機(jī)械工業(yè)出版社2020《人工智能導(dǎo)論》課程同步PPT課件第6章 專家系統(tǒng)

人工智能導(dǎo)論Introductiontoartificialintelligence機(jī)械工業(yè)出版社2020第三部分基于知識(shí)的系統(tǒng)第6章專家系統(tǒng)【導(dǎo)讀案例】中美人工智能PK討論：1專家系統(tǒng)及其發(fā)展2知識(shí)工程3知識(shí)獲取4專家系統(tǒng)的結(jié)構(gòu)5經(jīng)典的專家系統(tǒng)1在自己的領(lǐng)域里作為專家2五個(gè)技能獲取階段3專家的特點(diǎn)4專家系統(tǒng)的特征第1節(jié)5建立專家系統(tǒng)要思考的問(wèn)題6.1專家系統(tǒng)及其發(fā)展總體來(lái)說(shuō)，專家系統(tǒng)因其在計(jì)算機(jī)科學(xué)和現(xiàn)實(shí)世界中的貢獻(xiàn)而被視為人工智能中最成功、最古老、最知名和最受歡迎的領(lǐng)域。專家系統(tǒng)出現(xiàn)在20世紀(jì)70年代，當(dāng)時(shí)整個(gè)人工智能領(lǐng)域正處在發(fā)展的低谷，人們批判人工智能不能生成實(shí)時(shí)的、真實(shí)世界的工作系統(tǒng)。這個(gè)時(shí)期，由于人們?cè)谟?jì)算機(jī)視覺(jué)領(lǐng)域獲得了一些重要見(jiàn)解，R.JPopplestone發(fā)明了機(jī)器人；弗雷迪所創(chuàng)建的玩具系統(tǒng)可以執(zhí)行簡(jiǎn)單的任務(wù)，如組裝玩具車或?qū)⒖Х缺胖迷诘由?；不久，麻省理工學(xué)院的特里·維諾格拉德發(fā)表了著名的論文《理解自然語(yǔ)言》，等等，才使人們對(duì)人工智能又產(chǎn)生了一定的興趣。但是由于早期的一些系統(tǒng)，人工智能也得到了一些惡名。6.1.1在自己的領(lǐng)域里作為專家戈?duì)柎奶购团翣柼貙⒃缙谙到y(tǒng)的目標(biāo)標(biāo)注為“能力戰(zhàn)略”，旨在開(kāi)發(fā)出能夠應(yīng)用于求解各種問(wèn)題的一般的、強(qiáng)大的方法。早期的程序，如DENDRAL，從普遍性方面來(lái)說(shuō)，還相當(dāng)脆弱。在一般問(wèn)題領(lǐng)域，除了被稱為專家的人類解決者以外，其他的求解者的行為通常都是膚淺的。6.1.1在自己的領(lǐng)域里作為專家事實(shí)上，大多數(shù)人只有在自己的專業(yè)領(lǐng)域才是專家，這與早期的人類觀點(diǎn)相反；人們不具備任何魔法，可以在任意問(wèn)題領(lǐng)域快速得到最細(xì)致、最有說(shuō)服力的規(guī)則。因此，雖然國(guó)際象棋大師通過(guò)數(shù)十年的實(shí)踐和研究，積累和建立起來(lái)約50000種規(guī)則的模式，但他們不是創(chuàng)建生活中其他事物啟發(fā)法、規(guī)則、方法的大師，對(duì)于數(shù)學(xué)博士、醫(yī)生或律師來(lái)說(shuō)也是如此。每個(gè)人都是處理自己領(lǐng)域信息的專家，但是這些技能不能確保他們能夠處理一般信息或其他專業(yè)領(lǐng)域的特定、專門的知識(shí)。人們?cè)谡莆杖魏翁囟I(lǐng)域知識(shí)之前，需要長(zhǎng)期的學(xué)習(xí)。6.1.1在自己的領(lǐng)域里作為專家布雷迪指出，人類專家有多種方式來(lái)應(yīng)對(duì)組合爆炸：“首先，結(jié)構(gòu)化知識(shí)庫(kù)。這樣就可以讓求解者在相對(duì)狹窄的語(yǔ)境中進(jìn)行操作。其次，明確提出個(gè)人所應(yīng)具有的知識(shí)，這些知識(shí)是關(guān)于專有領(lǐng)域知識(shí)的最好的利用方法，也就是所謂的元知識(shí)。因?yàn)橹R(shí)表示的統(tǒng)一性，人們可以將問(wèn)題求解者的全部能力都應(yīng)用在元知識(shí)上，這種應(yīng)用方式與人們將其應(yīng)用于基礎(chǔ)知識(shí)的方式完全相同，所以知識(shí)表示的統(tǒng)一性給人們帶來(lái)了很大的回報(bào)。最后，人們?cè)噲D利用似乎存在的冗余性。這種冗余性對(duì)人類求解問(wèn)題和認(rèn)知至關(guān)重要。雖然我們也可以用其他幾種方式實(shí)現(xiàn)這一點(diǎn)，但是這些方法的利用大部分都受到了限制。6.1.1在自己的領(lǐng)域里作為專家通常情況下，人們可以明確一些條件，雖然這些條件沒(méi)有一個(gè)能夠唯一地確定解決方案，但是同時(shí)滿足這些條件卻可以得到唯一的方案?！睂?duì)于“人類求解問(wèn)題和感知中存在的冗余”，布雷迪的真正意思是一個(gè)詞——模式。我們來(lái)看看在一個(gè)龐大的停車場(chǎng)中尋找汽車的例子。是否知道車在幾層或哪個(gè)編號(hào)區(qū)域?qū)θ绾慰焖俚卣业杰嚧嬖谥薮蟮牟顒e。進(jìn)一步說(shuō)，有了位置（中央列、外列、中間或列尾等），車的特征（其顏色、形狀、風(fēng)格等）以及你將車停在停車場(chǎng)的哪個(gè)區(qū)域（接近建筑、出口、柱子、墻等等）這些知識(shí)，對(duì)于你如何快速地找到汽車有著很大的不同。6.1.1在自己的領(lǐng)域里作為專家人們會(huì)使用3種截然不同的方法：（1）使用信息（收據(jù)上的號(hào)碼、票據(jù)以及停車場(chǎng)里提供的信息）。通過(guò)這種方法，人類并沒(méi)有使用任何智能，就像可以借助汽車的導(dǎo)航系統(tǒng)到達(dá)目的地一樣，不需要對(duì)要去的地方有任何地理上的理解。（2）使用所提供的票據(jù)上的信息，以及有關(guān)汽車及其位置的某些模式的組合。例如，票據(jù)上顯示車停在7B區(qū)，同時(shí)你也記得這距離目前的位置不是很遠(yuǎn)、車是亮黃色的，并且尺寸比較大。沒(méi)有很多大型的黃車，這使得你的汽車從其他的汽車中脫穎而出（見(jiàn)圖6-5）。6.1.1在自己的領(lǐng)域里作為專家

