專家系統(tǒng)專家系統(tǒng)的出現(xiàn)智能的核心是知識(shí)從公理出發(fā)的邏輯體系無(wú)法解決組合爆炸問(wèn)題，而知識(shí)有助于解決這一問(wèn)題于是，60年代中期以后，人工智能由追求萬(wàn)能、通用的一般研究轉(zhuǎn)入特定的具體研究，通用的解題策略同特定領(lǐng)域的專業(yè)知識(shí)與實(shí)際經(jīng)驗(yàn)結(jié)合，產(chǎn)生了以專家系統(tǒng)為代表的基于知識(shí)的各類人工智能系統(tǒng)，使人工智能真正走向社會(huì)，走向?qū)嶋H應(yīng)用研究專家系統(tǒng)的出現(xiàn)1965-1968，第一個(gè)專家系統(tǒng)DENDRAL研制成功，用于化學(xué)分子結(jié)構(gòu)分析。該系統(tǒng)能根據(jù)質(zhì)譜儀數(shù)據(jù)推斷未知有機(jī)化合物的分子結(jié)構(gòu)。（已商品化）該系統(tǒng)是一個(gè)啟發(fā)式系統(tǒng)，具有從化學(xué)專家那兒獲得的關(guān)于質(zhì)譜測(cè)定法的知識(shí)，把它結(jié)合到控制搜索的規(guī)則中，能迅速消去不可能為真的分子結(jié)構(gòu)，避免了以指數(shù)級(jí)膨脹的搜索。通過(guò)產(chǎn)生全部可能為真的結(jié)構(gòu)．它甚至可以找出那些人類專家往往會(huì)漏掉的候選結(jié)構(gòu)。此后大量的專家系統(tǒng)被開(kāi)發(fā)出來(lái)，并產(chǎn)生了專用于專家系統(tǒng)開(kāi)發(fā)的工具軟件什么是專家系統(tǒng)Feigenbaum1982年給出的定義為：“專家系統(tǒng)是一種智能的計(jì)算機(jī)程序，這種程序使用知識(shí)與推理過(guò)程，求解那些需要杰出人物的專門知識(shí)才能求解的高難度問(wèn)題?！盓S的核心是知識(shí)庫(kù)和推理機(jī)傳統(tǒng)軟件：數(shù)據(jù)結(jié)構(gòu)+算法=程序?qū)＜蚁到y(tǒng)：知識(shí)+推理=系統(tǒng)與其他人工智能系統(tǒng)的區(qū)別從應(yīng)用目標(biāo)看，作為一種實(shí)用的軟件，專家系統(tǒng)處理的問(wèn)題部屬于現(xiàn)實(shí)世界中通常需要人類專家的大量專門知識(shí)才能解決的復(fù)雜問(wèn)題，必須可靠地工作，在合理的時(shí)間內(nèi)提供可用的解答。許多經(jīng)典人工智能程序，如定理證明程序，往往是從純學(xué)術(shù)技術(shù)目的出發(fā)，只求解抽象的數(shù)學(xué)問(wèn)題、邏輯問(wèn)題或簡(jiǎn)化了的實(shí)際問(wèn)題。與其他人工智能系統(tǒng)的區(qū)別從求解手段看，專家系統(tǒng)的高性能是通過(guò)犧牲問(wèn)題求解的通用性換來(lái)的。一方面，它把求解的問(wèn)題領(lǐng)域局限在比較狹窄的特定專業(yè)領(lǐng)域，另一方面，比起一般人工智能程序比較注重的通用弱方法來(lái)，比起形式化的推理方法和搜索技術(shù)來(lái)，專家系統(tǒng)更強(qiáng)調(diào)特定領(lǐng)域中來(lái)自人類專家的具有很強(qiáng)啟發(fā)能力的專門知識(shí)，包括特定領(lǐng)域問(wèn)題求解所特有的過(guò)程性專業(yè)知識(shí)和控制性策略知識(shí)。