專家系統(tǒng)課件

第12章專家系統(tǒng)12.1基本概念

12.2系統(tǒng)結(jié)構(gòu)

12.3實例分析

12.4系統(tǒng)設(shè)計與實現(xiàn)

12.5開發(fā)工具與環(huán)境

12.6專家系統(tǒng)的發(fā)展

習(xí)題十二

第12章專家系統(tǒng)12.1基本概念112.1基

本概

念12.1.1什么是專家系統(tǒng)自從1965年世界上第一個專家系統(tǒng)DENDRAL問世以來,專家系統(tǒng)的技術(shù)和應(yīng)用,在短短的40余年間獲得了長足的進(jìn)步和發(fā)展。特別是20世紀(jì)80年代中期以后,隨著知識工程技術(shù)的日漸豐富和成熟,各種各樣的實用專家系統(tǒng)如雨后春筍般地在世界各地不斷涌現(xiàn)。那么,究竟什么是專家系統(tǒng)呢？顧名思義,專家系統(tǒng)(ES)就是能像人類專家一樣解決困難、復(fù)雜的實際問題的計算機(軟件)系統(tǒng)。

12.1基本概念12.1.1什么是專家系統(tǒng)2我們知道“專家”就是專門家,是某一專門領(lǐng)域的行家里手。專家之所以是專家,是因為他(她)解決問題時具有超凡的能力和水平。專家之所以具有超凡的能力和水平,是因為:(1)專家擁有豐富的專業(yè)知識和實踐經(jīng)驗,或者說他(她)擁有豐富的理論知識和經(jīng)驗知識,特別是經(jīng)驗知識。(2)專家具有獨特的思維方式,即獨特的分析問題和解決問題的方法和策略。

我們知道“專家”就是專門家,是某一專門領(lǐng)域的行家里手。3所以,這兩點就是一個專家所具備的基本要素。那么,這兩點自然也應(yīng)該是專家系統(tǒng)所具備的基本要素。另外,專家只能是某一專門領(lǐng)域的專家；從效果看,專家解決問題一定是高水平的。因此,專家系統(tǒng)應(yīng)該具備以下四個要素：(1)應(yīng)用于某專門領(lǐng)域。(2)擁有專家級知識。(3)能模擬專家的思維。(4)能達(dá)到專家級水平。

所以,這兩點就是一個專家所具備的基本要素。那么,這兩點自4所以,準(zhǔn)確一點講,專家系統(tǒng)就應(yīng)該是：應(yīng)用于某一專門領(lǐng)域,擁有該領(lǐng)域相當(dāng)數(shù)量的專家級知識,能模擬專家的思維,能達(dá)到專家級水平,能像專家一樣解決困難和復(fù)雜的實際問題的計算機(軟件)系統(tǒng)。例如,能模擬名醫(yī)進(jìn)行辨癥施治的診斷醫(yī)療系統(tǒng)就是一種專家系統(tǒng),能模擬地質(zhì)學(xué)家進(jìn)行地下資源評價和地質(zhì)數(shù)據(jù)解釋的計算機(軟件)系統(tǒng),也是一種專家系統(tǒng)。

所以,準(zhǔn)確一點講,專家系統(tǒng)就應(yīng)該是：應(yīng)用于某一專門領(lǐng)域,512.1.2專家系統(tǒng)的特點同一般的計算機應(yīng)用系統(tǒng)(如數(shù)值計算、數(shù)據(jù)處理系統(tǒng)等)相比,專家系統(tǒng)具有下列特點：——從處理的問題性質(zhì)看,專家系統(tǒng)善于解決那些不確定性的、非結(jié)構(gòu)化的、沒有算法解或雖有算法解但在現(xiàn)有的機器上無法實施的困難問題。例如,醫(yī)療診斷、地質(zhì)勘探、天氣預(yù)報、市場預(yù)測、管理決策、軍事指揮等領(lǐng)域的問題?！獜奶幚韱栴}的方法看,專家系統(tǒng)則是靠知識和推理來解決問題(不像傳統(tǒng)軟件系統(tǒng)使用固定的算法來解決問題),所以,專家系統(tǒng)是基于知識的智能問題求解系統(tǒng)。

12.1.2專家系統(tǒng)的特點6——從系統(tǒng)的結(jié)構(gòu)來看,專家系統(tǒng)則強調(diào)知識與推理的分離,因而系統(tǒng)具有很好的靈活性和可擴充性?！獙＜蚁到y(tǒng)一般還具有解釋功能,即在運行過程中一方面能回答用戶提出的問題,另一方面還能對最后的輸出(結(jié)論)或處理問題的過程作出解釋。——有些專家系統(tǒng)還具有“自學(xué)習(xí)”能力,即不斷對自己的知識進(jìn)行擴充、完善和提煉。這一點是傳統(tǒng)系統(tǒng)所無法比擬的?！獙＜蚁到y(tǒng)不像人那樣容易疲勞、遺忘,易受環(huán)境、情緒等的影響,它可始終如一地以專家級的高水平求解問題。因此,從這種意義上講,專家系統(tǒng)可以超過專家本人。

——從系統(tǒng)的結(jié)構(gòu)來看,專家系統(tǒng)則強調(diào)知識與推理的分離,712.1.3專家系統(tǒng)的類型關(guān)于專家系統(tǒng)的分類,目前還無定論。我們僅從幾個不同的側(cè)面對此進(jìn)行討論?！从猛痉诸?專家系統(tǒng)可分為：診斷型、解釋型、預(yù)測型、決策型、設(shè)計型、規(guī)劃型、控制型、調(diào)度型等幾種類型。這些專家系統(tǒng)的功能大部分都是顯然的,無須做過多解釋,而其中“解釋”和“規(guī)劃”與我們通常理解的有點差別。

12.1.3專家系統(tǒng)的類型8這里的解釋是對儀器儀表的檢測數(shù)據(jù)進(jìn)行分析、推測得出某種結(jié)論。例如通過對一個地區(qū)的地質(zhì)數(shù)據(jù)進(jìn)行分析,從而對地下礦藏的分布和儲量等得出結(jié)論。又如,通過對一個人的心電圖波形數(shù)據(jù)進(jìn)行分析,從而對該人的心臟生理病理情況得出某種結(jié)論。顯然,以上兩種事情都是經(jīng)驗豐富的專家才能勝任的。而所謂“規(guī)劃”,就是為完成某任務(wù)而安排一個行動序列。例如,對地圖上的兩地間找一條最短的路徑、為機器人做某件事安排一個動作序列等。

這里的解釋是對儀器儀表的檢測數(shù)據(jù)進(jìn)行分析、推測得出某種9——按輸出結(jié)果分類,專家系統(tǒng)可分為分析型和設(shè)計型。分析型就是其工作性質(zhì)屬于邏輯推理,其輸出結(jié)果一般是個“結(jié)論”,如1中的前四種,就都是分析型的,它們都是通過一系列推理而完成任務(wù)的；而設(shè)計型就是其工作性質(zhì)屬于某種操作,其輸出結(jié)果一般是一個“方案”,如1中的后四種,就都是設(shè)計型的,它們都是通過一系列操作而完成任務(wù)的。當(dāng)然,也可兼有分析和設(shè)計的綜合型專家系統(tǒng)。例如,醫(yī)療診斷專家系統(tǒng)就是一種綜合型專家系統(tǒng),診斷病癥時要分析、推理,而開處方即制定醫(yī)療方案時要設(shè)計、操作(如對藥劑的取舍或增減等)。

——按輸出結(jié)果分類,專家系統(tǒng)可分為分析型和設(shè)計型。分10——目前所用的知識表示形式有：產(chǎn)生式規(guī)則、一階謂詞邏輯、框架、語義網(wǎng)等。所以,按知識表示分類,可分為基于產(chǎn)生式規(guī)則的專家系統(tǒng)、基于一階謂詞的專家系統(tǒng)、基于框架的專家系統(tǒng)、基于語義網(wǎng)的專家系統(tǒng)等等。當(dāng)然,也存在綜合型專家系統(tǒng)。——知識可分為確定性知識和不確定性知識,所以,按知識分類,專家系統(tǒng)又可分為精確推理型和不精確推理型(如模糊專家系統(tǒng))兩類?！壳八玫闹R表示形式有：產(chǎn)生式規(guī)則、一階謂詞邏輯、11——按采用的技術(shù)分類,專家系統(tǒng)可分為符號推理專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)。符號推理專家系統(tǒng)就是把專家知識以某種邏輯網(wǎng)絡(luò)(如：由產(chǎn)生式構(gòu)成的顯式或隱式的推理網(wǎng)絡(luò)、狀態(tài)圖、與或圖,由框架構(gòu)成的框架網(wǎng)絡(luò),還有語義網(wǎng)絡(luò)等)存儲,再依據(jù)形式邏輯的推理規(guī)則,采用符號模式匹配的方法,基于這種邏輯網(wǎng)絡(luò)進(jìn)行推理、搜索的專家系統(tǒng)。神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)就是把專家知識以神經(jīng)網(wǎng)絡(luò)形式存儲,再基于這種神經(jīng)網(wǎng)絡(luò),依據(jù)神經(jīng)元的特性函數(shù),采用神經(jīng)計算的方法,基于這種神經(jīng)網(wǎng)絡(luò)實現(xiàn)推理、搜索的專家系統(tǒng)。——按采用的技術(shù)分類,專家系統(tǒng)可分為符號推理專家系統(tǒng)和12——按規(guī)模分類,可分為大型協(xié)同式專家系統(tǒng)和微專家系統(tǒng)。大型協(xié)同式專家系統(tǒng)就是由多學(xué)科、多領(lǐng)域的多個專家互相配合、同力協(xié)作的大型專家系統(tǒng)。這種專家系統(tǒng)也就是由多個子(分)專家系統(tǒng)構(gòu)成的一個綜合集成系統(tǒng)。它所解決的是大型的、復(fù)雜的綜合性問題,如工程、社會、經(jīng)濟、生態(tài)、軍事等方面的問題。微專家系統(tǒng)則是可固化在一個芯片上的超小型專家系統(tǒng)，它一般用于儀器、儀表、設(shè)備或裝置上,以完成控制、監(jiān)測等功能?！唇Y(jié)構(gòu)分類可分為集中式和分布式,單機型和網(wǎng)絡(luò)型(即網(wǎng)上專家系統(tǒng))等。