圖6-5模式和信息可以幫助我們識(shí)別事物6.1.1在自己的領(lǐng)域里作為專家（3）人類不依賴任何具體的信息，而是完全依賴于記憶和模式這種脆弱的方法。上述這3種方法說(shuō)明了人類在處理信息方面的優(yōu)勢(shì)。人類具有內(nèi)置的隨機(jī)訪問(wèn)和關(guān)聯(lián)的機(jī)制。為了到第3層提車，我們不需要線性地從第1層探索到第3層。機(jī)器人必須很明確地被告知跳過(guò)3層以下的樓層。我們的記憶允許我們利用車輛本身的特征（約束），如車是黃色的、大型的、舊的、周圍的車并不是很多。模式與信息的結(jié)合可以幫助我們減少搜索（類似于上面提到的約束和元知識(shí)）。因此，我們知道車在某一層（票據(jù)上是這樣說(shuō)的），但是我們也記得我們是如何停放汽車的（很緊密地停放或是很隨意地停放），汽車周圍可能有什么車，所選擇停車點(diǎn)有什么其他顯著的特征。6.1.2五個(gè)技能獲取階段伯克利的兩位哲學(xué)家兄弟胡伯特·德雷福斯和斯圖爾特·德雷福斯提出了這樣一條評(píng)判想法：在機(jī)器上，人們很難解釋或發(fā)展人類的“專有技術(shù)”。雖然我們知道如何騎自行車、如何開(kāi)車，以及許多其他基本的事情（如走路、說(shuō)話等），但是在解釋如何實(shí)現(xiàn)這些動(dòng)作時(shí)，我們的表現(xiàn)會(huì)大打折扣。德雷福斯兄弟將“知道什么事”與“知道如何做”區(qū)分開(kāi)來(lái)。知道什么事指的是事實(shí)知識(shí)，例如遵循一套說(shuō)明或步驟，但是這不等同于“知道如何做”。獲得“專有技術(shù)”后，這就變成了隱藏在潛意識(shí)中的東西。我們需要通過(guò)實(shí)踐來(lái)彌補(bǔ)記憶的不足。6.1.2五個(gè)技能獲取階段例如，你可能用VCR錄制過(guò)電視節(jié)目。你學(xué)到了必要的步驟——我們可以從VCR上的控件直觀地得到這些步驟，也知道電視應(yīng)當(dāng)被設(shè)置到特定的頻道，可以執(zhí)行和理解這些必需的步驟來(lái)錄制電視節(jié)目（專有技術(shù)）。但是，這是很久以前的事了。當(dāng)人們有了DVD，系統(tǒng)已經(jīng)改變了。因此，你可能不得不承認(rèn)自己已經(jīng)失去了如何錄制電視節(jié)目的專有技術(shù)。德雷福斯兄弟所討論的專有技術(shù)基于“從新手到專家的過(guò)程中有5個(gè)技能獲取階段”這個(gè)前提，即新手、熟手、勝任、精通、專家。6.1.2五個(gè)技能獲取階段階段1：新手只遵循規(guī)則，對(duì)任務(wù)領(lǐng)域沒(méi)有連貫的了解。規(guī)則沒(méi)有上下文，無(wú)須理解，只需要具備遵循規(guī)則的能力，完成任務(wù)。例如，在駕駛時(shí)，遵循一系列步驟到達(dá)某個(gè)地方。階段2：熟手開(kāi)始從經(jīng)驗(yàn)中學(xué)到更多的知識(shí)，并能夠使用上下文線索。例如，當(dāng)學(xué)習(xí)用咖啡機(jī)制作咖啡時(shí)，我們遵循說(shuō)明書的規(guī)則，但是也用嗅覺(jué)來(lái)告訴自己咖啡何時(shí)準(zhǔn)備好了。換句話說(shuō)，在任務(wù)環(huán)境中，我們可以通過(guò)所感知到的線索來(lái)學(xué)習(xí)。6.1.2五個(gè)技能獲取階段階段3：勝任的技能執(zhí)行者不僅需要遵循規(guī)則，也需要對(duì)任務(wù)環(huán)境有一個(gè)明確的了解。他能夠通過(guò)借鑒規(guī)則的層次結(jié)構(gòu)做出決定，并且認(rèn)識(shí)到模式（稱為“一小部分因素”或“這些元素系列”）。勝任執(zhí)行者可能是面向目標(biāo)的，并且他們可能根據(jù)條件改變自己的行為。例如，勝任的駕駛員知道如何根據(jù)天氣條件改變駕駛方式，包括速度、齒輪、擋風(fēng)玻璃刮水器、鏡子等。此時(shí)，執(zhí)行者會(huì)發(fā)展出憑直覺(jué)感知的知識(shí)或?qū)Ｓ屑夹g(shù)。這個(gè)層次的執(zhí)行者依然是基于分析，將要素結(jié)合起來(lái)，基于經(jīng)驗(yàn)做出最好的決定。6.1.2五個(gè)技能獲取階段階段⒋：精通的問(wèn)題求解者不僅能夠認(rèn)識(shí)到情況是什么及合適的選擇是什么，還能夠深思熟慮，找到最佳方式，實(shí)施解決方案。一個(gè)例子就是，醫(yī)生知道患者的癥狀意味著什么，并且能夠仔細(xì)考慮可能的治療選項(xiàng)。6.1.2五個(gè)技能獲取階段階段5：專家“基于成熟以及對(duì)實(shí)踐的理解，一般都會(huì)知道該怎么做”。應(yīng)對(duì)環(huán)境時(shí)，專家非常超然，沒(méi)有看到問(wèn)題就去努力解決這些問(wèn)題，他也不焦灼于在未來(lái)去精心制訂計(jì)劃?！拔覀?cè)谧呗贰⒄勗?、開(kāi)車或進(jìn)行大多數(shù)社交活動(dòng)時(shí)，通常不做出深思熟慮的決定?！币虼?，德雷福斯兄弟認(rèn)為專家與他們所工作的環(huán)境或舞臺(tái)融為一體。駕駛員不僅是在駕駛汽車，也在“駕駛自己”；飛行員不僅在開(kāi)飛機(jī)，也是在“飛行”；國(guó)際象棋大師不僅是下棋，而是成了“一個(gè)機(jī)會(huì)、威脅、優(yōu)勢(shì)、弱點(diǎn)、希望和恐懼世界中”的參與者。