开发环境。,6.5 开发工具与环境,6.5.1 程序设计语言,程序设计语言是专家系统的最基本开发工具，包括面向数据处理的语言和面向符号处理的语言。,面向数据处理的语言是为特定的问题类型而设计，主要代表有C、PASCAL、FORTRAN、BASIC等，能方便地处理代数运算，适合科学、数学和统计领域。,面向对象程序设计语言(如C+语言)具有的强大的功能和面向对象的特性，与人工智能特别是知识表示和知识库产生了天然联系，因此也成为专家系统的常用开发工具,。,6.5 开发工具与环境,6.5.1 程序设计语言,面向人工智能的程序设计语言，其中最常用的是LISP语言和PROLOG语言。它们能方便地表示知识和设计各种推理机，具有灵活简便的处理能力、与领域无关、通用性强、用户能随心所欲地设计自己的系统等优点，因此被广泛用于各个领域的专家系统研制。,程序设计语言的优点是使用灵活，通用性强，开发者可以根据问题特点设计知识表示及推理机制，程序质量高；缺点是工作量大，开发周期长，在不同的专家系统开发过程中存在大量的重复性工作，增加了系统开发成本。,6.5 开发工具与环境,6.5.2 骨架系统,骨架专家系统开发工具也称为外壳系统，是最早出现的专家系统开发工具。它由已经成熟的专家系统演变而来，典型代表有,：,由MYCIN系统演化而来的EMYCIN系统、基于PROSPECTOR系统建立的KAS系统、EXPERT系统。,从一个已经成功应用的专家系统出发，抽出原系统知识库中的具体领域知识，而保留原系统的体系结构、知识表示方式、推理机制、知识获取机制及解释机制和其他辅助工具，再把领域专用的界面改为通用界面，就可以得到一个骨架系统。,6.5 开发工具与环境,6.5.2 骨架系统,骨架系统开发工具易于使用，不用从头开发新的专家系统，借用已有的专家系统的骨架，避免了许多系统建造上的重复劳动，缩短了研制周期，基于成熟的专家系统框架而生成的专家系统运行效率高。由于新系统继承了外壳系统的知识表示方式和推理机制，系统灵活性和通用性受到限制，只适合于与原系统同类型的专家系统开发，系统功能受到原有水平的限制。,原有专家系统中有些领域知识可能部分隐含在推理机制中，对新的领域问题这些隐含知识不一定能够适用，因此骨架系统又有一定程度的局限性。,6.5 开发工具与环境,6.5.3 知识表示语言,知识表示语言是针对知识工程发展起来的程序设计语言，又称为知识工程语言。这类工具通常配置相应的推理机构，其控制策略不局限于一种或几种形式，能够处理不同问题领域和问题类型。因此，知识工程语言工具适应的范围要比骨架系统广泛得多。比较有代表性的知识表示语言工具有OPS、CLIPS、ROSIE等。,OPS,ROSIE,6.5 开发工具与环境,6.5.4 辅助型工具,辅助型工具由一些程序模块组成，实现多种类型的推理机制和知识库预构件，主要用于辅助建造高质量的专家系统。目