——按規(guī)模分類,可分為大型協(xié)同式專家系統(tǒng)和微專家系統(tǒng)。1312.1.4專家系統(tǒng)與基于知識的系統(tǒng)我們知道,專家系統(tǒng)能有效地解決問題的主要原因在于它擁有知識,但專家系統(tǒng)擁有的知識是專家知識,而且主要是經(jīng)驗性知識。由專家系統(tǒng)的出現(xiàn)和發(fā)展而發(fā)展起來的基于知識的系統(tǒng)(KBS,或者簡單地稱為知識系統(tǒng)),其中的知識已不限于人類專家的經(jīng)驗知識,而可以是領(lǐng)域知識或通過機器學(xué)習(xí)所獲得的知識等。這樣,專家系統(tǒng)就是一種特殊的KBS,或者說特殊的知識系統(tǒng)?！皩＜蚁到y(tǒng)”這一名詞有時也泛指各種知識系統(tǒng)。一個知識系統(tǒng),不論其中的知識是否真的來自于某人類專家(如通過機器學(xué)習(xí)獲得的知識就不是來自人類專家),但是只要是其能達(dá)到“專家級”或本系統(tǒng)的能力能達(dá)到“專家級”水平,則把這樣的系統(tǒng)也稱為專家系統(tǒng)。

12.1.4專家系統(tǒng)與基于知識的系統(tǒng)1412.1.5專家系統(tǒng)與知識工程由于專家系統(tǒng)是基于知識的系統(tǒng),那么,建造專家系統(tǒng)就涉及到知識獲取(即從人類專家那里或從實際問題那里搜集、整理、歸納專家級知識)、知識表示(即以某種結(jié)構(gòu)形式表達(dá)所獲取的知識,并將其存儲于計算機之中)、知識的組織與管理(即知識庫建立與維護等)和知識的運用(即使用知識進(jìn)行推理)等一系列關(guān)于知識處理的技術(shù)和方法。特別是基于領(lǐng)域知識的各種知識庫系統(tǒng)的建立,更加促進(jìn)了這些技術(shù)的發(fā)展。所以,關(guān)于知識處理的技術(shù)和方法已形成一個稱為“知識工程”的學(xué)科領(lǐng)域。這就是說,專家系統(tǒng)促使了知識工程的誕生和發(fā)展,知識工程又為專家系統(tǒng)提供服務(wù)。正是由于這二者的密切關(guān)系,所以,現(xiàn)在的“專家系統(tǒng)”與“知識工程”幾乎已成為同義語。

12.1.5專家系統(tǒng)與知識工程15專家系統(tǒng)是一種計算機應(yīng)用系統(tǒng)。由于應(yīng)用領(lǐng)域和實際問題的多樣性,因此,專家系統(tǒng)的結(jié)構(gòu)也就多種多樣。但抽象地看,它們還是具有許多共同之處。

12.2系統(tǒng)結(jié)構(gòu)專家系統(tǒng)是一種計算機應(yīng)用系統(tǒng)。由于應(yīng)用領(lǐng)域和實際問題1612.2.1概念結(jié)構(gòu)從概念來講,一個專家系統(tǒng)應(yīng)具有如圖12-1所示的一般結(jié)構(gòu)模式。其中知識庫和推理機是兩個最基本的模塊。

1.知識庫(KnowledgeBase,KB)所謂知識庫,就是以某種表示形式存儲于計算機中的知識的集合。知識庫通常是以一個個文件的形式存放于外部介質(zhì)上,專家系統(tǒng)運行時將被調(diào)入內(nèi)存。知識庫中的知識一般包括專家知識、領(lǐng)域知識和元知識。元知識是關(guān)于調(diào)度和管理知識的知識。知識庫中的知識通常就是按照知識的表示形式、性質(zhì)、層次、內(nèi)容來組織的,構(gòu)成了知識庫的結(jié)構(gòu)。

12.2.1概念結(jié)構(gòu)17圖12-1專家系統(tǒng)的概念結(jié)構(gòu)圖12-1專家系統(tǒng)的概念結(jié)構(gòu)18

2.推理機(InferenceEngine,IE)所謂推理機,就是實現(xiàn)(機器)推理的程序。這里的推理,是一個廣義的概念,它既包括通常的邏輯推理,也包括基于產(chǎn)生式的操作。例如：

A→BAB這里的B若是個“結(jié)論”,則上式就是我們通常的假言推理；若表示某種動作,則上式就是一種操作。

2.推理機(InferenceEngine,IE)19推理機是使用知識庫中的知識進(jìn)行推理而解決問題的,所以推理機也就相當(dāng)于專家的思維機制,即專家分析問題、解決問題的方法的一種算法表示和程序?qū)崿F(xiàn)?？傊?知識庫和推理機構(gòu)成了一個專家系統(tǒng)的基本框架。同時,這兩部分又是相輔相成、密切相關(guān)的。因為不同的知識表示有不同的推理方式,所以,推理機的推理方式和工作效率不僅與推理機本身的算法有關(guān),還與知識庫中的知識以及知識庫的組織有關(guān)。

推理機是使用知識庫中的知識進(jìn)行推理而解決問題的,所以推203.動態(tài)數(shù)據(jù)庫動態(tài)數(shù)據(jù)庫也稱全局?jǐn)?shù)據(jù)庫、綜合數(shù)據(jù)庫、工作存儲器、黑板等,它是存放初始證據(jù)事實、推理結(jié)果和控制信息的場所,或者說它是上述各種數(shù)據(jù)構(gòu)成的集合。動態(tài)數(shù)據(jù)庫只在系統(tǒng)運行期間產(chǎn)生、變化和撤消,所以稱為“動態(tài)”數(shù)據(jù)庫,且在圖中用虛線包圍。需要說明的是,動態(tài)數(shù)據(jù)庫雖然也叫數(shù)據(jù)庫,但它并不是通常所說的數(shù)據(jù)庫,兩者有本質(zhì)差異。

3.動態(tài)數(shù)據(jù)庫214.人機界面這里的人機界面指的是最終用戶與專家系統(tǒng)的交互界面。一方面,用戶通過這個界面向系統(tǒng)提出或回答問題,或向系統(tǒng)提供原始數(shù)據(jù)和事實等；另一方面,系統(tǒng)通過這個界面向用戶提出或回答問題,并輸出結(jié)果以及對系統(tǒng)的行為和最終結(jié)果做出適當(dāng)解釋。5.解釋模塊解釋程序模塊專門負(fù)責(zé)向用戶解釋專家系統(tǒng)的行為和結(jié)果。推理過程中,它可向用戶解釋系統(tǒng)的行為,回答用戶“why”之類的問題,推理結(jié)束后它可向用戶解釋推理的結(jié)果是怎樣得來的,回答“how”之類的問題。

4.人機界面226.知識庫管理系統(tǒng)知識庫管理系統(tǒng)是知識庫的支撐軟件。知識庫管理系統(tǒng)對知識庫的作用,類似于數(shù)據(jù)庫管理系統(tǒng)對數(shù)據(jù)庫的作用,其功能包括知識庫的建立、刪除、重組；知識的獲取(主要指錄入和編輯)、維護、查詢、更新；以及對知識的檢查,包括一致性、冗余性和完整性檢查等等。

6.知識庫管理系統(tǒng)23圖12-2專家系統(tǒng)的理想結(jié)構(gòu)

圖12-2專家系統(tǒng)的理想結(jié)構(gòu)2412.2.2實際結(jié)構(gòu)另一方面,實際問題中往往不僅需要推理,而且還需要作一些其他處理。如在推理前也可能還需要作一些預(yù)處理(如計算),推理后也可能要作一些再處理(如繪圖),或者,處理和推理要反復(fù)交替多次,或經(jīng)多路進(jìn)行等等。這樣以來,就使得專家系統(tǒng)的實際結(jié)構(gòu)可能變得多式多樣。例如,可以有圖12-3所示的實際結(jié)構(gòu)?？梢钥闯?在這種實際結(jié)構(gòu)中,專家系統(tǒng)只作為整個系統(tǒng)的一個模塊(稱為專家模塊)嵌套在一個實際的應(yīng)用系統(tǒng)中,而整個應(yīng)用系統(tǒng)可能包含一個或者多個專家模塊。

12.2.2實際結(jié)構(gòu)25圖12-3專家系統(tǒng)的實際結(jié)構(gòu)示例

圖12-3專家系統(tǒng)的實際結(jié)構(gòu)示例26當(dāng)然,對于這種系統(tǒng)仍可稱為專家系統(tǒng),但對于含有多于一個專家模塊的系統(tǒng),實際上已是多專家系統(tǒng)(可能是多層的、多路的、多重的等)。另外,從圖12-3可以看出,給通常的各種應(yīng)用系統(tǒng)添上專家模塊也就是專家系統(tǒng)了。這就是說,專家系統(tǒng)實際與我們通常的計算機應(yīng)用系統(tǒng)應(yīng)該是融為一體的。下面我們再舉一個實際例子。如圖12-4所示。這是一個用于地質(zhì)圖件繪制的智能輔助系統(tǒng),其中就至少包含了兩個專家模塊,一個是方法選擇模塊,一個是圖形評價模塊。

當(dāng)然,對于這種系統(tǒng)仍可稱為專家系統(tǒng),但對于含有多于一27圖12-4地質(zhì)圖件繪制智能輔助系統(tǒng)結(jié)構(gòu)

圖12-4地質(zhì)圖件繪制智能輔助系統(tǒng)結(jié)構(gòu)28方法選擇就是繪圖方法選擇,也就是繪圖算法選擇。這是繪圖的第一步。繪圖的算法很多,如距離加權(quán)平均法、三角剖分法、克里金法等。這些方法還可以再進(jìn)行細(xì)分,其中克里金方法最為豐富,它已形成一個體系。所以,繪圖時選擇合適的方法就是關(guān)鍵的一步。而這里就需要專家知識。圖形繪出后,還要進(jìn)行評價,以確定該圖件的可用性。評價的原因是,并非是只要按以上過程進(jìn)行,繪出的圖形就是可用的。事實上,由于地質(zhì)狀況的復(fù)雜性和不確定性,就是專家所繪出的圖形,也不能絕對肯定符合地下的實際。換句話說,我們所說的地質(zhì)圖件,一般說來也只是對地下地質(zhì)情況的某種近似描述。如果經(jīng)評價,發(fā)現(xiàn)圖形有明顯的違反地質(zhì)理論或常識的地方,或者其誤差超過了某一限度,則該圖形就不能使用了。那么,怎樣評價呢？這里也需要專家知識。