6.1.2五個(gè)技能獲取階段德雷福斯兄弟進(jìn)一步闡述：“當(dāng)事情正常進(jìn)行時(shí)，專家不解決問(wèn)題，不做決定，正常地進(jìn)行工作”。他們的主要觀點(diǎn)是；“精通或?qū)＜壹?jí)別的人，以一種無(wú)法解釋的方式，基于先前具體的經(jīng)驗(yàn)做出判斷?！彼麄冋J(rèn)為“專家行為不合理”，也就是說(shuō)，沒(méi)有通過(guò)有意識(shí)的分析和重組而做出行動(dòng)。6.1.2五個(gè)技能獲取階段德雷福斯兄弟認(rèn)為，在許多方面，如視覺(jué)、解釋判斷方面，包括人腦整體工作的方式，機(jī)器都比人腦差。沒(méi)有這些能力，機(jī)器將永遠(yuǎn)比不上人類（大腦和思想）。雖然機(jī)器可能是優(yōu)秀的符號(hào)操作器（邏輯機(jī)器或推理引擎），但是它們?nèi)狈δ芰M(jìn)行整體識(shí)別以及在一些類似圖片之間進(jìn)行區(qū)分，而人類擁有這些能力。例如，在面部識(shí)別方面，機(jī)器無(wú)法捕獲所有特征，而人類將會(huì)捕獲到所有特征，無(wú)論這些特征是明確的還是隱藏的。6.1.3專家的特點(diǎn)格倫菲爾鮑討論了這樣一個(gè)事實(shí)，即專家具有一定的特點(diǎn)和技術(shù)，這使得他們能夠在其問(wèn)題領(lǐng)域表現(xiàn)出非常高的解決問(wèn)題的水平。一個(gè)關(guān)鍵的杰出特征就是，他們能出色地完成工作。要做到這一點(diǎn)，他們要能夠完成如下工作：解決問(wèn)題——這是根本的能力，沒(méi)有這種能力，專家就不能稱為專家。與其他人工智能技術(shù)不同，專家系統(tǒng)能夠解釋其決策過(guò)程。思考這樣一個(gè)醫(yī)療專家系統(tǒng)，這個(gè)系統(tǒng)能夠確定你還有6個(gè)月的生命，你當(dāng)然想知道這個(gè)結(jié)論是如何得出的。6.1.3專家的特點(diǎn)解釋結(jié)果——專家必須能夠以顧問(wèn)的身份提供服務(wù)并解釋其理由。因此，他們必須對(duì)任務(wù)領(lǐng)域有深刻的理解。專家了解基本原則，理解這些原則與現(xiàn)有問(wèn)題的關(guān)系，并能夠?qū)⑦@些原則應(yīng)用到新的問(wèn)題上。學(xué)習(xí)——人類專家不斷學(xué)習(xí)，從而提高了自己的能力。在人工智能領(lǐng)域，人們希望機(jī)器能得到這些專有技能，學(xué)習(xí)也許是人類專有技能中最困難的一種技能。重構(gòu)知識(shí)——人可以改進(jìn)他們的知識(shí)來(lái)適應(yīng)新的問(wèn)題環(huán)境，這是人的一個(gè)獨(dú)特特征。在這個(gè)意義上，專家級(jí)的人類問(wèn)題求解者非常靈活并具有適應(yīng)性。6.1.3專家的特點(diǎn)打破規(guī)則——在某些情況下，例外才是規(guī)則。真正的人類專家知道其學(xué)科中的異常情況。例如，當(dāng)藥劑師為病人寫處方時(shí)，他知道什么樣的藥劑或藥物不能與先前的處方藥物發(fā)生很好的相互作用（即“配伍禁忌”）。了解自己的局限——人類專家知道他們能做什么、不能做什么。他們不接受超出其能力的任務(wù)或遠(yuǎn)離其標(biāo)準(zhǔn)區(qū)域的任務(wù)。平穩(wěn)降級(jí)——在面對(duì)困難的問(wèn)題時(shí)，人類專家不會(huì)崩潰、也就是說(shuō)，他們不會(huì)“出現(xiàn)故障”，同樣，在專家系統(tǒng)中，這也是不可接受的。6.1.4專家系統(tǒng)的特征專家系統(tǒng)具有這些特征：解決問(wèn)題——專家系統(tǒng)當(dāng)然有能力解決其領(lǐng)域的問(wèn)題。有時(shí)候，它們甚至解決了人類專家無(wú)法解決的問(wèn)題，或提出人類專家沒(méi)有考慮過(guò)的解決方案。學(xué)習(xí)——雖然學(xué)習(xí)不是專家系統(tǒng)的主要特征，但是如果需要，人們可以通過(guò)改進(jìn)知識(shí)庫(kù)或推理引擎來(lái)教授專家系統(tǒng)。機(jī)器學(xué)習(xí)是人工智能的另一個(gè)主題領(lǐng)域。重構(gòu)知識(shí)——雖然這種能力可能存在于專家系統(tǒng)中，但是本質(zhì)上，它要求在知識(shí)表示方面做出改變，這對(duì)機(jī)器來(lái)說(shuō)比較困難。6.1.4專家系統(tǒng)的特征打破規(guī)則——對(duì)于機(jī)器而言，使用人類專家的方式，以一種直觀、知情的方式打破規(guī)則比較困難；相反，機(jī)器會(huì)將新規(guī)則作為特例添加到現(xiàn)有規(guī)則中。了解自己的局限——一般說(shuō)來(lái)，當(dāng)某個(gè)問(wèn)題超出了其專長(zhǎng)的領(lǐng)域時(shí)，專家系統(tǒng)和程序也許能夠在因特網(wǎng)的幫助下參考其他程序找到解決方案。平穩(wěn)降級(jí)——專家系統(tǒng)一般會(huì)解釋在哪里出了問(wèn)題、試圖確定什么內(nèi)容以及已經(jīng)確定了什么內(nèi)容，而不是保持計(jì)算機(jī)屏幕不動(dòng)或變成白屏。6.1.4專家系統(tǒng)的特征專家系統(tǒng)的其他典型特征包括：推理引擎和知識(shí)庫(kù)的分離。為了避免重復(fù)，保持程序的效率是非常重要的。盡可能使用統(tǒng)一表示。太多的表示可能會(huì)導(dǎo)致組合爆炸，并且“模糊了系統(tǒng)的實(shí)際操作”。保持簡(jiǎn)單的推理引擎。