專家系統(tǒng)所擁有的這種啟發(fā)式知識(shí)的質(zhì)量和數(shù)量，決定著系統(tǒng)的性能，也直接影響到問(wèn)題求解的效率。與其他人工智能系統(tǒng)的區(qū)別從用戶界面看，專家系統(tǒng)不僅能給出智能的建議或決策，而且有能力以用戶直接理解的方式解釋和證明自己的推理過(guò)程。專家系統(tǒng)的這種解釋機(jī)制為各類用戶提供了一種透明的界面。問(wèn)題領(lǐng)域的人類專家能夠借此檢驗(yàn)系統(tǒng)所用知識(shí)是否合理，軟件設(shè)計(jì)者能夠借此調(diào)試知識(shí)庫(kù)和執(zhí)行程序的正確性，一般用戶可以從中學(xué)習(xí)推理知識(shí)和理解推理的結(jié)論。其他應(yīng)用程序經(jīng)常被用戶視作“黑箱”或“灰箱”。專家系統(tǒng)的這種透明界面，大大提高了用戶對(duì)系統(tǒng)求解復(fù)雜問(wèn)題所得結(jié)論的可接受性。專家系統(tǒng)還具有很強(qiáng)的人機(jī)交互功能，它能同各類用戶一起，構(gòu)成高性能的人機(jī)共同思考的系統(tǒng)。專家系統(tǒng)的體系結(jié)構(gòu)知識(shí)庫(kù)：實(shí)現(xiàn)知識(shí)的存取、修改與維護(hù)，包括智能檢索、知識(shí)更新以及語(yǔ)義完整性維護(hù)全局?jǐn)?shù)據(jù)庫(kù)或稱工作存儲(chǔ)器，是反映當(dāng)前問(wèn)題求解狀態(tài)的集合，用于臨時(shí)存放求解問(wèn)題所需的各種初始數(shù)據(jù)或證據(jù)，以及求解期間由專家系統(tǒng)產(chǎn)生的各種中間信息，有時(shí)還包括中間假設(shè)或中間結(jié)論之間的“鏈”關(guān)系等。全局?jǐn)?shù)據(jù)庫(kù)中由各種事實(shí)、斷言和關(guān)系組成的狀態(tài)，既是推理機(jī)選用知識(shí)的依據(jù)，也是解釋機(jī)制獲得推理路徑的來(lái)源。專家系統(tǒng)的體系結(jié)構(gòu)知識(shí)獲取機(jī)制：專家系統(tǒng)中把問(wèn)題求解的各種專門知識(shí)從人類專家的頭腦中或其他知識(shí)源那里轉(zhuǎn)換到知識(shí)庫(kù)中來(lái)的一個(gè)重要機(jī)構(gòu)，有手工、半自動(dòng)、自動(dòng)三種方式，目前以半自動(dòng)為主解釋機(jī)制：是專家系統(tǒng)中回答用戶詢問(wèn)、對(duì)自己的問(wèn)題求解過(guò)程或?qū)ψ约寒?dāng)前的求解狀態(tài)提供說(shuō)明的一個(gè)重要機(jī)構(gòu)。解釋機(jī)制涉及程序的透明性，它讓用戶理解程序正在做什么和為什么這樣做，向用戶提供了關(guān)于系統(tǒng)的一個(gè)認(rèn)識(shí)窗口，讓用戶去理解系統(tǒng)為什么要作出這樣或那樣的決策和建議解釋機(jī)制一般使用幾個(gè)比較通用的問(wèn)答規(guī)劃。為了回答“為什么”得到某個(gè)結(jié)論的詢問(wèn)，系統(tǒng)通常需要反向跟蹤全局?jǐn)?shù)據(jù)庫(kù)中保存的解鏈或推理路徑．并把它翻譯成用戶能接受的自然語(yǔ)言表達(dá)方式。