方法選擇就是繪圖方法選擇,也就是繪圖算法選擇。這是繪圖的2912.2.3黑板模型“黑板模型”是一種典型而流行的專家系統(tǒng)結(jié)構(gòu)模式。黑板模型首先于1973～1976年在美國Carnegie-Mellon大學(xué)開發(fā)的HEARSAY-Ⅱ系統(tǒng)中創(chuàng)立,又在HEARSAY－Ⅲ中得到發(fā)展,后來被許多系統(tǒng)所效仿和采用,現(xiàn)在已是一種十分流行的知識系統(tǒng)結(jié)構(gòu)模式。黑板模型主要由“黑板”、知識源和控制機構(gòu)三大部分組成,結(jié)構(gòu)如圖12-5所示。

12.2.3黑板模型30圖12-5黑板結(jié)構(gòu)

圖12-5黑板結(jié)構(gòu)31

1.黑板(blackboard)所謂“黑板”,就是一個分層的全局工作區(qū)(或稱全局?jǐn)?shù)據(jù)庫)。它用來存儲初始數(shù)據(jù)、中間結(jié)果和最終結(jié)果。整個黑板被分為若干層,每一層用于描述領(lǐng)域問題的某一類信息。高層信息可以看作是下層信息的抽象(或整體),反之,下層信息可以看作是上層信息的實例(或部分)。

1.黑板(blackboard)322.知識源(knowledgesource)所謂知識源,就是一個知識模塊。黑板結(jié)構(gòu)中具有多個知識源,每個知識源能用來完成某些特定的解題功能。知識源可以表示成過程、規(guī)則集或邏輯斷言等形式。一個知識源可以視為一個大規(guī)則,其條件部分稱為知識源先決條件,動作部分稱為知識源體。知識源的先決條件一旦與黑板狀態(tài)匹配,該知識源便被激活,這時知識源體執(zhí)行,其結(jié)果將導(dǎo)致黑板狀態(tài)的變化。知識源之間互相獨立,它們只能通過黑板進(jìn)行通信和互相調(diào)用。

2.知識源(knowledgesource)333.控制機構(gòu)控制機構(gòu)是求解問題的推理機構(gòu),由監(jiān)督程序和調(diào)度程序組成。監(jiān)督程序時刻注視著黑板狀態(tài),根據(jù)黑板狀態(tài)采用某種策略選擇合適的知識源,將其條件部分放入調(diào)度隊列,隨后條件部分與黑板狀態(tài)匹配,若匹配成功,則將其動作部分放入調(diào)度隊列。動作部分的執(zhí)行便又改變了黑板狀態(tài)。調(diào)度程序通過選擇所謂“聚焦”來優(yōu)先使用隊列中最重要、最有希望的知識源來執(zhí)行。黑板模型是一種適時推理模型,即系統(tǒng)能按“最適宜”的原則自行決定什么時候和怎樣使用知識。在黑板模型中,解空間被組織成層次性結(jié)構(gòu),層次結(jié)構(gòu)中每一層上的信息都表示局部解,相應(yīng)層次上的知識模塊對這種信息進(jìn)行處理,生成更高級的局部解,直到最后的解。

3.控制機構(gòu)34理想的黑板模型中沒有控制機制,知識源含有領(lǐng)域知識且是自驅(qū)動的。這樣,每個知識源都“注視”著黑板上的狀態(tài)信息,而且能“適時”地決定是否要對黑板進(jìn)行操作。所以,在理想黑板模型中,各知識源實際上是并行執(zhí)行的(這非常類似于現(xiàn)在的股票交易),但在現(xiàn)有的串行環(huán)境下這種并行卻難以實現(xiàn)。因此,才增設(shè)了控制機制等方法把黑板變成串行系統(tǒng)(這又類似于拍賣過程)。

當(dāng)然,這樣就限制了黑板模型的潛在功效。

理想的黑板模型中沒有控制機制,知識源含有領(lǐng)域知識且是自35需指出的是,為了能在現(xiàn)有的串行硬件上保持黑板的并行能力,人們在這方面做了不少工作,提出了許多基于黑板的改進(jìn)模型。例如,多黑板、分布式、將面向?qū)ο蠓椒ㄅc黑板模型相結(jié)合等,從而有效地解決了黑板模型的并行處理能力,并推出了新一代黑板系統(tǒng)及其開發(fā)工具。

由上所述可看出,黑板模型可以看作是產(chǎn)生式系統(tǒng)的特殊形式。

需指出的是,為了能在現(xiàn)有的串行硬件上保持黑板的并行能力,36黑板模型適于求解那些大型、復(fù)雜且可分解為一系列層次化的子問題的問題。例如,在HEARSAY-Ⅱ中,黑板被分為六個信息層,每個信息層對應(yīng)著問題的一個中間表示層次。六個信息層分別為：(1)參數(shù)層,用于從語音信號中提取有意義的參數(shù)。有四種不同的參數(shù),統(tǒng)稱為ZAPDASH參數(shù)。(2)片段層,用于描述系統(tǒng)對語音信號的分割與歸類。此層主要包含音素與單音等信息。

黑板模型適于求解那些大型、復(fù)雜且可分解為一系列層次化的子37(3)音節(jié)層,用于描述語音信號的音節(jié)劃分。此層主要為由片段層上信息構(gòu)成的音節(jié)信息。(4)單詞層,用于記錄根據(jù)音節(jié)劃分所識別出的孤立詞信息。(5)詞組層,用于記錄根據(jù)單詞層中的詞匯所生成的詞組信息。(6)短語層,用于記錄多個詞匯或詞組構(gòu)成的短語和句子信息。

(3)音節(jié)層,用于描述語音信號的音節(jié)劃分。此層主要為3812.2.4網(wǎng)絡(luò)與分布式結(jié)構(gòu)在網(wǎng)絡(luò)環(huán)境下,專家系統(tǒng)也可以設(shè)計成網(wǎng)絡(luò)結(jié)構(gòu),如“客戶機/服務(wù)器”(Client/Server)結(jié)構(gòu)(如圖12-6(a)所示),或瀏覽器/服務(wù)器(Browser/Server)結(jié)構(gòu)(如圖12-6(b)所示)。我們稱后一種結(jié)構(gòu)的專家系統(tǒng)為網(wǎng)上專家系統(tǒng)。當(dāng)然,圖12-6所示的結(jié)構(gòu)僅是一種示意性的概念模型,而且它也僅是為了適應(yīng)網(wǎng)絡(luò)環(huán)境而做成的一種模式。分布式結(jié)構(gòu)則是一種適合于分布式計算環(huán)境的專家系統(tǒng)。例如那些多學(xué)科、多專家聯(lián)合作業(yè),協(xié)同解題的大型專家系統(tǒng),就可以設(shè)計成分布式結(jié)構(gòu)。這類專家系統(tǒng)也就稱為分布式專家系統(tǒng)。

12.2.4網(wǎng)絡(luò)與分布式結(jié)構(gòu)39圖12-6專家系統(tǒng)的客戶(機)/服務(wù)器結(jié)構(gòu)及瀏覽器/服務(wù)器結(jié)構(gòu)

圖12-6專家系統(tǒng)的客戶(機)/服務(wù)器結(jié)構(gòu)及瀏覽器/服務(wù)4012.3實

例分

析

12.3.1PROSPECTOR的功能與結(jié)構(gòu)PROSPECTOR的研究目的是：勘探礦產(chǎn)資源,擴大技術(shù)培訓(xùn)及集中多個專家的知識來解決給定的資源問題。PROSPECTOR系統(tǒng)給地質(zhì)勘探人員提供下列幾種幫助：(1)勘探評價。當(dāng)?shù)刭|(zhì)工作者在某一地區(qū)獲得了一些有意義的信息后,可求助于PROSPECTOR系統(tǒng)。系統(tǒng)對這些信息進(jìn)行分析和評價,預(yù)測成礦的可能性,并可指導(dǎo)用戶下一步應(yīng)采集哪些對判別礦藏存在與否有價值的信息。

12.3實例分析12.3.1PROSPECTOR的41(2)區(qū)域資源評價。系統(tǒng)采用脫機方式處理某一大范圍區(qū)域的地質(zhì)數(shù)據(jù),這些數(shù)據(jù)按小區(qū)域劃分列成表格形式。系統(tǒng)處理這些數(shù)據(jù)的結(jié)果是給出這一大區(qū)域中某些資源的分布情況。地質(zhì)普查都屬于這一類工作。(3)井位選擇。當(dāng)已知某一區(qū)域含有某種礦藏后,PROSPECTOR可以幫助地質(zhì)工作者選擇最佳鉆井位置,以避免不必要的浪費。這時PROSPECTOR接受的輸入是一張地質(zhì)圖,這個圖經(jīng)過一個特殊的數(shù)字化儀數(shù)字化后,由系統(tǒng)的井位選擇模型處理。最后輸出的是一張標(biāo)有井位的地質(zhì)圖。

(2)區(qū)域資源評價。42圖12-7是PROSPECTOR系統(tǒng)的總體結(jié)構(gòu)圖。系統(tǒng)的勘探知識以某種外部格式存儲在磁盤中。同樣,一個具有1000多個單詞的分類學(xué)詞典也存儲在磁盤上。每一次咨詢開始時,由一個叫做PARSEFILE的程序把這些外部表示轉(zhuǎn)換成系統(tǒng)的內(nèi)部表示形式——推理網(wǎng)絡(luò)。推理網(wǎng)絡(luò)就是系統(tǒng)賴以完成咨詢的知識庫。系統(tǒng)中其他部分的作用如下：——執(zhí)行程序：作為人機接口負(fù)責(zé)接受用戶輸入的命令,然后解釋這些命令的含義,