這樣可以防止程序員深陷泥沼，并且更容易確定哪些知識(shí)對(duì)系統(tǒng)性能至關(guān)重要。利用冗余性。盡可能地將多種相關(guān)信息匯集起來(lái)，以避免知識(shí)的不完整和不精確。6.1.4專家系統(tǒng)的特征盡管專家系統(tǒng)有諸多優(yōu)點(diǎn)，但也有一些眾所周知的弱點(diǎn)。例如，雖然它們可能知道水在100攝氏度沸騰，但是不知道沸水可以變成蒸汽，蒸汽可以運(yùn)行渦輪機(jī)。6.1.5建立專家系統(tǒng)要思考的問(wèn)題當(dāng)人們考慮建立專家系統(tǒng)時(shí)，思考的第一個(gè)問(wèn)題是領(lǐng)域和問(wèn)題是否合適。Giarratano和Riley提出了人們?cè)陂_(kāi)始建立專家系統(tǒng)之前應(yīng)該思考的一系列問(wèn)題?！霸谶@個(gè)領(lǐng)域，傳統(tǒng)編程可以有效地解決問(wèn)題嗎？”如果答案為“是”，那么專家系統(tǒng)可能不是最佳選擇。那些沒(méi)有有效算法、結(jié)構(gòu)不好的問(wèn)題最適合構(gòu)建專家系統(tǒng)?！邦I(lǐng)域的界限明確嗎？”如果領(lǐng)域中的問(wèn)題需要利用其他領(lǐng)域的專業(yè)知識(shí)，那么最好定義一個(gè)明確的領(lǐng)域。例如，比起宇航員對(duì)外層空間的了解，宇航員對(duì)任務(wù)的了解必須更多，如飛行技術(shù)、營(yíng)養(yǎng)、計(jì)算機(jī)控制、電氣系統(tǒng)等。6.1.5建立專家系統(tǒng)要思考的問(wèn)題“我們有使用專家系統(tǒng)的需求和愿望嗎？”系統(tǒng)必須有用戶（市場(chǎng)），專家也必須贊成創(chuàng)建系統(tǒng)。“是否至少有一個(gè)愿意合作的人類專家？”沒(méi)有人類專家，肯定不可能創(chuàng)建這個(gè)系統(tǒng)。人類專家必須支持建設(shè)系統(tǒng)，必須意識(shí)到必需的合作和所需的時(shí)間，愿意投入大量的時(shí)間來(lái)建設(shè)專家系統(tǒng)。“人類專家是否可以解釋知識(shí)，這樣知識(shí)工程師就可以理解知識(shí)了？”這是一種決定性的試驗(yàn)。兩個(gè)人可以一起工作嗎？人類專家是否可以足夠清晰地解釋所使用的技術(shù)術(shù)語(yǔ)，是否可以讓知識(shí)工程師可以理解這些術(shù)語(yǔ)，并將它們轉(zhuǎn)化為計(jì)算機(jī)代碼嗎？6.1.5建立專家系統(tǒng)要思考的問(wèn)題“解決問(wèn)題的知識(shí)主要是啟發(fā)式的并且不確定嗎？”基于知識(shí)和經(jīng)驗(yàn)以及上面描述的“專有技術(shù)”，這樣的領(lǐng)域特別適用專家系統(tǒng)。專家系統(tǒng)偏重處理不確定和不精確的知識(shí)。也就是說(shuō)，它們可能在一部分時(shí)間內(nèi)正確工作，并且輸入數(shù)據(jù)可能不正確、不完整、不一致或有其他缺陷。有時(shí)，專家系統(tǒng)甚至只是給出一些答案——甚至不是最佳答案。他們注意到，雖然起初這看起來(lái)可能讓人驚訝，也許令人不安，但是通過(guò)進(jìn)一步的思考，這種表現(xiàn)與專家系統(tǒng)的概念是一致的。6.1.5建立專家系統(tǒng)要思考的問(wèn)題迄今為止，在全世界的許多領(lǐng)域（見(jiàn)表6-1），人們建立了數(shù)千個(gè)專家系統(tǒng)，其目的是：分析——給定數(shù)據(jù)，確定問(wèn)題的原因?？刂啤_保系統(tǒng)和硬件按照規(guī)格執(zhí)行。設(shè)計(jì)——在某些約束下配置系統(tǒng)。診斷——能夠推斷系統(tǒng)故障。指導(dǎo)——分析、調(diào)試學(xué)生的錯(cuò)誤并提供建議性的指導(dǎo)。解釋——從數(shù)據(jù)推斷出情景描述。6.1.5建立專家系統(tǒng)要思考的問(wèn)題監(jiān)視——將觀察值與預(yù)期值進(jìn)行比較。計(jì)劃——根據(jù)條件設(shè)計(jì)動(dòng)作。預(yù)測(cè)——對(duì)于給定情況，預(yù)測(cè)可能的后果。規(guī)定——為系統(tǒng)故障推薦解決方案。選擇——從多種可能性中確定最佳選擇。模擬——模擬系統(tǒng)組件之間的交互。6.1.5建立專家系統(tǒng)要思考的問(wèn)題表6-1專家系統(tǒng)的主要應(yīng)用領(lǐng)域第2節(jié)6.2知識(shí)工程知識(shí)工程是一門新興的工程技術(shù)學(xué)科，它產(chǎn)生于社會(huì)科學(xué)與自然科學(xué)的相互交叉和科學(xué)技術(shù)與工程技術(shù)的相互滲透。“知識(shí)工程”研究的內(nèi)容是如何組成由計(jì)算機(jī)和通訊技術(shù)結(jié)合而成的新的

通訊教育、控制系統(tǒng)?！爸R(shí)工程”

研究的中心，是“智能軟件服務(wù)”，

即研究編制程序，提供軟件服務(wù)。