為了回答“為什么不”之類的詢問(wèn)，系統(tǒng)一般要使用有關(guān)解釋技術(shù)的啟發(fā)式方法專家系統(tǒng)的開(kāi)發(fā)過(guò)程Feigenbaum:“設(shè)計(jì)專家系統(tǒng)的藝術(shù)既是程序設(shè)計(jì)藝術(shù)的一部分，又是它的擴(kuò)展。這就是用表示知識(shí)的技術(shù)和利用知識(shí)進(jìn)行推理的技術(shù)來(lái)構(gòu)造復(fù)雜的計(jì)算機(jī)程序的藝術(shù)?！睂＜蚁到y(tǒng)的開(kāi)發(fā)過(guò)程認(rèn)識(shí)階段：知識(shí)工程師通過(guò)與領(lǐng)域?qū)＜业暮献鳎瑢?duì)領(lǐng)域問(wèn)題進(jìn)行需求分析。包括認(rèn)識(shí)系統(tǒng)需要處理的問(wèn)題范圍、類型和各種重要特征、預(yù)期的效益等，并確定領(lǐng)域?qū)＜业闹R(shí)類型的結(jié)構(gòu)，以及系統(tǒng)開(kāi)發(fā)所需的各種資源，如軟件、硬件、人員、經(jīng)費(fèi)和時(shí)間等。概念化階段：把問(wèn)題求解所需要的各種專門知識(shí)概念化，確定概念之間的關(guān)系，并對(duì)任務(wù)進(jìn)行劃分，確定求解問(wèn)題的控制流程和約束條件。形式化階段：把已經(jīng)整理出來(lái)的概念、概念間的關(guān)系以及領(lǐng)域?qū)ｉT知識(shí)用適合于計(jì)算機(jī)表示和處理的形式化方法描述出來(lái)，選擇合適的系統(tǒng)構(gòu)造技術(shù)、確定數(shù)據(jù)結(jié)構(gòu)、推理規(guī)則以及控制策略．建立問(wèn)題求解模型。專家系統(tǒng)的開(kāi)發(fā)過(guò)程增量式開(kāi)發(fā)方法：由于領(lǐng)域?qū)＜业膶ｉT知識(shí)大多足長(zhǎng)期積累的經(jīng)驗(yàn)知識(shí)，缺乏嚴(yán)謹(jǐn)?shù)睦碚撘罁?jù)，沒(méi)有很好的組織結(jié)構(gòu)，因此不可能在短時(shí)間內(nèi)獲得全部專家知識(shí)，并整理好放到專家系統(tǒng)的知識(shí)庫(kù)中。也就是說(shuō)專家系統(tǒng)的開(kāi)發(fā)與傳統(tǒng)軟件系統(tǒng)的開(kāi)發(fā)有很大的不同：需求分析是一個(gè)漸近的目標(biāo)，決定專家系統(tǒng)性能的專門知識(shí)是逐漸增加、不斷完善的，這就需要進(jìn)行增量式開(kāi)發(fā)，即通過(guò)基本功能逐步擴(kuò)大來(lái)完善系統(tǒng)。專家系統(tǒng)結(jié)構(gòu)上把需要經(jīng)常修改和完善的知識(shí)庫(kù)從相對(duì)穩(wěn)定的推理機(jī)中分離出來(lái)，適應(yīng)了這種增量式開(kāi)發(fā)方法。專家系統(tǒng)的開(kāi)發(fā)過(guò)程快速原型方法：分為五個(gè)層次專家系統(tǒng)的開(kāi)發(fā)過(guò)程通常三種方法結(jié)合使用：專家系統(tǒng)的知識(shí)獲取知識(shí)獲取方法：交談法：知識(shí)工程師與領(lǐng)域?qū)＜医徽動(dòng)^察法：觀察領(lǐng)域?qū)＜医鉀Q問(wèn)題的過(guò)程草案分析法：給領(lǐng)域?qū)＜揖唧w問(wèn)題，并要求其“大聲思考”。