并根據(jù)需要調(diào)用其他子系統(tǒng)。

圖12-7是PROSPECTOR系統(tǒng)的總體結(jié)構(gòu)圖。系統(tǒng)的43——英語分析程序：負(fù)責(zé)理解用戶用自然語言輸入的信息,并將其轉(zhuǎn)換成匹配程序可以使用的語義網(wǎng)絡(luò)形式?！ヅ涑绦颍菏褂梅诸悓W(xué)詞典來比較各個語義空間的關(guān)系,把用戶提供的信息加入推理網(wǎng)絡(luò)中或檢查推理網(wǎng)絡(luò)的一致性?！獋鞑コ绦颍贺?fù)責(zé)在推理網(wǎng)絡(luò)中進(jìn)行概率傳播,它實現(xiàn)系統(tǒng)的似然推理?！釂栂到y(tǒng)：負(fù)責(zé)向用戶提問,要求用戶輸入數(shù)據(jù)?！⒄Z分析程序：負(fù)責(zé)理解用戶用自然語言輸入的信息,并44——解釋系統(tǒng)：用于解答用戶的詢問?！W(wǎng)絡(luò)編譯系統(tǒng)：為在井位選擇推理網(wǎng)絡(luò)中傳播圖形信息,生成高效代碼。

——知識獲取系統(tǒng)：

在PROSPECTOR運行時可生成、

修改或保存推理網(wǎng)絡(luò)?！忉屜到y(tǒng)：用于解答用戶的詢問。45圖12-7PROSPECTOR總體結(jié)構(gòu)

圖12-7PROSPECTOR總體結(jié)構(gòu)4612.3.2知識表示1.分類學(xué)網(wǎng)絡(luò)最低一級網(wǎng)絡(luò)是分類學(xué)網(wǎng)絡(luò)(見圖12-8),它的作用有些類似于MYCIN中的詞典,給出了系統(tǒng)所知道的1000多個詞匯的用途及相互關(guān)系。例如,由“關(guān)系”的節(jié)點為根的子樹中所有詞匯在描述知識時作為表示關(guān)系的詞匯使用。除此之外,分類學(xué)網(wǎng)絡(luò)還給出了概念之間的從屬關(guān)系,它們由四種弧表示：

12.3.2知識表示47圖12-8分類學(xué)網(wǎng)絡(luò)圖12-8分類學(xué)網(wǎng)絡(luò)48:表示N2是N1的子集。例如，火成巖是巖石的一類。:表示N2是N1的元素。例如，F(xiàn)ROM―OF是一個具體的關(guān)系。:既表示N2是N1的子集，說明N2與N1的其他用ds鏈接的子集是不相交的概念。例如，年代和形態(tài)是系統(tǒng)中的兩類詞匯，但這兩類詞匯中沒有相同的詞匯，即它們沒有共同的后代。而硫化物和濁變物是相交的概念，它們有共同的后代黃鐵礦。:表示N2是N1的子集。例如，火成巖是巖石的一類。:表示N249元素是不相同的。如果節(jié)點N1、N2在分類學(xué)網(wǎng)絡(luò)的同一條鏈上,則稱N1、N2是相容的。此時,若N2是N1的后代,則稱N2是N1的限制;反之則稱N1是N2的限制。

:表示N2是N1的元素,且N2與N1的其他de型元素是不相同的。:表示N2是N1的元素,且N2與N1的其他50

2.分塊語義網(wǎng)絡(luò)在PROSPECTOR中,陳述由分塊語義網(wǎng)絡(luò)表示。分塊語義網(wǎng)絡(luò)是把整個網(wǎng)絡(luò)劃分成若干個塊,每一塊(稱為語義空間)表示一句完整的話(陳述)。例如,“角閃石部分地轉(zhuǎn)化為黑云母”,可由圖12-9表示。語義網(wǎng)絡(luò)中共有三種節(jié)點：代表實體、過程和位置的節(jié)點(用圓表示),代表關(guān)系的節(jié)點(用橢圓表示)和表示概念的節(jié)點(用方框表示)。其中表示概念的節(jié)點實際上是分類學(xué)網(wǎng)絡(luò)中的節(jié)點,它們也可被其他空間(陳述)使用,所以把它們放在空間外面,稱其為外部參數(shù)。語義網(wǎng)絡(luò)中的弧用來指明各個關(guān)系的參量。一般來說,一個關(guān)系的各參量之間的次序是有意義的,關(guān)系的第一個參量通常是該關(guān)系所描述的對象,關(guān)系的其他參量通常是該對象的屬性值。

2.分塊語義網(wǎng)絡(luò)51圖12-9語義空間

圖12-9語義空間52每一個陳述都可以分解為若干個簡單斷言。所謂簡單斷言指僅包含一個關(guān)系及其各參量的斷言。圖8―9可分解為七個簡單斷言的集合：

ａ1：存在一個實體E1

ａ2：E1的成分是角閃石

ａ3：存在一個實體E2

ａ4：E2的成分是黑云母

ａ5：存在一個過程P1

ａ6：在P1過程中，E1轉(zhuǎn)化為E2

ａ7：在P1過程中，轉(zhuǎn)化的程度是部分轉(zhuǎn)化分塊語義網(wǎng)絡(luò)中的空間還可以用邏輯連接詞AND、OR、NOT連接成更大的語義空間，表示更復(fù)雜的陳述。每一個陳述都可以分解為若干個簡單斷言。所謂簡單斷言指僅包53

3.推理網(wǎng)絡(luò)在PROSPECTOR中，判斷性知識用規(guī)則表示。每條規(guī)則的形式如下：

E→H(LS，LN)其中LS、LN的作用有些類似于MYCIN系統(tǒng)中規(guī)則的可信度,它們用來反映證據(jù)E對假設(shè)H的影響程度。LS∈［0,+∞),它表示證據(jù)E出現(xiàn)時,對假設(shè)H成立的支持程度：當(dāng)LS>1時,表示證據(jù)E出現(xiàn)支持假設(shè)H成立;當(dāng)LS<1時,表示證據(jù)E的出現(xiàn)反對假設(shè)H成立;當(dāng)LS＝1時,證據(jù)E的出現(xiàn)與否對假設(shè)H成立的可能性無影響,即E與H是無關(guān)的。這三種情況分別相當(dāng)于MYCIN中規(guī)則的CF大于0、小于0和等于0三種情況。LN∈［0,+∞),它表示證據(jù)E不出現(xiàn)時,對假設(shè)H成立的支持程度：LN>1、LN<1和LN＝1分別表示E不出現(xiàn)時,它支持、反對或不影響H成立。3.推理網(wǎng)絡(luò)54與MYCIN系統(tǒng)不同,PROSPECTOR系統(tǒng)的決策規(guī)則被明顯地鏈接在一起形成一個有向圖,稱為推理網(wǎng)絡(luò)(見圖12-10)。推理網(wǎng)絡(luò)中的節(jié)點是各個語義空間——稱為超節(jié)點(Supernode),弧代表規(guī)則,與每一條弧相聯(lián)系的兩個數(shù)字分別是該規(guī)則的LS和LN。推理網(wǎng)絡(luò)中每個超節(jié)點H都有一個先驗概率P(H)(即在沒有任何信息的情況下,H所代表的命題成立的概率)。隨著信息E的輸入,H的先驗概率改變?yōu)楹篁灨怕蔖(H|E)(即已知E時,H成立的概率),當(dāng)P(H|E)>P(H)時,說明H在某種程度上成立;當(dāng)P(H|E)<P(H)時,說明H在某種程度上不成立;當(dāng)P(H|E)＝P(H)時,說明E對H無影響。因此,P(H)有些相當(dāng)于MYCIN中的CF［H,S］＝0的情況。與MYCIN系統(tǒng)不同,PROSPECTOR系統(tǒng)的決策規(guī)55圖12-10推理網(wǎng)絡(luò)

圖12-10推理網(wǎng)絡(luò)56推理網(wǎng)絡(luò)中每條規(guī)則的LS、LN及每個語義空間H的P(H)均由領(lǐng)域?qū)＜以诮ㄔ熘R庫時提供。除了表示規(guī)則的弧外，推理網(wǎng)絡(luò)中還有代表先后順序的弧(用虛線表示，見圖12-10)，其意義如下：：只有當(dāng)P(E

1|S)>P(E

1)時，才考慮E2；只有P(E

1|S)<P(E

1)時，才考慮E2：只有P(E

1|S)≈P(E

1)時，才考慮E2：僅指明考慮E2之前先考慮E

1推理網(wǎng)絡(luò)中每條規(guī)則的LS、LN及每個語義空間H的P(H)57其中P(E1|S)、P(E1)分別是E1的后驗概率和先驗概率，稱E1是E2的上下文。關(guān)于虛線上方括號中數(shù)字的精確含義，將在8.4.3中解釋。設(shè)E1、E2分別是“存在硫化物”和“重晶石覆蓋硫化物”，顯然若已知E1為假，再去提問“是否重晶石覆蓋硫化物”是不合適的。通過使用先后順序弧把E1、E2連接起來：只有當(dāng)E1在某種程度上為真時,系統(tǒng)才去詢問E2,因此,可以避免提出一些不合邏輯的問題。

使得系統(tǒng)在詢問E2之前先檢查E1是否為真,其中P(E1|S)、P(E1)分別是E1的后驗概率和先58推理網(wǎng)絡(luò)的頂層是一些礦藏的名稱,它們代表每種礦藏存在的假設(shè),如A型斑狀銅礦(PCOA)、Kuroko型重硫化物礦(MDS)等等。推理網(wǎng)絡(luò)的葉節(jié)點是一些可問空間。所謂可問空間就是直接與用戶的觀察有關(guān)的語義空間,即它們的后驗概率可通過向用戶提問獲得。類似地,后驗概率可由系統(tǒng)推出的空間(即作為某些規(guī)則結(jié)論部分的空間)被稱為可推空間。注意,可問空間和可推空間并不互相排斥,一個空間可同時既是可問的,又是可推的。分類學(xué)網(wǎng)絡(luò)、語義網(wǎng)絡(luò)和推理網(wǎng)絡(luò)交織在一起構(gòu)成了PROSPECTOR的知識庫。這三種網(wǎng)絡(luò)在知識庫中的關(guān)系如圖12-11所示。