圖6-6知識(shí)工程系統(tǒng)6.2知識(shí)工程“知識(shí)工程”的產(chǎn)生，說(shuō)明人類所專有的文化、科學(xué)、知識(shí)、思想等同現(xiàn)代機(jī)器的關(guān)系空前密切了。這不僅促進(jìn)了計(jì)算機(jī)產(chǎn)品的更新?lián)Q代，更重要的是，它必將對(duì)社會(huì)生產(chǎn)力新的飛躍，對(duì)社會(huì)生活新的變化，發(fā)生深刻的影響。6.2知識(shí)工程關(guān)于知識(shí)工程的主題和案例報(bào)告中指出，建立成功系統(tǒng)的關(guān)鍵是使用以下方法：（1）生成和測(cè)試——為人們嘗試、測(cè)試和采用這種方法已有幾十年之久，其有效性不言而喻。（2）情景-動(dòng)作規(guī)則的使用——也就是產(chǎn)生式規(guī)則或基于知識(shí)的系統(tǒng)，這種表示有助于專家系統(tǒng)的有效構(gòu)建、易于修改知識(shí)、易于解釋等?！斑@種方法的本質(zhì)在于，一條規(guī)則必須捕獲‘一大塊’領(lǐng)域知識(shí)，這些領(lǐng)域知識(shí)本身或其中的內(nèi)涵必須對(duì)領(lǐng)域?qū)＜矣幸饬x?！?.2知識(shí)工程（3）領(lǐng)域?qū)Ｓ兄R(shí)——關(guān)鍵的是知識(shí)，而不是推理引擎。知識(shí)在組織和約束搜索中起著至關(guān)重要的作用。使用規(guī)則和框架容易表示和操控知識(shí)。（4）知識(shí)庫(kù)的靈活性——知識(shí)庫(kù)包括了許多規(guī)則，人們應(yīng)當(dāng)適當(dāng)選擇這些規(guī)則的粒度。也就是說(shuō)，這些規(guī)則要足夠小，讓人可以理解，但是也應(yīng)該充分大，這樣對(duì)領(lǐng)域?qū)＜也庞幸饬x。按照這種方式，知識(shí)能夠靈活地應(yīng)對(duì)改變，可以很容易地得到修改、添加或刪除。（5）推理路線——在構(gòu)建智能體時(shí)，領(lǐng)域?qū)＜曳浅Ｃ鞔_知識(shí)構(gòu)建的意義、意圖和目的，這似乎是一條重要的組織原則。6.2知識(shí)工程（6）多種知識(shí)來(lái)源——將看似無(wú)關(guān)的、多個(gè)來(lái)源的知識(shí)條目整合起來(lái)，這對(duì)于推理路線的維護(hù)和開(kāi)發(fā)是必要的。（7）解釋——系統(tǒng)能夠解釋其推理路線的能力很重要（這是系統(tǒng)調(diào)試和擴(kuò)展所必需的）。人們認(rèn)為這是一條很重要的知識(shí)工程原則，必須予以重視。解釋的結(jié)構(gòu)及適當(dāng)?shù)膹?fù)雜程度也是非常重要的。6.2知識(shí)工程基于人工智能知識(shí)表達(dá)方式的專家系統(tǒng)傾向于將計(jì)算組件與基于知識(shí)的組件分開(kāi)，所以不同于傳統(tǒng)計(jì)算機(jī)科學(xué)的程序。因此，就專家系統(tǒng)而言，推理引擎不同于知識(shí)庫(kù)。通常，數(shù)據(jù)庫(kù)包括規(guī)則，這些規(guī)則“由模式匹配來(lái)調(diào)用，同時(shí)任務(wù)環(huán)境具有一些特征，如用戶可以添加、修改或刪除任務(wù)環(huán)境”。這種類型的數(shù)據(jù)庫(kù)稱為知識(shí)庫(kù)。6.2知識(shí)工程用戶可能以如下3種典型的不同方式來(lái)使用知識(shí)庫(kù)。（1）獲取問(wèn)題的答案——用戶作為客戶端。（2）改進(jìn)或增加系統(tǒng)的知識(shí)——用戶作為導(dǎo)師。（3）收集供人類使用的知識(shí)庫(kù)——用戶作為學(xué)生。6.2知識(shí)工程在第二種方式中，使用專家系統(tǒng)的人稱為領(lǐng)域?qū)＜?。沒(méi)有領(lǐng)域?qū)＜业膸椭?，建立專家系統(tǒng)是不可能的。從領(lǐng)域?qū)＜姨峁┑男畔⒅刑崛≈R(shí)，并將其規(guī)劃成知識(shí)庫(kù)，我們稱這種人為知識(shí)工程師。“從領(lǐng)域?qū)＜业念^腦中提取知識(shí)的過(guò)程（一個(gè)非常重要的過(guò)程）稱為知識(shí)獲取?！敝R(shí)工程是通過(guò)領(lǐng)域?qū)＜液椭R(shí)工程師之間的一系列交互來(lái)構(gòu)建知識(shí)庫(kù)的過(guò)程。通常，隨著時(shí)間的推移，隨著知識(shí)工程師越來(lái)越熟悉領(lǐng)域?qū)＜业囊?guī)則，這個(gè)過(guò)程會(huì)涉及許多規(guī)則的迭代和改進(jìn)。6.2知識(shí)工程知識(shí)工程師一直在尋找可用于表示和解決現(xiàn)有問(wèn)題的最佳工具。他嘗試組織知識(shí)，開(kāi)發(fā)推理方法，構(gòu)建符號(hào)信息的技術(shù)。他與領(lǐng)域?qū)＜颐芮泻献?，嘗試建立最好的專家系統(tǒng)。根據(jù)需要，重新概念化知識(shí)及其在系統(tǒng)中的表示。系統(tǒng)的人機(jī)界面得到改善，系統(tǒng)的“語(yǔ)言處理″讓人類用戶覺(jué)得更加舒適，系統(tǒng)的推理過(guò)程使用戶更加容易理解。第3節(jié)6.3知識(shí)獲取從人類專家處獲取知識(shí)，并將這些知識(shí)組織到可用的系統(tǒng)中——這個(gè)任務(wù)一直被認(rèn)為是很困難的。實(shí)質(zhì)上這表示了專家對(duì)問(wèn)題的理解，這對(duì)專家系統(tǒng)的能力至關(guān)重要。這項(xiàng)任務(wù)的正式名稱是知識(shí)獲取，這是構(gòu)建專家系統(tǒng)面臨的最大挑戰(zhàn)。6.3知識(shí)獲取雖然書籍、數(shù)據(jù)庫(kù)、報(bào)告或記錄可以作為知識(shí)來(lái)源，但是大多數(shù)項(xiàng)目最重要的來(lái)源之一是領(lǐng)域?qū)I(yè)人員或?qū)＜?。從專家處獲取知識(shí)的過(guò)程稱為知識(shí)引導(dǎo)，這是一項(xiàng)漫長(zhǎng)而艱巨的任務(wù)，會(huì)涉及許多乏味的會(huì)話。這些會(huì)話可以以交換想法的交互式討論進(jìn)行，也可以以采訪或案例研究的形式進(jìn)行。