第七章 专家系统
7.1.答：
（1）专家系统的定义
费根鲍姆（E．A．Feigenbaum）：“专家系统是一种智能的计算机程序，它运用知识和推理步骤来解决只有专家才能解决的复杂问题”个人收集整理 勿做商业用途
专家系统是基于知识的系统，用于在某种特定的领域中运用领域专家多年积累的经验和专门知识，求解需要专家才能解决的困难问题 个人收集整理 勿做商业用途
保存和大面积推广各种专家的宝贵知识
博采众长
比人类专家更可靠，更灵活
（2）专家系统的特点
①具有专家水平的专门知识
专家系统中的知识按其在问题求解中的作用可分为三个层次：数据级、知识库级和控制级
数据级知识（动态数据）：具体问题所提供的初始事实及在问题求解过程中所产生的中间结论、最终结论
数据级知识通常存放于数据库中
知识库级知识：专家的知识，这一类知识是构成专家系统的基础
一个系统性能高低取决于这种知识质量和数量
控制级知识（元知识）：关于如何运用前两种知识的知识
在问题求解中的搜索策略、推理方法
②能进行有效的推理
推理机构——能根据用户提供的已知事实，通过运用知识库中的知识，进行有效的推理，以实现问题的求解。专家系统的核心是知识库和推理机个人收集整理 勿做商业用途
③具有启发性
除能利用大量专业知识外，还必须利用经验判断知识来对求解问题作出多个假设（依据某些条件选定一个假设，使推理继续进行）个人收集整理 勿做商业用途
④ 能根据不确定（不精确）的知识进行推理
综合利用模糊的信息和知识进行推理，得出结论
⑤具有灵活性
知识库与推理机相互独立，使系统易于扩充，具有较大的灵活性
⑥具有透明性
一般有解释机构，所以具有较好的透明性
解释机构向用户解释推理过程，回答“Why？”、“How？”等问题
⑦具有交互性
一般都为交互式系统，具有较好的人机界面
一方面它需要与领域专家或知识工程师进行对话以获取知识；另一方面它也需要不断地从用户处获得所需的已知事实并回答询问。个人收集整理 勿做商业用途
7.2.答：专家系统的一般结构
人机接口、推理机、知识库、动态数据库、知识获取机构、解释机构
word/media/image3_1.png
知识库：主要用来存放领域专家提供的专门知识
(1) 知识表达方法的选择（最多的三种表示方法是产生式规则、框架和语义网络）
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 便于理解与实现
(2) 知识库管理冗余和矛盾一致性和完整性安全性
推理机
模拟领域专家的思维过程，控制并执行对问题的求解
能根据当前已知的事实，利用知识库中的知识，按一定的推理方法和控制策略进行推理，直到得出相应的结论为止
推理机包括推理方法和控制策略两部分
推理方法有精确推理和不精确推理（已在推理章节介绍）
控制策略主要指推理方向控制及推理规则选择策略
推理有正向推理、反向推理和正反向混合推理
推理策略一般还与搜索策略有关（已在推理章节介绍）
推理机性能/构造与知识的表示方法有关，但与知识的内容无关◊保证推理机与知识库的独立性，提高灵活性
知识获取机构
“瓶颈”，是建造和设计专家系统的关键
基本任务是为专家系统获取知识，建立起健全、完善、有效的知识库，以满足求解领域问题的需要
要对知识进行一致性、完整性检测
人机接口
专家系统与领域专家、知识工程师、一般用户间进行交互的界面，由一组程序及相应的硬件组成，用于完成输入输出工作个人收集整理 勿做商业用途
更新、完善、扩充知识库；推理过程中人机交互；结束时显示结果内部表示形式与外部表示形式的转换
数据库
又称“黑板”、“综合数据库”或“动态数据库”，主要用于存放用户提供的初始事实、问题描述及系统运行过程中得到的中间结果、最终结果等信息 个人收集整理 勿做商业用途
数据库是推理机不可缺少的工作场地，同时由于它可记录推理过程中的各种有关信息，又为解释机构提供了回答用户咨询的依据（需相应的数据库管理程序）个人收集整理 勿做商业用途
解释机构：回答用户提出的问题，解释系统的推理过程，使系统对用户透明
7.3答：
(1) 传统程序是依据某一确定的算法和数据结构来求解某一确定的问题，而专家系统是依据知识和推理来求解问题，这是专家系统与传统程序的最大区别。个人收集整理 勿做商业用途
传统程序 = 数据结构 + 算法