讓專家在現(xiàn)實(shí)的問(wèn)題環(huán)境中通過(guò)不受約束的情境描述，暴露專家實(shí)際使用的問(wèn)題求解知識(shí)，即啟發(fā)性知識(shí)，這些知識(shí)往往與數(shù)據(jù)密切相關(guān)，難以通過(guò)交談獲得多維技術(shù)：主要用于獲取專家的結(jié)構(gòu)性知識(shí)。任何對(duì)象(包括領(lǐng)域問(wèn)題、事實(shí)、概念、關(guān)系)都呈現(xiàn)出多方面的特性，多維技術(shù)逐一研究不同事物在某一特性(維)上表現(xiàn)出的聯(lián)系，再將它們抽取為事物之間的概念相關(guān)模型，進(jìn)而獲得專家知識(shí)的結(jié)構(gòu)特征專家系統(tǒng)的推理機(jī)制兩種基本推理機(jī)制：正向推理與反向推理正向推理：從巳知事實(shí)出發(fā)，逐步推導(dǎo)出最后結(jié)論，推理過(guò)程：(1)用數(shù)據(jù)庫(kù)中的事實(shí)與規(guī)則的前提條件進(jìn)行匹配；(2)按沖突消解策略從匹配的規(guī)則實(shí)例中選擇規(guī)則；(3)執(zhí)行選中規(guī)則的動(dòng)作，修改數(shù)據(jù)庫(kù)；(4)用更新后的數(shù)據(jù)庫(kù)，重復(fù)上述幾步工作，直到得出結(jié)論或數(shù)據(jù)庫(kù)不再發(fā)生變化為止。專家系統(tǒng)的推理機(jī)制沖突消解：當(dāng)有多個(gè)規(guī)則被匹配時(shí)，需從中選擇一條執(zhí)行，這一過(guò)程稱為沖突消解沖突消解需要一定的計(jì)算開(kāi)銷，因此，在實(shí)際系統(tǒng)的設(shè)計(jì)中要仔細(xì)權(quán)衡規(guī)則的應(yīng)用費(fèi)用和沖突消解的控制費(fèi)用。對(duì)于一個(gè)完全無(wú)啟發(fā)信息來(lái)支持沖突消解處理的產(chǎn)生式系統(tǒng)，其控制費(fèi)用很低，但由于所使用的規(guī)則是盲目選取的，要找到一個(gè)解往往需要試用大量的規(guī)則；當(dāng)系統(tǒng)中存在大量的啟發(fā)式信息來(lái)指導(dǎo)規(guī)則選擇時(shí)，系統(tǒng)僅需試用少量的規(guī)則即能導(dǎo)致問(wèn)題的解。極端情況下，若沖突消解策略每次都能準(zhǔn)確地找到一條導(dǎo)致解的規(guī)則，則整個(gè)系統(tǒng)將不需進(jìn)行任何試探即能找出解。專家系統(tǒng)的推理機(jī)制常用沖突消解策略：分為無(wú)啟發(fā)信息和有啟發(fā)信息兩類無(wú)啟發(fā)信息時(shí)：就近原則：最新激活的規(guī)則先執(zhí)行公平原則：先激活的規(guī)則先執(zhí)行有啟發(fā)信息時(shí)：利用問(wèn)題求解的特點(diǎn)設(shè)計(jì)相應(yīng)的排序函數(shù)對(duì)規(guī)則排序，優(yōu)先級(jí)高的規(guī)則先執(zhí)行。根據(jù)實(shí)現(xiàn)方式的不同，排序方法可分為靜態(tài)排序和動(dòng)態(tài)排序兩種。專家系統(tǒng)的推理機(jī)制動(dòng)態(tài)排序原則：按性能/代價(jià)比排序：對(duì)每條規(guī)則，記錄其成功率和失敗率以及成功、失敗時(shí)各自的計(jì)算開(kāi)銷。最有效數(shù)據(jù)驅(qū)動(dòng)的規(guī)則優(yōu)先執(zhí)行：事實(shí)的有效性可根據(jù)啟發(fā)式函數(shù)來(lái)衡量。