在后一種形式中，人們觀察專家如何視圖去解決一個(gè)真正的問(wèn)題。無(wú)論使用什么方法，人們的目標(biāo)是為了揭示專家的知識(shí)，更好地了解專家解決問(wèn)題的技能。人們想知道為什么不能通過(guò)簡(jiǎn)單的問(wèn)題來(lái)探索專家的知識(shí)。6.3知識(shí)獲取請(qǐng)牢記專家所具備的如下特點(diǎn)。（1）他們往往在自己的領(lǐng)域非常專業(yè)，并且往往使用具體領(lǐng)域的語(yǔ)言。（2）他們有大量的啟發(fā)式知識(shí)——這些知識(shí)是不確定以及不精確的。（3）他們不擅于表達(dá)自己。（4）他們運(yùn)用多種來(lái)源的知識(shí)，力爭(zhēng)表現(xiàn)出色。杜達(dá)和Shortliffe在這個(gè)問(wèn)題上給出了自己的立場(chǎng)：知識(shí)的識(shí)別和編碼是在建立專家系統(tǒng)過(guò)程中遇到的最復(fù)雜、最艱巨的任務(wù)之一……創(chuàng)建一個(gè)重大評(píng)估系統(tǒng)（在考慮實(shí)際使用之前）所需要的努力往往是以人年為單位的。6.3知識(shí)獲取在描述專家系統(tǒng)的構(gòu)建過(guò)程中，海耶斯-羅斯等人采用了“瓶頸”一詞：知識(shí)獲取是構(gòu)建專家系統(tǒng)的瓶頸。知識(shí)工程師的工作就是作為一個(gè)中間人幫助建立專家系統(tǒng)。由于知識(shí)工程師對(duì)領(lǐng)域知識(shí)的了解遠(yuǎn)遠(yuǎn)少于專家，因此溝通問(wèn)題阻礙了將專業(yè)知識(shí)轉(zhuǎn)移到工作中的過(guò)程。6.3知識(shí)獲取自20世紀(jì)70年代以來(lái)，人們嘗試了多種自動(dòng)化知識(shí)獲取的技術(shù)，如機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘和神經(jīng)網(wǎng)絡(luò)。事實(shí)證明，這些方法在某些情況下很成功。例如，有一個(gè)著名的大豆作物診斷案例，在這個(gè)案例中，從植物病理學(xué)家雅各布森（領(lǐng)域?qū)＜遥┑奶峁┑脑济枋龇痛_定診斷的患病植物的訓(xùn)練集開(kāi)始，程序合成了診斷規(guī)則集。意想不到的發(fā)現(xiàn)是，機(jī)器合成的規(guī)則集超出了由雅各布森制定的規(guī)則。雅各布森通過(guò)部分成功實(shí)驗(yàn)來(lái)嘗試改進(jìn)他的規(guī)則，結(jié)果機(jī)器的規(guī)則具有99%的準(zhǔn)確性，于是他放棄了自己的努力，采用機(jī)器合成的規(guī)則作為其專業(yè)工作的6.3知識(shí)獲取專家系統(tǒng)的知識(shí)有如下5種主要的知識(shí)分類。（1）過(guò)程性知識(shí)——規(guī)則、策略、議程和程序。（2）陳述性知識(shí)——概念、對(duì)象和事實(shí)。（3）元知識(shí)——關(guān)于其他類型的知識(shí)以及如何使用知識(shí)的知識(shí)。（4）啟發(fā)式知識(shí)——經(jīng)驗(yàn)法則。（5）結(jié)構(gòu)化知識(shí)——規(guī)則集、概念關(guān)系、對(duì)象關(guān)系。6.3知識(shí)獲取可能的不同形式的知識(shí)來(lái)源是專家、終端用戶、多個(gè)專家、報(bào)告、書籍、法規(guī)、在線信息、計(jì)劃和指南。雖然收集和解釋知識(shí)的過(guò)程可能只需要幾個(gè)小時(shí)，但是解釋、分析和設(shè)計(jì)一個(gè)新的知識(shí)模型可能需要很多時(shí)間。人們將淺層知識(shí)（可能基于直覺(jué)）轉(zhuǎn)化為深層知識(shí)（可能隱藏在專家的潛意識(shí)中）的過(guò)程稱為知識(shí)編譯問(wèn)題。知識(shí)引導(dǎo)中拓展的技能有助于促進(jìn)知識(shí)獲取。1知識(shí)庫(kù)2推理機(jī)3其他部分第4節(jié)6.4專家系統(tǒng)的結(jié)構(gòu)專家系統(tǒng)通常由人機(jī)交互界面、知識(shí)庫(kù)、推理機(jī)、解釋器、綜合數(shù)據(jù)庫(kù)、知識(shí)獲取等6個(gè)部分構(gòu)成。其中尤以知識(shí)庫(kù)與推理機(jī)相互分離而別具特色。專家系統(tǒng)的體系結(jié)構(gòu)隨專家系統(tǒng)的類型、功

能和規(guī)模的不同，而有所差異。圖6-7專家系統(tǒng)的基本結(jié)構(gòu)6.4專家系統(tǒng)的結(jié)構(gòu)基于規(guī)則的產(chǎn)生式系統(tǒng)是目前實(shí)現(xiàn)知識(shí)運(yùn)用最基本的方法。產(chǎn)生式系統(tǒng)由綜合數(shù)據(jù)庫(kù)、知識(shí)庫(kù)和推理機(jī)3個(gè)主要部分組成，綜合數(shù)據(jù)庫(kù)包含求解問(wèn)題的世界范圍內(nèi)的事實(shí)和斷言。知識(shí)庫(kù)包含所有用“如果：〈前提〉，于是：〈結(jié)果〉”（If-Then規(guī)則）形式表達(dá)的知識(shí)規(guī)則。推理機(jī)（又稱規(guī)則解釋器）的任務(wù)是運(yùn)用控制策略找到可以應(yīng)用的規(guī)則。6.4.1知識(shí)庫(kù)為了使計(jì)算機(jī)能運(yùn)用專家的領(lǐng)域知識(shí)，必須要采用一定的方式表示知識(shí)。常用的知識(shí)表示方式有產(chǎn)生式規(guī)則、語(yǔ)義網(wǎng)絡(luò)、框架、狀態(tài)空間、邏輯模式、腳本、過(guò)程、面向?qū)ο蟮取?.4.1知識(shí)庫(kù)知識(shí)庫(kù)用來(lái)存放專家提供的知識(shí)。