推理網(wǎng)絡(luò)的頂層是一些礦藏的名稱,它們代表每種礦藏存在的假設(shè)59圖12-11知識庫中三種網(wǎng)絡(luò)的關(guān)系

圖12-11知識庫中三種網(wǎng)絡(luò)的關(guān)系6012.3.3推理模型系統(tǒng)運行時,當(dāng)用戶輸入一個證據(jù)E并且指出在它的觀察S下E成立的后驗概率是P(E|Se)時,PROSPECTOR首先在推理網(wǎng)絡(luò)中找出以E為前提或前提中包含E的規(guī)則R;若R的前提是若干命題的邏輯組合,則首先利用公式(8-4)、(8-5)、(8-6)計算R的前提的總概率;然后用公式(8-11)、(8-12)、(8-13)計算在R的作用下規(guī)則的結(jié)論H的后驗概率;最后利用公式(8-20)計算出所有以H為結(jié)論的規(guī)則的后驗概率P(H|S)＝P(H|SH)。計算出P(H|SH)后,PROSPECTOR系統(tǒng)再從推理網(wǎng)絡(luò)中找出所有前提中包含H的規(guī)則前提R′并對R′重復(fù)以上過程。PROSPECTOR就這樣不斷地將規(guī)則前提的后驗概率沿推理網(wǎng)絡(luò)中規(guī)則弧傳到規(guī)則的結(jié)論部分,修改該結(jié)論的后驗概率,直至將P(E|Se)的影響傳到推理網(wǎng)絡(luò)的頂層語義空間為止。這一過程稱為概率傳播,它由傳播程序完成。12.3.3推理模型61但由于用戶不知道領(lǐng)域?qū)＜以诮ㄔ熘R庫時為每個可詢問空間E指定的先驗概率是多少,所以讓用戶以P(E|Se)的方式提供證據(jù)E的后驗概率可能會導(dǎo)致系統(tǒng)錯誤地理解用戶的意圖。例如,設(shè)P(E)＝0.5,當(dāng)系統(tǒng)向用戶詢問E時,用戶想告訴系統(tǒng)E以某種程度為真,但因為它不知道領(lǐng)域?qū)＜医o出的先驗概率P(E)是多少,他可能提供P(E|Se)＝0.4,系統(tǒng)對這個信息的理解變成了E以某種程度為假［(P(E)>P(E|Se)］,這與用戶本來的意圖相左。為了避免這種情況,類似于解決主觀概率不一致的方法,引入分段線性插值函數(shù)C(E|Se)：但由于用戶不知道領(lǐng)域?qū)＜以诮ㄔ熘R庫時為每個62若P(E)<P(E|Se)≤1若0≤P(E|Se)<P(E)(12-1)由公式(12-1)可得：

若C(E|Se)≤0若C(E|Se)>0(12-2)其中C(E|Se)∈［-5,5］。

若P(E)<P(E|Se)≤1若0≤P(E|Se)<P(63當(dāng)C(E|Se)＞0時,P(E|Se)＞P(E);當(dāng)C(E|Se)≤0時,P(E|Se)≤P(E)。因此,用戶實際上用C(E|Se)≤0來指明對他所提供的信息的信任程度。當(dāng)他相信E以某種程度為真時,指定一個大于0的C(E|Se);當(dāng)他相信E以某種程度為假時,指定一個小于0的C(E|Se)。系統(tǒng)利用公式(12-1)將其自動轉(zhuǎn)換成相應(yīng)的P(E|Se),確保系統(tǒng)不會錯誤地理解用戶的意圖。同樣,系統(tǒng)向用戶顯示結(jié)論H時,用公式(12-2)將后驗概率P(H|S)轉(zhuǎn)化為C(H|S)提供給用戶。當(dāng)C(E|Se)＞0時,P(E|Se)＞P(E);當(dāng)C6412.3.4控制策略1.正向推理PROSPECTOR的正向推理實際上就是概率傳播,它由傳播程序完成。每當(dāng)用戶輸入一個證據(jù)E及其后驗概率P(E|S),傳播程序就利用主觀Bayesian方法,將P(E|S)的影響沿推理網(wǎng)絡(luò)傳播,修改更高層次上語義空間的后驗概率,直至將P(E|S)的影響傳至頂層空間。傳播程序傳播后驗概率的方法如前所述。

12.3.4控制策略65

2.主動式推理咨詢開始時,用戶可根據(jù)自己的觀察為系統(tǒng)提供信息。PROSPECTOR在這方面為用戶提供了很大的靈活性,用戶不僅可以輸入有關(guān)可問空間的信息,還可以輸入關(guān)于推理網(wǎng)絡(luò)任意層次上的假設(shè)空間的信息。這種方法有利于充分發(fā)揮用戶的作用,加快推理速度。例如,H是推理網(wǎng)絡(luò)中的一個非可問空間,如果用戶根據(jù)他的觀察已經(jīng)很明顯地看出H是成立的,那么他可直接告訴系統(tǒng)H成立,這就可以減少系統(tǒng)關(guān)于H的推理,而直接在已知H成立的基礎(chǔ)上進(jìn)行推理。不僅在咨詢開始時,而且在咨詢的任意時刻,用戶都可以以這種方式為系統(tǒng)提供信息。這種方法稱為主動式推理。2.主動式推理66

3.反向推理當(dāng)正向推理(概率傳播)結(jié)束后,如果系統(tǒng)已能確定存在某種礦藏,則輸出結(jié)果;否則進(jìn)入反向推理過程。反向推理由提問系統(tǒng)負(fù)責(zé),它為斷定某種礦藏的成礦可能性尋求有關(guān)的數(shù)據(jù)。因此反向推理實際上要完成兩個任務(wù)：(1)應(yīng)優(yōu)先考慮哪個頂層假設(shè),這主要根據(jù)評判函數(shù)Jh來選擇。(2)應(yīng)向用戶詢問哪個空間,這主要根據(jù)評判函數(shù)J*來選擇。

3.反向推理67進(jìn)入反向推理后,提問系統(tǒng)首先用Jh函數(shù)為推理網(wǎng)絡(luò)中的所有頂層空間打分,并從中選出得分最高者作為反向推理的目標(biāo)。然后提問系統(tǒng)用J*函數(shù)為所有以這個空間為結(jié)論的規(guī)則打分,并選擇得分最高的規(guī)則的前提空間作為反向推理的下一級子目標(biāo)。若該子目標(biāo)是一個可問空間,則向用戶提問;當(dāng)用戶提供的可信度的絕對值大于1時,將該空間標(biāo)記為“不可用”的,并轉(zhuǎn)向正向推理,傳播概率;否則繼續(xù)用J*進(jìn)行反向推理,直至達(dá)到某一可問空間為止。

進(jìn)入反向推理后,提問系統(tǒng)首先用Jh函數(shù)為推理網(wǎng)絡(luò)中的6812.3.5解釋系統(tǒng)PROSPECTOR的解釋系統(tǒng)可以為用戶提供幾種不同類型的解釋。最簡單的一種是允許系統(tǒng)在咨詢的任何時刻檢查推理網(wǎng)絡(luò)中某個語義空間的后驗概率。其次解釋系統(tǒng)可以向用戶顯示推斷某一結(jié)論所使用的規(guī)則。用戶還可以檢查某一數(shù)據(jù)對推理網(wǎng)絡(luò)中任一特定空間概率的影響。這種解釋可以為用戶提供兩種很有意義的信息。首先,系統(tǒng)可以通過這種解釋能力告訴用戶,它所采集到的數(shù)據(jù)中哪些是最有意義的;其次,系統(tǒng)可以提示用戶需要進(jìn)一步采集的有意義的數(shù)據(jù)是什么。

12.3.5解釋系統(tǒng)69

圖12-12建立專家系統(tǒng)的一般步驟

圖12-12建立專家系統(tǒng)的一般步驟7012.4系統(tǒng)設(shè)計與實現(xiàn)

12.4.1一般步驟與方法由于專家系統(tǒng)也是一種計算機應(yīng)用系統(tǒng),所以,一般來說,其開發(fā)過程也要遵循軟件工程的步驟和原則,即也要進(jìn)行系統(tǒng)分析、系統(tǒng)設(shè)計等幾個階段的工作。但又由于它是專家系統(tǒng),而不是一般的軟件系統(tǒng),所以,又有其獨特的地方。如果我們僅就“純專家系統(tǒng)”而言,則其設(shè)計與實現(xiàn)的一般步驟可如圖12-12所示。12.4系統(tǒng)設(shè)計與實現(xiàn)12.4.1一般步驟與方法71由圖12-12可以看出,專家系統(tǒng)的開發(fā)有如下特點：(1)知識獲取與知識表示設(shè)計是一切工作的起點。(2)知識表示以及知識描述語言確定后,各項設(shè)計(圖中并列的六個設(shè)計)可同時進(jìn)行。

由圖12-12可以看出,專家系統(tǒng)的開發(fā)有如下特點：72還需說明的是：(1)對于一個實際的專家系統(tǒng),在系統(tǒng)分析階段就應(yīng)該首先弄清楚：系統(tǒng)中哪里需要專家知識,專家知識的作用是什么？以及系統(tǒng)中各專家模塊的輸入是什么？處理是什么？輸出又是什么？(2)系統(tǒng)投入運行后,一般來說,其知識庫還需不斷擴充、更新、完善和優(yōu)化,所以專家系統(tǒng)的開發(fā)更適合采用快速原型法。(3)對系統(tǒng)的評價主要看它解決問題是否達(dá)到專家水平。(4)上述的所謂“純專家系統(tǒng)”就是一個實際專家系統(tǒng)中的專家模塊部分。那么,對于系統(tǒng)其他部分的分析與設(shè)計,原則上講,與一般計算機應(yīng)用系統(tǒng)完全一樣,即可按軟件工程規(guī)范和程序進(jìn)行。