按規(guī)則可信度或權(quán)威性排序：可信度大或權(quán)威性高的規(guī)則優(yōu)先執(zhí)行。如：R1、IF交通警察叫停THEN停車R2、IF綠燈亮THEN通過(guò)R1比R2更具權(quán)威性專家系統(tǒng)的解釋機(jī)制專家系統(tǒng)中由于知識(shí)庫(kù)與推理機(jī)是分開(kāi)的，即系統(tǒng)的計(jì)算部分與控制部分基本上是分離的，故在運(yùn)行的每一步，系統(tǒng)啟動(dòng)哪一條規(guī)則，需要由當(dāng)時(shí)的環(huán)境信息(全局?jǐn)?shù)據(jù)庫(kù)、控制信息等)和推理機(jī)共同決定雖然目前大部分專家系統(tǒng)的控制策略都比較簡(jiǎn)單，但環(huán)境信息通常非常寵大，且知識(shí)繁多，因此，要了解一個(gè)專家系統(tǒng)的執(zhí)行行為，必須要求專家系統(tǒng)自身具有相當(dāng)?shù)耐该餍?，能夠用人們易于理解的方式?lái)解釋其自身的推理過(guò)程。專家系統(tǒng)的解釋機(jī)制專家系統(tǒng)解釋機(jī)制的設(shè)計(jì)通常與領(lǐng)域模型、領(lǐng)域原理、用戶模型和解釋策略等四方面因素有關(guān)領(lǐng)域模型包括領(lǐng)域中各種事實(shí)和關(guān)系的描述，如術(shù)語(yǔ)定義、因果關(guān)系、層次關(guān)系等；領(lǐng)域原理包含領(lǐng)域問(wèn)題的求解策略和啟發(fā)性知識(shí)；用戶模型存放用戶的有關(guān)知識(shí)，根據(jù)用戶的特征，確定哪些知識(shí)需要解釋以及解釋的深度和復(fù)雜性；解釋策略根據(jù)用戶模型和問(wèn)題求解過(guò)程，將一個(gè)合適的回答提交給用戶，如簡(jiǎn)單地將問(wèn)題求解的步驟告訴用戶，或根據(jù)用戶對(duì)系統(tǒng)和領(lǐng)域的理解程度，動(dòng)態(tài)地組織較復(fù)雜的解釋文本專家系統(tǒng)的解釋機(jī)制預(yù)置文本法：將每一問(wèn)題求解方式的解釋框架采用自然語(yǔ)言或其它易于理解的形式事先組織好，插入程序段或相應(yīng)的數(shù)據(jù)庫(kù)中。在執(zhí)行目標(biāo)約過(guò)程中．同時(shí)生成解釋信息，其中的模糊量或語(yǔ)言變量通常都要轉(zhuǎn)化為合適的修飾詞。一旦用戶詢問(wèn)，只需把相應(yīng)的解釋信息填入解釋框架，并組織成文本提交給用戶即可。優(yōu)點(diǎn)：簡(jiǎn)單直觀，知識(shí)工程師在編制相應(yīng)解釋的預(yù)置文本時(shí)，可以針對(duì)不同用戶的要求隨意編制不同的解釋文本缺點(diǎn)：對(duì)每一問(wèn)題都要考慮其解釋內(nèi)容，增加了系統(tǒng)開(kāi)發(fā)的工作量。大型專家系統(tǒng)的解釋機(jī)制采用頂置文本法幾乎是不能容忍的，當(dāng)專家系統(tǒng)問(wèn)題求解的策略和知識(shí)比較復(fù)雜時(shí)更是如此專家系統(tǒng)的解釋機(jī)制路徑跟蹤法：對(duì)程序的執(zhí)行過(guò)程進(jìn)行跟蹤，在問(wèn)題求解的同時(shí)，將問(wèn)題求解所使用的知識(shí)自動(dòng)記錄下來(lái)。當(dāng)用戶提出相應(yīng)的問(wèn)題時(shí)，解釋機(jī)制向用戶顯示問(wèn)題的求解路徑路徑跟蹤法向用戶提