專家系統(tǒng)的問(wèn)題求解過(guò)程是通過(guò)知識(shí)庫(kù)中的知識(shí)來(lái)模擬專家的思維方式的，因此，知識(shí)庫(kù)是專家系統(tǒng)質(zhì)量是否優(yōu)越的關(guān)鍵所在，即知識(shí)庫(kù)中知識(shí)的質(zhì)量和數(shù)量決定著專家系統(tǒng)的質(zhì)量水平，也是專家系統(tǒng)設(shè)計(jì)的“瓶頸”問(wèn)題。一般來(lái)說(shuō)，專家系統(tǒng)中的知識(shí)庫(kù)與專家系統(tǒng)程序是相互獨(dú)立的，用戶可以通過(guò)改變、完善知識(shí)庫(kù)中的知識(shí)內(nèi)容來(lái)提高專家系統(tǒng)的性能。通過(guò)知識(shí)獲取，可以擴(kuò)充和修改知識(shí)庫(kù)中的內(nèi)容，也可以實(shí)現(xiàn)自動(dòng)學(xué)習(xí)功能。6.4.2推理機(jī)推理機(jī)針對(duì)當(dāng)前問(wèn)題的條件或已知信息，反復(fù)匹配知識(shí)庫(kù)中的規(guī)則，獲得新的結(jié)論，以得到問(wèn)題求解結(jié)果。在這里，推理方式可以有正向和反向推理兩種。正向鏈的策略是尋找出前提可以同數(shù)據(jù)庫(kù)中的事實(shí)或斷言相匹配的那些規(guī)則，并運(yùn)用沖突的消除策略，從這些都可滿足的規(guī)則中挑選出一個(gè)執(zhí)行，從而改變?cè)瓉?lái)數(shù)據(jù)庫(kù)的內(nèi)容。這樣反復(fù)地進(jìn)行尋找，直到數(shù)據(jù)庫(kù)的事實(shí)與目標(biāo)一致即找到解答，或者到?jīng)]有規(guī)則可以與之匹配時(shí)才停止。6.4.2推理機(jī)逆向鏈的策略是從選定的目標(biāo)出發(fā)，尋找執(zhí)行后果可以達(dá)到目標(biāo)的規(guī)則；如果這條規(guī)則的前提與數(shù)據(jù)庫(kù)中的事實(shí)相匹配，問(wèn)題就得到解決；否則把這條規(guī)則的前提作為新的子目標(biāo)，并對(duì)新的子目標(biāo)尋找可以運(yùn)用的規(guī)則，執(zhí)行逆向序列的前提，直到最后運(yùn)用的規(guī)則的前提可以與數(shù)據(jù)庫(kù)中的事實(shí)相匹配，或者直到?jīng)]有規(guī)則再可以應(yīng)用時(shí)，系統(tǒng)便以對(duì)話形式請(qǐng)求用戶回答并輸入必需的事實(shí)?？梢?jiàn)，推理機(jī)就如同專家解決問(wèn)題的思維方式，知識(shí)庫(kù)就是通過(guò)推理機(jī)來(lái)實(shí)現(xiàn)其價(jià)值。6.4.3其他部分人機(jī)界面是系統(tǒng)與用戶進(jìn)行交流時(shí)的界面。通過(guò)該界面，用戶輸入基本信息、回答系統(tǒng)提出的相關(guān)問(wèn)題，并輸出推理結(jié)果及相關(guān)的解釋等。綜合數(shù)據(jù)庫(kù)專門用于存儲(chǔ)推理過(guò)程中所需的原始數(shù)據(jù)、中間結(jié)果和最終結(jié)論，往往是作為暫時(shí)的存儲(chǔ)區(qū)。解釋器能夠根據(jù)用戶的提問(wèn)，對(duì)結(jié)論、求解過(guò)程做出說(shuō)明，因而使專家系統(tǒng)更具有人情味。1DEDRAL專家系統(tǒng)2振動(dòng)故障診斷的專家系統(tǒng)3自動(dòng)牙科識(shí)別第5節(jié)6.5經(jīng)典的專家系統(tǒng)近40多年來(lái)，人們建成了具有數(shù)以千計(jì)規(guī)則的專家系統(tǒng)，這些系統(tǒng)集成了眾所周知的經(jīng)過(guò)測(cè)試的方法來(lái)處理大量特定領(lǐng)域的數(shù)據(jù)，包括數(shù)據(jù)庫(kù)、數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)。專家系統(tǒng)在多個(gè)領(lǐng)域中，如語(yǔ)言/自然語(yǔ)言理解、機(jī)器人學(xué)、醫(yī)學(xué)診斷、工業(yè)設(shè)備故障診斷、教育、評(píng)估和信息檢索等，人們己經(jīng)采用了混合智能方法。6.5經(jīng)典的專家系統(tǒng)1977年，中國(guó)科學(xué)院自動(dòng)化研究所就基于關(guān)幼波先生的經(jīng)驗(yàn)，研制成功了我國(guó)第一個(gè)“中醫(yī)肝病診治專家系統(tǒng)”。1985年10月中科院合肥智能所熊范綸建成“砂姜黑土小麥?zhǔn)┓蕦＜易稍兿到y(tǒng)”，這是我國(guó)第一個(gè)農(nóng)業(yè)專家系統(tǒng)。經(jīng)過(guò)20多年努力，一個(gè)以農(nóng)業(yè)專家系統(tǒng)為重要手段的智能化農(nóng)業(yè)信息技術(shù)在我國(guó)取得了引人矚目的成就，許多農(nóng)業(yè)專家系統(tǒng)遍地開(kāi)花，對(duì)我國(guó)農(nóng)業(yè)持續(xù)發(fā)展發(fā)揮作用。中科院計(jì)算所史忠植與東海水產(chǎn)研究所等合作，研制了東海漁場(chǎng)預(yù)報(bào)專家系統(tǒng)。在專家系統(tǒng)開(kāi)發(fā)工具方面，中科院數(shù)學(xué)研究所研制了專家系統(tǒng)開(kāi)發(fā)環(huán)境“天馬”，中科院合肥智能所研制了農(nóng)業(yè)專家系統(tǒng)開(kāi)發(fā)工具“雄風(fēng)”，中科院計(jì)算所研制了面向?qū)ο髮＜蚁到y(tǒng)開(kāi)發(fā)工具“OKPS”。