還需說明的是：(1)對于一個實際的專家系統(tǒng),在系7312.4.2快速原型與增量式開發(fā)所謂快速原型與增量式開發(fā),就是在開發(fā)一個大型軟件系統(tǒng)之前,先盡快地建立一個簡單的小型的系統(tǒng)“模型”——稱之為系統(tǒng)原型；然后,對原型進(jìn)行擴充,即在原型的基礎(chǔ)上進(jìn)行的繼續(xù)開發(fā),即增量式開發(fā),這樣像滾雪球似地直至完成整個系統(tǒng)?？焖僭头ǖ膬?yōu)點是,利用系統(tǒng)原型,開發(fā)者可以更好地分析和理解系統(tǒng)；用戶也能盡快看到系統(tǒng)的概貌,以便及早反饋有關(guān)信息,使后面的工作少走彎路；同時,也方便了開發(fā)者和用戶的相互交流?？焖僭头ㄌ貏e適合專家系統(tǒng)的開發(fā)。許多專家系統(tǒng)都開始于一個演示原型,然后經(jīng)過不斷地擴充和完善,最終達(dá)到實用階段。

12.4.2快速原型與增量式開發(fā)7412.4.3知識獲取知識獲取是建造專家系統(tǒng)的關(guān)鍵一步,也是較為困難的一步,被稱為建造專家系統(tǒng)的“瓶頸”。知識獲取大體有三種途徑。1.人工獲取人工獲取,即計算機人員(或知識工程師)與領(lǐng)域?qū)＜液献?對有關(guān)領(lǐng)域知識和專家知識,進(jìn)行挖掘、搜集、分析、綜合、

整理、

歸納,然后以某種表示形式存入知識庫。

12.4.3知識獲取752.半自動獲取半自動獲取,即利用某種專門的知識獲取系統(tǒng),采取提示、指導(dǎo)或問答的方式,幫助專家提取、歸納有關(guān)知識,并自動記入知識庫。

3.自動獲取自動獲取又可分為兩種形式：一種是系統(tǒng)本身具有一種機制,使得系統(tǒng)在運行過程中能不斷地總結(jié)經(jīng)驗,并修改和擴充自己的知識庫；另一種是開發(fā)專門的機器學(xué)習(xí)系統(tǒng),讓機器自動從實際問題中獲取知識,并填充知識庫。

2.半自動獲取7612.4.4知識表示與知識描述語言設(shè)計知識表示與知識描述語言設(shè)計是根據(jù)所獲得知識的特點,選擇或設(shè)計某種知識表示形式,并為這種表示形式設(shè)計相應(yīng)的知識描述語言。所謂知識描述語言,就是知識的具體語法結(jié)構(gòu)形式。所以,知識描述語言既要面向人、面向用戶,又要面向知識表示、面向機器,還要面向推理、面向知識運用。這就要求知識描述語言既能為用戶提供一種方便、易懂的外部知識表達(dá)形式,又能將這種外部表示轉(zhuǎn)換成容易存儲、

管理、

運用的內(nèi)部形式。

12.4.4知識表示與知識描述語言設(shè)計77知識描述語言可以利用現(xiàn)有的程序設(shè)計語言(如PROLOG、LISP、C等)提供的數(shù)據(jù)結(jié)構(gòu)或語句來實現(xiàn),也可以選用專用的知識描述語言(如產(chǎn)生式語言O(shè)PS、框架語言FRL等)或現(xiàn)成的專家系統(tǒng)工具(如M.1S.1EMYCIN等),也可以自己動手進(jìn)行設(shè)計。例如,我們曾設(shè)計了一種基于框架的模糊知識描述語言,它可以實現(xiàn)多種知識的描述。

例如,蘋果(類屬(水果),形狀(圓(0.8)),顏色(紅(0.9),黃(0.8)),味道(甜(0.9)))就描述了一個“蘋果”框架。

知識描述語言可以利用現(xiàn)有的程序設(shè)計語言(如PROLOG、7812.4.5知識庫與知識庫管理系統(tǒng)設(shè)計1.知識庫設(shè)計知識庫設(shè)計主要是設(shè)計知識庫的結(jié)構(gòu),即知識的組織形式。專家系統(tǒng)(或知識工程)中所涉及的知識庫,一般取層次結(jié)構(gòu)或網(wǎng)狀結(jié)構(gòu)模式。這種結(jié)構(gòu)模式是把知識按某種原則進(jìn)行分類,然后分塊分層組織存放,如按元知識、專家知識、領(lǐng)域知識等分層組織；而每一塊和每一層還可以再分塊分層。這樣,整個知識庫就呈樹型或網(wǎng)狀結(jié)構(gòu)。例如,圖12-13所示的就是一個醫(yī)療診斷知識庫的層次結(jié)構(gòu)。

12.4.5知識庫與知識庫管理系統(tǒng)設(shè)計79圖12-13醫(yī)療診斷知識庫層次結(jié)構(gòu)

圖12-13醫(yī)療診斷知識庫層次結(jié)構(gòu)80知識庫的這種層次結(jié)構(gòu),可方便知識的調(diào)度和搜索(因為可通過上層知識調(diào)度或搜索下層知識),從而使得推理時知識的調(diào)度靈活、迅速,故而可加快推理速度。另外,知識的分塊存放,還可使知識庫容量增大(僅受磁盤空間限制)。我們這里所說的元知識,是指關(guān)于知識的知識,即管理、調(diào)度領(lǐng)域知識和專家知識的知識。例如,“如果有肝病的癥狀,則調(diào)肝病知識子庫(進(jìn)一步確診)”就是一條元知識。當(dāng)然,元知識也是相對而言的。例如,圖12-13中位于上層知識庫中知識就是其下層知識庫中知識的元知識。

知識庫的這種層次結(jié)構(gòu),可方便知識的調(diào)度和搜索(因為可通過812.知識庫管理系統(tǒng)設(shè)計1)知識操作功能設(shè)計知識操作功能包括知識的添加、刪除、修改、查詢和統(tǒng)計等。這些功能可采用兩種方法來實現(xiàn)。一種方法就是利用屏幕窗口,通過人機對話方式實現(xiàn)知識的增、刪、改、查等；另一種方法就是用全屏幕編輯方式,讓用戶直接用鍵盤按知識描述語言的語法格式編輯知識。

2.知識庫管理系統(tǒng)設(shè)計822)知識檢查功能設(shè)計知識檢查包括知識的一致性、完整性、冗余性等檢查。所謂知識的一致性,就是知識庫中的知識必須是相容的,即無矛盾。例如,下面的兩條規(guī)則

r1:ifPthenQr2:ifPthen﹁Q

就是矛盾的。那么,像這樣的規(guī)則就不能同時存在于一個知識庫中。

2)知識檢查功能設(shè)計r1:ifPthenQ83所謂完整性,是指知識中的約束條件,稱為完整性約束。例如,小王的身高為x米,則必須滿足：x<3米；又如,弟弟今年x歲,哥哥今年y歲,則必須滿足x<y。否則就破壞了知識的完整性。所謂冗余性,就是重復(fù)、多余等。冗余性檢查就是檢查知識庫中的知識是否存在冗余。也就是要求不能存在冗余。冗余的表現(xiàn)有重復(fù)、包含、環(huán)路等現(xiàn)象。例如,下面的三條規(guī)則：r1:ifPthenQr2:ifQthenRr3:ifPthenR若它們同時存在于一個知識庫中,則就出現(xiàn)了冗余。因為由r1和r2就可推出r3。所以r3實際是多余的。

所謂完整性,是指知識中的約束條件,稱為完整性約束。例84又如,r1:ifPthenQr2:ifQthenRr3:ifRthenP形成了一條環(huán)路。

又如,r1:ifPthenQ形成了一條環(huán)路。853)知識庫操作設(shè)計知識庫操作包括知識庫(文件)的建立、刪除、分解、合并等。這里著重要說明的是知識庫的分解與合并。這兩種功能類似于關(guān)系數(shù)據(jù)庫的投影、選擇和連接操作,它們實現(xiàn)的是知識庫的重組。我們說,知識庫的重組也是可能甚至是必要的。因為隨著系統(tǒng)的運行,可能會發(fā)現(xiàn)原先的知識組合不合理,因此就需要重新組合,這時就需要使用知識庫的分解與合并功能。需要說明的是,上面關(guān)于知識庫及其管理系統(tǒng)的敘述,是從專家系統(tǒng)角度出發(fā)的。事實上,關(guān)于知識庫及其管理系統(tǒng),人們還從另一個方向——數(shù)據(jù)庫出發(fā),進(jìn)行了研究。

3)知識庫操作設(shè)計86從數(shù)據(jù)庫出發(fā)來研究知識庫,是把知識庫作為數(shù)據(jù)庫的發(fā)展看待的。這樣,便可以從數(shù)據(jù)庫和數(shù)據(jù)庫管理系統(tǒng)中取得借鑒和啟發(fā),來設(shè)計知識庫和知識庫管理系統(tǒng)。在這方面目前有兩個重要的研究方向：一個是從面向?qū)ο蟮臄?shù)據(jù)庫系統(tǒng)出發(fā)來研究面向?qū)ο蟮闹R庫系統(tǒng)；另一個是由主動數(shù)據(jù)庫得到啟發(fā)來研究主動知識庫。

從數(shù)據(jù)庫出發(fā)來研究知識庫,是把知識庫作為數(shù)據(jù)庫的發(fā)展看待87一個主動知識庫系統(tǒng)可定義為一個傳統(tǒng)知識庫系統(tǒng)之外再加一個事件驅(qū)動規(guī)則庫,及其相應(yīng)的事件監(jiān)視器。其中事件庫由系統(tǒng)和用戶定義的各種事件驅(qū)動的規(guī)則組成。這樣,整個系統(tǒng)中的知識被分成了兩部分。一部分稱為“被動知識”,即傳統(tǒng)知識庫中的知識,它們是供知識引擎(或推理機)在解題過程中使用的；另一部分稱為“主動知識”,它是由上述事件驅(qū)動規(guī)則組成的。這些主動知識受系統(tǒng)中一個“事件監(jiān)視器”的監(jiān)視控制,該事件監(jiān)視器主動地時刻監(jiān)視著知識庫,一旦發(fā)覺某事件發(fā)生時,就立即觸發(fā)其后的規(guī)則,從而引發(fā)所需動作的執(zhí)行。這樣,用戶可通過設(shè)置不同的事件驅(qū)動規(guī)則,以一種統(tǒng)一的機制實現(xiàn)許多知識管理功能，例如,對知識庫的動態(tài)監(jiān)視,知識庫的完整性、一致性檢查,例外情況處理,推理示蹤,知識庫分塊處理,元知識或深層知識的自動切換,實現(xiàn)某些實時功能,多知識庫合作解題,分布知識庫系統(tǒng)中的同步與通訊,乃至推理或搜索策略的自動切換和推理中“黑板”內(nèi)容的自動切換等等,應(yīng)用將十分廣泛。