专家系统 = 知识 + 推理
(2) 传统程序把关于问题求解的知识隐含于程序中，而专家系统则将知识与运用知识的过程即推理机分离。（使专家系统具有更大的灵活性，使系统易于修改）个人收集整理 勿做商业用途
(3) 从处理对象来看，传统程序主要是面向数值计算和数据处理，而专家系统则面向符号处理。传统程序处理的数据多是精确的，对数据的检索是基于模式的布尔匹配，而专家系统处理的数据和知识大多是不精确的、模糊的，知识的模式匹配也多是不精确的。个人收集整理 勿做商业用途
(4) 传统程序一般不具有解释功能，而专家系统一般具有解释机构，可对自己的行为作出解释。
(5) 传统程序因为是根据算法来求解问题，所以每次都能产生正确的答案，而专家系统则像人类专家那样工作，通常产生正确的答案，但有时也会产生错误的答案（这也是专家系统存在的问题之一）。专家系统有能力从错误中吸取教训，改进对某一工作的问题求解能力。个人收集整理 勿做商业用途
(6) 从系统的体系结构来看，传统程序与专家系统具有不同的结构。
7.4答：可行性分析：威特曼（Watermam）从三方面研究如何选择适合专家系统开发的问题
(1)什么情况下开发专家系统是可能的? （满足！）
① 问题的求解主要依靠经验性知识，而不需要大量运用常识性知识
② 存在真正的领域专家，这也是开发专家系统最重要的要求之一
专家必须能够描述和解释他们用于解决领域问题的方法
③ 一般某领域中有多个专家，他们应该对领域答案的选择和精确度有基本一致的看法
④ 任务易，有明确的开发目标，且任务能被很好地理解
(2)什么情况下开发专家系统是合理的？（之一！）
① 问题的求解能带来较高的经济效益
② 人类专家奇缺，但又十分需要，且十分昂贵
③ 人类专家经验不断丢失
④ 危险场合需要专门知识
(3)什么情况下开发专家系统是合适的？（特征！）
① 本质——问题本质上必须能很自然地通过符号操作和符号结构来进行求解，且问题求解时需要使用启发式知识，需要使用经验规则才能得到答案个人收集整理 勿做商业用途
② 复杂性——问题不是太容易且较为重要
③ 范围——问题需要有适当的范围。选择适当的范围是专家系统的关键，一般有两个原则：一是所选任务的大小可驾驭；二是任务要有实用价值。个人收集整理 勿做商业用途
7.5答：
专家系统的设计原则
(1)专门任务 领域大小
(2)专家合作 反复磋商，团结协作
(3)原型设计 从“最小系统”到“扩充式”开发
(4)用户参与 充实、完善知识库
(5)辅助工具 提高设计效率
(6)知识库与推理机分离 体现特征，灵活
专家系统的开发步骤
知识工程比软件工程更强调渐进性、扩充性
(1) 问题识别阶段——知识工程师和专家确定问题的重要特点，抓住问题各主要方面的特征
① 确定人员和任务
② 问题识别：描述问题的特征及相应的知识结构，明确问题的类型和范围
③ 确定资源：确定知识源、时间、计算设备以及经费等资源
④ 确定目标：确定问题求解的目标
(2) 概念化阶段——主要任务是揭示描述问题所需的关键概念、关系和控制机制，子任务、策略和有关问题求解的约束个人收集整理 勿做商业用途
① 什么类型的数据有用，数据之间的关系如何？
② 问题求解时包括哪些过程，这些过程中有哪些约束？
③ 问题是如何划分成子问题的？
④ 信息流是什么？哪些信息是由用户提供的，哪些信息是应当导出的？
⑤ 问题求解的策略是什么？
(3)形式化阶段——把概念化阶段概括出来的关键概念、子问题和信息流特征形式化地表示出来
（究竟采用什么形式，要根据问题的性质选择适当的专家系统构造工具或适当的系统框架）
三个主要的因素是：
假设空间 基本的过程模型 数据
形式化阶段假设空间
① 把概念描述成结构化的对象，还是处理成基本的实体？
② 概念之间的因果关系或时空关系是否重要，是否应当显式地表示出来？
③ 假设空间是否有限？
④ 假设空间是由预先确定的类型组成的，还是由某种过程生成的？
⑤ 是否应考虑假设的层次性？
⑥ 是否有与最终假设和中间假设相关的不确定性或其它的判定性因素？
⑦ 是否考虑不同的抽象级别？
形式化阶段基本的过程模型
找到可以用于产生解答的基本过程模型是形式化知识的重要一步
过程模型包括行为的和数学的模型
（如果专家使用一个简单的行为模型，对它进行分析，就能产生很多重要的概念和关系）