6.5.1DENDRAL專家系統(tǒng)DENDRAL專家系統(tǒng)歷史悠久，這個(gè)項(xiàng)目開(kāi)始于1965年，持續(xù)多年，涉及斯坦福大學(xué)的許多化學(xué)家和計(jì)算機(jī)科學(xué)家。無(wú)論是在實(shí)驗(yàn)意義上還是在正式的分析和科學(xué)意義上，許多與人工智能發(fā)展有關(guān)的想法都是從這個(gè)項(xiàng)目開(kāi)始的。例如，在早期，DENDRAL強(qiáng)有力地證明了生成和測(cè)試算法以及基于規(guī)則的方法能夠有效地建立專家系統(tǒng)。6.5.1DENDRAL專家系統(tǒng)DENDRAL的任務(wù)是列舉合理的有機(jī)分子化學(xué)結(jié)構(gòu)（原子鍵圖），輸入兩種信息：①分析儀器質(zhì)譜儀和核磁共振光譜儀的數(shù)據(jù)，②用戶提供的答案約束，這些約束可用從用戶可用的任何其他的知識(shí)源（工具或上下文）推導(dǎo)得到。6.5.1DENDRAL專家系統(tǒng)解釋如下：“正如費(fèi)根鮑姆（計(jì)算機(jī)科學(xué)家）所說(shuō)，過(guò)去還沒(méi)有將未知化合物的質(zhì)譜圖映射到其分子結(jié)構(gòu)的算法。因此，DENDRAL的任務(wù)是將人類專家萊德伯格（化學(xué)家，遺傳學(xué)諾貝爾獎(jiǎng)獲得者）的經(jīng)驗(yàn)、技能和專業(yè)知識(shí)納入程序中，這樣程序就可以以人類專家的水平運(yùn)行。在開(kāi)發(fā)DENDRAL的過(guò)程中，萊德伯格不得不學(xué)習(xí)很多關(guān)于計(jì)算的知識(shí)，正如費(fèi)根鮑姆不得不學(xué)習(xí)化學(xué)知識(shí)一樣。顯然，對(duì)于費(fèi)根鮑姆而言，除了與化學(xué)有關(guān)的許多具體規(guī)則外，化學(xué)家還根據(jù)經(jīng)驗(yàn)和猜想使用了大量啟發(fā)式知識(shí)?！?.5.1DENDRAL專家系統(tǒng)DENDRAL的輸入通常包含了所研究的如下化合物信息?；瘜W(xué)式，如C6H12O。未知有機(jī)化合物的質(zhì)譜圖。核磁共振光譜信息。然后，無(wú)須反饋，DENDRAL在3個(gè)階段執(zhí)行啟發(fā)式搜索，這稱為規(guī)劃-生成-測(cè)試。6.5.1DENDRAL專家系統(tǒng)（1）規(guī)劃——在這個(gè)階段，根據(jù)所有可能的原子構(gòu)型的集合中和質(zhì)譜推導(dǎo)出的約束一致的原子構(gòu)型集合，還原出答案。應(yīng)用約束，選擇必須出現(xiàn)在最終結(jié)構(gòu)中的分子片段，剔除不能出現(xiàn)的分子片段。（2）生成——使用名為CONGEN的程序來(lái)生成可能的結(jié)構(gòu)。“它的基礎(chǔ)是組合算法（具有數(shù)學(xué)證明的完整性以及非冗余生成性）。組合算法可以產(chǎn)生所有在拓?fù)渖虾戏ǖ暮蜻x結(jié)構(gòu)。通過(guò)使用‘規(guī)劃’過(guò)程提供的約束進(jìn)行裁剪，引導(dǎo)生成合理的集合（即滿足約束條件的集合），而不是巨大的合法集合?！保?）測(cè)試——最后階段，根據(jù)假想中的質(zhì)譜結(jié)構(gòu)與實(shí)驗(yàn)結(jié)果之間的匹配程度，對(duì)生成的輸出結(jié)構(gòu)排列次序。6.5.1DENDRAL專家系統(tǒng)DENDRAL可以很迅速地將數(shù)百種可能的結(jié)構(gòu)縮減到可能的幾種或一種結(jié)構(gòu)。如果生成了幾種可能的結(jié)構(gòu)，那么系統(tǒng)將會(huì)列出這些結(jié)構(gòu)并附上概率。DENDRAL證明了計(jì)算機(jī)可以在一個(gè)有限的領(lǐng)域內(nèi)表現(xiàn)得與人類專家相當(dāng)。在化學(xué)領(lǐng)域，它的表現(xiàn)高于或等于一個(gè)化學(xué)博士生。這個(gè)系統(tǒng)在美國(guó)的化學(xué)家中得到了廣泛的應(yīng)用。費(fèi)根鮑姆進(jìn)一步指出：很矛盾的是，DENDRAL的結(jié)構(gòu)闡釋能力既非常廣泛，也非常狹窄。一般來(lái)說(shuō)，DENDRAL能夠處理所有分子、環(huán)和樹(shù)狀。在約束條件下（純粹的儀器數(shù)據(jù)）對(duì)純結(jié)構(gòu)的闡釋，CONGEN的表現(xiàn)人類無(wú)法匹及……在這些知識(shí)密集型的專業(yè)領(lǐng)域，通常來(lái)說(shuō)，比起人類專家的表現(xiàn)，DENDRAL的表現(xiàn)不但快得多，而且更準(zhǔn)確。6.5.2振動(dòng)故障診斷的專家系統(tǒng)專家系統(tǒng)的重要作用之一是用于故障診斷。在昂貴、高速、關(guān)鍵機(jī)械運(yùn)轉(zhuǎn)的情況下，故障的早期準(zhǔn)確檢測(cè)非常重要。在機(jī)械運(yùn)轉(zhuǎn)的情況下，異常情況的常見(jiàn)指標(biāo)是旋轉(zhuǎn)機(jī)械的振動(dòng)。檢測(cè)到故障后，維護(hù)工程師能夠識(shí)別癥狀信息，解釋各種錯(cuò)誤信息和指示，并提出正確的診斷。換句話說(shuō)，識(shí)別可能導(dǎo)致故障的組件以及組件失敗的原因。機(jī)械裝置往往會(huì)有數(shù)百個(gè)零件，非常復(fù)雜。這將需要專業(yè)的領(lǐng)域知識(shí)來(lái)診斷