一個主動知識庫系統(tǒng)可定義為一個傳統(tǒng)知識庫系統(tǒng)之外再加一個8812.4.6推理機與解釋機制設(shè)計1.從哪里著手推理機是與知識庫對應(yīng)的專家系統(tǒng)的另一重要部件。推理機的推理是基于知識庫中的知識進(jìn)行的。所以,推理機就必須與知識庫及其知識相適應(yīng)、相配套。具體來講,就是推理機必須與知識庫的結(jié)構(gòu)、層次以及其中知識的具體表示形式等相協(xié)調(diào)、相匹配。否則,推理機與知識庫將無法接軌。因此,設(shè)計推理機時,首先得對知識庫有所了解。例如,知識庫中有無元知識？所有知識是否分模塊存放？知識庫的結(jié)構(gòu)是集中式的,還是分布式的？是樹型的,還是網(wǎng)狀的？又如,知識的表示是產(chǎn)生式、謂詞,還是框架、語義網(wǎng)？還有,庫中的知識是確定性的,還是不確定性的等等。然后,再考慮推理機的設(shè)計。

12.4.6推理機與解釋機制設(shè)計892.還應(yīng)考慮些什么對推理機本身而言,還要考慮推理的方式、方法和控制策略等。例如,對于推理方式,是正向推理,還是反向推理或雙向推理？是精確推理,還是不精確推理？是串行推理,還是并行推理？是單調(diào)推理,還是非單調(diào)推理？又如,對于推理方法,是用歸結(jié)法,還是用自然演繹法？對于不精確推理采用什么樣的推理模型？還有,對于搜索控制,是采用深度優(yōu)先還是廣度優(yōu)先,對于沖突消解是依據(jù)優(yōu)先數(shù),還是可信度或程度(即隸屬度)等等。

2.還應(yīng)考慮些什么90

3.算法設(shè)計與程序設(shè)計做了上述的分析以后,就可著手設(shè)計推理機的算法了。對于一個基于規(guī)則的系統(tǒng)來說,其推理機也就相當(dāng)于產(chǎn)生式系統(tǒng)中的執(zhí)行控制部件,所以其運行過程也就是產(chǎn)生系統(tǒng)的運行過程,因此,前面產(chǎn)生式系統(tǒng)所采用的算法,或者圖搜索中所用的算法也就是這里的推理機所用的算法。算法確定后,就可進(jìn)行程序設(shè)計。至于推理機用何種程序語言實現(xiàn),這個并無什么限制,如可以用傳統(tǒng)的LISP或PROLOG語言,也用當(dāng)前流行的C或C++語言。

3.算法設(shè)計與程序設(shè)計91

4.解釋機制如何實現(xiàn)另外,在推理機的設(shè)計中還得考慮解釋機制。因為專家系統(tǒng)一般要求要有解釋功能。即在推理中要能回答用戶“為什么”的問題,在推理結(jié)束后,要能回答“怎么樣(得到結(jié)果)”的問題。從系統(tǒng)結(jié)構(gòu)講,一般是把解釋作為一個獨立的模塊,但實際上解釋功能也是與推理機密切相關(guān)的。因為要解釋就必須對推理進(jìn)行實時跟蹤。所以我們說,解釋模塊也可作為推理機的一部分。但需說明的是,解釋的方式還可以分為兩種：一種是直接輸出推理跟蹤的結(jié)果,另一種則是以跟蹤結(jié)果為索引,輸出另外的預(yù)制文本。所謂預(yù)制文本,就是事先將解釋的內(nèi)容(一般就是相關(guān)規(guī)則的內(nèi)容)以自然語言或領(lǐng)域中的專業(yè)語言形式存儲在一個文件上,以供解釋時調(diào)用。

4.解釋機制如何實現(xiàn)9212.4.7系統(tǒng)結(jié)構(gòu)設(shè)計對一個專家系統(tǒng)來說,其體系結(jié)構(gòu)非常重要。雖然從原理來講,專家系統(tǒng)由知識庫、推理機等部分組成,但由于受問題領(lǐng)域、系統(tǒng)規(guī)模、知識表示方法、知識庫結(jié)構(gòu)以及其他特殊性等諸多因素的影響,故專家系統(tǒng)的體系結(jié)構(gòu)難以形成固定的模式。一般來講,有諸如獨立式(一個“純”專家模塊)、混合式(還有其他處理模塊)、集中式、分布式、層次式以及“黑板模型”等。

12.4.7系統(tǒng)結(jié)構(gòu)設(shè)計93對一個具體的專家系統(tǒng)采用什么結(jié)構(gòu)形式,要視具體情況而定。例如,隨著社會、生產(chǎn)、工程、科研、經(jīng)濟等的不斷發(fā)展,開發(fā)大型知識系統(tǒng)已日趨迫切。對于大型知識系統(tǒng),人們提出了多級專家系統(tǒng)和多庫協(xié)同系統(tǒng)的體系結(jié)構(gòu)方案。多級專家系統(tǒng)是由總體專家系統(tǒng)和專業(yè)專家系統(tǒng)組成的一個樹型結(jié)構(gòu)。多庫協(xié)同系統(tǒng)的典型是四庫協(xié)同系統(tǒng)。四庫是指：知識庫、數(shù)據(jù)庫、模型庫和方法庫。根據(jù)對這四個庫的不同組織形式,四庫系統(tǒng)又可分為“知識主導(dǎo)型”、“模型驅(qū)動型”和“數(shù)據(jù)基礎(chǔ)型”等類型?？梢钥闯?大型知識系統(tǒng)已超出了“純”專家系統(tǒng)的范疇,而與傳統(tǒng)的管理信息系統(tǒng)、決策支持系統(tǒng)等相融合了。

對一個具體的專家系統(tǒng)采用什么結(jié)構(gòu)形式,要視具體情況而定9412.4.8人機界面設(shè)計人機界面對于一個實用專家系統(tǒng)(特別是咨詢型知識系統(tǒng))來說至關(guān)重要。一個專家系統(tǒng)一般有兩個人機界面：一個是面向系統(tǒng)開發(fā)和維護者的；一個是面向最終使用者的。前一個界面由開發(fā)工具提供；后一個則是專家系統(tǒng)自身的一部分。由于圖形用戶界面(GUI)的廣泛使用,所以目前專家系統(tǒng)的開發(fā)界面已達(dá)到相當(dāng)高的水平。而專家系統(tǒng)的使用界面相對還比較落后。這是因為,使用界面往往要涉及“人機對話”,如人對系統(tǒng)的詢問、系統(tǒng)對人的回答,特別是系統(tǒng)對用戶的解釋。顯然,最好的對話方式莫過于使用自然語言。但這又要涉及到自然語言理解,而自然語言理解目前還是一個未攻克的課題。所以,當(dāng)前的“人機對話”多以受限的自然語言形式進(jìn)行,即僅在本系統(tǒng)所涉及的那些有限的詞匯和簡單的語法及語義范圍內(nèi)進(jìn)行人機對話。例如,下面就是某石油專家系統(tǒng)人機對話中的三個自然語言問句：

12.4.8人機界面設(shè)計95(1)Pleasetellmethedepthofwellno.2?(2)Whatisthedepthofwellno.2?(3)Mayyoutellmethedepthofwellno.2?對于這三個問句,系統(tǒng)均能給出正確的回答,且是同一個答案。這類自然語言接口,常用的技術(shù)有關(guān)鍵詞匹配法和模式匹配法。這兩種方法是最早發(fā)展起來的自然語言理解技術(shù)。這類方法沒有嚴(yán)格的語言文法,系統(tǒng)通過把輸入的句子同給定的關(guān)鍵詞或句法模式進(jìn)行匹配,若匹配成功,則句子就算被理解。

(1)Pleasetellmethedepth9612.5開發(fā)工具與環(huán)境

12.5.1開發(fā)工具1.面向AI的程序設(shè)計語言面向AI的程序設(shè)計語言包括LISP、PROLOG等。由于這些語言與領(lǐng)域無關(guān),因此它們的通用性強,且使用靈活,限制少,用戶能“隨心所欲”地設(shè)計自己的系統(tǒng)。但由于一切皆要“從頭做起”,故開發(fā)周期長、效率低。由于面向?qū)ο蟪绦蛟O(shè)計語言(如Smalltalk、C++)以其類、對象、繼承等機制,而與人工智能特別是知識表示與知識庫產(chǎn)生了天然的聯(lián)系。因而,現(xiàn)在面向?qū)ο笮驼Z言也成為一種人工智能程序設(shè)計語言,面向?qū)ο蟪绦蛟O(shè)計也被廣泛引入人工智能程序設(shè)計,特別是專家系統(tǒng)程序設(shè)計。

12.5開發(fā)工具與環(huán)境12.5.1開發(fā)工具97

2.知識表示語言這是針對知識工程發(fā)展起來的程序設(shè)計語言,因此也稱知識工程語言。這些語言并不與具體的體系和范例有緊密聯(lián)系,也不局限于實現(xiàn)任一特殊的控制策略,因而便于實現(xiàn)較廣泛的問題。針對不同知識類型和知識表示,人們開發(fā)了若干種知識表示語言,如產(chǎn)生式語言系統(tǒng)OPS5、基于框架理論的知識表示語言FRL、UNITS等。特別是多知識表示語言LOOPS,它集中了4種編程方式,即面向?qū)ο蟆⒚嫦驍?shù)據(jù)、面向規(guī)則和它們的組合。在面向過程的語言INTERLISP-D程序設(shè)計環(huán)境下,它允許設(shè)計者選擇最適合其目的的那種方式。2.知識表示語言98