（数学模型可以提供附加的问题求解信息，或用于检查知识库中因果关系的一致性）
形式化阶段数据的性质
① 数据是不足的、充足的还是冗余的？
② 数据是否有不确定性？
③ 对数据的解释是否依赖于出现的次序？
④ 获取数据的代价是多少？
⑤ 数据是如何得到的？
⑥ 数据的可靠性和精确性如何？
⑦ 数据是一致的和完整的吗？
(4)实现阶段
把形式化知识变成计算机的软体，即要实现知识库、推理机、人机接口和解释系统（知识的一致性和相容性）
推理机应能模拟领域专家求解问题的思维过程和控制策略
必须很快地实现（实现原型系统的目的之一是检查开发早期阶段的设计是否有效）
(5)测试阶段
通过运行实例评价原型系统以及用于实现它的表达形式，从而发现知识库和推理机制的缺陷
性能不佳的因素：
① 输入输出特性，即数据获取与结论表示方面存在缺陷
例如，提问难于理解、含义模糊，使得存在错误或不充分的数据进入系统；结论过多或者太少，没有适当地组织和排序，或者详细的程度不适当个人收集整理 勿做商业用途
② 推理规则有错误、不一致或不完备
③ 控制策略问题，不是按专家采用的“自然顺序”解决问题
测试的主要内容：
① 可靠性——通过实例的求解，检查系统所得出的结论是否与已知结论一致
② 知识的一致性——向知识库输入一些不一致、冗余等有缺陷的知识，检查是否可检测出来
检查是否会给出不应给出的答案
检测获取知识的正确性（如有某些自动获取知识功能）
③ 运行效率——知识查询及推理方面的运行效率，找出薄弱环节及求解方法与策略方面的问题
④ 解释能力——一是检测能回答哪些问题，是否达到了要求；二是检测回答问题的质量（说服力）
⑤ 人机交互的便利性
7.6答：
专家系统种类解决的问题
解释根据感知数据推理情况描述
诊断根据观察结果推断系统是否有故障
预测推导给定情况可能产生的后果
设计根据给定要求进行相应的设计
规划设计动作
控制控制整个系统的行为
监督比较观察结果和期望结果
修理执行计划来实现规定的补救措施
教学诊断、调整、修改学生行为
调试建议故障的补救措施
(1) 解释型专家系统
能根据感知数据，经过分析、推理，从而给出相应解释。（必须能处理不完全、甚至受到干扰的信息，给出一致且正确的解释）个人收集整理 勿做商业用途
代表性：DENDRAL（化学结构说明）、PROSPECTOR（地质解释）等
(2) 诊断型专家系统
能根据取得的现象、数据或事实推断出系统是否有故障，并能找出产生故障的原因,给出排除故障的方案（目前开发、应用得最多的一类）个人收集整理 勿做商业用途
代表性：PUFF（肺功能诊断系统）、PIP（肾脏病诊断系统）、DART（计算机硬件故障诊断系统）等
(3) 预测型专家系统
能根据过去和现在信息（数据和经验）来推断可能发生和出现的情况
（天气预报、市场预测、人口预测等）
(4) 设计型专家系统
能根据给定要求进行相应的设计
（工程设计、电路设计、服装设计）
代表性：XCON（计算机系统配置系统）、KBVLSI（VLSI电路设计专家系统）等
(5) 规划型专家系统
能按给定目标拟定总体规划、行动计划、运筹优化等
（机器人动作控制、军事规划、城市规划等）
代表性：NOAH（机器人规划系统）、SECS（帮助化学家制定有机合成规划的专家系统）、TATR（帮助空军制订攻击敌方机场计划的专家系统）等 个人收集整理 勿做商业用途
(6) 控制型专家系统
能根据具体情况，控制整个系统的行为
代表性：YES/MVS（帮助监控和控制MVS操作系统）
(7) 监督型专家系统
能完成实时的监测任务，并根据监测到的现象作出相应的分析和处理
代表性：REACTOR（帮助操作人员检测和处理核反应堆事故）
(8) 修理型专家系统
能根据故障的特点制订纠错方案，并能实施该方案排除故障，当制订的方案失效或部分失效时，能及时采取相应的补救措施个人收集整理 勿做商业用途
(9) 教学型专家系统
能根据学生学习过程中所产生的问题进行分析、评价、找出错误原因，有针对性地确定教学内容或采取其它有效的教学手段 个人收集整理 勿做商业用途
代表性：GUIDON（讲授有关细菌感染性疾病方面的医学知识）
(10) 调试型专家系统
能根据相应的标准检测被测试对象存在的错误，并能从多种纠错方案中选出适用于当前情况的最佳方案，排除错误
专家系统的应用领域已扩展到数学、物理、化学、医学、地质、气象、农业、法律、教育、交通运输、机械、艺术以及计算机科学本身，甚至渗透到政治、经济、军事等重大决策部门，产生了巨大的社会效益和经济效益，同时也促进了人工智能基本理论和基本技术的发展。个人收集整理 勿做商业用途
7.7答：（1）正向推理：见教材P206图7.7
（2）反向推理：见教材P212图7.12
7.8答：（1）知识获取的任务
基本任务：为专家系统获取知识，建立起健全、完善、有效的知识库，以满足求解领域问题需要
①抽取知识 识别、理解、筛选、归纳等，及自学习
②知识的转换
第一步：从专家及文献资料处抽取的知识转换为某种知识表示模式，如产生式规则、框架等 （知识工程师完成）
第二步：该模式表示的知识转换为系统可直接利用的内部形式。（输入及编译实现）
③知识的输入 知识编辑器
④知识的检测 不一致、不完整等
⑵知识获取的模式
①非自动知识获取(人工移植)知识工程师 知识编辑器
②自动知识获取
系统具有获取知识的能力，它不仅可以直接与领域专家对话，从专家提供的原始信息中学习到专家系统所需的知识，而且还能从系统自身的运行实践中总结、归纳出新的知识，发现知识中可能存在的错误，不断自我完善，建立起性能优良、知识完善的知识库个人收集整理 勿做商业用途
具有识别语音、文字、图像的能力
具有理解、分析、归纳的能力
具有从运行实践中学习的能力
③半自动知识获取
7.9答：
正确性
(1)系统设计的正确性
① 系统设计思想的正确性 如目标、原则等
② 系统设计方法的正确性 如知识表达方法、知识推理方法、控制策略、解释方法等
③ 设计开发工具的正确性 如正确使用和正确维护
(2)系统测试的正确性
① 测试目的、方法、条件的正确性
② 测试结果、数据、记录的正确性
(3)系统运行的正确性
① 推理结论、求解结果、咨询建议的正确性
②推理解释及可信度估算的正确性
③知识库知识的正确性 语法、语义和语用及专业内容
有用性
(1)推理结论、求解结果、咨询建议的有用性
(2)系统的知识水平、可用范围、易扩充性、易更新性等
(3)问题的求解能力（解题速度、推理效率），可能场合和环境
(4)人机交互的友好性
(5)运行可靠性、易维护性、可移植性
(6)系统的经济性（软硬件投资、运行维护费用、设计开发费用和系统运行取得的直接或间接经济效益）
7.10答：（1）四种主要的类型：
1 用于开发专家系统的程序设计语言
2 骨架系统
3 通用型知识表达语言
4 专家系统开发环境
（2）专家系统开发环境（工具包）
AGE是斯坦福大学研制的一个专家系统开发环境。
AGE是典型的模块组合式开发工具，为用户提供了一个通用的专家系统结构框架，并将该框架分解为许多在功能和结构上较为独立的的组件部件，这些组件已预先编制成标准模块存在系统中。个人收集整理 勿做商业用途
AGE采用了黑板模型来构造专家系统结构框架。
可通过两条途径构造自己的专家系统：
① 用户使用AGE现有的各种组件作为构造材料，很方便地来组合设计自己所需的系统。
② 用户通过AGE的工具界面，定义和设计各种所需的组成部件，以构造自己的专家系统。
应用AGE已经开发了一些专家系统，主要用于医疗诊断、密码翻译、军事科学等方面。
7.11答：
EMYCIN是由MYCIN系统抽去原有的医学领域知识，保留骨架而形成的系统（产生式规则表达知识、目标驱动的反向推理控制策略）。个人收集整理 勿做商业用途
EMYCIN具有MYCIN的全部功能：
① 解释程序——可以向用户解释推理过程。
② 知识编辑程序及类英语的简化会话语言——提供一开发知识库的环境，使得开发者可以使用比LISP更接近自然语言的规则语言来表示知识。个人收集整理 勿做商业用途
③ 知识库管理和维护手段——所提供的开发知识库的环境还可以在进行知识编辑及输入时进行语法、一致性、是否矛盾和包含等检查。个人收集整理 勿做商业用途
④ 跟踪和调试功能
EMYCIN开发的一些专家系统（适合开发各种领域咨询、诊断型专家系统）。
word/media/image6_1.png
本文来源：https://www.2haoxitong.net/k/doc/9a24d6e80812a21614791711cc7931b764ce7b47.html
文档为doc格式