3.外殼系統(tǒng)外殼系統(tǒng)亦稱為骨架(frame),這種工具通常提供知識獲取模塊、推理機制、解釋功能等,只要加上領(lǐng)域?qū)ｉT知識,即建立起知識庫就可以構(gòu)成一個專家系統(tǒng)。這類系統(tǒng)典型的代表有EMYCIN、KAS和EXPERT等。國內(nèi)也開發(fā)出了不少這類工具系統(tǒng)。顯然,使用這種工具,開發(fā)效率最高,但限制也更多,靈活性最差。

3.外殼系統(tǒng)99

4.組合式構(gòu)造工具這種工具向用戶提供多種知識表示方法和多個推理控制機構(gòu),使用戶可以選擇各種組成部件,非常方便地進(jìn)行組合,來設(shè)計、建造自己所需的專家系統(tǒng)。這類系統(tǒng)的典型代表有AGE等。

4.組合式構(gòu)造工具1005.專家系統(tǒng)工具ESTESL是融過程性和描述性于一體,把知識推理同其他數(shù)據(jù)處理相結(jié)合,模塊化的程序設(shè)計語言。具體來講,ESL是將人工智能的自動推理和搜索等功能嵌套于過程性語言之中,而ESL的語句和所處理的知識(事實和規(guī)則)本身又都是用一階謂詞描述的。這樣,就把計算機的數(shù)值計算,數(shù)據(jù)處理,圖形聲音以及流程控制等功能同搜索、推理功能有機地結(jié)合在一起,把傳統(tǒng)程序同知識系統(tǒng)有機地結(jié)合在一起,這就為設(shè)計實用專家系統(tǒng)提供了方便,從而可使用戶能非常靈活方便地設(shè)計自己的實際專家系統(tǒng),如定義系統(tǒng)的運行流程和工作方式,設(shè)置屏幕布局和菜單,實現(xiàn)多次推理、多層推理和多路推理,設(shè)計各種各樣的輸入輸出、運行外部程序,進(jìn)行必要的數(shù)值計算和數(shù)據(jù)處理,設(shè)計必要的圖形和聲音等等。5.專家系統(tǒng)工具EST101面就是一個用EST開發(fā)的一個小型專家系統(tǒng)示例：work(main):{主程序}makewindow(1,117,0,"d",3,10,4,30),nl,{定義主窗口}write("微機故障診斷專家系統(tǒng)"),nl,nl,makewindow(2,27,0,"a",9,40,1,16)readchar(-),dialog(yes),{開人機對話}metaKB(kb0),{將元知識調(diào)入內(nèi)存}goaltrouble(Y),{推理目標(biāo)}reasoning(backward),{啟動反向推理機}面就是一個用EST開發(fā)的一個小型專家系統(tǒng)示例：102上面的各類工具,是按其使用方式劃分的。但事實上,工具系統(tǒng)還與應(yīng)用領(lǐng)域有關(guān),現(xiàn)在的知識系統(tǒng)工具基本上都是針對某一專門領(lǐng)域的。所以,如果按用途來分類,知識系統(tǒng)工具又可分為：醫(yī)療診斷型、故障診斷型、圖形專家系統(tǒng)工具、金融專家系統(tǒng)工具、氣象預(yù)報專家系統(tǒng)工具、

輔助設(shè)計專家系統(tǒng)工具等等。

上面的各類工具,是按其使用方式劃分的。但事實上,工103“通用”是工具系統(tǒng)追求的目標(biāo),但通用與專用又是一組矛盾,如果只考慮通用性,勢必會丟掉某些專用的特色,從而又影響了工具自身的應(yīng)用價值。所以,知識系統(tǒng)開發(fā)工具目前的發(fā)展方向是,在不影響專用性的前提下,盡量提高通用性。因此,組合式、開放式的工具系統(tǒng)是當(dāng)前這一領(lǐng)域的重要課題。這種組合式、開放式的工具系統(tǒng)應(yīng)具有多知識表示,多推理機制,多控制策略,多學(xué)習(xí)方法,多解釋形式,多界面,能靈活組裝,并具有用戶接口(以便用戶選擇、取舍、增添新的特殊功能),最終形成一個完善的知識系統(tǒng)開發(fā)環(huán)境。

“通用”是工具系統(tǒng)追求的目標(biāo),但通用與專用又是一組矛盾10412.5.2開發(fā)環(huán)境隨著專家系統(tǒng)技術(shù)的普及與發(fā)展,人們對開發(fā)工具的要求也越來越高。一個好的專家系統(tǒng)開發(fā)工具應(yīng)向用戶提供多方面的支持,包括從系統(tǒng)分析、知識獲取、程序設(shè)計到系統(tǒng)調(diào)試與維護的一條龍的服務(wù)。于是,專家系統(tǒng)開發(fā)環(huán)境便應(yīng)運而生。專家系統(tǒng)開發(fā)環(huán)境就是集成化了的專家系統(tǒng)開發(fā)工具包。提供的功能主要有：(1)多種知識表示：至少提供兩、三種以上知識表示,如邏輯、框架、對象、過程等。(2)多種不精確推理模型：即提供多種不精確推理模型,可供用戶選用。最好還留有用戶自定義接口。

12.5.2開發(fā)環(huán)境105(3)多種知識獲取手段：除了必需的知識編輯工具外,還應(yīng)有自動知識獲取即機器學(xué)習(xí)功能,以及知識求精手段。(4)多樣的輔助工具：包括數(shù)據(jù)庫訪問、電子表格、作圖等工具。(5)多樣的友好用戶界面：包括開發(fā)界面和專家系統(tǒng)產(chǎn)品的用戶界面,應(yīng)該是多媒體的,并且有自然語言接口。(6)廣泛的適應(yīng)性：

能滿足多種應(yīng)用領(lǐng)域的特殊需求,具有很好的通用性。

(3)多種知識獲取手段：除了必需的知識編輯工具外,10612.6專家系統(tǒng)的發(fā)展

12.6.1深層知識專家系統(tǒng)深層知識專家系統(tǒng),即不僅具有專家經(jīng)驗性表層知識,而且具有深層次的專業(yè)知識。這樣,系統(tǒng)的智能就更強了,也更接近于專家水平了。例如一個故障診斷專家系統(tǒng),如果不僅有專家的經(jīng)驗知識,而且也有設(shè)備本身的原理性知識,那么,對于故障判斷的準(zhǔn)確性將會進(jìn)一步提高。要做到這一點,這里存在一個如何把專家知識與領(lǐng)域知識融合的問題。

12.6專家系統(tǒng)的發(fā)展12.6.1深層知識專家系統(tǒng)10712.6.2模糊專家系統(tǒng)模糊專家系統(tǒng)主要特點是通過模糊推理解決問題的。這種系統(tǒng)善于解決那些含有模糊性數(shù)據(jù)、信息或知識的復(fù)雜問題,但也可以通過把精確數(shù)據(jù)或信息模糊化,然后通過模糊推理進(jìn)行處理的復(fù)雜問題。這里所說的模糊推理包括基于模糊規(guī)則的串行演繹推理和基于模糊集并行計算(即模糊關(guān)系合成)的推理。對于后一種模糊推理,其模糊關(guān)系矩陣也就相當(dāng)于通常的知識庫,模糊矩陣的運算方法也就相當(dāng)于通常的推理機。12.6.2模糊專家系統(tǒng)108圖12-14模糊控制系統(tǒng)結(jié)構(gòu)

圖12-14模糊控制系統(tǒng)結(jié)構(gòu)10912.6.3神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)、自適應(yīng)、分布存儲、聯(lián)想記憶、并行處理,以及魯棒性和容錯性強等一系列特點,用神經(jīng)網(wǎng)絡(luò)來實現(xiàn)專家系統(tǒng)的功能模塊。

神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的一般結(jié)構(gòu)如圖12-15所示。這種專家系統(tǒng)的建造過程是：先根據(jù)問題的規(guī)模,構(gòu)造一個神經(jīng)網(wǎng)絡(luò),再用專家提供的典型樣本規(guī)則,對網(wǎng)絡(luò)進(jìn)行訓(xùn)練,然后利用學(xué)成的網(wǎng)絡(luò),對輸入數(shù)據(jù)進(jìn)行處理,便得到所期望的輸出。

12.6.3神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)110圖12-15神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)概念結(jié)構(gòu)

圖12-15神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)概念結(jié)構(gòu)111可以看出,這種系統(tǒng)把知識庫融入網(wǎng)絡(luò)之中,而推理過程就是沿著網(wǎng)絡(luò)的計算過程。而基于神經(jīng)網(wǎng)絡(luò)的這種推理,實際是一種并行推理。這種系統(tǒng)實際上是自學(xué)習(xí)的,它將知識獲取和知識利用融為一體,而且它所獲得的知識往往還高于專家知識,因為它所獲得的知識是從專家提供的特殊知識中歸納出的一般知識。

可以看出,這種系統(tǒng)把知識庫融入網(wǎng)絡(luò)之中,而推理過程就11212.6.4大型協(xié)同分布式專家系統(tǒng)這是一種多學(xué)科、多專家聯(lián)合作業(yè),協(xié)同解題的大型專家系統(tǒng),其體系結(jié)構(gòu)又是分布式的,可適應(yīng)分布和網(wǎng)絡(luò)環(huán)境。具體來講,分布式專家系統(tǒng)的構(gòu)成可以把知識庫分布在計算機網(wǎng)絡(luò)上,或者把推理機制分布在網(wǎng)絡(luò)上,或者兩者兼而有之。此外,分布式專家系統(tǒng)還涉及問題分解、問題分布和合作推理等技術(shù)。問題分解就是把所要處理的問題按某種原則分解為若干子問題。問題分布是把分解好的子問題分配給各專家系統(tǒng)去解決。合作推理就是分布在各節(jié)點的專家系統(tǒng)通過通信,進(jìn)行協(xié)調(diào)工作,當(dāng)發(fā)生意見分歧時,甚至還要辯論和折衷。12.6.4大型協(xié)同分布式專家系統(tǒng)11312.6.5網(wǎng)上(多媒體)專家系統(tǒng)網(wǎng)上專家系統(tǒng)就是建在Internet上的專家系統(tǒng),其結(jié)構(gòu)可取瀏覽器/服務(wù)器模式,用瀏覽器作為人機接口,而知識庫、推理機和解釋模塊等則安裝在服務(wù)器上。多媒體專家系統(tǒng)就是把多媒體技術(shù)引入人機界面,使其具有